名词解释计量Word文件下载.docx

名词解释计量Word文件下载.docx

《名词解释计量Word文件下载.docx》由会员分享，可在线阅读，更多相关《名词解释计量Word文件下载.docx（15页珍藏版）》请在冰点文库上搜索。

12．最小二乘法：

用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，称为最小二乘法。

13．高斯－马尔可夫定理：

在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。

14．总变差（总离差平方和）：

在回归模型中，被解释变量的观测值与其均值的离差平方和。

15．回归变差（回归平方和）：

在回归模型中，因变量的估计值与其均值的离差平方和，（2分）也就是由解释变量解释的变差。

16．剩余变差（残差平方和）：

在回归模型中，因变量的观测值与估计值之差的平方和，（2分）是不能由解释变量所解释的部分变差。

17．估计标准误差：

在回归模型中，随机误差项方差的估计量的平方根。

18．样本决定系数：

回归平方和在总变差中所占的比重。

19．点预测：

给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。

20．拟合优度：

样本回归直线与样本观测数据之间的拟合程度。

21．残差：

样本回归方程的拟合值与观测值的误差称为回归残差。

22．显著性检验：

利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。

23．回归变差：

简称ESS,表示由回归直线（即解释变量）所解释的部分（2分），表示x对y的线性影响（1分）。

24．剩余变差：

简称RSS，是未被回归直线解释的部分（2分），是由解释变量以外的因素造成的影响（1分）。

25．多重决定系数：

在多元线性回归模型中，回归平方和与总离差平方和的比值（1分），也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重，我们称之为多重决定系数，仍用R2表示（2分）。

26．调整后的决定系数：

又称修正后的决定系数，记为，是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的，（2分）

其公式为：

（1分）。

27．偏相关系数:

在Y、X1、X2三个变量中，当X1既定时（即不受X1的影响），表示Y与X2之间相关关系的指标，称为偏相关系数，记做。

28.异方差性：

在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项

具有异方差性。

30.怀特检验:

该检验由怀特（White）在1980年提出，通过建立辅助回归模型的方式来判断异方差性。

31.戈里瑟检验和帕克检验:

该检验法由戈里瑟和帕克于1969年提出，其基本原理都是通过建立残差序列对解释变量的（辅助）回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系，进而判断是否存在异方差性。

37.广义最小二乘法：

是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。

41．相关系数：

度量变量之间相关程度的一个系数，一般用ρ表示。

， 

，越接近于1，相关程度越强，越接近于0，相关程度越弱。

42.多重共线性：

是指解释变量之间存在完全或不完全的线性关系。

43.方差膨胀因子：

是指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。

44．把质的因素量化而构造的取值为0和1的人工变量。

45．在设定模时如果模型中解释变量的构成．模型函数的形式以及有关随机误差项的若干假定等内容的设定与客观实际不一致，利用计量经济学模型来描述经济现象而产生的误差。

四、简答题（每小题5分）

1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。

答：

计量经济学是经济理论、统计学和数学的综合。

（1分）经济学着重经济现象的定性研究，计量经济学着重于定量方面的研究。

（1分）统计学是关于如何收集、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。

（1分）数理统计学作为一门数学学科，可以应用于经济领域，也可以应用于其他领域；

计量经济学则仅限于经济领域。

（1分）计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程，计量经济学是经济理论、统计学和数学三者的统一。

