上届重点:
•元线性回归模型的基木假设、随机误差项产生的原因、最小二乘法、参数经济意义、
决定系数、第二章PPT里的表(中国居民人均消费支出对人均GDP的回归)、t检验(△(平方)代表意义;△(平方)的认识)、能够读懂Evicws输出的估计结果
第二章课后题(1.3.9.10)
1.为什么计量经济学模型的理论方程中必须包含随机干扰项?
(经典模型中产生随机误差的原因)
答:
计量经济学模型考察的是貝有因果关系的随机变量间的具体联系方式。
由于是随机变屋,意味着影响被解释变虽的因索是复杂的,除了解释变屋的影响外,还冇其他无法在模型中独立列出的各种因素的影响。
这样,理论模型中就必须使用一个称为随机T•扰项的变量宋代表所有这些无法在模型中独立表示岀来的影响因素,以保证模型在理论上的科学性。
3.一元线性回归模型的基本假设主要有哪些?
违背基本假设的模型是否不可以估计?
答:
线性回归模型的基木假设有两人类:
一类是关于随机干扰项的,包括零均值,同方差,不序列相关,满足正态分布等假设;另一类是关于解释变量的,主要有:
解释变量是非随机的,若是随机变量,则与随机干扰项不相关。
实际上,这些假设都是针对普通最小二乘法的。
在违背这些基木假设的悄况下,普通最小二乘估计竝就不再是最佳线性无偏估计量,因此使用普通最小二乘法进行估计己无多人意义。
但模型木身还是可以估计的,尤其是可以通过最大似然法等其他原理进行估计。
假设1.解释变量X是确定性变量,不是随机变量;
假设2.随机误差项卩具有零均值、同方差和不序列相关性:
E(gi)=Oi=l,2,...,n
Var(gi)=aM2i=l,2,...,n
Cov(|ii.gj)=Oi力i,j=1,2,...,n
假设3.随机误差项卩与解释变gXZ间不相关:
Cov(Xi,gj)=Oi=l,2,...,n
假设4.卩服从零均值、同方差、零协方差的正态分布
山〜N(0,)i=1,2,…
假设5.随着样木容量的无限增加,解释变量X的样木方弟趋于一有限常数。
即
(X,—X)2/nnf8
假设6.回归模型是止确设定的
9、10题为计算题,见课本P52,答案见P17
第三章经典单方程计量经济学模型:
多元线性回归模型
上届重点:
F检验、t检验调整的样木决定系数、“多元”里为什么要对△(平方)系数进行调整?
第三章课后题(1.2.7.9.10)
1.多元线性回归模型的基本假设是什么?
在证明最小二乘估计量的无偏性和有效性的过程中,哪些基本假设起了作用?
答:
多元线性回归模型的基本假定仍然是针对随机干扰项与针对解释变最两人类的假设。
针对随机干扰项的假设有:
零均值,同方差,无序列相关且服从正态分布。
针对解释量的假设有;解释变量应具有非随机性,如果后随机的,则不能少随机干扰项相关;各解释变虽:
Z间不存在(完全)线性相关关系。
在证明最小二乘估计量的无偏性中,利用了解释变量非随机或•随机干扰项不相关的假定;在有效性的证明小,利用了随机干扰项同方差且无序列相关的假定。
2.在多元线性回归分析中,t检验和F检验有何不同?
在一元线性回归分析中二者是否有等价作用?
(见课本P70)
答:
在多元线性回归分析中,t检验常被用作检验回归方程中各个参数的显苦性,而F检验则被用作检验整个冋归关系的显著性。
各解釋变最联介起来对被解释变址有显著的线性关系,并不意味着每一个解释变量分别对被解释变量有显著的线性关系。
在一元线性回归分析中,二者具有等价作用,因为二者都是对共同的假设——解释变量的参数等于零一一进行检验。
9・表3・4给出二变董模型的回归结果•
«3-4
方廷誉•一
単方m(SS)白由a(d.t)平力如的均價(MSS)]
来自回归(ESS)
65965亠—
来门歿執RSS)
来自总离差(TSS)
66042I4
(1)求样本容童m残差平方和RSS.回归平方和ESS及残差平方和RSS的自由度.
