計量經(jīng)濟(jì)學(xué)知識點(超全版)

1、1經(jīng)濟(jì)變量：經(jīng)濟(jì)變量是用來描述經(jīng)濟(jì)因素數(shù)量水平的指標(biāo)。3 分2解釋變量：是用來解釋作為研究對象的變量即因變量為什么變動、如何變動的變量。2 分它對因變量的變動做出解釋，表現(xiàn)為方程所描述的因果關(guān)系中的“因。1 分3被解釋變量：是作為研究對象的變量。 1 分它的變動是由解釋變量做出解釋的，表現(xiàn) 為方程所描述的因果關(guān)系的果。 2 分4內(nèi)生變量：是由模型系統(tǒng)內(nèi)部因素所決定的變量，2 分表現(xiàn)為具有一定概率分布的隨機(jī)變量，是模型求解的結(jié)果。 1 分5外生變量：是由模型系統(tǒng)之外的因素決定的變量，表現(xiàn)為非隨機(jī)變量。2 分它影響模型中的內(nèi)生變量，其數(shù)值在模型求解之前就已經(jīng)確定。 1 分 1 分前期的內(nèi)生變量稱為

2、滯后內(nèi)1 分6滯后變量：是滯后內(nèi)生變量和滯后外生變量的合稱， 生變量；1 分前期的外生變量稱為滯后外生變量。7前定變量：通常將外生變量和滯后變量合稱為前定變量，1 分即是在模型求解以前已經(jīng)確定或需要確定的變量。 2 分 8控制變量：在計量經(jīng)濟(jì)模型中人為設(shè)置的反映政策要求、決策者意愿、經(jīng)濟(jì)系統(tǒng)運(yùn)行條 件和狀態(tài)等方面的變量， 2 分它一般屬于外生變量。 1 分9計量經(jīng)濟(jì)模型：為了研究分析某個系統(tǒng)中經(jīng)濟(jì)變量之間的數(shù)量關(guān)系而采用的隨機(jī)代數(shù)模 型，2 分是以數(shù)學(xué)形式對客觀經(jīng)濟(jì)現(xiàn)象所作的描述和概括。1 分10函數(shù)關(guān)系：如果一個變量 y 的取值可以通過另一個變量或另一組變量以某種形式惟一地、 精確地確定，那

3、么y與這個變量或這組變量之間的關(guān)系就是函數(shù)關(guān)系。3分11相關(guān)關(guān)系： 如果一個變量 y 的取值受另一個變量或另一組變量的影響， 但并不由它們惟 一確定，那么 y 與這個變量或這組變量之間的關(guān)系就是相關(guān)關(guān)系。3 分12最小二乘法： 用使估計的剩余平方和最小的原那么確定樣本回歸函數(shù)的方法，稱為最小二乘法。 3 分 13高斯馬爾可夫定理：在古典假定條件下，OLS 估計量是模型參數(shù)的最正確線性無偏估計量，這一結(jié)論即是高斯馬爾可夫定理。 3 分14總變差 總離差平方和 ：在回歸模型中， 被解釋變量的觀測值與其均值的離差平方和。 3 分15回歸變差回歸平方和 ：在回歸模型中，因變量的估計值與其均值的離差平方

4、和， 2分也就是由解釋變量解釋的變差。1 分16剩余變差殘差平方和 ：在回歸模型中，因變量的觀測值與估計值之差的平方和， 2分是不能由解釋變量所解釋的局部變差。1 分17估計標(biāo)準(zhǔn)誤差：在回歸模型中，隨機(jī)誤差項方差的估計量的平方根。 3分18樣本決定系數(shù)：回歸平方和在總變差中所占的比重。 3分19點預(yù)測：給定自變量的某一個值時，利用樣本回歸方程求出相應(yīng)的樣本擬合值，以此作為因變量實際值和其均值的估計值。3分20擬合優(yōu)度：樣本回歸直線與樣本觀測數(shù)據(jù)之間的擬合程度。3 分21殘差：樣本回歸方程的擬合值與觀測值的誤差稱為回歸殘差。3分22顯著性檢驗：利用樣本結(jié)果，來證實一個虛擬假設(shè)的真?zhèn)蔚囊环N檢驗程序

