计量经济学名词解释和简答题(2)

。计量经济学计量经济学考试的问题类型：单一主题的20个问题2选择题5题2 简答题由四个问题组成，2个问题5，2个问题10计算问题2，问题10 最终评审总结第一章(单一主题)第1.2和1.3节第二章第2.1节(简短回答和选择)相关分析和回归分析计量经济模型的四种表述第2.2节(选择)最小二乘的基本假设第2.3节(简要回答)参数估计的OLS:原理与推导最小二乘估计的统计性质第2.4节(选择和计算)拟合优度检验的意义可确定系数统计公式变量的显著性检验(原理、检验结果的判断)置信区间估计(计算公式，缩小置信区间的方法)第三章第3.1节(选择)多元线性回归模型的基本假设第3.2节(简要回答)最小二乘原理与参数估计最小二乘估计的统计性质第3.3节(选择和计算)拟合优度测试方程显著性检验(原理、统计、检验结果的判断)可变显著性t检验(原理、统计、检验结果的判断)参数的置信区间(计算公式，减小置信区间的方法)3.5线性化为非线性有几种方法(选项)第四章(选择题和计算题)需要掌握违反基本假设的四种情况的定义、原因(在实际经济问题中)、后果、检查方法和纠正方法。第五章虚拟变量的引入方法和设置原则(选择)估计分布滞后模型和自回归模型的困难及其校正方法(选择)第一部分：名词解释第一章1.模型：现实的描述和模拟。2.广义计量经济学：使用经济理论、统计学和数学来定量研究经济现象的计量经济学方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。3.狭义计量经济学：为了揭示经济现象中的因果关系，回归分析主要应用于数学。第二章1.人口回归函数：是指在给定的Xi条件下，Y分布的人口平均数与Xi数形成的函数关系(或被解释变量的人口条件被期望表达为解释变量的某个函数)。2.样本回归函数：指从总体中提取的关于Y和X的几组值组成的样本所建立的回归函数。3.随机总体回归函数：带有随机干扰项的总体回归函数(相对于条件期望形式)。4.线性回归模型：指变量的线性度和参数的线性度，即解释变量和参数只以1的幂出现。5.随机干扰项：即随机误差项，是一个随机变量，目标是总体回归函数。6.剩余项：它是一个随机变量，目标是样本回归函数。7.条件期望：即条件平均值，即当X取特定值Xi时，Y的期望值。8.回归系数：o、1和回归模型中其他未知但固定的参数。9.回归系数的估计量：指用已知样本提供的信息估计整个群体未知参数的结果，用等表示。10.最小二乘法：也称为最小二乘法，是指根据最小化估计残差平方和的原则确定样本回归函数的方法。11.最大似然法：也叫最大似然法，是指利用产生样本的最大概率原理确定样本回归函数的方法。12.估计量的标准偏差：测量变量变化的测量值。13.总偏差的平方和：用TSS表示，用于测量解释变量的总变化。14.回归平方和：用ESS表示：测量解释变量的变化引起的解释变量的变化部分。15.残差平方和；用RSS表示；实测值与拟合值之差是解释变量方差中除解释变量外的其他因素引起的部分18.在T检验中，每个解释变量的显著性检验是为了构建一个T统计量。如果统计值超出置信区间，则原始假设被拒绝。19.相关性分析：研究随机变量之间的相关性形式20.回归分析：研究一个变量对另一个变量依赖的计算方法和理论。第三章1.多元线性回归模型：在实际经济活动中，经常会出现一个变量受许多其他变量影响的现象，这一现象在线性回归模型中表现为多个解释变量。这样的模型变成了多元线性回归模型，多元指的是多个变量。2.偏回归系数：在多元回归模型中，每个解释变量前的参数是偏回归系数，它衡量的是在其他解释变量保持不变的情况下，变量加一个单位对解释变量的平均影响程度。3.正规方程组：是指用OLS方法估计线性回归模型时，对每个参数取残差平方和的偏导数，使偏导数为0的一组方程。它的矩阵形式是4.调整后的多元决策系数：也称为多元决策系数，是一个用来描述伴随模型中解释变量的增加以及多个解释变量对解释变量的联合影响程度的量。