大三+计量经济学

来自发布于：2026-04-22 16:18:21

自相关概率及常用检验方法：指随机扰动项之间存在相关关系，常见于时间序列数据。违背无自相关假定，导致参数估计仍无偏但无效，标准误偏小，t检验、F检验不可靠。常用检验：DW检验、LM检验。修正方法：广义差分法、Newey-West稳健标准误、ARIMA模型调整。

点赞 (0) 回复

1F

来自发布于：2026-04-22 16:19:07

多重共线性是指解释变量之间存在精确或近似线性相关。会使OLS估计量无偏但方差变大、系数符号与经济理论相反、t检验不显著，但模型整体拟合优度较高。常用检验方法：相关系数法、方差膨胀因子VIF。处理方式：剔除不重要变量、增加样本、合并变量或使用岭回归。

加载更多

2F

来自发布于：2026-04-23 23:01:49

异方差指回归模型中随机误差项的方差不恒定，随自变量变化而波动。它违背了OLS的同方差假设。后果：参数估计仍无偏，但标准误失效，导致t检验、F检验和置信区间不可靠。检验：常用图示法（残差散点图）、Breusch-Pagan检验或White检验。补救：使用加权最小二乘法（WLS）、异方差稳健标准误（White标准误），或对变量进行变换（如取对数）。

加载更多

3F

来自发布于：2026-04-23 23:19:43

随机解释变量指模型中一个或多个自变量与随机误差项相关，常因遗漏变量、测量误差或联立性偏误导致。后果：参数估计不再一致，即使大样本也无法收敛到真实值。检验：可通过Hausman检验判断是否因内生性导致估计量显著差异。补救：常用工具变量法（IV）或两阶段最小二乘法（2SLS）。

加载更多

4F

来自发布于：2026-04-24 23:35:16

普通最小二乘法（OLS） OLS是线性回归模型的核心估计方法，通过最小化残差平方和来估计参数。其经典假设包括：线性关系、严格外生性、同方差、无自相关及误差项正态分布。在高斯-马尔可夫定理下，满足这些条件时OLS估计量为最佳线性无偏估计量（BLUE）。实际操作中需关注拟合优度（R²）与调整R²，以判断模型解释力。但OLS对异常值敏感，且异方差等问题会导致统计推断失效，因此诊断检验必不可少。

加载更多

5F

来自发布于：2026-04-24 23:35:47

IV法用于解决内生性问题（解释变量与误差项相关），常见于遗漏变量、测量误差或联立方程偏差。其思路是引入与内生变量相关但与误差项不相关的工具变量（Z），通过两阶段最小二乘法（2SLS）获得一致估计量。有效工具变量需满足相关性与外生性两个条件，弱工具变量会导致估计偏误。应用时需进行过度识别检验（Sargan检验）与弱工具变量诊断。劳动经济学、教育回报率等因果推断研究中广泛使用IV

加载更多

6F

来自发布于：2026-04-25 21:25:06

面板数据同时包含个体与时间维度，能控制不可观测的异质性。常见模型包括固定效应模型（FE）和随机效应模型（RE）。FE通过组内去均值消除个体固定特征，适用于个体效应与自变量相关情形；RE假设个体效应随机分布且与自变量独立，估计更有效率。Hausman检验用于判断选择FE还是RE。相比横截面或时间序列，面板数据能捕捉动态调整效应（如企业投资行为），减少遗漏变量偏误，在劳动经济学、公司金融等领域应用广泛。

加载更多

7F

来自发布于：2026-04-25 21:25:44

平稳性指时间序列的均值、方差与协方差不随时间变化，是传统计量分析的前提。若序列非平稳（如随机游走），传统t/F检验将出现“伪回归”问题。单位根检验（如ADF检验、PP检验）用于判断序列是否平稳，原假设为存在单位根（非平稳）。若序列为一阶单整I(1)，可通过差分使其平稳。对非平稳序列进行协整分析（如Engle-Granger两步法）可检验多个变量间的长期均衡关系。宏观经济学中的GDP、股价指数等序列处理中尤为关键。

