计量经济学简答题版

请问自回归模型的预计存在什么困难？怎样来解决这些磨难？答：主要存在两个问题：出现了随机解说变量Y，而可能与随机扰动项有关；随机扰动项可能存在自有关，库伊克模型和自适应预期模型的随机扰动项都会以致自有关，只有局部调整模型的随机扰动项无自有关。关于第一个问题的解决能够使用工具变量法；关于第二个问题的查验能够用德宾h查验法，当前还没有很好的解决方法，独一能做的就是模型尽可能的设定正确。为何要进行广义差分变换？写出其过程。答：进行广义差分变换是为了办理自有关，写出其过程以下：以一元模型为例：Yt=b0+b1Xt+ut假定偏差项听从AR(1)过程：ut=ρut-1+vt－1≤ρ≤1此中，v知足OLS假定，而且是已知的。为了弄清楚怎样使变换后模型的偏差项不拥有自有关性，我们将回归方程中的变量滞后一期，写为：Yt-1=b0+b1Xt-1+ut-1方程的两边同时乘以ρ，获得：ρYt-1=ρb0+ρb1Xt-1+ρut-1此刻将双方程相减，获得：(Yt－ρYt-1)=b0(1－ρ)+b1(Xt－ρXt-1)+vt因为方程中的偏差项vt知足标准OLS假定，方程就是一种变换形式，使得变换后的模型无序列有关。假如我们将方程写成：Y*=b*+bX*+v，01ttt*=(Yt-ρYt-1)*=(Xt-ρXt-1)*=b0(1-ρ)。此中，Yt，Xt，b0什么是递归模型？答：递归模型是指在该模型中，第一个方程的内生变量Y1仅由前定变量表示，而无其余内生变量；第二个方程内生变量Y2表示成前定变量和一个内生变量Y1的函数；第三个方程内生变量Y3表示成前定变量和两个内生变量Y1与Y2的函数；按此规律下去，最后一个方程内生变量Ym可表示成前定变量和m－个Y1，Y2、，Y3，、Ym-1的函数。为何要进行同方差变换？写出其过程，并证明之。答：进行同方差变换是为了办理异方差，写出其过程以下：我们考虑一元整体回归函数Yi=b0+b1Xi+ui假定偏差σi2是已知的，也就是说，每个察看值的偏差是已知的。对模型作以下“变换”：Yi/σi=b0/σi+b1Xi/σi+ui/σi这里将回归等式的两边都除以“已知”的σi。σi是方差σi2的平方根。令vi=ui/σi我们将vi称作是“变换”后的偏差项。vi知足同方差吗？假如是，则变换后的回归方程就不存在异方差问题了。假定古典线性回归模型中的其余假定均能知足，则方程中各参数的OLS预计量将是最优线性无偏预计量，我们就能够按惯例的方法进行统计剖析了。证明偏差项vi同方差性其实不困难。依据方程有：E(vi2)=E(ui2/σi2)E(ui2)/σi2=σi2/σi2=1明显它是一个常量。简言之，变换后的偏差项vi是同方差的。所以，变换后的模型不存在异方差问题，我们能够用惯例的OLS方法加以预计。简述逐渐回归法的基本步骤。答：先用被解说变量对每一个解说变量做简单回归，而后以对被解说变量贡献最大的解说变量所对应的回归方程为基础，再逐一引入其余的解说变量。这个过程会出现3种情况：①若新变量的引入改良了R2和F查验，且其余回归系数的t查验在统计上还是显着的，则可考虑在模型中保存该变量；②若新变量的引入未能改良R2和F查验，且对其余回归系数预计值的t查验也未带来什么影响，则以为该变量是剩余的；③若新变量的引入未能改良R2和F查验，且显着地影响了其余回归系数预计值的数值或符号，以致某些回归系数通可是t查验，则说明出现了严重的多重共线性。经过对各个引入新变量模型多方面的综合比较，保存R2改良最大，且不影响原有变量显着性。古典线性回归模型的假定有哪些?并对此中两个进行评论。答：假定1扰动项的希望或均值为零。即E(u该假定表示：均匀地看，随机扰动项对

