简答题
一、计量经济学的步骤
答：选择变量和数学关系式 —— 模型设定 确定变量间的数量关系 —— 估计参数 检验所得结论的可靠性 —— 模型检验 作经济分析和经济预测 —— 模型应用 二、模型检验
答：所谓模型检验，就是要对模型和所估计的参数加以评判，判定在理论上是否有意义，在统计上是否有足够的可靠性。对计量经济模型的检验主要应从以下四方面进行：1、经济意义的检验。2、统计推断检验。3、计量经济学检验。4、模型预测检验。 三、模型应用 答：（1）经济结构分析，是指用已经估计出参数的模型，对所研究的经济关系进行定量的考查，以说明经济变量之间的数量比例关系。
（2）经济预测，是指利用估计了参数的计量经济模型，由已知的或预先测定的解释变量，去预测被解释变量在所观测的样本数据以外的数值。
（3）政策评价，是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案作出评价。
（4）检验与发展经济理论，是利用计量经济模型去验证既有经济理论或者提出新的理论。 四、普通OLS 方法的思想和它的计算方法
答：计量经济学研究的直接目的是确定总体回归函数Yi=B1+B2Xi+ui,然而能够得到的知识来自总体的若干样本的观测值，要用样本信息建立的样本回归函数尽可能“接近”地去估计总体回归函数。为此，可以以从不同的角度去确定建立样本回归函数的准则，也就有了估计回归模型参数的多种方法。例如，用生产该样本概率最大的原则去确定样本回归函数，成为极大似然发展；用估计的剩余平方和的最小的原则确定样本回归函数。称为最小二乘法则。 为了使样本回归函数尽可能接近总体回归函数，要使样本回归函数估计的
与实际的
的误差尽量小，即要使剩余项
越小越好。可是作为误差
有正有负，其简单代数和∑
最小的准则，
这就是最小乘准则，即
min ∑
=min ∑
-min ∑
五、简单线性回归模型基本假定 答：（1）对模型和变量的假定,如
12i i i
Y X u ββ=++
①假定解释变量x 是确定性变量,是非随机的,这是因为在重复抽样中是取一组固定的值.或者
虽然是随机
的,但与随机扰动项
也是不相关；
②假定模型中的变量没有测量误差。
（2）对随机扰动项 u 的假定又称高斯假定、古典假定
假定1：零均值假定,即在给定解释变量
的条件下 ，随机扰动项ui 的条件期望或条件为零
E()0
i i u X =
假定2：同方差假定,即对于给定的每一的条件下，随机扰动项ui 的条件方差都等于某一常数
22
Var()E[E()]i i i i i u X u u X σ=-=
假定3：无自相关假定,即随机扰动项ui 的逐次值互不相关u,或者说对于所有的i 和j(i 不等于j), ui 和uj 的协方差为零
假定4：随机扰动 ui 与解释变量Xi 不相关,可表示为
假定5：对随机扰动项分布的正态性假定，即假定随机扰动项ui 服从期望为零，方差为2σ的正态分布，表示为
～
六、F 检验
答：⑴对回归模型整体显著性的检验，所检验假设的形式为 H0：β2=β3=…=βk=0
H1: βj(j=2,3,…,k)不全为零
⑵在H0成立的条件下，统计量
F=[ESS/(k-1)]/[RSS/(n-k)]～F(k-1,n-k)
⑶给定显著性水平α，在F 分布表中查出自由度为k-1和n-k 的临界值F α（k-1,n-k ）,将样本观测值代入式计算F 值，然后将F 值与临界值F α（k-1,n-k ）比较。若F> F α（k-1,n-k ），则拒绝原假设H0：β2=β3=…=βk=0，说明回归方程显著，即列入模型的各个解释变量联合起来对被解释变量有显著影响；反之。 七、多重共线性产生的后果
答：1、完全多重共线性产生的后果 （1）参数的估计值不确定
当解释变量完全线性相关时 ——OLS 估计式不确定 从偏回归系数意义看：在X2和X3 完全共线性时，无法保持X3不变，去单独考虑X2 对 Y 的影响（X2 和 X3 的影响不可区分）
从OLS 估计式看：可以证明此时20
?0
β=
（2）参数估计值的方差无限大
OLS 估计式的方差成为无穷大：2?
V ar ()β=∞
2、不完全多重共线性产生的后果
如果模型中存在不完全的多重共线性，可以得到参数的估计值，但是对计量经济分析可能会产生一系列的影响。 （1）参数估计值的方差增大
（2）对参数区间估计时，置信区间趋于变大 （3）假设检验容易作出错误的判断
（4）可能造成可决系数较高，但对各个参数单独的t 检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论。 八、多重共线性的检验 答：1、简单相关系数检验法，即是利用解释变量之间的线性相关程度去判断是否存在严重多重共线性的一种简便方法。判断规则：一般而言，如果每两个解释变量的简单相关系数(零阶相关系数)比较高，例如大于0.8，则可认为存在着较严重的多重共线性。但要注意：较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。。 2、方差扩大（膨胀）因子法
经验规则：方差膨胀因子越大，表明解释变量之间的多重共性越严重。反过来，方差膨胀因子越接近于1，多重共线性越弱。经验表明，方差膨胀因子≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种多重共线性可能会过度地影响最小二乘估计。
3、直观判断法
⑴当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性。
⑵从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性。
⑶有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重共线性。
⑸解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线性问题。
4、逐步回归法
逐步回归的基本思想：将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t 检验，当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，则将其剔除。以确保每次引入新的变量之前回归方程中只包含显著的变量。在逐步回归中，高度相关的解释变量，在引入时会被剔除。因而也是一种检测多重共线性的有效方法。
九、异方差的后果
答：⑴对参数估计式统计特性的影响
①参数估计的无偏性仍然成立
参数估计的无偏性仅依赖于基本假定中的零均值假定（即E()0
i
u
）。所以异方差的存在对无偏性的成立没有影响。
②参数估计的方差不再是最小的
同方差假定是OLS估计方差最小的前提条件，所以随机误差项是异方差时，将不能再保证最小二乘估计的方差最小。
⑵对模型假设检验的影响
由于异方差的影响，使得无法正确估计参数的标准误差，导致参数估计的 t 统计量的值不能正确确定，所以，如果仍用 t 统计量进行参数的显著性检验将失去意义。
⑶对预测的影响
尽管参数的OLS估计量仍然无偏，并且基于此的预测也是无偏的，但是由于参数估计量不是有效的，从而对Y的预测也将不是有效的。
十、异方差性的检验
答：常用检验方法:⑴图示检验法①相关图形分析②残差图形分析⑵格的菲尔德-夸特检验⑶White检验⑷ARCH检验⑸Glejser检验
十一、WLS方法
答：如果模型被检验证明存在异方差性，则需要发展新的方法估计模型，最常用的方法是加权最小二乘法。加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。在利用Eviews计量经济学软件时，加权最小二乘法具体步骤是：⑴选择普通最小二乘法估计原模型，得到随机误差项的近似
估计量；⑵建立的数据序列；⑶选择加权最小二乘法，以序列作为权，进行估计得到参数估计量。实际上
是以乘原模型的两边，得到一个新模型，采用普通最小二乘法估计新模型。
十二、自相关的后果
答：1、最小二乘估计量仍然是线性的和无偏的。
2、最小二乘估计量不是有效的，即OLS 估计量的方差不是最小的，估计量不是最优线性无偏估计量(BLUE)。
3、OLS 估计量的方差是有偏的。用来计算方差和OLS 估计量标准误的公式会严重的低估真实的方差和标准误，从而导致t 值变大，使得某个系数表面上显著不为零，但事实却相反。
4、t 检验和F 检验不是可信的。
5、计算得到的误差方差σ2＝RSS/d.f.（残差平方和/自由度）是真实σ2的有偏估计量，并且很可能低估了真实的σ2。
6、计算的R2也不能真实的反映实际R2。
7、计算的预测方差和标准误差通常是无效的 十三、自相关的检验 答：1、图示法 ⑴、作回归； ⑵、计算参差
t
t t Y Y e ?-=
⑶、作et 的散点图：
A 、作（et-1，et ）
如果大部分落在第I 、第Ⅲ象限，则ut 存在正自相关。 如果大部分落在第II 、第IV 象限，则ut 存在负自相关。 B 、按时间顺序绘制 （t ，et ）
若et 随时间变化不断变换符号，说明随机扰动存在负自相关；若连续几个为正，后边几个为负，则随机扰动存在正自相关。
2、杜宾—瓦特森（Durbin-Watson ）检验 基本假定：
（1）回归式中有截距项 （2）解释变量是非随机的
（3）干扰项的模式为一阶自回归模式：
t
t t v u u +=-1ρ
（4）回归模型中，滞后因变量被当作解释变量。（5）没有缺损数据。 DW 检验步骤：
（1）做OLS 回归，得残差。 （2）计算统计量DW
（3）对给定的样本数量和解释变量数目，在给定显著水平下，找出临界值的下界和上界dL 、dU 。 （4）根据下表的决策规则决定是否接受原假设。
