计量经济学简答题及答案

1计量经济学简答题及答案1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。答：普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据，反映在图上就是是样本点偏离样本回归线的距离总体上最小，即残差平方和最小niie12min。只有在满足了线性回归模型的古典假设时候，采用OLS才能保证参数估计结果的可靠性。在不满足基本假设时，如出现异方差，就不能采用OLS。加权最小二乘法是对原模型加权，对较小残差平方和2ie赋予较大的权重，对较大2ie赋予较小的权重，消除异方差，然后在采用OLS估计其参数。在出现序列相关时，可以采用广义最小二乘法，这是最具有普遍意义的最小二乘法。最小二乘法是加权最小二乘法的特例，普通最小二乘法和加权最小二乘法是广义最小二乘法的特列。6、虚拟变量有哪几种基本的引入方式?它们各适用于什么情况?答:在模型中引入虚拟变量的主要方式有加法方式与乘法方式，前者主要适用于定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。7、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS估计？答：主要的原因有三：第一，结构方程解释变量中的内生解释变量是随机解释变量,不能直接用OLS来估计；第二，在估计联立方程系统中某一个随机方程参数时，需要考虑没有包含在该方程中的变量的数据信息，而单方程的OLS估计做不到这一点；第三，联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性，表现于不同方程随机干扰项之间，如果采用单方程方法估计某一个方程，是不可能考虑这种相关性的，造成信息的损失。2、计量经济模型有哪些应用。答：①结构分析，即是利用模型对经济变量之间的相互关系做出研究，分析当其他条件不变时，模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测，即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价，对不同的政策方案可能产生的后果进行评价对比，从中做出选择的过程。④检验和发展经济理论，计量经济模型可用来检验经济理论的正确性，并揭示经济活动所遵循的经济规律。6、简述建立与应用计量经济模型的主要步骤。答：一般分为5个步骤：①根据经济理论建立计量经济模型；②样本数据的收集；③估计参数；④模型的检验；⑤计量经济模型的应用。7、对计量经济模型的检验应从几个方面入手。答：①经济意义检验；②统计准则检验；③计量经济学准则检验；④模型预测检验。21、在计量经济模型中，为什么会存在随机误差项？答：①模型中被忽略掉的影响因素造成的误差；②模型关系认定不准确造成的误差；③变量的测量误差；④随机因素。这些因素都被归并在随机误差项中考虑。因此，随机误差项是计量经济模型中不可缺少的一部分。2、古典线性回归模型的基本假定是什么？答：①零均值假定。即在给定xt的条件下，随机误差项的数学期望（均值）为0，即tE(u)=0。②同方差假定。误差项tu的方差与t无关，为一个常数。③无自相关假定。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。⑤正态性假定，即假定误差项tu服从均值为0，方差为2的正态分布。3、总体回归模型与样本回归模型的区别与联系。答：主要区别：①描述的对象不同。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。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。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。4、试述回归分析与相关分析的联系和区别。答：两者的联系：①相关分析是回归分析的前提和基础；②回归分析是相关分析的深入和继续；③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。②对两个变量x与y而言，相关分析中：xyyxrr；但在回归分析中，01ˆˆˆttybbx和01ˆˆˆttxaay却是两个完全不同的回归方程。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。5、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？答：①线性，是指参数估计量0ˆb和1ˆb分别为观测值ty和随机误差项tu的线性函数或线性组合。②无偏性，指参数估计量0ˆb和1ˆb的均值（期望值）分别等于总体参数0b和1b。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0ˆb和1ˆb的方差最小。6、简述BLUE的含义。答：在古典假定条件下，OLS估计量0ˆb和1ˆb是参数0b和1b的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。7、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？答：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。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。因此还需要就每个解释变量对被解3释变量的影响是否显著进行检验，即进行t检验。2.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？解答：因为人们发现随着模型中解释变量的增多，多重决定系数2R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。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.修正的决定系数2R及其作用。解答：222/11()/1ttenkRyyn，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）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。4.常见的非线性回归模型有几种情况？解答：常见的非线性回归模型主要有:(1)对数模型01lnlntttybbxu(2)半对数模型01lntttybbxu或01lntttybbxu(3)倒数模型0101111ybbubbuxyx或(4)多项式模型2012...kkybbxbxbxu2.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。（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。3.检验异方差性的方法有哪些？（1）图示检验法；（2）戈德菲尔德—匡特检验；（3）怀特检验；（4）戈里瑟检验和帕克检验（残差回归检验法）；（5）ARCH检验（自回归条件异方差检验）4.异方差性的解决方法有哪些？（1）模型变换法；（2）加权最小二乘法；（3）模型的对数变换等5.什么是加权最小二乘法？它的基本思想是什么？最小二乘法的基本原理是使残差平方和2te为最小，在异方差情况下，总体回归直线对于不同的ttex,的波动幅度相差很大。随机误差项方差2t越小，4样本点ty对总体回归直线的偏离程度越低，残差te的可信度越高（或者说样本点的代表性越强）；而2t较大的样本点可能会偏离总体回归直线很远，te的可信度较低（或者说样本点的代表性较弱）。因此，在考虑异方差模型的拟合总误差时，对于不同的2te应该区别对待。具体做法：对较小的2te给于充分的重视，即给于较大的权数；对较大的2te给于充分的重视，即给于较小的权数。更好的使2te反映)var(iu对残差平方和的影响程度，从而改善参数估计的统计性质。6.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。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。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）tu服从正态分布，且除了异方差条件外，其它假定均满足。1．简述DW检验的局限性。答：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..DW值区域，这是这种检验方法的一大缺陷。其次：..DW检验只能检验一阶自相关。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..DW检验。二、简答题1、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。2、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。3、虚拟变量引入的方式及每种方式的作用是什么？答案：（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。4、判断计量经济模型优劣的基本原则是什么？5答案：（1）模型应力求简单；（2）模型具有可识别性；（3）模型具有较高的拟合优度；（4）模型应与理论相一致；（5）模型具有较好的超样本功能。5、模型设定误差的类型有那些？答案：（1）模型中添加了无关的解释变量；（2）模型中遗漏了重要的解释变量；（3）模型使用了不恰当的形式。6、工具变量选择必须满足的条件是什么？答案：选择工具变量必须满足以下两个条件：（1）工具变量与模型中的随机解释变量高度相关；（2）工具变量与模型的随机误差项不相关。7、滞后变量模型包括哪几种类型？写出各自的模型形式。答案：滞后变量模型包括两种类型：自回归模型和分布滞后模型。自回归模型是模型的解释变量中包含滞后被解释变量，基本形式为：；分布滞后模型是指模型中不仅包含解释变量的当期值，还包括解释变量的滞后值基本形式为：。8、设定误差产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应的理论知识；（2）对经济问题本身认识不够或不熟悉前人的相关工作；（3）模型制定者缺乏相关变量的数据；（4）解释变量无法测量或数据本身存在测量误差。9、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？答案：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。引入的方式就是以虚拟变量的形式引入。1、直接用最