应具备的预备知识:
1、《经济学》理论
宏观经济学与微观经济学
2、《概率论与数理统计》基础
如随机变量、概率分布、期望、方差、协方差、点估计、区间估计、假设检验、方差分析、正态分布、t 分布、F分布等概念和性质
3、《线性代数》基础
矩阵及运算、线性方程组等
4、《经济统计学》知识
经济数据的收集、处理和应用
计量经济学是以一定的经济理论和统计资料为基础,运用数学、统计学方法与电脑技术,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。主要内容包括理论计量经济学和应用经济计量学。理论经济计量学主要研究如何运用、改造和发展数理统计的方法,使之成为随机经济关系测定的特殊方法。应用计量经济学是在一定的经济理论的指导下,以反映事实的统计数据为依据,用经济计量方法研究经济数学模型的实用化或探索实证经济规律。
去百度文库,查看完整内容>
内容来自用户:zbnzjw
绪论
计量经济学:根据理论和观测的事实,运用合适的推理方法使之联系起来同时推导,对实际经济现象进行的数量分析。
计量经济学(定量分析)是经济学(定性分析)、统计学和数学(定量分析)的结合。
目的:把实际经验的内容纳入经济理论,确定变现各种经济关系的经济参数,从而验证经济理论,预测经济发展的趋势,为制定经济策略提供依据。
类型:理论计量经济学和应用计量经济学
计量经济学的研究步骤:
(一)模型设定:要有科学的理论依据选择适当的数学形式方程中的变量要具有可观测性
(二)估计参数:参数不能直接观测而且是未知的
(三)模型检验:经济意义的检验、统计推断检验、计量经济学检验、模型预测检验
(四)模型应用:经济分析、经济预测、政策评价和检验、发展经济理论
计量经济模型:计量经济模型是为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型,是以数学形式对客观经济现象所作的描述和概括。
计量经济研究中应用的数据包括:①时间序列②数据截面③数据面板④数据虚拟变量数据
第二章
简单线性回归模型:只有一个解释变量的线性回归模型
相关系数:两个变量之间线性相关程度可以用简单线性相关系数去度量(4)随机扰动项ui与解释变量Xi不想管(1)对参数估计式统计特性的影响:参数的OLS估计仍然具有无偏性。参数OLS估计式得到方差不再是最小的
去百度文库,查看完整内容> 内容来自用户:zbnzjw 绪论计量经济学:根据理论和观测的事实,运用合适的推理方法使之联系起来同时推导,对实际经济现象进行的数量分析。
计量经济学(定量分析)是经济学(定性分析)、统计学和数学(定量分析)的结合。目的:把实际经验的内容纳入经济理论,确定变现各种经济关系的经济参数,从而验证经济理论,预测经济发展的趋势,为制定经济策略提供依据。
类型:理论计量经济学和应用计量经济学计量经济学的研究步骤:(一)模型设定:要有科学的理论依据选择适当的数学形式方程中的变量要具有可观测性(二)估计参数:参数不能直接观测而且是未知的(三)模型检验:经济意义的检验、统计推断检验、计量经济学检验、模型预测检验(四)模型应用:经济分析、经济预测、政策评价和检验、发展经济理论计量经济模型:计量经济模型是为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型,是以数学形式对客观经济现象所作的描述和概括。计量经济研究中应用的数据包括:①时间序列②数据截面③数据面板④数据虚拟变量数据第二章简单线性回归模型:只有一个解释变量的线性回归模型相关系数:两个变量之间线性相关程度可以用简单线性相关系数去度量(4)随机扰动项ui与解释变量Xi不想管(1)对参数估计式统计特性的影响:参数的OLS估计仍然具有无偏性。
参数OLS估计式得到方差不再是最小的。
计量经济学是结合经济理论与数理统计,并以实际经济数据作定量分析的一门学科。计量经济学以古典回归(Classical Regression)分析方法为出发点。依据数据形态分为:横截面数据回归分析(Regression Analysis with Cross-Sectional Data)、时间序列分析(Time Series analysis)、面板数据分析(Panel Data Analysis)等。依据模型假设的强弱分为:参量计量经济学(Parametric Econometrics)、非参量计量经济学(Nonparametric Econometrics)、半参量计量经济学(Semiparametric Econometrics)等。(当然时间序列和回归分析也有单独设立科目)
主流软件是EViews、Gret、MATLAB、Stata、R、SAS、SPSS,还有好多好多……
我学习了半年的计量经济学,我的起点是零,现在也是略有小成吧。
我想如果你想学好计量经济学,根据我的心得,我想应该做到以下几点吧: 第一、我觉得应该好好看看概率论与数理统计部分,因为计量的好多知识,与这部分有关,如果你有那部分还不太熟悉,应该尽量补牢。 第二,就是选一本教材,比较主流的就是古扎拉蒂的和伍德里奇的书。
我看的是前者的。感觉前者的书写的还是挺通俗易懂的,一些例子还是挺典型的。
很适合初学者自学或者跟着老师学习 第三、就是计量和实践是紧密不分的,所以在学习过程中最好做一下题,尤其是课后题。 第四、就是学会一到两种统计学软件,比如SPSS等 如果打好基础的话,想象高级方向学习,可以学习时间序列的知识。
总之,计量经济学是一门实用的学科,有时候不必深究为什么这样。就像你只要知道1+1=2就行了,不必追问1+1为什么等于2。
1.无偏性 参数估计量的期望值与参数真值是相等的,这种性质称为无偏性,具有无偏性的估计量称为无偏估计量。
2. 有效性 无偏性表示估计值是在真值周围波动的一个数值,即无偏性表示估计值与真值间平均差异为0,近似可以用估计值作为真值的一个代表。同一个参数可以有许多无偏估计量,但不同估计量的期望方差不同,也就是估计量在真值周围的波动大小不同。估计量的期望方差越大说明用其估计值代表相应真值的有效性越差;否则越好,越有效。不同的估计量具有不同的方差,方差最小说明最有效。
3.异方差性 是相对于同方差而言的。所谓同方差,是为了保证回归参数估计量具有良好的统计性质,经典线性回归模型的一个重要假定:总体回归函数中的随机误差项满足同方差性,即它们都有相同的方差。如果这一假定不满足,即:随机误差项具有不同的方差,则称线性回归模型存在异方差性。
1.回归分析是一个变量(被解释变量)对于一个或多个其他变量(解释变量)的依存关系,目的在于根据解释变量的数值估计预测被解释变量的总体均值。相关分析研究变量相关程度,用相关系数表示。相关分析不关注变量的因果关系,变量都是随机变量。回归分析关注变量因果关系。被解释变量是随机变量,解释变量是非随机变量。
2.DW检验适用于一阶自回归:不适用解释变量与随机项相关的模型;DW检验存在两个不能确定的区域
3. 参数估计量非有效.变量的显著性检验失去意义.模型的预测失效
图示法:(X _ e2)
解析法:戈德菲尔德-匡特检验怀特检验 ARCH检验
声明:本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
蜀ICP备2020033479号-4 Copyright © 2016 学习鸟. 页面生成时间:3.206秒