計(jì)量經(jīng)濟(jì)學(xué)整理重點(diǎn)

1、5*3分=15分）（斜體表明僅供參考）計(jì)量經(jīng)濟(jì)學(xué)：以經(jīng)濟(jì)理論和經(jīng)濟(jì)數(shù)據(jù)的事實(shí)為依據(jù)，運(yùn)用數(shù)學(xué)和統(tǒng)計(jì)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。最小二乘法：指在滿足古典假設(shè)的條件下，用使估計(jì)的剩余平方和最小的原則確定樣本回歸函數(shù)的方法，簡(jiǎn)稱OLS隨機(jī)擾動(dòng)項(xiàng)：總體回歸函數(shù)中，各個(gè)Y值與條件期望的Y值的偏差，又稱隨機(jī)誤差項(xiàng)。是代表那些對(duì)Y有影響但又未納入模型的諸多因素的影響?？傮w回歸函數(shù)：在給定解釋變量X條件下，總體被解釋變量Y的期望軌跡，函數(shù)式表示為E（YIX）二f（Xi尸Bo+BiX樣本回歸函數(shù)：在總體中抽取若干個(gè)樣本構(gòu)成新的總體，然后在新的總體下，給定解釋變量Xi，被解釋

2、變量Y的期望軌跡，函數(shù)式表示為E（YIX）=Ya=B0A+B1Ax系數(shù)顯著性檢驗(yàn):（t檢驗(yàn)）對(duì)回歸系數(shù)對(duì)應(yīng)的解釋變量是否對(duì)被解釋變量有顯著影響的統(tǒng)計(jì)學(xué)檢驗(yàn)方法方程顯著性檢驗(yàn):（F檢驗(yàn)）對(duì)模型的被解釋變量與所有解釋變量之間的線性關(guān)系在整體上是否顯著的統(tǒng)計(jì)學(xué)檢驗(yàn)方法高斯-馬爾可夫定理：在古典假設(shè)的條件下，OLS古計(jì)量是總體參數(shù)的最佳線性無偏估計(jì)量，即BULE擬合優(yōu)度：為說明多元線性回歸模型中對(duì)觀測(cè)值的擬合情況，可以考察在Y的總變差中能由解釋變量所解釋的那部分變差的比重，即回歸平方和與總體平方和的比值，R2=ESS/TSS=1-RSS/TSS.調(diào)整的可決系數(shù):是一個(gè)用于描述多個(gè)解釋變量對(duì)被解釋變量的

3、聯(lián)合影響程度的統(tǒng)計(jì)量，相對(duì)可決系數(shù)而言，克服了隨解釋變量的增加而變大的缺陷。表達(dá)式為R2=1-（n-1）RSS/（n-k）TSS多重共線性:指解釋變量之間存在的完全或近似的線性關(guān)系異方差：模型中隨機(jī)誤差項(xiàng)不再滿足經(jīng)典假設(shè)的同方差假定，具方差隨觀測(cè)個(gè)體的變化而變化，即Xei）2二（Ti加權(quán)最小二乘法：在擬合存在異方差的模型中，對(duì)不同的2區(qū)別對(duì)待（重小輕大原則），構(gòu)造權(quán)數(shù)貼1/bi2,根據(jù)最小二乘原理，使加權(quán)的殘差平方和最小，從而估計(jì)參數(shù)，這種求解參數(shù)估計(jì)式的方法為加權(quán)最小二乘法。自相關(guān)：又稱序列相關(guān)，是指在總體回歸模型的隨機(jī)誤差項(xiàng)Ui之間存在相關(guān)關(guān)系就，即cov（ui,Uj）W0.（iwj）判斷

4、題（10*1分=10分）1、隨機(jī)誤差項(xiàng)Ui與殘差項(xiàng)ei是一回事。（乂）2、總體回歸函數(shù)給出了對(duì)應(yīng)于每一個(gè)自變量的因變量的值。（乂）3、線性回歸模型意味著因變量是自變量的線性函數(shù)。（乂）4、在線性回歸模型中，解釋變量是原因，被解釋變量是結(jié)果。（V）5、在實(shí)際中，一元回歸沒什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個(gè)解釋變量來解釋。（乂）6、盡管有完全的多重共線性，OL時(shí)計(jì)量仍然是最優(yōu)線性無偏估計(jì)量。（乂）7、在高度多重共線的情形中，要評(píng)價(jià)一個(gè)或多個(gè)偏回歸系數(shù)的個(gè)別顯著性是不可能的。（乂）8、如果有某一輔助回歸顯示出高的Ri2®,則高度共線性的存在是肯定無疑的了。（V）9、變量的兩兩高度相關(guān)并