加载更多

8F

来自发布于：2026-04-26 13:26:48

协整描述多个非平稳时间序列之间存在的长期稳定均衡关系（如消费与可支配收入）。若多个I(1)序列的线性组合成为I(0)，则称它们具有协整关系。Engle-Granger两步法用于检验协整，Johansen检验则适用于多方程系统。在协整基础上建立的误差修正模型（ECM）既能刻画短期动态调整，又能体现长期均衡关系（误差修正项反映偏离均衡时的回调速度和方向）。ECM广泛应用于宏观金融领域，如汇率、利率、货币需求等分析。

加载更多

9F

来自发布于：2026-04-26 13:27:27

虚拟变量将定性因素（如性别、地区、政策时期）量化纳入回归模型。当定性变量含多类别时，需引入k-1个虚拟变量以避免“虚拟变量陷阱”。在政策评估中，断点回归（RDD）利用处理变量依赖某一连续变量（如高考分数、考试成绩）是否超过阈值来识别因果效应。RDD分为精确断点（在阈值处处理概率突变）与模糊断点（处理概率跳跃但非完全确定）。RDD被视为仅次于随机实验的因果推断方法，在教育政策、劳动经济学等领域广泛应用。

加载更多

10F

来自发布于：2026-04-27 17:42:12

过度拟合指模型过度追求对样本数据的拟合精度，将随机噪声也当作规律学习进去。后果是模型在样本内表现极好（如R²接近1），但样本外预测能力很差。常见于变量过多或模型过于复杂时。防止方法包括交叉验证、正则化（如LASSO回归）或简化模型。

加载更多

11F

来自发布于：2026-04-27 17:42:48

虚拟变量陷阱是指在引入虚拟变量时，为含截距项的模型设置了m个类别全部m个虚拟变量，导致完全多重共线性。例如四季数据设了4个虚拟变量，使得各列之和恒等于截距列。后果是模型无法估计（矩阵奇异）。解决方法是只设m-1个虚拟变量，或保留m个但去掉截距项。

加载更多

12F

来自发布于：2026-04-28 22:34:25

DID是政策评估中最常用的因果推断方法，通过比较处理组与对照组在政策实施前后的变化差异来识别处理效应。其核心是“共同趋势假设”，即若无政策干预，两组因变量应有相同的变化趋势。DID模型通常包含政策虚拟变量、时间虚拟变量及二者的交互项（其系数即感兴趣的交互效应）。为增强可信度，实践中常进行平行趋势检验、安慰剂检验等。DID在劳动经济学、公共财政等领域应用广泛，如研究最低工资政策对就业的影响。

加载更多

13F

来自发布于：2026-04-28 22:36:08

MLE是一种参数估计方法，其核心思想是寻找能使样本数据出现概率最大的参数值。与OLS相比，MLE不要求误差项正态分布，但需要正确设定数据的具体分布形式（如二元选择模型中假设误差项服从Logistic分布或正态分布）。MLE估计量具有一致性、渐近有效性和渐近正态性。通过似然比检验（LR）、沃尔德检验（Wald）和拉格朗日乘子检验（LM）可进行假设检验。MLE广泛应用于Logit/Probit模型、Tobit模型等非线性计量分析中。

加载更多

14F

来自发布于：2026-04-29 16:46:22

断点回归是一种准自然实验方法，适用于处理变量依据某个阈值（断点）分配处理组和对照组的场景。基本思想是：断点附近个体的除了是否接受处理外其他特征相似，可近似看作随机分组。分为精确断点回归（分配完全由断点决定）和模糊断点回归（断点处接受处理的概率跳跃式增加）。RDD内部有效性较高，常用于政策评估，需检验断点处协变量是否连续、驱动变量有无操纵等。

加载更多

15F

来自发布于：2026-04-29 16:47:20

当模型误差项在组内存在相关性（例如同一班级的学生、同一企业的多年数据），OLS标准误会被低估，导致系数过度显著。聚类稳健标准误允许组内误差相关、组间独立，通过调整残差协方差矩阵得到更可信的标准误。聚类层级需根据数据生成过程选择，通常层级越高（如省份而非城市）标准误越保守。在面板数据中，个体层面的聚类标准误最为常用。

