計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題【研】11

1、第一章 什么是計量經(jīng)濟(jì)學(xué)； 計量經(jīng)濟(jì)學(xué)是以經(jīng)濟(jì)理論和經(jīng)濟(jì)數(shù)據(jù)的事實為依據(jù)，運用數(shù)學(xué)和統(tǒng)計學(xué)的方法，通過建立數(shù)學(xué)模型來研究經(jīng)濟(jì)數(shù)量關(guān)系和規(guī)律的一門經(jīng)濟(jì)學(xué)科。第二章 簡單線性回歸1、 簡單線性回歸模型中，隨機變量u的表示的因素？是未知影響因素的代表(理論的模糊性)；是無法取得數(shù)據(jù)的已知影響因素的代表(數(shù)據(jù)欠缺)；是眾多細(xì)小影響因素的綜合代表(非系統(tǒng)性影響)；模型可能存在設(shè)定誤差(變量、函數(shù)形式的設(shè)定）；模型中變量可能存在觀測誤差(變量數(shù)據(jù)不符合實際)；變量可能有內(nèi)在隨機性(人類經(jīng)濟(jì)行為的內(nèi)在隨機性)2、 簡單線性回歸隨機項的假設(shè)條件？ 零均值假定； 同方差假定； 無自相關(guān)假定； 解釋變量是非隨機的

2、，或者雖然是隨機的但與擾動項不相關(guān)； 正態(tài)性假定。3、總體歸模型和樣本回歸模型？4、簡述簡單線性回歸分析中可決系數(shù)的定義和性質(zhì)以及與線性相關(guān)系數(shù)的關(guān)系?；貧w平方和（解釋了的變差ESS在總變差（TSS）中所占的比重稱為可決系數(shù)，用或表示:可決系數(shù)越大，說明在總變差中由模型作出了解釋的部分占的比重越大，模型擬合優(yōu)度越好。反之可決系數(shù)越小，說明模型對樣本觀測值的擬合程度越差。 聯(lián)系：數(shù)值上可決系數(shù)是相關(guān)系數(shù)的平方-第三章 多元線性回歸1、 多元線性回歸模型，偏回歸系數(shù) 多元線性回歸模型的意義 一般形式：對于有K-1個解釋變量的線性回歸模型模型中的 （j=1,2,-k）是偏回歸系數(shù)，樣本容量為n偏回歸

3、系數(shù)：控制其它解釋量不變的條件下，第j個解釋變量的單位變動對被解釋變量平均值的影響，即對Y平均值“直接”或“凈”的影響。2、多元線性回歸參數(shù)估計公式為：，寫出式各個向量和矩陣的具體形式。3、 多元線性回歸分析中，F(xiàn)檢驗和t檢驗的關(guān)系是什么，為何進(jìn)行了F 檢驗還要進(jìn)行t檢驗？在一元回歸中F檢驗與t檢驗等價, 且F=t2 。對參數(shù)白塔2的顯著性檢驗（t檢驗）與對回歸總體上的顯著性檢驗（F檢驗）等價。 但在多元回歸中，F(xiàn)檢驗顯著，不一定每個解釋變量都對Y有顯著影響。還需要分別檢驗當(dāng)其他解釋變量保持不變時，各個解釋變量X對被解釋變量Y是否有顯著影響。4、 F檢驗的自由度確定？第四章 多重共線性1、 什

4、么是多重共線性？完全多重共線性和不完全多重共線性2、 多重共線性來源？經(jīng)濟(jì)變量之間的共同變化趨勢；模型中包含滯后變量；利用截面數(shù)據(jù)；樣本數(shù)據(jù)自身的原因。3、 多重共線性的檢驗方法？簡單相關(guān)系數(shù)檢驗法 是利用解釋變量之間的線性相關(guān)程度去判斷是否存在嚴(yán)重多重共線性的一種簡便方法。方差擴大（膨脹）因子法 方差膨脹因子越大，表明解釋變量之間的多重共性越嚴(yán)重。反過來，方差膨脹因子越接近于1，多重共線性越弱。直觀判斷法1. 當(dāng)增加或剔除一個解釋變量，或者改變一個觀測值時，回歸參數(shù)的估計值發(fā)生較大變化，回歸方程可能存在嚴(yán)重的多重共線性。 2. 從定性分析認(rèn)為，一些重要的解釋變量的回歸系數(shù)的標(biāo)準(zhǔn)誤差較大，在回

