計量經(jīng)濟學名詞解釋和簡答

1、三、名經(jīng)濟計量學：是經(jīng)濟學、統(tǒng)計學和數(shù)學合流而構(gòu)成的一門交叉學科。理論經(jīng)濟計量學：是尋找適當?shù)姆椒ǎy度由經(jīng)濟計量模型設(shè)定的經(jīng)濟關(guān)系式。應用經(jīng)濟化量學：以經(jīng)濟理論和事實為出發(fā)點，應用計量方法，解決經(jīng)濟系統(tǒng)運行過程中的理論問題或?qū)嵺`問題。內(nèi)生變量：具有一定概率分布的隨機變量，由模型自身決定，其數(shù)值是求解模型的結(jié)果。外生變量：是非隨機變量，在模型體系之外決定，即在模型求解之前已經(jīng)得到了數(shù)值。隨機方程：根據(jù)經(jīng)濟行為構(gòu)造的函數(shù)關(guān)系式。非隨機方程：根據(jù)經(jīng)濟學理論或政策、法規(guī)而構(gòu)造的經(jīng)濟變量恒等式。時序數(shù)據(jù)：指某一經(jīng)濟變量在各個時期的數(shù)值按時間先后順序排列所形成的數(shù)列。截面數(shù)據(jù)：指在同一時點或時期上，不

2、同統(tǒng)計單位的相同統(tǒng)計指標組成的數(shù)據(jù)。回歸分析：就是研究被解釋變量對解釋變量的依賴關(guān)系，其目的就是通過解釋變量的已知或設(shè)定值，去估計或預測被解釋變量的總體均值。相關(guān)分析：測度兩個變量之間的線性關(guān)聯(lián)度的分析方法?？傮w回歸函數(shù)：EJY/X）是X的一個線性函數(shù)，就是總體回歸函數(shù)，簡稱總體回歸。它表明在給定X下Y的分布的總體均值與X有函數(shù)關(guān)系，就是說它給出了Y的均值是怎樣隨X值的變化而變化的。隨機誤差項：為隨機或非系統(tǒng)性成份，代表所有可能影響Y,但又未能包括到回歸模型中來的被忽略變量的代理變量。有效估計量：在所有線性無偏估計量中具有最小方差的無偏估計量叫做有效估計量。判定系數(shù)：r2(Y?Y)2ESS，是

3、對回歸線擬合優(yōu)度的度量。R2測度了在Y(YY)2TSS的總變異中由回歸模型解釋的那個部分所占的比例或百分比。異方差：在回歸模型中，隨機誤差項Ui,U2，Un不具有相同的方差，即Var(ui)Var(Uj)，當ij時，則稱隨機誤差的方差為異方差。異方差的補救方法已知時，用加權(quán)最小二乘法心Jv；未知時，用普通最小二乘法。序列相關(guān)：在進行回歸分析時，我們總假定其隨機誤差項是不相關(guān)的，即上式表示不同時點的誤差項之間不相關(guān)。如果一個回歸模型不滿足上式，即Cov(Ui,Uj)0，則我們稱隨機誤差項之間存在著序列相關(guān)現(xiàn)象，也稱為自相關(guān)自相關(guān)的補救方法：(一)差分法：一階差分法、廣義差分法、隨機誤差項相關(guān)系數(shù)

4、的估計(如迭代法和德賓兩步法)(二)廣義最小二乘法。加權(quán)最小二乘法：為了克服方差非齊性，所采用的方法即加權(quán)最小二乘法?；舅枷胧亲儞Q原來的模型，使經(jīng)過變換的模型具有同方差的隨機項，然后再應用普通最小二乘法進行估計。戈德菲里特一匡特檢驗：首先將樣本按某個解釋變量的大小順序排列，并將樣本從中間截成兩段；然后各段分別用普通最小二乘法擬合回歸模型。令第一段為高方差段，第二段為低方差段，并記兩段的樣本容量分別為ni和n2，模型參數(shù)個數(shù)為k，兩段樣本回歸殘差分別為創(chuàng)和e2i，則兩段的殘差平方和分別為rsse2和RSSe2i，從而可計算出各段模型的隨機誤差項的方差i1i1估計量分別為？2空和?2竺，由此可構(gòu)

5、造出檢驗統(tǒng)計量為nkn2kFRSS/(mk)RSS/(n_k)該統(tǒng)計量服從自由度為(nik)和(n_k)的F分布。在給定的顯著性水平之下，若此統(tǒng)計量F的值大于臨界值F口k,n_k，則可認為有異方差的存在。DW僉驗：DV檢驗是(杜賓)和沃特森)于1951年提出的一種適用于小樣本的檢驗方法。DV檢驗只能用于檢驗隨機誤差項具有一階自回歸形式的序列相關(guān)問題。隨機誤差項的一階自回歸形式為UtUt1w,為了檢驗序列的相關(guān)性，構(gòu)造的原假設(shè)是H。：0。為了檢驗上述假設(shè)，構(gòu)造DV統(tǒng)計量首先要求出回歸估計式的殘差e,DW2(1?)，根據(jù)樣本容量n和解釋變量的數(shù)目k'(不包括常數(shù)項)，查DW分布表，得臨界值