2、计量经济模型有哪些应用？

①结构分析。

（1分）②经济预测。

（1分）③政策评价。

（1分）④检验和发展经济理论。

3、简述建立与应用计量经济模型的主要步骤。

①根据经济理论建立计量经济模型；

（1分）②样本数据的收集；

（1分）③估计参数；

（1分）④模型的检验；

（1分）⑤计量经济模型的应用。

4、对计量经济模型的检验应从几个方面入手？

①经济意义检验；

（2分）②统计准则检验；

（1分）③计量经济学准则检验；

（1分）④模型预测检验。

5．计量经济学应用的数据是怎样进行分类的？

四种分类：

①时间序列数据；

（1分）②横截面数据；

（1分）③混合数据；

（1分）④虚拟变量数据。

6.在计量经济模型中，为什么会存在随机误差项？

随机误差项是计量经济模型中不可缺少的一部分。

（1分）产生随机误差项的原因有以下几个方面：

①模型中被忽略掉的影响因素造成的误差；

（1分）②模型关系认定不准确造成的误差；

（1分）③变量的测量误差；

（1分）④随机因素。

7.古典线性回归模型的基本假定是什么？

①零均值假定。

（1分）即在给定xt的条件下，随机误差项的数学期望（均值）为0，即

。

②同方差假定。

（1分）误差项

的方差与t无关，为一个常数。

③无自相关假定。

（1分）即不同的误差项相互独立。

④解释变量与随机误差项不相关假定。

（1分）⑤正态性假定，（1分）即假定误差项

服从均值为0，方差为

的正态分布。

8．总体回归模型与样本回归模型的区别与联系。

主要区别：

①描述的对象不同。

（1分）总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。

②建立模型的不同。

（1分）总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。

③模型性质不同。

（1分）总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。

主要联系：

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。

9．试述回归分析与相关分析的联系和区别。

两者的联系：

①相关分析是回归分析的前提和基础；

回归分析是相关分析的深入和继续。

（1分）②相关分析与回归分析的有关指标之间存在计算上的内在联系。

两者的区别：

①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。

（1分）②对两个变量x与y而言，相关分析中：

；

在回归分析中，

和

却是两个完全不同的回归方程。

（1分）③回归分析对资料的要求是被解释变量y是随机变量，解释变量x是非随机变量；

相关分析对资料的要求是两个变量都随机变量。

10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？

①线性，是指参数估计量

分别为观测值

和随机误差项

的线性函数或线性组合。

（1分）②无偏性，指参数估计量

的均值（期望值）分别等于总体参数

（2分）③有效性（最小方差性或最优性），指在所有的线性无偏估计量中，最小二乘估计量

的方差最小。

11．简述BLUE的含义。

BLUE即最佳线性无偏估计量，是bestlinearunbiasedestimators的缩写。

（2分）在古典假定条件下，最小二乘估计量具备线性、无偏性和有效性，是最佳线性无偏估计量，即BLUE，这一结论就是著名的高斯－马尔可夫定理。

12．对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验？

多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。

（1分）通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。

（3分）因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。

13.给定二元回归模型：

，请叙述模型的古典假定。

解答：

（1）随机误差项的期望为零，即

（2）不同的随机误差项之间相互独立，即

（3）随机误差项的方差与t无关，为一个常数，即

即同方差假设（1分）。

（4）随机误差项与解释变量不相关，即

通常假定

为非随机变量，这个假设自动成立（1分）。

（5）随机误差项

为服从正态分布的随机变量，即

（6）解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性关系，即不存在多重共线性（1分）。

14.在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？

因为人们发现随着模型中解释变量的增多，多重决定系数

的值往往会变大，从而增加了模型的解释功能。

这样就使得人们认为要使模型拟合得好，就必须增加解释变量（2分）。

但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低预测精确度、引起多重共线性等等。

为此用修正的决定系数来估计模型对样本观测值的拟合优度（3分）。

15.修正的决定系数

及其作用。

，（2分）其作用有：

（1）用自由度调整后，可以消除拟合优度评价中解释变量多少对决定系数计算的影响；

（2分）

（2）对于包含解释变量个数不同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用原来未调整的决定系数来比较（1分）。

17.观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

①

②

③

④

①系数呈线性，变量非线性；

（1分）②系数呈线性，变量非呈线性；

（1分）③系数和变量均为非线性；

（1分）④系数和变量均为非线性。

（2分）

18.观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

①系数呈线性，变量非呈线性；

（1分）②系数非线性，变量呈线性；

（2分）④系数和变量均为非线性（1分）。

19.异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。

具有异方差性，即

（t=1，2，……，n）。

（3分）例如，利用横截面数据研究消费和收入之间的关系时，对收入较少的家庭在满足基本消费支出之后的剩余收入已经不多，用在购买生活必需品上的比例较大，消费的分散幅度不大。

收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围。

由于个性、爱好、储蓄心理、消费习惯和家庭成员构成等那个的差异，使消费的分散幅度增大，或者说低收入家庭消费的分散度和高收入家庭消费得分散度相比较，可以认为牵着小于后者。

