计量经济学简答题部分答案-自行整理的-仅供参考

第一章判断题1、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。错。参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。4.一元线性回归模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的；正确最好能够写出一元线性回归模型；F统计量与t统计量的关系，即F=t2的来历；或者说明一元线性回归仅有一个解释变量，因此对斜率系数的t检验等价于对方程的整体性检验。6、在对参数进行最小二乘估计之前，没有必要对模型提出经典假定。错误在经典假定条件下，OLS估计得到的参数估计量是该参数的最佳线性无偏估计（具有线性、无偏性、有效性）。总之，提出古典假定是为了使所作出的估计量具有较好的统计性质和方便地进行统计推断。简答题1．在确定了被解释变量之后，怎样才能正确地选择解释变量？（1）需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。（2）要考虑数据的可得性。（3）要考虑所以入选变量之间的关系，使得每一个解释变量都是独立的。2．时间序列数据和横截面数据有何不同？时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。3．相关关系与因果关系的区别与联系。相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。4．回归分析与相关分析的区别与联系。相关分析是判断变量之间是否具有相关关系的数学分析方法，通过计算变量之间的相关系数来实现。回归分析也是判断变量之间是否具有相关关系的一种数学分析方法，它着重判断一个随机变量与一个或几个可控变量之间是否具有相关关系。第二章简答题1.给定一元线性回归模型：tttXY10nt,,2,1（1）叙述模型的基本假定；（2）写出参数0和1的最小二乘估计公式；（3）说明满足基本假定的最小二乘估计量的统计性质；（4）写出随机扰动项方差的无偏估计公式。答:（1）零均值，同方差，无自相关，解释变量与随机误差项相互独立（或者解释变量为非随机变量）（2）nttntttxyx1211ˆ，XY10ˆˆ（3）线性即，无偏性即，有效性即（4）2ˆ122nentt，其中ntttnttnttnttnttyxyxye111212211212ˆˆ2.随机误差项包含哪些因素影响。（1）解释变量中被忽略的因素的影响；（2）变量观测值的观测误差的影响；（3）模型关系的设定误差的影响；（4）其它随机因素的影响。3.线性回归模型的基本假设。违背基本假设的计量经济模型是否可以估计。（1）随机误差项具有零均值。即E(i)=0i=1,2,…n（2）随机误差项具有同方差。即Var(i)=2i=1,2,…n（3）随机误差项在不同样本点之间是独立的，不存在序列相关。即Cov(ji,)=0i≠ji,j=1,2,…n（4）解释变量kXXX,,,21是确定性变量，不是随机变量，随机误差项与解释变量之间不相关。即Cov(ijiX,)=0j=1,2,…ki=1,2,…n（5）解释变量之间不存在严重的多重共线性。（6）随机误差项服从零均值、同方差的正态分布。即4.普通最小二乘法参数估计量的统计性质及其含义。答：线性。所谓线性是指参数估计量ˆ是iY的线性函数。无偏性。所谓无偏性是指参数估计量ˆ的均值（期望）等于模型参数值，即00)ˆ(E，11)ˆ(E。有效性。参数估计量的有效性是指在所有线性、无偏估计量中，该参数估计量的方差最小。9.什么是总体回归函数和样本回归函数?它们之间的区别是什么以简单线性回归模型为例，总体回归函数是总体因变量的条件期望表现为自变量函数；总体回归函数是确定的和未知的，是回归分析所估计的对象。样本函数是根据样本数据所估计出的因变量与自变量之间的函数关系；回归分析的目的是用样本回归函数来估计总体回归函数。它们的区别在于，总体回归函数是未知但是确定的，而样本回归函数是随样本波动而变化；总体回归函数的参数是确定的，而样本回归函数的系数是随机变量；总体回归函数中的误差项不可观察，而样本回归函数中的残差项是可以观察的。10.什么是随机扰动项和残差？它们之间的区别是什么答：随机误差项表示自变量之外其他变量对因变量产生的影响，是不可观察的的，通常要对其给出一定的假设。残差项是指因变量实际观测值与样本回归函数计算的估计值之间的偏差，是可以观测的。他们的区别在于，反映的含义是不同且可观测性也不同。11为什么在对参数作最小二乘估计之前要对模型提出古典假设？答：最小二乘发只是寻找估计量的一种方法，其寻找到的估计量是否具有良好的性质则依赖模型的一些基本的假定。只有一系列的经典假定下，最小二乘估计才是BLUE即在古典假定条件下，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。12.对参数假设检验的基本思想是什么？答：假设检验的基本思路是首先对总体参数值提出假设，然后再利用样本告知的信息去验证先前提出的假设是否成立。如果样本数据不能充分证明和支持假设，则在一定的概率条件下，应拒绝该假设；相反，如果样本数据不能够充分证明和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。假设检验推断过程所依据的基本信念是小概率原理，即发生概率很小的随机事件，在某一次特定的实验中几乎不可能发生的。6.a图呈无规律变化；b图中当X增加时，随机误差项的方差也随之增大；c图中随机误差项的方差与X的变化无关；d图中当X增加时，随机误差项的方差与之呈U形变化。