5、。3 分23. 回歸變差：簡稱 ESS,表示由回歸直線即解釋變量所解釋的局部2分，表示x對y 的線性影響 1 分。24. 剩余變差：簡稱 RSS是未被回歸直線解釋的局部2分，是由解釋變量以外的因素造 成的影響 1 分。1 分，25. 多重決定系數(shù)：在多元線性回歸模型中，回歸平方和與總離差平方和的比值也就是在被解釋變量的總變差中能由解釋變量所解釋的那局部變差的比重，我們稱之為多重決定系數(shù)，仍用R2表示2分。26. 調(diào)整后的決定系數(shù)：又稱修正后的決定系數(shù)，記為R2，是為了克服多重決定系數(shù)會隨著解釋變量的增加而增大的缺陷提出來的，2分_2et2 /n k 1其公式為：R 1-1分。yt y/n 12

6、7. 偏相關(guān)系數(shù)：在Y、X、X2三個變量中，當(dāng) X1既定時即不受 X1的影響，表示Y與X2之間相關(guān)關(guān)系的指標(biāo)，稱為偏相關(guān)系數(shù)，記做RY2.1。 3分28. 異方差性：在線性回歸模型中，如果隨機(jī)誤差項的方差不是常數(shù)，即對不同的解釋變量u觀測值彼此不同，那么稱隨機(jī)項W具有異方差性。3分29. 戈德菲爾特-匡特檢驗：該方法由戈德菲爾特S.M.Goldfeld 和匡特R.E.Quandt 于1965年提出，用對樣本進(jìn)行分段比擬的方法來判斷異方差性。3分30. 懷特檢驗：該檢驗由懷特White 在1980年提出，通過建立輔助回歸模型的方式來判斷異方差性。3分31. 戈里瑟檢驗和帕克檢驗：該檢驗法由戈里瑟

7、和帕克于1969年提出，其根本原理都是通過建立殘差序列對解釋變量的輔助回歸模型，判斷隨機(jī)誤差項的方差與解釋變量之間是否 存在著較強(qiáng)的相關(guān)關(guān)系，進(jìn)而判斷是否存在異方差性。3分32. 序列相關(guān)性：對于模型yi 01xii2X2i kX<ii i 12 ,n隨機(jī)誤差項互相獨立的根本假設(shè)表現(xiàn)為Cov i, j 0 i j ,i, j 1,2,n 1分如果出現(xiàn)Cov i, j 0 i j,i,j 1,2,n即對于不同的樣本點，隨機(jī)誤差項之間不再是完全互相獨立，而是存在某種相關(guān)性，那么認(rèn)為出現(xiàn)了序列相關(guān)性Serial Correlation 。 2分33. 虛假序列相關(guān)：是指模型的序列相關(guān)性是由于省

8、略了顯著的解釋變量而導(dǎo)致的。34. 差分法：差分法是一類克服序列相關(guān)性的有效方法，被廣泛的采用。差分法是將原模型變換為差分模型，分為一階差分法和廣義差分法。35. 廣義差分法：廣義差分法可以克服所有類型的序列相關(guān)帶來的問題，一階差分法是它的 一個特例。36. 自回歸模型：ytyt 1 t37. 廣義最小二乘法：是最有普遍意義的最小二乘法，普通最小二乘法和加權(quán)最小二乘法是 它的特例。38. DW僉驗：德賓和瓦特森與 1951年提出的一種適于小樣本的檢驗方法。DW僉驗法有五個前提條件。39. 科克倫-奧克特迭代法：是通過逐次跌代去尋求更為滿意的的估計值，然后再采用廣義差分法。具體來說，該方法是利用

9、殘差t去估計未知的。40. Durbin兩步法：當(dāng)自相關(guān)系數(shù)未知，可采用 Durbin提出的兩步法去消除自相關(guān)。第一步對一多元回歸模型，使用OLS法估計其參數(shù)，第二步再利用廣義差分。41 相關(guān)系數(shù)：度量變量之間相關(guān)程度的一個系數(shù)，一般用p表示。Cov( i j), ,01 ，越接近于1,相關(guān)程度越強(qiáng)，越接近于 0，相vVar( i)Var( j)關(guān)程度越弱。42. 多重共線性：是指解釋變量之間存在完全或不完全的線性關(guān)系。43. 方差膨脹因子：是指解釋變量之間存在多重共線性時的方差與不存在多重共線性時的方差之比。44把質(zhì)的因素量化而構(gòu)造的取值為0和1的人工變量。45 在設(shè)定模時如果模型中解釋變量