5、歸方程中沒有通過顯著性檢驗時，可初步判斷可能存在嚴(yán)重的多重共線性。3. 有些解釋變量的回歸系數(shù)所帶正負(fù)號與定性分析結(jié)果違背時，很可能存在多重共線性。4. 解釋變量的相關(guān)矩陣中，自變量之間的相關(guān)系數(shù)較大時，可能會存在多重共線性問題。逐步回歸法 將變量逐個的引入模型，每引入一個解釋變量后，都要進(jìn)行檢驗，并對已經(jīng)選入的解釋變量逐個進(jìn)行t 檢驗，當(dāng)原來引入的解釋變量由于后面解釋變量的引入而變得不再顯著時，則將其剔除。以確保每次引入新的變量之前回歸方程中只包含顯著的變量。4、 多重共線性主要的修正方法？ 修正多重共線性的經(jīng)驗方法 1. 剔除變量法 2. 增大樣本容量 3. 變換模型形式 4. 利用非樣本

6、先驗信息 5. 橫截面數(shù)據(jù)與時序數(shù)據(jù)并用 6. 變量變換逐步回歸法第五章 異方差1、 什么是異方差？2、 異方差產(chǎn)生的原因有那些?模型中省略了重要的解釋變量；模型設(shè)定誤差；數(shù)據(jù)測量誤差的變化；截面數(shù)據(jù)中總體各單位的差異。 3、 異方差的影響：對參數(shù)估計統(tǒng)計特性的影響存在異方差時OLS參數(shù)估計仍具有（無偏性），不具有（最小方差性）。對參數(shù)顯著性檢驗的影響，嚴(yán)重破壞了t檢驗與f檢驗的有效性。對預(yù)測的影響4、 修正方法：線性回歸存在異方差情況下補救的一般方法有：對模型變換、（加權(quán)最小二乘法）和模型的對數(shù)變化法。 第六章 自相關(guān)1、 什么是自相關(guān) 自相關(guān)（auto correlation），又稱序列相

7、關(guān)（serial correlation）是指總體回歸模型的隨機誤差項之間存在相關(guān)關(guān)系。即不同觀測點上的誤差項彼此相關(guān)?？梢员硎緸?2、 自相關(guān)的來源和后果來源：1）模型的數(shù)學(xué)形式設(shè)定不妥；2）經(jīng)濟(jì)系統(tǒng)慣性；3）模型中省略了重要的變量；4）經(jīng)濟(jì)效果的滯后性；5）數(shù)據(jù)處理、合并環(huán)節(jié)的影響 后果： 1）回歸參數(shù)無偏，2）非最小方差，方差被低估；3）誤差u的方差低估；4）t檢驗被高估，預(yù)測區(qū)間不可靠。第八章 虛擬變量回歸1、 什么是虛擬變量 計量經(jīng)濟(jì)學(xué)中，將取值為0和1的人工變量稱為虛擬變量。4、虛擬變量的作用？屬性因素的代表；非精確計量的數(shù)量因素代表；偶然因素或政策因素的代表；季節(jié)性代表和分段回歸

8、研究斜率解決截距的變化5、對于一個回歸模型，如果希望度量方程兩個階段截距的變化，如何設(shè)定虛擬變量，構(gòu)建模型？如果希望度量方程兩個階段斜率的變化，又如何構(gòu)建模型？以加法方式引入虛擬變量時，主要考慮的問 題是定性因素的屬性和引入虛擬變量的個數(shù)。 分為四種情形討論：（1）解釋變量只有一個定性變量而無定量變量，而且定性變量為兩種相互排斥的屬性；（2）解釋變量分別為一個定性變量（兩種屬性）和一個定量解釋變量；（3）解釋變量分別為一個定性變量（兩種以上屬性）和一個定量解釋變量；（4）解釋變量分別為兩個定性變量（各自分別是兩種屬性）和一個定量解釋變量；基本思想以乘法方式引入虛擬變量時，是在所設(shè)立的模型中，將

