博士计量经济学试题

1《计量经济学》博士研究生入学试题（A）解答一、简答题1、指出稳健标准误和稳健t统计量的适用条件。答：稳健标准误和稳健t统计量的适用条件是样本容量较大的的场合。在大样本容量的情况下，一般在横截面数据分析中总是报告稳健标准误。在小样本情况下，稳健t统计量不那么接近t分布，从而可能导致推断失误。2、若回归模型的随机误差项可能存在q（1q）阶自相关，应采用什么检验？其检验过程和检验统计量是什么？答：如果模型：tpttttxxy22110的误差项满足：tqtqtttv2211，其中tv是白噪声。原假设0H:01,02,…，0q那么，以下两种回答都可以。1）、(1).ty对tx1,tx2,…,ptx(Tt,,2,1)做OLS回归,求出OLS残差tˆ；(2).tˆ对tx1,tx2,…,ptx,1ˆt,2ˆt,…，qtˆ做OLS回归,(Tqqt,,2,1),得到2R；(3).计算(2)中的1ˆt,2ˆt,…，qtˆ联合F检验统计量。若F检验统计量大于临界值，则判定回归模型的随机误差项存在q（1q）阶自相关；否则，则判定判定回归模型的随机误差项不存在q（1q）阶自相关。2）、完成了1）中的（1）、（2）两步以后，运用布劳殊—戈弗雷检验（BreschGoldferytest）2RqTLM，由于它在原假设0H成立时渐近服从22ˆq分布。当LM大于临界值，则判定回归模型的随机误差项存在q（1q）阶自相关；否则，判定回归模型的随机误差项不存在q（1q）阶自相关。3、谬误回归的主要症状是什么？检验谬误回归的方法主要有哪些？在回归中使用非平稳的时间序列必定会产生伪回归吗？答：格兰杰（Granger）和纽博尔德（Newbold）认为在用时间序列数据进行回归估计时，如果2R在2数值上大于德宾—沃特森统计量，则我们应当怀疑有谬误回归存在。检验谬误回归的方法主要是用DF和ADF检验考察回归的残差是否服从I(0)，进而判定变量之间的关系是否为协积的，从而检验出谬误回归的存在性。回归中使用非平稳的时间序列不一定会产生谬误回归，比如两个协积的变量，虽然它们可以非平稳，但是不会产生谬误回归。4、一般的几何滞后分布模型具有形式：01itititxy，0tE，stst,2,cov，10。如何对这类模型进行估计，才能获得具有较好性质的参数估计量？答：对一般的几何滞后分布模型0101itititxy，有限的观测不可能估计无限的参数。为此，必须对模型形式进行变换：注意到：1011101ittitiyx，从而：101111tttttyyx011111tttttyxy由于1ty与1t相关，所以该模型不能用OLS方法进行估计，必须采用诸如工具变量等方法进行估计，才能获得具有较好性质的参数估计量。5、假定我们要估计一元线性回归模型：tttxy，0tE，stst,2,cov但是担心tx可能会有测量误差，即实际得到的tx可能是tttxx，t是白噪声。如果已经知道存在与tx相关但与t和t不相关的工具变量tz，如何检验tx是否存在测量误差？答：已知存在与tx相关但与t和t不相关的工具变量tz，用最小二乘法估计模型tttvzaax10，得到残差tttzaaxv10ˆˆˆ。把残差tˆ作为解释变量放入回归方程3ttttuvxyˆ，用最小二乘法估计这个人工回归，对显著性假设运用通常的t检验。0H：0（tx与t之间没有相关性）1H：0（tx与t之间有相关性）注意，由ttttuvxyˆ可推得ttttuvxyˆ，即：tttuvˆ。利用对tttxy所做回归得到的残差tˆ替代t，对系数作OLS估计，当t检验显著时就表明tx与t之间有相关性，即tx存在测量误差。否则就没有。6、考虑一个单变量平稳过程tttttxxyy110110（1）这里，2,0IIDt以及11。由于（1）式模型是平稳的，ttxy和都将达到静态平衡值，即对任何t有：tyEy，txEx于是对（1）式两边取期望，就有xxyy1010(2)也就是xkkxy101101011(3)这里1k是y关于x的长期乘数，重写(1)式就有：tttttxxyy11001101ttttxxkky01101101(4)我们称(4)式为(1)式的误差修正机制（Error-correctionMechanism）表达式（ECM）。在（4）式中我们可以发现长期均衡的正、负偏离对短期波动的作用是对称的。假如这种正、负偏离对短期波动的作用不是对称的，那么模型应该如何设计与估计？答：若对误差修正（ECM）模型，假如发现长期均衡的正、负偏离对短期波动的作用是非对称的话，模型可以设计如下：ttttttxkkyxy1101121tttttttxkkyxkkyx110112110114其中tttttxfyxfy01为虚拟变量，表示Y偏离的方向。当ty正偏离时，1t，误差修正项系数为21；当ty为负偏离时，0t，误差修正项系数为1。参数估计的方法可用MLE，也可用OLS。7、检验计量经济模型是否存在异方差，可以用布罗歇—帕甘检验（BreuschPagan）和怀特（White）检验，请说明这二种检验的差异和适用性。