計量經(jīng)濟(jì)學(xué)重要簡答題.doc

計量經(jīng)濟(jì)學(xué)重點簡答題1簡述計量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)學(xué)、統(tǒng)計學(xué)、數(shù)理統(tǒng)計學(xué)學(xué)科間的關(guān)系。答：計量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、統(tǒng)計學(xué)和數(shù)學(xué)的綜合。經(jīng)濟(jì)學(xué)著重經(jīng)濟(jì)現(xiàn)象的定性研究，計量經(jīng)濟(jì)學(xué)著重于定量方面的研究。統(tǒng)計學(xué)是關(guān)于如何收集、整理和分析數(shù)據(jù)的科學(xué)，而計量經(jīng)濟(jì)學(xué)則利用經(jīng)濟(jì)統(tǒng)計所提供的數(shù)據(jù)來估計經(jīng)濟(jì)變量之間的數(shù)量關(guān)系并加以驗證。數(shù)理統(tǒng)計學(xué)作為一門數(shù)學(xué)學(xué)科，可以應(yīng)用于經(jīng)濟(jì)領(lǐng)域，也可以應(yīng)用于其他領(lǐng)域；計量經(jīng)濟(jì)學(xué)則僅限于經(jīng)濟(jì)領(lǐng)域。計量經(jīng)濟(jì)模型建立的過程，是綜合應(yīng)用理論、統(tǒng)計和數(shù)學(xué)方法的過程，計量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、統(tǒng)計學(xué)和數(shù)學(xué)三者的統(tǒng)一。2、計量經(jīng)濟(jì)模型有哪些應(yīng)用？答：結(jié)構(gòu)分析 經(jīng)濟(jì)預(yù)測 政策評價 檢驗和發(fā)展經(jīng)濟(jì)理論3、簡述建立與應(yīng)用計量經(jīng)濟(jì)模型的主要步驟。答：模型設(shè)定 估計參數(shù) 模型檢驗 模型應(yīng)用或1）經(jīng)濟(jì)理論或假說的陳述2) 收集數(shù)據(jù)3）建立數(shù)理經(jīng)濟(jì)學(xué)模型 4）建立經(jīng)濟(jì)計量模型5）模型系數(shù)估計和假設(shè)檢驗6）模型的選擇7）理論假說的選擇8）經(jīng)濟(jì)學(xué)應(yīng)用4、對計量經(jīng)濟(jì)模型的檢驗應(yīng)從幾個方面入手？答：經(jīng)濟(jì)意義檢驗 統(tǒng)計推斷檢驗 計量經(jīng)濟(jì)學(xué)檢驗 模型預(yù)測檢驗5、計量經(jīng)濟(jì)學(xué)應(yīng)用的數(shù)據(jù)是怎樣進(jìn)行分類的？答：時間序列數(shù)據(jù) 截面數(shù)據(jù) 面板數(shù)據(jù) 虛擬變量數(shù)據(jù)6、解釋變量和被解釋變量，內(nèi)生變量和外生變量被解釋變量是模型要研究的對象，被稱為“因變量”，是變動的結(jié)果。解釋變量是說明被解釋變量變動的原因，被稱為“自變量”，是變動的原因。內(nèi)生變量是其數(shù)值由模型所決定的變量，是模型求解的結(jié)果。外生變量是其數(shù)值由模型以外決定的變量。7、計量經(jīng)濟(jì)學(xué)的含義計量經(jīng)濟(jì)學(xué)是以經(jīng)濟(jì)理論和經(jīng)濟(jì)數(shù)據(jù)的事實為依據(jù)，運用數(shù)學(xué)、統(tǒng)計學(xué)的方法，通過建立數(shù)學(xué)模型來研究經(jīng)濟(jì)數(shù)量關(guān)系和規(guī)律的一門經(jīng)濟(jì)學(xué)科。8.在計量經(jīng)濟(jì)模型中，為什么會存在隨機誤差項？答：隨機誤差項是計量經(jīng)濟(jì)模型中不可缺少的一部分。產(chǎn)生隨機誤差項的原因有以下幾個方面：模型中被忽略掉的影響因素造成的誤差；模型關(guān)系認(rèn)定不準(zhǔn)確造成的誤差；變量的測量誤差；隨機因素。9對于多元線性回歸模型，為什么在進(jìn)行了總體顯著性F檢驗之后，還要對每個回歸系數(shù)進(jìn)行是否為0的t檢驗？答：多元線性回歸模型的總體顯著性F檢驗是檢驗?zāi)Ｐ椭腥拷忉屪兞繉Ρ唤忉屪兞康墓餐绊懯欠耧@著。通過了此F檢驗，就可以說模型中的全部解釋變量對被解釋變量的共同影響是顯著的，但卻不能就此判定模型中的每一個解釋變量對被解釋變量的影響都是顯著的。