計量經(jīng)濟學(xué)簡答

1、1、計量經(jīng)濟學(xué)：是以經(jīng)濟理論和經(jīng)濟數(shù)據(jù)的事實為依據(jù)，運用數(shù)學(xué)、統(tǒng)計學(xué)的方法，借助計算機為輔助工具，通過建立數(shù)學(xué)模型來研究經(jīng)濟數(shù)量關(guān)系和規(guī)律的一門經(jīng)濟學(xué)科。2、虛擬變量數(shù)據(jù)：是人為構(gòu)造的，通常取值為1或0的，用來表征政策等定性事實的數(shù)據(jù)。3、計量經(jīng)濟學(xué)檢驗：主要是檢驗?zāi)Ｐ褪欠穹嫌嬃拷?jīng)濟方法的基本假定。4、政策評價：是利用計量經(jīng)濟模型對各種可供選擇的政策方案的實施后果進行模擬測算，從而對各種政策方案做出評價。1、回歸平方和用ESS表示，是被解釋變量的樣本估計值與其平均值的離差平方和。2、擬和優(yōu)度檢驗：指檢驗?zāi)Ｐ蛯颖居^測值的擬合程度，用表示，該值越接近1，模型對樣本觀測值擬合得越好。3、相關(guān)關(guān)系

2、：當(dāng)一個或若干個變量X取一定數(shù)值時，與之相對應(yīng)的另一個變量Y的值雖然不確定，但卻按某種規(guī)律在一定范圍內(nèi)變化，變量之間的這種關(guān)系，稱為不確定性的統(tǒng)計關(guān)系或相關(guān)關(guān)系，可表示為Y=f(X，u)，其中u為隨機變量。4、高思-馬爾可福定理：在古典假定條件下，OLS估計式是其總體參數(shù)的最佳線性無偏估計式。1、偏回歸系數(shù)：在多元線性回歸模型中，回歸系數(shù)（j=1，2，k）表示的是當(dāng)控制其他解釋變量不變的條件下，第j個解釋變量的單位變動對被解釋變量平均值的影響，這樣的回歸系數(shù)稱為偏回歸系數(shù)。2、多重可決系數(shù)：“回歸平方和”與“總離差平方和”的比值，用表示。3、修正的可決系數(shù)：用自由度修正多重可決系數(shù) 中的殘差平

3、方和與回歸平方和。4、回歸方程的顯著性檢驗：對模型中被解釋變量與所有解釋變量之間的線性關(guān)系在總體上是否顯著做出推斷。5、回歸參數(shù)的顯著性檢驗：當(dāng)其他解釋變量不變時，某個回歸系數(shù)對應(yīng)的解釋變量是否對被解釋變量有顯著影響做出推斷。6、無多重共線性假定：假定各解釋變量之間不存在線性關(guān)系，或者說各解釋變量的觀測值之間線性無關(guān)，在此條件下，解釋變量觀測值矩陣X列滿秩Rank(X)=k，此時，方陣滿秩， Rank()=k從而可逆,存在。7、正規(guī)方程組：指采用OLS法估計線性回歸模型時，對殘差平方和關(guān)于各參數(shù)求偏導(dǎo)，并令偏導(dǎo)數(shù)為零后得到的一組方程，其矩陣形式為1、多重共線性：解釋變量之間精確的線性關(guān)系和解釋

4、變量之間近似的線性關(guān)系。2、完全的多重共線性：解釋變量的數(shù)據(jù)矩陣中，至少有一個列向量可以用其余的列向量線性表示?；蛘咧笇忉屪兞?，存在不全為0的數(shù)，使得 。3、輔助回歸：多元線性回歸模型，分別以每個解釋變量為被解釋變量，做對其他解釋變量的回歸。4、方差擴大因子vif:1除以（1-輔助回歸的多重可決系數(shù)），決定了方差和協(xié)方差增大的速度。 或者5、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，都要進行F檢驗，并對已經(jīng)選入的解釋變量逐個進行t檢驗。通過逐步回歸可篩選和剔除引起多重共線性的解釋變量。6、不完全的多重共線性：指對解釋變量1，存在不全為0的數(shù)，使得 ，其中，為隨機變量。1.異方

