計量經(jīng)濟學(xué) - 復(fù)習(xí)

1、一名詞解釋1.受限因變量：一些連續(xù)因變量的值域以某種受約束的形式表示。2.異方差性：回歸模型中隨機誤差項有不同的方差。3.多重共線性：多元線性回歸模型中，解釋變量之間有較強的線性回歸關(guān)系。4.自相關(guān)性：對于yt=0+1x1t+txkt+t，隨機誤差項的各期望值之間存在著相關(guān)關(guān)系。5.虛擬變量：反映定性因素變化，只取0和1的人工變量。6.時間序列的平穩(wěn)性：如果隨機時間序列yt滿足E（yt）=,D（yt）=²，Cov（yt,yt+k）=k，即時間序列均值和方差都是與t無關(guān)的常數(shù)，協(xié)方差只和時間間隔k有關(guān)。7.Granger單（雙）向因果關(guān)系檢驗：如果Xt，Yt為平穩(wěn)過程，對于模型Xt=c

2、1+jXt-j+jYt-j+1t , yt=c2+jYt-j+jXt-j+2t。1，2為白噪聲。若j=j=0，則Xt，Yt相互獨立；若j=，j0，則Xt是Yt的格蘭杰原因；若都0，則互為格蘭杰原因。8.誤差修正模型：yt=0xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.時間序列的單整性：如果一個非平穩(wěn)序列yt經(jīng)過d階差分后成為平穩(wěn)序列，則稱這個序列是d階單整序列，記為ytI（d）10.時間序列的協(xié)整性：設(shè)時間序列x1t，x2txktI（d）即都是d階單整序列，如果存在常數(shù)向量=（1，2t），使得1x1，2x2txtI(d-b),則稱時間序列之間存在階數(shù)為（d，b）的協(xié)

3、整關(guān)系，簡稱xi之間是協(xié)整的，記為xiCI（d，b）11.波動聚集性：金融時間序列的波動幅度往往有不穩(wěn)定性，具體表現(xiàn)為金融時間序列在某些時段內(nèi)波動幅度較小，另外一些時段波動幅度卻很大，通常較大幅度波動跟著較大幅度波動，較小幅度波動跟著較小幅度波動。12.隨機誤差項：表示實際的y值和期望值之間的差距。i=yi-(0+1xi)13.計量經(jīng)濟學(xué)：以一定的經(jīng)濟理論和實際統(tǒng)計資料為依據(jù)，運用數(shù)學(xué)、統(tǒng)計學(xué)方法和計算機技術(shù)，通過建立計量經(jīng)濟模型，定量分析經(jīng)濟變量之間的隨機因果關(guān)系。14.伴隨概率P：假設(shè)檢驗中犯第一類錯誤（棄真）的概率。二填空1.合理選擇解釋變量的關(guān)鍵：正確理解有關(guān)經(jīng)濟理論，把握研究經(jīng)濟現(xiàn)象

4、的行為規(guī)律2.自相關(guān)系數(shù)估計的常用方法：近似估計法（大樣本DW近似公式，小樣本泰爾公式）Durbin估計法迭代估計法搜索估計法3.多個非平穩(wěn)序列變量具有協(xié)整關(guān)系的統(tǒng)計含義：這些非平穩(wěn)序列經(jīng)線性組合后變平穩(wěn)序列。4.建立計量經(jīng)濟模型統(tǒng)計數(shù)據(jù)主要有3種類型：時間序列數(shù)據(jù)，橫截面數(shù)據(jù)，面板數(shù)據(jù)。5.計量經(jīng)濟模型檢驗的內(nèi)容一般包括：經(jīng)濟檢驗，統(tǒng)計檢驗，計量經(jīng)濟檢驗，預(yù)測性能檢驗。6.計量經(jīng)濟模型的用途：結(jié)構(gòu)分析，經(jīng)濟預(yù)測，政策評價，實證分析。7.OLS基本原理：利用樣本建立的回歸模型預(yù)測被解釋變量的理論值和被解釋變量的實際觀測值的離差平方和最小。8.高斯馬爾科夫定理：如果線性模型yi=0+l=1l=k

5、lxli+i滿足回歸分析的基本假定，則模型參數(shù)最小二乘估計B=（XTX）-1XTY，是真值B的最佳線性無偏有效估計。9.對不可線性化的非線性模型處理方法：對可間接線性化的，可通過適當?shù)淖兞孔兓删幊虡藴示€性模型，然后按照線性模型方法進行計量經(jīng)濟研究；對無法線性化的，可用泰勒級數(shù)展開法，展開成多項式模型，再通過標準化方法進行線性化，或者采用非線性最小二乘法進行迭代估計研究。10.高階自相關(guān)性檢驗方法有：偏相關(guān)系數(shù)檢驗法，BG檢驗法。11.模型結(jié)構(gòu)穩(wěn)定性檢驗有兩個用途：分析模型結(jié)構(gòu)對樣本變化的敏感性；比較兩個及以上回歸模型之間的差異，即分析模型結(jié)構(gòu)是否發(fā)生了顯著性變化。12.P階自回歸序列AR(p

