(完整版)計(jì)量經(jīng)濟(jì)學(xué)簡(jiǎn)答

1、1. 模型的檢驗(yàn)包括哪幾個(gè)方面？具體含義是什么？模型的檢驗(yàn)主要包括：經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)、模型的預(yù)測(cè)檢驗(yàn)。 在經(jīng)濟(jì)意義檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ褪欠穹辖?jīng)濟(jì)意義，檢驗(yàn)求得的參數(shù)估計(jì)值的符號(hào)、大小、參數(shù)之間的關(guān)系是否與根據(jù)人們的經(jīng)驗(yàn)和經(jīng)濟(jì)理論所擬訂的期望值相符合； 在統(tǒng)計(jì)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)值的可靠性，即檢驗(yàn)?zāi)Ｐ偷慕y(tǒng)計(jì)學(xué)性質(zhì)，有擬合優(yōu)度檢驗(yàn)、變量顯著檢驗(yàn)、方程顯著性檢驗(yàn)等；在計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ偷挠?jì)量經(jīng)濟(jì)學(xué)性質(zhì)，包括隨機(jī)擾動(dòng)項(xiàng)的序列相關(guān)檢驗(yàn)、異方差性檢驗(yàn)、解釋變量的多重共線(xiàn)性檢驗(yàn)等；模型的預(yù)測(cè)檢驗(yàn)，主要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)量的穩(wěn)定性以及對(duì)樣本容量變化時(shí)的靈敏度，以確定所

2、建立的模型是否可以用于樣本觀(guān)測(cè)值以外的范圍。2. 計(jì)量經(jīng)濟(jì)學(xué)研究的基本步驟是什么？包括四個(gè)步驟：理論模型的設(shè)定、模型參數(shù)的估計(jì)、模型的檢驗(yàn)、模型的應(yīng)用。3. 總體回歸函數(shù)和樣本回歸函數(shù)之間有哪些區(qū)別與聯(lián)系？樣本回歸函數(shù)是總體回歸函數(shù)的一個(gè)近似。總體回歸函數(shù)具有理論上的意義，但其具體的參數(shù)不可能真正知道，只能通過(guò)樣本估計(jì)。樣本回歸函數(shù)就是總體回歸函數(shù)的參數(shù)用其估計(jì)值替代之后的形式，即01，為01，的估計(jì)值。 4. 為什么用可決系數(shù)2R 評(píng)價(jià)擬合優(yōu)度，而不是用殘差平方和作為評(píng)價(jià)標(biāo)準(zhǔn)？ 可決系數(shù)R 2=ESS/TSS=1-RSS/TSS ，含義為由解釋變量引起的被解釋變量的變化占被解釋變量總變化的比

3、重，用來(lái)判定回歸直線(xiàn)擬合的優(yōu)劣，該值越大說(shuō)明擬合的越好；而殘差平方和與樣本容量關(guān)系密切，當(dāng)樣本容量比較小時(shí)，殘差平方和的值也比較小，尤其是不同樣本得到的殘差平方和是不能做比較的。此外，作為檢驗(yàn)統(tǒng)計(jì)量的一般應(yīng)是相對(duì)量而不能用絕對(duì)量，因而不能使用殘差平方和判斷模型的擬合優(yōu)度。5. 根據(jù)最小二乘原理，所估計(jì)的模型已經(jīng)使得擬合誤差達(dá)到最小，為什么還要討論模型的擬合優(yōu)度問(wèn)題？普通最小二乘法所保證的最好擬合是同一個(gè)問(wèn)題內(nèi)部的比較，即使用給出的樣本數(shù)據(jù)滿(mǎn)足殘差的平方和最??；擬合優(yōu)度檢驗(yàn)結(jié)果所表示的優(yōu)劣可以對(duì)不同的問(wèn)題進(jìn)行比較，即可以辨別不同的樣本回歸結(jié)果誰(shuí)好誰(shuí)壞。6. 為什么說(shuō)最小二乘估計(jì)量是最優(yōu)線(xiàn)性無(wú)偏估

4、計(jì)量？對(duì)于多元線(xiàn)性回歸最小二乘估計(jì)的正規(guī)方程組，能解出唯一的參數(shù)估計(jì)量的條件是什么？在滿(mǎn)足經(jīng)典假設(shè)的條件下，參數(shù)的最小二乘估計(jì)量具有線(xiàn)性性、無(wú)偏性以及最小性方差，所以被稱(chēng)為最優(yōu)線(xiàn)性無(wú)偏估計(jì)量（BLUE ）對(duì)于多元線(xiàn)性回歸最小二乘估計(jì)的正規(guī)方程組，能解出唯一的參數(shù)估計(jì)量的條件是（X X ）-1存在，或者說(shuō)各解釋變量間不完全線(xiàn)性相關(guān)。7. 為什么在多元回歸模型中，需要對(duì)可決系數(shù)R 做出修正？ 對(duì)2R 修正的原因：2R 是模型中解釋變量個(gè)數(shù)的非減函數(shù)，也就是說(shuō)，隨著模型中解釋變量個(gè)數(shù)的增加，2R 的值會(huì)變大，這樣為了得到擬合優(yōu)度較高的模型，似乎加入更多解釋變量是合理選擇。但是，在建立計(jì)量經(jīng)濟(jì)模型時(shí)，