5、差性：隨機變量的方差不是確定的常數(shù)，即被解釋變量觀測值的分散程度隨解釋變量的變化而變化。2戈德爾德-夸特檢驗法：將樣本按解釋變量排序，去掉中間約四分之一個數(shù)據(jù)后分成兩部分，然后分別對兩個樣本進行回歸，并計算比較兩個回歸的剩余平方和是否有明顯差異，以此判斷是否存在異方差。3.white: 在大樣本的情況下，將OLS估計后的殘差平方對常數(shù)、解釋變量、解釋變量的平方及其交叉乘積等所構(gòu)成一個輔助回歸，利用輔助回歸建立相應(yīng)的檢驗統(tǒng)計量來判斷異方差性。如果存在異方差，其方差與解釋變量有關(guān)系，分析方差是否與解釋變量有某些形式的聯(lián)系以判斷異方差性。4、加權(quán)最小二乘法：使得加權(quán)的殘差平方和最小的求解參數(shù)估計式的

6、方法。1.序列相關(guān)性：指總體回歸模型的隨機誤差項之間存在相關(guān)關(guān)系。2科克倫-澳客特迭的代發(fā)：通過逐次迭代尋求更為滿意的自相關(guān)系數(shù)的估計值，然后再采用廣義差分法。3差分法：利用被解釋變量與解釋變量的現(xiàn)期值減去前期值消除隨機誤差項自相關(guān)的方法。4DW檢驗法：杜賓和沃特森于1951年提出的一種適用于小樣本的檢驗自相關(guān)的方法。1行為方程：描述決策者經(jīng)濟行為的某些變量與其他變量的方程。2參數(shù)關(guān)系體系：描述聯(lián)立方程模型的簡化式參數(shù)與結(jié)構(gòu)式參數(shù)之間關(guān)系的方程組。3前定變量：在模型中滯后內(nèi)生變量與外生變量一起稱為前定變量。4聯(lián)立方程偏倚性：由于聯(lián)立方程模型中內(nèi)生變量作為解釋變量與隨機誤差項相關(guān)，而引起的OLS

7、估計的參數(shù)有偏倚且不一致，稱為聯(lián)立方程偏倚性。5恰好識別：如果結(jié)構(gòu)型模型中某個方程的參數(shù)能夠由簡化型模型參數(shù)值唯一解出，則稱該方程恰好識別。6過度識別：如果結(jié)構(gòu)型模型中某個方程的參數(shù)能夠由簡化型模型參數(shù)估計值解出，但求解出的值不唯一，則稱該方程是過度識別簡答：1、滯后現(xiàn)象：解釋變量需要通過一段時間才能完全作用于被解釋變量。原因：心理預(yù)期因素、技術(shù)因素、制度因素。2、OLS存在的問題：自由度問題、多重共線性問題、滯后長度難于確定。利用經(jīng)驗加權(quán)估計法和阿爾蒙法。1、數(shù)理經(jīng)濟模型揭示經(jīng)濟活動中各個因素之間的理論關(guān)系，用確定性的數(shù)學(xué)方程加以描述。計量經(jīng)濟模型揭示經(jīng)濟活動中各個因素之間的定量關(guān)系，用隨機

