目录

1. 第一章 导论
2. 第二章 简单线性回归模型
3. 第三章 多元线性回归模型
4. 第四章 违反经典假定
5. 第五章 自相关性
6. 第六章 面板数据模型
7. 综合练习题

---

第一章 导论

核心知识点

1.1 计量经济学的定义与区别

• 计量经济学定义: 运用数学、统计学方法分析经济数据，验证经济理论和预测经济现象的学科
• 与相关学科的区别:
  • 理论经济学: 提供理论框架，计量经济学验证理论
  • 数理经济学: 用数学表达经济理论，计量经济学用数据检验
  • 经济统计学: 描述经济现象，计量经济学解释因果关系
  • 数理统计学: 提供统计方法，计量经济学应用于经济问题

1.2 计量经济学方法论

建立模型的步骤:

1. 理论模型设定
2. 样本数据收集
3. 模型参数估计
4. 模型检验
5. 模型应用

1.3 变量分类

• 被解释变量(Y): 需要解释和预测的变量（因变量、应变量）
• 解释变量(X): 解释被解释变量变化的变量（自变量）
• 内生变量: 由模型内部决定的变量
• 外生变量: 由模型外部决定的变量

1.4 计量经济学三要素

1. 理论: 经济理论基础
2. 方法: 数学和统计方法
3. 数据: 经济数据

1.5 模型检验

1. 经济意义检验: 参数符号、大小是否符合经济理论
2. 统计推断检验: t检验、F检验等
3. 计量经济学检验: 多重共线性、异方差、自相关等
4. 模型预测检验: 预测精度检验

1.6 模型应用

1. 结构分析: 分析变量间关系
2. 经济预测: 预测未来经济状况
3. 政策评价: 评估政策效果
4. 检验和发展理论: 验证经济理论

练习题

单选题

1. 计量经济学与经济统计学的主要区别在于（ ） A. 研究对象不同 B. 数据来源不同 C. 分析目的不同 D. 计算方法不同

2. 在计量经济模型中，由模型内部决定的变量称为（ ） A. 解释变量 B. 被解释变量 C. 内生变量 D. 外生变量

判断题

1. 计量经济学就是经济理论、统计方法和经济数据的结合。（ ）
2. 被解释变量一定是内生变量。（ ）

---

第二章 简单线性回归模型

核心知识点

2.1 基本概念

• 总体回归函数(PRF): E(Y|X) = β₀ + β₁X
• 样本回归函数(SRF): Ŷ = β̂₀ + β̂₁X
• 随机扰动项: μᵢ = Yᵢ - E(Y|Xᵢ)，代表模型无法解释的随机因素

2.2 经典假设（高斯-马尔可夫假设）

1. 线性假设: 模型为参数线性
2. 严格外生性: E(μᵢ|Xᵢ) = 0
3. 无多重共线性: 解释变量间无完全线性关系
4. 同方差性: Var(μᵢ) = σ²
5. 无自相关: Cov(μᵢ, μⱼ) = 0 (i≠j)
6. 正态性: μᵢ ~ N(0, σ²)

2.3 普通最小二乘法(OLS)

估计公式:

• β̂₁ = Σ(xᵢyᵢ)/Σ(xᵢ²) = Σ(Xᵢ-X̄)(Yᵢ-Ȳ)/Σ(Xᵢ-X̄)²
• β̂₀ = Ȳ - β̂₁X̄

参数估计量性质: BLUE（最佳线性无偏估计量）

2.4 拟合优度

离差平方和分解: TSS = ESS + RSS

• TSS: 总离差平方和 = Σ(Yᵢ-Ȳ)²
• ESS: 回归平方和 = Σ(Ŷᵢ-Ȳ)²
• RSS: 残差平方和 = Σ(Yᵢ-Ŷᵢ)²

可决系数: R² = ESS/TSS = 1 - RSS/TSS

2.5 统计检验

t检验:

• H₀: βⱼ = 0 vs H₁: βⱼ ≠ 0
• t = β̂ⱼ/SE(β̂ⱼ) ~ t(n-2)

