计量经济学重点张晓峒版.docx

计量经济学重点张晓峒版.docx

《计量经济学重点张晓峒版.docx》由会员分享，可在线阅读，更多相关《计量经济学重点张晓峒版.docx（11页珍藏版）》请在冰点文库上搜索。

计量经济学重点张晓峒版

计量经济学复习资料

一、名词解释

1.广义计经济学:

利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。

2.狭义计经济学以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。

3.总体回归函数:

指在给定Xi下Y分布的总体均值与Xi所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。

4.样本回归函数:

指从总体中抽出的关于Y,x的若干组值形成的样本所建立的回归函数。

6、随机的总体回归函数:

含有随机千扰项的总体回归函数（是相对于条件期望形式而言的）。

5.线性回归模型:

既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的I次方出现。

6.随机干扰项:

即随机误差项，是一个随机变量，是针对总体回归函数而言的。

9、残差项:

是一随机变量，是针对样本回归函数而言的。

7.条件期望:

即条件均值，指X取特定值Xi时Y的期望值。

8.回归系数:

回归模型中βo,β1等未知但却是固定的参数。

9.回归系教的估计量:

指用β0^β1^等表示的用已知样本提供的信息所估计出来总体未知参数的结果。

10.最小二乘法:

又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。

11.最大似然法:

又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。

12.估计的标准差:

度量一个变量变化大小的测量值。

13.总离差平方和:

用TSS表示，用以度量被解释变量的总变动。

14.回归平方和:

用ESS表示:

度量由解释变量变化引起的被解释变量的变化部分。

15.残差平方和:

用RSS表示:

度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。

16.协方差:

用Cov（X,Y）表示，度量XY两个变量关联程度的统计量。

17.拟合优度检验:

检验模型对样本观测值的拟合程度，用R2表示，该值越接近1,模型对样木观测值拟合得越好。

18.t检验是针对每个解释变量进行的显著性检验，即构适一个t统计量，如果该统计量的值落在置信区间外,就拒绝原假设。

19.相关分析:

研究随机变量间的相关形式

20.回归分析:

研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。

21.多元线性回归模型:

在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。

22.偏回归系数:

在多元回归模型中，每一个解释变量前的参数即为偏回归系数。

它测度了当其他解释变量保持不变时，该变量增加1个单位对解释变量带米的平均影响程度。

23.正规方程组:

指采用OLS法估计线性回归模型时，对残差平方和关于各参数求偏导。

并令偏导数为0后得到的一组方程，其矩阵形式为XXB=XY

24.调整的多元可决系教:

又称多元判定系数，是一个用于描述伴随模型中解释变量的增加和多个解释变量对被解释变量的联合影响程度的量。

它与有如下关系:

25.多重共线性:

指多个解释变量间存在线性相关的情形。

如果存在完全的线性相关性,则模型的参数就无法求出，OLS国归无法进行。

26.联合假设检验:

是相对于单个假设检验来说的，指假设检验中的假没有多个，不止一个。

如多元回归中的方程的显著性检验就是一个联合假设检验，而每个参数的t检验就是单个假设检验。

27.受约束回归：

在实际经济活动中，常常需要根据经济理论对模型中变量的参数施加一定的约束条件，对模型参数施加约束条件后进行回归。

28.无约束回归:

无需对模型中变量的参数施加约束条件进行的回妇。

29.异方差性:

对于不同的解释向量，被解释变量的随机误差项的方差不再是常数，而不相同，则认为出现了异方差性。

30.序列相关性:

如果对于不同的解释向量，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。

31.多重共线性:

如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。

32.随机解释变量问题:

如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。

33.虚拟变量模型:

同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型或者方差分析模型。

34.滯后变量模型:

把过去时期的，具有滞后作用的变量叫做滞后变量，含有滞后变量的模型称为滞后变量模型。

39、动态模型含有滞后解释变量的模型，又称动态模型

35.分布滞后模型:

如果滞后交量模型中没有灣后被解释变量，仅有解释变量X的当期值及其若干期的滞后值。

则成为分布滞后模型。

36.自回归模型:

解释变量仅包含x的当期值与被解释变量Y的一个或多个后值的模型。

42、什么是计经济学?