因此還需要就每個解釋變量對被解釋變量的影響是否顯著進(jìn)行檢驗，即進(jìn)行t檢驗。10.古典線性回歸模型具有哪些基本假定。答：1 隨機誤差項與解釋變量不相關(guān)。 2 隨機誤差項的期望或均值為零。3 隨機誤差項具有同方差，即每個隨機誤差項的方差為一個相等的常數(shù)。4 兩個隨機誤差項之間不相關(guān)，即隨機誤差項無自相關(guān)。11.在多元線性回歸分析中，為什么用修正的決定系數(shù)衡量估計模型對樣本觀測值的擬合優(yōu)度？答：因為人們發(fā)現(xiàn)隨著模型中解釋變量的增多，多重決定系數(shù)的值往往會變大，從而增加了模型的解釋功能。這樣就使得人們認(rèn)為要使模型擬合得好，就必須增加解釋變量。但是，在樣本容量一定的情況下，增加解釋變量必定使得待估參數(shù)的個數(shù)增加，從而損失自由度，而實際中如果引入的解釋變量并非必要的話可能會產(chǎn)生很多問題，比如，降低預(yù)測精確度、引起多重共線性等等。為此用修正的決定系數(shù)來估計模型對樣本觀測值的擬合優(yōu)度。12.修正的決定系數(shù)及其作用。解答：，其作用有：（1）用自由度調(diào)整后，可以消除擬合優(yōu)度評價中解釋變量多少對決定系數(shù)計算的影響；（2）對于包含解釋變量個數(shù)不同的模型，可以用調(diào)整后的決定系數(shù)直接比較它們的擬合優(yōu)度的高低，但不能用原來未調(diào)整的決定系數(shù)來比較。13.多重共線性含義：多重共線性是指解釋變量之間存在完全或近似的線性關(guān)系。產(chǎn)生原因：（1）樣本數(shù)據(jù)的采集是被動的，只能在一個有限的范圍內(nèi)得到觀察值，無法進(jìn)行重復(fù)試驗。（2）經(jīng)濟(jì)變量的共同趨勢（3）滯后變量的引入（4）模型的解釋變量選擇不當(dāng)后果：（1） 完全多重共線性產(chǎn)生的后果參數(shù)的估計值不確定、參數(shù)估計值的方差無限大（2） 不完全多重共線性產(chǎn)生的后果參數(shù)估計值的方差無限大；對參數(shù)區(qū)間估計時，置信區(qū)間趨于變大；嚴(yán)重多重共線性時假設(shè)檢驗易作出錯誤判斷；模型總體性檢驗F值和R2值都很高，但各回歸系數(shù)估計量的方差很大，t值很低，系數(shù)不能通過顯著性檢驗檢驗：簡單相關(guān)系數(shù)檢驗法、方差擴(kuò)大因子法、直觀判斷法、逐步回歸檢驗法補救措施：剔出不重要變量；增加樣本數(shù)量；改變模型形式；改變變量形式；利用先驗信息，逐步回歸法。14.異方差含義：異方差性是指模型中隨機誤差項的方差不是常量，而且它的變化與解釋變量的變動有關(guān)。產(chǎn)生原因：（1）模型中遺漏了某些解釋變量；（2）模型函數(shù)形式的設(shè)定誤差；（3）樣本數(shù)據(jù)的測量誤差；（4）隨機因素的影響。后果：如果線性回歸模型的隨機誤差項存在異方差性，會對模型參數(shù)估計、模型檢驗及模型應(yīng)用帶來重大影響，主要有：（1）不影響模型參數(shù)最小二乘估計值的無偏性；（2）參數(shù)的最小二乘估計量不是一個有效的估計量；（3）對模型參數(shù)估計值的顯著性檢驗失效；（4）模型估計式的代表性降低，預(yù)測精度精度降低。檢驗方法：（1）圖示檢驗法；（2）GQ檢驗；（3）懷特檢驗；（4）Glejser檢驗（5）ARCH檢驗解決方法：（1）模型變換法；（2）加權(quán)最小二乘法；（3）模型的對數(shù)變換等15.加權(quán)最小二乘法的基本原理最小二乘法的基本原理是使殘差平方和為最小，在異方差情況下，總體回歸直線對于不同的的波動幅度相差很大。隨機誤差項方差越小，樣本點對總體回歸直線的偏離程度越低，殘差的可信度越高（或者說樣本點的代表性越強）；而較大的樣本點可能會偏離總體回歸直線很遠(yuǎn)，的可信度較低（或者說樣本點的代表性較弱）。因此，在考慮異方差模型的擬合總誤差時，對于不同的應(yīng)該區(qū)別對待。具體做法：對較小的給于充分的重視，即給于較大的權(quán)數(shù)；對較大的給于充分的重視，即給于較小的權(quán)數(shù)。更好的使反映對殘差平方和的影響程度，從而改善參數(shù)估計的統(tǒng)計性質(zhì)。16.自相關(guān)含義：自相關(guān)是指總體回歸模型的隨機誤差項u之間存在相關(guān)關(guān)系。產(chǎn)生原因：答：（1）經(jīng)濟(jì)變量慣性的作用引起隨機誤差項自相關(guān)；（2）經(jīng)濟(jì)行為的滯后性引起隨機誤差項自相關(guān)；(3)一些隨機因素的干擾或影響引起隨機誤差項自相關(guān)；（4）模型設(shè)定誤差引起隨機誤差項自相關(guān)；（5）觀測數(shù)據(jù)處理引起隨機誤差項自相關(guān)。