F检验:

• H₀: β₁ = 0
• F = ESS/RSS × (n-2) ~ F(1, n-2)

2.6 不同模型类型的解释

1. 线性模型: Y = β₀ + β₁X + μ
   • β₁: X增加1单位，Y平均增加β₁单位
2. 对数-线性模型: lnY = β₀ + β₁X + μ
   • β₁: X增加1单位，Y平均增长100β₁%
3. 线性-对数模型: Y = β₀ + β₁lnX + μ
   • β₁: X增长1%，Y平均增加β₁/100单位
4. 双对数模型: lnY = β₀ + β₁lnX + μ
   • β₁: 弹性系数，X增长1%，Y平均增长β₁%

练习题

单选题

1. 在简单线性回归中，如果R² = 0.8，则解释变量解释了被解释变量（ ）的变异 A. 20% B. 64% C. 80% D. 无法确定

2. 双对数模型lnY = β₀ + β₁lnX + μ中，β₁的经济含义是（ ） A. 边际效应 B. 弹性 C. 半弹性 D. 增长率

计算题

1. 已知回归结果：Ŷ = 2.5 + 0.8X，n=20，ESS=100，TSS=150 求：(1) R² (2) F统计量 (3) 判断回归方程的显著性（α=0.05）

判断题

1. R²越大，说明模型拟合效果越好。（ ）
2. 在简单线性回归中，t检验与F检验等价。（ ）

---

第三章 多元线性回归模型

核心知识点

3.1 多元线性回归模型

矩阵形式: Y = Xβ + μ

• Y: n×1向量
• X: n×k矩阵
• β: k×1向量
• μ: n×1向量

OLS估计: β̂ = (X'X)⁻¹X'Y

3.2 模型假定

1. E(μ) = 0: 随机扰动项零均值
2. Var(μ) = σ²I: 同方差、无自相关
3. rank(X) = k: 无多重共线性
4. μ ~ N(0, σ²I): 正态性

3.3 双对数模型与规模报酬

生产函数: lnY = β₀ + β₁lnK + β₂lnL + μ

• 规模报酬递增: β₁ + β₂ > 1
• 规模报酬不变: β₁ + β₂ = 1
• 规模报酬递减: β₁ + β₂ < 1

3.4 调整的可决系数

R̄² = 1 - (1-R²)×(n-1)/(n-k)

• 考虑了自由度的影响
• 防止因增加变量而虚假提高R²

3.5 F检验

联合显著性检验:

• H₀: β₁ = β₂ = ... = βₖ₋₁ = 0
• F = (ESS/(k-1))/(RSS/(n-k)) ~ F(k-1, n-k)

方差分析表:

来源	平方和	自由度	均方	F值
回归	ESS	k-1	MSR=ESS/(k-1)	F=MSR/MSE
残差	RSS	n-k	MSE=RSS/(n-k)
总计	TSS	n-1

3.6 虚拟变量

设定原则:

• m个类别设m-1个虚拟变量
• 避免虚拟变量陷阱

加法方式: Y = β₀ + β₁X₁ + β₂D + μ

• β₂: 不同组别的截距差异

乘法方式: Y = β₀ + β₁X₁ + β₂D + β₃(X₁×D) + μ

• β₃: 不同组别的斜率差异

3.7 约束检验

F统计量: F = (RSSᵣ - RSSᵤᵣ)/q / (RSSᵤᵣ/(n-k)) ~ F(q, n-k)

• RSSᵣ: 约束模型残差平方和
• RSSᵤᵣ: 无约束模型残差平方和
• q: 约束个数

3.8 邹氏检验(Chow Test)

参数稳定性检验:

1. 将样本分为两组
2. 分别估计两个子样本模型
3. 计算F统计量检验参数是否稳定

练习题

单选题

1. 在多元线性回归中，调整的可决系数R̄²相比R²的优点是（ ） A. 计算简单 B. 考虑自由度影响 C. 数值更大 D. 便于比较

2. 对于5个定性特征的变量，应设置（ ）个虚拟变量 A. 5 B. 4 C. 3 D. 6

计算题

1. 某生产函数估计结果：lnY = 2.1 + 0.6lnK + 0.5lnL 判断该生产函数的规模报酬特征。

多选题

1. 下列关于虚拟变量的说法正确的是（ ） A. 虚拟变量只能取0或1 B. m个类别需要m个虚拟变量 C. 可以用来表示定性因素 D. 可能出现虚拟变量陷阱

---

第四章 违反经典假定

4.1 多重共线性

核心知识点

定义: 解释变量间存在精确或近似的线性关系

产生原因:

1. 经济变量的共同趋势
2. 滞后变量的引入
3. 样本数据的限制

后果:

• 完全多重共线性: 参数无法估计
• 不完全多重共线性: 参数估计量方差增大，不稳定

检验方法:

1. 相关系数法: |r| > 0.8表明存在多重共线性
2. 方差膨胀因子(VIF): VIF > 10存在严重多重共线性
3. 条件数: CN > 30存在多重共线性
4. 辅助回归法: 某解释变量对其他解释变量回归的R²很高

克服方法:

1. 增大样本容量
2. 变换模型形式
3. 逐步回归法
4. 主成分分析
5. 岭回归

4.2 异方差性

核心知识点

定义: Var(μᵢ) = σᵢ² ≠ σ²（随机扰动项方差不恒定）

产生原因:

1. 模型设定误差
2. 数据变换误差
3. 条件方差的异质性

后果:

• OLS估计量仍无偏但非有效
• t检验、F检验失效
• 置信区间不可靠

检验方法:

1. 图形法: 残差图散点图
2. White检验: LM = nR² ~ χ²
3. BP检验: 残差平方对解释变量回归
4. Glejser检验: |ê|对解释变量回归

修正方法:

1. 加权最小二乘法(WLS): 权重w = 1/σᵢ
2. 可行广义最小二乘法(FGLS)
3. 对数变换法
4. 稳健标准误法

4.3 内生解释变量

核心知识点

产生原因:

1. 遗漏变量
2. 测量误差
3. 联立性
4. 样本选择偏误

后果: OLS估计量有偏且不一致

工具变量法: 选择原则:

1. 相关性: Cov(Z, X) ≠ 0
2. 外生性: Cov(Z, μ) = 0

两阶段最小二乘法(2SLS):

1. 第一阶段: X = γ₀ + γ₁Z + v（预测X）
2. 第二阶段: Y = β₀ + β₁X̂ + μ（用预测值）

检验:

1. 内生性检验: 豪斯曼检验
2. 过度识别约束检验: 工具变量有效性

4.4 模型设定偏误

核心知识点

类型:

1. 遗漏变量: 漏掉重要解释变量
2. 误选变量: 包含无关变量
3. 错误函数形式: 线性vs非线性

后果:

• 遗漏重要变量: 估计量有偏
• 包含无关变量: 估计量无偏但无效

检验方法: RESET检验:

1. 原回归: Y = β₀ + β₁X₁ + β₂X₂ + μ
2. 辅助回归: Y = β₀ + β₁X₁ + β₂X₂ + γ₁Ŷ² + γ₂Ŷ³ + v
3. F检验: H₀: γ₁ = γ₂ = 0

练习题

单选题

1. 当VIF>10时，表明存在（ ） A. 异方差 B. 自相关 C. 多重共线性 D. 内生性

2. White检验主要用于检验（ ） A. 多重共线性 B. 异方差性 C. 自相关性 D. 正态性

判断题

1. 存在异方差时，OLS估计量有偏。（ ）
2. 工具变量必须与内生解释变量相关但与随机扰动项无关。（ ）

计算题

1. 某回归中X₁与X₂的相关系数为0.95，判断是否存在多重共线性问题，并提出解决方法。

---

第五章 自相关性

核心知识点

5.1 定义与原因

定义: E(μᵢμⱼ) ≠ 0 (i≠j)，随机扰动项在不同时期相关

产生原因:

1. 经济系统的惯性
2. 模型设定错误
3. 数据处理造成的相关性
4. 蛛网现象

5.2 后果

• OLS估计量无偏但非有效
• 低估参数估计量的方差
• t检验、F检验失效
• R²可能高估

5.3 检验方法

DW检验:

• DW = Σ(êₜ - êₜ₋₁)²/Σêₜ²
• 0 < DW < 4
• DW ≈ 2表明无自相关
• DW ≈ 0表明正自相关
• DW ≈ 4表明负自相关

判断准则:

• 0 < DW < dₗ: 存在正自相关
• dₗ ≤ DW ≤ dᵤ: 不确定
• dᵤ < DW < 4-dᵤ: 无自相关
• 4-dᵤ ≤ DW ≤ 4-dₗ: 不确定
• 4-dₗ < DW < 4: 存在负自相关

LM检验: 辅助回归: êₜ = α₀ + α₁X₁ₜ + ... + αₖXₖₜ + ρ₁êₜ₋₁ + ... + ρₚêₜ₋ₚ + vₜ LM = nR² ~ χ²(p)

5.4 修正方法

广义差分法: 原模型: Yₜ = β₀ + β₁Xₜ + μₜ 假设: μₜ = ρμₜ₋₁ + εₜ

变换后: Yₜ - ρYₜ₋₁ = β₀(1-ρ) + β₁(Xₜ - ρXₜ₋₁) + εₜ

科克伦-奥克特迭代法:

1. OLS估计得到残差êₜ
2. 回归êₜ = ρêₜ₋₁ + vₜ得到ρ̂
3. 用ρ̂进行广义差分变换
4. 重复迭代直至收敛

稳健标准误法: 使用异方差-自相关一致(HAC)标准误

练习题

单选题

1. DW统计量的取值范围是（ ） A. [-1,1] B. [0,2] C. [0,4] D. [-2,2]

2. 当DW≈0时，表明存在（ ） A. 正自相关 B. 负自相关 C. 无自相关 D. 异方差

计算题

1. 已知n=20，k=2，DW=0.8，查表得dₗ=1.10，dᵤ=1.54，判断是否存在自相关。

判断题

1. 存在自相关时，OLS估计量有偏。（ ）
2. DW检验只能检验一阶自相关。（ ）

---

第六章 面板数据模型

核心知识点

6.1 面板数据基本概念

定义: 同时包含截面和时间序列的数据

分类:

• 长面板: T较大，N较小
• 短面板: N较大，T较小

6.2 面板数据模型类型

1. 混合回归模型: Yᵢₜ = α + βXᵢₜ + μᵢₜ
2. 固定效应模型: Yᵢₜ = αᵢ + βXᵢₜ + μᵢₜ
3. 随机效应模型: Yᵢₜ = α + βXᵢₜ + (αᵢ + μᵢₜ)

6.3 固定效应模型

个体固定效应: Yᵢₜ = αᵢ + βXᵢₜ + μᵢₜ

• αᵢ: 个体特定的截距项
• 控制个体异质性

时间固定效应: Yᵢₜ = α + λₜ + βXᵢₜ + μᵢₜ

• λₜ: 时间特定效应
• 控制时间趋势

双向固定效应: Yᵢₜ = αᵢ + λₜ + βXᵢₜ + μᵢₜ

6.4 模型设定检验

F检验(固定效应vs混合效应): H₀: α₁ = α₂ = ... = αₙ (混合效应) F = (RSSᵨ - RSSᵤ)/(N-1) / (RSSᵤ/(NT-N-K)) ~ F(N-1, NT-N-K)

豪斯曼检验(随机效应vs固定效应): H₀: 随机效应模型正确 H = (β̂ᶠᵉ - β̂ᴿᵉ)'[Var(β̂ᶠᵉ) - Var(β̂ᴿᵉ)]⁻¹(β̂ᶠᵉ - β̂ᴿᵉ) ~ χ²(K)

LM检验(随机效应vs混合效应): 检验个体效应方差是否为零

6.5 估计方法

固定效应模型:

• 最小二乘虚拟变量法(LSDV)
• 组内变换法(Within)
• 一阶差分法

随机效应模型:

• 广义最小二乘法(GLS)
• 可行广义最小二乘法(FGLS)

练习题

单选题

1. 面板数据的优点不包括（ ） A. 增加样本容量 B. 控制个体异质性 C. 简化计算 D. 提高估计效率

2. 豪斯曼检验主要用于（ ） A. 检验固定效应 B. 检验随机效应 C. 选择固定效应或随机效应 D. 检验混合效应

判断题

1. 面板数据模型可以控制不可观测的个体异质性。（ ）
2. 固定效应模型假设个体效应与解释变量相关。（ ）

---

综合练习题

单项选择题

1. 下列不属于经典假设的是（ ） A. 线性假设 B. 同方差假设 C. 大样本假设 D. 正态性假设

2. 在存在异方差的情况下，以下说法正确的是（ ） A. OLS估计量有偏 B. OLS估计量仍是BLUE C. t检验仍然有效 D. 应采用WLS估计

3. 工具变量估计法主要用于解决（ ）问题 A. 异方差 B. 自相关 C. 内生性 D. 多重共线性

4. DW统计量主要用于检验（ ） A. 异方差 B. 多重共线性 C. 自相关 D. 正态性

5. 调整的可决系数相比可决系数的优点是（ ） A. 数值更大 B. 计算简单 C. 考虑自由度 D. 更容易理解

多项选择题

1. 违反经典假设的情况包括（ ） A. 多重共线性 B. 异方差 C. 自相关 D. 内生性

2. 检验异方差的方法有（ ） A. White检验 B. BP检验 C. DW检验 D. Glejser检验

3. 面板数据模型的类型包括（ ） A. 混合效应模型 B. 固定效应模型 C. 随机效应模型 D. 动态面板模型

判断题

1. R²越大，说明模型的拟合效果越好。（ ）
2. 存在多重共线性时，OLS估计量有偏。（ ）
3. 虚拟变量只能取0和1两个值。（ ）
4. 面板数据同时包含时间和截面信息。（ ）
5. DW统计量约等于2时表明不存在自相关。（ ）

计算分析题

题目1: 某研究者研究消费函数，得到如下回归结果：

消费 = 1000 + 0.8×收入
      (2.5) (15.6)
R² = 0.92, F = 243.36, n = 30

括号内为t统计量值。

要求： (1) 解释回归系数的经济含义 (2) 在α=0.05水平下检验参数的显著性 (3) 计算并解释R² (4) 预测当收入为10000时的消费水平

题目2: 某生产函数回归结果为：

lnY = 2.1 + 0.4lnK + 0.7lnL
     (3.2) (2.8)   (4.1)
R² = 0.85, n = 25

要求： (1) 解释各回归系数的经济含义 (2) 判断该生产函数的规模报酬特征 (3) 检验规模报酬不变的假设

参考答案

单选题答案

1. C 2. D 3. C 4. C 5. C

多选题答案

1. ABCD 2. ABD 3. ABC

判断题答案

1. × 2. × 3. √ 4. √ 5. √

计算题参考答案

题目1: (1) 边际消费倾向为0.8，收入每增加1元，消费平均增加0.8元 (2) t₀.₀₂₅(28) = 2.048，|t| > 2.048，参数显著 (3) R² = 0.92，表明收入解释了消费92%的变异 (4) 预测消费 = 1000 + 0.8×10000 = 9000

题目2: (1) 资本弹性0.4，劳动弹性0.7 (2) 0.4 + 0.7 = 1.1 > 1，规模报酬递增 (3) 构建F检验检验H₀: β₁ + β₂ = 1

---

考试提醒

考前准备

1. 熟练掌握基本概念和公式
2. 练习EViews软件操作
3. 准备计算器
4. 复习课后习题和作业题

答题技巧

1. 仔细审题，明确题目要求
2. 计算题要写出主要步骤
3. 注意单位和符号
4. 合理分配时间

重点关注

1. 模型检验方法及其应用条件
2. 软件输出结果的解读
3. 违反经典假设的检验与修正
4. 虚拟变量的设定与解释