答:

计量经济学包括广义计量经济学和狭义计量经济学，本课程中的计量经济学模型，就是狭义计量经济学意义上的经济数学模型:

计量经济学是经济学的个分支学科，以揭示经济活动中客观存在的数量关系为主要容。

是由经济学、统计学和数学三者结合面成的交叉性学科。

虚拟变量：

人工构造的作为属性因素代表的变量。

二、简答题

计量经济学的研究的步骤是什么？

）理论模型的设计

）模型的参数估计：

普通最小二乘法。

）模型的检验：

经济学检验；统计学检验；计量经济学检验；模型的预测检验。

）模型的应用：

结构分析；经济预测；政策评价；经济理论的检验与发展。

★三、简述统计数据的类别？

时间序列数据、截面数据、混合数据、虚变量数据。

时间序列数据：

按时间先后排列收集的数据。

截面数据：

又称横向数据，是一批发生在同一时间截面上的数据。

研究某时点上的变化情况。

混合数据：

也称面板数据，既有时间序列数据，又有截面数据。

虚变量数据：

又称二进制数据，只能取0和1两个值，表示的是某个对象的质量特征。

四、模型的检验包括哪几个方面？

具体含义是什么？

）经济学检验：

参数的符合和大致取值。

）统计学检验：

拟合优度检验；模型的显著性检验；参数的显著性检验。

）计量经济学检验：

序列相关性；异方差检验；多重共线性检验。

）模型的预测检验：

a，扩大样本容量或变换样本重新估价模型；b，利用模型对样本期以外的某一期进行预测。

5、回归分析和相关分析的联系和区别是什么？

回归分析与相关分析的联系：

都是对变量间非确定相关关系的研究，均能通过一定的方法对变量之间的线性依赖程度进行测定。

回归分析与相关分析的区别：

1相关分析研究的是两个随机变量之间的相关形式及相关程度，是通过相关系数来测定的，不考虑变量之间是否存在因果关系；而回归分析是以因果分析为基础的，变量之间的地位是不对称的，有解释变量与被解释变量之分，被解释变量是随机变量，而解释变量在一般情况下假定是确定性变量。

2相关分析所采用的相关系数，是一种纯粹的数学计算，相关分析关注的是变量之间的相互关联的程度，而回归分析在应用之间就对变量之间是否存在依赖关系进行了因果分析，在此基础上进行的回归分析，达到了深入分析变量间依存关系、掌握其运动规律的目的。

★六、经典假设条件的容是什么？

（应用最小二乘法应满足的古典假定？

）

）解释变量x1,x2,…,xk是确定性变量，不是随机变量；而且解释变量之间互不相关。

）随机误差项具有0均值和同方差。

）随机误差项在不同样本点之间是独立的，不存在序列相关。

）随机误差项与解释变量之间不相关。

）随机误差项服从0均值，同方差的正态分布。

6、总体回归函数和样本回归函数之间有哪些区别与联系？

总体回归函数是将总体被解释变量的条件期望表示为解释变量的某种函数。

样本回归函数是将被解释变量Y的样本观测值的拟和值表示为解释变量的某种函数。

二者区别：

描述的对象不同；模型建立的依据不同。

二者联系：

样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。

7、什么是随机误差项？

随机误差项包括哪些因素？

设定随机误差项的原因有哪些？

随机误差项是模型设定中省略下来而又集体地影响着被解释变量Y的全部变量的替代物。

随机误差项包括以下因素：

在解释变量中被忽略的因素的影响。

测量误差、归并误差、模型误差、人为（人的随机行为）误差等

8、最小二乘估计量有哪些特性？

判断一个估计量是否为优良估计量需要考察的统计性质：

线性，考察估计量是否是另一个随机变量的线性函数；

无偏性，考察估计量的期望是否等于其真值；

有效性（最小方差性），考察估计量在所有的无偏估计量中是否有最小方差。

上述三个统计特性称为估计量的小样本性质。

渐近无偏性：

表示当样本容量趋于无穷大时，估计量的均值趋于总体均值。

一致性：

表示当样本容量趋于无穷时，估计量依概率收敛于总体的真值。

9、为什么用可决系数R2评价拟合优度，而不是用残差平方和作为评价标准？

可决系数和相关系数有什么区别与联系?