6、dL和du，然后依下列準則考察計算得到的DW值，以決定模型的自相關(guān)狀態(tài)。廣義差分法：廣義差分法可以克服所有類型的序列相關(guān)帶來的問題。如果Yt12X2tkXktUtUtM12Ut2pUtpVtVt為經(jīng)典誤差項，則可以將模型變換為此模型即為廣義差分模型，該模型不存在序列相關(guān)問題。采用普通最小二乘法估計該模型得到的參數(shù)估計量，即為原模型參數(shù)的無偏、有效的估計量。多元線性回歸模型：在模型中將包含二個以上的解釋變量的多元線性回歸模型。2調(diào)整的判定系數(shù)：R21*k)，所謂調(diào)整，就是指R2的計算式中(YiY)2/(n1)的e2和(YiY)2都用它們的自由度(nk)和(門一1)去除。對數(shù)線性模型：LnYi2L

7、nXiUi,該模型中LnY對，2是線性關(guān)系，LnY對LnX也是線性關(guān)系。該模型可稱為對數(shù)一對數(shù)線性模型，簡稱為對數(shù)線性模型。多重共線性：在多元線性回歸模型中，解釋變量X,X2,Xk之間存在完全或近似的線性關(guān)系，稱解釋變量X1,X2,Xk之間存在完全或近似多重共性線，也稱為復共線性。方差擴大因子：出度量了由于Xj與其它解釋變量之間的線性關(guān)聯(lián)程度對估計量?j的方差的影響。稱其為方差擴大因子,定義為VIFj12。1Rj2分布滯后模型：分布滯后模型一般定義為，如果一個回歸模型不僅包含解釋變量的現(xiàn)期值，而且還包含解釋變量的滯后值，則這個回歸模型就是分布滯后模型。它的一般形式為：Yt=+oXt+iXti+

8、kXtk+Ut或Yt=+oXt+iXt1+ut短期影響乘數(shù)：在分布滯后模型：Yt=+oXt+11+kXtk+Ut中，0稱為短期影響乘數(shù)，它表示解釋變量X變化一個單位對同期被解釋變量Y產(chǎn)生的影響。延期影響乘數(shù)：在分布滯后模型Yt=+。兀+i兀i+k兀k+5中，i,2，稱為延期過渡性影響乘數(shù)，它們度量解釋變量X的各個前期值變動一個單位對被解釋變量Y的滯后影響。長期影響乘數(shù)：在分布滯后模型Y=+oXt+iXti+kXtk+Ut中，所有乘數(shù)的和i012L稱為長期影響乘數(shù)。幾何分布滯后模型：對于無限分布滯后模型YtoXtiXtiUt庫伊克（koyck）提出了兩個假設(shè)：模型中所有參數(shù)的符號都是相同的。模型

9、中的參數(shù)按幾何數(shù)列衰減的，即jojj=0,1,2,式中，Ov入vl,入稱為分布滯后的衰減率，入越小，衰減速度就越快，X滯后的遠期值對當期Y值的影響就越小。就稱為幾何分布滯后模型。工具變量法：用合適的預定變量作為工具變量代替結(jié)構(gòu)方程中的內(nèi)生變量，從而降低解釋變量與隨機誤差項之間的相關(guān)程度，再利用最小二乘法進行參數(shù)估計。虛擬變量：在經(jīng)濟計量分析中，經(jīng)常會碰到所建模型的被解釋變量受到諸如戰(zhàn)爭、自然災害、國際環(huán)境、季節(jié)變動以及政府經(jīng)濟政策變動等質(zhì)量變量的影響。給定某一質(zhì)量變量某屬性的出現(xiàn)為1,未出現(xiàn)為0,稱這樣的變量為虛擬變量。虛擬變量陷阱：指如果虛擬變量設(shè)定不當，會使最小二乘法失效的情況。截距變動模

10、型：在模型YiaoaiDXi5中,D表示虛擬變量，D=0和D=1表示兩種不同的模型，他們的截距不同，則稱其為截距變動模型。截距斜率同時變動模型：例如消費函數(shù)不但在斜率上有差異，在截距上也是有可能不一致，將兩個問題同時考慮進來，我們可以得到回歸方程若10，30，則為截距和斜率同時變動模型分段線性回歸：當解釋變量X的值達到某水平X*之前，與被解釋變量Y之間存在某種線性關(guān)系；當解釋變量X的值達到或超過X*以后，與被解釋變量的關(guān)系就會發(fā)生變化。如果已知X的轉(zhuǎn)折點X*，可以用虛擬變量分別估計每一段的斜率。這就是分段線性回歸。聯(lián)立方程模型：聯(lián)立方程模型是根據(jù)經(jīng)濟理論和某些假設(shè)條件，區(qū)分各種不同的經(jīng)濟變量，

11、建立一組方程式來描述經(jīng)濟變量間的聯(lián)立關(guān)系。聯(lián)立方程偏倚：在聯(lián)立方程模型中，一些變量可能在某一方程中作為解釋變量，而在另一方程中又作為被解釋變量。這就會導致解釋變量與隨機干擾項之間存在相關(guān)關(guān)系，從而違背了最小二乘估計理論的一個重要假定。如果直接使用最小二乘法，就會產(chǎn)生所估計的參數(shù)是有偏的、非一致的等問題，稱為聯(lián)立性偏誤。前定變量：外生變量和滯后內(nèi)生變量合稱為前定變量。前定變量影響現(xiàn)期模型中的其它變量，但不受它們的影響，因此只能在現(xiàn)期的方程中作解釋變量，且與其中的隨機干擾項互不相關(guān)。行為方程：解釋居民、企業(yè)和政府的經(jīng)濟行為，描述它們對外部影響是怎樣做出反應的方程稱為行為方程。結(jié)構(gòu)式模型：每一個方程