6、)的識別條件：當一個時間序列的自相關(guān)函數(shù)是拖尾的，而偏自相關(guān)函數(shù)又是截尾的，則該時間序列就是AR（P）序列，并可根據(jù)偏自相關(guān)函數(shù)的截尾程度確定階數(shù)p。13.對只存在一個協(xié)整關(guān)系的變量之間進行協(xié)整檢驗的方法：EG兩步法即兩步估計法。14.對于變量之間存在多個協(xié)整關(guān)系時，應(yīng)采用基于向量自回歸模型（VAR）的Johansen協(xié)整檢驗法。15.用于建立精良經(jīng)濟模型的數(shù)據(jù)必須具有：完整性、準確性、可比性、一致性。16.預(yù)測性能檢驗的方法：擴大樣本容量或變換樣本重新估計模型，再檢驗新的估計值和原來的估計值是否有顯著性差異利用模型對樣本期以外時期進行預(yù)測，再比較預(yù)測值和實際觀測值的誤差。17.MA(q)的識

7、別條件：當一個時間序列的自相關(guān)函數(shù)是截尾的，而偏自相關(guān)函數(shù)又是拖尾的，則該時間序列就是MA(q)序列，并可根據(jù)自相關(guān)函數(shù)的截尾程度確定階數(shù)q。18.ARMA(p,q)當一個時間序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)都是拖尾的，就是ARMA(p,q)序列。19.計量經(jīng)濟研究的步驟：建立理論模型、估計模型參數(shù)、檢驗估計的模型、應(yīng)用模型進行定量分析。四簡答1.進行Granger因果關(guān)系檢驗時為什么一定要研究的時間序列必須是平穩(wěn)的？答：研究發(fā)現(xiàn)，如果不平穩(wěn)，結(jié)論經(jīng)常不完全準確甚至相反，為了科學(xué)性，必須考慮平穩(wěn)性問題，只有平穩(wěn)的才能得到滿意結(jié)果。2.多元線性回歸模型基本假定：隨機誤差項均值為0隨機誤差項有相同方

8、差隨機誤差項互不相關(guān)解釋變量是非隨機變量，值是確定的解釋變量和隨機誤差項不相關(guān)解釋變量之間不存在完全多重共線性隨機誤差項服從正態(tài)分布。3.針對計量經(jīng)濟模型出現(xiàn)多重共線性問題時，忽略處理的前提條件：如果建模的目的是進行預(yù)測，只要模型擬合優(yōu)度系數(shù)較高（即能正確反映所有解釋變量的總影響），并且解釋變量的相關(guān)類型在預(yù)測期內(nèi)保持不變，就可以忽略多重共線性的問題；不能忽略的條件：如果是建模進行結(jié)構(gòu)分析或政策評價，即利用系數(shù)分析、比較各個解釋變量的單獨影響時，需要消除多重共線性的影響。4.logistic回歸和普通線性回歸模型的區(qū)別：非線性與線性L研究某時間發(fā)生概率P與解釋變量x之間的相互關(guān)系，線性回歸模型

9、研究因變量y的均值與解釋變量x之間相互關(guān)系L中沒隨機誤差項；線性回歸中有，還有獨立性、同分布、方差為常數(shù)的古典假設(shè)條件估計L的模型參數(shù)時，數(shù)據(jù)必須來自隨機樣本，即各觀測值相互獨立；普通線性回歸無此要求。不過他們都要求不存在嚴重的多重共線性。5.預(yù)測的評估標準：均方根誤差和平均絕對誤差平均絕對百分誤差Theil不等系數(shù)偏斜率、方差率、協(xié)變率。五證明1.誤差修正模型ECM推導(dǎo)：對于yt的(1,1)階自回歸分布滯后模型yt=+0xt+1xt-1+2yt-1+t,模型兩端同時減yt-1,并在右端±0xt-1,得: yt=+0xt+(0+1)xt-1+(2-1)yt-1+t=0xt+(2-1)

10、yt-1-(+0)/(1-2)-1*xt-1/(1-2)+t=0xt+yt-1-0-1*xt-1+t,記ecmt-1=yt-1-0-1xt-1,則yt=0xt+ecmt-1+t .2.六論述1異方差性產(chǎn)生原因、影響后果、診斷方法和解決方法原因：模型中遺漏了對被解釋變量影響逐漸增大的因素模型函數(shù)形式的設(shè)定誤差隨機因素。后果：OLS不再是有效估計系數(shù)的標準誤差無法準確估計t檢驗可靠性降低加大模型預(yù)測誤差。診斷方法：圖示檢驗法包括相關(guān)圖法和殘差分布圖；G-Q檢驗法；White檢驗法；帕克檢驗法；Gleiser檢驗法。解決方法：模型變換法加權(quán)最小二乘法WLS。2自相關(guān)性產(chǎn)生原因、影響后果、診斷方法和解