样本可决系数R2反映了回归平方和占总离差平方和的比重，表示由解释变量引起被解释变量的变化占被解释变量总的变化的比重，因而可用来判定回归直线拟合程度的优劣，该值大表示回归直线对样本店的拟合程度好。

残差平方和RSS反映随机误差项包含因素对被解释变量变化影响的绝对程度，它与样本容量有关，样本容量大时，残差平方和一般也大，样本容量小时，残差平方和也小，因此样本容量不同时得到的残差平方和不能用于比较。

可决系数和相关系数的联系和区别：

.相关系数是建立在相关分析基础上的，研究的是随机变量之间的关系；可决系数则是建立在回归分析基础上，研究的是非随机变量X对随机变量Y的解释程度。

.在取值上，可决系数是样本相关系数的平方。

十一、说明显著性检验的过程。

①提出原假设和备择假设、②选择并计算在原假设成立情况下的统计量、③给定显著水平a，查临界值表进行判断。

p16

十二、影响预测精度的主要因素是什么？

样本容量；模拟的拟合优度。

十三什么是正规方程组？

并说明多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计的条件是什么？

正规方程组是根据最小二乘原理得到的关于参数估计值的线性代数方程组。

从最小二乘原理和最大似然原理出发，欲得到参数估计量，不管其质量如何，样本容量必须不少于模型中解释变量的数目（包括常数项），即n≥k-1。

13、在多元线性回归分析中，为什么用调整的可决系数衡量估计模型对样本观测值的拟合优度？

未调整可决系数R2的一个总要特征是：

随着样本解释变量个数的增加，R2的值越来越高，（即R2是解释变量个数的增函数）。

也就是说，在样本容量不变的情况，在模型中增加新的解释变量不会改变总离差平方和（TSS），但可能增加回归平方和（ESS），减少残差平方和（RSS），从而可能改变模型的解释功能。

而修正的可决系数，其值不会随着解释变量个数k的增加而增加，因此在用于估计多元回归模型方面要优于未调整的可决系数。

★十五、什么是异方差？

异方差产生的原因是什么？

如何检验和处理？

p110

1）线性回归模型为Yt=b0+b1X1t+b2X2t+……bkXkt+ut经典回归中所谓同方差是指不同随机误差项Ut（t=1,2,…,n）的方差相同，即Var（Ut）=∂2t如果随机误差项的方差不是常数，则称随机项Ut具有异方差性。