它与以下方面有关系：5.多重共线性：指多个解释变量之间存在线性相关性的情况。如果存在完全的线性相关，则不能获得模型的参数，并且不能进行OLS回归。6.联合假设检验：相对于单个假设检验，它意味着假设检验中有多个假设。例如，多元回归方程的显著性检验是联合假设检验，每个参数的t检验是单个假设检验。7.约束回归：在实际的经济活动中，根据经济理论，通常需要对模型中的变量参数施加一定的约束，在对模型的参数施加约束后进行回归。8.无约束回归：对模型中的变量参数不加约束的回归。第四章1.异方差性：对于不同的解释向量，解释变量的随机误差项的方差不再是常数，而是互不相同，那么异方差性被认为是存在的。2.序列相关性：如果随机误差项不再是不相关的，而是对不同的解释向量有一定的相关性，则序列相关性被认为已经发生。3.多重共线性：如果两个或两个以上的解释变量之间存在相关性，则称之为多重共线性。4.随机解释变量问题：如果一个或多个随机变量作为解释变量存在，那么原始模型被称为具有随机解释变量问题。第五章1.虚拟变量：包含一般解释变量和虚拟变量的模型称为虚拟变量模型或方差分析模型。2.滞后变量模型：过去一段时间内具有滞后效应的变量称为滞后变量，含有滞后变量的模型称为滞后变量模型。3.动态模型：具有延迟解释变量的模型，也称为动态模型4.分布滞后模型：如果滞后变量模型中没有滞后解释变量，则只有解释变量X的当前值及其在几个时期内的滞后值才成为分布滞后模型。5.自回归模型：一种模型，其中解释变量只包含当前值X和解释变量y的一个或多个滞后值第二部分：简答题第一章1.什么是计量经济学？答：计量经济学包括广义计量经济学和狭义计量经济学。本课程中的计量经济学模型是狭义计量经济学意义上的经济数学模型：计量经济学是经济学的一个分支，主要致力于揭示经济活动中客观的数量关系，是经济学、统计学和数学相结合形成的一门交叉学科。2.计量经济学方法和一般经济数学方法有什么区别？答：计量经济学方法揭示了经济活动中因果因素之间的数量关系，这种关系用随机数学方程来描述。然而，一般的经济数学方法揭示了3.如何理解计量经济学在当代经济学科中的重要地位？当代计量经济学的基本特征是什么？答：自20世纪20年代末30年代初计量经济学形成以来，它在技术方法和应用方面都得到了迅速发展。特别是经过20世纪50年代的发展阶段和60年代的扩张阶段，计量经济学在经济学科中占据了重要的地位，主要表现在：.在大多数西方大学和学院，计量经济学的教学已经成为经济学课程中最权威的部分。.在1969-2003年诺贝尔经济学奖的53名获奖者中，有10名与研究和应用计量经济学有关，在所有经济学分支中排名第一。此外，计量经济学方法已应用于大多数获奖者的研究。计量经济学方法和其他经济数学方法的结合和应用取得了很大进展。从当代计量经济学的发展趋势来看，其基本特征包括：、非经典计量经济学的理论和应用研究已经成为计量经济学日益重要的内容。、计量经济学方法已经从主要用于经济预测转变为检验经济理论假设和政策假设。、计量经济模型的应用已经从传统领域转向新领域，从宏观领域研究转向微观领域研究。.计量经济模型的规模不再是衡量水平的尺度。人们更喜欢建立一些简单的模型，用总量和趋势来解释经济现象。4.建立和应用计量经济模型的主要步骤是什么？答：建立和应用计量经济模型的主要步骤包括：建立理论模型，包括选择模型中包含的变量，确定变量之间的数学关系，并绘制模型中待估计参数的数值范围；(2)收集样本数据时，应考虑样本数据的完整性、准确性、可比性和一致性；(3)模型参数估计；检验模型，包括经济显著性检验、统计检验、计量检验和模型预测检验。5.计量经济模型的主要应用领域是什么？他们各自的原则是什么？答：计量经济学模型主要用于以下几个方面：、结构分析的原则是弹性分析、乘数分析和比较分析。、经济预测的原则是模拟历史，从已经发生的经济活动中找出变化规律。.