11、決方法原因：遺漏重要解釋變量模型函數(shù)形式設(shè)定不當經(jīng)濟慣性隨機因素。影響后果：OLS不再有效估計低估OLS估計的標準誤差t檢驗可靠性降低降低模型預(yù)測精度。診斷方法：殘差圖分析D-W檢驗高階自相關(guān)性檢驗。解決方法：廣義差分法自相關(guān)系數(shù)的估計方法3多重共線性產(chǎn)生原因、影響后果、診斷方法和解決方法原因：經(jīng)濟變量的內(nèi)在聯(lián)系，這種相互影響幾乎使任何模型產(chǎn)生多重共線性經(jīng)濟變量變化趨勢的共同性解釋變量中含有滯后變量，則解釋變量會與滯后變量產(chǎn)生多重共線性。后果：增大OLS估計方差難以區(qū)分每個解釋變量的單獨影響t檢驗可靠性降低回歸模型缺乏穩(wěn)定性。診斷方法：相關(guān)系數(shù)檢驗輔助回歸模型檢驗方差膨脹因子（或容忍度）檢驗特

12、征根檢驗。解決方法：直接剔除次要或可替代變量間接剔除重要解釋變量，其中間接剔除重要解釋變量采用以下方法：利用附加信息；變換模型形式；綜合使用時序數(shù)據(jù)和橫截面數(shù)據(jù)。逐步回歸法主成份回歸法。4.虛擬變量的作用：描述和測量定性因素的影響正確反映經(jīng)濟變量之間的相互關(guān)系，提高模型精度便于處理異常數(shù)據(jù)；虛擬變量的設(shè)置方式：加法方式乘法方式混合方式。設(shè)置原則：一因素多類型多因素兩種類型其他原則。虛擬變量的特殊應(yīng)用：調(diào)整季節(jié)波動檢驗?zāi)Ｐ徒Y(jié)構(gòu)穩(wěn)定性分段回歸混合回歸八模型計算1.試檢驗白噪聲序列Xt=t，tN（0，²）的平穩(wěn)性。由題知，E（t）=0，t=1,2,D(t)=²=C，均為與t無關(guān)常

13、數(shù)，又t與t+k不相關(guān)（基本假定）Cov（t，t+k）=0，滿足時間序列平穩(wěn)性條件，故白噪聲序列平穩(wěn)2.試檢驗AR（1）模型即yt=yt-1+ t的平穩(wěn)性條件。兩邊平方再求數(shù)學(xué)期望，得到y(tǒng)t方差：E(yt²)=²E(yt-1²)+E(t²)+2E(yt-1 t).即yt僅與t相關(guān),因此E(yt-1 t)=0,如果該模型穩(wěn)定,各分量有相同方差,則有E(yt²)=E(yt-1²),從而上式可變化為:0=y²=(²)/(1-²),若yt是平穩(wěn)序列,其方差應(yīng)該是一非負常數(shù),即²1,也就是說當²

14、1,AR(1)時間序列是平穩(wěn)的。1.受限因變量：一些連續(xù)因變量的值域以某種受約束的形式表示。2.異方差性：回歸模型中隨機誤差項有不同的方差。3.多重共線性：多元線性回歸模型中，解釋變量之間有較強的線性回歸關(guān)系。4.自相關(guān)性：對于yt=0+1x1t+txkt+t，隨機誤差項的各期望值之間存在著相關(guān)關(guān)系。5.虛擬變量：反映定性因素變化，只取0和1的人工變量。6.時間序列的平穩(wěn)性：如果隨機時間序列yt滿足E（yt）=,D（yt）=²，Cov（yt,yt+k）=k，即時間序列均值和方差都是與t無關(guān)的常數(shù)，協(xié)方差只和時間間隔k有關(guān)。7.Granger單（雙）向因果關(guān)系檢驗：如果Xt，Yt為平穩(wěn)

15、過程，對于模型Xt=c1+jXt-j+jYt-j+1t , yt=c2+jYt-j+jXt-j+2t。1，2為白噪聲。若j=j=0，則Xt，Yt相互獨立；若j=，j0，則Xt是Yt的格蘭杰原因；若都0，則互為格蘭杰原因。8.誤差修正模型：yt=0xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.時間序列的單整性：如果一個非平穩(wěn)序列yt經(jīng)過d階差分后成為平穩(wěn)序列，則稱這個序列是d階單整序列，記為ytI（d）10.時間序列的協(xié)整性：設(shè)時間序列x1t，x2txktI（d）即都是d階單整序列，如果存在常數(shù)向量=（1，2t），使得1x1，2x2txtI(d-b),則稱時間序列之間存