（Ut）=∂2t≠常数

2）异方差性产生的原因：

.模型中遗漏了某些逐渐增大的因素的影响。

.模型函数形式的误定误差。

.随机因素的影响。

3）检验异方差性的方法：

图解法（定性分析）、怀特检验、戈列瑟检验、哥德费尔德-匡特检验。

4）修正异方差性的主要方法：

加权最小二乘法，赋予不同观测点以不同的权数，提高估计精度，即重视小误差的作用，轻视大误差的作用。

（即用解释或被解释变量的根除原回归式）

十六、模型存在异方差时，会生什么影响？

）最小二乘估计不再是有效估计。

）无法确定估计系数的标准误差。

）增大模型的预测误差。

★十七、自相关违背了哪些基本假定？

其来源有哪些？

检验方法有哪些，都适用于何种形式的序列相关检验？

模型的自相关违背的基本假定是Cov（ui,uj）=0（i≠j）。

序列相关的来源有：

.经济变量固有的惯性；

.模型设定的偏误；

.模型中遗漏了重要的带有自相关的解释变量；

序列相关的检验有：

.图示法

.D-W检验，适用于检验一阶自回归形式的序列相关；P136

.回归检验法，适用于各种类型的序列相关检验；

.拉格朗日乘子检验（LM），适用于高阶序列相关及模型中存在滞后解释变量的情形。

十八、简述自相关带来的后果。

1）最小二乘估计不再是有效估计。

参数估计量仍是无偏的。

参数估计值不再具有最小方差性。

2）随机误差项的方差一般会低估。

3）检验的可靠性降低。

4）降低模型的预测精度。

★十九、简述DW检验的步骤和应用条件。

检验的步骤：

.做OLS回归并获取残差。

.计算DWDW=2（1-ρ^）

.对给定样本大小和给定解释变量个数找出临界dL和dU值。

.按决策规则行事。

检验应用条件：

.模型中含有截距项。

.解释变量X是非随机的。

.随机误差项ut为一阶自相关。

.误差项被假定为正态分布。

线性回归模型中不应含有滞后生变量作为解释变量。

F.统计数据比较完整，无缺失项。

★二十、什么是多重共线性？

产生多重共线性的原因是什么？

多重共线性造成的影响是什么？

检验多重共线性的方法是什么？

有哪些解决方法？

p150-173

）对于多元回归线性模型，如果某两个或多个解释变量之间出现了相关性，则称多重共线性。

）产生多重共线性的原因：

.经济变量的在联系，这是产生多重共线性的根本原因。

.经济变量变化趋势的共同性。

.在模型中引入滞后变量也容易产生多重共线性。

）多重共线性造成的影响：

#蒙特卡洛模拟验证法

.使得回归系数的方差无限大

.检验的可靠度降低回归系数估计量变得不稳定

）多重共线性的检验方法：

157

.相关系数检验法r＞0.8

.回归估计式观察法R2高t低（t检验不通过）

.解释变量个数对回归系数估计值影响很大

b1、b2等不符合经济理论

）多重共线性的解决方法：

.直接合并解释变量

.剔除引起共线性的解释变量。

.合并使用时序数据和截面数据。

.增加样本容量、重新抽取样本

二十一、随机解释变量

随机解释变量有2种情形，不同情形下最小二乘估计的影响和后果也不同。

.解释变量是随机的，但与随机干扰项不相关；这时采用OLS估计得到的参数估计量仍为无偏估计量；

.解释变量与随机干扰项相关；这时采用OLS估计得到的参数估计量为非无偏且非一致的估计量。

二十二、选择作为工具变量（满足某种要求的替代变量）的变量必须满足哪些条件？

1与所替代的随机解释变量高度相关；2与随机干扰项不相关；3与模型中其它解释变量不相关，以避免出现多重共线性。

二十三、什么是虚假序列相关？

如何避免虚假序列相关？

虚假序列相关问题是指模型的序列相关性是由于省略了显著的解释变量而引致的。

避免产生虚假序列相关性的措施是在开始时建立一个“一般”的模型，然后逐渐剔除确实不显著的变量。

二十四、回归模型中引入虚拟变量的一般原则和方式是什么?

引入虚拟变量的作用是为了分析定性因素对被解释变量的影响。

虚拟变量的设置原则是：

如果虚拟变量所反映的定性变量有m个类别，则需引入m-1个虚拟变量。

通常情形下，虚拟变量的值取0或1，取1的类别称为基础类别。

注意，若m个类别引入m个虚拟变量，模型会产生完全的多重共线性，参数将无法估计，这种情况被称为“虚拟变量陷阱”。

虚拟变量的引入有两种基本方式：

加法方式和乘法方式。

加法方式反映的是虚拟变量对截距项的影响；乘法方式反映的是虚拟变量对斜率参数的影响。

若同时采用两种方式引入虚拟变量，则可同时反映虚拟变量对截距项和斜率参数的影响。

（第十章时间序列ARIMA模型、第十四章面板数据模型）

计算题

P30

P91

P122、126

P144

P182

P143