后果：（1）模型參數(shù)估計值不具有最優(yōu)性；（2）隨機誤差項的方差一般會低估；（3）模型的統(tǒng)計檢驗失效；（4）區(qū)間估計和預(yù)測區(qū)間的精度降低。檢驗方法：（1）圖示法；（2）DW檢驗；（3）LM檢驗法補救措施：廣義差分法、CO迭代法17簡述DW檢驗的局限性。答：從判斷準(zhǔn)則中看到，DW檢驗存在兩個主要的局限性：首先，存在一個不能確定的值區(qū)域，這是這種檢驗方法的一大缺陷。其次：檢驗只能檢驗一階自相關(guān)。但在實際計量經(jīng)濟(jì)學(xué)問題中，一階自相關(guān)是出現(xiàn)最多的一類序列相關(guān)，而且經(jīng)驗表明，如果不存在一階自相關(guān)，一般也不存在高階序列相關(guān)。所以在實際應(yīng)用中，對于序列相關(guān)問題般只進(jìn)行檢驗。18.試述D-W檢驗的適用條件及其檢驗步驟？使用條件： 1）回歸模型包含一個截距項。2）變量X是非隨機變量。3）擾動項的產(chǎn)生機制： 。4）因變量的滯后值不能作為解釋變量出現(xiàn)在回歸方程中。檢驗步驟1）進(jìn)行OLS回歸，并獲得殘差。2）計算D值。3）已知樣本容量和解釋變量個數(shù)，得到臨界值。4）根據(jù)下列規(guī)則進(jìn)行判斷：零假設(shè)決策條件無正的自相關(guān)拒絕無正的自相關(guān)無法確定無負(fù)的自相關(guān)拒絕無負(fù)的自相關(guān)無法決定無正的或者負(fù)的自相關(guān)接受19廣義最小二乘法（GLS）的基本思想是什么？答:基本思想就是對違反基本假定的模型做適當(dāng)?shù)木€性變換，使其轉(zhuǎn)化成滿足基本假定的模型，從而可以使用OLS方法估計模型。20請簡述什么是虛假序列相關(guān)，如何避免？答：數(shù)據(jù)表現(xiàn)出序列相關(guān)，而事實上并不存在序列相關(guān)。要避免虛假序列相關(guān)，就應(yīng)在做定量分析之間先進(jìn)行定性分析，看從理論上或經(jīng)驗上是否有存在序列相關(guān)的可能，可能性是多大。21在建立計量經(jīng)濟(jì)學(xué)模型時，為什么要引入虛擬變量？答案：在現(xiàn)實生活中，影響經(jīng)濟(jì)問題的因素除具有數(shù)量特征的變量外，還有一類變量，這類變量所反映的并不是數(shù)量而是現(xiàn)象的某些屬性或特征，即它們反映的是現(xiàn)象的質(zhì)的特征。這些因素還很可能是重要的影響因素，這時就需要在模型中引入這類變量。引入的方式就是以虛擬變量的形式引入。22模型中引入虛擬變量的作用是什么？答：（1）可以描述和測量定性因素的影響；（2）能夠正確反映經(jīng)濟(jì)變量之間的關(guān)系，提高模型的精度；（3）便于處理異常數(shù)據(jù)。23虛擬變量引入的原則是什么？答：（1）如果一個定性因素有m方面的特征，則在模型中引入m-1個虛擬變量；（2）如果模型中有m個定性因素，而每個定性因素只有兩方面的屬性或特征，則在模型中引入m個虛擬變量；如果定性因素有兩個及以上個屬性，則參照“一個因素多個屬性”的設(shè)置虛擬變量。24虛擬變量引入的方式及每種方式的作用是什么？答：（1）加法模式：其作用是改變了模型的截距水平； （2）乘法模式：其作用在于兩個模型間的比較、因素間的交互影響分析和提高模型的描述精度；25.舉例說明如何引進(jìn)加法模式和乘法模式建立虛擬變量模型。 答案：設(shè)Y為個人消費支出；X表示可支配收入，定義 如果設(shè)定模型為 此時模型僅影響截距項，差異表現(xiàn)為截距項的和，因此也稱為加法模型。如果設(shè)定模型為此時模型不僅影響截距項，而且還影響斜率項。差異表現(xiàn)為截距和斜率的雙重變化，因此也稱為乘法模型。26判斷計量經(jīng)濟(jì)模型優(yōu)劣的基本原則是什么？答：（1）模型應(yīng)力求簡單；（2）模型具有可識別性；（3）模型具有較高的擬合優(yōu)度；（4）模型應(yīng)與理論相一致；（5）模型具有較好的超樣本功能。27設(shè)定誤差產(chǎn)生的主要原因是什么？答案：原因有四：（1）模型的制定者不熟悉相應(yīng)的理論知識；（1分）（2）對經(jīng)濟(jì)問題本身認(rèn)識不夠或不熟悉前人的相關(guān)工作；（1分）（3）模型制定者缺乏相關(guān)變量的數(shù)據(jù)；（1分）（4）解釋變量無法測量或