16、在階數(shù)為（d，b）的協(xié)整關(guān)系，簡稱xi之間是協(xié)整的，記為xiCI（d，b）11.波動聚集性：金融時間序列波動幅度往往有不穩(wěn)定性，具體表現(xiàn)為金融時間序列在某些時段內(nèi)波動幅度較小，另外一些時段波動幅度卻很大，通常較大幅度波動跟著較大幅度波動，較小幅度波動跟著較小幅度波動。12.隨機誤差項：表示實際的y值和期望值之間的差距。i=yi-(0+1xi)1.合理選擇解釋變量的關(guān)鍵：正確理解有關(guān)經(jīng)濟理論，把握研究經(jīng)濟現(xiàn)象的行為規(guī)律2.自相關(guān)系數(shù)估計的常用方法：近似估計法（大樣本DW近似公式，小樣本泰爾公式）Durbin估計法迭代估計法搜索估計法3.多個非平穩(wěn)序列變量具有協(xié)整關(guān)系的統(tǒng)計含義：這些非平穩(wěn)序列經(jīng)線

17、性組合后變平穩(wěn)序列。4.建立計量經(jīng)濟模型統(tǒng)計數(shù)據(jù)主要有3種類型：時間序列數(shù)據(jù)，橫截面數(shù)據(jù)，面板數(shù)據(jù)。5.計量經(jīng)濟模型檢驗的內(nèi)容一般包括：經(jīng)濟檢驗，統(tǒng)計檢驗，計量經(jīng)濟檢驗，預(yù)測性能檢驗。6.計量經(jīng)濟模型的用途：結(jié)構(gòu)分析，經(jīng)濟預(yù)測，政策評價，實證分析。7.OLS基本原理：利用樣本建立的回歸模型預(yù)測被解釋變量的理論值和被解釋變量的實際觀測值的離差平方和最小。8.高斯馬爾科夫定理：如果線性模型yi=0+l=1l=klxli+i滿足回歸分析的基本假定，則模型參數(shù)最小二乘估計B=（XTX）-1XTY，是真值B的最佳線性無偏有效估計。9.對不可線性化的非線性模型處理方法：對可間接線性化的，可通過適當?shù)淖兞孔?/p>

18、化可編程標準線性模型，然后按照線性模型方法進行計量經(jīng)濟研究；對無法線性化的，可用泰勒級數(shù)展開法，展開成多項式模型，再通過標準化方法進行線性化，或者采用非線性最小二乘法進行迭代估計研究。10.高階自相關(guān)性檢驗方法有：偏相關(guān)系數(shù)檢驗法，BG檢驗法。11.模型結(jié)構(gòu)穩(wěn)定性檢驗有兩個用途：分析模型結(jié)構(gòu)對樣本變化的敏感性；比較兩個及以上回歸模型之間的差異，即分析模型結(jié)構(gòu)是否發(fā)生了顯著性變化。12.P階自回歸序列AR(p)識別條件：當一個時間序列自相關(guān)函數(shù)是拖尾的，偏自相關(guān)函數(shù)又是截尾的，則該時間序列就是AR（P）序列，并可根據(jù)偏自相關(guān)函數(shù)的截尾程度確定階數(shù)p。13.對只存在一個協(xié)整關(guān)系的變量之間進行協(xié)整檢

19、驗的方法：EG兩步法即兩步估計法。14.對于變量之間存在多個協(xié)整關(guān)系時，應(yīng)采用基于向量自回歸模型（VAR）的Johansen協(xié)整檢驗法。1.進行Granger因果關(guān)系檢驗時為什么一定要研究的時間序列必須是平穩(wěn)的？答：研究發(fā)現(xiàn)，如果不平穩(wěn)，結(jié)論經(jīng)常不完全準確甚至相反，為了科學(xué)性，必須考慮平穩(wěn)性問題，只有平穩(wěn)的才能得到滿意結(jié)果。2.多元線性回歸模型基本假定：隨機誤差項均值為0隨機誤差項有相同方差隨機誤差項互不相關(guān)解釋變量是非隨機變量，值是確定的解釋變量和隨機誤差項不相關(guān)解釋變量之間不存在完全多重共線性隨機誤差項服從正態(tài)分布。3.針對計量經(jīng)濟模型出現(xiàn)多重共線性問題時，忽略處理的前提條件：如果建模的目

20、的是進行預(yù)測，只要模型擬合優(yōu)度系數(shù)較高（即能正確反映所有解釋變量的總影響）并且解釋變量的相關(guān)類型在預(yù)測期內(nèi)保持不變，就可以忽略多重共線性的問題；不能忽略的條件：如果是建模進行結(jié)構(gòu)分析或政策評價，即利用系數(shù)分析、比較各個解釋變量的單獨影響時，需要消除多重共線性的影響。4.logistic回歸和普通線性回歸模型的區(qū)別：非線性與線性L研究某時間發(fā)生概率P與解釋變量x之間的相互關(guān)系，線性回歸模型研究因變量y的均值與解釋變量x之間相互關(guān)系L中沒隨機誤差項；線性回歸中有，還有獨立性、同分布、方差為常數(shù)的古典假設(shè)條件估計L的模型參數(shù)時，數(shù)據(jù)必須來自隨機樣本，即各觀測值相互獨立；普通線性回歸無此要求。不過他們