d L 4 – d U 不能确定 无正或负的自相关 d U ≤d ≤4 -d L 接受无正或负的自相关 4 - d L ≤d 拒绝无负自相关 0 决策 原假设 DW 检验的缺点和局限性 ● DW 检验有两个不能确定的区域，一旦DW 值落在这两个区域，就无法判断。这时，只有增大样本容量或选取其他方法 ● DW 统计量的上、下界表要求n>=15，这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 ● DW 检验不适应随机误差项具有高阶序列相关的检验 ●只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量 十四，线性回归模型经典假设 1. 为什么要作基本假定？ ●模型中有随机扰动，估计的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所估计参数的分布性质，也才可能进行假设检验和区间估计 ●只有具备一定的假定条件，所作出的估计才具有较好的统计性质。 2、基本假定的内容 1）对模型和变量的假定 如 12i i i Y X u ββ=++ 假定解释变量x 是非随机的，或者虽然是随机的，但与扰动项 u 是不相关的 假定解释变量x 在重复抽样中为固定值 假定变量和模型无设定误差 （2）对随机扰动项 u 的假定 又称高斯假定、古典假定 假定1：零均值假定 在给定 X 的条件下 ， ui 的条件期望为零 E()0 i i u X = 假定2：同方差假定 在给定 X 的条件下，ui 的条件方差为某个常数σ的平方 22 Var()E[E()]i i i i i u X u u X σ=-= 假定3：无自相关假定 随机扰动项ui 的逐次值互不相关 (,)[()][()] i j i i j j Cov u u E u E u u E u =--()0() i j E u u i j ==≠ 假定4：随机扰动 ui 与解释变量X 不相关 (,)[()][()]0 i i i i i i Cov u X E u E u X E X =--= 假定5：对随机扰动项分布的正态性假定 即假定 ui 服从均值为零、方差为2 σ的正态分布 2(0,) i u N σ 十五、计量经济学模型的异方差 一、异方差性的实质 异方差性的含义 二、产生异方差的原因 （二）模型的设定误差 模型的设定主要包括变量的选择和模型数学形式的确定。模型中略去了重要解释变量常常导致异方差，实际就是模型设定问题。除此而外，模型的函数形式不正确，如把变量间本来为非线性的关系设定为线性，也可能导致异方差。（三）数据的测量误差 样本数据的观测误差有可能随研究范围的扩大而增加，或随时间的推移逐步积累，也可能随着观测技术的提高而逐步减小。 （四）截面数据中总体各单位的差异 通常认为，截面数据较时间序列数据更容易产生异方差。这是因为同一时点不同对象的差异，一般说来会大于同一对象不同时间的差异。不过，在时间序列数据发生较大变化的情况下，也可能出现比截面数据更严重的异方差。 三后果 ①对参数估计式统计特性的影响 （一）参数估计的无偏性仍然成立 参数估计的无偏性仅依赖于基本假定中的零均值假定（即E()0 i u ）。所以异方差的存在对无偏性的成立没有影响。 （二）参数估计的方差不再是最小的 同方差假定是OLS估计方差最小的前提条件，所以随机误差项是异方差时，将不能再保证最小二乘估计的方差最小。 ②、对参数显著性检验的影响 由于异方差的影响，使得无法正确估计参数的标准误差，导致参数估计的 t 统计量的值不能正确确定，所以，如果仍用 t 统计量进行参数的显著性检验将失去意义。 ③、对预测的影响 尽管参数的OLS估计量仍然无偏，并且基于此的预测也是无偏的，但是由于参数估计量不是有效的，从而对Y的预测也将不是有效的。 四异方差性的检验 常用检验方法: ●图示检验法 （一）相关图形分析 方差描述的是随机变量取值的（与其均值的）离散程度。因为被解释变量与随机误差项有相同的方差，所以利用分析与的相关图形，可以初略地看到的离散程度与之间是否有相关关系。 如果随着的增加，的离散程度为逐渐增大（或减小）的变化趋势，则认为存在递增型（或递减型）的异方差。 ● Goldfeld-Quanadt检验 作用：检验递增性(或递减性)异方差。 基本思想：将样本分为两部分，然后分别对两个样本进行回归，并计算两个子样的残差平方和所构成的比，以此为统计量来判断是否存在异方差。 （一）检验的前提条件 1、要求检验使用的为大样本容量。 2、除了同方差假定不成立外，其它假定均满足。 （二）检验的具体做法 ● White检验 （一）基本思想： 不需要关于异方差的任何先验信息，只需要在大样本的情况下，将OLS估计后的残差平方对常数、解释变量、解释 变量的平方及其交叉乘积等所构成一个辅助回归，利用辅助回归建立相应的检验统计量来判断异方差性。 五、异方差性的补救措施 主要方法: ●模型变换法 ● 加权最小二乘法 ● 模型的对数变换 在经济意义成立的情况下，如果对模型： 12i i i Y =b +b X +u 作对数变换，其变量 i Y 和 i X 分别用 ln i Y 和 ln i X 代替，即：12ln ln i i i Y =b +b X +u 对数变换后的模型通常可以降低异方差性的影响： ◆运用对数变换能使测定变量值的尺度缩小。 ◆经过对数变换后的线性模型，其残差表示相对误差往往比绝对误差有较小的差异。 注意：对变量取对数虽然能够减少异方差对模型的影响，但应注意取对数后变量的经济意义。 计量经济模型的自相关性 什么是自相关 自相关（auto correlation ），又称序列相关（serial correlation ）是指总体回归模型的随机误差项之间存在相关关系。即不同观测点上的误差项彼此相关。 原因1－经济系统的惯性 自相关现象大多出现在时间序列数据中，而经济系统的经济行为都具有时间上的惯性。 原因2－ 经济活动的滞后效应 滞后效应是指某一指标对另一指标的影响不仅限于当期而是延续若干期。由此带来变量的自相关。 原因3－数据处理造成的相关 因为某些原因对数据进行了修整和内插处理，在这样的数据序列中就会有自相关。 原因4－蛛网现象 一个变量对另一个变量的反映不是同步的，时滞一定的时间。商品供给对价格的反映： St ＝ B1 ＋ B2*Pt-1 ＋ ut 原因5－模型设定偏误 如果模型中省略了某些重要的解释变量或者模型函数形式不正确，都会产生系统误差，这种误差存在于随机误差项中，从而带来了自相关。由于该现象是由于设定失误造成的自相关，因此，也称其为虚假自相关。 三 相关的表现形式（略） 四 、自自相关的后果 1最小二乘估计量仍然是线性的和无偏的。 2最小二乘估计量不是有效的，即OLS 估计量的方差不是最小的，估计量不是最优线性无偏估计量(BLUE)。 3 OLS 估计量的方差是有偏的。用来计算方差和OLS 估计量标准误的公式会严重的低估真实的方差和标准误，从而导致t 值变大，使得某个系数表面上显著不为零，但事实却相反。 4 t 检验和F 检验不是可信的。 5 计算得到的误差方差σ2＝RSS/d.f.（残差平方和/自由度）是真实σ2的有偏估计量，并且很可能低估了真实的σ2。 6 计算的R2也不能真实的反映实际R2。 7 计算的预测方差和标准误差通常是无效的 五 自相关的检验 一、图示法 1、作回归； 2、计算参差 t t t Y Y e ?-= 3、作et 的散点图： A 、作（et-1，et ） 如果大部分落在第I 、第Ⅲ象限，则ut 存在正自相关。 如果大部分落在第II 、第IV 象限，则ut 存在负自相关。 B 、按时间顺序绘制 （t ，et ） 若et 随时间变化不断变换符号，说明随机扰动存在负自相关；若连续几个为正，后边几个为负，则随机扰动存在正自相关。 二、杜宾—瓦特森（Durbin-Watson ）检验 基本假定： （1）回归式中有截距项 （2）解释变量是非随机的 （3）干扰项的模式为一阶自回归模式： t t t v u u +=-1ρ （4）回归模型中，滞后因变量被当作解释变量。（5）没有缺损数据。 。和下界）的上界，（下制定了某种显著水平同方差，正态情况在的精确分布未知存在一阶负自相关）（当存在一阶正自相关）（当）存在一阶负完全自相关（当）存在一阶完全正自相关（当不存在一阶自相关）（当，）（L U t d d u on DurbinWats DW DW H H DW u DW u DW u DW u DW u DW %5%1,2 :0:420?12 01?041?01?20?4DW 0 1|?|?1200=?=< ; , 44,; ,4; ,4;,0是否存在自相关 则不能确定 或者若不存在一阶自相关则认为若存在一阶负自相关 则认为若存在一阶正自相关 则认为若u d DW d d DW d u d DW d u -d DW u d DW L U U L U U L L -<<-<<-<<><< 0 d L d U 4-d U 4-d L 4 2 DW 检验步骤： （1）做OLS 回归，得残差。 （2）计算统计量DW （3）对给定的样本数量和解释变量数目，在给定显著水平下，找出临界值的下界和上界dL 、dU 。 （4）根据下表的决策规则决定是否接受原假设。 d L 4 – d U 不能确定 无正或负的自相关 d U ≤d ≤4 -d L 接受无正或负的自相关 4 - d L ≤d 拒绝无负自相关 0 决策 原假设 DW 检验的缺点和局限性 ● DW 检验有两个不能确定的区域，一旦DW 值落在这两个区域，就无法判断。这时，只有增大样本容量或选取其他方法 ● DW 统计量的上、下界表要求n>=15，这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 ● DW 检验不适应随机误差项具有高阶序列相关的检验 ●只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量 六 自相关的补救 ●广义差分法 对于自相关的结构已知的情形可采用广义差分法解决。当自相关系数为已知时，使用广义差分法，自相关问题就可彻底解决。我们以一元线性回归模型为例说明广义差分法的应用。 ●科克伦－奥克特迭代法 ●其他方法简介 （一）一阶差分法 （二）德宾两步法 当自相关系数未知时，也可采用德宾提出的两步法，消除自相关。 （三）回归检验法（适合于任何自相关形式） 计量经济学模型中的多重共线性 一、多重共线性的含义 在计量经济学中所谓的多重共线性(Multi-Collinearity)，不仅包括完全的多重共线性，还包括不完全的多重共线性。 回归模型中解释变量的关系 1, i j x x r = ，解释变量间毫无线性关系，变量间相互正交。这时已不需要作多元回归，每个参数 j 都可以通 过Y 对 Xj 的一元回归来估计。 21 i j x x r =，解释变量间完全共线性。此时模型参数将无法确定。 3 01 i j x x r ＜＜ ，解释变量间存在一定程度的线性关系。实际中常遇到的情形。 二、产生多重共线性的背景 多重共线性产生的经济背景主要有几种情形： 1.经济变量之间具有共同变化趋势。 2.模型中包含滞后变量。 3.利用截面数据建立模型也可能出现多重共线性。 4.样本数据自身的原因。 多重共线性产生的后果 一、完全多重共线性产生的后果 1.参数的估计值不确定 当解释变量完全线性相关时 ——OLS 估计式不确定 ▲ 从偏回归系数意义看：在X2和X3 完全共线性时，无法保持X3不变，去单独考虑X2 对 Y 的影响（X2 和 X3 的影响不可区分） ▲ 从OLS 估计式看：可以证明此时20 ?0 β= 2.参数估计值的方差无限大 OLS 估计式的方差成为无穷大：2? V ar ()β=∞ 二、不完全多重共线性产生的后果 如果模型中存在不完全的多重共线性，可以得到参数的估计值，但是对计量经济分析可能会产生一系列的影响。 1.参数估计值的方差增大 2.对参数区间估计时，置信区间趋于变大 3.假设检验容易作出错误的判断 4.可能造成可决系数较高，但对各个参数单独的 t 检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论。 