9、虛擬解釋變量與其它解釋變量的乘積，作為新的解釋變量出現(xiàn)在模型中，以達(dá)到其調(diào)整設(shè)定模型斜率系數(shù)的目的?；蛘邔⒛Ｐ托甭氏禂?shù)表示為虛擬變量的函數(shù)，以達(dá)到相同的目的。乘法引入方式:（1）截距不變；（2）截距和斜率均發(fā)生變化；分析手段：仍然是條件期望。第十一章 聯(lián)立方程1、 什么是內(nèi)生變量；外生變量？內(nèi)生變量： 一些變量是由模型體現(xiàn)的經(jīng)濟(jì)體系本身所決定的，在模型中是隨機變量,稱為內(nèi)生變量。外生變量：一些變量是在模型體現(xiàn)的經(jīng)濟(jì)體系之外給定的，在模型中是非隨機的,稱為外生變量。2、 聯(lián)立模型的分類：結(jié)構(gòu)模型，簡化模型了，遞推模型的概念。描述經(jīng)濟(jì)變量之間現(xiàn)實經(jīng)濟(jì)結(jié)構(gòu)關(guān)系，表現(xiàn)變量間直接的經(jīng)濟(jì)聯(lián)系，將某內(nèi)生變量

10、直接表示為內(nèi)生變量和前定變量函數(shù)的模型，稱為結(jié)構(gòu)型模型。簡化型模型：每個內(nèi)生變量都只被表示為前定變量及隨機擾動項函數(shù)的聯(lián)立方程模型，每個方程的右端不再出現(xiàn)內(nèi)生變量。遞歸型模型：第一個方程中解釋變量只包含前定變量；第二個方程中解釋變量只包含前定變量和前一個方程中的內(nèi)生變量；第三個方程中解釋變量只包括前定變量和前兩個方程的內(nèi)生變量；依此類推。3、 結(jié)構(gòu)模型；結(jié)構(gòu)方程；結(jié)構(gòu)參數(shù)；結(jié)構(gòu)參數(shù)矩陣4、 如何將一般結(jié)構(gòu)模型轉(zhuǎn)化為簡化模型？5、 恰好識別；過度識別；不可識別？ 不可識別，從所掌握的信息，不能從簡化型參數(shù)確定結(jié)構(gòu)型參數(shù) 原因：信息不足，沒有解適度識別（恰好識別）：通過簡化型模型參數(shù)可唯一確定各個

11、結(jié)構(gòu)型模型參數(shù)原因：信息恰當(dāng)，有唯一解過度識別：由簡化型參數(shù)雖然可以確定結(jié)構(gòu)型參數(shù)，但是不能唯一地確定（可得出兩個或兩個以上的結(jié)果）原因：信息過多，有解但不唯一6、 結(jié)構(gòu)模型參數(shù)識別的階條件；秩條件？模型的一個方程中不包含的前定變量個數(shù)（ ），大于或等于該方程中包含的內(nèi)生變量個數(shù) 減1，則該方程能夠識別。如果 方程恰好識別如果 方程過度識別如果 方程 不可識別秩條件的表述：在有 個內(nèi)生變量 個方程的完備聯(lián)立方程模型中，當(dāng)且僅當(dāng)一個方程中不包含但在其他方程包含的變量（不論是內(nèi)生變量還是外生變量）的系數(shù)，至少能夠構(gòu)成一個非零的 階行列式時，該方程是可以識別的在有 個內(nèi)生變量 個方程的完整聯(lián)立方程模型中，當(dāng)且僅當(dāng)一個方程所排斥（不包含）的變量的參數(shù)矩陣的秩等于 時，該方程可以識別（1）當(dāng)只有一個 階非零行列式時，該方程是恰好識別的（2）當(dāng)不止一個 階非零行列式時，該方程是過度識別的（3）當(dāng)不存在 階非零行列式時，該方程是不可識別的7、 簡述判斷一個結(jié)構(gòu)方程是否可識別的步驟。運用秩條件判別模型的識別性，步驟如下：（1）將結(jié)構(gòu)模型的全部參數(shù)列成完整的參數(shù)（方程沒有出現(xiàn)的變量的參數(shù)以0表示）（2）考察第 個方程的識別問題：劃去該方程的那一行，并劃去該方程出現(xiàn)的變量的系數(shù)（該行中非0系數(shù)）所在列，余下該方程不包含的變量在其它方程中的系數(shù)的