下载文档原格式
计量经济学练习题第一章导论一、单项选择题⒈计量经济研究中常用的数据主要有两类：一类是时间序列数据，另一类是【 B 】A 总量数据B 横截面数据C平均数据 D 相对数据⒉横截面数据是指【 A 】A 同一时点上不同统计单位相同统计指标组成的数据B 同一时点上相同统计单位相同统计指标组成的数据C 同一时点上相同统计单位不同统计指标组成的数据D 同一时点上不同统计单位不同统计指标组成的数据⒊下面属于截面数据的是【 D 】A 1991-2003年各年某地区20个乡镇的平均工业产值B 1991-2003年各年某地区20个乡镇的各镇工业产值C 某年某地区20个乡镇工业产值的合计数D 某年某地区20个乡镇各镇工业产值⒋同一统计指标按时间顺序记录的数据列称为【 B 】A 横截面数据B 时间序列数据C 修匀数据 D原始数据⒌回归分析中定义【 B 】A 解释变量和被解释变量都是随机变量B 解释变量为非随机变量，被解释变量为随机变量C 解释变量和被解释变量都是非随机变量D 解释变量为随机变量，被解释变量为非随机变量二、填空题⒈计量经济学是经济学的一个分支学科，是对经济问题进行定量实证研究的技术、方法和相关理论，可以理解为数学、统计学和_经济学_三者的结合。
⒉现代计量经济学已经形成了包括单方程回归分析，联立方程组模型，时间序列分析三大支柱。
⒊经典计量经济学的最基本方法是回归分析。
计量经济分析的基本步骤是：理论（或假说）陈述、建立计量经济模型、收集数据、计量经济模型参数的估计、检验和模型修正、预测和政策分析。
⒋常用的三类样本数据是截面数据、时间序列数据和面板数据。
⒌经济变量间的关系有不相关关系、相关关系、因果关系、相互影响关系和恒等关系。
三、简答题⒈什么是计量经济学它与统计学的关系是怎样的计量经济学就是对经济规律进行数量实证研究，包括预测、检验等多方面的工作。
计量经济学是一种定量分析，是以解释经济活动中客观存在的数量关系为内容的一门经济学学科。
第一章：绪论1.计量经济学的学科属性、计量经济学与经济学、数学、统计学的关系；2.计量经济研究的四个基本步骤（1）建立模型（依据经济理论建立模型,通过模型识别、格兰杰因果关系检验、协整关系检验建立模型）；（2）估计模型参数（满足基本假设采用最小二乘法，否则采用其他方法：加权最小二乘估计、模型变换、广义差分法等）；（3 ）模型检验:经济意义检验（普通模型、双对数模型、半对数模型中的经济意义解释，见例1、例2 ）,统计检验（T检验，拟合优度检验、F检验,联合检验等）；计量经济学检验（异方差、自相关、多重共线性、在时间序列模型中残差的白噪声检验等）；（4 ）模型应用。
例1:在模型中，y某类商品的消费支出，x收入，P商品价格，试对模型进行经济意义检验，并解释A"》的经济学含义。
In X = 0.213 +0.25 In 一0.31£其中参数卩'",都可以通过显著性检验。
经济意义检验可以通过（商品需求与收入正相关、与商品价格负相关\商品消费支出关于收入的弹性为0.25 （ 1心/畑）=0.251】心/仏））；价格增加一个单位，商品消费需求将减少31%。
例2 :硏究金融发展与贫富差距的关系，认为金融发展先使贫富差距加大（恶化）, 尔后会使贫富差距降＜氐（好转），成为倒U型。
贫富差距用GINI系数表示，金融发展用（贷款余额/存款总额）表示。
回归结果G/^VZ r =2.34 + 0.641；-1.29x；/模型参数都可以通过显著性检验。
在X的有意义的变化范围内,GINI系数的值总是大于1 ,细致分析后模型变的毫无意义；同样的模型还有：GINI系数的值总是为负= —13.34 + 7.12 兀一14.31#O3.计量经济学中的一些基本概念数据的三种类型：横截面数据、时间序列数据、面板数据；线性模型的概念；模型的解释变量与被解释变量，被解释变量为随机变量（如果—个变量为随机变量,并与随机扰动项相关，这个变量称为内生变量），被解释变量为内生变量,有些解释变量也为内生变量。
计量经济学重点第一章经济计量学的特征及研究范围1、经济计量学的定义P11经济计量学是利用经济理论、数学、统计推断等工具对经济现象进行分析的一门社会科学；2经济计量学运用数理统计学分析经济数据,对构建于数理经济学基础之上的模型进行实证分析,并得出数值结果;2、学习计量经济学的目的计量经济学与其它学科的区别P1-P21计量经济学与经济理论经济理论：提出的命题和假说,多以定性描述为主计量经济学：依据观测或试验,对大多数经济理论给出经验解释,进行数值估计2计量经济学与数理经济学数理经济学：主要是用数学形式或方程或模型描述经济理论计量经济学：采用数理经济学家提出的数学模型,把这些数学模型转换成可以用于经验验证的形式3计量经济学与经济统计学经济统计学：涉及经济数据的收集、处理、绘图、制表计量经济学：运用数据验证结论3、进行经济计量的分析步骤P2-P31建立一个理论假说2收集数据3设定数学模型4设立统计或经济计量模型5估计经济计量模型参数6核查模型的适用性：模型设定检验7检验源自模型的假设8利用模型进行预测4、用于实证分析的三类数据P3-P41时间序列数据：按时间跨度收集到的定性数据、定量数据；2截面数据：一个或多个变量在某一时点上的数据集合；3合并数据：包括时间序列数据和截面数据;一类特殊的合并数据—面板数据纵向数据、微观面板数据：同一个横截面单位的跨期调查数据第二章线性回归的基本思想：双变量模型1、回归分析P18用于研究一个变量称为被解释变量或应变量与另一个或多个变量称为解释变量或自变量之间的关系2、回归分析的目的P18-P191根据自变量的取值,估计应变量的均值；2检验建立在经济理论基础上的假设；3根据样本外自变量的取值,预测应变量的均值；4可同时进行上述各项分析;3、总体回归函数PRFP19-P221概念：反映了被解释变量的均值同一个或多个解释变量之间的关系2表达式：①确定/非随机总体回归函数：EY|Xi =B1+B2XiB1：截距；B2：斜率从总体上表明了单个Y同解释变量和随机干扰项之间的关系②随机/统计总体回归函数：Yi =B1+B2Xi+μiμi：随机扰动项随机误差项、噪声B1+B2Xi：系统/确定性部分μi：非系统/随机部分4、随机误差项P221定义：代表了与被解释变量Y有关但未被纳入模型变量的影响;每一个随机误差项对于Y的影响是非常小的,且是随机的;随机误差项的均值为02性质①误差项代表了未纳入模型变量的影响；②反映人类行为的内在随机性；③代表了度量误差；④反映了模型的次要因素,使得模型描述尽可能简单;5、样本回归函数P22-P251概念：是总体回归函数的近似2表达式①确定/非随机样本回归函数：i =b1+b2Xib 1：截距；b2：斜率②随机/统计样本回归函数：Yi =b1+b2Xi+eiei ：残差项残差,ei= Yi-iB1+B2Xi：系统/确定性部分μ：非系统/随机部分6、条件期望与非条件期望1EY|Xi条件期望：在解释变量X给定条件下Y的条件期望,可以通过X给定条件下的条件概率分布得到；2非条件期望：在不考虑其他随机变量取值情况时,某个随机变量的期望值;它可以通过该随机变量的非条件分布或边缘分布得到;6、线性回归模型回归参数为线性B的模型7、回归系数/回归参数线性回归模型中的B参数8、回归系数的估计量bs说明了如何通过样本数据来估计回归系数Bs,计算出的回归系数的值称为样本回归估计值9、随机总体回归函数与随机样本回归函数的关系1随机样本回归函数：从所抽取样本的角度说明了被解释变量Yi 同解释变量Xi及残差ei之间的关系；2随机总体回归函数：从总体的角度说明了被解释变量Yi 同解释变量Xi及随机误差项μ之间的关系;10、关于线性回归的两种解释P25-P261变量线性：应变量的条件均值是自变量的线性函数此解释下的非线性回归：EY= B1+B2Xi2；EY= B1+B2×1/Xi2参数线性：应变量的条件均值是参数B的线性函数此解释下的非线性回归：EY= B1+B22Xi线性回归在教材中指的是参数线性的回归11、多元线性回归的表达式P261确定/非随机总体回归函数：EX=B1+B2X2i+B3X3i+B4X4i2随机/统计总体回归函数：Yi = B1+B2X2i+B3X3i+B4X4i+μi12、最小二乘法OLS法P26-P281最小二乘以残差被解释变量的实际值同拟合值之间的差平方和最小的原则对回归模型中的系数进行估计的方法;1表达式2重要性质①用OLS法得出的样本回归线经过样本均值点：；②残差的均值总为0；③对残值与解释变量的积求和,其值为0,即这两个变量不相关：④对残差与i 估计的Yi的积求和,其值为0,即第三章双变量模型：假设检验1、古典线性回归模型的假设P41-P441回归模型是参数线性的,但不一定是变量线性的：Yi =B1+B2Xi+μi2解释变量X与扰动误差项μ不相关3给定Xi ,扰动项的期望或均值为0：Eμ| Xi=04μi 的方差为常数,或同方差：varμi=σ2每个Y值以相同的方差分布在其均值周围,非这种情况为异方差5无自相关假定：两个误差项之间不相关,covμi ,μj=06回归模型是正确假定的：实证分析的模型不存在设定偏差或设定误差2、OLS估计量运用最小二乘法计算出的总体回归参数的估计量3、普通最小二乘估计量的方差与标准误P44-P461的方差与标准误①方差：②标准误：2的方差与标准误①方差：②标准差：3的计算公式n-2为自由度：独立观察值的个数4：回归标准误,常用于度量估计回归线的拟合优度,值越小,Y的回归值越接近根据回归模型得到的估计值4、OLS估计量的性质P461b1和b2是线性估计量：它们是随机变量Y的线性函数2b1和b2是无偏估计量：Eb1=B1,Eb2=B23Eσ^2=σ^2：误差方差的OLS估计量是无偏的4b 1和b 2是有效估计量：varb 1小于B 1的任意一个线性无偏估计量的方差,varb 2小于B 2的任意一个线性无偏估计量的方差 5、OLS 估计量的抽样分布或概率分布P47-P481新加的假设：在总体回归函数Yi=B 1+B 2X i +μi 中,误差项μi 服从均值为0,方差为σ^2的正态分布：μi ~N0,σ^2 2OLS 估计量服从的分布情况：b 1~NB 1,σ2b1 b 2~NB 2,σ2b26、假设检验P48-P53 1使用公式近似2方法①置信区间法②显着性检验法：对统计假设的检验过程 3几个相关检验①t 检验法：基于t 分布的统计假设检验过程 ②双边检验：备择假设是双边假设的检验 ③单边检验：备择假设是单边假设的检验 7、判定系数r 2P53-P56 1重要公式：TSS=ESS+RSS①总平方和TSS=：真实Y 