5、一些影響被解釋變量的次要因素沒(méi)有必要以顯性形式作為解釋變量出現(xiàn)在模型中，因?yàn)?，隨著解釋變量個(gè)數(shù)增加，待估計(jì)的參數(shù)也會(huì)增多，由此造成樣本自由度的減少，模型參數(shù)估計(jì)準(zhǔn)確性下降。因此，在多元回歸模型背景下，僅僅依據(jù)2R 進(jìn)行模型比較和選擇就會(huì)產(chǎn)生問(wèn)題，在增加新的解釋變量時(shí)，必須對(duì)由其 帶來(lái)的模型自由度下降這一“負(fù)面影響”而做出懲罰，因此需要對(duì)2R 做出相應(yīng)的修正。8. 簡(jiǎn)述工具變量法的基本思路以及選擇工具變量應(yīng)遵循的原則。基本思路：工具變量法就是當(dāng)隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)相關(guān)時(shí)，尋找一個(gè)與隨機(jī)解釋變量高度相關(guān)，但與隨機(jī)誤差項(xiàng)不想管的變量，用該變量替代模型中的隨機(jī)解釋變量，進(jìn)行模型的參數(shù)估計(jì)。選擇原則

6、：工具變量Z 與所替代的隨機(jī)解釋變量X 高度相關(guān)，即(,)0i i Cov Z X ；工具變量Z 與隨機(jī)干擾項(xiàng)不相關(guān)，即(,)0i i Cov Z =；工具變量Z 與模型中其他解釋變量不相關(guān)，以避免出現(xiàn)多重共線(xiàn)性。9. 簡(jiǎn)述多重共線(xiàn)性的危害多重共線(xiàn)性的危害有幾個(gè)方面：（1）在完全多重共線(xiàn)性下參數(shù)估計(jì)量不存在；（2）在近似多重共線(xiàn)性，參數(shù)OLS 估計(jì)量非有效，OLS 估計(jì)的方差隨著多重共線(xiàn)程度的提高而增加；（3）參數(shù)估計(jì)的經(jīng)濟(jì)學(xué)意義不合理；（4）變量的顯著性檢驗(yàn)失去意義；（5）模型的預(yù)測(cè)功能失效。10. 列舉多重共線(xiàn)性的檢驗(yàn)方法簡(jiǎn)單相關(guān)系數(shù)檢驗(yàn)法、直觀(guān)判斷法、綜合統(tǒng)計(jì)檢驗(yàn)法、決定系數(shù)檢驗(yàn)法、行列

7、式檢驗(yàn)法、方差膨脹因子法、逐步回歸法等。11. 簡(jiǎn)述異方差對(duì)OLS 估計(jì)量的性質(zhì)、置信區(qū)間、顯著性t 檢驗(yàn)和F 檢驗(yàn)有何影響。 OLS 估計(jì)量仍是線(xiàn)性無(wú)偏的，但不再具有最小方差，即不再有效；大樣本情況下，具有一致性，但不具有漸近有效性。由于相應(yīng)的置信區(qū)間和t 檢驗(yàn)、F 檢驗(yàn)都與估計(jì)量的方差相關(guān)，因此會(huì)造成建立的置信區(qū)間以及t 檢驗(yàn)與F 檢驗(yàn)都不再是可靠的。12. 什么是加權(quán)最小二乘法，它的基本思想是什么?加權(quán)最小二乘法是對(duì)原模型加權(quán)，使之變成一個(gè)新的不存在異方差性的模型，然后采用OLS 法估計(jì)其參數(shù)。加權(quán)的基本思想是：在采用OLS 方法時(shí)，對(duì)較小的殘差平方賦予較大的權(quán)重，對(duì)較大的殘差平方賦予較

8、小的權(quán)重，以對(duì)殘差提供的信息的重要程度作一番修正，提高參數(shù)估計(jì)的精確程度。有哪些不同的方法？說(shuō)明基本思路。13.在存在一階自相關(guān)的情形下，估計(jì)自相關(guān)參數(shù)在存一階自相關(guān)的情況下，估計(jì)自相關(guān)系數(shù)有下述幾種方法：（1）利用D.W.統(tǒng)計(jì)量（大樣本情況下）求的估計(jì)值；（2）柯-奧迭代法；（3）杜賓兩步法。不論哪種方法，其基本思路都是采用OLS方法估計(jì)原模型，得到隨機(jī)干擾項(xiàng)的“近似估計(jì)值”，然后利用該“近似估計(jì)值”求得隨機(jī)干擾項(xiàng)相關(guān)系數(shù)的估計(jì)量。14.怎樣認(rèn)識(shí)用一階自回歸表示序列自相關(guān)?簡(jiǎn)述DW檢驗(yàn)的應(yīng)用條件。一階自相關(guān)指的是隨機(jī)干擾項(xiàng)的當(dāng)前值只與自身前一期值之間存在相關(guān)性。而DW方法僅適用于解釋變量為非

