計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)內(nèi)容

計(jì)量經(jīng)濟(jì)學(xué)

第一章

use打開數(shù)據(jù)

describe杳看數(shù)據(jù)集情況

summary描述統(tǒng)計(jì)

tabstat+[stats]計(jì)算描述性統(tǒng)計(jì)量（指定）

table+[contents]類別變量+連續(xù)變量列聯(lián)表

table/tabulale類別變量頻次表

histogram直方圖

第二章一元回歸線性模型：基本思想

第三章第四章一元、多元線性回歸模型：假設(shè)檢驗(yàn)

隨機(jī)擾動(dòng)項(xiàng)、參數(shù)的方差、標(biāo)準(zhǔn)誤計(jì)算

統(tǒng)計(jì)檢驗(yàn)

1模型的擬合優(yōu)度檢驗(yàn)：R2判定系數(shù)（可決系數(shù)）

調(diào)整的可決系數(shù)：（〃一斤）

范圍在。和1之間，越接近1,說明模型具有較高的擬合優(yōu)度

2方程的顯著性檢驗(yàn)：F統(tǒng)計(jì)量，prob（F）

F>F（k-l,n-k）,拒絕原假設(shè)HO,即顯著。

F<F（k-l,n-k）,則暫時(shí)不拒絕,不顯著。

顯著性概率為（），小于給定顯著性水平（0.05）,表明模型對(duì)總體擬合顯著

3變量的顯著性檢驗(yàn)：T統(tǒng)計(jì)量（服從n-2,n-k）,p值

B2一般為0,T>2.306為顯著，T<2.306為不顯著（5%水平）

線性回歸模型的基本假設(shè)：

假設(shè)1：模型具有線性性（針對(duì)模型）。Y是參數(shù)Bi的線性組合，不一定要求是變量X的線性組合。

假設(shè)2：解釋變量X與u不相關(guān)（針對(duì)擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：cov（Xi,ui尸0通常說法：X具有外生性

假設(shè)3給定X,擾動(dòng)項(xiàng)的期望或均值為零（針對(duì)擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：E（?i|Xi）=0,i=l,2,...,n

2

假設(shè)4：同方差假定（針對(duì)擾動(dòng)項(xiàng)〉。數(shù)學(xué)表達(dá)：Var（ui）=??=Var（Yi）i=l,2,...,n.

假設(shè)5；無自相關(guān)（針對(duì)擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：Cov（?n?j）=0=CovK\Yj）i#j

假設(shè)6：回歸模型設(shè)定是正確的（表面是針對(duì)模型，實(shí)質(zhì)上是針對(duì)擾動(dòng)項(xiàng)）

假設(shè)7：擾動(dòng)項(xiàng)符合正態(tài)分布（針對(duì)擾動(dòng)項(xiàng)）數(shù)學(xué)表達(dá)：？i~N（0」?2）wYLN（p（）+dX,??2）

第五章線性回歸模型拓展（函數(shù)形式，變量測度單位）

第六章虛擬變量回歸

有截距，m個(gè)類別（取值），僅引入m-l個(gè)虛擬變量，無截距可以m個(gè)

第七章模型設(shè)定誤差

1包含無關(guān)變量：后果（F,T檢驗(yàn)）

參數(shù)估計(jì)是無偏且一致的估計(jì)，

但不是有效的估計(jì)，

校驗(yàn)仍然有效，但方差增大，接收錯(cuò)誤假設(shè)的概

率較高。

2遺漏重要變量：后果（殘差圖）

如果遺漏的變量X2與XI相關(guān)，那么是有偏且不

一致的估計(jì)；

如果X2與XI不相關(guān)，那么是無偏的，但是有偏的

同理，參數(shù)估計(jì)量的方差估計(jì)也是有偏的，

再次，參數(shù)顯著性檢驗(yàn)結(jié)果不可靠。

第八，九，十章異方差、多重共線性、自相關(guān)檢驗(yàn)

異方差多重共線性自相關(guān)

含后果：自相關(guān)降低

例如：￡二/3X3+4

義

解U中包含未知xX中包含x,xxU,x

異方差在截面數(shù)據(jù)中較常見，在多重共線性是樣本現(xiàn)象。時(shí)間序列中常見

時(shí)間序列中較少，是程度問題,不是有無問題

后1、參數(shù)OLS估計(jì)仍然是線性無

果偏的

2、方差估計(jì)是錯(cuò)誤的

3、從而t檢驗(yàn)效率降低。

（無偏非有效）

檢殘差圖檢驗(yàn)1、R方較大而顯著的T值較小圖形法

驗(yàn)Park,Glejster,2、輔助回歸Dw檢驗(yàn)