值围绕其均值的总变异；②解释平方和ESS=：估计的Y值围绕其均值=的变异,也称为回归平方和由解释变量解释的部分③残差平方和RSS=：Y变异未被解释的部分2r2判定系数的定义：度量回归线的拟合程度回归模型对Y变异的解释比例/百分比3r2的性质①非负性②0≤r2≤14r2的计算公式5r的计算公式8、同方差性方差相同9、异方差性方差不同10、BLUE最佳线性无偏估计量,即该估计量是无偏估计量,且在所有的无偏估计量中方差最小11、统计显着拒绝零假设的简称第四章多元回归：估计与假设检验1、三变量线性回归模型EYi =B1+B2Xt+ B3X3tY i =B1+B2X2t+ B3X3t+μi2、偏回归系数B2,B3：1B2：在X3保持不变的情况下,X2单位变动引起Y均值EY的变动量2B3：在X2保持不变的情况下,X3单位变动引起Y均值EY的变动量3、多元线性回归模型的若干假定P73-P74 1回归模型是参数线性的,并且是正确设定的2X2,X3与扰动误差项μ不相关①X2,X3非随机：自动满足②X2,X3随机：必须独立同分布于误差项μ3误差项的期望或均值为0：Eμi=04同方差假定：varμi=σ25误差项μi ,μi无自相关：两个误差项之间不相关,covμi,μji≠j6解释变量X2和X3之间不存在完全共线性,即两个解释变量之间无严格的线性关系X2不能表示为另一变量X3的线性函数7随机误差μ服从均值为0,同方差为σ^2的正态分布：μi~N0,σ2 4、多重共线性问题1完全共线性：解释变量之间存在的精确的线性关系2完全多重共线性：解释变量之间存在着多个精确的线性关系5、多元回归函数的估计P74-P756、OLS估计量的方差与标准误P75-P761b1的方差与标准误2b1的方差与标准误3b3的方差与标准误7、多元判定系数P76-P778、多元回归的假设检验P78 方法类似于第三章9、检验联合假设P80-P811联合假设：H0：B2=B3=0H：R2=0多元回归的总体显着性检验2三变量回归模型的方差分析表2F分布公式10、F与R2之间的重要关系P82-P83 1关系式2R2形式的方差分析表11、设定误差P84会导致模型中遗漏相关变量12、校正判定系数P84-P851作用衡量了解释变量能解释的离差占被解释变量总离差的比例2公式3性质①如果k>1,则≤R2,即随着模型中解释变量个数的增加,校正判定系数越来越小于非校正判定系数②虽然未校正判定系数R2总为正,但校正判定系数可能为负13、受限最小二乘法P86-P871受限模型：B2=B3=02非受限模型：包含了所有相关变量3受限最小二乘法：对受限模型用OLS估计参数4非受限最小二乘法：对非受限模型用OLS估计参数5判定对模型施加限制是否有效的F分布公式14、显着性检验1单个多元回归系数的显着性检验①提出零假设和备择假设；②选择适当的显着性水平；③在零假设为真的情况下,计算t统计量；④将t统计量的绝对值|t|同相应自由度和显着性水平下的临界值相比较；⑤如果t统计量大于临界值,则拒绝零假设;该步骤中务必要使用合适的单边或双边检验;2所有偏斜率系数的显着性检验①零假设：H0：B2=B3=...=Bk=0,即所有的偏回归系数均为0；②备择假设：至少一个偏回归系数不为0；③运用方差分析和F检验；④如果F统计量的值大于相应显着性水平下的临界值,拒绝零假设,否则接受；⑤3在1和2中可以不事先选择好显着性水平,只需得到相应统计量的p值,如果p 值足够小,我们就可以拒绝零假设;第五章回归模型的函数形式1、不同的函数形式P121模型形式斜率强性线性双对数对数—线性线性—对数倒数逆对数2、多元对数线性回归模型P104-P1073、线性趋势模型P1104、多项式回归模型P116-P1175、过原点的回归P1186、标准化变量的回归P120第六章虚拟变量回归模型1、虚拟变量P133-P134因变量受到一些定性变量的影响,这类定性变量称为虚拟变量,用D表示虚拟变量,虚拟变量的取值通常为0和12、虚拟变量陷阱P136引入的虚拟变量个数应该比研究的类别少一个,否则就会造成完全多重共线,即通常说的虚拟变量陷阱3、虚拟变量回归模型的类型包含一个定量变量、一个定性变量的回归模型1只影响截距加法模型2只影响斜率乘法模型3同时影响截距与斜率混合模型4、交互效应P142：交互作用虚拟变量5、分类变量和定性变量这类变量的取值不是一般的数据数值变量或定量变量,它们通常代表所研究的对象是否具有的某种特征;6、方差分析模型ANOVA解释变量仅包含定型变量或虚拟变量的回归模型;7、协方差分析模型ANOCVA回归模型中的解释变量有些是线性的,有些是定量的;8、差别截距虚拟变量包含此变量的模型能够分辨被解释变量的均值在不同类别之间是否相同; 9、差别斜率虚拟变量包含此变量的模型能够分辨不同类别之间被解释变量均值变化率的变化范围第七章模型选择：标准与检验1、好的模型具有的性质P164-P1651简约性：模型应尽可能简单；2可识别性：每个参数只有一个估计值；3拟合优度：用模型中所包含的解释变量尽可能地解释应变量的变化；4理论一致性：构建模型时,必须有一定的理论基础；5预测能力：选择理论预测与实践吻合的模型;2、产生设定误差的原因1研究者对所研究问题的相关理论了解不深2研究者没有关注本领域前期的研究成果3研究者在研究中缺乏相关数据4数据测量时的误差3、设定误差的类型P1651遗漏相关变量：“过低拟合”模型P165-P168实际模型：估计模型：后果：①如果遗漏变量X3与模型中的变量X2相关,则a1和a2是有偏的;也就是说,其均值或期望值与真实值不一致