名词解释和简答

第一章导论三、名词解释经济变量：经济变量是用来描述经济因素数量水平的指标。解释变量：解释变量也称自变量，是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。它对因变量的变动作出解释，表现为议程所描述的因果关系中的“因”。被解释变量：被解释变量也称因变量或应变量，是作为研究对象的变量。它的变动是由解释变量作出解释的，表现为议程所描述的因果关系的果。内生变量：内生变量是由模型系统内部因素所决定的变量，表现为具有一定概率颁的随机变量，其数值受模型中其他变量的影响，是模型求解的结果。外生变量：外生变量是由模型统计之外的因素决定的变量，不受模型内部因素的影响，表现为非随机变量，但影响模型中的内生变量，其数值在模型求解之前就已经确定。滞后变量：滞后变量是滞后内生变量和滞后外生变量的合称，前期的内生变量称为滞后内生变量；前期的外生变量称为滞后外生变量。前定变量：通常将外生变量和滞后变量合称为前定变量，即是在模型求解以前已经确定或需要确定的变量。控制变量：控制变量是为满足描绘和深入研究经济活动的需要，在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，它一般属于外生变量。计量经济模型：计量经济模型是为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，是以数学形式对客观经济现象所作的描述和概括。四、简答题1、简述计量经济学与经济学、统计学、数理统计学学科间的关系。答：计量经济学是经济理论、统计学和数学的综合。经济学着重经济现象的定性研究，而计量经济学着重于定量方面的研究。统计学是关于如何惧、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。数量统计各种数据的惧、整理与分析提供切实可靠的数学方法，是计量经济学建立计量经济模型的主要工具，但它与经济理论、经济统计学结合而形成的计量经济学则仅限于经济领域。计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程。因此计量经济学是经济理论、统计学和数学三者的统一。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。第2章一元线性回归模型四、简答1、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释变量的影响是否显著进行检验，即进行t检验。第3章多元线性回归模型三、名词解释1.偏回归系数：在多元回归分析中，随机因变量对各个自变量的回归系数，表示各自变量对随机变量的影响程度。2.回归变差：简称ESS,表示由回归直线（即解释变量）所解释的部分，表示x对y的线性影响。3.剩余变差：简称RSS，是未被回归直线解释的部分，是由解释变量以外的因素造成的影响。4.多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值，也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重，我们称之为多重决定系数，仍用R2表示。5.调整后的决定系数：又称修正后的决定系数，记为2R，是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的，其公式为：22/(1)1()/(1)ttenkRyyn。6.偏相关系数:在Y、X1、X2三个变量中，当X1既定时（即不受X1的影响），表示Y与X2之间相关关系的指标，称为偏相关系数，记做2.1YR。四、简答1.给定二元回归模型：01122ttttybbxbxu，请叙述模型的古典假定。解答：（1）随机误差项的期望为零，即()0tEu。（2）不同的随机误差项之间相互独立，即cov(,)[(())(()]()0tsttsstsuuEuEuuEuEuu。（3）随机误差项的方差与t无关，为一个常数，即2var()tu。即同方差假设。（4）随机误差项与解释变量不相关，即cov(,)0(1,2,...,)jttxujk。通常假定jtx为非随机变量，这个假设自动成立。（5）随机误差项tu为服从正态分布的随机变量，即2(0,)tuN。（6）解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性关系，即不存在多重共线性。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(5)成长曲线模型包括逻辑成长曲线模型101tbtKybe和Gompertz成长曲线模型01tKbbtye5.观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。①tttuxbby310②tttuxbbylog10③tttuxbbyloglog10④tttuxbby)/(10解答：①系数呈线性，变量非线性；②系数呈线性，变量非呈线性；③系数和变量均为非线性；④系数和变量均为非线性。6.观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。①tttuxbbylog10②tttuxbbby)(210③tttuxbby)/(10④tbttuxby)1(110解答：①系数呈线性，变量非呈线性；②系数非线性，变量呈线性③系数和变量均为非线性；④系数和变量均为非线性。第4章异方差性三、名词解释1.异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项具有异方差性。2.戈德菲尔特-匡特检验:该方法由S.M.Goldfeld和R.E.Quandt于1965年提出，用对样本进行分段比较的方法来判断异方差性。3.怀特检验:该检验由White在1980年提出，通过建立辅助回归模型的方式来判断异方差性。4.戈里瑟检验和帕克检验:该检验法由戈里瑟和帕克于1969年提出，其基本原理都是通过建立残差序列对解释变量的（辅助）回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系，进而判断是否存在异方差性。四、简答题1.什么是异方差性？试举例说明经济现象中的异方差性。异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项iu具有异方差性，即常数2)var(tiu（t=1，2，……，n）。例如，利用横截面数据研究消费和收入之间的关系时，对收入较少的家庭在满足基本消费支出之后的剩余收入已经不多，用在购买生活必需品上的比例较大，消费的分散幅度不大。收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围。由于个性、爱好、储蓄心理、消费习惯和家庭成员构成等那个的差异，使消费的分散幅度增大，或者说低收入家庭消费的分散度和高收入家庭消费得分散度相比较，可以认为牵着小于后者。这种被解释变量的分散幅度的变化，反映到模型中，可以理解为误差项方差的变化。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。产生原因：（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