5、不表示高度多重共線性。（乂）10、如果分析的目的僅僅是預(yù)測(cè)，則多重共線性是無害的。（V）11、在多元回歸中，根據(jù)通常的t檢驗(yàn)，每個(gè)參數(shù)都是統(tǒng)計(jì)上不顯著的，你就不會(huì)得到一個(gè)高的R2值。（乂）12、變量不存在兩兩高度相關(guān)表示不存在高度多重共線性。（乂）13、當(dāng)異方差出現(xiàn)時(shí)，最小二乘估計(jì)是有偏的和不具有最小方差特性。（乂）14、當(dāng)異方差出現(xiàn)時(shí)，常用的t檢驗(yàn)和F檢驗(yàn)失效。（V）15、在異方差情況下，通常OLS古計(jì)一定高估了估計(jì)量的標(biāo)準(zhǔn)差。（乂）16、如果OLS回歸的殘差表現(xiàn)出系統(tǒng)性，則說明數(shù)據(jù)中有異方差性。（V）17、如果回歸模型遺漏一個(gè)重要的變量，則OL軸差必定表現(xiàn)出明顯的趨勢(shì)。（V）18、在異方差

6、情況下，通常預(yù)測(cè)失效。（V）19、當(dāng)模型存在高階自相關(guān)時(shí)，可用D-Wfc進(jìn)行自相關(guān)檢驗(yàn)。（乂）20、當(dāng)模型的解釋變量包括內(nèi)生變量的滯后變量時(shí)，D-W檢驗(yàn)就不適用了。（，）21、DWS在0和4之間，數(shù)值越小說明正相關(guān)程度越大，數(shù)值越大說明負(fù)相關(guān)程度越大。（，）22、假設(shè)模型存在一階自相關(guān)，其他條件均滿足，則仍用OLSfc估計(jì)未知參數(shù)，得到的估計(jì)量是無偏的，不再是有效的，顯著性檢驗(yàn)失效，預(yù)測(cè)失效。（V）23、當(dāng)存在自相關(guān)時(shí)，OLSA計(jì)量是有偏的，而且也是無效的。（乂）24、消除自相關(guān)的一階差換變換假定自相關(guān)系數(shù)必須等于1。（乂）25、發(fā)現(xiàn)模型中存在誤差自相關(guān)時(shí)，都可以利用差分法來消除自相關(guān)。（V）

7、26、在自回歸模型中，由于某些解釋變量是被解釋變量的滯后變量，如yt12Xt3yt1ut那么杜賓一沃森（D-W檢驗(yàn)法不適用。（V）27、在杜賓沃森（DW檢驗(yàn)法中，我們假定誤差項(xiàng)的方差是同方差。（V）28、模型兒12Xtut中的R2與ytyt12（%x-）”中的R2不可以直接進(jìn)行比較。（，）三、漢譯英(15分)1、Autocorrelationalsoknownas?serialcorrelation,isthe?ofa?withitself,inlinearregressionanalysis,iftheerrorsareseriallydependent=>autocorrelatio

8、n/serialcorrelationLikelycauses:1.Omitvariablethatoughttobeincluded.2.Misspecificationofthefunctionalform.Thisismostobviouswhereastraightlineisputthroughacurveofdots.Thiswouldclearlyshowupinplotsofresiduals.3.Errorsofmeasurementinthedependentvariable.Iftheerrorsarenotrandomthentheerrortermwillpickup

9、anysystematicmistakes.TheProblem:OLSisnotthebestestimationmethod.(isunbiased,consistent,inefficient)Itwillunderestimatethetruevariance.Sothetvalueswilllooktoogood,willrejectH0whenitistrueTests:1.Plottheresidualsovertimeoragainstaparticularvariableandseeifthereisa.DurbinWatsonStatistic:Solutions:incr