这种被解释变量的分散幅度的变化，反映到模型中，可以理解为误差项方差的变化。

20.产生原因：

（1）模型中遗漏了某些解释变量；

（2）模型函数形式的设定误差；

（3）样本数据的测量误差；

（4）随机因素的影响。

产生的影响：

如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响

主要有：

（2）参数的最小二乘估计量不是一个有效的估计量；

（3）对模型参数估计值的显著性检验失效；

（4）模型估计式的代表性降低，预测精度精度降低。

21.检验方法：

（1）图示检验法；

（1分）

（2）布罗施.帕克检验；

（1分）（3）怀特检验；

22.解决方法：

（1）异方差稳健标准误法（2分）

（2）加权最小二乘法；

23.加权最小二乘法的基本原理：

最小二乘法的基本原理是使残差平方和

为最小，在异方差情况下，总体回归直线对于不同的

的波动幅度相差很大。

随机误差项方差

越小，样本点

对总体回归直线的偏离程度越低，残差

的可信度越高（或者说样本点的代表性越强）；

而

较大的样本点可能会偏离总体回归直线很远，

的可信度较低（或者说样本点的代表性较弱）。

（2分）因此，在考虑异方差模型的拟合总误差时，对于不同的

应该区别对待。

具体做法：

对较小的

给于充分的重视，即给于较大的权数；

对较大的

给于充分的重视，即给于较小的权数。

更好的使

反映

对残差平方和的影响程度，从而改善参数估计的统计性质。

28．广义最小二乘法（GLS）的基本思想是什么？

答:

基本思想就是对违反基本假定的模型做适当的线性变换，使其转化成满足基本假定的模型，从而可以使用OLS方法估计模型。

（5分）

32．多重共线性是指解释变量之间存在完全或近似的线性关系。

产生多重共线性主要有下述原因：

（1经济变量相关的共同趋势

（2）模型设定不谨慎（3）样本资料的限制

33．答：

完全多重共线性是指对于线性回归模型

若

则称这些解释变量的样本观测值之间存在完全多重共线性。

不完全多重共线性是指对于多元线性回归模型

则称这些解释变量的样本观测之间存在不完全多重共线性。

34．答：

（1）无法估计模型的参数，即不能独立分辨各个解释变量对因变量的影响。

（3分）

（2）参数估计量的方差无穷大（或无法估计）（2分）

35．答：

（1）可以估计参数，但参数估计不稳定。

（2分）

（2）参数估计值对样本数据的略有变化或样本容量的稍有增减变化敏感。

（1分）（3）各解释变量对被解释变量的影响难精确鉴别。

（1分）（4）t检验不容易拒绝原假设。

36．答：

（1）模型总体性检验F值和R2值都很高，但各回归系数估计量的方差很大，t值很低，系数不能通过显著性检验。

（2）回归系数值难以置信或符号错误。

（3）参数估计值对删除或增加少量观测值，以及删除一个不显著的解释变量非常敏感。

37．答：

所谓方差膨胀因子是存在多重共线性时回归系数估计量的方差与无多重共线性时回归系数估计量的方差对比而得出的比值系数。

（2分）若

时，认为原模型不存在“多重共线性问题”；

（1分）若

时，则认为原模型存在“多重共线性问题”；

（1分）若

时，则模型的“多重共线性问题”的程度是很严重的，而且是非常有害的。

38．模型中引入虚拟变量的作用是什么？

答案：

（1）可以描述和测量定性因素的影响；

（2）能够正确反映经济变量之间的关系，提高模型的精度；

（3）便于处理异常数据。

39．虚拟变量引入的原则是什么？

（1）如果一个定性因素有m方面的特征，则在模型中引入m-1个虚拟变量；

（2）如果模型中有m个定性因素，而每个定性因素只有两方面的属性或特征，则在模型中引入m个虚拟变量；

如果定性因素有两个及以上个属性，则参照“一个因素多个属性”的设置虚拟变量。

（3）虚拟变量取值应从分析问题的目的出发予以界定；

（4）虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。

40．虚拟变量引入的方式及每种方式的作用是什么？

（1）加法方式：

其作用是改变了模型的截距水平；

（2）乘法方式：

其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度；

41．判断计量经济模型优劣的基本原则是什么？

（1）模型应力求简单；

（1分）

（2）模型具有可识别性；

（1分）（3）模型具有较高的拟合优度；

（1分）（4）模型应与理论相一致；

（1分）（5）模型具有较好的超样本功能。

45．在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？

在现实生活中，影响经济问题的因素除具有数量特征的变量外，还有一类变量，这类变量所反映的并不是数量而是现象的某些属性或特征，即它们反映的是现象的质的特征。

这些因素还很可能是重要的影响因素，这时就需要在模型中引入这类变量。

（4分）引入的方式就是以虚拟变量的形式引入。