i

)=0Yi

。没有任何影响，也就是说，正当与负值互相抵消。假定2同方差假定，每个ui的方差为一常数σ2，即var(ui)=σ2。该假定可简单地理解为，与给定X相对应的每个Y的条件散布同方差；也即，每个Y值以同样的方差,散布在其均值四周。假如不是这类状况，则称为异方差，即var(ui)=σi2≠常数。假定3无自有关假定，两个偏差项之间不有关。即cov(ui,uj)=0i≠j。这里，cov表示协方差，i和j表示随意的两个偏差项。（假如I=j，则上式就给出了的方差的表达式）。无自有关假定表示偏差项ui是随机的。假定4解说变量(X)与扰动偏差项不有关。可是，假如X是非随机的，（即其值为固定数值），则该假定自动知足。假定5扰动项ui听从均值为零，方差为σ2的正态散布，即ui~N(0,σ2)。这个假定的理论基础是中心极限制理。中心极限制理的内容是：独立同散布随机变量，跟着变量个数的无穷增添，其和的散布近似听从正态散布。假定6解说变量之间不存在线性有关关系。即两个解说变量之间无切实的线性关系，假定6表示认识释变量X1与X2之间不存在完好的线性关系，称为非共线性或非多重共线性。一般地，非完好共线性是指变量X1不可以表示为另一变量X2的完好线性函数。在存在完好共线性的状况下，不可以预计偏回归系数b1和b2的值；换句话说，不可以预计解说变量X1和X2各自对应变量Y的影响。固然在实质中，极罕有完好共线性的状况，可是高度完好共线性或近似完好共线性的状况还是好多的。最小二乘法预计量的统计性质有哪些？各性质的含义是什么？答：(1)??是随机变量Y的线性函数。线性：即b0和b1(2)无偏性：E(?)=b0，E(?1，E(?2σ2。所以，均匀地看，)=??将与其真切值b0和b122相一致，?将与真切的σ相一致。b0和b1(3)最小方差性：即?的方差小于其余任何一个b0的线性无偏预计量的方b0?的方差小于其余任何一个b1的线性无偏预计量的方差。差；b1成立与应用计量经济学模型的主要步骤有哪些？答：步骤以下：（1）设定理论模型，包含选择模型所包含的变量，确立变量之间的数学关系和制定模型中待估参数的数值范围；（2）采集样本数据，要考虑样本数据的完好性、正确性、可比性和一致性；预计模型参数；（3）查验模型，包含经济意义查验、统计查验、计量经济学查验；（4）展望应用。DW查验法的前提条件是什么？答：①解说变量X为非随机的；②随机偏差项为一阶自回归形式；③线性模型的解说变量中不包含滞后的被解说变量；④只合用于有常数项的回归模型；⑤数据序列无缺失项。试分别简析存在自有关、异方差和多重共线性时对回归参数的预计有何影响?答：假如存在自有关，将会以致OLS预计量的方差低估或高估，并会以致参数的显着性查验无效。假如存在异方差，将会以致OLS预计量的方差低估，并会夸张参数的显着性查验的t统计量。当存在完好共线性时，参数预计为不定式，参数预计量的方差无穷大；当存在不完好多重共线性时，会以致参数预计量的方差增大。什么是多重共线性？多重共线性对模型的主要影响是什么？答：（1）所谓多重共线性是指解说变量间存在线性关系，从数学上来讲，就是关于解说变量X1,X2,Xk，假如存在不全为0的0,1,,k，能使得01X1ikXki0（i1,2,,n）成立，也即解说变量的数据矩阵X不满秩，即Rank(X)k1（2）完好多重共线性会使得参数预计为不定式（不确立），参数预计量的方差无穷大。在严重的多重共线性下，一般最小二乘预计获得的回归参数预计值很不稳固（方差增大），造成回归方程高度显着的状况下，有些回归系数通可是显着性查验（t查验无效），可能出现回归系数的正负号得不到合理的解说。试比较库伊克模型、自适应预期模型与局部调整模型的异与同。答：同样点：三者的最后形式都是一阶自回归模型，所以，对这三类模型的预计就转变为对相应一阶自回归模型的预计。（3分）?不一样点：（1）导出模型的经济背景与思想不一样。库伊克模型是在无穷散布滞后模型的基础上依据库伊克几何散布滞后假定而导出的；自适应预期模型是由解说变量的自适应过程而获得的；局部调整模型则是对被解说变量的局部调整而获得的。（3分）?2）因为模型的形成机理不一样而以致随机偏差