計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)(簡答題).docx

計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)（簡答題）一、 什么是計(jì)量經(jīng)濟(jì)學(xué)？計(jì)量經(jīng)濟(jì)學(xué)，又稱經(jīng)濟(jì)計(jì)量學(xué)，它是以一定的經(jīng)濟(jì)理論和實(shí)際統(tǒng)計(jì)資料為依據(jù)，運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)技術(shù)，通過建立計(jì)量經(jīng)濟(jì)學(xué)模型，定量分析經(jīng)濟(jì)變量之間的隨機(jī)因果關(guān)系.。二、 計(jì)量經(jīng)濟(jì)學(xué)的研究的步驟是什么？1) 理論模型的設(shè)計(jì)A. 理論或假說的陳述；B. 理論的數(shù)學(xué)模型的設(shè)定；C. 理論的計(jì)量經(jīng)濟(jì)模型的設(shè)定。i. 把模型中不重要的變量放進(jìn)隨機(jī)誤差項(xiàng)中；ii. 擬定待估參數(shù)的理論期望值。2) 獲取數(shù)據(jù)數(shù)據(jù)來源：網(wǎng)絡(luò)、統(tǒng)計(jì)年鑒、報(bào)紙、雜志數(shù)據(jù)類別：時(shí)間序列數(shù)據(jù)、截面數(shù)據(jù)、混合數(shù)據(jù)、虛變量數(shù)據(jù)。數(shù)據(jù)要求：完整性、準(zhǔn)確性、可比性、一致性i. 完整性：模型中包含的所有變量都必須得到相同容量的樣本觀察值。ii. 準(zhǔn)確性：統(tǒng)計(jì)數(shù)據(jù)或調(diào)查數(shù)據(jù)本身是準(zhǔn)確的。iii. 可比性：數(shù)據(jù)口徑問題。iv. 一致性：指母體與樣本的一致性。3) 模型的參數(shù)估計(jì)：普通最小二乘法。4) 模型的檢驗(yàn)：經(jīng)濟(jì)學(xué)檢驗(yàn)；統(tǒng)計(jì)學(xué)檢驗(yàn)；計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)；模型的預(yù)測檢驗(yàn)。5) 模型的應(yīng)用：結(jié)構(gòu)分析；經(jīng)濟(jì)預(yù)測；政策評價(jià)；經(jīng)濟(jì)理論的檢驗(yàn)與發(fā)展。三、 簡述統(tǒng)計(jì)數(shù)據(jù)的類別？時(shí)間序列數(shù)據(jù)、截面數(shù)據(jù)、混合數(shù)據(jù)、虛變量數(shù)據(jù)。1) 時(shí)間序列數(shù)據(jù)：按時(shí)間先后排列收集的數(shù)據(jù)。采納時(shí)間序列數(shù)據(jù)的注意事項(xiàng)：A. 所選擇的樣本區(qū)間的經(jīng)濟(jì)行為一致性問題。B. 樣本數(shù)據(jù)在不同樣本點(diǎn)之間的可比性問題。C. 樣本數(shù)據(jù)過于集中的問題。不能反映經(jīng)濟(jì)變量間的結(jié)構(gòu)關(guān)系，應(yīng)增大觀察區(qū)間。D. 模型的隨機(jī)誤差項(xiàng)序列相關(guān)問題。2) 截面數(shù)據(jù)：又稱橫向數(shù)據(jù)，是一批發(fā)生在同一時(shí)間截面上的調(diào)查數(shù)據(jù)。研究某時(shí)點(diǎn)上的變化情況。采納截面數(shù)據(jù)的注意事項(xiàng)：A. 樣本與母體的一致性問題。B. 隨機(jī)誤差項(xiàng)的異方差問題。3) 混合數(shù)據(jù)：也稱面板數(shù)據(jù)，既有時(shí)間序列數(shù)據(jù)，又有截面數(shù)據(jù)。4) 虛變量數(shù)據(jù)：又稱二進(jìn)制數(shù)據(jù)，只能取0和1兩個(gè)值，表示的是某個(gè)對象的質(zhì)量特征。