21、都要求不存在嚴重的多重共線性。1.誤差修正模型ECM推導(dǎo)：對于yt的(1,1)階自回歸分布滯后模型yt=+0xt+1xt-1+2yt-1+t,模型兩端同時減yt-1,并在右端±0xt-1,得: yt=+0xt+(0+1)xt-1+(2-1)yt-1+t=0xt+(2-1)yt-1-(+0)/(1-2)-1*xt-1/(1-2)+t=0xt+yt-1-0-1*xt-1+t,記ecmt-1=yt-1-0-1xt-1,則yt=0xt+ecmt-1+t .1異方差性原因：模型中遺漏了對被解釋變量影響逐漸增大的因素模型函數(shù)形式的設(shè)定誤差隨機因素。后果：OLS不再是有效估計系數(shù)的標準誤差無法準確

22、估計t檢驗可靠性降低加大模型預(yù)測誤差。診斷方法：圖示檢驗法包括相關(guān)圖法和殘差分布圖；G-Q檢驗法；White檢驗法；帕克檢驗法；Gleiser檢驗法。解決方法：模型變換法加權(quán)最小二乘法WLS。2自相關(guān)性原因：遺漏重要解釋變量模型函數(shù)形式設(shè)定不當經(jīng)濟慣性隨機因素。影響后果：OLS不再有效估計低估OLS估計的標準誤差t檢驗可靠性降低降低模型預(yù)測精度。診斷方法：殘差圖分析D-W檢驗高階自相關(guān)性檢驗。解決方法：廣義差分法自相關(guān)系數(shù)的估計方法3多重共線性原因：經(jīng)濟變量的內(nèi)在聯(lián)系，這種相互影響幾乎使任何模型產(chǎn)生多重共線性經(jīng)濟變量變化趨勢的共同性解釋變量中含有滯后變量，則解釋變量會與滯后變量產(chǎn)生多重共線性。

23、后果：增大OLS估計方差難以區(qū)分每個解釋變量的單獨影響t檢驗可靠性降低回歸模型缺乏穩(wěn)定性。診斷方法：相關(guān)系數(shù)檢驗輔助回歸模型檢驗方差膨脹因子（或容忍度）檢驗特征根檢驗。解決方法：直接剔除次要或可替代變量間接剔除重要解釋變量，其中間接剔除重要解釋變量采用以下方法：利用附加信息；變換模型形式；綜合使用時序數(shù)據(jù)和橫截面數(shù)據(jù)。逐步回歸法主成份回歸法。4.虛擬變量作用：描述和測量定性因素的影響正確反映經(jīng)濟變量之間的相互關(guān)系，提高模型精度便于處理異常數(shù)據(jù)；虛擬變量的設(shè)置方式：加法方式乘法方式混合方式。設(shè)置原則：一因素多類型多因素兩種類型其他原則。虛擬變量的特殊應(yīng)用：調(diào)整季節(jié)波動檢驗?zāi)Ｐ徒Y(jié)構(gòu)穩(wěn)定性分段回歸混

24、合回歸1.試檢驗白噪聲序列Xt=t，tN（0，²）的平穩(wěn)性。由題知，E（t）=0，t=1,2,D(t)=²=C，均為與t無關(guān)常數(shù)，又t與t+k不相關(guān)（基本假定）Cov（t，t+k）=0，滿足時間序列平穩(wěn)性條件，故白噪聲序列平穩(wěn)2.試檢驗AR（1）模型即yt=yt-1+ t的平穩(wěn)性條件。兩邊平方再求數(shù)學(xué)期望，得到y(tǒng)t方差：E(yt²)=²E(yt-1²)+E(t²)+2E(yt-1 t).即yt僅與t相關(guān),因此E(yt-1 t)=0,如果該模型穩(wěn)定,各分量有相同方差,則有E(yt²)=E(yt-1²),從而上式可變化

25、為:0=y²=(²)/(1-²),若yt是平穩(wěn)序列,其方差應(yīng)該是一非負常數(shù),即²1,也就是說當²1,AR(1)時間序列是平穩(wěn)的。1.受限因變量：一些連續(xù)因變量的值域以某種受約束的形式表示。5.虛擬變量：反映定性因素變化，只取0和1的人工變量。6.時間序列的平穩(wěn)性：如果隨機時間序列yt滿足E（yt）=,D（yt）=²，Cov（yt,yt+k）=k，即時間序列均值和方差都是與t無關(guān)的常數(shù)，協(xié)方差只和時間間隔k有關(guān)。7.Granger單（雙）向因果關(guān)系檢驗：如果Xt，Yt為平穩(wěn)過程，對于模型Xt=c1+jXt-j+jYt-j+1t , yt

26、=c2+jYt-j+jXt-j+2t。1，2為白噪聲。若j=j=0，則Xt，Yt相互獨立；若j=，j0，則Xt是Yt的格蘭杰原因；若都0，則互為格蘭杰原因。8.誤差修正模型：yt=0xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.時間序列的單整性：如果一個非平穩(wěn)序列yt經(jīng)過d階差分后成為平穩(wěn)序列，則稱這個序列是d階單整序列，記為ytI（d）10.時間序列的協(xié)整性：設(shè)時間序列x1t，x2txktI（d）即都是d階單整序列，如果存在常數(shù)向量=（1，2t），使得1x1，2x2txtI(d-b),則稱時間序列之間存在階數(shù)為（d，b）的協(xié)整關(guān)系，簡稱xi之間是協(xié)整的，記為xiCI