；②a1和a2也是不一致的,即无论样本容量有多大,偏差也不会消失；③如果X2和X3不相关,则b32为零,即a2是无偏的,同时也是一致的；④根据两变量模型得到的误差方差是真实误差方差σ2的有偏估计量；⑤此外,通常估计的a2的方差是真实估计量方差的有偏估计量;即使等于零,这一方差仍然是有偏的；⑥通常的置信区间和假设检验过程不再可靠;置信区间将会变宽,因此可能会“更频繁地”接受零假设：系数的真实值为零;2包括不相关变量：“过度拟合”模型P168-169正确模型：错误模型：后果：①过度拟合模型的估计量是无偏的也是一致的；②从过度拟合方程得到的σ2的估计量是正确的；③建立在t检验和F检验基础上的标准的置信区间和假设检验仍然是有效的；④从过度拟合模型中估计的a是无效的——其方差比真实模型中估计的b的方差大;因此,建立在a的标准误上的置信区间比建立在b的标准误上的置信区间宽,尽管前者的假设检验是有效的;总之,从过度拟合模型中得到的OLS估计量是线性无偏估计量,但不是最优先性无偏估计量;3不正确的函数形式P170-171如果选了错误的函数形式,则估计的系数可能是真实系数的有偏估计量;4度量误差①应变量中度量误差对回归结果的影响i. OLS估计量是无偏的；ii. OLS估计量的方差也是无偏的；iii. 估计量的估计方差比没有度量误差时的大,因为应变量中的误差加入到了误差项中;②解释变量的度量误差对回归结果的影响i. OLS估计量是有偏的；ii. OLS估计量也是不一致的;③解决方法：如果解释变量中存在度量误差,建议使用工具变量或替代变量;4、设定误差的诊断1诊断非相关变量P172-P1742对遗漏变量和不正确函数形式的检验P174-P175①判定系数R2和校正后的R2;②估计的t值;③与先验预期相比,估计系数的符号;3在线性和对数线性模型之间选择：MWD检验P175-P176：线性模型：Y是X的线性函数①设定如下假设;HH：对数线性模型：lnY是X或lnX的线性函数1②估计线性模型,得到Y的估计值③估计线性对数模型,得到lnY的估计值④求⑤做Y对X和的回归,如果根据t检验的系数是统计显着的,则拒绝H0⑥求⑦做lnY对X或lnX和的回归,如果的系数是统计显着的,则拒绝H14回归误差设定检验：RESETP177-P178①根据模型估计出Y值;②把的高次幂,,等纳入模型以获取残差和之间的系统关系;由于上图表明残差和估计的Y值之间可能存在曲线关系,因而考虑如下模型③令从以上模型中得到的为,从前一个方程得到的为,然后利用如下F检验判别从以上方程中增加的是否是统计显着的;④如果在所选的显着水平下计算的Ｆ值是统计显着的,则认为原始模型是错误设定的;第八章多重共线性：解释变量相关会有什么后果1、完全多重共线性P183-P185回归模型的某个解释变量可以写成其他解释变量的线性组合;设X2可以写成其他某些解释变量的线性组合,即：X 2=a3X3＋a4X4…＋akXk至少有一个ai≠0,i= 2,3,…k称存在完全多重共线性2、高度多重共线性P185-P187X2与其他解释变量高度共线性,即可以近似写成其他解释变量的线性组合X 2=a3X3＋a4X4…＋akXk＋i至少有一个ai ≠0,i= 2, 3,…k, vi是随机误差项;3、产生多重共线的原因1时间序列解释变量受同一因素影响经济发展、政治事件、偶然事件、时间趋势经济变量的共同趋势2模型设立：解释变量中含有当期和滞后变量4、多重共线性的理论后果P187-P188OLS估计量仍然是最优无偏估计量1在近似共线性的情形下,OLS估计量仍然是无偏的；2近似共线性并未破坏OLS估计量的最小方差性；3即使在总体回归方程中变量X之间不是线性相关的,但在某个样本中,X变量之间可能线性相关;5、多重共线性的实际后果P188-P1891OLS估计量的方差和标准误较大；2置信区间变宽；3t值不显着；4R2值较高；5OLS估计量及其标准误对数据的微小变化非常敏感6回归系数符号有误；7难以评估各个解释变量对回归平方和ESS或者R2的贡献6、多重共线性的诊断P189-P1921观察回归结果R2较高,F很大,但t值显着的不多;多重共线性的经典特征R2较高,F检验拒绝零假设,但各变量的t检验表明,没有或少有变量系数是统计显着的;2简单相关系数法解释变量两两高度相关;变量相关系数比如超过,则可能存在较为严重的共线性;这一标准并不总是可靠,相关系数较低时,也有可能存在共线性3检查偏相关系数不一定可行4判定系数法辅助回归某个解释变量对其余的解释变量进行回归如果判定系数很大,F检验显着,即X与其他解释变量存在多重共线i5方差膨胀因子7、多重共线性的补救P195-P1981从模型中删除引起共线性的变量①找出引起多重共线性的解释变量,将它排除出去最为简单的克服多重共线性问题的方法;②逐步回归法i. 逐步引入如果拟合优度变化显着—新引入的变量是一个独立解释变量；选择解释变量的原则:a. 调整的R2增加,每个∣t∣增加,则保留引入变量；b. 调整的R2下降,每个∣t∣变化不大,则删除引入变量；ii. 逐步剔除①排除变量时应该注意：i. 由实际经济分析确定变量的相对重要性,删除不太重要的变量；ii. 