计量经济学复习.doc

罿解释变量：解释变量也称自变量，是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。蒅被解释变量：被解释变量也称因变量或应变量，是作为研究对象的变量。它的变动是由解释变量作出解释的，表现为议程所描述的因果关系的果。螃时间序列：是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。膃随机扰动项：各个被解释变量实际值YI与条件期望E的偏差，代表排除在模型以外的所有因素对Y的影响，称为随机扰动项。螈拟合优度：样本回归线对样本观测数据拟合的优劣程度称为样本回归线的拟合优度。薄残差：所谓残差是指观测值与预测值（拟合值）之间的差，即是实际观察值与回归估计值的差。膄内生变量：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。薁外生变量：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。薇前定变量：在模型中滞后内生变量或更大范围的内生变量的作用视为外生变量，并与外生变量一起称为前定变量。蚄多重共线性：指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。薅异方差性：是指模型中随机误差项的方差不是常量，而且它的变化与解释变量的变动有关。芃自相关：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。薀滞后变量：是指过去时期的、对当前被解释变量产生影响的变量。可分为滞后解释变量和滞后被解释变量两类。螄虚拟变量：计量经济学中，将取值为0和1的人工变量称为虚拟变量。蚂单位根：设n 是正整数，当一个数的n 次乘方等于1 时，称此数为n 次“单位根”。螁单位根检验：检验序列的非平稳性就变为检验特征方程是否有单位根，这就是单位根检验法。荿单整：经过一次差分后变为平稳的序列称为一阶单整序列。袄协整：所谓协整，是指多个非平稳变量的某种线性组合是平稳的。肃滞后期：滞后期就是说，事件发生后对后面要发生事件持续影响的时间。蒃滞后现象：被解释变量受自身或其他经济变量过去值影响的现象称为滞后现象。膈拐点：拐点在数学上指改变曲线向上或向下方向的点，直观地说拐点是使切线穿越曲线的点。若该曲线图形的函数在拐点有二次导数，则二次导数必为零或不存在 。膈伪回归：是指变量间本来不存在有意义的关系，但回归结果却得出存在有意义关系的错误结论。蒄平稳性：时间序列的平稳性，是指时间序列的统计规律不会随着时间的推移而发生变化。羀非平稳性：是指时间序列的统计规律随着时间的位移而发生变化，即生成变量时间序列数据的随机过程的特征随时间而变化。膁简答题：芈（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。袄答：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，而计量经济学着重于定量方面的研究。统计学是关于如何惧、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，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，是综合应用理论、统计和数学方法的过程。因此计量经济学是经济理论、统计学和数学三者的统一。蚂（2）参数估计的常用方法：罿 普通最小二乘、广义最小二乘、极大似然估计、二段最小二乘、三段最小二乘、其它估计方法、联立模型莈（3）计量经济学的应用：芅1、经济结构分析，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）肀2、经济预测，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）蚈3、政策评价，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。蒈4、验证理论，验证既有理论的正确性，发现新的理论。蒂（4）为什么定义方程式可以用于联立方程组模型，而不宜用于建立单一方程模型？袂 因为定义方程式的恒等关系中没有随机误差项和需要估计的参数，一般不宜用于建立单一方程模型。蒇（5）简单线性回归的基本假定：薇 对模型和变量的假定、对随机扰动项的假定（零均值假定、同方差假定、无自相关假定、随机扰动与解释变量不相关假定、正态假定）。袃（6）为什么在对参数进行最小二乘估计之前，要对模型提出古典假定？芀 答：在古典假定条件下，OLS估计得到的参数估计量是该参数的最佳线性无偏估计，具有无偏性、有效性、线性。总之，作古典假定是为了使所作出的估计具有较好的统计性质和方便地进行统计推断。蒀（7）为什么可决系数可以度量模型的拟合优度？薇 因为可决系数是测定多个变量间相关关系密切程度的统计分析指标,它也是反映多个自变量对因变量的联合的影响程度。可决系数越大,自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比越高，观察点在回归直线附近越密集。可决系数的取值范围在0到1之间，它是一个非负统计量，随着抽样的不同而不同，也随样本而变动。芄（8）多重共线性相关题目：羂后果：完全多重共线性产生的后果艿 1.参数的估计值不确定蚇 2.参数估计值的方差无限大蚅不完全多重共线性产生的后果蒀 1.参数估计值的方差增大肈 2.对参数区间估计时，置信区间趋于变大螇 3.