古扎拉蒂计量经济学基础考研网课真题答案复习

古扎拉蒂计量经济学基础视频网课全套！

古扎拉蒂计量经济学基础视频网课笔记一：

0.1古扎拉蒂计量经济学基础pdf全套复习笔记

计量经济学概况

①计量经济学的定义

计量经济学是以一定的经济理论为基础，运用数学、统计学方法，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系的一门经济学学科。计量经济学可定义为实际经济现象的数量分析。这种分析基于理论与观测的并行发展，而理论与观测又通过适当的推断方法得以联系。

2）研究对象和研究方法

在一系列的假定条件下，计量经济学主要通过对经济数据的统计推断，研究经济定律的经验判定。计量经济学的研究方法是，利用统计推断的理论和技术，以达到经济理论和实际测算相衔接的目的。

③计量经济学是一门单独的学科

计量经济学是一门单独的学科，理由如下：

（1）经济理论所作的陈述或假说大多数是定性的。计量经济学提供了经济理论的数值估计，对大多数的经济理论赋予经验内容。

（2）数理经济学只用方程式表达经济理论，却未考虑实证检验问题。计量经济学家对数学方程式进行改造，使其成为更适合于经验检验的形式。

（3）经济统计学主要收集、加工并通过图表的形式来展现经济数据，不考虑怎样利用所收集来的数据去检验经济理论。计量经济学通过数据来检验经济理论。

考点二：计量经济学方法论*

①计量经济学的方法论路线

传统的计量经济学方法论大致按如下路线进行：

（1）理论或假说的陈述；

（2）理论的数学模型设定；

（3）统计或计量经济模型设定；

（4）获取数据；

（5）计量经济模型的参数估计；

（6）假设检验；

（7）预报或预测；

（8）利用模型进行控制或制定政策。

2 计量经济学的类型

计量经济学可划分为两大类：理论计量经济学和应用计量经济学。在每一大类中按照估计方法逻辑又分为经典方法和贝叶斯方法。理论计量经济学主要研究计量模型和计量方法，以求更精准测度由计量经济模型设定的经济关系。应用计量经济学主要将理论计量经济学工具应用到经济学或管理学中的某些特殊领域。

古扎拉蒂计量经济学基础视频网课笔记二：

第1篇单方程回归模型第1章回归分析的性质

回归分析

①回归分析的定义

回归分析是关于研究一个因变量对另一个或多个解释变量的依赖关系，其通过给定的解释变量值，去估计和（或）预测因变量的（总体）均值。

2②统计关系与确定性关系

统计关系主要处理两类随机变量之间的关系，此关系的参数会随着样本量的不同而存在一定的概率分布；而确定性关系中的参数往往是一个固定的值。在回归分析中，考虑统计依赖关系，主要处理的是随机变量，也就是有着概率分布的变量。但是在函数或确定性依赖关系中，要处理的变量不是随机的。

3 回归与因果关系

从逻辑上说，回归得到的统计关系式本身不可能意味着任何因果关系。即单纯的将两个变量放在一个回归框架下进行分析，并不能得出解释变量就是被解释变量的因的这一结论。

4 回归与相关

（1）相关分析与相关系数

相关分析主要用来测度两个变量之间的线性关联程度。相关系数是对线性关联程度的一种测度，相关系数的取值范围为0到1。

（2）回归分析与相关分析的区别

回归分析中，对被解释变量和解释变量的处理方法存在着不对称性。解释变量被当做是固定的或者非随机的，而被解释变量被当作是统计的、随机的，也就是它有一个概率分布。

相关分析中，任何（两个）变量的处理方法都是对称的，不存在因变量和解释变量的区分，两个变量都被看作是随机的。

什么是条件期望函数或总体回归函数？

答：条件期望函数和总体回归函数等价。每一条件均值E（Yx；）都是X的一个函数，其中x；是X的某个给定值，用符号表示为：E（YX；）=f（Xi）。方程被称为条件期望函数（CEF）或总体回归函数（PRF），或简称为总体回归（PR）。方程表明在给定X下，Y分布的总体均值是如何随着一个或多个解释变量的固定值的变化而变化的。

古扎拉蒂计量经济学基础视频网课笔记三：

总体回归函数和样本回归函数之间的差别是什么？这是不是人为的区别？

答：样本回归函数是总体回归函数的一个估计量，样本回归函数可以通过数据观测到，而总体回归函数是不可观测的。在多数情况下，所观测的只是给定总体的一个样本，并试图通过给定的样本对总体作出某种推断，因此这是人为的区别。

回归分析中的随机误差项；有什么作用？它与残差u；有何区别？

答：一个回归模型永远也不可能对现实做出完全准确的描述。因此，回归子的实际值与从所选择的模型中估计出来的值之间必定不同。二者之差就简单地归纳为随机误差项。而且构造一个含有尽可能多变量的多元回归模型也是不现实的，因此随机误差项就在回归模型中扮演着非常重要的角色。