如果删除变量不当,会导致模型设定误差;2获取额外的数据或新的样本3重新考虑模型4先验信息5变量变换将原模型变换为差分模型可有效消除存在于原模型中的多重共线性一般,增量之间的线性关系远比总量之间的线性关系弱得多; 第九章异方差：如果误差方差不是常数会有什么后果1、异方差的定义随机误差项ui 的方差随着解释变量Xi的变化而变化,即：2、异方差的性质P205-P208OLS估计仍是线性无偏,但不具最小方差1线性性2无偏性3方差式1不具有最小方差,式2具有最小方差3、异方差性的后果P209-P210经典模型假定下,OLS估计量是最优线性无偏估计量BLUE;去掉同方差假定：1OLS估计量仍是线性的；2OLS估计量仍是无偏的；3OLS估计量不再具有最小方差性,即不再是最优有效估计量;4OLS估计量的方差通常是有偏的；5偏差的产生是由于,即不再是真实σ2的无偏估计量；6建立在t分布和F分布之上的置信区间和假设检验是不可靠的,如果沿用传统的检验方法,可能得出错误的结论;4、异方差的检验1图形检验P211-P212e2对一个或多个解释变量或Y的拟合值作图; 2帕克检验Park TestP212-P214假定误差方差与解释变量相关形式：步骤：①做OLS估计求平方,取对数②对ei③做辅助回归④检验零假设：B=023格莱泽检验Glejser TestP214假定误差方差与解释变量相关形式：步骤：①做OLS估计②对e求绝对值i③做辅助回归方程=0④检验零假设：B24怀特检验White TestP215-P216和交叉乘积呈线性关系假定误差方差与X、X2步骤：①OLS估计得残差②做辅助回归③检验统计量5、异方差的修正1加权最小二乘法WLSWeighted Least SquaresP217-P222①方差已知原模型：加权后的模型：误差项的方差为：1加权的权数：②方差未知成比例：i. 误差方差与Xi模型变换：ii. 误差方差与Xi2成比例：模型变换：2怀特异方差校正的标准误P222-P223①如果存在异方差,则对于通过OLS得到的估计量不能进行t检验和F检验;②怀特估计方法③大样本情形下回归标准差和回归系数的一致估计量,可以进行t检验和F检验;第十章自相关：如果误差项相关会有什么结果1、自相关的定义P233按时间或空间顺序排列的观察值之间存在的相关关系;2、自相关的性质P233-P2341若古典线性回归模型中误差项ui不存在自相关Covui,uj=Eui,uj=0,i≠j2若误差项之间存在着依赖关系—ui存在自相关Covui,uj=Eui,uj≠0,i≠j3、产生自相关的原因P235-P2361惯性2设定偏误①模型中遗漏了重要变量;②模型选择了错误的函数形式;i. 从不正确的模型中得到的残差会呈现自相关;ii. 检验是否由于模型设定错误而导致残差自相关的方法：3蛛网现象4数据的加工①在用到季度数据的时间序列回归中,这些数据通常来自于每月数据;这种数据加工方式减弱了每月数据的波动而引进数据的匀滑性;②用季度数据描绘的图形要比用月度数据看来匀滑得多;这种匀滑性本身可能使扰动项中出现自相关;③内插法或外推法：用这些方法加工得到的数据都会给数据带来原始数据没有的系统性,这种系统性可能会造成误差自相关;4、自相关的后果P236-P2371OLS估计得到的仍为线性、无偏估计；2OLS估计不再具有有效性；3OLS估计量的方差有偏：低估了估计量的标准差；4通常所用的t检验和F检验是不可靠的；5计算得到的误差方差是真实σ2的无偏估计量,并且很有可能低估了真实的σ2；6通常计算的R2不能测度真实的R27通常计算的预测方差和标准误也是无效的5、自相关的诊断1图形法—时序图P237-P239①误差u并不频繁地改变符号,而是几个正之后跟着几个负,几个负之后跟着t几个正,则呈正自相关;②扰动项的估计值呈循环型,而是相继若干个正的以后跟着几个负的,表明存在正自相关;③扰动项的估计值呈锯齿型一个正接一个负,随时间逐次改变符号,表明存在负自相关;2检验P239-P242①定义值d值近似1 =-1完全负相关d=42 =0无自相关d=23 =1完全正相关d=0②DW检验的判断准则6、自相关的修正ρ的估计主要方法1ρ=1：一阶差分方法P244假定误差项之间完全正相关 Y t = α+βX t ＋u tu t = u t-1＋tY t - Y t-1= βX t －X t-1＋t2从DW 统计量中估计ρP244-P245 3从OLS 残差e t 中估计Cochrane-OrcuttP245-P246①e t = e t-1＋t②利用OLS 残差,得的估计量 ③迭代,得的收敛值。
第一章绪论一、知识点列表二、关键词1、计量经济学的定义关键词：计量经济学计量经济学是诞生于20 世纪30 年代的经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科；是经济理论、统计学和数学的结合。
计量经济学作为一种实证经济研究方法，其核心问题就是如何实现经济理论、数学和统计学的科学的结合。
2、经典计量经济学关键词：经典计量经济学经典计量经济学是在20 世纪30 年代创立、40-50 年代发展、60 年代扩张。
它倡导“经济理论、数学、统计学结合”的本质，具有坚实的概率论基础，注重“利用现有的数据资料以提取关于经济如何运行的信息”，以及它遵循“关于经济活动的观察（即行为分析）→关于经济理论的抽象（即理论假说）→建立总体回归模型→获取样本观测数据→估计模型→检验模型→应用模型”的研究步骤3、现代计量经济学关键词：现代计量经济学现代经济计量经济学是在经典计量经济学长足发展上展开，其目的是如何在模型研究中充分利用“现有的数据资料”，使其所揭示和描述的“经济如何运行的信息”与现实的经济运行实际更加吻合。