10、的構(gòu)成.模型函數(shù)的形式以及有關(guān)隨機(jī)誤差項的假設(shè)干假定等內(nèi)容的設(shè)定與客觀實際不一致，利用計量經(jīng)濟(jì)學(xué)模型來描述經(jīng)濟(jì)現(xiàn)象而產(chǎn)生的誤差。46 是指與模型中的隨機(jī)解釋變量高度相關(guān)，與隨機(jī)誤差項不相關(guān)的變量。47 用工具變量替代模型中與隨機(jī)誤差項相關(guān)的隨機(jī)解釋變量的方法。48 由于引進(jìn)虛擬變量，回歸模型的截距或斜率隨樣本觀測值的改變而系統(tǒng)地改變。49.這是虛擬變量的一個應(yīng)用，當(dāng)解釋變量X低于某個的臨界水平 x*時，我們?nèi)√摂M*1 X X變量D設(shè)置而成的模型稱之為分段線性回歸模型。0 x x50 分布滯后模型：如果滯后變量模型中沒有滯后因變量，因變量受解釋變量的影響分布 在解釋變量不同時期的滯后值上，那么稱

11、這種模型為分布滯后模型。51 有限分布滯后模型：滯后期長度有限的分布滯后模型稱為有限分布滯后模型。52 無限分布滯后模型：滯后期長度無限的分布滯后模型稱為無限分布滯后模型。53幾何分布滯后模型：對于無限分布滯后模型，如果其滯后變量的系數(shù)bi是按幾何級數(shù)列衰減的，那么稱這種模型為幾何分布滯后模型。54 聯(lián)立方程模型：是指由兩個或更多相互聯(lián)系的方程構(gòu)建的模型。55 結(jié)構(gòu)式模型：是根據(jù)經(jīng)濟(jì)理論建立的反映經(jīng)濟(jì)變量間直接關(guān)系結(jié)構(gòu)的計量方程系統(tǒng)。56 簡化式模型：是指聯(lián)立方程中每個內(nèi)生變量只是前定變量與隨機(jī)誤差項的函數(shù)。57 結(jié)構(gòu)式參數(shù)：結(jié)構(gòu)模型中的參數(shù)叫結(jié)構(gòu)式參數(shù)58 簡化式參數(shù)：簡化式模型中的參數(shù)叫簡

12、化式參數(shù)。59 識別：就是指是否能從簡化式模型參數(shù)估計值中推導(dǎo)出結(jié)構(gòu)式模型的參數(shù)估計值。60 不可識別：是指無法從簡化式模型參數(shù)估計值中推導(dǎo)出結(jié)構(gòu)式模型的參數(shù)估計值。61 識別的階條件：如果一個方程能被識別，那么這個方程不包含的變量的總數(shù)應(yīng)大于或 等于模型系統(tǒng)中方程個數(shù)減 1。62 識別的秩條件：一個方程可識別的充分必要條件是：所有不包含在這個方程中的參數(shù)矩陣的秩為m-1。63 間接最小二乘法：先利用最小二乘法估計簡化式方程，再通過參數(shù)關(guān)系體系，由簡化式參數(shù)的估計值求解得結(jié)構(gòu)式參數(shù)的估計值。四、簡答題(每題 5分)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)

13、理論、統(tǒng)計學(xué)和數(shù)學(xué)的綜合。 1 分經(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。 1 分統(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)那么利用經(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。1 分?jǐn)?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)那么僅限于經(jīng)濟(jì)領(lǐng)域。 1 分計量經(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。1分經(jīng)濟(jì)預(yù)測。1分政策評價。1分檢驗和開展經(jīng)濟(jì)理論。 2 分3、簡述建立與應(yīng)用計量經(jīng)濟(jì)模型的主要步

