计量考试真题及答案

计量考试练习题及答案一、名词解释（每小题3分，共15分）1.内生解释变量：在计量经济模型中，与随机误差项存在相关性的解释变量。其产生原因包括遗漏变量、测量误差或反向因果关系，会导致OLS估计量有偏且不一致。2.工具变量：用于解决内生性问题的变量，需满足两个条件：一是与内生解释变量高度相关（相关性），二是与随机误差项不相关（外生性）。通过工具变量可构造一致估计量。3.固定效应模型：面板数据模型的一种，假设个体（或时间）存在不随时间（或个体）变化的固定效应（如个体特征），且该效应与解释变量相关。通常通过组内离差法（去均值）消除固定效应，得到一致估计。4.异方差性：随机误差项的方差随解释变量或样本点变化而变化的现象，即Var(μi)≠常数。异方差会导致OLS估计量的标准误有偏，t检验和F检验失效，但不影响估计量的无偏性和一致性。5.自相关性：随机误差项之间存在序列相关，即Cov(μi,μj)≠0（i≠j）。常见于时间序列数据，会导致OLS估计量的标准误低估，t检验和F检验出现伪显著，估计量虽无偏但非有效。二、简答题（每小题10分，共30分）1.简述高斯-马尔可夫定理的条件及结论。高斯-马尔可夫定理是OLS估计量优良性质的理论基础，其成立需满足以下条件：（1）线性性：模型为线性回归形式，即Yi=β0+β1X1i+…+βkXki+μi；（2）严格外生性：E(μi|X1i,…,Xki)=0，即解释变量与误差项不相关；（3）同方差性：Var(μi|X)=σ²，误差项方差恒定；（4）无自相关性：Cov(μi,μj|X)=0（i≠j），误差项无序列相关；（5）无完全多重共线性：解释变量之间不存在严格线性关系。结论：在满足上述条件时，OLS估计量是最佳线性无偏估计量（BLUE），即所有线性无偏估计量中，OLS估计量的方差最小。2.异方差性的后果及常用检验方法。异方差性的后果包括：（1）OLS估计量的方差不再是最小的，丧失有效性；（2）OLS估计量的标准误有偏（通常低估或高估），导致t检验和F检验的显著性水平失真，可能得出错误的统计推断；（3）模型的预测精度下降，预测区间不可靠。常用检验方法：（1）图示法：绘制残差平方与解释变量的散点图，观察是否存在系统性变化；（2）帕克检验（ParkTest）：假设残差平方与解释变量的幂函数相关，通过回归残差平方与解释变量的对数，检验系数显著性；（3）戈德菲尔德-匡特检验（Goldfeld-QuandtTest）：适用于大样本，将数据按解释变量排序后分成两组，分别进行OLS回归，计算两组的残差平方和之比，构造F统计量检验方差是否相等；（4）怀特检验（WhiteTest）：通过回归残差平方与解释变量、解释变量平方及交叉项，构造卡方统计量检验异方差，无需假设异方差的具体形式。3.比较随机效应模型与固定效应模型的适用场景。固定效应模型（FE）假设个体（或时间）存在固定的不可观测效应（如个体特征αi），且αi与解释变量相关（Cov(αi,Xit)≠0）。此时，若直接使用混合OLS会因遗漏αi导致估计偏误。FE通过去均值（将变量减去个体均值）消除αi，得到一致估计，适用于关注个体内部变化对被解释变量的影响，且不可观测效应与解释变量相关的场景（如研究教育对收入的影响，个体能力αi与教育年限Xit相关）。随机效应模型（RE）假设不可观测效应αi是随机变量，且与解释变量不相关（Cov(αi,Xit)=0）。RE通过广义最小二乘法（GLS）同时利用个体间和个体内的信息，效率更高。其适用场景为不可观测效应与解释变量无关，且需要估计个体间差异对结果的影响（如研究不同地区政策对企业绩效的影响，地区特征αi与政策变量Xit无关）。选择FE或RE时，可通过豪斯曼检验（HausmanTest）判断：若拒绝“αi与Xit无关”的原假设，应选择FE；否则选择RE。三、计算题（每小题15分，共30分）1.假设某研究收集了20个样本的家庭消费支出（Y，单位：千元）、家庭收入（X1，单位：千元）和家庭人口数（X2，单位：人）的数据，部分统计量如下：∑Yi=400，∑X1i=2000，∑X2i=60∑(X1i−X̄1)(Yi−Ȳ)=8000，∑(X2i−X̄2)(Yi−Ȳ)=−200∑(X1i−X̄1)²=40000，∑(X2i−X̄2)²=20，∑(X1i−X̄1)(X2i−X̄2)=−100总平方和TSS=∑(Yi−Ȳ)²=20000，残差平方和RSS=5000（1）建立二元线性回归模型Y=β0+β1X1+β2X2+μ，计算OLS估计量β̂1和β̂2；（2）计算判定系数R²和调整后判定系数R̄²；（3）对β1进行t检验（显著性水平α=0.05，t0.025(17)=2.110）。