12、都把內(nèi)生變量表示為其他內(nèi)生變量、前定變量和隨機干擾項的函數(shù)，描述經(jīng)濟變量關(guān)系結(jié)構(gòu)的聯(lián)立方程組稱為結(jié)構(gòu)式模型。簡化式模型：把模型中每個內(nèi)生變量表示為前定變量和隨機干擾項的函數(shù)，得到的模型稱為簡化式模型結(jié)構(gòu)式參數(shù)：結(jié)構(gòu)式模型中的參數(shù)稱為結(jié)構(gòu)式參數(shù)，它表示每個解釋變量對被解釋變量的直接影響，其正負號表示影響的方向，絕對值表示影響的程度。恰好識別：在可識別的模型中，結(jié)構(gòu)式參數(shù)具有唯一數(shù)值的方程稱為恰好識別。過度識別：在可識別的模型中，結(jié)構(gòu)式參數(shù)具有多個數(shù)值的方程稱為過度識別。四、簡答題1. 簡述經(jīng)濟計量分析的研究步驟。用經(jīng)濟計量方法研究社會經(jīng)濟問題是以經(jīng)濟計量模型的建立和應用為基礎(chǔ)的，其過程可分為四個

13、連續(xù)的步驟：建立模型、估計參數(shù)、驗證模型和使用模型。建立模型是根據(jù)經(jīng)濟理論和某些假設(shè)條件，區(qū)分各種不同的經(jīng)濟變量，建立單一方程式或方程體系，來表明經(jīng)濟變量之間的相互依存關(guān)系。模型建立后，必須對模型的參數(shù)進行估計；就是獲得模型參數(shù)的具體數(shù)值。模型估計之后，必須驗證模型參數(shù)估計值在經(jīng)濟上是否有意義，在統(tǒng)計上是否令人滿意。對經(jīng)濟現(xiàn)象的計量研究是為了使用經(jīng)濟計量模型。經(jīng)濟計量模型的使用主要是用于進行經(jīng)濟結(jié)構(gòu)分析、預測未來和制定或評價經(jīng)濟政策。2. 簡述經(jīng)濟計量模型檢驗的三大原則。第一，經(jīng)濟理論準則；第二，統(tǒng)計準則；第三，經(jīng)濟計量準則。(1) 經(jīng)濟理論準則經(jīng)濟理論準則即根據(jù)經(jīng)濟理論所闡明的基本原理，以此

14、對模型參數(shù)的符號和取值范圍進行檢驗；就是據(jù)經(jīng)濟理論對經(jīng)濟計量模型中參數(shù)的符號和取值范圍施加約束。(2) 統(tǒng)計準則統(tǒng)計準則是由統(tǒng)計理論決定的，統(tǒng)計準則的目的在于考察所求參數(shù)估計值的統(tǒng)計可靠性。由于所求參數(shù)的估計值是根據(jù)經(jīng)濟計量模型中所含經(jīng)濟變量的樣本觀測值求得的，便可以根據(jù)數(shù)理統(tǒng)計學的抽樣理論中的幾種檢驗，來確定參數(shù)估計值的精確度。(3) 經(jīng)濟計量準則經(jīng)濟計量準則是由理論經(jīng)濟計量學決定的，其目的在于研究任何特定情況下，所采用的經(jīng)濟計量方法是否違背了經(jīng)濟計量模型的假定。經(jīng)濟計量準則作為二級檢驗，可視為統(tǒng)計準則的再檢驗。3. 簡述經(jīng)濟計量模型的用途。對經(jīng)濟現(xiàn)象的計量研究是為了使用經(jīng)濟計量模型。經(jīng)濟計

15、量模型的使用主要是用于進行經(jīng)濟結(jié)構(gòu)分析、預測未來和制定或評價經(jīng)濟政策。(1) 結(jié)構(gòu)分析。就是利用已估計出參數(shù)值的模型，對所研究的經(jīng)濟系統(tǒng)變量之間的相互關(guān)系進行分析，目的在于了解和解釋有關(guān)經(jīng)濟變量的結(jié)構(gòu)構(gòu)成和結(jié)構(gòu)變動的原因。(2) 預測未來。就是根據(jù)已估計出參數(shù)值的經(jīng)濟計量模型來推測內(nèi)生變量在未來時期的數(shù)值，這是經(jīng)濟計量分析的主要目的之一。(3) 規(guī)劃政策。這是經(jīng)濟計量模型的最重要用途，也是它的最終目的。規(guī)劃政策是由決策者從一系列可供選擇的政策方案中，挑選出一個最優(yōu)政策方案予以執(zhí)行。一般的操作步驟是先據(jù)模型運算一個基本方案，然后改變外生變量（政策變量）的取值，得到其它方案，對不同的政策方案的可能

16、后果進行評價對比，從而做出選擇，因此又稱政策評價或政策模擬。4. 試述最小二乘估計原理。答：樣本回歸模型為：Yi?1?2XieiY?iei,eiYiY?iYi?1?2Xi，殘差e是實際值Y與其估計值Y?之差。對于給定的Y和X的n對觀測值，我們希望樣本回歸模型的估計值Y盡可能地靠近觀測值Y。為了達到此目的，我們就必須使用最小二乘準則，使：盡可能地小。e2f（?,?2）,殘差平方和是估計量？的函數(shù)，對任意給定的一組數(shù)據(jù)（樣本），最小二乘估計就是選擇?1和?2值，使ei2最小。如此求得的?1和?2就是回歸模型中回歸系數(shù)的最小二乘估計，這種方法就稱為最小二乘法。5. 試述經(jīng)典線性回歸模型的經(jīng)典假定。答