14、驟。答：根據(jù)經(jīng)濟(jì)理論建立計量經(jīng)濟(jì)模型；1分樣本數(shù)據(jù)的收集；1分估計參數(shù)；1分模型的檢驗；1分計量經(jīng)濟(jì)模型的應(yīng)用。1分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；2分統(tǒng)計準(zhǔn)那么檢驗；1分計量經(jīng)濟(jì)學(xué)準(zhǔn)那么檢驗；1分 模型預(yù)測檢驗。 1 分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：四種分類：時間序列數(shù)據(jù)；1分橫截面數(shù)據(jù)；1分混合數(shù)據(jù)；1分虛擬變量數(shù)據(jù)。 2 分6. 在計量經(jīng)濟(jì)模型中，為什么會存在隨機(jī)誤差項？答：隨機(jī)誤差項是計量經(jīng)濟(jì)模型中不可缺少的一局部。 1 分產(chǎn)生隨機(jī)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；1分模型關(guān)系認(rèn)定不準(zhǔn)確造成的誤差；1分變量的測量誤

15、差；1分隨機(jī)因素。1分7. 古典線性回歸模型的根本假定是什么？答：零均值假定。1分即在給定xt的條件下，隨機(jī)誤差項的數(shù)學(xué)期望均值為0，即EuJ=O。同方差假定。1分誤差項Ut的方差與t無關(guān)，為一個常數(shù)。無自相關(guān) 假定。1分即不同的誤差項相互獨立。解釋變量與隨機(jī)誤差項不相關(guān)假定。1分正態(tài)性假定，1分即假定誤差項Ut服從均值為o，方差為 2的正態(tài)分布。 8總體回歸模型與樣本回歸模型的區(qū)別與聯(lián)系。答：主要區(qū)別：描述的對象不同。1分總體回歸模型描述總體中變量y與x的相互關(guān)系，而樣本回歸模型描述所觀測的樣本中變量y與x的相互關(guān)系。建立模型的不同。1分總體回歸模型是依據(jù)總體全部觀測資料建立的， 樣本回歸模

16、型是依據(jù)樣本觀測資料建立 的。模型性質(zhì)不同。1分總體回歸模型不是隨機(jī)模型，樣本回歸模型是隨機(jī)模型，它 隨著樣本的改變而改變。主要聯(lián)系： 樣本回歸模型是總體回歸模型的一個估計式， 之所以建立樣本回歸模型， 目的是 用來估計總體回歸模型。 2分9試述回歸分析與相關(guān)分析的聯(lián)系和區(qū)別。 答：兩者的聯(lián)系： 相關(guān)分析是回歸分析的前提和根底； 回歸分析是相關(guān)分析的深入和繼續(xù)。1分相關(guān)分析與回歸分析的有關(guān)指標(biāo)之間存在計算上的內(nèi)在聯(lián)系。1分兩者的區(qū)別： 回歸分析強(qiáng)調(diào)因果關(guān)系， 相關(guān)分析不關(guān)心因果關(guān)系， 所研究的兩個變量是對 等的。1分對兩個變量x與y而言，相關(guān)分析中：rxy ryx ;在回歸分析中，？E人和兄

17、a。e? yt卻是兩個完全不同的回歸方程。 1分回歸分析對資料的要求是被解 釋變量 y 是隨機(jī)變量， 解釋變量 x 是非隨機(jī)變量； 相關(guān)分析對資料的要求是兩個變量都隨機(jī) 變量。 1 分10在滿足古典假定條件下，一元線性回歸模型的普通最小二乘估計量有哪些統(tǒng)計性質(zhì)？答：線性，是指參數(shù)估計量 b和b分別為觀測值yt和隨機(jī)誤差項Ut的線性函數(shù)或線性組合。1分無偏性，指參數(shù)估計量 b和b的均值期望值分別等于總體參數(shù)bo和4 。2分有效性最小方差性或最優(yōu)性 量b和b的方差最小。2分，指在所有的線性無偏估計量中，最小二乘估計11 簡述 BLUE 的含義。答： BLUE 即最正確線性無偏估計量，是 假定條件下

18、， 最小二乘估計量具備線性、best linear unbiased estimators 的縮寫。 2 分在古典 無偏性和有效性， 是最正確線性無偏估計量， 即 BLUE ，這一結(jié)論就是著名的高斯馬爾可夫定理。3 分12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?3. 給定二元回歸模型：ytb0b1X1tb2X2tUt ，請表達(dá)模型的古典假定。解答：1隨機(jī)誤差項的期望為零，即同影響是否顯著。1分通過了此F檢驗，就可以說模型中的全部解釋變量對被解釋變量

