伍德里奇計量經(jīng)濟學導論視頻網(wǎng)課簡介：

本文為相關資料節(jié)選，所有資料均源自攻關學習網(wǎng)，共包括42個高清視頻（共54課時），及伍德里奇計量經(jīng)濟學導論考研歷年真題題庫，課后習題答案資料等，具體請查閱完整版，每年更新！

資料名稱：伍德里奇《計量經(jīng)濟學導論》（第4版）精講【教材精講＋考研真題串講】

注：完整版及相關真題題庫見文末！

伍德里奇《計量經(jīng)濟學導論》（第4版）精講【教材精講＋考研真題串講】老師簡介：

閆晶晶，北京師范大學經(jīng)濟與工商管理學院西方經(jīng)濟學博士。本科和碩士均是數(shù)學專業(yè)出身，成績一直名列前茅，具有扎實的數(shù)學功底，能夠很好地將數(shù)學與經(jīng)濟學結(jié)合起來。閆老師多次擔任計量經(jīng)濟學與宏觀經(jīng)濟學助教，并在多個培訓機構擔任培訓老師，具有豐富的授課經(jīng)驗，得到廣大師生一直的好評。

授課特點：該老師授課思路清晰，善于化繁為簡，通俗易懂。

張冠甲，中國人民大學經(jīng)濟學院經(jīng)濟學博士，主要從事組織經(jīng)濟學、新政治經(jīng)濟學等方面研究。在多家輔導機構、高等院校講述經(jīng)濟學考研、考博等相關課程，教學經(jīng)驗豐富，理論功底雄厚。所授課程主要有中級微觀經(jīng)濟學、高級微觀經(jīng)濟學等，對理論把握到位，領悟透徹，教學經(jīng)驗豐富。

授課特點：準確把握教材主線索，簡潔高效，重點突出，在講授教材理論的同時注重對思想方法的總結(jié)。

伍德里奇《計量經(jīng)濟學導論》（第4版）精講【教材精講＋考研真題串講】摘錄：

函數(shù)形式設誤遺漏一個關鍵變量能導致誤差與某些解釋變量之間的相關，從而通常導致所有的OLS估計量都是偏誤和不一致的。在遺漏的變量是模型中一個解釋變量的函數(shù)的特殊情形下，模型就存在函數(shù)形式誤設的問題。遺漏函數(shù)自變量的函數(shù)并不是出現(xiàn)函數(shù)誤設的唯一方式。

偵查誤設函數(shù)形式的工具偵查工具為：聯(lián)合排除性約束的F檢驗。通常，在模型中添加任何一個顯著變量的平方項并進行一個聯(lián)合顯著性檢驗都是講得通的。如果所增加的平方項是顯著的，那就可以把它們放到模型中（代價是對模型的解釋更復雜些）。

函數(shù)形式·線性回歸的方法事實上也可以擬合一些非線性關系

·可以對RHS、LHS或兩個都取對數(shù)

·可以使用x2的形式·可以使用x的交互項

·如何知道我們的函數(shù)形式是否正確？

函數(shù)形式（續(xù)）·首先用經(jīng)濟理論作為指導

·思考如何做出解釋

·x變動的百分比（log形式）或常數(shù)項對，影響顯著嗎？

·對x（或xi2）的衍生形式或者x2（或交互項）有顯著意義嗎？

函數(shù)形式（續(xù)）已經(jīng)知道如何進行聯(lián)合排除性約束F檢驗，來檢驗是否有高階項或者交互形式可納入模型？檢驗或者加入額外的項可能是冗長的，加入以后可能會產(chǎn)生平方項的問題，事實上使用log形式會更好。

檢驗函數(shù)形式的一個辦法就是拉姆齊回歸設定誤差檢驗（RESET）

非嵌套檢驗存在的問題

①不一定會出現(xiàn)一個明顯好的模型。兩個模型可能都被拒絕，也可能沒有一個被拒絕。在后一種情形中，可以使用調(diào)整R2來進行選擇。如果兩個模型都被拒絕，則有更多的工作要做。重要的是知道使用這種或那種形式的實際后果：如果關鍵自變量對Y的影響沒有多大差異，那么使用哪個模型實際上并不要緊。