17、：對于總體線性回歸模型，其經(jīng)典假定如下。假定1：誤差項ui的均值為零。假定2:同方差性或Ui的方差相等。對所有給定的X，Ui的方差都是相同的。假定3：各個誤差項之間無自相關(guān)，Ui和Uj（i工j）之間的相關(guān)為零。假定4:Ui和Xi的協(xié)方差為零或E（UiXi）=0該假定表示誤差項u和解釋變量X是不相關(guān)的。假定5：正確地設(shè)定了回歸模型，即在經(jīng)驗分析中所用的模型沒有設(shè)定偏誤。假定6：對于多元線性回歸模型，沒有完全的多重共線性。就是說解釋變量之間沒有完全的線性關(guān)系。6. 簡述高斯一馬爾可夫定理及其意義。答：在多元線性回歸模型的經(jīng)典假定下，普通最小二乘估計量？，纟，,彳分別是!,2，k的最佳線性無偏估計量

18、。就是說，普通最小二乘估計量？,，?k是所有線性無偏估計量中方差最小的。高斯-馬爾可夫定理的意義在于：當經(jīng)典假定成立時，我們不需要再去尋找其它無偏估計量，沒有一個會優(yōu)于普通最小二乘估計量。也就是說，如果存在一個好的線性無偏估計量，這個估計量的方差最多與普通最小二乘估計量的方差一樣小，不會小于普通最小二乘估計量的方差。7. 歸模型中t檢驗和F檢驗的決策規(guī)則。t檢驗：(1)設(shè)定假設(shè).°原假設(shè)備擇假設(shè)Hl：j°(3)在給定顯著性水平的條件下，查t分布表得臨界值F檢驗：8. 存在異方差時普通最小二乘估計量的性質(zhì)。答：模型中存在異方差時，如果采用普通最小二乘法估計，存在以下問題： 參

19、數(shù)估計量雖是無偏的，但不是最小方差線性無偏估計。 參數(shù)的顯著性檢驗失效。9. 多重共線性直觀判定法包括哪些主要方法？(1) 有些解釋變量的回歸系數(shù)所帶符號與定性分析結(jié)果違背時，可能存在多重共線性問題。(2) 些重要的解釋變量在回歸方程中沒有通過顯著性檢驗時，可初步判斷存在著嚴重的多重共線性。(3) 解釋變量間的相關(guān)系數(shù)較大時，可能會出現(xiàn)多重共線性問題。(4) 當增加或剔除一個解釋變量，或者改變一個觀測值時，回歸系數(shù)的估計值發(fā)生較大變化，我們就認為回歸方程存在嚴重的多重共線性。(5) 對于采用時間序列數(shù)據(jù)做樣本，以多元線性形式建立的計量經(jīng)濟模型，往往存在多重共線性。10. 多重共線性補救方法有哪

20、幾種？答：(1)使用非樣本先驗信息；(2)橫截面數(shù)據(jù)與時間序列數(shù)據(jù)并用；(3)剔除一些不重要的共線性解釋；(4)增大樣本容量；(5)使用有偏估計等。11. 對分布滯后模型進行參數(shù)估計時存在什么困難？首先對于無限分布滯后模型，因為其包含無限多個參數(shù)，無法用最小二乘法直接對其估計，其次對于有限分布滯后模型，即使假設(shè)它滿足經(jīng)典假定條件，對它應用最小二乘估計也存在以下困難。 產(chǎn)生多重共線問題對于時間序列Xt的各期變量之間往往是高度相關(guān)的，因而分布滯后模型常常產(chǎn)生多重共線性問題。 損失自由度問題由于樣本容量有限，當滯后變量數(shù)目增加時，必然使得自由度減少。由于經(jīng)濟數(shù)據(jù)的收集常常受到各種條件的限制，估計這類

21、模型時經(jīng)常會遇到數(shù)據(jù)不足的困難。 對于有限分布滯后模型，最大滯后期k較難確定 分布滯后模型中的隨機誤差項往往是嚴重自相關(guān)的。12. 自適應預期模型的經(jīng)濟理論基礎(chǔ)。自適應預期模型建立在如下的經(jīng)濟理論基礎(chǔ)上：影響被解釋變量Yt的因素不是Xt而是Xt1的預期X；!，即Yt0iXt*!Ut13. 部分調(diào)整模型的經(jīng)濟理論假定。部分調(diào)整模型所根據(jù)的行為假定是模型所表達的不應是t期解釋變量觀測值與同期被解釋變量觀測值之間的關(guān)系，而應是t期解釋變量觀測值與同期被解釋變量希望達到的水平之間的關(guān)系。即式中,Yt*=被解釋變量的希望值（或最佳值），Xt=解釋變量在t期的真實值，ut二隨機誤差項。14. 回歸模型引入

22、虛擬變量的一般規(guī)則是什么？回歸模型引入虛擬變量的一般規(guī)則是：如果模型中包含截距項，則一個質(zhì)變量有m個特征，只需引入（m-1）個虛擬變量。如果模型中不包含截距項，則一個質(zhì)變量有m個特征，需引入m個虛擬變量。15. 隨機解釋變量條件下OLS估計的后果：1、如果隨機解釋變量與隨機誤差項相互獨立，得到的參數(shù)估計量仍然是無偏的，且是一致估計量；2、如果隨機解釋變量與隨機誤差項同期不相關(guān)，但異期相關(guān)，得到的參數(shù)估計量是有偏，但卻是一致的；3、如果隨機解釋變量與隨機誤差項同期相關(guān)，得到的參數(shù)估計量是有偏且非一致的估計量。16. 簡述聯(lián)立方程模型的形式聯(lián)立方程模型按方程的形式可分為結(jié)構(gòu)式模型和簡化式模型。每一

