计量经济学复习重点

1、经济变量：用来描述经济因素数量水平的指标。2、解释变量：用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。它对因变量的变额为发热所引5动做出解释。3、被解释变量：是作为研究对象的变量。它的变动是由解释变量做出解释的4、控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量。5、计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型。6、相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。7、最小二乘法：用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。8、拟合优度：样本回归直线与样本观测数据之间的拟合程度。9、残差：样本回归方程的拟合值与观测值的误差。10、显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。11、偏相关系数：在Y、X1、X2三个变量中，当X1既定时，表示Y与X2之间相关关系的指标。12、异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项U1具有异方差性。13、序列相关性：对于模型01122iikkiiyxxxi…1,2,,in…随机误差项互相独立的基本假设表现为(,)0ijCov,,1,2,,ijijn…（1分）如果出现(,)0ijCov,,1,2,,ijijn…即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。14、自回归模型：tttyy115、广义最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。16、相关系数：度量变量之间相关程度的一个系数，一般用ρ表示。17、多重共线性：解释变量之间存在完全或不完全的线性关系。18、虚拟变量：把质的因素量化而构造的取值为0和1的人工变量。19、差分法：差分法是一类克服序列相关性的有效方法，被广泛的采用。差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。20、广义差分法：广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。简答1、简述建立与应用计量经济模型的主要步骤。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。2、对计量经济模型的检验应从几个方面入手？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。3、计量经济学应用的数据是怎样进行分类的？四种分类：①时间序列数据；②横截面数据；③混合数据；④虚拟变量数据。4、在计量经济模型中，为什么会存在随机误差项？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。5、总体回归模型与样本回归模型的区别与联系。主要区别：①描述的对象不同。回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。②建立模型的不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。6、试述回归分析与相关分析的联系和区别。两者的联系：①相关分析是回归分析的前提和基础；回归分析是相关分析的深入和继续。②相关分析与回归分析的有关指标之间存在计算上的内在联系。两者的区别：①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。②对两个变量x与y而言，相关分析中：xyyxrr；在回归分析中，01ˆˆˆttybbx和01ˆˆˆttxaay却是两个完全不同的回归方程。③回归分析对资料的要求是被解释变量y是随机变量，解释变量x是非随机变量；相关分析对资料的要求是两个变量都随机变量。8、简述BLUE的含义。BLUE即最佳线性无偏估计量，是bestlinearunbiasedestimators的缩写。（2分）在古典假定条件下，最小二乘估计量具备线性、无偏性和有效性，是最佳线性无偏估计量，即BLUE，这一结论就是著名的高斯－马尔可夫定理。（3分）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？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。（1分）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的。（3分）因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。（1分）13、什么是异方差性？试举例说明经济现象中的异方差性。异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项iu具有异方差性，即常数2)var(tiu（t=1，2，……，n）。（3分）14、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。产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。（2分）产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；（4）模型估计式的代表性降低，预测精度精度降低。（3分）15、检验异方差性的方法有哪些？验方法：（1）图示检验法；（1分）（2）戈德菲尔德—匡特检验；（1分）（3）怀特检验；（1分）（4）戈里瑟检验和帕克检验（残差回归检验法）；（1分）（5）ARCH检验（自回归条件异方差检验）（1分）16、异方差性的解决方法有哪些？解决方法：（1）模型变换法；（2分）（2）加权最小二乘法；（2分）（3）模型的对数变换等（1分）18、简述DW检验的局限性。从判断准则中看到，DW检验存在两个主要的局限性：首先，存在一个不能确定的..DW值区域，这是这种检验方法的一大缺陷。（2分）其次：..DW检验只能检验一阶自相关。（2分）但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，如果不存在一阶自相关，一般也不存在高阶序列相关。所以在实际应用中，对于序列相关问题—般只进行..DW检验。（1分）13、序列相关性：对于模型01122iikkiiyxxxi…1,2,,in…随机误差项互相独立的基本假设表现为(,)0ijCov,,1,2,,ijijn…（1分）如果出现(,)0ijCov,,1,2,,ijijn…即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性。19、序列相关性的后果。（1）模型参数估计值不具有最优性；（1分）（2）随机误差项的方差一般会低估；（1分）（3）模型的统计检验失效；（1分）（4）区间估计和预测区间的精度降低。（1分）（全对即加1分）20、简述序列相关性的几种检验方法。（1）图示法；（1分）（2）D-W检验；（1分）（3）回归检验法；（1分）（4）另外，偏相关系数检验，布罗斯—戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。（2分）22、DW值与一阶自相关系数的关系是什么？ˆ12DW或者ˆ2(1)DW23、什么是多重共线性？产生多重共线性的原因是什么？多重共线性是指解释变量之间存在完全或近似的线性关系。产生多重共线性主要有下述原因：（1）样本数据的采集是被动的，只能在一个有限的范围内得到观察值，无法进行重复试验。（2分）（2）经济变量的共同趋势（1分）（3）滞后变量的引入（1分）（4）模型的解释变量选择不当（1分）24、从哪些症状中可以判断可能存在多重共线性？（1）模型总体性检验F值和R2值都很高，但各回归系数估计量的方差很大，t值很低，系数不能通过显著性检验。（2分）（2）回归系数值难以置信或符号错误。（1分）（3）参数估计值对删除或增加少量观测值，以及删除一个不显著的解释变量非常敏感。（2分）25、模型中引入虚拟变量的作用是什么？1）可以描述和测量定性因素的影响；（2分）（2）能够正确反映经济变量之间的关系，提高模型的精度；（2分）（3）便于处理异常数据。（1分）25、模型设定误差的类型有那些？（1）模型中添加了无关的解释变量；（2分）（2）模型中遗漏了重要的解释变量；（2分）（3）模型使用了不恰当的形式。（1分）26、模型的识别有几种类型？模型的识别有恰好识别（2分）、过渡识别（2分）和不可识别（1分）三种