计量经济学的概念

1、1、 计量经济学的概念。计量经济学是经济科学领域内的一门应用科学，以一定的经济理论和实际统计资料为基础，运用数学、统计方法与计算机技术，以建立经济计量模型为主要手段，定量分析研究具有随机特性的经济变量关系。2、 数理经济模型与计量经济模型的区别。数理：揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。计量：揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。3、 经典计量经济学模型的一般形式。4、 计量经济学的数据类型。时间序列数据：按时间先后排列的统计数据。截面数据：一个或多个变量在某一时点上的数据集合。合并数据（平行数据）：既包含时间序列数据又有截面数据。5、

2、 建立计量经济学模型的步骤。1）理论模型的设计：确定模型所包含的变量。确定模型的数学形式。拟定模型中待估计参数的理论期望值。2）样本数据的收集：时间序列数据易引起模型随机误差项产生序列相关。截面数据易引起模型随机误差项产生异方差。样本数据的质量：完整性、准确性、可比性、一致性。3）模型参数的估计。4）模型的检验：经济意义检验。统计检验：拟合优度检验、变量的显著性检验、方程的显著性检验。计量经济学检验：序列相关、异方差法（随机误差项）、多重共线性（解释变量）模型预测检验。6、 计量经济学模型的应用。1）结构分析；2）经济预测；3）政策评价；4）检验与发展经济理论。7、 如何正确选择解释变量。作为

3、“变量”的原因：1）据经济理论和经济行为分析；2）考虑数据的可得性；3）考虑入选变量之间的关系。8、 回归分析的目的。1）根据自变量的取值，估计应变量的均值；2）检验建立在经济理论基础上的假设；3）根据样本外自变量的取值，预测应变量的均值。9、 总体回归函数(PRF)和样本回归函数(SRF)各变量系数名称及函数方程。10、 随机误差项(Ui)的性质或主要内容。1）代表模型中省略的次要变量；2）奥卡姆剃刀原则；3）样本点的测量误差；4）一些随机因素。11、 最小二乘法(OLS)的判断标准。残差平方和最小。12、 参数b1,b2的计算公式。13、 普通最小二乘估计量的性质。1）样本回归线通过Y和X

4、的样本均值，即；2）估计的Y均值等于实测的Y均值，即；3）残差ei的均值为零，即；4）残差ei和预测的Yi不相关，即；5）残差ei和Xi不相关，即。14、 经典（古典）线性回归模型的基本假定。假定1：回归模型是参数线性的，但不一定是变量线性的。假定2：解释变量(X)与扰动误差项(U)不相关。假定3：给定Xi，扰动项的期望或均值为零，即。假定4：Ui的方差为常数或同方差，即。假定5：无自相关假定，即两个误差项之间不相关，即。假定6：回归模型是正确设定的。15、 普通最小二乘估计量（或高斯-马尔可夫定理）的性质。（BLUE最优线性无偏估计量）线性性、无偏性、有效性、最小方差性。1）b1和b2是线性

5、估计量；2）b1和b2是无偏估计量，即E(b1)=B1,E(b2)=B2；3），即误差方差的OLS估计量是无偏的；4）b1和b2是有效估计量。16、 普通最小二乘估计量的方差和标准差的计算公式。17、 给定显著性水平，如何求置信区间。b2t临界值se(b2)，b2t临界值se(b2)18、 总平方和(TSS)、解释平方和(ESS)、残差平方和(RSS)三者的关系及计算公式。19、 拟合优度中判定系数r2的性质及计算公式。性质：非负性；0r21，r2愈接近1，拟合度越高，愈接近0，拟合度越低，r2=0，Y与X无关。20、 样本相关系数r的性质及计算公式。性质：可正可负；-1r1，r接近1，正相关

6、好，接近-1，负相关好；若X与Y在统计上独立，则r=0，反之，则不一定成立。21、 变量显著性检验（t检验）的方法及过程。1） 双边检验：设Ho:B20，H1:B20；2）单边检验：设Ho:B20，H1:B20。|t|t临界,拒绝零假设. 22、 b1,b2与随机扰动项(Ui)的分布。23、 多元线性回归模型的假定。假定1：回归模型是参数线性的，并且是正确设定的。假定2：X2、X3与扰动项U不相关，即。假定3：误差项均值为0，即。假定4：同方差假定，即U的方差为一常量，。假定5：误差项Ui和Uj无自相关，即。假定6：解释变量X2和X3之间不存在完全共线性，即两个解释变量之间无严格的线性关系。假

7、定7：U服从均值为0，方差为的正态分布，即。24、 多元线性回归模型的标准误差2如何计算。25、 多元判定系数R2的计算公式。26、 多元回归的总体显著性检验的原假设和备择假设。Ho:B2=B3=0，H1:B2、B3不全为0。27、 F值和R2的关系，TSS,RSS,ESS用R2表示的公式。，（n为观察值个数，k为包括截距在内的解释变量的个数）关系：R2=0时，F=0；R2越大，F越大；R2=1时，F28、 校正的判定系数2的公式及性质。性质：若k1，则R2；R2总为正数，可能为负数。29、 F值与2的关系。F与同向变化：当=0时，F=0；当=1时，F无穷大；越大，F越大。30、 双对数模型的

8、形式及性质。双对数：lnYi =B1+B2lnXi+Ui ，性质：B2测度为Y对X的弹性。31、 半对数模型的形式及性质。半对数：lnYi =B1+B2Xi+Ui ，性质：B2表示X增加一个单位，Y的平均增长率，即因变量的相对增量。32、 线性模型与半对数模型中B2的含义。线性：B2表示X增加一个单位，Y的绝对量的平均增量，即Y增加B2个单位。半对数：B2表示X增加一个单位，Y的相对量的平均增量，即Y增加100*B2。33、 线性-对数模型的形式及性质。Yi =B1+B2lnXi+Ui ，性质：B2表示X的相对变化引起的Y的绝对量变化量，即自变量的一个单位相对增量引起因变量平均的绝对增长。34