23、個方程都把內(nèi)生變量表示為其他內(nèi)生變量、前定變量和隨機干擾項的函數(shù)，描述經(jīng)濟變量關(guān)系結(jié)構(gòu)的聯(lián)立方程組稱為結(jié)構(gòu)式模型。結(jié)構(gòu)式模型中的參數(shù)稱為結(jié)構(gòu)式參數(shù)，它表示每個解釋變量對被解釋變量的直接影響，其正負號表示影響的方向，絕對值表示影響的程度。把模型中每個內(nèi)生變量表示為前定變量和隨機干擾項的函數(shù)，得到的模型稱為簡化式模型。簡化式模型中的參數(shù)稱為簡化式參數(shù)，簡化式參數(shù)表達前定變量對內(nèi)生變量的直接影響和間接影響的總度量。17. 簡述識別的定義及識別的分類。定義：若某一結(jié)構(gòu)方程具有唯一的統(tǒng)計形式，則稱此方程是可以識別的；否則，就稱此結(jié)構(gòu)方程是不可識別的。若線性聯(lián)立方程中的每個結(jié)構(gòu)方程都是可以識別的，則稱此模

24、型是可以識別的；否則，就稱此模型是不可識別的。模型的識別分為可識別和不可識別兩類。可識別的模型又分為恰好識別和過度識別兩種情況。在可識別的模型中，結(jié)構(gòu)式參數(shù)具有唯一數(shù)值的方程稱為恰好識別；結(jié)構(gòu)式參數(shù)具有多個數(shù)值的方程稱為過度識別。18. 簡述識別的階條件與秩條件。設(shè)結(jié)構(gòu)式模型所含方程的總數(shù)（或內(nèi)生變量總數(shù)）為M模型包含的變量總數(shù)（包括前定變量和內(nèi)生變量）為H,待識別的方程包含的變量總數(shù)（包括內(nèi)生變量和前定變量）為G。階條件：若某一個結(jié)構(gòu)式方程是可以識別的，則模型中方程數(shù)減一小于或等于此方程排斥的變量總數(shù)，即M-1<H-G,若M1HG，則不可識別；M1HG，則為恰好識別；M1HG，則為過度

25、識別。階條件是必要條件，不是充分條件。秩條件：在具有M個方程的結(jié)構(gòu)式模型中，任何一個方程可以識別的充分必要條件是：不包括在該方程中的變量(包括內(nèi)生變量和前定變量)的參數(shù)所組成的矩陣(記為A)的秩為M-1,即r(A)=M-1。秩條件是充分必要條件，也就是說：如果秩條件成立，則方程是可識別；如果方程是可識別的，則秩條件成立，或者秩條件不成立，則方程是不可識別的。19. 簡述間接最小二乘法的假設(shè)條件及操作步驟。簡化式方程的解釋變量均為前定變量，無聯(lián)立性偏誤問題，可以使用普通最小二乘法估計簡化式參數(shù)，從而導出結(jié)構(gòu)式參數(shù)，這就是間接最小二乘法。間接最小二乘法有以下三條假設(shè)條件：(1)被估計的結(jié)構(gòu)方程必須

26、是恰好識別的。(2)簡化式方程的隨機干擾項必須滿足最小二乘法的假定。(3)前定變量之間不存在完全的多重共線性。間接最小二乘法包括以下三個步驟：第一步，將結(jié)構(gòu)式模型化為簡化式模型。也就是把每一個內(nèi)生變量表示為前定變量和隨機干擾項的函數(shù)。第二步，對簡化式模型的各方程用最小二乘法估計參數(shù)，從而得到簡化式參數(shù)估計值。第三步，把簡化式參數(shù)的估計值代入結(jié)構(gòu)式參數(shù)與簡化式參數(shù)的關(guān)系式，求得結(jié)構(gòu)式參數(shù)的估計值。20. 簡述工具變量法的應用規(guī)則及局限性。工具變量法的就是用合適的預定變量作為工具變量代替結(jié)構(gòu)方程中的內(nèi)生變量，從而降低解釋變量與隨機誤差項之間的相關(guān)程度，再利用最小二乘法進行參數(shù)估計。應用規(guī)則：如果內(nèi)

27、生解釋變量Yt與ut相關(guān)，我們就選擇一個工具變量Z來代替Y。Z要滿足兩個條件：一是Zt與ut不相關(guān)，即Cov(Ztut)=0;二是Zt與乂高度相關(guān)，即Cov(Zt,Y)工0。在聯(lián)立方程模型中，工具變量一般從外生變量中選取。工具變量法的局限性(1) 在實踐中，找到一個既有經(jīng)濟意義，又滿足兩個條件的工具變量非常困難。(2)若滿足兩個條件的工具變量有多個時，在選擇方面具有任意性。(3)檢驗工具變量與隨機誤差項不相關(guān)有很大困難。21. 簡述二階段最小二乘法的假設(shè)條件及操作步驟。二階段最小二乘法的就是將內(nèi)生解釋變量對聯(lián)立方程模型中所有外生變量回歸，得到內(nèi)生解釋變量的估計值(擬合值)，將這個估計值(擬合值