答：当人们猜测异方差只取决于某些解释变量时，布罗歇—帕甘检验（BreuschPagan）比较适合使用；当人们猜测异方差不仅取决于某些解释变量，还取决于这些自变量的平方和它们的交叉乘积项时，怀特（White）检验比较适合使用。虽然，有时使用布罗歇—帕甘检验无法检验出异方差的存在，但用怀特（White）检验却能检测出来。不过，怀特（White）检验要用掉很多自由度。8、在模型设定时，如果遗漏重要变量，那么模型中保留下来的变量系数的OLS估计是无偏和一致的吗？请举简例说明。答：在模型设定时，如果遗漏重要变量，那么模型中保留下来的变量系数的OLS估计通常是有偏和不一致的。例如，假定工资模型为：iiiiiabilereducwage3210exp如果估计时遗漏了变量iabil，得到如下估计模型：iiiereducewagexp~~~~210即使假定ereducexp,无关，我们也容易证明1~与2~也都是有偏和不一致的，且有：niiniiieduceducabileduceducE121311]~[由于03，并且变量educ与abil正相关，因此，1~是正偏误和不一致的。二、综合题1、为了比较A、B和C三个经济结构相类似的城市由于不同程度地实施了某项经济改革政策后的绩效差异，从这三个城市总计CBANNN个企业中按一定规则随机抽取CBAnnn个样本企业，得到这些企业的劳动生产率y作为被解释变量,如果没有其它可获得的数据作为解释变量，并且A城市全面实施这项经济改革政策，B城市部分实施这项经济改革政策，C城市没有实施这5项经济改革政策。如何建立计量经济模型检验A、B和C这三个城市之间由于不同程度实施某项经济改革政策后存在的绩效差异？解：把A、B两个城市中第i企业的劳动生产率iy写成如下模型：iBiAiiDDy，2,0~NiCBABABAAAnnnnnnnnni,,1,,,1,,,2,1（1）这里，虚拟变量AiD可表示为：其它个企业来自于城市第,0,1AiDAi（2）其它个企业来自于城市第,0,1BiDBi（3）于是，参数表示城市C企业的期望劳动生产率，而参数表示城市A企业的期望劳动生产率与城市C企业的期望劳动生产率之间的差异，即+表示城市A企业的期望劳动生产率；参数表示城市B企业的期望劳动生产率与城市C企业的期望劳动生产率之间的差异，即+表示B城市企业的期望劳动生产率，即：0,0,1,0,0,1,)(BiAiBiAiBiAiiDDDDDDyE（4）要检验城市A企业的期望劳动生产率与城市B企业的期望劳动生产率之间的有无显著差异，改写模型为：iAiBiAiiDDDy)(，其中，；2,0~Ni；此时，有：0,0,1,0,0,1,)(BiAiBiAiBiAiiDDDDDDyE（5）运用t检验看参数是否显著地不为0，否则就认为城市A企业的期望劳动生产率与城市B企业的期6望劳动生产率之间无显著差异2、用观测值201,,yy和2010,,,xxx估计模型ttttexxy110得到的OLS估计值为23.20.5ˆ21.28.0ˆ086.13.0ˆ186.02R和25ˆ2括号内为t统计量。由于1ˆ的t值较小，去掉滞后回归自变量1tx重新估计模型，这时，R2为多少？解：去掉滞后回归自变量1tx后所估计的模型可以看作是无约束模型：ttttexxy110在约束条件：0R之下所得到的估计。这里，1,0,0R，10,,。设无约束模型的OLS残差向量为e，带约束模型的OLS残差向量为Re，则有：25201ˆ2ee，从而可得到：500252ˆ202ee令331ijcXXC，则有221ˆ0ˆ1ct，从而可得到：0256.0ˆ2ˆ1221tc注意到带约束模型的OLS残差平方和与无约束模型的残差平方和存在如下关系：47.50347.35001ˆˆˆ222111ceeRRXXRReeeeRR由SSTeeSSTSSER112，可推得：21ReeSST同理，由SSTeeRRRR12可推得：22111ReeeeSSTeeRRRRRR所以，86.024.050047.50311122ReeeeRRRR3、对线性回归模型：'iiiyx，（ni,,2,1）------------（1）7满足0iiEx。假定iz可以作为ix合适的工具变量，且2(|)VarZI，请导出工具变量估计量，并给出它的极限分布。解：由于0iiEx，所以参数向量的OLS估计将是不一致的。假定iz可以作为ix合适的工具变量，对模型进行变换：iiiiiizxzyz-----------------（2）从而有：TiiiTiiiTiiizxzyz111-----------------（3）根据：0]1[1TiiizTE，TiiiTiiizzTzTV121]1[--------（4）并且00)1lim()1lim(11zxTiiiTiiiMzTpxzTp所以运用OLS估计方法，可得：TiiiTiiiIVyzxz111ˆ----------------（5）注意到：TiiiTiiiIVzTxzTT11111ˆ由（4）和中心极限定理，