四、 模型的檢驗(yàn)包括哪幾個(gè)方面？具體含義是什么？1) 經(jīng)濟(jì)學(xué)檢驗(yàn)：參數(shù)的符合和大致取值。2) 統(tǒng)計(jì)學(xué)檢驗(yàn)：擬合優(yōu)度檢驗(yàn)；模型的顯著性檢驗(yàn)；參數(shù)的顯著性檢驗(yàn)。3) 計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)：序列相關(guān)性；異方差檢驗(yàn)；多重共線性檢驗(yàn)。4) 模型的預(yù)測檢驗(yàn)：a，擴(kuò)大樣本容量或變換樣本重新估價(jià)模型；b，利用模型對樣本期以外的某一期進(jìn)行預(yù)測。五、 回歸分析和相關(guān)分析的聯(lián)系和區(qū)別是什么？回歸分析是處理變量與變量之間關(guān)系的一種數(shù)學(xué)方法，是研究一個(gè)變量關(guān)于另一個(gè)（些）變量的依賴關(guān)系的計(jì)算理論和方法。其目的在于通過后者的已知或設(shè)定值，去估計(jì)或預(yù)測前者的（總體）均值。前一個(gè)變量被稱為被解釋變量，后一個(gè)（些）變量稱為解釋變量?；貧w分析與相關(guān)分析的聯(lián)系：都是對變量間非確定相關(guān)關(guān)系的研究，均能通過一定的方法對變量之間的線性依賴程度進(jìn)行測定?；貧w分析與相關(guān)分析的區(qū)別：1相關(guān)分析研究的是兩個(gè)隨機(jī)變量之間的相關(guān)形式及相關(guān)程度，是通過相關(guān)系數(shù)來測定的，不考慮變量之間是否存在因果關(guān)系 ；而回歸分析是以因果分析為基礎(chǔ)的，變量之間的地位是不對稱的，有解釋變量與被解釋變量之分，被解釋變量是隨機(jī)變量，而解釋變量在一般情況下假定是確定性變量。2相關(guān)分析所采用的相關(guān)系數(shù)，是一種純粹的數(shù)學(xué)計(jì)算，相關(guān)分析關(guān)注的是變量之間的相互關(guān)聯(lián)的程度，而回歸分析在應(yīng)用之間就對變量之間是否存在依賴關(guān)系進(jìn)行了因果分析，在此基礎(chǔ)上進(jìn)行的回歸分析，達(dá)到了深入分析變量間依存關(guān)系、掌握其運(yùn)動規(guī)律的目的。六、 經(jīng)典假設(shè)條件的內(nèi)容是什么？（應(yīng)用最小二乘法應(yīng)滿足的古典假定？）1) 解釋變量x1,x2,xk是確定性變量，不是隨機(jī)變量；而且解釋變量之間互不相關(guān)。2) 隨機(jī)誤差項(xiàng)具有0均值和同方差。3) 隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的，不存在序列相關(guān)。4) 隨機(jī)誤差項(xiàng)與解釋變量之間不相關(guān)。5) 隨機(jī)誤差項(xiàng)服從0均值，同方差的正態(tài)分布。七、 總體回歸函數(shù)和樣本回歸函數(shù)之間有哪些區(qū)別與聯(lián)系？總體回歸函數(shù)是將總體被解釋變量的條件期望表示為解釋變量的某種函數(shù)。樣本回歸函數(shù)是將被解釋變量Y的樣本觀測值的擬和值表示為解釋變量的某種函數(shù)。二者區(qū)別：描述的對象不同；模型建立的依據(jù)不同。二者聯(lián)系：樣本回歸模型是總體回歸模型的一個(gè)估計(jì)式，之所以建立樣本回歸模型，目的是用來估計(jì)總體回歸模型。八、 什么是隨機(jī)誤差項(xiàng)？隨機(jī)誤差項(xiàng)包括哪些因素？設(shè)定隨機(jī)誤差項(xiàng)的原因有哪些？隨機(jī)誤差項(xiàng)是模型設(shè)定中省略下來而又集體地影響著被解釋變量Y的全部變量的替代物。隨機(jī)誤差項(xiàng)包括以下因素：在解釋變量中被忽略的因素的影響。變量觀測值的觀察誤差的影響。模型關(guān)系的設(shè)定誤差的影響。其它隨機(jī)因素的影響。設(shè)定隨機(jī)誤差項(xiàng)的原因：理論的含糊性；數(shù)據(jù)的欠缺；節(jié)省的原則。