27、（d，b）11.波動聚集性：金融時間序列波動幅度往往有不穩(wěn)定性，具體表現(xiàn)為金融時間序列在某些時段內(nèi)波動幅度較小，另外一些時段波動幅度卻很大，通常較大幅度波動跟著較大幅度波動，較小幅度波動跟著較小幅度波動。1.合理選擇解釋變量的關(guān)鍵：正確理解有關(guān)經(jīng)濟理論，把握研究經(jīng)濟現(xiàn)象的行為規(guī)律2.自相關(guān)系數(shù)估計的常用方法：近似估計法（大樣本DW近似公式，小樣本泰爾公式）Durbin估計法迭代估計法搜索估計法3.多個非平穩(wěn)序列變量具有協(xié)整關(guān)系的統(tǒng)計含義：這些非平穩(wěn)序列經(jīng)線性組合后變平穩(wěn)序列。5.計量經(jīng)濟模型檢驗的內(nèi)容一般包括：經(jīng)濟檢驗，統(tǒng)計檢驗，計量經(jīng)濟檢驗，預(yù)測性能檢驗。6.計量經(jīng)濟模型的用途：結(jié)構(gòu)分析，經(jīng)

28、濟預(yù)測，政策評價，實證分析。7.OLS基本原理：利用樣本建立的回歸模型預(yù)測被解釋變量的理論值和被解釋變量的實際觀測值的離差平方和最小。8.高斯馬爾科夫定理：如果線性模型yi=0+l=1l=klxli+i滿足回歸分析的基本假定，則模型參數(shù)最小二乘估計B=（XTX）-1XTY，是真值B的最佳線性無偏有效估計。10.高階自相關(guān)性檢驗方法有：偏相關(guān)系數(shù)檢驗法，BG檢驗法。11.模型結(jié)構(gòu)穩(wěn)定性檢驗有兩個用途：分析模型結(jié)構(gòu)對樣本變化的敏感性；比較兩個及以上回歸模型之間的差異，即分析模型結(jié)構(gòu)是否發(fā)生了顯著性變化。12.P階自回歸序列AR(p)識別條件：當一個時間序列自相關(guān)函數(shù)是拖尾的，偏自相關(guān)函數(shù)又是截尾的

29、，則該時間序列就是AR（P）序列，并可根據(jù)偏自相關(guān)函數(shù)的截尾程度確定階數(shù)p。13.對只存在一個協(xié)整關(guān)系的變量之間進行協(xié)整檢驗的方法：EG兩步法即兩步估計法。14.對變量之間存多個協(xié)整關(guān)系時應(yīng)采用基于向量自回歸模型(VAR)的Johansen協(xié)整檢驗法1.進行Granger因果關(guān)系檢驗為什么一定要研究的時間序列是平穩(wěn)的？答:研究發(fā)現(xiàn)，若不平穩(wěn),結(jié)論經(jīng)常不完全準甚至相反,為科學(xué)性,必須考慮平穩(wěn)性問題,只有平穩(wěn)才能得到滿意結(jié)果。3.針對計量經(jīng)濟模型出現(xiàn)多重共線性問題時，忽略處理的前提條件：如果建模的目的是進行預(yù)測，只要模型擬合優(yōu)度系數(shù)較高（即能正確反映所有解釋變量的總影響）并且解釋變量的相關(guān)類型在預(yù)

30、測期內(nèi)保持不變，就可以忽略多重共線性的問題；不能忽略的條件：如果是建模進行結(jié)構(gòu)分析或政策評價，即利用系數(shù)分析、比較各個解釋變量的單獨影響時，需要消除多重共線性的影響。4.logistic回歸和普通線性回歸模型的區(qū)別：非線性與線性L研究某時間發(fā)生概率P與解釋變量x之間的相互關(guān)系，線性回歸模型研究因變量y的均值與解釋變量x之間相互關(guān)系L中沒隨機誤差項；線性回歸中有，還有獨立性、同分布、方差為常數(shù)的古典假設(shè)條件估計L的模型參數(shù)時，數(shù)據(jù)必須來自隨機樣本，即各觀測值相互獨立；普通線性回歸無此要求。不過他們都要求不存在嚴重的多重共線性。1.誤差修正模型ECM推導(dǎo)：對于yt的(1,1)階自回歸分布滯后模型y

31、t=+0xt+1xt-1+2yt-1+t,模型兩端同時減yt-1,并在右端±0xt-1,得: yt=+0xt+(0+1)xt-1+(2-1)yt-1+t=0xt+(2-1)yt-1-(+0)/(1-2)-1*xt-1/(1-2)+t=0xt+yt-1-0-1*xt-1+t,記ecmt-1=yt-1-0-1xt-1,則yt=0xt+ecmt-1+t .1異方差性原因模型中遺漏對被解釋變量影響逐漸增大的因素模型函數(shù)形式的設(shè)定誤差隨機因素.后果OLS不再有效估計系數(shù)的標準誤差無法準確估計t檢驗可靠性降低加大模型預(yù)測誤差.診斷方法:圖示檢驗法包括相關(guān)圖法和殘差分布圖；G-Q檢驗法；White