(2)求拟合优度"及调整的拟合优度疋。
(3)检验假设:
入‘2和血对丫无彫响.应采用什么假设检验?
为什么?
(4)根据以上信息.你能否确定X?
和如各自对『的影响?
解答(I)样本客量为
n=dX+!
=15
RSS=TSS-ESS
=66042-65965=77
ESS的自由度为
d・f・=l4-2=12
d.f.=九-3=12
RSS的自由度为
⑵
H-I
=1-0.0012X—=0.9986
12
(3)应该采用联合假设检验,即F检骏・理由是只有这样做才能判断兀,禺一起是否对丫有影响-
(4)不能,因为仅通过上述信息,可初步判断*2•尼联合起来对丫有线竹影响.两考的变化解释了丫变化的99*%但山十无法知道回归乙•人前参数的貝体估计值.因此还无法判斷它们各自对卩的影响有多大。
・——-•—-*•♦・▲■—■
7、9、10题为计算题,见课本P91,答案见P53
第四章经典单方程计量经济学模型:
放宽基本假定的模型
重点掌握:
异方差是模型随机干扰项的方差不相同时产生的一类现象。
在异方差存在
的情况下,OLS估计尽管是无偏、一致的,但通常的假设检验却不再可靠,这时仍釆用通常的r检验和F检验,则有可能导致错误的结论。
同样地,由于随机干扰项异方差的存在而导致的参数估计值的标准差的偏误,也会使采用模型的预测变得无效。
对模型的异方差性有若干种检测方法,如图示法、Park与
Glci斷检验法、Goldfeld-Quandt检验法,以及White检验法等。
而当检测出模型确实存在异方差性时,通过采用加权最小二乘法(WLS)进行修正的估计。
序列相关性也是模型随机干扰项出现序列相关时产生的一类现象。
与异方差的情形相类似,在序列相关性存在的情况ZOLS估计量仍具有无偏性与一
致性,但通常的假设检验不再可靠,预测也变得无效。
序列相关性的检测方法也有若干种,如图示法、回归检验法、Durbin-Watson检验法,以及Lagrange乘子检验法等。
存在序列相关性时,修正的估计方法有广义最小二乘法(GLS)和广义弟分法。
多重共线性是多元回归模型中可能存在的一类现象,分为完全共线与近似共线两类。
模型的多个解释变量间出现完全共线性时,模型的参数无法估计。
更多的情况则是近似共线性,这时,由于并不违背所有的基本假定,模型参数的估计仍是无偏、一致且有效的,但估计的参数的标准差往往较大,从而使得/统计值减小,参数的显著性下降,导致某些本应存在于模型中的变量被排除,甚至岀现参数正负号方面的一些混乱。
显然,近似多重共线性使得模型偏回归系数的特征不再明显,从而很难对单个系数的经济含义进行解释。
多重共线性的检验包括检验多重共线性是否存在以及估计多重共线性的范围两层递进的检验。
而解决多重共线性的办法通常有逐步回归法、差分法以及使用额外信息,增大样本容量等方法。
当模型中的解释变量是随机解释变量时,需要区分三种类型:
随机解释变
量与随机千扰项独立,随机解释变量与随机干扰项同期无关但异期相关,随机解释变量与随机干扰项同期相关。
第一种类型不会对OLS估计带来任何问题。
第二种类型则往往导致模型估计的有偏性,但随着样本容量的增大,偏误会逐渐减小,因而具有一致性。
所以,扩大样本容量是克服偏误的有效途径。
第三种类型的OLS估计则既是有偏,也是非一致的,需要采用工具变量法来加以
解答
(1)异方差性指对于不同的样本值,随机干扰项的方差不再是常数,而是互不相同的。
(2)序列相关性指对于不同的样本值,随机干扰项之间不再是完全相互独立,而是存在某种相关性。
(3)多重共线性指两个或两个以上解释变量之间存在某种线性相关关系。
(4)完全多重共线性指,在有多个解释变量模型中,解释变量之间的线性关系是准确的。
在此情况下,不能估计解释变量各自对被解释变量的影响。