假设检验容易作出错误的判断螂 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。膂检验:1，简单相关系数检验法：2，方差扩大因子法：3，直观判断法：4，逐步回归检验法螇补救：一、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、横截面数据与时间序列数据并用 6、变量变换袇二、逐步回归法 三、岭回归法膃多重共线性的实质是什么，为什么会出现多重共线性？蕿实质：解释变量之间存在精确或近似的线性关系 衿出现原因：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；4、样本数据自身原因羇多重共线性的典型表现是什么？判断是否存在多重共线性的方法有哪些？薃典型表现：使得用普通最小二乘法得到的回归参数估计值很不稳定，回归系数的方差随着多重共线性的强度的增加而加速增长，对参数难以作出精确的估计；造成回归方程高度显著的情况下，有些回归系数通不过显著性检验；甚至可能出现回归系数的正负号得不到合理的经济解释。莁判断方法：1，简单相关系数检验法：2，方差扩大因子法：3，直观判断法：4，逐步回归检验法薈（9）异方差性相关题目：肇出现原因：1、模型设定误差：2、测量误差的变化：3、截面数据中总体各单位的差异羄后果：一、对参数估计式统计特性的影响1、参数的OLS估计仍然具有无偏性；2、参数OLS估计式的方差不再是最小的蝿二、对模型假设检验的影响：严重破坏T,F检验的有效性。莇三、对预测的影响：Y预测值精确度下降，模型的正确建立和统计推断带来严重后果。膇异方差的补救措施：1、模型变换法 2、加权最小二乘法 3、模型的对数变换（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。）莅为什么异方差的出现总是与模型中某个解释变量的变化有关？蒁答：异方差性是指模型违反古典假定中的同方差性，即各残差项的方差并非相等。一般地，由于数据观测质量、数据异常值、某些经济变化的特性、模型设定形式的偏误等原因，导致了异方差的出现。主要原因往往是重要变量的遗漏，所以很多情况下，异方差表现为残差方差随着某个（未纳入模型的）解释变量的变化而变化。莀检验异方差的方法和基本思想。膆答：本书中给出了5种检验方法：GoldfeldQuandt检验，Glejser检验，Breusch-Pagan检验，White检验，ARCH检验。其共同的基本思想是：判断随机误差项与解释变量观测值之间的相关性。蒂（10）自相关性相关题目：芃出现原因：1、经济系统的惯性。2、经济活动的滞后效应；3、数据处理造成的相关；4、蛛网现象；5、模型设定偏误腿后果：1、使自协方差均不为零: 2、各参数估计值的方差被进一步低估； 3、参数最小二乘估计量无效的，t检验失去意义，F检验和R2检验也是不可靠的 4、模型预测置信区间不可靠，降低了预测的精度。芆检验：图示检验法、DW检验法袃补救：1、广义差分法，P已知。2、科克伦-奥克特，P未知 3、一阶差分法 4、德宾两步法蚁如何使用DW统计量来进行自相关检验？该检验方法的前提条件和局限性有哪些？羈答：根据样本容量n和解释变量的数目k，查DW分布表，可得临界值DL和DU，然后DW检验决策规则考察计算出来的DW值，以决定模型的自相关状态。莆局限 1、DW检验有两个不能确定的区域，一旦DW值落在这两个区域(dldu)，就无法判断。芄 2、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作出比较正确的诊断；莃 3、DW检验不适合随机误差项具有高阶序列相关的检验；螇 4、DW检验有运用的前提条件，只有符合这些条件DW检验才是有效的。蒆前提条件：1、解释变量X为非随机的；2、随机误差项为一阶自回归形式。3、线性模型的解释变量中不包含滞后的被解释变量。4、截距项不为零，即只适用于有常数项的回归模型；5、数据序列无缺失项。蚅（11）什么是滞后现象？原因？袀 一般来说，解释变量对被解释变量的影响不可能在短时间内完成，在这一过程中通常存在时间滞后，也就是说，解释变量需要通过一段时间才能完全作用于被解释变量。此外，由于经济活动的惯性，一个经济指标之前的变化态势往往会延续到本期，从而形成被解释变量的档期变化同自身过去取值水平相关的情形。这种被解释变量受自身或其他经济变量过去值影响的现象称为滞后现象。螀 出现原因：1、心理预期因素；2、技术因素；3、制度因素薆（12）什么是虚拟变量，它在模型中有什么作用？袂 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。（DUM）薂 模型中的作用：1、可以作为属性因素的代表；2、作为某些非精确计量的数量因素的代表；3、作为某些偶然因素或政策因素的代表；4、还可以作为时间序列分析季节（月份）的代表；5、可以实现分段回归，研究斜率、截距的变动，或比较两个回归模型的结构差异。薈 规则：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；在无截距项的模型中，若定性因素有m个相互排斥的类型，则可以引入m个虚拟变量。蚆（13）引入虚拟解释变量的两种方式是什么?它们各适用于什么情况？模型中加入虚拟变量两种基本类型：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。 以下无正文 仅供个人用于学习、研究；不得用于商业用途。 , , .For pers