九、 最小二乘估計(jì)量有哪些特性？高斯-馬爾科夫定理的內(nèi)容是什么？判斷一個(gè)估計(jì)量是否為優(yōu)良估計(jì)量需要考察的統(tǒng)計(jì)性質(zhì)：線性，考察估計(jì)量是否是另一個(gè)隨機(jī)變量的線性函數(shù)；無偏性，考察估計(jì)量的期望是否等于其真值；有效性，考察估計(jì)量在所有的無偏估計(jì)量中是否有最小方差。上述三個(gè)統(tǒng)計(jì)特性稱為估計(jì)量的小樣本性質(zhì)。具有這類性質(zhì)的估計(jì)量是最佳的線性無偏估計(jì)量。在模型假定條件成立的情況下，根據(jù)普通最小二乘估計(jì)法得到的估計(jì)量具有BLUE的性質(zhì)，這就是高斯-馬爾科夫定理定理。上述三個(gè)性質(zhì)針對的是小樣本，針對大樣本還有三個(gè)漸近性質(zhì)：漸近無偏性：表示當(dāng)樣本容量趨于無窮大時(shí)，估計(jì)量的均值趨于總體均值。一致性：表示當(dāng)樣本容量趨于無窮時(shí)，估計(jì)量依概率收斂于總體的真值。漸近有效性：樣本容量趨于無窮時(shí)，估計(jì)量在所有的一致估計(jì)中，具有最小的漸近方差。十、 為什么用可決系數(shù)R2評價(jià)擬合優(yōu)度，而不是用殘差平方和作為評價(jià)標(biāo)準(zhǔn)？可決系數(shù)和相關(guān)系數(shù)有什么區(qū)別與聯(lián)系?樣本可決系數(shù)R2反映了回歸平方和占總離差平方和的比重，表示由解釋變量引起被解釋變量的變化占被解釋變量總的變化的比重，因而可用來判定回歸直線擬合程度的優(yōu)劣，該值大表示回歸直線對樣本店的擬合程度好。殘差平方和反映隨機(jī)誤差項(xiàng)包含因素對被解釋變量變化影響的絕對程度，它與樣本容量有關(guān)，樣本容量大時(shí)，殘差平方和一般也大，樣本容量小時(shí)，殘差平方和也小，因此樣本容量不同時(shí)得到的殘差平方和不能用于比較。此外，檢驗(yàn)統(tǒng)計(jì)量一般應(yīng)是相對量而不能是絕對量，因而不宜使用殘差平方和判斷模型的擬合優(yōu)度?？蓻Q系數(shù)和相關(guān)系數(shù)的聯(lián)系和區(qū)別：A. 相關(guān)系數(shù)是建立在相關(guān)分析基礎(chǔ)上的，研究的是隨機(jī)變量之間的關(guān)系；可決系數(shù)則是建立在回歸分析基礎(chǔ)上，研究的是非隨機(jī)變量X對隨機(jī)變量Y的解釋程度。B. 在取值上，可決系數(shù)是樣本相關(guān)系數(shù)的平方。C. 樣本相關(guān)系數(shù)是由隨機(jī)的X和Y抽樣計(jì)算得到，因而相關(guān)關(guān)系是否顯著，還需進(jìn)行檢驗(yàn)。十一、 說明顯著性檢驗(yàn)的過程。提出原假設(shè)和備擇假設(shè)。選擇并計(jì)算在原假設(shè)成立情況下的統(tǒng)計(jì)量。給定顯著水平a，查臨界值表進(jìn)行判斷。十二、 影響預(yù)測精度的主要因素是什么？樣本容量；模擬的擬合優(yōu)度。十三 什么是正規(guī)方程組？并說明多元線性回歸最小二乘估計(jì)的正規(guī)方程組，能解出唯一的參數(shù)估計(jì)的條件是什么？正規(guī)方程組是根據(jù)最小二乘原理得到的關(guān)于參數(shù)估計(jì)值的線性代數(shù)方程組。從最小二乘原理和最大似然原理出發(fā)，欲得到參數(shù)估計(jì)量，不管其質(zhì)量如何，樣本容量必須不少于模型中解釋變量的數(shù)目（包括常數(shù)項(xiàng)），即n k + 1。十三、 在多元線性回歸分析中，為什么用調(diào)整的可決系數(shù)衡量估計(jì)模型對樣本觀測值的擬合優(yōu)度？未調(diào)整可決系數(shù)R2的一個(gè)總要特征是：隨著樣本解釋變量個(gè)數(shù)的增加，R2的值越來越高，（即R2是解釋變量個(gè)數(shù)的增函數(shù)）。