目前，现代计量经济学正在快速发展，其主要研究分支有：时间序列计量经济学（Time Series Econometrics）、微观计量经济学(Microeconometrics)、非参数计量经济学(Nonparametric Econometrics)、面板数据计量经济学(Panel Data Econometrics)（包括空间计量经济学（Spatial Econometrics））。
4、计量经济学应用研究中的数据结构类型关键词：横截面数据横截面数据是对给定的某个时间点的个人、家庭、企业、城市、国家或者一系列其他单位采集的样本所构成的数据集。
它的重要特征是数据假定是从总体中通过随机抽样而得到。
经典计量模型理论以该类数据为基础。
关键词：时间序列数据时间序列数据是在不同时间点上收集到的数据，反映了某一事物、现象等随时间的变化状态或程度。
第一章习题一、简答题１、举一个实例说明计量经济研究的共性问题。
２、为什么计量经济学方法在各个国家的各个领域都能运用？３、计量经济学要运用大量数学方法，但为什么说它是一门经济学科？４、计量经济模型的运用需要哪些基本要素？５、一般的经济模型与计量经济模型的根本区别是什么？６、计量经济研究中除了直接运用数理统计方法以外，为什么还要有专门的计量经济方法？７、理论计量经济学与应用计量经济学的区别是什么？８、计量经济学与经济学的联系和区别是什么？９、数理经济学与计量经济学的关系是什么？１０、计量经济学与经济统计学的联系和区别是什么？１１、计量经济学与数理统计学的联系和区别是什么？１２、计量经济模型中变量和参数的区别是什么？１３、为什么在计量经济模型中要引入随机扰动项？１４、你认为什么样的经济模型才是比较好的计量经济模型？１５、为什么要对参数进行估计？１６、参数的估计式与参数的估计值有什么区别？１７、为什么对估计出参数的计量经济模型还要进行检验？你能举一个例子说明各种检验的必要性吗？１８、对计量经济模型应当进行哪些方面的检验？１９、计量经济模型可作哪些方面的运用？这些运用的基本思想是什么？２０、利用计量经济模型作经济预测和政策分析有什么异同？２１、什么是被解释变量和解释变量？这两类变量在模型中的地位和作用有什么不同？２２、什么是内生变量和外生变量？在模型中这两类变量有什么联系？２３、对模型中参数的估计为什么要确定一定的户籍准则？２４、对模型中参数的估计有哪些最基本的要求？２５、无偏性的本质特征是什么？２６、最小方差性的本质特征是什么？２７、什么是均方误差？均方误差的作用是什么？２８、为什么有的时候要考虑所估计参数的渐近性质？２９、计量经济研究中数据起什么作用？３０、你认为计量经济研究中所需要的数据可从哪里获得？３１、 计量经济研究中所用的数据有哪些类型？ ３２、 什么样的数据才是符合计量经济研究所要求的？ ３３、 计量经济模型建立的基本依据是什么？ ３４、 什么是线性模型？什么是非线性模型？３５、 举例说明什么样的非线性模型可以转换为线性模型？ ３６、 举例说明什么样的非线性模型不能转换为线性模型？ ３７、 运用计量经济学方法研究经济问题的完整步骤是什么？ ３８、 建立计量经济模型的基本思想是什么？ ３９、 时间序列数据与横截面数据有什么不同？４０、 各举一个例子说明什么是时间序列数据、截面数据、混合数据、虚拟变量数据？４１、假如你是中国人民银行的顾问，需要你对增加货币供应量提出具体的建议，你将考虑哪些因素？你认为可以怎样运用计量经济模型研究这个问题？ 二、选择题1、单一方程计量经济模型必然包括（ ）A 、行为方程B 、技术方程C 、制度方程D 、定义方程 2、在同一时间不同统计单位的相同统计指标组成的数据组合，是（ ） A 、原始数据 B 、时点数据 C 、时间序列数据 D 、截面数据 3、计量经济模型的被解释变量一定是（ ）A 、控制变量B 、政策变量C 、内生变量D 、外生变量 *4、在一个计量经济模型中可作为结实变量的有（ ）A 、政策变量B 、控制变量C 、内生变量D 、外生变量E 、滞后变量*5、下列模型中属于线性模型的有（ ） A 、 B 、C 、6、同一统计指标按时间顺序记录的数据称为( )。
第一章引言第一节：计量经济学是啥呀一、计量经济学概念计量经济学是经济理论混合物数理经济经济统计数理统计1、计量经济学（Econometrics）利用数学和统计推断为工具，在经济理论指导下对经济现象进行分析，并对经济理论进行检验和发展的一门学科。
其内容涉及经济理论、数理经济、经济统计和数理统计等。
2、计量经济学与经济理论经济理论：定性计量经济学：数值估计，检验3、计量经济学与数理经济学数理经济学：以数学形式表述经济理论，不涉及理论的可度量性和经验方面的可论证性。
计量经济学：利用数理经济学的数学方程式，并把之改造成适合于经验检验的形式。
4、计量经济学与经济统计学经济统计：经济数据的收集、加工，不利用数据来检验经济理论。
计量经济学：以经济统计数据为原始资料进行分析。
5、计量经济学与数理统计数理统计：是计量经济学的基本工具，但由于经济数据的特殊性，力量经济学需要特殊的处理方法经济理论所做到的陈述和假设都是定性性质的，例如微观经济理论声称在其他条件不变的情况下，一种商品的价格下降可以增加对该商品的需求量，即经济理论设想（postulates)商品的价格与需求量之间有负的或者逆向的关系。