多重共线性的检验 ●简单相关系数检验法 含义：简单相关系数检验法是利用解释变量之间的线性相关程度去判断是否存在严重多重共线性的一种简便方法。 判断规则：一般而言，如果每两个解释变量的简单相关系数(零阶相关系数)比较高，例如大于0.8，则可认为存在着较严重的多重共线性。 注意： 较高的简单相关系数只是多重共线性存在的充分条件，而不是必要条件。特别是在多于两个解释变量的回归模型中，有时较低的简单相关系数也可能存在多重共线性。因此并不能简单地依据相关系数进行多重共线性的准确判断。 ●方差扩大（膨胀）因子法 经验规则 ●方差膨胀因子越大，表明解释变量之间的多重共性越严重。反过来，方差膨胀因子越接近于1，多重共线性越弱。 ●经验表明，方差膨胀因子≥10时，说明解释变量与其余解释变量之间有严重的多重共线性，且这种多重共线性可能会过度地影响最小二乘估计。 ●直观判断法 1. 当增加或剔除一个解释变量，或者改变一个观测值时，回归参数的估计值发生较大变化，回归方程可能存在严重的多重共线性。 2. 从定性分析认为，一些重要的解释变量的回归系数的标准误差较大，在回归方程中没有通过显著性检验时，可初步判断可能存在严重的多重共线性。 3. 有些解释变量的回归系数所带正负号与定性分析结果违背时，很可能存在多重共线性。 4. 解释变量的相关矩阵中，自变量之间的相关系数较大时，可能会存在多重共线性问题。 ●逐步回归法 逐步回归的基本思想 将变量逐个的引入模型，每引入一个解释变量后，都要进行Ｆ检验，并对已经选入的解释变量逐个进行t 检验，当原来引入的解释变量由于后面解释变量的引入而变得不再显著时，则将其剔除。以确保每次引入新的变量之前回归方程中只包含显著的变量。 在逐步回归中，高度相关的解释变量，在引入时会被剔除。因而也是一种检测多重共线性的有效方法。 多重共线性的补救措施 一、修正多重共线性的经验方法 1. 剔除变量法 把方差扩大因子最大者所对应的自变量首先,剔除再重新建立回归方程，直至回归方程中不再存在严重的多重共线性。注意: 若剔除了重要变量，可能引起模型的设定误差。 2. 增大样本容量 如果样本容量增加，会减小回归参数的方差，标准误差也同样会减小。因此尽可能地收集足够多的样本数据可以改进 模型参数的估计。 问题：增加样本数据在实际计量分析中常面临许多困难。 3. 变换模型形式 一般而言，差分后变量之间的相关性要比差分前弱得多，所以差分后的模型可能降低出现共 线性的可能性，此时可直接估计差分方程。 问题：差分会丢失一些信息，差分模型的误差项可能存在序列相关，可能会违背经典线性回 归模型的相关假设，在具体运用时要慎重。 4. 利用非样本先验信息 通过经济理论分析能够得到某些参数之间的关系，可以将这种关系作为约束条件，将此约束 条件和样本信息结合起来进行约束最小二乘估计。 5. 横截面数据与时序数据并用 首先利用横截面数据估计出部分参数，再利用时序数据估计出另外的部分参数，最后得到整 个方程参数的估计。 注意：这里包含着假设，即参数的横截面估计和从纯粹时间序列分析中得到的估计是一样的。 6. 变量变换 变量变换的主要方法： (1)计算相对指标 (2)将名义数据转换为实际数据 (3)将小类指标合并成大类指标 变量数据的变换有时可得到较好的结果，但无法保证一定可以得到很好的结果。 二、逐步回归法 （1）用被解释变量对每一个所考虑的解释变量做简单回归。 （2）以对被解释变量贡献最大的解释变量所对应的回归方程为基础，按对被解释变量贡献大小的顺序逐个引入其余的解释变量。 若新变量的引入改进了 2 R和F检验，且回归参数的t 检验在统计上也是显著的，则在模型中保留该变量。 若新变量的引入未能改进 2 R和F检验，且对其他回归参数估计值的t 检验也未带来什么影响，则认为该变量是多余 变量。 若新变量的引入未能改进 2 R和F检验，且显著地影响了其他回归参数估计值的数值或符号，同时本身的回归参数也 通不过t 检验，说明出现了严重的多重共线性。 小结 1.多重共线性是指各个解释变量之间有准确或近似准确的线性关系。 2.多重共线性的后果： 如果各个解释变量之间有完全的共线性，则它们的回归系数是不确定的，并且它们的方差会无穷大。如果共线性是高度的但不完全的，回归系数可估计，但有较大的标准误差。回归系数不能准确地估计。 3.诊断共线性的经验方法： (1) 表现为可决系数异常高而回归系数的t 检验不显著。 (2) 变量之间的零阶或简单相关系数。多个解释变量时，较低的零阶相关也可能出现多重共线性，需要检查偏相关系数。 (4)如果高而偏相关系数低，则多重共线性是可能的。 (5) 用解释变量间辅助回归的可决系数判断。 4.降低多重共线性的经验方法： (1)利用外部或先验信息； (2)横截面与时间序列数据并用； (3)剔除高度共线性的变量(如逐步回归)； (4)数据转换； (5)获取补充数据或新数据； (6)选择有偏估计量（如岭回归）。 经验方法的效果取决于数据的性质和共线性的严重程度。 计量经济学联立方程模型 联立方程模型及其偏倚 一、联立方程模型的性质 所谓联立方程模型，是指同时用若干个相互关联的方程，去表示一个经济系统中经济变量相互依存性的模型。 联立方程组中每一个单一方程中包含了一个或多个相互关联的内生变量，每一个方程的被解释变量都是内生变量，解释变量则可以是内生或者外生变量。 联立方程模型的特点 1. 联立方程组模型是由若干个单一方程组成的 模型中不止一个被解释变量， 个方程可以有 个被解 释变量 2. 联立方程组模型里既有非确定性方程（即随机方程）又 有确定性方程，但必须含有随机方程 3. 被解释变量和解释变量之间可能是互为因果，有的变量 在某个方程为解释变量，但同时在另一个方程中可能为 被解释变量。解释变量有可能是随机的不可控变量 4. 解释变量可能与随机扰动项相关，违反OLS 基本假定 二、联立方程模型中变量的类型 内生变量： 一些变量是由模型体现的经济体系本身所决定的，在模型中是随机变量,称为内生变量。 外生变量：一些变量是在模型体现的经济体系之外给定的，在模型中是非随机的,称为外生变量。 意义：区分内生变量和外生变量对联立方程模型的估计和应用有重要意义。 注意：一个变量是内生变量还是外生变量，由经济理论和经济意义决定，不是从数学形式决定。 ●联立方程模型中内生变量的个数恰好等于方程组中方程的个数，该方程组为完备的 ●在联立方程模型中，内生变量既可作为被解释变量，又可作为解释变量，前定变量一般作为解释变量 三、联立方程模型的偏倚性 联立方程偏倚：联立方程模型中内生变量作为解释变量与随机项相关，违反了OLS 基本假定，如仍用OLS 法 去估计参数，就会产生偏倚，估计式是有偏的，而且是不一致的，这称为联立方程偏倚。 112[E ()]E ( )0 i i i x u x ββ=-=≠∑∑偏倚 结论： OLS 法一般不适合于估计联立方程模型 四、联立方程模型的种类 1.结构型模型 描述经济变量之间现实经济结构关系，表现变量间直接的经济联系，将某内生变量直接表示为内生变量和前定变量函数的模型，称为结构型模型。 结构型模型的特点 a. 描述了经济变量之间的结构关系，在结构方程的右端可能出现其它的内生变量 b. 结构型模型有明确的经济意义，可直接分析解释变量 变动对被解释变量的作用 c. 结构型模型具有偏倚性问题，所以不能直接用OLS 法对结构型模型的未知参数进行估计 d. 通过前定变量的未来值预测内生变量的未来值时，由于在结构方程的右端出现了内生变量，所以不能直接用结构型模型进行预测： 2.简化型模型 简化型模型：每个内生变量都只被表示为前定变量及随机扰动项函数的联立方程模型，每个方程的右端不再出现内生变量。 简化型模型的建立：直接写出简化形式 从结构型模型求解 简化型模型的特点 ● 简化型模型中每个方程的解释变量全是前定变量，从而避免了联立方程偏倚 ● 简化型模型中的前定变量与随机误差项不相关。避免了联立方程偏倚。简化型模型中的参数是原结构型模型参数的函数，由估计的简化型模型参数，有可能求解出结构型参数 ● 简化型模型表现了前定变量对内生变量的总影响（直接影响和间接影响），其参数表现了前定变量对内生变量的影响乘数 ● 已知前定变量取值的条件下，可利用简化型模型参数的估计式直接对内生变量进行预测分析 3.递归型模型 递归型模型：第一个方程中解释变量只包含前定变量；第二个方程中解释变量只包含前定变量和前 一 个方程中的内生变量；第三个方程中解释变量只包括前定变量和前两个方程的内生变量；依此类推，最后一个方程内生变量m Y 可以表示成前定变量 121 m-Y ,Y ,...,Y 和m-1个内生变量的函数。 11111221331 2211211222233233113223113223333 Y X X X u Y Y X X X u Y Y Y X X X u βββαβββααβββ= +++=++++=+++++ 特点： 每个模型都满足随机扰动与解释变量不相关的基本假定，不会产生联立方程组的偏倚性，可逐个用OLS 法估计其参数。 递归模型是联立方程组模型的特殊形式，模型中事实上没有变量间互为因果的特征，所以不是真正意义上 的联立方程模型。 联立方程模型的识别 一、对模型识别的理解 “识别”是与模型设定有关的问题，其实质是对特定的模型，判断是否有可能得出有意义的结构型参数数值。联立方程模型的识别可以从多方面去理解，但从根本上说识别是模型的设定问题。 ●从方程的统计形式去认识联立方程的识别。如果模型中一个结构方程与另一个结构方程含有相同的变量以及变量结合的函数形式，则这两个方程具有相同的统计形式，它们都是不可识别的 ●从方程中是否排除了必要的变量去理解识别。如果一个结构方程包含了模型的所有变量，则称该方程为不可识别。当模型中的结构方程有零限制，某些变量不出现在方程中时，则该方程才有可能被识别 ●从能否从简化型模型参数估计值中合理地求解出结构型模型参数的估计值。如果结构型模型参数的估计值能由简化型模型的参数求解出，则称这个结构方程是可识别的，否则是不可识别的 关于“识别”的结论 在联立方程模型中要识别一个方程，必须是这个方程相对稳定，而其他方程有明显变化，即必须是这个方程中没有而包含在其他方程中的某些因素发生明显变化。 “识别”是模型的设定问题 ，不是模型估计和评价的统计问题。 注 意 ● 识别是针对有参数要估计的模型，定义方程、恒等式本身没有识别问题 ● 联立方程必须是完整的，模型中内生变量个数与模型中独立方程个数应相同 ● 联立方程中每个方程都是可识别的，整个联立方程体系才是可识别的 二、联立方程模型识别的类型 1.不可识别 意义：从所掌握的信息，不能从简化型参数确定结构型参数 原因：信息不足，没有解 2.适度识别（恰好识别） 意义：通过简化型模型参数可唯一确定各个结构型模型参数 原因：信息恰当，有唯一解 3.过度识别 意义：由简化型参数虽然可以确定结构型参数，但是不能唯一地 确定（可得出两个或两个以上的结果） 原因：信息过多，有解但不唯一 三、模型识别的方法 1. 