计量经济学复习题【研】11

1第一章什么是计量经济学；计量经济学是以经济理论和经济数据的事实为依据，运用数学和统计学的方法，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。第二章简单线性回归1、简单线性回归模型中，随机变量u的表示的因素？是未知影响因素的代表(理论的模糊性)；是无法取得数据的已知影响因素的代表(数据欠缺)；是众多细小影响因素的综合代表(非系统性影响)；模型可能存在设定误差(变量、函数形式的设定）；模型中变量可能存在观测误差(变量数据不符合实际)；变量可能有内在随机性(人类经济行为的内在随机性)2、简单线性回归随机项的假设条件？零均值假定；同方差假定；无自相关假定；解释变量是非随机的，或者虽然是随机的但与扰动项不相关；正态性假定。3、总体归模型和样本回归模型？4、简述简单线性回归分析中可决系数的定义和性质以及与线性相关系数的关系。回归平方和（解释了的变差ESS在总变差（TSS）中所占的比重称为可决系数，用或表示:可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，模型拟合优度越好。反之可决系数越小，说明模型对样本观测值的拟合程度越差。联系：数值上可决系数是相关系数的平方-------------------------------------------------------------------------------------------------------第三章多元线性回归1、多元线性回归模型，偏回归系数222ˆiyRy2221iieRy2多元线性回归模型的意义一般形式：对于有K-1个解释变量的线性回归模型模型中的（j=1,2,---k）是偏回归系数，样本容量为n偏回归系数：控制其它解释量不变的条件下，第j个解释变量的单位变动对被解释变量平均值的影响，即对Y平均值“直接”或“净”的影响。2、多元线性回归参数估计公式为：YX'X)(X'β1ˆ，写出式各个向量和矩阵的具体形式。3、多元线性回归分析中，F检验和t检验的关系是什么，为何进行了F检验还要进行t检验？在一元回归中F检验与t检验等价,且F=t^2。对参数白塔2的显著性检验（t检验）与对回归总体上的显著性检验（F检验）等价。但在多元回归中，F检验显著，不一定每个解释变量都对Y有显著影响。还需要分别检验当其他解释变量保持不变时，各个解释变量X对被解释变量Y是否有显著影响。4、F检验的自由度确定？第四章多重共线性1、什么是多重共线性？完全多重共线性和不完全多重共线性2、多重共线性来源？经济变量之间的共同变化趋势；模型中包含滞后变量；利用截面数据；样本数据自身的原因。3、多重共线性的检验方法？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。方差扩大（膨胀）因子法方差膨胀因子越大，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。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jikikiiiuXXXY332213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。4、多重共线性主要的修正方法？●修正多重共线性的经验方法1.剔除变量法2.增大样本容量3.变换模型形式4.利用非样本先验信息5.横截面数据与时序数据并用6.变量变换●逐步回归法第五章异方差1、什么是异方差？7经济与管理学院第5章异方差性设模型为如果对于模型中随机误差项有：则称具有异方差性。进一步，把异方差看成是由于某个解释变量的变化而引起的，则异方差性的含义iu12233...1,2,...,iiikkiiYXXXuin2Var(),1,2,3,...,iiuin22Var()()iiiufX(5.4)(5.3)2、异方差产生的原因有那些?模型中省略了重要的解释变量；模型设定误差；数据测量误差的变化；截面数据中总体各单位的差异。3、异方差的影响：●对参数估计统计特性的影响存在异方差时OLS参数估计仍具有（无偏性），不具有（最小方差性）。4●对参数显著性检验的影响，严重破坏了t检验与f检验的有效性。●对预测的影响4、修正方法：线性回归存在异方差情况下补救的一般方法有：对模型变换、（加权最小二乘法）和模型的对数变化法。第六章自相关1、什么是自相关自相关（autocorrelation），又称序列相关（serialcorrelation）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。可以表示为:2、自相关的来源和后果来源：1）模型的数学形式设定不妥；2）经济系统惯性；3）模型中省略了重要的变量；4）经济效果的滞后性；5）数据处理、合并环节的影响后果：1）回归参数无偏，2）非最小方差，方差被低估；3）误差u的方差低估；4）t检验被高估，预测区间不可靠。第八章虚拟变量回归1、什么是虚拟变量计量经济学中，将取值为0和1的人工变量称为虚拟变量。4、虚拟变量的作用？属性因素的代表；非精确计量的数量因素代表；偶然因素或政策因素的代表；季节性代表和分段回归研究斜率解决截距的变化5、对于一个回归模型iiiuXY10，如果希望度量方程两个阶段截距的变化，如何设定虚拟变量，构建模型？