②用戴維森-麥金農(nóng)檢驗拒絕了式（d），這并不意味著式（c）就是正確的模型。模型（d）可能會因多種誤設的函數(shù)形式而被拒絕。③在比較因變量不同的模型時，如何進行非嵌套檢驗。典型的情況就是，一個因變量是y，一個因變量是1og（y）。

用滯后因變量作為代理變量原因

①對于要控制哪些無法觀測因素，至少都會有些模糊的認識，這樣就能夠選擇代理變量。

②猜測一個或多個自變量與遺漏變量相關，可是無法得到遺漏變量的代理變量。則可以將較早時期的因變量值包括進來加以控制。這種方法對政策分析特別有用。

③雖然在橫截面方程中使用一個滯后因變量提高了對數(shù)據(jù)的要求，但也為解釋導致因變量現(xiàn)期差異的歷史因素找到了一個簡單方法，而這種現(xiàn)期差異用其他方法都很難解釋。

（2）評價作為控制無法觀測變量的一般方法，將滯后的y放到方程中的做法，談不上完美無缺。但在估計政策變量對發(fā)生的各種結(jié)果的影響時，它可用于得到一個更好的估計值。添加y的滯后值并不是使用兩年數(shù)據(jù)來控制遺漏變量的唯一辦法。

對多元回歸的不同看法

多元回歸的一個結(jié)構松散而又更具一般性的方法是放棄用無法觀測因素來設定模型。

滯后因變量作為代理變量不能找到合適代理變量時納入一個滯后因變量有可能有助于解釋遺漏變量的情況，也為解釋導致因變量歷史與現(xiàn)期差異找到了辦法。顯然，這必須是在認為歷史與現(xiàn)期的差異是有關的前提下。

有測量誤差時OLS的性質(zhì)回歸模型中使用經(jīng)濟變量不精確的度量時，模型就包含了測量誤差。雖然0LS在一些特定的假定之下是無偏的，但在其他情況下它又是有偏誤的。

1.代理變量與測量誤差的差別

（1）概念不同。在代理變量情形中，是在尋找一個與無法觀測變量多少有些聯(lián)系的變量。在測量誤差情形中，沒有觀測到的變量具有定義完好的定量含義，但模型對它測量的記錄可能包含了誤差。

（2）在測量誤差問題中，被誤測的自變量通常是主要的焦點之一；而在代理變量情形中，被遺漏變量的偏效應很少成為關注的核心，其他自變量的影響是研究關注的焦點。

數(shù)據(jù)缺失的影響：

（1）減小回歸可用的樣本容量。如果正確地標志了缺失的數(shù)據(jù)，那么回歸軟件包都會跟蹤缺失的數(shù)據(jù)，并在回歸計算時簡單地把相應觀測忽略掉。

（2）其他統(tǒng)計影響取決于數(shù)據(jù)缺失的原因。來自總體的可用隨機樣本的容量減小了。這使得估計量沒那么準確，但也不會引入任何偏誤：隨機抽樣假定MLR.2仍然成立。

2.非隨機樣本非隨機抽樣的某些特定類型，也并不會導致0LS的偏誤和不一致性。

（1）在（沒有假定MLR.2的）高斯-馬爾可夫假定下，事實表明，樣本可在自變量的基礎上加以選擇，而且不會導致任何統(tǒng)計問題。這就是基于自變量的樣本選擇，它是外生樣本選擇的一個例子。

（2）當樣本選擇以因變量y為基礎時，情況就大不一樣，這種情況被稱為基于因變量的樣本選擇，也是內(nèi)生樣本選擇的一個例子。如果基于因變量值高于或低于某給定值而選擇樣本的話，OLS在估計總體模型時就總會產(chǎn)生偏誤。