Breusch-Pagan,3、方差膨脹因子判斷法游程檢驗(yàn)

White偏相關(guān)系數(shù)檢驗(yàn)

Goldfcld-Quandt布羅斯?戈弗雷檢驗(yàn)

修Wlsgls變量：去除變量，變量轉(zhuǎn)換廣義差分法

正對(duì)數(shù)轉(zhuǎn)換樣本：增加樣本

穩(wěn)健回歸、模型變換法

判斷題

1、簡單線性回歸模型與多元線性回歸模型的基本假定是相同的。

錯(cuò)，在多元畿性回歸模型里除了對(duì)隨機(jī)誤差項(xiàng)提出假定外，還對(duì)解釋變量之間提出無多重共線性的假定。

2、在模型中引入解釋變量的多個(gè)滯后項(xiàng)容易產(chǎn)生多重共線性。

對(duì)，在分布滯后模型里多引進(jìn)解釋變量的滯后頂，由于變量的經(jīng)濟(jì)意義一樣，只是時(shí)間不一致，所以很容易

引起多重共線性。

3、DW檢驗(yàn)中的d值在0到4之間，數(shù)值越小說明模型隨機(jī)誤差項(xiàng)的自相關(guān)度越小，數(shù)值越大說明模型隨

機(jī)誤差項(xiàng)的自相關(guān)度越大。

錯(cuò)，DW值在。到4之間，當(dāng)DW落在最左邊（0<d<dL）、最右邊（4?dL<d<4）時(shí)，分別為正自相關(guān)、負(fù)自相

關(guān)：中間（du<d<4-du）為不存在自相關(guān)區(qū)域：其次為兩個(gè)不能判定區(qū)域。

4、在計(jì)量經(jīng)濟(jì)模型中，隨機(jī)擾動(dòng)項(xiàng)與殘差項(xiàng)無區(qū)別。

錯(cuò)，它們均為隨機(jī)項(xiàng)，但隨機(jī)誤差項(xiàng)表示總體模型的誤差，殘差表示樣本模型的誤差；另外，殘差二隨機(jī)誤

差項(xiàng)+參數(shù)估計(jì)誤差。

5、在經(jīng)濟(jì)計(jì)量分析中，模型參數(shù)一旦被估計(jì)出來，就可將估計(jì)模型直接運(yùn)用丁實(shí)際的計(jì)量經(jīng)濟(jì)分析。

錯(cuò)，參數(shù)一經(jīng)估計(jì)，建立了樣本回歸模型，還需要對(duì)模型進(jìn)行檢驗(yàn)，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)專門檢驗(yàn)等。

6、線性回歸模型意味著因變量是自變量的線性函數(shù)。

錯(cuò)，線性回歸模型本質(zhì)上指的是參數(shù)線性，而不是變量線性。同時(shí)，模型與函數(shù)不是同一回事。

7、多重共線性問題是隨機(jī)擾動(dòng)項(xiàng)違背古典假定引起的。

錯(cuò)，應(yīng)該是解釋變量之間高度相關(guān)引起的。

8、通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與樣本容量大小有關(guān)。

錯(cuò)，引入虛擬變量的個(gè)數(shù)樣本容量大小無關(guān)，與變量屬性，模型有無截距項(xiàng)有關(guān)。

9、雙變量模型中，對(duì)樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性檢驗(yàn)是一致的。

正確，要求最好能夠?qū)懗鲆辉€性回歸中，F(xiàn)統(tǒng)計(jì)量與t統(tǒng)計(jì)量的關(guān)系，即F=l人2的來歷：或者說明一元線

性何歸僅有一個(gè)解釋變量，因此對(duì)斜率系數(shù)的t檢驗(yàn)等價(jià)于對(duì)方程的整體性檢驗(yàn)。

11、在實(shí)際中，一元回歸幾乎沒什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個(gè)解釋變量來解釋。