9、隨機(jī)變量，隨機(jī)干擾項(xiàng)的產(chǎn)生機(jī)制是一階自相關(guān)，回歸含有截距項(xiàng)，回歸模型不把滯后被解釋變量當(dāng)做解釋變量之一，沒(méi)有缺失數(shù)據(jù)的情況。15.什么是廣義差分法？它的基本思想是什么？廣義差分法就是滯后的觀(guān)測(cè)值被排除了的廣義最小二乘法?；舅枷耄?6.引入的虛擬變量的兩種基本方式是什么？它們各適用于什么情況？加法方式和乘法方式是引入的虛擬變量的最主要的兩種方式，前者主要適用于定性因素對(duì)截距項(xiàng)產(chǎn)生影響的情況，后者主要適用于定性因素對(duì)斜率項(xiàng)產(chǎn)生影響的情況。除此之外，還可以加法和乘法組合的方式引入虛擬變量，這時(shí)可測(cè)度定性因素對(duì)截距和斜率項(xiàng)同時(shí)產(chǎn)生影響的情況。17.Koyck變換的意義是什么？Koyck變換將無(wú)限分布

10、滯后模型變換成只有Xt和Yt-1的一階自回歸模型，模型結(jié)構(gòu)極大簡(jiǎn)化，最大限度保留了自由度，解決的滯后長(zhǎng)度難以確定的問(wèn)題，Xt和Yt-1的線(xiàn)性相關(guān)程度將低于X各期值之間的線(xiàn)性相關(guān)程度，降低了多重共線(xiàn)性。21.Koyck變換模型、自適應(yīng)預(yù)期模型和局部調(diào)整模型有何異同？模型估計(jì)會(huì)遇到什么困難？怎樣解決？三種模型的最終形式都是一階自回歸模型。區(qū)別：一是導(dǎo)出模型的經(jīng)濟(jì)背景和思想不同，二是由于模型形成機(jī)制不同導(dǎo)致模型的隨機(jī)擾動(dòng)項(xiàng)的結(jié)構(gòu)不同。模型存在隨機(jī)解釋變量問(wèn)題，并且由于模型的隨機(jī)擾動(dòng)項(xiàng)的結(jié)構(gòu)不同，給模型估計(jì)帶來(lái)了問(wèn)題，局部調(diào)整模型存在異期相關(guān)問(wèn)題，用OLS法就可得到一致性估計(jì)，Koyck變換模型和自適

11、應(yīng)預(yù)期模型同期相關(guān)問(wèn)題，需要用工具變量法得到一致性估計(jì)。18. 已知線(xiàn)性回歸模型：01122i i i i y x x =+存在異方差性，隨機(jī)誤差項(xiàng)的方差為2123ii x =-，問(wèn)參數(shù)估計(jì)時(shí)，如何克服該異方差性的影響？ 在模型的左右兩邊同時(shí)乘以123i x -，使模型化為01122111112323232323ii i i i i i i i x x x x x =+-19. 簡(jiǎn)述異方差性L(fǎng)M 檢驗(yàn)的步驟。（1）先用OLS 估計(jì)該模型，得到OLS 回歸殘差平方序列。（2）再用OLS 估計(jì)如下方程： 記下該回歸得到的擬合優(yōu)度.（3）計(jì)算LM 統(tǒng)計(jì)量相應(yīng)的P 值。如果P 值足夠小，即小于給定的顯著性水平的話(huà)，那么我們就拒絕同方差的零假設(shè)。（4）如果LM 檢驗(yàn)的P 值很小，那就應(yīng)該采取一些糾正的措施，一個(gè)可能的措施就是用異方差穩(wěn)健統(tǒng)計(jì)量。20. 簡(jiǎn)述異方差性G-Q 檢驗(yàn)的步驟。（1） 將n 組樣本觀(guān)察值按某一被認(rèn)為可能引起異方差的解釋變量的觀(guān)察值大小排序。（2） 將序列中間的c 個(gè)觀(guān)察值除去，并將剩下的觀(guān)察值劃分為較小與較大的相同的兩個(gè)子樣本，每個(gè)子樣本容量均為（n-c ）/2，這樣做主要是為了突出小方差樣本和大方差樣本之間的差異。（3） 對(duì)每個(gè)子樣本分別進(jìn)行OLS 回歸，并計(jì)算各自