（3）其他抽樣模式通常是故意得到總體的非隨機樣本。

一個常見的數(shù)據(jù)搜集方法是分層取樣總體被恰好分成互不重疊的幾組或幾層。然后，有些組比其總體比例更加頻繁地取樣，而有些組取樣的比例則低于總體比例。是否需要特殊的方法，取決于分層是外生的（基于外生解釋變量）還是內(nèi)生的（基于因變量）。分層取樣是非隨機抽樣的一個相當明顯的例子。

3.異常觀測

（1）異常數(shù)據(jù)

在某些應用研究中，特別是（但不僅僅是）在數(shù)據(jù)集較小時，OLS估計值會受到一個或幾個觀測的影響。如果將一個觀測從回歸分析中去掉，會使得0LS估計值發(fā)生“很大”的實際變化，那它就是一個異常數(shù)據(jù)。

異常數(shù)據(jù)的概念有些模糊，因為它要求將一次觀測的變量值與樣本中其余觀測的變量值進行比較。要小心提防“異常”觀測，因為它們可能對普通最小二乘估計值有很大的影響。OLS對異常觀測敏感是因為它最小化了殘差平方和：在最小二乘的最小化問題中，越大的（正或負）殘差，其權數(shù)就越大。

（2）出現(xiàn)異常數(shù)據(jù)的原因①理論上而言，數(shù)據(jù)是來自給定總體（盡管其分布不同尋常，以致出現(xiàn)一些極端值）的一個隨機樣本，也可能來自一個不同的總體。

②實踐上出現(xiàn)異常數(shù)據(jù)的原因：

a.在輸入數(shù)據(jù)時出了差錯。計算摘要統(tǒng)計量（特別是最小值或最大值）是避免這種錯誤的一個好主意。

b.在從一個很小的總體中抽樣時，如果總體中的一個或幾個元素在某個重要方面與總體中其他元素差別很大，那也可能出現(xiàn)數(shù)據(jù)異常的問題。

異常觀測也能通過提高解釋變量的變異（減小標準誤）而提供重要信息。但在一個或幾個數(shù)據(jù)點會顯著改變結(jié)論時，應該分別在包括和不包括這些異常觀測的情況下各報告一個OLS結(jié)果。有時也用使用了所有觀測的OLS回歸中的殘差大小來定義異常數(shù)據(jù)，但這通常不是一個好辦法，因為普通最小二乘估計值對殘差平方和進行了調(diào)整，并使之盡可能小。某些函數(shù)形式對異常值就沒有那么敏感，比如對數(shù)形式。因為對大多數(shù)經(jīng)濟變量來說，取對數(shù)會顯著縮小數(shù)據(jù)的取值范圍，而且所得函數(shù)形式能解釋更寬泛的數(shù)據(jù)取值范圍。

同時也能一定程度解決異方差現(xiàn)象。

③學生化殘差是通過將原普通最小二乘殘差除以其標準差估計值（以樣本中的解釋變量為條件）而得到的。

a.計算方法

定義一個虛擬變量，讓它對那個觀測（比方說觀測h）取值為1，而對其他觀測都取0，并把它與其他解釋變量一起包含在回歸中（使用所有觀測）。這個虛擬變量的系數(shù)正好等于觀測h的學生化殘差。在經(jīng)典線性模型假定下，這個t統(tǒng)計量服從看k-1分布。一個較大的t統(tǒng)計量值（絕對值）意味著相對其估計標準差而言，其殘差較大。

b.使用學生化殘差的一般性問題為了計算一個特定觀測的殘差，事實上所有其他觀測都被用于估計回歸線。

數(shù)據(jù)缺失小結(jié)如果一個觀察缺失了其因變量或者一個自變量的數(shù)據(jù)，則其不可用用于多元回歸分析。如果數(shù)據(jù)隨機取得，則無非就是來自總體的可用隨機樣本的容量減少了。

