计量经济学名词解释与简答文档格式.doc

计量经济学名词解释与简答文档格式.doc

《计量经济学名词解释与简答文档格式.doc》由会员分享，可在线阅读，更多相关《计量经济学名词解释与简答文档格式.doc（6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。

29.戈德菲尔特-匡特检验:

该方法由戈德菲尔特（S.M.Goldfeld）和匡特（R.E.Quandt）于1965年提出，用对样本进行分段比较的方法来判断异方差性。

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。

32．序列相关性：

对于模型

随机误差项互相独立的基本假设表现为（1分）

如果出现

即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性（SerialCorrelation）。

33．虚假序列相关：

是指模型的序列相关性是由于省略了显著的解释变量而导致的。

34.差分法：

差分法是一类克服序列相关性的有效方法，被广泛的采用。

差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。

35.广义差分法：

广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。

36.自回归模型：

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。

38.DW检验：

德宾和瓦特森与1951年提出的一种适于小样本的检验方法。

DW检验法有五个前提条件。

39.科克伦-奥克特迭代法：

是通过逐次跌代去寻求更为满意的的估计值，然后再采用广义差分法。

具体来说，该方法是利用残差去估计未知的。

40.Durbin两步法：

当自相关系数未知，可采用Durbin提出的两步法去消除自相关。

第一步对一多元回归模型，使用OLS法估计其参数，第二步再利用广义差分。

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．虚拟变量：

把质的因素量化而构造的取值为0和1的人工变量。

45．模型设定误差：

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。

46.分段线性回归模型：

这是虚拟变量的一个应用，当解释变量低于某个已知的临界水平时，我们取虚拟变量设置而成的模型称之为分段线性回归模型。

二、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，是指参数估计量和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，指参数估计量和的均值（期望值）分别等于总体参数和。

（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，最小二乘估计量和的方差最小。

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.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）。

14.常见的非线性回归模型有几种情况？

常见的非线性回归模型主要有:

对数模型（1分）

半对数模型或（1分）

倒数模型（1分）

多项式模型（1分）

成长曲线模型包括逻辑成长曲线模型和Gompertz成长曲线模型（1分）

15.产生异方差性的原因及异方差性对模型的OLS估计有何影响。

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：

（1）不影响模型参数最小二乘估计值的无偏性；

（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。

16.检验异方差性的方法有哪些？

检验方法：

（1）图示检验法；

（1分）

（2）戈德菲尔德—匡特检验；

（1分）（3）怀特检验；

（1分）（4）戈里瑟检验和帕克检验（残差回归检验法）；

（1分）（5）ARCH检验（自回归条件异方差检验）（1分）

17.异方差性的解决方法有哪些？

解决方法：

（1）模型变换法；

（2分）

（2）加权最小二乘法；

（2分）（3）模型的对数变换等（1分）

18.什么是加权最小二乘法？

它的基本思想是什么？

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。

19.样本分段法（即戈德菲尔特——匡特检验）检验异方差性的基本原理及其使用条件。

样本分段法（即戈德菲尔特—匡特检验）的基本原理：

将样本分为容量相等的两部分，然后分别对样本1和样本2进行回归，并计算两个子样本的残差平方和，如果随机误差项是同方差的，则这两个子样本的残差平方和应该大致相等；

如果是异方差的，则两者差别较大，以此来判断是否存在异方差。

（3分）使用条件：

（1）样本容量要尽可能大，一般而言应该在参数个数两倍以上；

（2）服从正态分布，且除了异方差条件外，其它假定均满足。

20．简述DW检验的局限性。

从判断准则中看到，DW检验存在两个主要的局限性：

首先，存在一个不能确定的值区域，这是这种检验方法的一大缺陷。

（2分）其次：

检验只能检验一阶自相关。

（2分）但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，如果不存在一阶自相关，一般也不存在高阶序列相关。

所以在实际应用中，对于序列相关问题—般只进行检验。

21．序列相关性的后果。

（1）模型参数估计值不具有最优性；

（1分）

（2）随机误差项的方差一般会低估；

（1分）（3）模型的统计检验失效；

（1分）（4）区间估计和预测区间的精度降低。

（1分）（全对即加1分）

22．简述序列相关性的几种检验方法。

（1）图示法；

（1分）

（2）D-W检验；

（1分）（3）回归检验法；

（1分）（4）另外，偏相关系数检验，布罗斯—戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。

23．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）

24．自相关性产生的原因有那些？

（1）经济变量惯性的作用引起随机误差项自相关；

（1分）

（2）经济行为的滞后性引起随机误差项自相关；

（1分）（3）一些随机因素的干扰或影响引起随机误差项自相关；

（1分）（4）模型设定误差引起随机误差项自相关；

（1分）（5）观测数据处理引起随机误差项自相关。

25．DW值与一阶自相关系数的关系是什么？

或者

26．不完全多重共线性对OLS估计量的影响有哪些？

（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。

27．从哪些症状中可以判断可能存在多重共线性？

（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。

28．什么是方差膨胀因子检验法？

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。

29．模型中引入虚拟变量的作用是什么？

（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。

30．虚拟变量引入的原则是什么？

答案：

（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。

31．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；

（3）一般方式：

即影响模型的截距有影响模型的斜率。