10、easenumberofobservationsspecifycorrectlyGLS1、自相關(guān)又稱序列相關(guān)，在線性回歸分析中，如果隨機(jī)誤差是連續(xù)相關(guān)的，自相關(guān)是以1,小2,，仙n序列自身的相關(guān)。產(chǎn)生原因：1.忽略了遺漏變量2.函數(shù)形式的設(shè)定偏誤。例如，將本應(yīng)該是曲線的模型設(shè)定為線性曲線的模型，這將會(huì)在殘差圖中明確地表現(xiàn)出來。3.相關(guān)變量的處理錯(cuò)誤。如果誤差不是隨機(jī)的，那么將會(huì)產(chǎn)生系統(tǒng)誤差。后果：普通最小二乘法（OLS不是最好的估計(jì)方法（無偏的，一致的，無效的）它將低估參數(shù)估計(jì)值的真實(shí)方差，從而過高估計(jì)t統(tǒng)計(jì)量的值，當(dāng)H為真時(shí)，拒絕H。檢驗(yàn)：1.按照時(shí)間順序或者一個(gè)特定的變量繪制回歸殘差項(xiàng)的圖

11、形并且觀察是否逐次有規(guī)律地變化。檢驗(yàn)法解決方法：增大樣本容量準(zhǔn)確定義GLS（廣義的最小二乘法回歸）2、Theeconometricsliteraturefocusesonuseofthebootstrapinhypothesistesting,whichreliesonapproximationofprobabilitiesinthetailsofthedistributionsofstatistics.Otherapplicationsaretoconfidenceintervals,estimationofstandarderrors,andbiaseducation.Thebootstr

12、apisstraightforwardtoimplementforsmoothVNconsistentestimatorsbasedoniidsamples,thoughbootstrapswithasymptoticrefinementsareunderutilized.Cautionisneededinothersettings,includingnon-smoothestimatorssuchasthemedian,nonparametricestimators,andinferencefordatathatarenotiid.計(jì)量經(jīng)濟(jì)學(xué)文獻(xiàn)側(cè)重于假設(shè)檢驗(yàn)中的自舉估計(jì)方法的使用，它依賴于

13、檢驗(yàn)統(tǒng)計(jì)量尾部概率分布的近似值。其他的應(yīng)用是對(duì)置信區(qū)間，標(biāo)準(zhǔn)誤差估計(jì)和偏差的評(píng)判。通常統(tǒng)計(jì)量不是漸進(jìn)充分的，但對(duì)于獨(dú)立同分布的自舉樣本，且統(tǒng)計(jì)量是光滑，N一致統(tǒng)計(jì)量時(shí)，自舉估計(jì)量較容易實(shí)現(xiàn)。，對(duì)于樣本不是獨(dú)立同分布或者統(tǒng)計(jì)量是非光滑估計(jì)量和非參數(shù)估計(jì)量等其它情形，自舉推斷較復(fù)雜。3、TheDurbin-Watson?testhasbecomesovenerablethatpractitionersoftenforgettheassumptionsunderlyingthetest.Inparticular,theassumptionsthat（1）theexplanatoryvariables

14、arenon-stochastic;（2）theerrortermfollowsthenormaldistribution;（3）theregressionmodelsdonotincludethelaggedvalue（s）oftheregressand;and（4）onlythefirst-orderserialcorrelationistakenintoaccountareveryimportantfortheapplicationoftheDWtest.ItshouldalsobeaddedthatasignificantDWstatisticmaynotnecessarilyindi

15、cateautocorrelation.Rather,itmaybeanindicationofomissionofrelevantvariablesfromthemodel.注：venerable?珍貴的，神圣的；regressand回歸元，在計(jì)量經(jīng)濟(jì)學(xué)中常指被解釋變量；normaldistribution?正態(tài)分布；?thefirst-orderserialcorrelation?一階自相關(guān)；DW檢驗(yàn)如此高大上以至于檢驗(yàn)人員經(jīng)常忘記相關(guān)的假設(shè)檢驗(yàn)，特別是，如下假設(shè)（1）被解釋變量是非隨機(jī)的（2）誤差項(xiàng)遵循正態(tài)分布（3）回歸模型不包括解釋變量的滯后值（4）在應(yīng)用DW僉驗(yàn)最重要的一點(diǎn)是只考慮一