19、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。3 分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。 1 分Eut0。2不同的隨機(jī)誤差項之間相互獨立，即 covUt，Us Eut EuJUs EUs EgUs 0 1 分。3隨機(jī)誤差項的方差與 t 無關(guān)，為一個常數(shù)，即 varut2。即同方差假設(shè) 1 分。4隨機(jī)誤差項與解釋變量不相關(guān)，即cov Xjt, Ut 0 j 1,2,.,k。通常假定Xjt為非隨機(jī)變量，這個假設(shè)自動2成立1 分 o 5隨機(jī)誤差項ut為服從正態(tài)分布的隨機(jī)變量，即Ut : N0, 1分。6解釋變量

20、之間不存在多重共線性， 即假定各解釋變量之間不存在線性關(guān)系， 即不存在多重共 線性1分°14. 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？解答：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)R2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2分。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，比方， 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3分。

21、15修正的決定系數(shù) R2及其作用。e /n k i解答：R21t 2， 2分其作用有：1 用自由度調(diào)整后，可以消除擬yt y2/n 1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分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)直接比擬它們的擬合優(yōu)度的上下，但不能用原來未調(diào)整的決定系數(shù)來比擬1分。yt(1 分)16. 常見的非線性回歸模型有幾種情況？ 解答：常見的非線性回歸模型主要有：(1)對數(shù)模型Inytbob1 In 為 ut1分半對數(shù)模型ytbob1 In xtut 或 In ytbodxt ut ( 1 分)倒數(shù)模型ybo1 1D - u 或1 bo bi u1分xyx多項

22、式模型y6b1x dx2.bkxku1分成長曲線模型包括邏輯成長曲線模型ytKbt和Gompertz成長曲線模型1b°eK bob17. 觀察以下方程并判斷其變量是否呈線性，系數(shù)是否呈線性，或都是或都不是。 ytbo Dx； ut ytbo b1 log xt ut log yt bo b1 log xt ut yt bo /bi xt ut解答：系數(shù)呈線性，變量非線性；1分系數(shù)呈線性，變量非呈線性；1分系數(shù)和變量均為非線性；1分系數(shù)和變量均為非線性。2分18. 觀察以下方程并判斷其變量是否呈線性，系數(shù)是否呈線性，或都是或都不是。ytbo b1 log Xtutytbobi(b2Xt

23、)utytbo /(b1 xt)utyt1 bo(1xbut解答：系數(shù)呈線性，變量非呈線性；(1 分)系數(shù)非線性，變量呈線性；1分系數(shù)和變量均為非線性；2分系數(shù)和變量均為非線性1分。19. 異方差性是指模型違反了古典假定中的同方差假定，它是計量經(jīng)濟(jì)分析中的一個專門問題。在線性回歸模型中， 如果隨機(jī)誤差項的方差不是常數(shù)，即對不同的解釋變量觀測值彼此不同，那么稱隨機(jī)項 ui具有異方差性，即 varuit2常數(shù) t=1 , 2,n。3分例如，利用橫截面數(shù)據(jù)研究消費(fèi)和收入之間的關(guān)系時，對收入較少的家庭在滿足基 本消費(fèi)支出之后的剩余收入已經(jīng)不多， 用在購置生活必需品上的比例較大， 消費(fèi)的分散幅度 不大。

24、收入較多的家庭有更多可自由支配的收入，使得這些家庭的消費(fèi)有更大的選擇范圍。 由于個性、 愛好、儲蓄心理、消費(fèi)習(xí)慣和家庭成員構(gòu)成等那個的差異，使消費(fèi)的分散幅度增大，或者說低收入家庭消費(fèi)的分散度和高收入家庭消費(fèi)得分散度相比擬， 可以認(rèn)為牽著小于 后者。這種被解釋變量的分散幅度的變化，反映到模型中，可以理解為誤差項方差的變化。2分20. 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(jī)因素的影響。 2分產(chǎn)生的影響： 如果線性回歸模型的隨機(jī)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