识别的阶条件 —— 识别的必要条件 思想： 一个结构型方程的识别，取决于不包含在这个方程中，而包含在模型其他方程中变量的个数，可从这类变量的个数去判断方程的识别性质。 引入符号： M —— 模型中内生变量的个数（即方程的个数） Mi —— 模型中第 i 个方程中包含的内生变量的个数 K —— 模型中前定变量的个数 i k —— 模型中第 i 个方程中包含的前定变量的个数则模型中变量总数为M K + 第 i 个方程中包含的变量总个数为()i i m k + 第 i 个方程中不包含的变量总个数为 ()-() i i M K m k ++ 方程识别的阶条件（必要条件） 方式1 一个方程可识别时，其不包含的变量总个数（内生变量+前定变量）大于或等于模型中内生变量总个数减1。 方式2 模型的一个方程中不包含的前定变量个数（-i K k ），大于或等于该方程中包含的内生变量个数减1， 则该方程能够识别。 阶条件为：当方程可识别时 如果--1 i i K k m =方程恰好识别 如果 --1 i i K k m >方程过度识别 阶条件逆否命题 如果 --1 i i K k m <方程 不可识别 容易证明，方式1和方式2是等价的。 2.识别的秩条件（充要条件） 秩条件的表述： ●在有M 个内生变量 M 个方程的完备联立方程模型中，当且仅当一个方程中不包含但在其他方程包含的变量（不论是内生变量还是外生变量）的系数，至少能够构成一个非零的M-1 阶行列式时，该方程是可以识别的 ●在有M 个内生变量M 个方程的完整联立方程模型中，当且仅当一个方程所排斥（不包含）的变量的参数矩阵的秩等于M-1 时，该方程可以识别 模型识别秩条件检验的方法步骤 秩条件也有三种情况： （1）当只有一个M-1 阶非零行列式时，该方程是恰好识别的 （2）当不止一个M-1阶非零行列式时，该方程是过度识别的 （3）当不存在M-1阶非零行列式时，该方程是不可识别的 运用秩条件判别模型的识别性，步骤如下： （1）将结构模型的全部参数列成完整的参数（方程没有出现的变量的参数以0表示） （2）考察第个方程的识别问题：划去该方程的那一行，并划去该方程出现的变量的系数（该行中非0系数）所在列，余下该方程不包含的变量在其它方程中的系数的矩阵 （3）计算矩阵的秩，并作出判断 联立方程模型的估计 一联立方程模型估计方法的选择 模型参数的估计方式应考虑以下因素： 1.从研究目的考虑参数估计的方式 （1）若是为了经济结构分析，检验经济理论 ——应力争准确估计结构型参数 （2）若为了评价政策、论证政策效应 ——应力争准确估计简化型参数（反映“政策乘数”、“效果乘数”） （3）若只是为了预测 ——直接估计简化型参数即可 2.模型的识别条件 对于递归型模型——直接用OLS法 对于恰好识别模型——用间接最小二乘法、 工具变量法 对于过度识别模型——用二阶段最小二乘法、 三阶段最小二乘 对于不足识别模型——不能估计其结构型参数 3.考虑数据的可用性和计算方法的复杂性 三、恰好识别模型的估计——ILS 基本思想： 恰好识别模型通过简化型参数可以唯一确定结构型参数。显然，可以先用OLS法估计简化型参数，然后求解出结构型参数，即间接最小二乘法（ILS）。 估计步骤： ●先将结构型方程变换为简化型方程 ●用OLS法估计简化型参数 ●从简化型与结构型参数的关系式求解结构型参数 间接最小二乘估计的特性 ●简化型参数的估计是无偏的（小样本），并且是一致估计式（大样本） ●结构型参数估计在小样本中是有偏的（因结构型参数与简化型参数是非线性系），但在大样本中是一致估计量（可证明） ●结构型参数不是完全有效的，即一般不具有最小方差 四、过度识别方程的估计——TSLS 基本思想： 由结构型方程变换得到的简化型方程的一般形式为 111112211...k k Y X X X v πππ=++++221122222...k k Y X X X v πππ=++++1122...m m m mk k m Y X X X v πππ=++++ 精确分量 随机分量 ●用OLS 法估计出简化型参数 ?ij π ，可以由 ?ij π 计算出 ?i Y 精确分量的估计值 ●由简化型方程估计的?i Y 与结构型方程中的随机扰动项 i u 不相关，但作为精确分量， i Y 与 ?i Y 高度相关，可用 ?i Y 替 代作为解释变量的 i Y ，然后对变换以后的结构方程用OLS 法估计其参数 二阶段最小二乘法实际是用 ?i Y 作为 i Y 的工具变量 二阶段最小二乘法的假定条件 ●结构方程必须是可以识别的 ●结构型方程必须满足基本假定 ●样本容量足够大 二阶段最小二乘法的估计步骤 第一步（第一阶段）： 利用简化型方程，将第 个结构方程解释变量中出现的内生变量直接对所有的前定变量回归（不须进行简化型模型的变换，也不须导出简化型参数与结构型参数的关系式） 111112211...k k Y X X X v πππ=++++221122222 ...k k Y X X X v πππ=++++1122...m m m mk k m Y X X X v πππ=++++ 用OLS 法估计其参数得 ?ij π 虚拟变量 小 结 1.虚拟变量是人工构造的取值为0和1的作为属性变量代表的变量。 2.虚拟变量个数的设置有一定规则：在有截距项的模型中，若定性因素有m 个相互排斥的类型，只能引入 m-1 个虚拟 变量，否则会陷入所谓“虚拟变量陷阱”，产生完全的多重共线性。 3.在计量经济模型中，加入虚拟解释变量的途径有两种基本类型：一是加法类型；二是乘法类型。以加法方式引入虚拟变量改变的是模型的截距；以乘法方式引入虚拟变量改变的是模型的斜率。 4.解释变量只有一个分为两种相互排斥类型的定性变量而无定量变量的回归，称为方差分析模型。 5.解释变量包含一个分为两种类型定性变量的回归时，只使用了一个虚拟变量；解释变量包含一个两种以上类型的定性变量的回归时，定性变量有种类型，依据虚拟变量设置规则引入了个虚拟变量。 6.解释变量包含两个（或 k 个）定性变量的回归中，可选用了两个（或k 个）虚拟变量去表示，这并不会出现“虚拟变量陷阱”。 7.以乘法形式引入虚拟解释变量的主要作用在于：对回归模型结构变化的检验；定性因素间交互作用的影响分析；分段线性回归等。 虚拟变量引入的原则是什么？ 答：（1）如果一个定性因素有m方面的特征，则在模型中引入m-1个虚拟变量； （2）如果模型中有m个定性因素，而每个定性因素只有两方面的属性或特征，则在模型中引入m个虚拟变量；如果定性因素有两个及以上个属性，则参照“一个因素多个属性”的设置虚拟变量。 （3）虚拟变量取值应从分析问题的目的出发予以界定； （4）虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。 虚拟变量引入的方式及每种方式的作用是什么？ 答：（1）加法方式：其作用是改变了模型的截距水平；（2）乘法方式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度； （3）一般方式：即影响模型的截距有影响模型的斜率。 在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？ 答：在现实生活中，影响经济问题的因素除具有数量特征的变量外，还有一类变量，这类变量所反映的并不是数量而是现象的某些属性或特征，即它们反映的是现象的质的特征。这些因素还很可能是重要的影响因素，这时就需要在模型中引入这类变量。引入的方式就是以虚拟变量的形式引入。 计量经济学的应用 ?经济结构分析，是指用已经估计出参数的模型，对所研究的经济关系进行定量的考查，以说明经济变量之间的数量比例关系。 分析变量之间的数量比例关系（如：边际分析、弹性分析、乘数分析） 例：分析消费增加对GDP的拉动作用 ?经济预测，是指利用估计了参数的计量经济模型，由已知的或预先测定的解释变量，去预测被解释变量在所观测的样本数据以外的值 由预先测定的解释变量去预测应变量在样本以外的数据（动态预测、空间预测） 例：预测股票市场价格的走势 ?政策评价，是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案作出评价用模型对政策方案作模拟测算，对政策方案作评价把计量经济模型作为经济活动的实验室） 例：分析道路收费政策对汽车市场的影响 ?检验与发展经济理论，是利用计量经济模型去验证既有经济 简答题： 序列相关性产生的原因三方面；1经济变量固有的惯性。2 模型设定的偏误。3 数据的“编造” D.W检验法；1 解释变量X非随机。2 随机干扰项为一阶自回归形势。3 回归模型中不应该含有滞后变量作为解释变量。4 回归模型含有截距项。 产生多重共线性原因三方面；1 经济变量相关的共同趋势。2 滞后变量的引入。3 样本资料的限制。 多重共线性的后果：1.完全共线性下参数估计量不存在2.近似共线性下普通最小二乘法估计量的方差变大3.参数估计量经济含义不合理4.变量的显著性检验和模型的预测功能失去意义 在总体回归函数中引入随机干扰项的原因：1.代表未知的影响因素2.代表残缺数据3.代表众多细小影响因素4.代表数据观测误差5.代表模型设定误差6.变量的内在随机性 为保证参数估计量具有良好的性质，通常对模型提出若干基本假设：*1.回归模型是正确设定的 *2.解释变量X是确定性变量，不是随机变量，在重复抽样中取固定值3解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数 *4：随机误差项u具有给定X条件下的零均值、同方差、以 06A卷 一、判断说明题（每小题1分，共10分） 1.在实际中，一元回归没什么用，因为因变量 的行为不可能仅由一个解释变量来解释。(×) 4.在线性回归模型中，解释变量是原因，被解 释变量是结果。（×） 7. 给定显著性水平 及自由度，若计算得到 的t 值超过t的临界值，我们将拒绝零假设。 （√） 8.为了避免陷入虚拟变量陷阱，如果一个定性 变量有 m类，则要引入m个虚拟变量。（×） 二、名词解释(每小题2分，共10分) 1.计量经济学：融合数学、统计学及经济理论，结合研究经济行为和现象的理论和实务。 2.最小二乘法：使全部观测值的残差平方和为最小的方法就是最小二乘法。 3.虚拟变量：在经济生活研究中，有一些暂时起作用的因素。如战争、天灾、人祸等，这些因素在经济中不经常发生，但又带有相同特性，经济学家把这些不经常发生的、又起暂时影响作用的称为虚拟变量。 4.滞后变量：用来作为解释变量的内生变量的前期值称为滞后内生变量，简称为滞后变量。 5.自回归模型：包含有被解释变量滞后值的模型，称为自回归模型。 三、简答题(每小题5分，共20分) 1．应用最小二乘法应满足的古典假定有哪些？（1）随机项的均值为零； （2）随机项无序列相关和等方差性； （3）解释变量是非随机的，如果是随机的则与随机项不相关； （4）解释变量之间不存在多重共线性。 