解答：（1）二元线性回归的OLS估计量公式为：β̂1=[∑(X1i−X̄1)(Yi−Ȳ)∑(X2i−X̄2)²−∑(X2i−X̄2)(Yi−Ȳ)∑(X1i−X̄1)(X2i−X̄2)]/[∑(X1i−X̄1)²∑(X2i−X̄2)²−(∑(X1i−X̄1)(X2i−X̄2))²]代入数据：分子=8000×20−(−200)×(−100)=160000−20000=140000分母=40000×20−(−100)²=800000−10000=790000β̂1=140000/790000≈0.177β̂2=[∑(X2i−X̄2)(Yi−Ȳ)∑(X1i−X̄1)²−∑(X1i−X̄1)(Yi−Ȳ)∑(X1i−X̄1)(X2i−X̄2)]/分母分子=(−200)×40000−8000×(−100)=−8000000+800000=−7200000β̂2=−7200000/790000≈−9.114（2）判定系数R²=1−RSS/TSS=1−5000/20000=0.75调整后判定系数R̄²=1−(RSS/(n−k−1))/(TSS/(n−1))=1−(5000/17)/(20000/19)=1−(294.12)/(1052.63)≈1−0.279=0.721（3）首先计算β̂1的标准误：残差方差σ̂²=RSS/(n−k−1)=5000/17≈294.12X1的偏回归平方和为：Var(β̂1)=σ̂²×∑(X2i−X̄2)²/[∑(X1i−X̄1)²∑(X2i−X̄2)²−(∑(X1i−X̄1)(X2i−X̄2))²]=294.12×20/790000≈5882.4/790000≈0.00745标准误SE(β̂1)=√0.00745≈0.0863t统计量=β̂1/SE(β̂1)=0.177/0.0863≈2.05由于t=2.05<t0.025(17)=2.110，故在5%显著性水平下不拒绝H0:β1=0，即家庭收入对消费支出的影响不显著。2.考虑模型Yi=β0+β1Xi+μi，其中Xi为内生解释变量（与μi相关），选择工具变量Zi（满足相关性和外生性）。假设通过两阶段最小二乘法（2SLS）估计，得到以下结果：第一阶段回归：Xi=π0+π1Zi+νi，R²=0.64，∑(Zi−Z̄)²=100，∑(Xi−X̄)²=25；第二阶段回归：Yi=β̂0+β̂1X̂i+êi，其中X̂i为第一阶段拟合值，∑(X̂i−X̄)(Yi−Ȳ)=40，∑(X̂i−X̄)²=16。（1）验证工具变量Zi的相关性；（2）计算2SLS估计量β̂1；（3）比较OLS估计量与2SLS估计量的差异（假设OLS估计量β̂1_OLS=3）。解答：（1）工具变量的相关性要求π1≠0，可通过第一阶段回归的F统计量或R²判断。第一阶段R²=0.64，说明Zi解释了Xi变异的64%，相关性较强。此外，π1的估计值为：π̂1=∑(Zi−Z̄)(Xi−X̄)/∑(Zi−Z̄)²，而∑(Xi−X̄)²=25，R²=π̂1²∑(Zi−Z̄)²/∑(Xi−X̄)²=0.64，代入得：π̂1²×100/25=0.64→π̂1²=0.16→π̂1=±0.4（绝对值显著），故Zi与Xi高度相关，满足相关性条件。（2）2SLS估计量β̂1=∑(X̂i−X̄)(Yi−Ȳ)/∑(X̂i−X̄)²=40/16=2.5（3）OLS估计量β̂1_OLS=3，而2SLS估计量β̂1=2.5。由于Xi内生（与μi正相关），OLS估计量会向上偏误（β̂1_OLS>β1真实值）。2SLS通过工具变量Zi消除了Xi与μi的相关性，得到一致估计量，因此β̂1=2.5更接近真实值。四、分析题（25分）背景：某研究关注“教育年限对个人月收入的影响”，收集了300个城市居民的截面数据，变量包括：月收入（Y，元）、教育年限（X1，年）、工作经验（X2，年）、性别（D，1=男性，0=女性）。要求：（1）建立计量模型，说明变量选择的经济意义；（2）分析模型可能存在的内生性问题及来源；（3）提出解决内生性的方法（需说明工具变量的选择标准及具体变量）；（4）若估计结果显示β̂1=800（t=5.2），R²=0.45，解释其经济意义并评价模型拟合效果。解答：（1）计量模型设定为：Yi=β0+β1X1i+β2X2i+β3Di+μi其中：β1表示教育年限每增加1年，个人月收入的平均变化量（元），反映教育的回报率；β2表示工作经验每增加1年，月收入的平均变化量，反映经验对收入的积累效应；β3表示男性相对于女性的月收入差异（元），反映性别收入差距；μi为随机误差项，包含未观测的个体特征（如能力、家庭背景）、测量误差等。（2）内生性问题及来源：①遗漏变量偏误：个体能力（如智商、勤奋程度）与教育年限（X1）正相关（能力高者更可能接受更长教育），同时能力直接影响收入（Y），导致X1与μi正相关，OLS估计量β̂1向上偏误。②测量误差：教育年限可能存在测量误差（如未准确记录辍学或复读），若误差与真实教育年限负相关（如低教育者更可能漏报），会导致X1的测量误差与μi相关，OLS估计量β̂1向下偏误。③反向因果：高收入者可能通过在职教育提高学历（Y→X1），导致X1与μi正相关，OLS估计量β̂1向上偏误。（3）解决内生性的方法：工具变量法（IV）。工具变量Zi需满足：①相关性：Zi与内生解释变量X1高度相关（如父母教育年限，父母受教育程度高的子女更可能接受更长教育）；②外生性：Zi与误差项μi不相关（父母教育年限不直接影响子女收入，除非通过子女教育）。具体选择“父亲教育年限（Z）”作为工具变量。父亲教育年限与子女教育年限（X1）正相关（满足相关性），且父亲教育年限本身不直接影响子女收入（除非通过子女教育），与μi（包含子女能力、测量误差