(5)不完全多重共线性指,在实际经济活动中,多个解释变量之间存在多重共线性问题,但解释变量之间的线性关系是近似的,而不是完全的。
随机解释变量指,在现实经济现象中,解释变量是不可控的,即解释
变量的观测值具有随机性,并且与模型的随机干扰项可能有相关关系,这样的解释变量称为随机解释变量。
差分法是一类克服序列相关性的有效方法。
它是将原计量经济学模型
变换为差分模型后再进行OLS估计。
分为一阶差分法和广义差分法。
(8)广义最小二乘法(GLS)是最具有普遍意义的最小二乘法,可用来处理模
型存在异方差或序列相关时的估计问题。
(9)D.W.检验:
全称杜宾-瓦森检验,适用于一阶自相关的检验。
该法构造一个统计量
n
C-1
计算该统计量的值,根据样本容量"和解释变量数目左查D.W.分布表,得到临界值血和此,然后通过计算的D.W.值与临界值的比较,来判断模型的自相关
状态。
参考重点:
1.以多元线性回归为例说明异方差性会产生怎样的后果?
(可能为论述题)
解答由于异方差性的存在,使得OLS估计量仍是线性无偏但不再具有最小方差性,即不再有效;而由于相应的置信区间以及f检验和F检验都与估计量的方差相关,因此会造成建立的置信区间以及f检验与F检验都不再是可靠的。
2•检验、修正异方差性的方法?
3.以多元线性回归为例说明序列相关会产生怎样的后果?
(预测,矩阵表达式推到)
4.检验、修正序列相关的方法?
5.什么是DW检验法(前提条件)?
6.以多元线性回归为例说明多重共线性会产生怎样的后果
7.检验、修正多重共线性的方法?
&随机解释变量问题的三种分类?
分别造成的后果是什么?
9.工具变量法的前提假设
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)与模型中其他解释变量不相关,以避免出现多重共线性
上届重点:
界方差、序列相关、多重共线性等违背基木假设的情况产牛原因、后果、识别方式方法、D.W、广义差分法
第四章课后题(1.2)
1、2题为计算题,见课本P134,答案见P84
第五章经典单方程计量经济学模型:
专门问题
上届重点:
虚拟变量的含义与设定、滞后变量的含义、为何加入滞后和虚拟变量
第五章课后题(1.3.4.10)
1・回归模型中引入虚拟变量的作用是什么?
有哪几种基本的引入方式?
它们各适合用于什么情况?
答:
在模型中引入虚拟变量,主要是为了寻找某(些)定性因素对解释变量的影响。
加法方式与乘法方式是最主要的引入方式。
询者主要适用于定性因素对截距项产生影响的情况,后者主要适用于定性因素对斜率项产生影响的情况。
除此外,还可以加法与乘法组合的方式引入虚拟变邀,这时可测度定性因素对截距项与斜率项同时产生影响的情况。
3.滞后变堡模型有哪几种类型?
分布滞后模型使用0LS方法存在哪些问题?
答:
滞后变量模型有分布滞后模型和口回归模型两大类,両者只有解释变量及其滞后变量作为模烈的解释变量,不包含被解释变量的滞后变量作为模烈的解释变量;而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量。
分布滞后模型有无限期的分布滞示模型和有限期的分布滞示模型;自冋归模型又以Coyck模型、自适应预期模型和局部调整模型最为多见。
分布滞后模型使用0LS法存在以F问题:
(1)对于无限期的分布滞后模型,由于样本观测值的有限性,使得无法直接对其进行估计。
⑵对于有限期的分布滞后模型,使用0LS方法会遇到:
没有先验准则确定滞后期长度,对最大滞后期的确定往往带有主观随意性;如果滞示期较长,由于样木容量有限,当滞示变量数目增加时,必然使得自由度减少,将缺乏足够的自由度进行估计和检验;同名变量滞后值之间可能存在高度线性和关,即模型可能存在高度的多重共线性。
4.产生模型设定偏误的主要原因是什么?