9、、 因变量取对数的半对数模型与自变量取对数的半对数模型的区别。反映自变量的绝对量变化1个单位时，因变量变化的百分比，lnYi =B1+B2t+Ui ；反映自变量变化一个百分比时，因变量的绝对变化量，Yi =B1+B2lnX+Ui 35、 倒数模型的形式。Yi =B1+B2+Ui 36、 对于线性、双对数、对数-线性、线性-对数、倒数五种系数的总结。形式斜率=弹性= 应变量解释变量线性Y=B1+B2XB2B2()线性线性双对数lnY=B1+B2lnXB2()B2对数对数对数-线性lnY =B1+B2XB2(Y)B2(X)对数线性线性-对数Y =B1+B2lnXB2()B2()线性对数倒数Y =B

10、1+B2()B2()B2()线性非线性应变量相同时，可以比较R2。37、 模型中引入虚拟变量的作用。1） 分离异常因素的影响；2）检验不同属性类型对因变量的作用；3）提高模型的精度。38、 虚拟变量的性质。1）若一个定性变量有m个类别，则引入m-1个虚拟变量；2）虚拟变量的取值是随意的；3）被赋予零值的类别称为基底；4）虚拟变量的系数称为级差截距系数，表示取值的类别的截距值与基底截距差别。39、 交互作用效应如何体现。Yi=B1+B2D2i+B3D3i+B3(D2iD3i)+B4Xi+Ui ，D2i、D3i为交互作用虚拟变量。40、 虚拟变量是定性的。41、 “好的”模型的性质。1）简约性；2

11、）可识别性；3）拟合优度；4）理论一致性；5）预测能力。42、 模型设定偏误的类型。1）关于解释变量选取的偏误：漏选相关变量，多选无关变量；2）关于模型函数形式选取的偏误。43、 模型设定偏误的后果。1）漏选相关变量：参数估计的偏误；2）多选无关变量：估计量无偏、一致但不具有最小方差性；3）错误函数形成：全方位偏误。44、 模型设定偏误的检验方法。1） 无关变量：1个变量t检验；n个变量F检验，2） 漏选变量和不正确函数形式参数（R2，；t值；估计函数的符号）A、残差图示法；B、RESET检验（a、如果事先知道遗漏了哪个变量，只需将此变量引入模型，估计并检验其参数是否显著不为0即可；b、不知道

12、哪个变量遗漏，找个替代变量Z，进行上述检验）；C、MWD-P176。45、 计量经济学方法中的联立方程问题主要表现在哪些方面。1）随机解释变量问题；2）损失变量信息问题；3）损失方程之间的相关性信息问题。46、 变量的分类。内生变量（由系统内产生，并影响系统）和外生变量（影响系统，本身不受系统影响），外生变量与滞后内生变量称为先决变量（只能作解释变量）。47、 结构式模型与简化式模型的形式。结构：Ct=B1+B2Yt+Ut简化：48、 联立方程模型的识别状态。1）可识别：恰度识别（唯一地估计参数）；过度识别（一个或几个参数有若干估计值）。2）不可识别：不能估计参数。49、 识别规则。k=m-1

13、，恰度识别；km-1，过度识别；km-1，不可识别。m：方程个数；k：不包括在该方程中所有变量的个数。50、 各方程识别的方法。1） 恰度识别：间接最小二乘法（ILS)；2）过度识别：两阶最小二乘法（2SLS)51、多重共线性形式：1）统计学形式：Xi、Xj 相关；即两个或多个解释变量出现相关性。2）数据类型：时间序列数据。3）实际经济现象：滞后变量的引入。后果：1）参数估计量：无偏、有效（经济含义不合理）。2）变量的显著性检验：t检验失效（失去意义）。3）模型的预测功能：失效。检验：1）是否存在：简单相关系数法：|t| 接近1，存在较强多重共线性；综合统计检验法：R2很大，t值不显著，未通过

14、检验。2）存在范围：判定系数检验法；逐步回归法；逐步剔除法；逐个引入法；方差膨胀因子：。补救措施：1）排除引起共线性的变量：逐步回归法；2）差分法；3）减少参数估计量的方差：改变样本，增加样本容量。评价：1）为了利用模型预测应变量的未来均值（坏事）；2）除预测，还估计参数（好事）。52、 异方差形式：1）；2）即随机误差项的的方差不是常数；3）截面数据；4）单调型递增、单调型递减、复杂型。后果：1）无偏、无效；2）t检验失效（失去意义）；3）失效。检验（以表示随机误差项的方差）：1）图示检验法：散点扩大、缩小或复杂趋势；2）戈星瑟或帕克检验：，则存在异方差；3）White检验：先用OLS估计方程得残差；做对所有原始变量等的回归；求辅助回归方程中的R2（）；得到的X值超过临界值，则有异方差，或P很低，拒绝Ho，无异方差。补救：1）加权最小二乘法（WLS）：对原模型加权，再采用OLS估计参数；对较小的赋予较大的权数；对较大的赋予较小的权数。2）重新设定模型：改变PRF。53、 自相关形式：1）cov(Ui,Uj)0；2）即随机误差项之间存在某种相关性；3）时间序列数据；4）（-11），为自协方差系数或一阶相关系数。原因：1）惯性；2）设定误差：模型中遗漏了显著的变量；3）设定误差：不正确的函数形式；4）蛛网现象；5）数据的“偏造”。后果：1）无偏无效；2）t检验失效（失去意义）；3