28、)作為工具變量，對結(jié)構(gòu)方程使用普通最小二乘法。二階段最小二乘法必須滿足以下假設(shè)條件：(1)被估計的結(jié)構(gòu)式方程必須是可識別的，特別地，二階段最小二乘法適合于過度識別方程。(2) 結(jié)構(gòu)式模型中的各隨機干擾項必須滿足最小二乘法經(jīng)典假定，即零期望值、同方差、無自相關(guān)且與全部前定變量無關(guān)。(3)所有前定變量之間不存在高度多重共線性。(4)解釋變量之間不是完全共線性的。（5）樣本容量足夠大。二階段最小二乘法的步驟第一階段：將待估計方程中的內(nèi)生解釋變量Yt對聯(lián)立方程模型中的全部前定變量回歸，即估計簡化式方程，計算內(nèi)生解釋變量Yt的估計值Y?。第二階段：用第一階段得到的內(nèi)生解釋變量的估計值Y?代替內(nèi)生解釋變量

29、Yt，對該結(jié)構(gòu)方程使用普通最小二乘法估計結(jié)構(gòu)式參數(shù)。22. 回歸模型引入虛擬變量的一般規(guī)則是什么？回歸模型引入虛擬變量的一般規(guī)則是： 如果模型中包含截距項，則一個質(zhì)變量有m個特征，只需引入（m-1）個虛擬變量。 如果模型中不包含截距項，則一個質(zhì)變量有m個特征，需引入m個虛擬變量。23. 舉例說明截距變動模型與截距斜率同時變動模型的各適用于什么情況？例如城鎮(zhèn)居民和農(nóng)村居民的消費函數(shù)不但在斜率上有差異，在截距上也是有可能不一致的，將兩個問題同時考慮進來，我們可以得到回歸方程式中，Y二第i個家庭的消費水平，Xi二第i個家庭的收入水平，方程可以表示為D=1Yi01（23）XiuiD=0Yi02Xiui

30、1和3分別表示城鎮(zhèn)居民家庭和農(nóng)村居民家庭的消費函數(shù)在截距和斜率上的差異。我們一般通過t檢驗來判定它們之間是否有差異。 .若10，30，則為截距和斜率同時變動模型。.若10，3=0，則為截距變動模型。 .若1=0，3=0則表示城鎮(zhèn)居民家庭和農(nóng)村居民家庭有著完全相同的消費模式。 .若1=0，30則為斜率變動模型，這種情況在現(xiàn)實中出現(xiàn)得不是很多。24. 根據(jù)某種商品銷售量和個人收入季度數(shù)據(jù)建立如下模型：yt01D1t2D2t3D34D4t5xtut其中，虛擬變量Dit為第i季度時為1，其余為0，這時會發(fā)生什么問題，參數(shù)是否能夠用最小的乘法估計？會產(chǎn)生共線性，此時不能用最小二乘法估計，因為他違背了因如

31、虛擬變量的一般規(guī)則。回歸模型引入虛擬變量的一般規(guī)則是：如果模型中包含截距項，則一個質(zhì)變量有m個特征，只需引入(m-1)個虛擬變量。如果模型中不包含截距項，則一個質(zhì)變量有m個特征，需引入m個虛擬變量。25. 舉例說明如何建立截距、斜率同時變動模型？例如回歸方程Yi01D2Xi3(DXi)ui式中，D為虛擬變量，則方程可以表示為D=1Yi01(23)XiuiD=0Yi02Xiui1和3分別表示函數(shù)在截距和斜率上的差異。我們一般通過t檢驗來判定它們之間是否有差異。若10，30，則稱其為截距和斜率同時變動模型；26. 舉例說明如何建立分段線性回歸模型在經(jīng)濟關(guān)系中常有這樣的情況：當解釋變量X的值達到某水

32、平X*之前，與被解釋變量Y之間存在某種線性關(guān)系；當解釋變量X的值達到或超過X*以后，與被解釋變量的關(guān)系就會發(fā)生變化。例如：在1979年以前，我國居民的消費支出呈緩慢上升的趨勢，從1979年開始，居民消費支出為快速上升趨勢。顯然，1979年是一個轉(zhuǎn)折點，即X*=1979。于是，我們可以用以下模型描述我國居民在1955年至2004年期間消費支出的變動趨勢Yt為某年的消費支出，t為年份(t=1955,1956,L,2004,D為虛擬變量，則于是,兩個不同時期的消費趨勢為：1979年以前模型為：Yt01tut1979年以后模型為：Yt02X*(12)tut27. 產(chǎn)生滯后的原因有哪些？心理上的原因技術(shù)

33、上的原因制度上的原因28. 對分布滯后模型進行參數(shù)估計時存在什么困難？首先對于無限分布滯后模型,因為其包含無限多個參數(shù),無法用最小二乘法直接對其估計,其次對于有限分布滯后模型,即使假設(shè)它滿足經(jīng)典假定條件,對它應用最小二乘估計也存在以下困難。產(chǎn)生多重共線問題對于時間序列Xt的各期變量之間往往是高度相關(guān)的，因而分布滯后模型常常產(chǎn)生多重共線性問題。 損失自由度問題由于樣本容量有限,當滯后變量數(shù)目增加時,必然使得自由度減少。由于經(jīng)濟數(shù)據(jù)的收集常常受到各種條件的限制,估計這類模型時經(jīng)常會遇到數(shù)據(jù)不足的困難。 對于有限分布滯后模型，最大滯后期k較難確定。 分布滯后模型中的隨機誤差項往往是嚴重自相關(guān)的。29