2．运用计量经济学方法解决经济问题的步骤一般是什么？ （1）建立模型； （2）估计参数； （3）验证理论； （4）使用模型。 3．你能分别举出三个时间序列数据、截面数据、混合数据、虚拟变量数据的实际例子吗？ （1）时间序列数据如：每年的国民生产总值、 各年商品的零售总额、各年的年均人口增长 数、年出口额、年进口额等等； （2）截面数据如：西南财大2002年各位教师年收入、2002年各省总产值、2002年5月成都市 各区罪案发生率等等； （3）混合数据如：1990年~2000年各省的人均收入、消费支出、教育投入等等； （4）虚拟变量数据如：婚否，身高是否大于170厘米，受教育年数是否达到10年等等。 4．随机扰动项μ的一些特性有哪些？ （1）众多因素对被解释变量Y的影响代表的综合体； （2）对Y的影响方向应该是各异的，有正有负；（3）由于是次要因素的代表，对Y的总平均影响可能为零； （4）对Y的影响是非趋势性的，是随机扰动的。 四、分析、计算题(每小题15分，共45分) 1. 根据下面Eviews回归结果回答问题。Dependent Variable: DEBT Method: Least Squares Date: 05/31/06 Time: 08:35 Sample: 1980 1995 Included observations: 16 Variable Coefficie nt Std. Erro r t-Statist ic Prob . C（） INCOME（） COST（） R-squared Mean dependent var Adjusted R-squared （） . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic（）Durbin-Wats on stat Prob(F-statisti c) INCOME——个人收入，单位亿美元； COST——抵押贷款费用，单位%。 1. 完成Eviews回归结果中空白处内容。 2. 说明总体回归模型和样本回归模型的区别。 计量经济学简答题及答案 1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据，反映在 图上就是是样本点偏离样本回归线的距离总体上最小，即残差平方和最小 ∑=n i i e 12min 。 只有在满足了线性回归模型的古典假设时候，采用OLS 才能保证参数估计结果的可靠性。 在不满足基本假设时，如出现异方差，就不能采用OLS 。加权最小二乘法是对原 模型加权，对较小残差平方和2i e 赋予较大的权重，对较大2i e 赋予较小的权重，消除异方差，然后在采用OLS 估计其参数。 在出现序列相关时，可以采用广义最小二乘法，这是最具有普遍意义的最小二乘 法。 最小二乘法是加权最小二乘法的特例，普通最小二乘法和加权最小二乘法是广义 最小二乘法的特列。 6、虚拟变量有哪几种基本的引入方式? 它们各适用于什么情况? 答: 在模型中引入虚拟变量的主要方式有加法方式与乘法方式，前者主要适用于 定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。 7、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS 估计？ 答：主要的原因有三：第一，结构方程解释变量中的内生解释变量是随机解释变 量,不能直接用OLS 来估计；第二，在估计联立方程系统中某一个随机方程参数时，需要考虑没有包含在该方程中的变量的数据信息，而单方程的OLS 估计做不到这一点；第三，联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性，表现于不同方程随机干扰项之间，如果采用单方程方法估计某一个方程，是不可能考虑这种相关性的，造成信息的损失。 2、计量经济模型有哪些应用。 答：①结构分析，即是利用模型对经济变量之间的相互关系做出研究，分析当其 他条件不变时，模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测，即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价，对不同的政策方案可能产生的后果进行评价对比，从中做出选择的过程。④检验和发展经济理论，计量经济模型可用来检验经济理论的正确性，并揭示经济活动所遵循的经济规律。 6、简述建立与应用计量经济模型的主要步骤。 答：一般分为5个步骤：①根据经济理论建立计量经济模型；②样本数据的收集； ③估计参数；④模型的检验；⑤计量经济模型的应用。 7、对计量经济模型的检验应从几个方面入手。 答：①经济意义检验；②统计准则检验；③计量经济学准则检验；④模型预测检 验。 计量经济学重点(简答题) 一、什么就是计量经济学？计量经济学,又称经济计量学,它就是以一定的经济理论与 实际统计资料为依据,运用数学、统计学与计算机技术,通过建立计量经济学模型,定量分析经济变量之间的随机因果关系、。 二、计量经济学的研究的步骤就是什么？ 1)理论模型的设计 A.理论或假说的陈述; B.理论的数学模型的设定; C.理论的计量经济模型的设定。 i.把模型中不重要的变量放进随机误差项中; ii.拟定待估参数的理论期望值。 2)获取数据 数据来源:网络、统计年鉴、报纸、杂志 数据类别:时间序列数据、截面数据、混合数据、虚变量数据。 数据要求:完整性、准确性、可比性、一致性 i.完整性:模型中包含的所有变量都必须得到相同容量的样本观察值。 ii.准确性:统计数据或调查数据本身就是准确的。 iii.可比性:数据口径问题。 iv.一致性:指母体与样本的一致性。 3)模型的参数估计:普通最小二乘法。 4)模型的检验:经济学检验;统计学检验;计量经济学检验;模型的预测检验。 5)模型的应用:结构分析;经济预测;政策评价;经济理论的检验与发展。 三、简述统计数据的类别？ 时间序列数据、截面数据、混合数据、虚变量数据。 1)时间序列数据:按时间先后排列收集的数据。 采纳时间序列数据的注意事项: A.所选择的样本区间的经济行为一致性问题。 B.样本数据在不同样本点之间的可比性问题。 C.样本数据过于集中的问题。不能反映经济变量间的结构关系,应增大观察区间。 D.模型的随机误差项序列相关问题。 2)截面数据:又称横向数据,就是一批发生在同一时间截面上的调查数据。研究某时 点上的变化情况。 采纳截面数据的注意事项: A.样本与母体的一致性问题。 B.随机误差项的异方差问题。 3)混合数据:也称面板数据,既有时间序列数据,又有截面数据。 4)虚变量数据:又称二进制数据,只能取0与1两个值,表示的就是某个对象的质量特 征。 四、模型的检验包括哪几个方面？具体含义就是什么？ 1)经济学检验:参数的符合与大致取值。 2)统计学检验:拟合优度检验;模型的显著性检验;参数的显著性检验。 3)计量经济学检验:序列相关性;异方差检验;多重共线性检验。 4)模型的预测检验:a,扩大样本容量或变换样本重新估价模型;b,利用模型对样本期以 外的某一期进行预测。 1. 请问自回归模型的估计存在什么困难？如何来解决这些苦难？ 答：主要存在两个问题： (1) 出现了随机解释变量Y ，而可能与随机扰动项相关； (2) 随机扰动项可能存在自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动项无自相关。 对于第一个问题的解决可以使用工具变量法；对于第二个问题的检验可以用德宾h 检验法，目前还没有很好的解决办法，唯一能做的就是模型尽可能的设定正确。 2. 为什么要进行广义差分变换？写出其过程。 答：进行广义差分变换是为了处理自相关，写出其过程如下： 以一元模型为例：Y t = b 0 + b 1 X t +u t 假设误差项服从AR(1)过程：u t =ρu t-1 +v t －1 ≤ρ≤1 其中，v 满足OLS 假定，并且是已知的。 为了弄清楚如何使变换后模型的误差项不具有自相关性，我们将回归方程中的变量滞后一期，写为： Y t-1 = b 0 + b 1 X t-1 +u t-1 方程的两边同时乘以ρ，得到：ρY t-1 = ρb 0 + ρb 1 X t-1 +ρu t-1 现在将两方程相减，得到：(Y t －ρY t-1 ) = b 0 ( 1 －ρ) + b 1 (X t －ρX t-1 ) + v t 由于方程中的误差项v t 满足标准OLS 假定，方程就是一种变换形式，使得变换后的模型无序列相关。如果我们将方程写成：Y t * = b 0* + b 1 X t * +v t ，其中，Y t * = (Y t -ρY t-1 ) ，X t * = (X t -ρX t-1 ) ，b 0* = b 0 ( 1 -ρ)。 3. 什么是递归模型？ 答：递归模型是指在该模型中，第一个方程的内生变量Y 1仅由前定变量表示，而无其它内生变量；第二个方程内生变量Y 2表示成前定变量和一个内生变量Y 1的函数；第三个方程内生变量Y 3表示成前定变量和两个内生变量Y 1与Y 2的函数；按此规律下去，最后一个方程内生变量Y m 可表示成前定变量和m －1个Y 1，Y 2、，Y 3，…、Y m-1的函数。 4. 为什么要进行同方差变换？写出其过程，并证实之。 答：进行同方差变换是为了处理异方差，写出其过程如下： 我们考虑一元总体回归函数Y i = b 0 + b 1 X i + u i 假设误差σi 2 是已知的，也就是说，每个观察值的误差是已知的。对模型作如下“变换”： Y i /σi = b 0 /σi + b 1 X i /σi + u i /σi 这里将回归等式的两边都除以“已知”的σi 。σi 是方差σi 2 的平方根。 令 v i = u i /σi 我们将v i 称作是“变换”后的误差项。v i 满足同方差吗？如果是，则变换后的回归方程就不存在异方差问题了。假设古典线性回归模型中的其他假设均能满足，则方程中各参数的OLS 估计量将是最优线性无偏估计量，我们就可以按常规的方法进行统计分析了。 证明误差项v i 同方差性并不困难。根据方程有：E (v i 2 ) = E (u i 2 /σi 2 ) = E (u i 2 ) /σi 2 =σi 2 /σi 2 = 1 显然它是一个常量。简言之，变换后的误差项v i 是同方差的。因此，变换后的模型不存在异方差问题，我们可以用常规的OLS 方法加以估计。 5. 简述逐步回归法的基本步骤。 答：先用被解释变量对每一个解释变量做简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程为基础，再逐个引入其余的解释变量。这个过程会出现3种情形：①若新变量的引入改进了R 2 和F 检验，且其它回归系数的t 检验在统计上仍是显著的，则可考 简答： 1、时间序列数据和横截面数据有何不同？ 