也就是說，在樣本容量不變的情況，在模型中增加新的解釋變量不會改變總離差平方和（TSS），但可能增加回歸平方和（ESS），減少殘差平方和（RSS），從而可能改變模型的解釋功能。因此在多元線性回歸模型之間比較擬合優(yōu)度時(shí)，R2不是一個(gè)合適的指標(biāo)，需加以調(diào)整。而修正的可決系數(shù)：其值不會隨著解釋變量個(gè)數(shù)k的增加而增加，因此在用于估計(jì)多元回歸模型方面要優(yōu)于未調(diào)整的可決系數(shù)。十四、 在多元線性回歸分析中，可決系數(shù)R2與總體線性關(guān)系顯著性檢驗(yàn)統(tǒng)計(jì)量F之間有何關(guān)系？t檢驗(yàn)與F檢驗(yàn)有何不同？是否可以替代？在一元線性回歸分析中二者是否有等價(jià)作用？在多元線性回歸分析中，可決系數(shù)R2與總體線性關(guān)系顯著性檢驗(yàn)統(tǒng)計(jì)量F關(guān)系如下：可決系數(shù)是用于檢驗(yàn)回歸方程的擬合優(yōu)度的，F(xiàn)檢驗(yàn)是用于檢驗(yàn)回歸方程總體顯著性的。兩檢驗(yàn)是從不同原理出發(fā)的兩類檢驗(yàn)，前者是從已經(jīng)得到的模型出發(fā)，檢驗(yàn)它對樣本觀測值的擬合程度，后者是從樣本觀測值出發(fā)檢驗(yàn)?zāi)Ｐ涂傮w線性關(guān)系的顯著性。但兩者是關(guān)聯(lián)的，這一點(diǎn)也可以從上面兩者的關(guān)系式看出，回歸方程對樣本擬和程度高，模型總體線性關(guān)系的顯著性就強(qiáng)。在多元線性回歸模型分析中，t檢驗(yàn)常被用于檢驗(yàn)回歸方程各個(gè)參數(shù)的顯著性，是單一檢驗(yàn)；而F檢驗(yàn)則被用作檢驗(yàn)整個(gè)回歸關(guān)系的顯著性，是對回歸參數(shù)的聯(lián)合檢驗(yàn)。在多元線性回歸中，若F檢驗(yàn)拒絕原假設(shè)，意味著解釋變量與被解釋變量之間的線性關(guān)系是顯著的，但具體是哪個(gè)解釋變量與被解釋變量之間關(guān)系顯著則需要通過t檢驗(yàn)來進(jìn)一步驗(yàn)證，但若F檢驗(yàn)接受原假設(shè)，則意味著所有的t檢驗(yàn)均不顯著。兩者是不可互相替代的。在一元線性回歸模型中，由于解釋變量只有一個(gè)，因此F檢驗(yàn)的聯(lián)合假設(shè)等同于t檢驗(yàn)的單一假設(shè)，兩檢驗(yàn)作用是等價(jià)的。十五、 什么是異方差？異方差產(chǎn)生的原因是什么？如何檢驗(yàn)和處理？1) 線性回歸模型為Yt = b0 + b1X1t + b2X2t + + bkXkt +ut經(jīng)典回歸中所謂同方差是指不同隨機(jī)誤差項(xiàng)Ut(t =1,2,n) 的方差相同，即 Var(Ut) = 戴爾塔方（怎么打？）如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，則稱隨機(jī)項(xiàng)Ut具有異方差性。Var(Ut) = 戴爾塔方 常數(shù)2) 異方差性產(chǎn)生的原因：A. 模型中遺漏了某些逐漸增大的因素的影響。B. 模型函數(shù)形式的誤定誤差。C. 隨機(jī)因素的影響。3) 檢驗(yàn)異方差性的方法：圖解法、帕克檢驗(yàn)、格萊澤檢驗(yàn)、斯皮爾曼的等級相關(guān)檢驗(yàn)、哥德費(fèi)爾德-匡特檢驗(yàn)。4) 修正異方差性的主要方法：加權(quán)最小二乘法，通過賦予不同觀測點(diǎn)以不同的權(quán)數(shù)，從而提高估計(jì)精度，即重視小誤差的作用，輕視大誤差的作用。十六、 模型存在異方差時(shí)，會對回歸參數(shù)的估計(jì)與的檢驗(yàn)產(chǎn)生什么影響？1) 最小二乘估計(jì)不再是有效估計(jì)。2) 無法確定估計(jì)系數(shù)的標(biāo)準(zhǔn)誤差。3) T檢驗(yàn)的可靠性降低。4) 增大模型的預(yù)測誤差。