8、性的數(shù)學(xué)方程加以描述。2經(jīng)濟結(jié)構(gòu)分析是指用已經(jīng)估計出參數(shù)的模型，對所研究的經(jīng)濟關(guān)系進行定量考察，以說明經(jīng)濟變量之間的數(shù)量比例關(guān)系。3、（1） 要有科學(xué)的理論依據(jù)；（2）模型要選擇適當(dāng)?shù)臄?shù)學(xué)形式；（3）方程中的變量要具有可觀測性。4、（1）行為關(guān)系；（2）技術(shù)（或工藝）關(guān)系；（3）制度關(guān)系；（4）定義關(guān)系。1、（1）零均值假定，同方差假定，無自相關(guān)假定，隨機擾動項與解釋變量不相關(guān)，正態(tài)性假定。（2），（3）無偏性，最小方差性，線性。（4） 2、隨機誤差項主要包括下列因素的影響：（1）未知因素的影響；（2）無法取得數(shù)據(jù)的已知因素的影響；（3）眾多細小因素的綜合影響；（4）模型的設(shè)定誤差的影響；（5

9、）變量的觀測誤差的影響；（6）經(jīng)濟現(xiàn)象的內(nèi)在隨機性的影響。3、普通最小二乘法參數(shù)估計量的統(tǒng)計性質(zhì)主要有線性、無偏性和最小方差性。所謂線性是指參數(shù)估計量是的線性函數(shù)；所謂無偏性是指參數(shù)估計量的均值（期望）等于模型參數(shù)值，即，；參數(shù)估計量的最小方差性是指在所有線性、無偏估計量中，該參數(shù)估計量的方差最小。4、（1）收入、年齡、家庭狀況、政府的相關(guān)政策等也是影響生育率的重要的因素，在上述簡單回歸模型中，它們被包含在了隨機擾動項之中。有些因素可能與教育水平相關(guān)，如收入水平與教育水平往往呈正相關(guān)、年齡大小與教育水平呈負相關(guān)等。（2）當(dāng)歸結(jié)在隨機擾動項中的重要影響因素與模型中的教育水平educ相關(guān)時，上述回

10、歸模型不能夠揭示教育對生育率在其他條件不變下的影響，因為這時出現(xiàn)解釋變量與隨機擾動項相關(guān)的情形。5、可決系數(shù)，含義為樣本回歸做出解釋的離差平方和在總離差平方和中占的比重，如果擬合程度越好，各樣本觀測點與回歸線靠得越近，越接近1，擬合程度越差，越小。而殘差平方和不能反映擬合程度的優(yōu)劣。1、在多元回歸分析中，為了尋找有效的參數(shù)方法及對模型進行統(tǒng)計檢驗，需要對模型中的隨機擾動項和解釋變量做一些假定。多元線性回歸模型的基本假定條件有以下幾種：1）零均值假定2）同方差和無自相關(guān)假定3）隨機擾動項與解釋變量不行關(guān)假定4）無多重共線性假定5)正態(tài)性假定2、1）線性性質(zhì)；2）無偏性；3）最小方差性。3、隨著模

11、型中解釋變量的增加，多重可決系數(shù)的值會變大。當(dāng)被解釋變量相同而解釋變量個數(shù)不同時，運用多重可決系數(shù)去比較兩個模型的擬合優(yōu)度會帶來缺陷。用自由度去校正所計算的變差，可以糾正解釋變量個數(shù)不同引起的對比困難，為此可以用自由度去修正多重可決系數(shù)中的殘差平方和與回歸平方和，從而引入修正可決系數(shù)。4、 5、在一元回歸模型中，F(xiàn)檢驗與t檢驗等價，即F= 6、在多元模型中，F(xiàn)檢驗與T檢驗的作用不同，具體表現(xiàn)在：F檢驗是檢驗整個方程，即所有解釋變量聯(lián)合起來對被解釋變量的影響，但并未說明各個解釋變量對被解釋變量的影響；而t檢驗是檢驗當(dāng)其他解釋變量不變時，單個解釋變量對被解釋變量的影響。1、解釋變量之間存