但理论并没有对这两者之间的关系提供任何有价值的度量，也就是并没有说出随着商品价格的某一变化，需求量将会上升或者下降多少。
计量经济学就是要提供这一数值的估计。
计量经济学对大多数经济理论赋予经验实质的东西。
数理经济学是应用数学形式表述经济理论而不去问理论的可度量性或者经验方面的可论证性。
计量经济学的兴趣在于经济理论和经验的论证。
计量经济学常采用数理经济学所提出的数学方程式，但需要把这些方程式改造为可以进行经验检验的形式。
这种从数学方程到计量方程的转换需要许多的创造性和实际技巧。
统计学的问题是收集、加工并通过图表形式展现经济数据。
这也是经济学家的工作。
他们是收集国名生产总值、就业、失业等数据的主要负责人。
这些数据构成了计量工作的原始资料。
1 第一章 绪论 （一）基本知识类题型 1-1． 什么是计量经济学？ 1-2． 简述当代计量经济学发展的动向。 1-3． 计量经济学方法与一般经济数学方法有什么区别？ 1-4．为什么说计量经济学是经济理论、数学和经济统计学的结合？试述三者之关系。 1-5．为什么说计量经济学是一门经济学科？它在经济学科体系中的作用和地位是什么？ 1-6．计量经济学的研究的对象和内容是什么？计量经济学模型研究的经济关系有哪两个基本特征？ 1-7．试结合一个具体经济问题说明建立与应用计量经济学模型的主要步骤。 1-8．建立计量经济学模型的基本思想是什么？ 1-9．计量经济学模型主要有哪些应用领域？各自的原理是什么？ 1-10．试分别举出五个时间序列数据和横截面数据，并说明时间序列数据和横截面数据有和异同？ 1-11．试解释单方程模型和联立方程模型的概念，并举例说明两者之间的联系与区别。 1-12．模型的检验包括几个方面？其具体含义是什么？ 1-13．常用的样本数据有哪些？ 1-14．计量经济模型中为何要包括随机误差项？简述随机误差项形成的原因。 1-15．估计量和估计值有何区别？哪些类型的关系式不存在估计问题？ 1-16．经济数据在计量经济分析中的作用是什么？ 1-17．下列假想模型是否属于揭示因果关系的计量经济学模型？为什么？ ⑴ SRtt1120012.. 其中St为第t年农村居民储蓄增加额（亿元）、Rt为第t年城镇居民可支配收入总额（亿元）。 ⑵ SRtt144320030.. 其中St1为第（1t）年底农村居民储蓄余额（亿元）、Rt为第t年农村居民纯收入总额（亿元）。 1-18．指出下列假想模型中的错误，并说明理由： （1）RSRIIVttt83000024112... 其中，RSt为第t年社会消费品零售总额（亿元），RIt为第t年居民收入总额（亿元）（城镇居民可支配收入总额与农村居民纯收入总额之和），IVt为第t年全社会固定资产投资总额 2
（亿元）。 （2）ttYC2.1180 其中，C 、Y分别是城镇居民消费支出和可支配收入。 （3）tttLKYln28.0ln62.115.1ln 其中，Y、K、L分别是工业总产值、工业生产资金和职工人数。 1-19．下列假想的计量经济模型是否合理，为什么？ （1）iGDPGDPi
其中，)3,2,1(GDPii是第i产业的国内生产总值。 （2）21SS 其中，1S 、2S分别为农村居民和城镇居民年末储蓄存款余额。 （3）tttLIY21 其中，Y、I、L分别为建筑业产值、建筑业固定资产投资和职工人数。 （4）ttPY 其中，Y、P分别为居民耐用消费品支出和耐用消费品物价指数。 （5）)(财政支出财政收入f （6）),,,(21XXKLf煤炭产量 其中，L、K分别为煤炭工业职工人数和固定资产原值，1X、2X分别为发电量和钢铁产量。 1-20．模型参数对模型有什么意义？ 3
习题参考答案 第一章 绪论 1-1．什么是计量经济学？ 答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。 1-2．答：计量经济学自20年代末、30年代初形成以来，无论在技术方法还是在应用方面发展都十分迅速，尤其是经过50年代的发展阶段和60年代的扩张阶段，使其在经济学科占据重要的地位，主要表现在：①在西方大多数大学和学院中，计量经济学的讲授已成为经济学课程表中有权威的一部分；②从1969~2003年诺贝尔经济学奖的XX位获奖者中有XX位是与研究和应用计量经济学有关；著名经济学家、诺贝尔经济学奖获得者萨缪尔森甚至说：“第二次世界大战后的经济学是计量经济学的时代”。③计量经济学方法与其他经济数学方法结合应用得到发展；④计量经济学方法从主要用于经济预测转向经济理论假设和政策假设的检验；⑤计量经济学模型的应用从传统的领域转向新的领域，如货币、工资、就业、福利、国际贸易等；⑥计量经济学模型的规模不再是水平高低的衡量标准，人们更喜欢建立一些简单的模型，从总量上、趋势上说明经济现象。 1-3．答：计量经济学方法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；一般经济数学方法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。 1-4．答： 1-5．答：从计量经济学的定义看，它是定量化的经济学；其次，从计量经济学在西方国家经济学科中居于最重要的地位看，也是如此，尤其是从诺贝尔经济学奖设立之日起，已有多人因直接或间接对计量经济学的创立和发展作出贡献而获得诺贝尔经济学奖；计量经济学与数理统计学有严格的区别，它仅限于经济领域；从建立与应用计量经济学模型的全过程看，不论是理论模型的设定还是样本数据的收集，都必须以对经济理论、对所研究的经济现象有透彻的认识为基础。综上所述，计量经济学确实是一门经济学科。 1-6．计量经济学的研究的对象和内容是什么？计量经济学模型研究的经济关系有哪两个基本特征？ 4