當(dāng)模型存在異方差時(shí)，根據(jù)普通最小二乘法估計(jì)出的參數(shù)估計(jì)量仍具有線性特性和無偏性，但不再具有有效性；用于參數(shù)顯著性的檢驗(yàn)統(tǒng)計(jì)量，要涉及到參數(shù)估計(jì)量的標(biāo)準(zhǔn)差，因而參數(shù)檢驗(yàn)也失去意義。十七、 序列相關(guān)違背了哪些基本假定？其來源有哪些？檢驗(yàn)方法有哪些，都適用于何種形式的序列相關(guān)檢驗(yàn)？模型的序列相關(guān)違背的基本假定是Cov(ui,uj) = 0 (i j)。序列相關(guān)的來源有：A. 經(jīng)濟(jì)變量固有的慣性；B. 模型設(shè)定的偏誤；C. 模型中遺漏了重要的帶有自相關(guān)的解釋變量；D. 數(shù)據(jù)的“編造”。序列相關(guān)的檢驗(yàn)有：A. 圖示法B. D-W檢驗(yàn)，適用于檢驗(yàn)一階自回歸形式的序列相關(guān)；C. 回歸檢驗(yàn)法，適用于各種類型的序列相關(guān)檢驗(yàn)；D. 拉格朗日乘子檢驗(yàn)（LM），適用于高階序列相關(guān)及模型中存在滯后解釋變量的情形。十八、 簡述序列相關(guān)帶來的后果。1) 最小二乘估計(jì)不再是有效估計(jì)。參數(shù)估計(jì)量仍是無偏的。參數(shù)估計(jì)值不再具有最小方差性。2) 隨機(jī)誤差項(xiàng)的方差一般會低估。3) 檢驗(yàn)的可靠性降低。4) 降低模型的預(yù)測精度。十九、 簡述DW檢驗(yàn)的步驟和應(yīng)用條件。DW檢驗(yàn)的步驟：A. 做OLS回歸并獲取殘差。B. 計(jì)算d。C. 對給定樣本大小和給定解釋變量個(gè)數(shù)找出臨界dl和du值。D. 按決策規(guī)則行事。DW檢驗(yàn)應(yīng)用條件：A. 模型中含有截距項(xiàng)。B. 解釋變量X是非隨機(jī)的。C. 隨機(jī)誤差項(xiàng)ut為一階自相關(guān)。D. 誤差項(xiàng)被假定為正態(tài)分布。E. 線性回歸模型中不應(yīng)含有滯后內(nèi)生變量作為解釋變量。F. 統(tǒng)計(jì)書籍比較完整，無缺失項(xiàng)。二十、 什么是多重共線性？產(chǎn)生多重共線性的原因是什么？多重共線性造成的影響是什么？檢驗(yàn)多重共線性的方法是什么？有哪些解決方法？1) 對于多元回歸線性模型，如果某兩個(gè)或多個(gè)解釋變量之間出現(xiàn)了相關(guān)性，則稱多重共線性。2) 產(chǎn)生多重共線性的原因：A. 經(jīng)濟(jì)變量的內(nèi)在聯(lián)系，這是產(chǎn)生多重共線性的根本原因。B. 經(jīng)濟(jì)變量變化趨勢的共同性。C. 在模型中引入滯后變量也容易產(chǎn)生多重共線性。3) 多重共線性造成的影響：A. 增大最小二乘估計(jì)量得方差B. 難以區(qū)分每個(gè)解釋變量的單獨(dú)影響C. 檢驗(yàn)的可靠度降低D. 完全共線性下參數(shù)估計(jì)量不存在4) 多重共線性的檢驗(yàn)方法：A. 相關(guān)系數(shù)檢驗(yàn)法B. 輔助回歸模型檢驗(yàn)C. 方差膨脹因子檢驗(yàn)D. 特征值檢驗(yàn)5) 多重共線性的解決方法：A. 保留總要的解釋變量，去掉次要的或可替代的解釋變量。B. 間接剔除重要的解釋變量。利用先驗(yàn)信息改變參數(shù)的約束形式；變換模型的形式。C. 綜合使用時(shí)序數(shù)據(jù)和截面數(shù)據(jù)。D. 逐步回歸法（Frisch綜合分析法）E. 主成分回歸。二十一、 隨機(jī)解釋變量的來源有哪些？隨機(jī)解釋變量有幾種情形？分情形說明隨機(jī)解釋變量對最小二乘估計(jì)的影響與后果？隨機(jī)解釋變量的來源有：A. 經(jīng)濟(jì)變量的不可控，使得解釋變量觀測值具有隨機(jī)性；B. 由于隨機(jī)干擾項(xiàng)中包括了模型略去的解釋變量，而略去的解釋變量與模型中的解釋變量往往是相關(guān)的；C. 模型中含有被解釋變量的滯后項(xiàng)，而被解釋變量本身就是隨機(jī)的。隨機(jī)解釋變量有三種情形，不同情形下最小二乘估計(jì)的影響和后果也不同。A. 解釋變量是隨機(jī)