加载更多

16F

来自发布于：2026-05-01 11:52:28

似不相关回归用于处理多个看似无关但误差项相关的回归方程。各方程拥有不同的解释变量，但因同一观测单位的多个行为或特征而存在跨方程相关性（如企业投资、融资、分红决策）。SUR通过联立估计比单独OLS更有效率，效率提升程度取决于跨方程误差相关性。当所有方程解释变量相同时，SUR等价于OLS。常用Breusch-Pagan检验判断是否存在跨方程相关性。

加载更多

17F

来自发布于：2026-05-01 11:53:45

分位数回归估计的是解释变量对被解释变量不同分位点（如中位数、第25百分位数）的条件分布的影响，而OLS只关注条件均值。其优点是对异常值更稳健，能刻画完整的条件分布特征（例如看教育回报在收入顶端和底端的差异）。估计方法是最小化非对称绝对值残差和。通过比较不同分位点的系数，可以揭示变量关系的异质性。

加载更多

18F

来自发布于：2026-05-02 21:12:36

分位数回归由Koenker与Bassett（1978）提出，用于估计自变量对因变量不同条件分位数（如中位数、0.25分位数、0.75分位数）的影响。相比仅描述均值关系的OLS，分位数回归能全面刻画分布尾部特征（如分析教育回报在低收入与高收入群体中的差异）。其估计通过最小化非对称绝对值残差和实现，对异常值更稳健，且无需假设误差分布。在劳动经济学（工资差异研究）、金融风险度量（VaR计算）等领域应用广泛。

加载更多

19F

来自发布于：2026-05-02 21:13:43

空间计量经济学处理经济变量间的空间依赖性与空间异质性，常用于区域经济、城市研究等领域。核心概念包括：空间自相关（邻居地区的变量相互影响，可用Moran's I检验）和空间溢出效应。主要模型有空间自回归模型（SAR，关注因变量的空间滞后）、空间误差模型（SEM，误差项存在空间相关）及空间杜宾模型（SDM，同时包含因变量与自变量的空间滞后）。模型选择常用拉格朗日乘子检验（LM检验）和AIC/BIC准则。

加载更多

20F

来自发布于：2026-05-03 23:11:44

格兰杰因果检验用于判断一个时间序列是否有助于预测另一个时间序列。其核心思想是：若在回归中包含X的滞后项能显著提高对Y的预测效果，则称X是Y的格兰杰原因。检验通常基于VAR模型，使用F检验或卡方检验。需注意格兰杰因果并非真正的因果推断，仅指统计上的预测关系，且要求序列平稳或存在协整关系。

加载更多

21F

来自发布于：2026-05-03 23:12:55

遗漏变量偏误指模型未包含对因变量有重要影响、且与已有自变量相关的变量时产生的估计偏误。偏误的方向取决于遗漏变量与自变量的相关方向、以及遗漏变量对因变量的影响方向。例如研究教育回报时遗漏“能力”，若能力与教育正相关且能力提高收入，则教育回报被高估。可通过引入代理变量、工具变量法或面板数据固定效应来缓解。

加载更多

22F

来自发布于：2026-05-05 19:58:11

ARIMA模型用于处理非平稳时间序列，由自回归（AR）、差分（I）和移动平均（MA）三部分组成。记作ARIMA(p,d,q)，其中p为AR阶数，d为差分次数，q为MA阶数。通过d次差分将序列变为平稳，再建立ARMA模型。建模步骤包括：平稳性检验（ADF检验）、定阶（ACF/PACF图或AIC/BIC准则）、参数估计和残差诊断（白噪声检验）。ARIMA仅适用于单变量线性时间序列预测。

加载更多

23F

来自发布于：2026-05-05 19:59:09

PROBIT模型用于因变量为二值选择（如0/1）的情形，适用于研究某一事件发生的概率。其核心假设是误差项服从标准正态分布，通过累积分布函数的逆函数将概率与解释变量联系起来。与LOGIT模型相比，PROBIT通常假设数据呈正态分布，系数意义需通过边际效应解释。估计方法为极大似然估计，一般用准R²或正确预测比例评价拟合优度。PROBIT和LOGIT结果类似，但前者更适用于潜在正态假设的场景。