模型设定偏误的后果以及检验方法有哪些?
答:
产生模型设定偏误的原因主要有:
模型制定者不熟悉相应的理论知识;对经济问题本身认识不够或不熟悉前人的相关工作:
模型制定者手头没有相关变量的数据;解释变量无法测量或数据木身存在测最谋是。
模型设定偏误的后果有
(1)如呆遗漏了重要的解释变量,会造成OLS估计量在小样木下有偏,在人样木下非一致;对随机干扰项的方差估计也是有偏的。
(2)如果包含了无关的解释变量,尽管OLS估计量具有无偏性与一致性,但不具有最小方差性。
(3)如果选择了错误的函数形式,则后果是全方位的,不但会造成估计的参数具有完全不同的经济意义,而且估计结果也不同。
对模型设定偏误的检验方法有:
检验是否含有无关变量,对以使用t检验与F检验完成:
检验是否有相关变量的遗漏或函数形式设定偏谋,可以使用残差图示法,Ramsey提岀的RESET检验来完成。
10.简述约化建模理论与传统理论的异同点?
答:
Hendry的约化建模理论的核心是“从一般到简单”的建模思想,即首先提出一个包括各种因素在内的“一•般”模型,然后再通过观测数据,利用各种检验对模型进行检验并化简,最后得到一个相对简单的模型。
传统建模理论的主导思想是“从简单到复杂”的建模思想,它首先提岀一个简单的模型,然后从各种可能的备选变量屮选择适当的变量进入模型,最示得到一个与数据拟合较好的较为复杂的模型。
从二者的主要联系上看,它们都以对•经济现象的解释为目标,以已有的经济理论为建模依据,以对数据的拟合程度作为模型优劣的重耍的判定标准2—,也都有若干检验标推。
从二者的主要区别上看,传统的建模理论往往更依赖于某种单一的经济理论,旧“从一般到简单”的建模理论则更注重将各种不同经济理论纳入到最初的“一般”模型屮,其至更多地是从直觉和经验来建立“一般”的模型;尽管两者都有若干种检验标准,但约化建模理论从实践上有更大量的诊断性检验来看每一步建模的可行性,或寻找改善模型的路径:
与传统建模实践中存在的过渡“数据开采”问题相比,由于约化建模理论的初估模型是一个包括所有可能变量的“一般”模型,因此也就避免了过度的“数据开采”问题;另外,由于初始模型的“一般”性,所有研究者在建模的初期往往有着相同的“起点”,因此,在札I同的约化程序下,最示得到的最终模型也应该是相同的。
而传统建模实践屮对同一经济问题往往有各种不同经济理论来解禅,如果不同的研究者采用不同的经济理论建模,得到的最终模型也会不同。
当然,由于约化建模理论有更多的检验,使得建模过程更复杂,相比Z下,传统建模方法则更加“灵活”。
第六章联立方程计量经济学模型理论与方法
上届重点:
内生变量、外生变呆、先定变量、结构式模型、简化式模型、参数关系体系、模型识别第六章课后题(1・2・3・)
1.为什么要建立联立方程计量经济学模型?
联立方程计量经济学模型适用于什么样的经济现象?
答:
经济现彖是极为复杂的,其中诸因素Z间的关系,在很多情况下,不是单一方程所能描述的那种简单的单向因果关系,而是和互依存,互为因果的,这时,就必须用联立的计量经济学方程才能描述清塑。
所以与单方程适用于单一经济现象的研究相比,联立方程计量经济学模型适用于描述复杂的经济现象,即经济系统。
2.联立方程计量经济学模型的识别状况可以分为几类?
其含义各是什么?