16、階自相關(guān)。同樣應(yīng)該注意的是，一個(gè)重要的DW充計(jì)量可能不一定表明自相關(guān)關(guān)系，而是這個(gè)序列模型遺漏了相關(guān)變量的一個(gè)跡象而已。四、簡(jiǎn)答題（45個(gè)共20分）1、回歸分析與相關(guān)分析的區(qū)別與聯(lián)系?聯(lián)系：回歸分析與相關(guān)分析都是研究變量間的統(tǒng)計(jì)學(xué)課題。回歸分析是在相關(guān)分析和因果分析的基礎(chǔ)上，去研究解釋變量對(duì)被解釋變量的影響，相關(guān)分析中相關(guān)系數(shù)的確定是建立在回歸分析的基礎(chǔ)上的，二者互相補(bǔ)充、相輔相成。2、經(jīng)典假設(shè)的內(nèi)容是什么？零均值假定；同方差假定；無自相關(guān)假定；隨機(jī)擾動(dòng)項(xiàng)與解釋變量不相關(guān)；正態(tài)性假定。3、影響隨機(jī)誤差項(xiàng)的主要因素有哪些？模型設(shè)定誤差；變量的觀測(cè)誤差；經(jīng)濟(jì)變量的內(nèi)在隨機(jī)性；影響因素?cái)?shù)據(jù)無法取得4

17、、 產(chǎn)生多重共線性的背景？判斷方法？處理方法？對(duì)模型的主要影響？產(chǎn)生背景：經(jīng)濟(jì)變量之間有共同變化的趨勢(shì)；模型中包含滯后變量；利用截面數(shù)據(jù)建立模型；樣本數(shù)據(jù)自身的問題。判斷方法：簡(jiǎn)單相關(guān)系數(shù)法、方差膨脹因子法、條件系數(shù)法、經(jīng)驗(yàn)法、（逐步回歸檢測(cè)法）處理方法：增大樣本數(shù)、剔除變量、嶺回歸完全多種共線性對(duì)模型的影響：參數(shù)的估計(jì)值不確定；參數(shù)估計(jì)值的方差無限大。嚴(yán)重多重共線性對(duì)模型的影響：參數(shù)估計(jì)的方差和協(xié)方差增大；參數(shù)估計(jì)的置信區(qū)間趨于變大；假設(shè)檢驗(yàn)容易作出錯(cuò)誤的判斷；可能造成可決系數(shù)RA2較高，F(xiàn)檢驗(yàn)的顯著性很高，但t檢驗(yàn)卻可能不顯著。5、 異方差的影響？檢測(cè)手段？補(bǔ)救措施？影響：對(duì)估計(jì)參數(shù)的統(tǒng)計(jì)

18、特性的影響有參數(shù)的OLS古計(jì)仍然具有無偏性但是其方差不再是最小的；古典假設(shè)下的假設(shè)檢驗(yàn)即t、F檢驗(yàn)不再成立；檢測(cè)手段：圖示法、Glejser檢驗(yàn)、Goldfeld-Quanadt檢驗(yàn)、White檢驗(yàn)、ARGHt驗(yàn)；補(bǔ)救措施：加權(quán)最小二乘法、模型對(duì)數(shù)變換、對(duì)模型變換。懷特檢驗(yàn)（White檢驗(yàn)）的步驟（了解120121）、加權(quán)最小二乘法的思想。6、自相關(guān)的后果？（同異方差）對(duì)估計(jì)參數(shù)的統(tǒng)計(jì)特性的影響有參數(shù)的OLS古計(jì)仍然具有無偏性但是其方差不再是最小的；古典假設(shè)下的假設(shè)檢驗(yàn)即t、F檢驗(yàn)不再成立（標(biāo)準(zhǔn)誤被低估，t值高估）7、DW僉驗(yàn)的步驟、五個(gè)區(qū)域及其應(yīng)用條件？步驟：構(gòu)建原假設(shè)Wp=0;構(gòu)建統(tǒng)計(jì)量D忡2（1-pA）；查口囚力布表，彳#到相應(yīng)DL和DU；判定模型自相關(guān)狀態(tài)。五個(gè)區(qū)域：00DWDL正相關(guān)；CLvDWDU不確定；DUVDWV4-D無自相關(guān)；4-Du<DW<4-D不能