錯(cuò)，在實(shí)際中，在一定條件下一元回歸是很多經(jīng)濟(jì)現(xiàn)象的近似，能夠較好地反映回歸分析的基本思想，在某

些情況下還是有用的。

13、虛擬變量只能作為解釋變量，

錯(cuò)，虛擬變量還能作被解釋變量,

14、設(shè)估計(jì)模型為。。。。。。表明模型有很好的擬合優(yōu)度，則模型不存在偽（虛假）回歸。

錯(cuò)，可能存在偽（虛假）何歸，因?yàn)榭蓻Q系數(shù)較高，而DW值過低。

15、隨機(jī)擾動(dòng)項(xiàng)的方差與隨機(jī)擾動(dòng)項(xiàng)方差的無偏估計(jì)沒有區(qū)別。

錯(cuò)，隨機(jī)擾動(dòng)項(xiàng)的方差反映總體的波動(dòng)情況，對(duì)一個(gè)特定的總體而言，是一個(gè)確

定的值。

16、經(jīng)典線性回歸模型（CLRM）中的干擾項(xiàng)不服從正態(tài)分布的，OLS估計(jì)量將有偏的。

錯(cuò)，即使經(jīng)典線性回歸模型（CLRM）中的干擾項(xiàng)不服從正態(tài)分布的，OLS估計(jì)量仍然是無偏的。

17、虛擬變量的取值原則上只能取0或1。

對(duì)，虛擬變量的取值是人為設(shè)定的，主要表征某種屬性或特征或其它的存在與否，0或1正好描述了這種特

件。當(dāng)然，依據(jù)研究問題的特殊性，有時(shí)也可以取其它值。

18、擬合優(yōu)度檢驗(yàn)和F檢驗(yàn)是沒有區(qū)別的。

錯(cuò)（1）F—檢驗(yàn)中使用的統(tǒng)計(jì)量有精確的分布，而擬合優(yōu)度檢驗(yàn)沒有；（2）對(duì)是否通過檢驗(yàn)，可決系數(shù)（修

正可決系數(shù)）只能給出一個(gè)模糊的推測：而F檢驗(yàn)可以在給定顯著水平下，給出統(tǒng)計(jì)上的嚴(yán)格結(jié)論。

20、雙變量模型中，對(duì)樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性檢驗(yàn)是一致的；

正確，最好能夠?qū)懗鲆辉€性回日模型：F統(tǒng)計(jì)量與T統(tǒng)計(jì)量的關(guān)系，即的F=S2的來歷；或者說明一元線

性回歸僅有一個(gè)解釋變量，因此對(duì)斜率系數(shù)的t檢驗(yàn)等價(jià)于對(duì)方程的整體性檢驗(yàn)。

22、在模型12233tttYXXBBB=+++的回歸分析結(jié)果報(bào)告中，……則表明解釋變量。。。對(duì)yt的影響是顯

著的。

錯(cuò)，解釋變量X2t利X3t對(duì)Yt的聯(lián)合影響是顯著的。

23、結(jié)構(gòu)型模型中的每一個(gè)方程都稱為結(jié)構(gòu)式方程，結(jié)構(gòu)方程中，解釋變量只可以是前定變量。

錯(cuò)誤，結(jié)構(gòu)方程中，解釋變量可以是前定變量，也可以是內(nèi)生變量。

24、通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與模型有無截距項(xiàng)無關(guān)。

錯(cuò)誤，模型有截距項(xiàng)時(shí)，如果被考察的定性因素有m個(gè)相互排斥屬性，則模型中引入m—1個(gè)虛擬變量，否

則會(huì)陷入“虛擬變量陷阱”，模型無截距項(xiàng)時(shí)，若被考察的定性因素有m個(gè)相互排斥屬性，可以引入m個(gè)