答:
联立方程计量经济学模型的识别状况可以分为可识别和不可识别,可识别乂分为恰好识别和过度识别。
如果联立方程计量经济学模型中某个结构方程不具有确定的统计形式,则称该方程为不可识别,或者根据参数关系体系,在已知简化式参数估计值时,如果不能得到联立方程计量经济学模型屮某个结构方程的确定的结构参数估计值,称该方程为不可识别。
如果一个模型中的所有随机方程都是对以识别的,则认为该联立方程计量经济学模型系统是町以识别的。
反过來,如果一个模型系统中存在一个不可识别的随机方程,则认为该联立方程汁量经济学模型系统是不可以识别的。
如果某一个随机方程具有唯一一组参数估计量,称其为恰好识别;如果某一个随机方程具有多组参数估计量,称其为过度识别。
3.联立方程计壘经济学模型的单方程估计有哪些主要方法?
其适用条件和统计性质各是什么?
答:
单方程估计的主耍方法有:
狭义的工具变量法(IV),间接最小二乘法(ILS),两阶段最小二乘法(2SLS)o
狭义的工具变量法(IV)和间接最小二乘法(I⑸只适用于恰好识别的结构方程的估计。
两阶段最小二乘法(2SLs)既适用于恰好识别的结构方程,又适用于过度识别的结构方程。
用工具变量法估计的参数,一般情况下,在小样木下是有偏的,但在人样木下是渐近无偏的。
如果选取的工具变量与方程随机干扰项完全不相关,那么其参数估计量是无偏估计量。
对于间接最小二乘法,对简化式模型应用普通最小二乘法得到的参数估计量具有线性性、无偏性、有效性。
通过多数关系体系计算得到结构方程的结构参数估计量在小样木下是有偏的,在人样木下是渐近无偏的。
采用二阶段最小二乘法得到结构方程的结构参数估计量在小样木下是有偏的,在人样木下是渐近无偏的。
补充资料
计算题
(一)
给岀多元线性冋归的结果
1.判断模型估计的结果如何,拟合效果如何?
2.说明每一个参数所代表的经济意义?
3.判断有没有违背四个基本假设?
计算题
(二)
给出数值,计算:
1.t检验,F检验的自由度
2.在给定显著性水平下参数是否显著?
3.估计值是有偏、无偏、有效?
计算题(三)
加入虚拟变量D1,D2ZD3
问:
虚拟变最的经济含义?
2T
解答(I)总体回归函数是指在给定«下y分布的总体均值与儿所形成
的函数关系(或者说将总体被解释变蚩的条件期望表示为解释变量的某种
(2)样本回归的数指从总体中抽出的关fY,X的若干组值形成的样本所建立的回归函数"
(3)随机的总体回归函数指含有胡机f扰项的总体回归陨数(是相对于条件期望形式而言的)。
(4)教材中所讲的线性回归模型既指对变僦是线件的・也指对参数0为线性的.即解释变畳与參数"只以它们的I次方出现・
28现代投対分析的待征线涉及如下回01方程:
0,
是用来度量市场的风险程度的・
即市场的发展对公司的财产有何形响。
依
耳中"丧示股票或债养的收益率•乙表示冇价证券的收益率(用市场指数表示•如标准普尔500t&tt).f农乍时1训°徃投念分析中•屈被称为债券的安全系數
据1956-1976年间240个月的敛据•Fogler和Ganpathy得到IBM股累收益率
的回归方程如下:
rt=0.726441.0598j
(0.300I)(0.0728)
“=0.4710
(1)解释回归参数的意义。
⑵如何解称卅?
(3)安全系数的证并称为不稳定证券,建立适当的零假设及备选假设.
检验IBM的股察超否是易变股漿(口=5%)°
2-8
解答
(1)回归方程的截距0.7264表明当名为0时的股票或债券收益率,它本身没有经济意义;回归方程的斜率L0598表明当有价证券的收益率每上升(或下降)1个点将使股票或债券收益率上升(或下降)1.0598个点。
(2)仍为可决系数,是度量回归方程拟合优度的捋标.它表明该回归方程中47,1%的股票或债券收益率的变化是由匚的变化引起的。
当然F=0.4710也表明回归方程对数据的拟合