如果數(shù)據(jù)系統(tǒng)性缺失就會產(chǎn)生問題，即：高收入的個體拒絕提供收入數(shù)據(jù)。

非隨機樣本如果樣本依據(jù)x變量選取，則估計不會產(chǎn)生偏誤

樣本選取的過程是微妙的我們來看工人的工資-對工作的人來說，工資報價就是目前所掙的工資；對不工作的人來說，通常觀察不到其工資報價。

異常值有時候某個樣本的觀察值與其他的特別不同，并將可能對結(jié)果產(chǎn)生影響有時候這樣的異常值可能只是數(shù)據(jù)錄入的錯誤-這就是我們?yōu)楹我紫冗M行描述性統(tǒng)計有時觀測值缺失與其他不相同，而不是由于誤差或者錯誤導致

明顯有額外的0進入或者遺漏的時候，修正觀測值并非不理性

盡管仍然有人偏好將其放入或者踢出模型，放棄極端值并非不理性的可使用Stata來探測異常值

在現(xiàn)實經(jīng)濟運行中，許多經(jīng)濟變量在隨時間的變化過程中往往存在共同的變化趨勢，使之產(chǎn)生多重共線性；使用截面數(shù)據(jù)建立回歸模型時，根據(jù)研究的具體問題選擇的解釋變量常常從經(jīng)濟意義上存在著密切的關聯(lián)度；在建模過程中由于認識上的局限造成變量選擇不當，從而引起變量之間的多重共線性；在模型中大量采用滯后變量也容易產(chǎn)生多重共線性。

多重共線性的危害有幾個方面：

（1）在完全共線性下參數(shù)估計量不存在，理由是（xx）1不存在；

（2）近似共線性下OLS參數(shù)估計量非有效，理由是參數(shù)估計量的方差將可能變得很大；

（3）參數(shù)估計量經(jīng)濟意義不合理，如當X，與x存在線性關系時，x，與x，前的參數(shù)并不能反映各自與被解釋變量之間的結(jié)構關系：

（4）變量的顯著性檢驗失去意義，無論是t檢驗還是F檢驗，都與參數(shù)估計量的方差有關；

（5）是模型的預測功能失效。

檢驗多重共線性的方法思路：用統(tǒng)計上求相關系數(shù)的原理，如果變量之間的相關系數(shù)較大則認為它們之間存在多重共線性。克服多重共線性的方法主要有：排除引起共線性的變量，差分法，減少參數(shù)估計量的方差，利用先驗信息改變參數(shù)的約束形式，增加樣本容量，嶺回歸法等。

……

攻關學習網(wǎng)相關熱門資料目錄：

計量經(jīng)濟學考研題庫【考研真題精選＋章節(jié)題庫】

古扎拉蒂《計量經(jīng)濟學基礎》（第5版）課后習題詳解

李子奈《計量經(jīng)濟學》（第5版）全套資料【筆記＋題庫】

伍德里奇《計量經(jīng)濟學導論》（第6版）筆記和課后習題詳解

李子奈《計量經(jīng)濟學》（第3版）精講【教材精講＋經(jīng)典習題串講】

李子奈《計量經(jīng)濟學》（第5版）筆記和典型題（含考研真題）詳解

龐皓《計量經(jīng)濟學》（第4版）配套題庫【考研真題精選＋章節(jié)題庫】

李子奈《計量經(jīng)濟學》（第5版）配套題庫【考研真題精選＋章節(jié)題庫】

伍德里奇《計量經(jīng)濟學導論》（第4版）精講【教材精講＋考研真題串講】

古扎拉蒂《計量經(jīng)濟學基礎》（第5版）精講【教材精講＋考研真題串講】

李子奈《計量經(jīng)濟學》第5版全套資料復習筆記典型習題考研真題詳解章節(jié)題庫

……

>>>本文為資料節(jié)選匯編>>>完整版載于攻關學習網(wǎng)>>>每年更新！

>>>資料查找>>>同名網(wǎng)站/公眾號【攻關學習網(wǎng)】>>>查找>>>

>>>或直接點擊/復制/搜一搜/下方網(wǎng)址查找??

http://ggw.100xuexi.com