34、. 經(jīng)驗權(quán)數(shù)法估計步驟是什么？經(jīng)驗權(quán)數(shù)法又稱為經(jīng)驗法，它是指根據(jù)觀察及經(jīng)驗為滯后變量的系數(shù)指定權(quán)數(shù)，即根據(jù)經(jīng)驗賦予各滯后變量的系數(shù)0,1,k相應的權(quán)數(shù)，使滯后變量按權(quán)數(shù)的線性組合，構(gòu)成新的變量W,然后用最小二乘法估計參數(shù)。30. 阿爾蒙多項式滯后模型的原理及優(yōu)缺點。阿爾蒙多項式滯后模型的基本思想是：如果有限分布滯后模型中的參數(shù)ii0,1,2,k的分布可以近似用一個關(guān)于i的低階多項式表示，就可以利用多項式減少模型中的參數(shù)。 阿爾蒙估計法的優(yōu)點（1）克服了自由度不足的問題。（2）阿爾蒙變換具有充分的柔順性。（3）可以克服多重共線性問題。 阿爾蒙估計法的缺點（1）仍沒有能夠解決原模型滯后階數(shù)k應該取

35、什么值為最好的問題。（2）多項式階數(shù)m必須事先確定，而m的實際確定往往帶有很大的主觀性。（3）雖然阿爾蒙估計法可能將回歸式中的多重共線性程度降低了很多，變量W之間的多重共線性就可能弱于諸X之間的多重共線性，但它并沒能完全消除多重共線性問題對回歸模型的影響。31什么是無限分布滯后模型？并簡述庫伊克（Koyck）所提出兩個假設(shè)的內(nèi)容。如YtoXtiXtiut的模型稱為無限分布滯后模型，庫伊克（koyck）對模型提出了兩個假設(shè)： 模型中所有參數(shù)的符號都是相同的。 模型中的參數(shù)是按幾何數(shù)列衰減的，即j=0，1，2，式中，0V入V1,入稱為分布滯后的衰減率，入越小，衰減速度就越快，X滯后的遠期值對當期Y

36、值的影響就越小。31. 自適應預期模型的經(jīng)濟理論基礎(chǔ)。自適應預期模型建立在如下的經(jīng)濟理論基礎(chǔ)上：影響被解釋變量Yt的因素不是Xt而是Xt1的預期X；!，即Yt01Xt*1Ut32. 部分調(diào)整模型的經(jīng)濟理論假定。部分調(diào)整模型所根據(jù)的行為假定是模型所表達的不應是t期解釋變量觀測值與同期被解釋變量觀測值之間的關(guān)系，而應是t期解釋變量觀測值與同期被解釋變量希望達到的水平之間的關(guān)系。即式中,Yt*=被解釋變量的希望值(或最佳值)，Xt=解釋變量在t期的真實值，Ut二隨機誤差項。33. 能否直接用DW檢驗自回歸模型的自相關(guān)問題？為什么？應采用什么方法檢驗？(1) 在自回歸模型中，如果含有滯后被解釋變量Y-

37、1作為解釋變量，這時需要檢查模型中隨機誤差項是否存在序列相關(guān)性，DW僉驗就不再適用了。(2) 因為應用DW僉驗的一個前提條件就是解釋變量為非隨機變量，否則就會得到錯誤的結(jié)論。(3) 此時需要用h統(tǒng)計量檢驗，設(shè)自回歸模型定義的h統(tǒng)計量為：其中，?2是模型中Yt1的系數(shù)2的估計量，Var(?2)是?2的方差的樣本估計值，n為樣本容量，？是隨機誤差項一階自相關(guān)系數(shù)的估計值，在應用時，可取？1,d是通常意義下DW統(tǒng)計量的取值。2h統(tǒng)計量的原假設(shè)為Ho：0，備擇假設(shè)為比：0。在大樣本情形下，Durbin證明了在原假設(shè)Ho：0成立的條件下，統(tǒng)計量h漸進地遵循零均值和單位方差的正態(tài)分布。34. 舉例說明異方

38、差的概念。答：在回歸模型中，隨機誤差項U1,U2，Un不具有相同的方差，即Var(uJVar(Uj)，當ij時在線性模型的基本假定中，ui關(guān)于方差不變的假定不成立，則稱存在異方差性。例如：在研究城鎮(zhèn)居民收入與消費的關(guān)系時，我們知道居民收入與消費水平有著密切的關(guān)系。用Xi表示第i戶的收入，Y表示第i戶的消費額，那么反映收入與消費之間的模型為Yi1+2Xi+ui，i1,2,n模型中，因為各戶的收入不同，消費觀念和習慣的差異，導致消費的差異非常大，模型中存在明顯的異方差性。35. 存在異方差時普通最小二乘估計量的性質(zhì)。答：模型中存在異方差時，如果采用普通最小二乘法估計，存在以下問題：參數(shù)估計量雖是無

39、偏的，但不是最小方差線性無偏估計。參數(shù)的顯著性檢驗失效。36. 簡述樣本分段檢驗法的應用步驟。答：樣本分段比檢驗也叫戈德菲爾德匡特檢驗，步驟是： 將樣本按某個解釋變量的大小順序排列，并將樣本從中間截成兩段； 各段分別用普通最小二乘法擬合回歸模型。令第一段為高方差段，第二段為低方差段，并記兩段的樣本容量分別為ni和n2，模型參數(shù)個數(shù)為k，n1兩段樣本回歸殘差分別為eii和e2i，則兩段的殘差平方和分別為RSSe2和i1n2RSS22e22i，從而可計算出各段模型的隨機誤差項的方差估計量分別為i1?i2空和?2更蛍，由此可構(gòu)造出檢驗統(tǒng)計量為njkn2k該統(tǒng)計量服從自由度為(nik)和(k)的F分布