时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。这两类数据都是反映经济规律的经济现象的数量信息，不同点：时间序列数据是含义、口径相同的同一指标按时间先后排列的统计数据列；而横截面数据是一批发生在同一时间截面上不同统计单元的相同统计指标组成的数据列。 2、建立计量经济模型赖以成功的三要素。P16（课本） 成功的要素有三：理论、方法和数据。理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础；方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支科学的主要特征；数据：反映研究对象的活动水平、相互间以及外部环境的数据，更广义讲是信息，是计量经济学研究的原料。三者缺一不可。 3、什么是相关关系、因果关系；相关关系与因果关系的区别与联系。 相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。 因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。 具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。 4、回归分析与相关分析的区别与关系。P23-P24（课本） 相关分析与回归分析既有联系又有区别。首先，两者都是研究非确定性变量间的统计依赖关系，并能测度线性依赖程度的大小。其次，两者间又有明显的区别。相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，因此，变量的地位在相关分析中饰对称的，而且都是随机变量；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量与被解释变量之分，而且解释变量也往往被假设为非随机变量。再次，相关分析只关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。 5、数理经济模型和计量经济模型的区别。 答：数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。 6、从哪几方面看，计量经济学是一门经济学科？P6（课本） 第一章 三、简答题 1、简述计量经济学与经济学、统计学、数理统计学学科间的关系。 答:计量经济学就是经济理论、统计学与数学的综合。经济学着重经济现象的定性研究,而计量经济学着重于定量方面的研究。统计学就是关于如何惧、整理与分析数据的科学,而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。数量统计各种数据的惧、整理与分析提供切实可靠的数学方法,就是计量经济学建立计量经济模型的主要工具,但它与经济理论、经济统计学结合而形成的计量经济学则仅限于经济领域。计量经济模型建立的过程,就是综合应用理论、统计与数学方法的过程。因此计量经济学就是经济理论、统计学与数学三者的统一。 2、计量经济模型有哪些应用。 答:①结构分析,即就是利用模型对经济变量之间的相互关系做出研究,分析当其她条件不变时,模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测,即就是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价,对不同的政策方案可能产生的后果进行评价对比,从中做出选择的过程。④检验与发展经济理论,计量经济模型可用来检验经济理论的正确性,并揭示经济活动所遵循的经济规律。 3、简述建立与应用计量经济模型的主要步骤。 答:一般分为5个步骤:①根据经济理论建立计量经济模型;②样本数据的收集;③估计参数;④模型的检验;⑤计量经济模型的应用。 4、对计量经济模型的检验应从几个方面入手。 答:①经济意义检验;②统计准则检验;③计量经济学准则检验;④模型预测检验。 第二章 三、简答题 1、 简述用普通最小二乘法求解模型i i i X Y μββ++=10的参数估计量的过程。 答:一元线性回归模型i i i X Y μββ++=10,采用普通最小二乘法进行参数估计的基本准 则:2201 0111????min (,)()n n i i i i i Q e Y X ββββ====--∑∑ (1) 利用微积分多元函数极值原理,要使01??(,)Q ββ达到最小,(1)式对01 ??ββ、的一阶偏导数都等于零,即: 010011 ??(,)=0???(,)=0?Q Q ββββββ??????????? 201010100201010111??()??(,)??==2()????()??(,)??==2()??i i i i i i i i i Y X Q Y X Y X Q Y X X ββββββββββββββββ????--????---????????--????---?????∑∑∑∑ 0101 ??()0 ??()=0 i i i i i Y X Y X X ββββ?--=??--??∑∑（2）（3） 由(2)式可知,01011??0 1? ??()11== (4)i i i i i i Y n X Y X Y X n Y Y X X n n βββββ+-=?=-=-∑∑∑∑∑∑（令，） 并将式(4)代入(3),可得: 201112211122 1??? ?0()()??()0? ()i i i i i i i i i i i i i i i i i i i i i Y X X X Y Y X X X n n X Y X Y X n X n X Y X Y n X X βββββββ=--=---?-+?-=-=-∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑ 或0111112 ????0()()?()()()()()?=()()()(==) 0?i i i i i i i i i i i i i i i i i i i i i i i i i Y X X Y Y X X X Y Y X X X X X Y Y X X Y Y x y X X X X X X X x x X X y Y Y ββββββ=--=-+-?------==-----=?∑∑∑∑∑∑∑∑∑∑令， 因此,可得010111222 1????()()()??()()()i i i i i i i i i i i i i i i Y X Y X n n X Y X Y X X Y Y x y n X X X X X X x ββββββ=-=----===---∑∑∑∑∑∑∑∑∑∑∑或或 简答题：1.选择工具变量的原则是什么:（1）工具变量必须与所替代的随机解释变量高度相关；（2）工具变量与随机误差项不相关（3）工具变量与其它解释变量不相关，避免出现多重共线性。 2.实际经济问题中的多重共线性 (1)经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 3.序列相关性产生的原因: （1）惯性；（2）模型设定误差；（3）蛛网现象；（4）数据加工。 4、随机解释变量问题及其解决方法。如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。第一、随机解释变量与误差项相互独立；第二、随机解释变量与误差项同期无关，而异期相关；第三、随机解释变量与误差项同期相关；第四、解决方法为工具变量法。 5.随机解释变量产生的后果 1.若相互独立，则参数估计量仍然无偏一致。2 若同期相关，异期不相关，得到的参数估计有偏，但却是一致的3 若同期相关，则估计量有偏且非一致。 6.简述最小二乘估计量的性质：（1）线性性，即它是否是另一随机变量的线性函数；（2）无偏性，即它的均值或期望值是否等于总体的真实值；（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；（5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。 7、虚拟变量的作用：（1）表现定性因素对被解释变量的影响（2）提高模型的说明能力与水平（3）季节变动分析。（4）方程差异性检验。 8、虚拟变量设置的原则：如果有定性因素共有个结果需要区别，那么至多引入m-1 个虚拟变量 9、实际经济问题中的多重共线性：（1）经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 10.引入随机误差形式为了：（1）代表未知的影响因素（2）代表残缺数据（3）代表众多细小的影响因素（4）代表数据观测误差（5）代表模型设定误差（6）变量的随机存在性 11. 12.回归分析的主要内容有：（1）根据样本观测值对经济计量模型参数进行估计，求得回归方程（2）对回归方程、参数估计值进行显著性检验（3）利用回归方程进行分析、评价及预测。 13.叙述原理：最小二乘法：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好的的拟合样本数据：最大似然法：当从模型的总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。 计量经济学重点简答题 1.简述计量经济学与经济学、统计学、数理统计学学科间得关系。 答：计量经济学就是经济理论、统计学与数学得综合.经济学着重经济现象得定性研究,计量经济学着重于定量方面得研究。统计学就是关于如何收集、整理与分析数据得科学，而计量经济学则利用经济统计所提供得数据来估计经济变量之间得数量关系并加以验证。数理统计学作为一门数学学科,可以应用于经济领域，也可以应用于其她领域；计量经济学则仅限于经济领域。计量经济模型建立得过程，就是综合应用理论、统计与数学方法得过程,计量经济学就是经济理论、统计学与数学三者得统一。 ２、计量经济模型有哪些应用？ 答：①结构分析②经济预测③政策评价④检验与发展经济理论 3、简述建立与应用计量经济模型得主要步骤。 答:模型设定估计参数模型检验模型应用 或1)经济理论或假说得陈述２) 收集数据3）建立数理经济学模型4)建立经济计量模型5）模型系数估计与假设检验６）模型得选择7)理论假说得选择８)经济学应用 4、对计量经济模型得检验应从几个方面入手？ 答：①经济意义检验②统计推断检验③计量经济学检验④模型预测检验 5、计量经济学应用得数据就是怎样进行分类得？ 答:时间序列数据截面数据面板数据虚拟变量数据 6、解释变量与被解释变量，内生变量与外生变量 被解释变量就是模型要研究得对象，被称为“因变量”，就是变动得结果。 解释变量就是说明被解释变量变动得原因,被称为“自变量”，就是变动得原因. 内生变量就是其数值由模型所决定得变量，就是模型求解得结果。 