32、檢驗法；帕克檢驗法；Gleiser檢驗法。解決方法：模型變換法加權(quán)最小二乘法WLS。2自相關(guān)性原因遺漏重要解釋變量模型函數(shù)形式設(shè)定不當經(jīng)濟慣性隨機因素。影響后果：OLS不再有效估計低估OLS估計的標準誤差t檢驗可靠性降低降低模型預(yù)測精度。診斷方法：殘差圖分析D-W檢驗高階自相關(guān)性檢驗。解決方法：廣義差分法自相關(guān)系數(shù)的估計方法3多重共線性原因經(jīng)濟變量內(nèi)在聯(lián)系,這種影響幾乎使任何模型產(chǎn)生多重共線性經(jīng)濟變量變化趨勢的共同性解釋變量中有滯后變量,則解釋變量與滯后變量產(chǎn)生多重共線性.后果增大OLS估計方差難區(qū)分每個解釋變量的單獨影響t檢驗可靠性降低回歸模型缺乏穩(wěn)定性.診斷方法相關(guān)系數(shù)檢驗輔助回歸模型檢驗

33、方差膨脹因子(或容忍度)檢驗特征根檢驗.解決方法直接剔除次要或可替代變量間接剔除重要解釋變量,其中間接剔除重要解釋變量采用以下方法:利用附加信息;變換模型形式;綜合使用時序數(shù)據(jù)和橫截面數(shù)據(jù)。逐步回歸法主成份回歸法。4.虛擬變量作用：描述和測量定性因素的影響正確反映經(jīng)濟變量之間的相互關(guān)系，提高模型精度便于處理異常數(shù)據(jù)；虛擬變量的設(shè)置方式：加法方式乘法方式混合方式。設(shè)置原則：一因素多類型多因素兩種類型其他原則。虛擬變量的特殊應(yīng)用：調(diào)整季節(jié)波動檢驗?zāi)Ｐ徒Y(jié)構(gòu)穩(wěn)定性分段回歸混合回歸1.試檢驗白噪聲序列Xt=t，tN（0，²）的平穩(wěn)性。由題知，E（t）=0，t=1,2,D(t)=²=C

34、，均為與t無關(guān)常數(shù)，又t與t+k不相關(guān)（基本假定）Cov（t，t+k）=0，滿足時間序列平穩(wěn)性條件，故白噪聲序列平穩(wěn)2.試檢驗AR（1）模型即yt=yt-1+ t的平穩(wěn)性條件。兩邊平方再求數(shù)學(xué)期望，得到y(tǒng)t方差：E(yt²)=²E(yt-1²)+E(t²)+2E(yt-1 t).即yt僅與t相關(guān),因此E(yt-1 t)=0,如果該模型穩(wěn)定,各分量有相同方差,則有E(yt²)=E(yt-1²),從而上式可變化為:0=y²=(²)/(1-²),若yt是平穩(wěn)序列,其方差應(yīng)該是一非負常數(shù),即²1,也就是

35、說當²1,AR(1)時間序列是平穩(wěn)的。1.受限因變量：一些連續(xù)因變量的值域以某種受約束的形式表示。2.異方差性：回歸模型中隨機誤差項有不同的方差。3.多重共線性：多元線性回歸模型中，解釋變量之間有較強的線性回歸關(guān)系。4.自相關(guān)性：對于yt=0+1x1t+txkt+t，隨機誤差項的各期望值之間存在著相關(guān)關(guān)系。5.虛擬變量：反映定性因素變化，只取0和1的人工變量。6.時間序列的平穩(wěn)性:若隨機時間序列yt滿足E（yt）=,D（yt）=²，Cov（yt,yt+k）=k，即時間序列均值和方差都是與t無關(guān)的常數(shù)，協(xié)方差只和時間間隔k有關(guān)。7.Granger單（雙）向因果關(guān)系檢驗：如果X

36、t，Yt為平穩(wěn)過程，對于模型Xt=c1+jXt-j+jYt-j+1t , yt=c2+jYt-j+jXt-j+2t。1，2為白噪聲。若j=j=0，則Xt，Yt相互獨立；若j=，j0，則Xt是Yt的格蘭杰原因；若都0，則互為格蘭杰原因。8.誤差修正模型：yt=0xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.時間序列的單整性：如果一個非平穩(wěn)序列yt經(jīng)過d階差分后成為平穩(wěn)序列，則稱這個序列是d階單整序列，記為ytI（d）10.時間序列的協(xié)整性：設(shè)時間序列x1t，x2txktI（d）即都是d階單整序列，如果存在常數(shù)向量=（1，2t），使得1x1，2x2txtI(d-b),則稱