虛擬變量，這時(shí)不會(huì)出現(xiàn)多重共線性。

25、在對(duì)參數(shù)進(jìn)行最小二乘估計(jì)之前，沒有必要對(duì)模型提出古典假定。

錯(cuò)誤，在古典假定條件下，OLS估計(jì)得到的參數(shù)估計(jì)量是該參數(shù)的最佳線性無偏估計(jì)（具有線性、無偏性、

有效性）。總之，提出古典假定是為了使所作出的估計(jì)量具有較好的統(tǒng)計(jì)性質(zhì)和方便地進(jìn)行統(tǒng)計(jì)推斷。

26、當(dāng)異方差出現(xiàn)時(shí)，常用的t和F檢驗(yàn)失效

正確，由丁異方差類，似丁i比值的統(tǒng)計(jì)量所遵從的分布未知：即使遵從I分布，由丁方差不在具有最小性。

這時(shí)往往會(huì)夸大I檢驗(yàn)，使得t檢驗(yàn)失效：由于F分布為兩個(gè)獨(dú)立的乂絲變量之比，故依然存在類似于1分

布中的問題

27、解釋變量與隨機(jī)誤差項(xiàng)相關(guān)，是產(chǎn)生多重共線性的主要原因。

錯(cuò)誤，產(chǎn)生多重共線性的主耍原因是：經(jīng)濟(jì)本變量大多存在共同變化趨勢；模型中大量采用滯后變量；認(rèn)識(shí)

上的局限使得選擇變量不當(dāng)；……。

29、由間接最小二乘法與兩階段最小二乘法得到的估計(jì)量都是無偏估計(jì)。

錯(cuò)誤，間接最小二乘法適用于恰好識(shí)別方程的估計(jì)，其估計(jì)量為無偏估計(jì)；而兩階段最小二乘法不僅適用于恰

好識(shí)別方程，也適用于過度識(shí)別方程。兩階段最小二乘法得到的估計(jì)量為有偏、一致估計(jì)。

32、在經(jīng)濟(jì)計(jì)量分析中，模型參數(shù)一旦被估計(jì)出來，就可將估計(jì)模型直接運(yùn)用于實(shí)際的計(jì)量經(jīng)濟(jì)分析工

錯(cuò)。參數(shù)一經(jīng)估計(jì)，建立了樣本回歸模型，還需要對(duì)模型進(jìn)行檢驗(yàn)，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)專門檢驗(yàn)等。

33、假定個(gè)人服裝支出同收入水平和性別有關(guān)，由于性別是具有兩種屬性（男、女）的定性因素，因此，用

虛擬變量回歸方法分析性別對(duì)服裝支出的影響時(shí)，需要引入兩個(gè)虛擬變量。

錯(cuò)，是否引入兩個(gè)虛擬變量，應(yīng)取決于模型中是否有截距項(xiàng)。如果有截距項(xiàng)則引入一個(gè)虛擬變量；如果模型中

無截距項(xiàng)，則可引入兩個(gè)虛擬變埴。

34、隨機(jī)擾動(dòng)項(xiàng)的方差與隨機(jī)擾動(dòng)項(xiàng)方差的無偏估計(jì)沒有區(qū)別。

錯(cuò),隨機(jī)擾動(dòng)項(xiàng)的方差反映總體的波動(dòng)情況，對(duì)一個(gè)特定的總體而言，是一個(gè)確定的值。

35、在簡單線性回歸中可決系數(shù)2R與斜率系數(shù)的t檢驗(yàn)的沒有關(guān)系。

錯(cuò)謾,可決系數(shù)是對(duì)模型擬合優(yōu)度的綜合度量，其值越大，說明在Y的總變差中由模型作出了解釋的部分占

的比重越大，模型的擬合優(yōu)度越高，模型總體線性關(guān)系的顯著性越強(qiáng)。反之亦然。斜率系數(shù)的t檢驗(yàn)是對(duì)回

歸方程中的解釋變量的顯著性的檢驗(yàn)。在簡單線性回歸中，由于解釋變量只有一個(gè)，當(dāng)t檢驗(yàn)顯示解釋變量

的影響顯著時(shí)，必然會(huì)有該回歸模型的可決系數(shù)大，擬合優(yōu)度高。

36、異方差性、自相關(guān)性都是隨機(jī)誤差現(xiàn)象，但兩者是有區(qū)別的。

正確。異方差的出現(xiàn)總是與模型中某個(gè)解釋變量的變化有關(guān)?！韵嚓P(guān)性是各回歸模型的隨機(jī)誤差項(xiàng)之間具

有相關(guān)關(guān)系。....

37、通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與模型有無截距項(xiàng)無關(guān)。

錯(cuò)誤，模型有截距項(xiàng)時(shí)，如果被考察的定性因素有m個(gè)相互排斥屬性，則模型中引入m—l個(gè)虛擬變量，否

則會(huì)陷入“虛擬變量陷阱”；模型無微距項(xiàng)時(shí)，若被考察的定性因素有m個(gè)相互排