残差是指样本的随机误差项。随机误差项（u）是针对总体回归函数而言的，而残差项（u山）是一随机变量，是针对样本回归函数而言的。残差项（u山）是随机误差项（u）的一个估计量。

4我们为什么需要回归分析？我们为什么不简单地用回归子的均值作为最优值？

答：通过回归分析，可以根据SRF的方程：Yi=β1+β2x；+u；来估计PRF的方程：Y；=β1+

β2X；+ui。尽管可以使用均值、标准差和其他摘要度量来描述回归子的行为，但通常情况下，找到影响回归子的因素更有意义。因为如果找到了这种影响因素，就能更好地预测回归子的均值。此外，计量模型常常是为了检验某个或某些经济理论而提出来的。

线性回归模型的含义是什么？

答：线性回归模型是指相对于其参数的线性模型，其对变量X和Y都不要求严格的线性。当变量取其他形式如对数形式、指数形式或者幂指数形式时，只要参数是线性的，都是意义上的线性回归模型。

在k变量模型中有k个正规方程用以估计k个未知数。这些正规方程见于附录C。假定k是其余X变量的一个完全的线性组合，你如何说明在这种情形中不可能估计这k个回归系数？答：如果X是其余变量的一个完全的线性组合，那么关于k个未知数就有（k-1）个方程。

未知数多于方程数，不可能得到唯一解。

古扎拉蒂计量经济学基础视频网课笔记四：

13 参照第8章中讨论的儿童死亡率的例子。此例涉及儿童死亡率（CM）对人均GNP（即PGNP）和妇女识字率（FLR）的回归。现在假设我们增加变量总人口出生率（TFR），得到如下回归结果。

a.将这些回归结果与方程（8.1.4）中给出的结果相比较。你看到了什么变化？你又如何解释这些变化？

b.值得在模型中增加变量TFR吗？为什么？

c.既然所有的t系数都是个别统计显著的，我们能否说此时不存在共线性问题？

答：a.尽管人均GNP和FLR的系数和截距的数值都有所变化，但符号未变。此外，这些变量仍是统计显著的。这些变化来自TFR变量的引入，从而表明这些回归元之间可能存在某种共线性。

b.由于IFR系数的t值高度显著（p值仅为0.0032），所以看来模型应包含TFR。由于一个妇女生育的子女数越多，儿童死亡率提高的可能性就越大，所以这个系数符号为正也说得通。

c.不能，因为有存在共线性，但每个系数仍都是统计显著的情形。多重共线性的问题仍需要采用各种侦察手段。

9 参照第7章的说明性例子。在该例中，我们对2005年美国所有50个州和华盛顿特区的制造业部门拟合了柯布-道格拉斯生产函数。由方程（7.9.4）给出的回归结果表明，劳动和资本的系数都是个别统计显著的。

a.判明劳动和资本两个变量是否高度相关。

b.如果你对a的回答是肯定的，你会不会从模型中剔除劳动变量（比方说），而仅对资本投入作产出变量的回归呢？

c.如果你这样做，你将犯哪一种设定偏误？找出这种偏误的性质。

答：a.劳动力和资本之间的相关系数为0.698，相当高。

b.不会。尽管这两个变量之间存在着相关关系，但回归系数在5%的显著性水平上仍是统计显著的，而去掉一个变量将带来模型误设的偏误。

c.如果去掉劳动力变量，则资本变量的系数将是有偏误的。这种偏误可根据习题6计算为：

B2：b23=1.4988×0.1319=0.1977。

古扎拉蒂计量经济学基础视频网课笔记五：

可以证明，用矩阵表述有（见附录C）：β=（xx）1xY。

a.当X变量之间有完全共线性时，β会发生什么情况？

b.你怎样知道有没有完全共线性？

答：a.如果存在完全的多重共线性，则（XX）便成为一个退化矩阵并因而不可逆，结果系数和标准误都没有定义。

b.一个检验办法就是检查（Xx）的行列式，若为0，则存在完全共线性。

25批判性地评价如下命题：

a.“多重共线性实际上不是一个建模的错误，而是数据不充分的一种状况。”

b.“如果不能得到更多的数据，那就必须接受数据包含有限信息量的事实并相应地设定模型。试图估计过分复杂的模型是经验丰富的应用计量经济学家最常见的错误之一。”

c.“研究者通常认为，只要在回归结果中没有看到他们预先假设的符号，他们先验推定重要的变量具有不显著的t值，或者去掉一个解释变量会导致各种回归结果都明显变化，那就是多重共线性在作怪。不幸的是，这些条件中没有一个是存在共线性的充分或必要条件，而且对于解决他们提出的估计问题需要什么样的额外信息没有提供任何有用的建议。”

d.“...任何包含多于四个自变量的时间序列回归都会带来垃圾。”

答：a、b、c和d都表明，多重共线性本质上常常是数据不足的问题。但是需要注意有些情况下，模型设定本身有问题的，如依照经济理论能够推断出多重共线性，即使补充数据也不会解决共线性问题，需要重新调整模型。