四、计算题1、已知某公司的广告费用(X)与销售额(Y)的统计数据如下表所示：X(万元)402520304040252050205020Y(万元)490395420475385525480400560365510540(1)估计销售额关于广告费用的一元线性回归模型(2)说明参数的经济意义(3)在的显著水平下对参数的显著性进行t检验。解：(1)利用OLS法估计样本回归直线为：iiXY185.4086.319ˆ(2)参数的经济意义：当广告费用每增加1万元，公司的销售额平均增加4.185万元。(3))10(79.3)ˆ(ˆ025.011tVart，广告费用对销售额的影响是显著的。第二章JournalAlmanac1999）上。航班正点到达的比率和每10万名乘客投诉的次数的数据如下:航空公司名称航班正点率（%）投诉率（次/10万名乘客）西南(Southwest)航空公司81.80.21大陆(Continental)航空公司76.60.58西北(Northwest)航空公司76.60.85美国(USAirways)航空公司75.70.68联合(United)航空公司73.80.74美洲(American)航空公司72.20.93德尔塔（Delta）航空公司71.20.72美国西部(Americawest)航空公司70.81.22环球(TWA)航空公司68.51.25利用EViews估计其参数结果为：DependentVariable:YMethod:LeastSquaresDate:06/11/09Time:19:12Sample:19Includedobservations:9VariableCoefficientStd.Errort-StatisticProb.C6.0178321.0522605.7189610.0007X-0.0704140.014176-4.9672540.0016R-squared0.778996Meandependentvar0.797778AdjustedR-squared0.747424S.D.dependentvar0.319991S.E.ofregression0.160818Akaikeinfocriterion-0.623958Sumsquaredresid0.181037Schwarzcriterion-0.580130Loglikelihood4.807811F-Statistic24.67361Durbin-Watsonstat2.526971Prob(F-Statistic)0.001624(1)求出描述投诉率是如何依赖航班按时到达正点率的估计的回归方程。(2)对估计的回归方程的斜率作出解释。(3)如果航班按时到达的正点率为80%，估计每10万名乘客投诉的次数是多少？解：描述投诉率（Y）依赖航班按时到达正点率（X）的回归方程：iiiXY10即iiXY070414.0017832.6ˆt=(5.718961)(-4.967254)R2=0.778996F=24.67361DW=2.526971这说明当航班正点到达比率每提高1个百分点,平均说来每10万名乘客投诉次数将下降0.07次。如果航班按时到达的正点率为80%，估计每10万名乘客投诉的次数为384712.080070414.0017832.6ˆ0Y（次）第二章简单题1.对于多元线性计量经济学模型：tktktttXXXY33221nt，，，21（1）该模型的矩阵形式及各矩阵的含义；（2）对应的样本线性回归模型的矩阵形式；（3）模型的最小二乘参数估计量。答：（1）NXBY；121nnYYYY)1(212221212111111knknnnkkXXXXXXXXXX1)1(210knB121nnN（2）EBXYˆ；（3）YXXXB1ˆ。2．为什么要计算调整后的可决系数？答：剔除样本容量和解释变量个数的影响。3.拟合优度检验与方程显著性检验的区别与联系。区别：它们是从不同原理出发的两类检验。拟合优度检验是从已经得到估计的模型出发，检验它对样本观测值的拟合程度，方程显著性检验是从样本观测值出发检验模型总体线性关系的显著性。联系：模型对样本观测值的拟合程度高，模型总体线性关系的显著性就强。可通过统计量之间的数量关系来加以表示：kFknnR1112。4.如何缩小参数估计量的置信区间。（1）增大样本容量n；（2）提高模型的拟合优度，减少残差平方和；（3）提高样本观测值的分散度第三章多重共线性2、下面结果是利用某地财政收入对该地第一、二、三产业增加值的回归结果，根据这一结果试判断该模型是否存在多重共线性，说明你的理由。DependentVariable:REVMethod:LeastSquaresSample:110Includedobservations:10VariableCoefficientStd.Errort-StatisticProb.C17414.6314135.101.2320130.2640GDP1-0.2775100.146541-1.8937430.1071GDP20.0848570.0935320.9072520.3992GDP30.1905170.1516801.2560480.2558R-squared0.993798Meandependentvar63244.00AdjustedR-squared0.990697S.D.dependentvar54281.99S.E.ofregression5235.544Akaikeinfocriterion20.25350Sumsquaredresid1.64E+08Schwarzcriterion20.37454Loglike