37、時間序列之間存在階數(shù)為（d，b）的協(xié)整關(guān)系，簡稱xi之間是協(xié)整的，記為xiCI（d，b）11.波動聚集性：金融時間序列波動幅度往往有不穩(wěn)定性，具體表現(xiàn)為金融時間序列在某些時段內(nèi)波動幅度較小，另外一些時段波動幅度卻很大，這歸咎于金融市場的多邊形，對相關(guān)因素的敏感性，通常較大幅度波動跟著較大幅度波動，較小幅度波動跟著較小幅度波動。12.隨機誤差項：表示實際的y值和期望值之間的差距。i=yi-(0+1xi)1.合理選擇解釋變量關(guān)鍵：正確理解有關(guān)經(jīng)濟理論,把握研究經(jīng)濟現(xiàn)象的行為規(guī)律2.自相關(guān)系數(shù)估計的常用方法：近似估計法（大樣本DW近似公式，小樣本泰爾公式）Durbin估計法迭代估計法搜索估計法3.多

38、個非平穩(wěn)序列變量具有協(xié)整關(guān)系的統(tǒng)計含義：這些非平穩(wěn)序列經(jīng)線性組合后變平穩(wěn)序列。4.建立計量經(jīng)濟模型統(tǒng)計數(shù)據(jù)有3種類型：時間序列數(shù)據(jù)，橫截面數(shù)據(jù)，面板數(shù)據(jù)。5.計量經(jīng)濟模型檢驗的內(nèi)容一般包括：經(jīng)濟檢驗，統(tǒng)計檢驗，計量經(jīng)濟檢驗，預(yù)測性能檢驗。6.計量經(jīng)濟模型的用途：結(jié)構(gòu)分析，經(jīng)濟預(yù)測，政策評價，實證分析。7.OLS基本原理：利用樣本建立的回歸模型預(yù)測被解釋變量的理論值和被解釋變量的實際觀測值的離差平方和最小。8.高斯馬爾科夫定理：如果線性模型yi=0+l=1l=klxli+i滿足回歸分析的基本假定，則模型參數(shù)最小二乘估計B=（XTX）-1XTY，是真值B的最佳線性無偏有效估計。9.對不可線性化的非

39、線性模型處理方法：對可間接線性化的，通過適當?shù)淖兞孔兓删幊虡藴示€性模型，然后按照線性模型方法進行計量經(jīng)濟研究；對無法線性化的，可用泰勒級數(shù)展開法，展開成多項式模型，再通過標準化方法進行線性化，或者采用非線性最小二乘法進行迭代估計研究。10.高階自相關(guān)性檢驗方法有：偏相關(guān)系數(shù)檢驗法，BG檢驗法。11.模型結(jié)構(gòu)穩(wěn)定性檢驗有兩個用途：分析模型結(jié)構(gòu)對樣本變化的敏感性；比較兩個及以上回歸模型之間的差異，即分析模型結(jié)構(gòu)是否發(fā)生了顯著性變化。12.P階自回歸序列AR(p)識別條件：當一個時間序列自相關(guān)函數(shù)是拖尾的，偏自相關(guān)函數(shù)又是截尾的，則該時間序列就是AR（P）序列，并可根據(jù)偏自相關(guān)函數(shù)的截尾程度確定階

40、數(shù)p。13.對只存在一個協(xié)整關(guān)系的變量之間進行協(xié)整檢驗方法:EG兩步法即兩步估計法。14.對于變量之間存在多個協(xié)整關(guān)系時，應(yīng)采用基于向量自回歸模型（VAR）的Johansen協(xié)整檢驗法。1.進行Granger因果關(guān)系檢驗時為什么一定要研究的時間序列必須是平穩(wěn)的？答:研究發(fā)現(xiàn)，若不平穩(wěn)，結(jié)論經(jīng)常不完全準甚至相反，為了科學(xué)性，必須考慮平穩(wěn)性問題，只有平穩(wěn)的才能得到滿意結(jié)果。2.多元線性回歸模型基本假定隨機誤差項均值為0隨機誤差項有同方差隨機誤差項互不相關(guān)解釋變量是非隨機變量，值是確定的解釋變量和隨機誤差項不相關(guān)解釋變量之間不存在完全多重共線性隨機誤差項服從正態(tài)分布。3.針對計量經(jīng)濟模型出現(xiàn)多重共線性問題時，忽略處理的前提條件：如果建模的目的是進行預(yù)測，只要模型擬合優(yōu)度系數(shù)較高（即能正確反映所有解釋變量的總影響）并且解釋變量的相關(guān)類型在預(yù)測期內(nèi)保持不變，就可以忽略多重共線性的問題；不能忽略的條件：如果是建模進行結(jié)構(gòu)分析或政策評價，即利用系數(shù)分析、比較各個解釋變量的單獨影響時，需要消除多重共線性的影響。4.logistic回歸和普通線性回歸模型的區(qū)別：非線性與線性L研究某時間發(fā)生概率P與解釋變量x之間的相互關(guān)系，線性回歸模型研究因變量y的均值與解釋變量x之間相互關(guān)系L中沒隨機誤差項；線性