答：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律（或者说，计量经济学是利用数学方法，根据统计测定的经济数据，对反映经济现象本质的经济数量关系进行研究）。计量经济学的内容大致包括两个方面：一是方法论，即计量经济学方法或理论计量经济学；二是应用，即应用计量经济学；无论是理论计量经济学还是应用计量经济学，都包括理论、方法和数据三种要素。 计量经济学模型研究的经济关系有两个基本特征：一是随机关系；二是因果关系。 1-7．答： 1-8．答：计量经济学方法，就是定量分析经济现象中各因素之间的因果关系。所以，第一步，要根据经济理论分析所研究的经济现象，找出经济现象之间的因果关系及相互间的联系，把问题作为被解释变量，把影响问题的主要因素作为解释变量，把非主要因素归入随机项；第二步，要按照它们之间的行为关系选择适当的数学形式描述这些变量之间的关系，一般是用一组数学上彼此独立、互不矛盾、完整有解的方程组表示。在建立理论模型的时，要求理论模型在参数估计、模型检验的过程中不断得到修正，以便得到一个较好的、能够解释过去的、反映客观经济规律的数学模型。此外，还可以通过散电图或模拟的方法，选择一个拟合效果较好的数学模型。 1-9．答：计量经济学模型主要有以下几个方面的用途：①结构分析，即研究一个或几个经济变量发生变化及结构参数的变动对其他变量以至整个经济系统产生何种的影响；其原理是弹性分析、乘数分析与比较静力分析。②经济预测，即用其进行中短期经济的因果预测；其原理是模拟历史，从已经发生的经济活动中找出变化规律；③政策评价，即利用计量经济模型定量分析政策变量变化对经济系统运行的影响，是对不同政策执行情况的“模拟仿真”。④检验与发展经济理论，即利用计量经济模型和实际统计资料实证分析某个理论假说的正确与否；其原理是如果按照某种经济理论建立的计量经济模型可以很好地拟合实际观察数据，则意味着该理论是符合客观事实的，否则则表明该理论不能说明客观事实。 1-10．答：时间序列数据的例子如：改革开放以来25年中的GDP、居民人均消费支出、人均可支配收入、零售物价指数、固定资产投资等；横截面数据的例子如：2003年各省的GDP、该年各工业部门的销售额、该年不同收入的城镇居民消费支出、该年不同城镇居民的可支配收入、该年各省的固定资产投资等。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。 1-11．答：如果模型系统只包含一个方程，即只研究单一的经济活动过程，揭示其因素之间 5
的单向因果关系，则称该模型为单方程模型；如果模型系统涉及到多个经济关系而需要构造一个方程组，则称该模型为联立方程模型。二者之间有着密切联系，如：单方程模型是联立方程模型的组成元素，而联立方程模型又是由若干个单方程模型有机组合而成。二者又有区别，如：单方程模型都是随机方程，而联立方程模型中既有随机方程也又恒等方程。 1-12．答：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。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与大小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；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；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；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。 1-13．答：常用的样本数据包括：时间序列数据、横截面数据、虚变量数据和面板数据。 1-14．答：由于客观经济现象的复杂性，以至于人们目前仍难以完全地透彻地了解它的全貌。对于某一种经济现象而言，往往受到很多因素的影响，而人们在认识这种经济现象的时候，只能从影响它的很多因素中选择一种或若干种来说明。这样就会有许多因素未被选上，这些未被选上的因素必然也会影响所研究的经济现象。因此，由被选因素构成的数学模型与由全部因素构成的数学模型去描述同一经济现象，必然会有出入。为使模型更加确切地说明客观经济现象，所以有必要引入随机误差项。随机误差项形成的原因：①在解释变量中被忽略的因素；②变量观测值的观测误差；③模型的关系误差或设定误差；④其他随机因素的影响。 1-15．答： 1-16．答：经济数据是通过对经济变量进行观测和统计得到的，它们反映经济活动相关方面的水平和情况。从计量经济学的角度看，经济数据是计量经济分析的材料，或者说发现经济规律的信息载体，对经济规律的实证研究起十分关键的作用。为此，要求经济数据须具备完整性、准确性、可比性和一致性。 1-17． 1-18． 1-19． 1-20．