政策评估是对不同政策执行情况的“模拟”。检验和发展经济理论的原则是，如果根据某些经济理论建立的计量经济模型能够很好地符合实际观测数据。6.模型检查包括哪些方面？答：模型检验主要包括四个方面：模型的经济显著性检验、统计检验、计量检验和预测检验。第二章1.简述相关分析和回归分析的联系和区别。答：相关分析和回归分析既相关又不同。首先，他们都研究不确定变量之间的统计相关性，并可以衡量线性相关性的程度。其次，两者之间有明显的区别。相关性分析只测量统计数据中变量之间的相关程度，而不检查两者之间是否存在因果关系。因此，变量在相关分析中的状态是对称和随机的。回归分析更注重具有统计相关性的变量之间的因果关系分析。变量在位置上是不对称的，分为解释变量和解释变量，解释变量通常被认为是非随机变量。第三，相关性分析只关注变量之间的联系程度，而不关注具体的依赖关系。然而，回归分析更注重变量之间的特定相关性，因此可以通过解释变量的变化来进一步估计或预测解释变量的变化，从而达到深入分析变量之间的相关性并掌握其运动规律的目的。2.线性回归模型的基本假设是什么？是否有可能估计出违反基本假设的经济计量模型？回答：假设1。解释变量X是一个确定性变量，而不是一个随机变量；假设2。随机误差E(mi)=0 i=1，2，nVar (mi)=sm2 i=1，2，nCov(mi，mj)=0 ij i，j=1，2，n假设3:随机误差项m和解释变量x之间没有相关性：Cov(Xi，密歇根州)=0 i=1，2，n假设4，m遵循零均值、同协方差和零协方差的正态分布miN(0，sm2 ) i=1，2，N假设5:随着样本量的无限增加，解释变量X的样本方差趋于一个有限常数。也就是说，假设6:回归模型设置正确这些假设都是针对普通的最小二乘法。与这些基本假设相反，普通最小二乘法不再是最佳线性无偏估计量，因此使用普通最小二乘法进行估计不再有意义。然而，模型本身是可以估计的，特别是通过其他原则，如最大似然法。3.简要描述最大似然法和最小二乘法所基于的不同原理。答：对于最小二乘法，当从模型总体中随机选择N组样本观测值时，最合理的参数估计应使模型最适合样本数据；对于最大似然法，当从模型总体中随机抽取n组样本观测值时，最合理的参数估计应使从模型中抽取n组样本观测值的概率最大。在满足一系列基本假设的条件下，模型结构参数的最大可能估计量与普通最小二乘估计量相同。4.简要描述最小二乘估计的性质。答：(1)线性，即它是否是另一个随机变量的线性函数；(2)无偏性，即其平均值或期望值是否等于整个人口的真实值；(3)有效性，即在所有线性无偏估计量中是否具有最小方差。(4)渐近无偏性，即当样本量趋于无穷大时，其均值序列是否趋于整体真值；(5)一致性，即当样本量趋于无穷大时，样本量是否在概率上收敛于总体的真值；(6)渐近有效性，即如果样本容量趋向于无穷大，在所有的一致估计量中，它具有最小的渐近方差。l注意：(1)-(3)准则也称为估计量的小样本性质，具有这种性质的估计量称为最佳线性无偏估计量(BLUE)。(4)-(6)该准则检验估计量的大样本或渐近性质。高斯-马尔可夫定理：普通最小二乘估计量具有良好的线性、无偏性和最小方差等性质，是最好的线性无偏估计量。5.简要描述变量显著性检验的步骤。答：(1)总体参数假设：H0: B1=0，H1: B10。(2)基于原始假设H0构建T统计量，并且从样本计算值：(3)给定显著性水平a，检查t分布表的临界值t a/2(n-2)(4)比较和判断如果|t| t a/2(n-2)，则H0被拒绝，h1被接受；如果|t| t a/2(n-2)，则H0被接受，h1被拒绝；对于一维线性回归方程中的b0，也可以构造以下t统计量进行显著性检验第三章1.多元线性回归模型的基本假设是什么？提示：一般表达式和矩阵符号表达式。2.为什么说在对模型参数施加约束条件后，残差的平方和不能小于无约束残差的平方和？在什么条件下约束回归和无约束回归的结果是相同的