外生变量就是其数值由模型以外决定得变量。 7、计量经济学得含义 计量经济学就是以经济理论与经济数据得事实为依据,运用数学、统计学得方法，通过建立数学模型来研究经济数量关系与规律得一门经济学科。 8、在计量经济模型中,为什么会存在随机误差项？ 答:随机误差项就是计量经济模型中不可缺少得一部分. 产生随机误差项得原因有以下几个方面:①模型中被忽略掉得影响因素造成得误差;②模型关系认定不准确造成得误差;③变量得测量误差；④随机因素. 9．对于多元线性回归模型,为什么在进行了总体显著性Ｆ检验之后，还要对每个回归系数进行就是否为0得ｔ检验? 答：多元线性回归模型得总体显著性F检验就是检验模型中全部解释变量对被解释变量得共同影响就是否显著。通过了此F检验，就可以说模型中得全部解释变量对被解释变量得共同影响就是显著得,但却不能就此判定模型中得每一个解释变量对被解释变量得影响都就是显著得。因此还需要就每个解释变量对被解释变量得影响就是否显著进行检验,即进行t 检验. 10、古典线性回归模型具有哪些基本假定。 答：1 随机误差项与解释变量不相关。２随机误差项得期望或均值为零。３随机误差项具有同方差,即每个随机误差项得方差为一个相等得常数。4 两个随机误差项之间不相关,即随机误差项无自相关。 1１、在多元线性回归分析中，为什么用修正得决定系数衡量估计模型对样本观测值得拟合优度？ 答:因为人们发现随着模型中解释变量得增多,多重决定系数得值往往会变大,从而增加了模 计量经济学 第一部分：名次解释 第一章 1、模型：对现实的描述和模拟。 2、广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。 3、狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。 第二章 1、总体回归函数：指在给定Xi 下Y 分布的总体均值与Xi 所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。 2、样本回归函数：指从总体中抽出的关于Y ，X 的若干组值形成的样本所建立的回归函数。 3、随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。 4、线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。 5、随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。 6、残差项：是一随机变量，是针对样本回归函数而言的。 7、条件期望：即条件均值，指X 取特定值Xi 时Y 的期望值。 8、回归系数：回归模型中βo ，β1等未知但却是固定的参数。 9、回归系数的估计量：指用?μ01 ,ββ等表示的用已知样本提供的信息所估计出来总体未知参数的结果。 10、最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。 11、最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。 12、估计量的标准差：度量一个变量变化大小的测量值。 13、总离差平方和：用TSS 表示，用以度量被解释变量的总变动。 14、回归平方和：用ESS 表示：度量由解释变量变化引起的被解释变量的变化部分。 15、残差平方和：用RSS 表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。 16、协方差：用Cov （X ，Y ）表示，度量X,Y 两个变量关联程度的统计量。 17、拟合优度检验：检验模型对样本观测值的拟合程度，用2R 表示，该值越接近1，模型对样本观测值拟合得越好。 18、t 检验时针对每个解释变量进行的显著性检验，即构造一个t 统计量，如果该统计量的值落在置信区间外，就拒绝原假设。 19、相关分析：研究随机变量间的相关形式 20、回归分析：研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。 第三章 1、多元线性回归模型：在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。 1.计量经济学与经济理论、统计学、数学的联系是什么？计量经济学与经济理论、统计学、数学的联系主要体现在计量经济学对经济理论、统计学、数学的应用方面，分别如下： 1）计量经济学对经济理论的利用主要体现在以下几个方面 （1）计量经济模型的选择和确定 （2）对经济模型的修改和调整 （3）对计量经济分析结果的解读和应用 2）计量经济学对统计学的应用 （1）数据的收集、处理、 （2）参数估计 （3）参数估计值、模型和预测结果的可靠性的判断3）计量经济学对数学的应用 （1）关于函数性质、特征等方面的知识 （2）对函数进行对数变换、求导以及级数展开 （3）参数估计 （4）计量经济理论和方法的研究 2.模型的检验包括哪几个方面？具体含义是什么？ 模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。 ①在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号、大小、参数之间的关系是否与根据人们的经验和经济理论所拟订的期望值相符合； ②在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质，有拟合优度检验、变量显著检验、方程显著性检验等； ③在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等； ④模型的预测检验，主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 1.为什么计量经济学模型的理论方程中必须包含随机干扰项？ 计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式。由于是随机变量，意味着影响被解释变量的因素是复杂的，除了解释变量的影响外，还有其他无法在模型中独立列出的各种因素的影响。这样，理论模型中就必须使用一个称为随机干扰项的变量来代表所有这些无法在模型中独立表示出来的影响因素，以保证模型在理论上的科学性。3.为什么用可决系数R2评价拟合优度，而不是用残差平方和作为评价标准？ 可决系数R2=ESS/TSS=1-RSS/TSS，含义为由解释变量引起的被解释变量的变化占被解释变量总变化的比重，用来判定回归直线拟合的优劣，该值越大说明拟合的越好；而残差平方和与样本容量关系密切，当样本容量比较小时，残差平方和的值也比较小，尤其是不同样本得到的残差平方和是不能做比较的。此外，作为检验统计量的一般应是相对量而不能用绝对量，因而不能使用残差平方和判断模型的拟合优度。 4.根据最小二乘原理，所估计的模型已经使得拟合优度差达到最小，为什么还要讨论模型的拟合优度问题？ 普通最小二乘法所保证的最好拟合是同一个问题内部的比较，即使用给出的样本数据满足残差的平方和最小；拟合优度检验结果所表示的优劣可以对不同的问题进行比较，即可以辨别不同的样本回归结果谁好谁坏。 1.多元线性回归模型与一元线性回归模型有哪些区别？ 多元线性回归模型与一元线性回归模型的区别表现在如下几个方面：一是解释变量的个数不同；二是模型的经典假设不同，多元线性回归模型比一元线性回归模型多了个“解释变量之间不存在线性相关关系”的假定；三是多元线性回归模型的参数估计式的表达更为复杂。 2.为什么说最小二乘估计量是最优线性无偏估计量？对于多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计量的条件是什么？ 在满足经典假设的条件下，参数的最小二乘估计量具有线性性、无偏性以及最小性方差，所以被称为最优线性无偏估计量（BLUE） 对于多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计量的条件是（X X ）-1存在，或者说各解释变量间不完全线性相关。 计量经济学重点简答题 1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。 答：计量经济学是经济理论、统计学和数学的综合。经济学着重经济现象的定性研究，计 量经济学着重于定量方面的研究。统计学是关于如何收集、整理和分析数据的科学，而计 量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。数理 统计学作为一门数学学科，可以应用于经济领域，也可以应用于其他领域；计量经济学则 仅限于经济领域。计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程， 计量经济学是经济理论、统计学和数学三者的统一。 2、计量经济模型有哪些应用？ 答：①结构分析②经济预测③政策评价④检验和发展经济理论 3、简述建立与应用计量经济模型的主要步骤。 答：模型设定估计参数模型检验模型应用 或 1）经济理论或假说的陈述 2)收集数据 3）建立数理经济学模型4）建立经济计量模型5）模型系数估计和假设检验 6）模型的选择 7）理论假说的选择 8）经济学应用 4、对计量经济模型的检验应从几个方面入手？ 答：①经济意义检验②统计推断检验③计量经济学检验④模型预测检验 5、计量经济学应用的数据是怎样进行分类的？ 答：时间序列数据截面数据面板数据虚拟变量数据 6、解释变量和被解释变量，内生变量和外生变量 被解释变量是模型要研究的对象，被称为“因变量”，是变动的结果。 解释变量是说明被解释变量变动的原因，被称为“自变量”，是变动的原因。 内生变量是其数值由模型所决定的变量，是模型求解的结果。 外生变量是其数值由模型以外决定的变量。 7、计量经济学的含义 计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立 数学模型来研究经济数量关系和规律的一门经济学科。 8.在计量经济模型中，为什么会存在随机误差项？ 答：随机误差项是计量经济模型中不可缺少的一部分。 产生随机误差项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差；②模 型关系认定不准确造成的误差；③变量的测量误差；④随机因素。 9．对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系 数进行是否为0的t检验？ 答：多元线性回归模型的总体显著性 F 检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过了此 F 检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著 计量经济学期末考试简答题 1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。 