40、。在給定的顯著性水平之下，若此統(tǒng)計量F的值大于臨界值Fnik,n2k，則可認為有異方差的存在。37. 簡述等級相關(guān)系數(shù)法的檢驗步驟。答：等級相關(guān)系數(shù)法又稱斯皮爾曼(Spearman)檢驗，是一種應用較廣泛的方法。這種檢驗方法既適用于大樣本，也適用于小樣本。按下式計算出等級相關(guān)系數(shù)其中，n為樣本容量，di為對應于Xi和e的等級的差數(shù)。通過t檢驗判斷是否存在異方差在多元的情況下，需對每一個解釋變量做等級相關(guān)系數(shù)檢驗。只有當每個解釋變量檢驗都不存在異方差時模型中才不存在異方差。否則，模型中存在異方差。38. 舉例說明序列相關(guān)的概念。答：在進行回歸分析時，我們總假定其隨機誤差項是不相關(guān)的，即Cov(U

41、i,Uj)0,ij,上式表示不同時點的誤差項之間不相關(guān)。如果一個回歸模型不滿足上式，即Cov(Ui,Uj)0，則我們稱隨機誤差項之間存在著序列相關(guān)現(xiàn)象，也稱為自相關(guān)。具體相關(guān)例子見教材。39. 產(chǎn)生序列相關(guān)的原因有哪些？答：遺漏了重要的解釋變量。經(jīng)濟變量的滯后性?；貧w函數(shù)形式的設(shè)定錯誤也可能引起序列相關(guān)。實際問題研究中出現(xiàn)的蛛網(wǎng)現(xiàn)象(CobwebPhenomenon)對原始數(shù)據(jù)加工整理。40. 序列相關(guān)性帶來哪些后果？答：參數(shù)的估計量不再具有最小方差線性無偏性。均方誤差MSE能嚴重低估誤差項的方差。常用的F檢驗和t檢驗失效。當存在序列相關(guān)時，？仍然是的無偏估計量。但是回歸參數(shù)的置信區(qū)間和利用回

42、歸模型進行預測的結(jié)果會存在較大的誤差。41. 簡述DW僉驗的步驟及局限性。答：DW僉驗的步驟見教材。DW僉驗缺點和局限性：DV檢驗有兩個不能確定的區(qū)域。DWS計量的上、下界表要求n>15;檢驗不適應隨機誤差項具有高階序列相關(guān)的檢驗；只適用于有常數(shù)項的回歸模型并且解釋變量中不能含滯后的被解釋變量。42. 試寫出DW撿驗的判斷區(qū)間。答：DW僉驗的決策區(qū)間OWDWCdL誤差項U1,U2,Un間存在正相關(guān)dLVDWWdu不能判定是否有自相關(guān)duVDW4dU誤差項U1,U2,Un間無自相關(guān)4dUWDW4dL不能判定是否有自相關(guān)4dLWDVW4誤差項U1,U2,Un間存在負相關(guān)43. 多元回歸分析中

43、為何要使用調(diào)整的判定系數(shù)。答：判定系數(shù)R2的一個重要性質(zhì)是：在回歸模型中增加一個解釋變量后，它不會減少，而且通常會增大。即R是回歸模型中解釋變量個數(shù)的非減函數(shù)。所以，使用R來判斷具有相同被解釋變量Y和不同個數(shù)解釋變量X的回歸模型的優(yōu)劣時就很不適當。此時，R不能用于比較兩個回歸方程的擬合優(yōu)度。為了消除解釋變量個數(shù)對判定系數(shù)R2的影響，需使用調(diào)整后的判定系數(shù)：2R21遼勺，所謂調(diào)整，就是指R2的計算式中的e2和(YY)/(n1)i(YiY)2都用它們的自由度(nk)和(門一1)去除。?44. 多元經(jīng)典回歸模型中，影響偏回歸系數(shù)Bj的最小二乘估計量'j方差的因系有哪些？答：?的方差取決于如下

44、三個因素：2,SSTj和Rj2。(1) Var(?j)與2成正比；2越大，?j的方差Var(?)越大?；貧w模型的干擾項u是對回歸結(jié)果的干擾，干擾(2)越大，使得估計任何一個解釋變量對Y的局部影響就越困難。(2) Var(?j)與X的總樣本變異SST成反比；總樣本變異SST越大，?的方差Var(?)越小。(3) Var(?)與解釋變量之間的線性關(guān)聯(lián)程度Rj2正相關(guān)；Rj2越大，?j的方差Var(?j)越大。45. 簡述多元回歸模型的整體顯著性檢驗決策規(guī)則。答：(1)設(shè)定假設(shè)原假設(shè)Ho：23k0備擇假設(shè)j不全為0，j=2,3,k(2) 計算F統(tǒng)計量(3) 在給定顯著性水的條件下，查F分布表得臨界值

45、F(k1,nk)。(4)判斷如果FF(k1,nk)，則拒絕H0，接受備擇假設(shè)H。如果FF(k1,nk)，則不拒絕H0。46對于多元線性回歸模型，為什么在進行了總體顯著性F檢驗之后，還要對每個偏回歸系數(shù)進行是否為0的t檢驗。答：多元回歸模型的總體顯著性就是對原假設(shè)H0:23k0進行檢驗。檢驗的目的就是判斷被解釋變量Y是否與X2,X3,Xk在整體上有線性關(guān)系。若原假設(shè)H0:23k0被拒絕，即通過了F檢驗，則表明Y與X2,X3,Xk在整體上有線性關(guān)系。但這并不表明每一個X都對Y有顯著的線性影響，還需要通過t檢驗判斷每一個回歸系數(shù)的顯著性。47. 對數(shù)線性模型的優(yōu)點有哪些？答：對數(shù)線性模型的優(yōu)點為(1) 對數(shù)線性模型中斜率系數(shù)度量了一個變量(Y)對另一個變量(X)的