12、在精確的或近似的線性關(guān)系。2、1）、經(jīng)濟變量之間具有共同變化趨勢。2）、模型中包含滯后變量。3）、利用截面數(shù)據(jù)建立模型也可能出現(xiàn)多重共線性。4）、樣本數(shù)據(jù)自身的原因。3、1）、完全多重共線性：參數(shù)估計式為不定式，參數(shù)估計值的方差無限大。2）、不完全多重共線性：參數(shù)估計值的方差增大，對參數(shù)區(qū)間估計時，置信區(qū)間趨于變大。4、簡單相關(guān)系數(shù)檢驗法，方差擴大（膨脹）因子法，直觀判斷法，逐步回歸檢測法。5、1）、修正多重共線性的經(jīng)驗方法：剔除變量法，增大樣本容量，變換模型形式，利用非樣本先驗信息，橫截面數(shù)據(jù)與時間序列數(shù)據(jù)并用，變量變換。2）、逐步回歸法。6、可以，如果研究目的僅在于預(yù)測，各個解釋變量之間的

13、多重線性關(guān)系的性質(zhì)在未來將繼續(xù)保持，這時可估計這些系數(shù)的某些線性組合。1模型存在異方差時，普通最小二乘估計仍具有無偏性，但估計式的方差不再是最小的。加權(quán)最小二乘法是在模型存在異方差時估計參數(shù)的一種方法。2 1）、參數(shù)的OLS估計式的方差不再是最小的。2）、夸大用于參數(shù)顯著性檢驗的t統(tǒng)計量。3）、預(yù)測值的精確度下降。3 1）、模型中省略了某些重要的解釋變量。2）、模型設(shè)定誤差。3）、測量誤差的變化。4）、截面數(shù)據(jù)中總體各單位的差異。4 圖示檢驗法，戈德菲爾德-夸特檢驗，White檢驗， ARCH檢驗，Glejser檢驗。1、（1）完全一階正自相關(guān)?（2）差分為廣義差分法?2、廣義差分法，科克倫-

14、奧克特迭代法，一階差分法，德賓兩步法。3、1）、DW檢驗有運用的前提條件。2）、DW統(tǒng)計量的上、下界一般要求。3）、DW檢驗不適應(yīng)隨機誤差項具有高階序列相關(guān)的檢驗。4）、DW檢驗有兩個不能確定的區(qū)域1、若定性因素有m個相互排斥的類型（或?qū)傩?、水平），在有截距項的模型中只能引入m-1個虛擬變量，否則會產(chǎn)生完全的多重共線性。在無截距項的模型中，定性因素有m個相互排斥的類型時，引入m個虛擬變量不會導(dǎo)致完全多重共線性。2、1）、可以作為屬性因素的代表。2）、作為某些非精確計量的數(shù)量因素的代表。3）、作為某些偶然因素或政策因素的代表。4）、作為時間序列分析中季節(jié)（月份）的代表。5）、實現(xiàn)分段回歸，研究斜率、截距的變動，或比較兩個回歸某些的結(jié)構(gòu)差異。3、應(yīng)從分析問題的目的出發(fā)予以確定。從理論上講，虛擬變量取“0”，通常代表基礎(chǔ)類型；虛擬變量取“1”，通常代表與基礎(chǔ)類型相比較的類型。1 分成兩大類。內(nèi)生變量：由模型體現(xiàn)的經(jīng)濟系統(tǒng)本身所決定的隨機變量。外生變量：在模型體現(xiàn)的經(jīng)濟系統(tǒng)之外給定的、在模型中是非隨機的變量。2結(jié)構(gòu)型模型具有偏倚性問題。3提供足夠的估計各個結(jié)構(gòu)參數(shù)的信息或?qū)δＰ偷脑O(shè)定方程施加足夠的約束。 4在恰好識別的條件下，利用簡化型模型與結(jié)構(gòu)型模型之間參數(shù)的關(guān)系式可唯一解出結(jié)構(gòu)型方程的參數(shù)估計量。5相對于其他方法，OLS法可以充分利用