2．计量经济模型有哪些应用？ 3．简述建立与应用计量经济模型的主要步骤。 4．对计量经济模型的检验应从几个方面入手？ 5．计量经济学应用的数据是怎样进行分类的？ 6．在计量经济模型中，为什么会存在随机误差项？ 7．古典线性回归模型的基本假定是什么？ 8．总体回归模型与样本回归模型的区别与联系。 9．试述回归分析与相关分析的联系和区别。 10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？11．简述BLUE的含义。 12．对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验？ 13.给定二元回归模型：，请叙述模型的古典假定。 14.在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？ 15.修正的决定系数及其作用。 16.常见的非线性回归模型有几种情况？ 17. 18观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。 19.什么是异方差性？试举例说明经济现象中的异方差性。 20.产生异方差性的原因及异方差性对模型的OLS估计有何影响。 21.检验异方差性的方法有哪些？ 22.异方差性的解决方法有哪些？ 23.什么是加权最小二乘法？它的基本思想是什么？ 24.样本分段法（即戈德菲尔特——匡特检验）检验异方差性的基本原理及其使用条件。25．简述DW检验的局限性。 26．序列相关性的后果。 27．简述序列相关性的几种检验方法。 28．广义最小二乘法（GLS）的基本思想是什么？ 29．解决序列相关性的问题主要有哪几种方法？ 30．差分法的基本思想是什么？ 31．差分法和广义差分法主要区别是什么？ 32．请简述什么是虚假序列相关。 33．序列相关和自相关的概念和范畴是否是一个意思？ 34．DW值与一阶自相关系数的关系是什么？ 35．什么是多重共线性？产生多重共线性的原因是什么？ 36．什么是完全多重共线性？什么是不完全多重共线性？ 37．完全多重共线性对OLS估计量的影响有哪些？ 38．不完全多重共线性对OLS估计量的影响有哪些？ 39．从哪些症状中可以判断可能存在多重共线性？ 40．什么是方差膨胀因子检验法？ 41．模型中引入虚拟变量的作用是什么？ 42．虚拟变量引入的原则是什么？ 43．虚拟变量引入的方式及每种方式的作用是什么？ 44．判断计量经济模型优劣的基本原则是什么？ 45．模型设定误差的类型有那些？ 46．工具变量选择必须满足的条件是什么？ 47．设定误差产生的主要原因是什么？ 48．在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？ 49．估计有限分布滞后模型会遇到哪些困难 50．什么是滞后现像？产生滞后现像的原因主要有哪些？ 51．简述koyck模型的特点。 52．简述联立方程的类型有哪几种 53．简述联立方程的变量有哪几种类型 计量经济学重点（简答题） 一、什么是计量经济学计量经济学，又称经济计量学，它是以一定的经济理论和实际统计资料为 依据，运用数学、统计学和计算机技术，通过建立计量经济学模型，定量分析经济变量之间的随机因果关系.。 二、计量经济学的研究的步骤是什么 1)理论模型的设计 A.理论或假说的陈述； B.理论的数学模型的设定； C.理论的计量经济模型的设定。 i.把模型中不重要的变量放进随机误差项中； ii.拟定待估参数的理论期望值。 2)获取数据 数据来源：网络、统计年鉴、报纸、杂志 数据类别：时间序列数据、截面数据、混合数据、虚变量数据。 数据要求：完整性、准确性、可比性、一致性 i.完整性：模型中包含的所有变量都必须得到相同容量的样本观察值。 ii.准确性：统计数据或调查数据本身是准确的。 iii.可比性：数据口径问题。 iv.一致性：指母体与样本的一致性。 3)模型的参数估计：普通最小二乘法。 4)模型的检验：经济学检验；统计学检验；计量经济学检验；模型的预测检验。 5)模型的应用：结构分析；经济预测；政策评价；经济理论的检验与发展。 三、简述统计数据的类别 时间序列数据、截面数据、混合数据、虚变量数据。 1)时间序列数据：按时间先后排列收集的数据。 采纳时间序列数据的注意事项： A.所选择的样本区间的经济行为一致性问题。 B.样本数据在不同样本点之间的可比性问题。 C.样本数据过于集中的问题。不能反映经济变量间的结构关系，应增大观察区间。 D.模型的随机误差项序列相关问题。 2)截面数据：又称横向数据，是一批发生在同一时间截面上的调查数据。研究某时点上的变 化情况。 采纳截面数据的注意事项： A.样本与母体的一致性问题。 B.随机误差项的异方差问题。 3)混合数据：也称面板数据，既有时间序列数据，又有截面数据。 4)虚变量数据：又称二进制数据，只能取0和1两个值，表示的是某个对象的质量特征。 四、模型的检验包括哪几个方面具体含义是什么 1)经济学检验：参数的符合和大致取值。 2)统计学检验：拟合优度检验；模型的显着性检验；参数的显着性检验。 3)计量经济学检验：序列相关性；异方差检验；多重共线性检验。 4)模型的预测检验：a，扩大样本容量或变换样本重新估价模型；b，利用模型对样本期以外的 某一期进行预测。 简答题 一、计量经济学的步骤 答:选择变量与数学关系式——模型设定 确定变量间的数量关系——估计参数 检验所得结论的可靠性——模型检验 作经济分析与经济预测——模型应用 二、模型检验 答:所谓模型检验,就就是要对模型与所估计的参数加以评判,判定在理论上就是否有意义,在统计上就是否有足够的可靠性。对计量经济模型的检验主要应从以下四方面进行:1、经济意义的检验。2、统计推断检验。3、计量经济学检验。 4、模型预测检验。 三、模型应用 答:(1)经济结构分析,就是指用已经估计出参数的模型,对所研究的经济关系进行定量的考查,以说明经济变量之间的数量比例关系。 (2)经济预测,就是指利用估计了参数的计量经济模型,由已知的或预先测定的解释变量,去预测被解释变量在所观测的样本数据以外的数值。 (3)政策评价,就是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算,从而对各种政策方案作出评价。 (4)检验与发展经济理论,就是利用计量经济模型去验证既有经济理论或者提出新的理论。 四、普通OLS方法的思想与它的计算方法 答:计量经济学研究的直接目的就是确定总体回归函数Yi=B1+B2Xi+ui,然而能够得到的知识来自总体的若干样本的观测值,要用样本信息建立的样本回归函数尽可能“接近”地去估计总体回归函数。为此,可以以从不同的角度去确定建立样本回归函数的准则,也就有了估计回归模型参数的多种方法。例如,用生产该样本概率最大的原则去确定样本回归函数,成为极大似然发展;用估计的剩余平方与的最小的原则确定样本回归函数。称为最小二乘法则。 为了使样本回归函数尽可能接近总体回归函数,要使样本回归函数估计的 第一章导论 一、单项选择题 1-6: CCCBCAC 二、多项选择题 ABCD;ACD;ABCD 三.问答题 什么是计量经济学？ 答案见教材第3页 四、案例分析题 假定让你对中国家庭用汽车市场发展情况进行研究，应该分哪些步骤，分别如何分析？（参考计量经济学研究的步骤） 第一步：选取被研究对象的变量：汽车销售量 第二步：根据理论及经验分析，寻找影响汽车销售量的因素，如汽车价格，汽油价格，收入水平等 第三步：建立反映汽车销售量及其影响因素的计量经济学模型 第四步：估计模型中的参数； 第五步：对模型进行计量经济学检验、统计检验以及经济意义检验； 第六步：进行结构分析及在给定解释变量的情况下预测中国汽车销售量的未来值为汽车业的发展提供政策实施依据。 第二章简单线性回归模型 一、填空题 1、线性、无偏、最小方差性（有效性），BLUE。 2、解释变量；参数；参数。 3、随机误差项；随机误差项。 二、单项选择题 1-4：BBDA;6-11：CDCBCA 三、多项选择题 1.ABC; 2.ABC; 3.BC; 4.ABE; 5.AD; 6.BC 四、判断正误： 1. 错； 2. 错； 3. 对； 4.错； 5. 错； 6. 对； 7. 对； 8.错 五、简答题： 1.为什么模型中要引入随机扰动项？ 答：模型是对经济问题的一种数学模型，在模型中，被解释变量是研究的对象，解释变量是其确定的解释因素，但由于实际问题的错综复杂，影响被解释变量的因素中，除了包括在模型中的解释变量以外，还有其他一些因素未能包括在模型中，但却影响被解释变量，我们把这类变量统一用随机误差项表示。随机误差项包含的因素有： 第一章 判断题 1、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。 错。参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。 4.一元线性回归模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的； 正确最好能够写出一元线性回归模型；F 统计量与t统计量的关系，即F= t2的来历；或者说明一元线性回归仅有一个解释变量，因此对斜率系数的t 检验等价于对方程的整体性检验。 6、在对参数进行最小二乘估计之前，没有必要对模型提出经典假定。 错误 在经典假定条件下，OLS 估计得到的参数估计量是该参数的最佳线性无偏估计（具有线性、无偏性、有效性）。总之，提出古典假定是为了使所作出的估计量具有较好的统计性质和方便地进行统计推断。 简答题 1．在确定了被解释变量之后，怎样才能正确地选择解释变量？ （1）需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。（2）要考虑数据的可得性。（3）要考虑所以入选变量之间的关系，使得每一个解释变量都是独立的。 2．时间序列数据和横截面数据有何不同？ 时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。 3．相关关系与因果关系的区别与联系。 相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。计量经济学试题
计量经济学简答题及答案
计量经济学重点简答论述题
计量经济学简答题整理版
计量经济学简答题及答案43378
计量经济学简答题 (2)
计量经济学简答
计量经济学重要简答题
计量经济学名词解释和简答题
计量经济学简答题
计量经济学重要简答题
计量经济学-期末考试-简答题
计量经济学重点简答论述题
计量经济学简答题整理
计量经济学答案部分Word版
计量经济学简答题部分答案-自行整理的-仅供参考
相关主题
文本预览