如果希望度量方程两个阶段斜率的变化，又如何构建模型？0),(),(jijiuuEuuCov()ij517经济与管理学院第8章虚拟变量回归在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式两种：即实质:加法方式引入虚拟变量改变的是截距；乘法方式引入虚拟变量改变的是斜率。0tttYXu1D1tttYXu2tXD0112iiiY=+βX+u=+D=+D原模型加法方式引入乘法方式引入：在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式两种：即实质:加法方式引入虚拟变量改变的是截距；乘法方式引入虚拟变量改变的是斜率。0tttYXu1D1tttYXu2tXD0112iiiY=+βX+u=+D=+D原模型加法方式引入乘法方式引入：在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式两种：即实质:加法方式引入虚拟变量改变的是截距；乘法方式引入虚拟变量改变的是斜率。0tttYXu1D1tttYXu2tXD0112iiiY=+βX+u=+D=+D原模型加法方式引入乘法方式引入：在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式两种：即实质:加法方式引入虚拟变量改变的是截距；乘法方式引入虚拟变量改变的是斜率。0tttYXu1D1tttYXu2tXD0112iiiY=+βX+u=+D=+D原模型加法方式引入乘法方式引入：在计量经济学中，通常引入虚拟变量的方式分为加法方式和乘法方式两种：即实质:加法方式引入虚拟变量改变的是截距；乘法方式引入虚拟变量改变的是斜率。0tttYXu1D1tttYXu2tXD0112iiiY=+βX+u=+D=+D原模型加法方式引入乘法方式引入：以加法方式引入虚拟变量时，主要考虑的问题是定性因素的属性和引入虚拟变量的个数。分为四种情形讨论：（1）解释变量只有一个定性变量而无定量变量，而且定性变量为两种相互排斥的属性；（2）解释变量分别为一个定性变量（两种属性）和一个定量解释变量；（3）解释变量分别为一个定性变量（两种以上属性）和一个定量解释变量；（4）解释变量分别为两个定性变量（各自分别是两种属性）和一个定量解释变量；基本思想以乘法方式引入虚拟变量时，是在所设立的模型中，将虚拟解释变量与其它解释变量的乘积，作为新的解释变量出现在模型中，以达到其调整设定模型斜率系数的目的。或者将模型斜率系数表示为虚拟变量的函数，以达到相同的目的。乘法引入方式:（1）截距不变；（2）截距和斜率均发生变化；分析手段：仍然是条件期望。第十一章联立方程1、什么是内生变量；外生变量？6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。2、联立模型的分类：结构模型，简化模型了，递推模型的概念。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。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。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。3、结构模型；结构方程；结构参数；结构参数矩阵4、如何将一般结构模型转化为简化模型？5、恰好识别；过度识别；不可识别？不可识别，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，没有解适度识别（恰好识别）：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，有唯一解过度识别：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，有解但不唯一6、结构模型参数识别的阶条件；秩条件？模型的一个方程中不包含的前定变量个数（），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。如果方程恰好识别如果方程过度识别如果方程不可识别秩条件的表述：●在有个内生变量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7能够构成一个非零的阶行列式时，该方程是可以识别的●在有个内生变量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时，该方程可以识别（1）当只有一个阶非零行列式时，该方程是恰好识别的（2）当不止一个阶非零行列式时，该方程是过度识别的（3）当不存在阶非零行列式时，该方程是不可识别的7、简述判断一个结构方程是否可识别的步骤。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8、简述恰好识别方程的参数估计过程。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9、简述过度识别方程的二段法估计过程。8经济与管理学院第11章联立方程模型1二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）用OLS法估计其参数得111112211...kkYXXXv221122222...kkYXXXv11