加载更多

24F

来自发布于：2026-05-06 23:45:14

缺失数据指数据集中某些观测值缺失。按缺失机制可分为完全随机缺失、随机缺失和非随机缺失。简单删除含缺失值的样本可能导致估计量偏差且信息损失。常用补救方法有均值填补、回归插补、多重插补或最大似然估计（EM算法）。选择方法需考虑缺失机制和数据类型。

加载更多

25F

来自发布于：2026-05-06 23:45:44

过度拟合指模型过度追求对样本数据的拟合精度，将随机噪声也当作规律学习进来。常见于变量过多或模型过于复杂时。后果是模型在样本内表现极好（如R²接近1），但样本外预测能力很差。防止方法包括交叉验证、正则化（如LASSO回归）、简化模型或提前停止训练。

加载更多

26F

来自发布于：2026-05-08 12:43:52

倍差法（DID）要求处理组与对照组在政策前具有相同变化趋势，但实践中数据常不满足“共同趋势假设”。倾向得分匹配（PSM）通过估计个体接受处理的概率（倾向得分），为处理组匹配特征相似的对照组个体，再用匹配后样本进行DID估计，从而缓解选择偏差。PSM-DID组合方法既消除不可观测的个体异质性（通过DID差分），又缓解可观测变量的分布差异（通过PSM匹配），在政策评估、医疗效果研究中应用广泛。

加载更多

27F

来自发布于：2026-05-08 12:44:54

自回归条件异方差模型（ARCH/GARCH）传统计量假设误差项方差恒定，但金融时间序列（如股票收益率）常出现“波动率聚集”现象——大幅波动后跟大幅波动，小幅波动后跟小幅波动。ARCH模型（Engle，1982）及其推广GARCH模型（Bollerslev，1986）通过设定条件方差依赖于过去残差平方项（ARCH项）和过去条件方差值（GARCH项），来刻画时变波动率。GARCH(1,1)是最常用形式：条件方差 = 常数 + α·前一期残差平方 + β·前一期条件方差。该模型在风险管理（VaR计算）、期权定价、高频数据分析中处于核心地位。

加载更多

28F

来自发布于：2026-05-09 23:10:20

VAR将系统中每个内生变量对所有内生变量的滞后项进行回归，将单方程自回归推广到多元时间序列。它不依赖先验理论约束，通过所有变量的历史信息预测系统动态变化，适用于分析多变量间的互动关系。核心分析工具包括：脉冲响应函数（考察某一变量冲击对其他变量的动态影响路径）和方差分解（评估各结构冲击对预测误差的贡献比例）。VAR广泛用于宏观经济分析，如研究货币政策冲击对GDP、通胀、利率的影响。

加载更多

29F

来自发布于：2026-05-11 22:40:16

合成控制法由Abadie和Gardeazabal（2003）提出，用于评估某地区（或群体）实施重大政策的效果。其原理是：根据未受政策干预的多个控制组地区的加权组合，为处理地区“合成”一个虚拟对照对象，权重由政策前各期预测变量的拟合优度决定。通过比较政策实施后处理地区的实际结果与合成控制结果的差距（即处理效应），可进行推断分析。该方法通过安慰剂检验评估显著性，常用于区域经济研究，如评估柏林墙倒塌对西德经济的影响或烟草税政策的效果。

加载更多

30F

来自发布于：2026-05-11 22:41:37

传统计量经济学面临“维度诅咒”问题：当解释变量个数（p）接近甚至超过样本量（n）时，OLS会失效或产生过拟合。LASSO（Least Absolute Shrinkage and Selection Operator）通过在损失函数中加入L1惩罚项（\lambda \sum |\beta_j|），能将不重要的变量系数压缩至零，实现变量选择与估计的同步进行。相比岭回归（Ridge）的L2惩罚（只压缩不筛选），LASSO生成的模型更稀疏、更易解释。在基因经济学、文本分析、大数据预测等现代应用领域，高维计量结合交叉验证选择最优\lambda，能有效处理成百上千个候选变量，成为因果推断中控制高维混淆变量的利器。

加载更多