25、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。3分21. 檢驗方法：1圖示檢驗法；1分2戈德菲爾德匡特檢驗； 1分3懷特檢驗；1分4戈里瑟檢驗和帕克檢驗殘差回歸檢驗法;1分5 ARC檢驗自回歸條件異方差檢驗 1 分22. 解決方法： 1模型變換法； 2分 2加權(quán)最小二乘法； 2分3模型的對數(shù)變換 等 1分23. 加權(quán)最小二乘法的根本原理： 最小二乘法的根本原理是使殘差平方和et 為最小， 在2 異方差情況下， 總體回歸直線對于不同的 xt,et 的波動幅度相差很大。 隨機(jī)誤差項方差 t越小，樣本點yt

26、對總體回歸直線的偏離程度越低，殘差e.的可信度越高或者說樣本點的2代表性越強(qiáng) ；而 . 較大的樣本點可能會偏離總體回歸直線很遠(yuǎn)，e. 的可信度較低或者2說樣本點的代表性較弱 。 2分因此， 在考慮異方差模型的擬合總誤差時， 對于不同的 e.22 應(yīng)該區(qū)別對待。 具體做法： 對較小的 e.2 給于充分的重視， 即給于較大的權(quán)數(shù)； 對較大的 e.2 給于充分的重視，即給于較小的權(quán)數(shù)。更好的使e.2 反映 varui 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)。3分24. 樣本分段法即戈德菲爾特匡特檢驗的根本原理：將樣本分為容量相等的兩局部， 然后分別對樣本 1和樣本 2進(jìn)行回歸， 并計算兩

27、個子樣本的殘差平方和， 如果隨機(jī)誤差項是同 方差的，那么這兩個子樣本的殘差平方和應(yīng)該大致相等；如果是異方差的，那么兩者差異較大， 以此來判斷是否存在異方差。 3分使用條件： 1樣本容量要盡可能大，一般而言應(yīng)該在 參數(shù)個數(shù)兩倍以上； 2 u. 服從正態(tài)分布，且除了異方差條件外，其它假定均滿足。 2分25. 簡述DW僉驗的局限性。答：從判斷準(zhǔn)那么中看到，DW僉驗存在兩個主要的局限性：首先，存在一個不能確定的 DW.值區(qū)域，這是這種檢驗方法的一大缺陷。 2分其次： DW. .檢驗只能檢驗一階自相關(guān)。 2分但在實際計量經(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)驗說明， 如果不存在一階自相

28、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)問題一般只進(jìn)行DW .檢驗。1分26. 序列相關(guān)性的后果。答：1模型參數(shù)估計值不具有最優(yōu)性；1分2隨機(jī)誤差項的方差一般會低估；1 分3模型的統(tǒng)計檢驗失效；1分4區(qū)間估計和預(yù)測區(qū)間的精度降低。1分全對即加1分27. 簡述序列相關(guān)性的幾種檢驗方法。答：1圖示法；1分2 D-W檢驗；1分3回歸檢驗法；1分4另外， 偏相關(guān)系數(shù)檢驗，布羅斯一戈弗雷檢驗或拉格朗日乘數(shù)檢驗都可以用來檢驗高階序列相關(guān)。2分28. 廣義最小二乘法GLS的根本思想是什么？答：根本思想就是對違反根本假定的模型做適當(dāng)?shù)木€性變換，使其轉(zhuǎn)化成滿足根本假定的模型，從而可以使

29、用 OLS方法估計模型。5分29. 自相關(guān)性產(chǎn)生的原因有那些？答：1經(jīng)濟(jì)變量慣性的作用引起隨機(jī)誤差項自相關(guān)；1分2經(jīng)濟(jì)行為的滯后性引起隨機(jī)誤差項自相關(guān)；1分3 些隨機(jī)因素的干擾或影響引起隨機(jī)誤差項自相關(guān)；1 分4模型設(shè)定誤差引起隨機(jī)誤差項自相關(guān)；1分5觀測數(shù)據(jù)處理引起隨機(jī)誤差項自相關(guān)。1分30. 請簡述什么是虛假序列相關(guān)，如何防止？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)。2分要防止虛假序列相關(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。3分31. DW值與一階自相關(guān)系數(shù)的關(guān)系是什么？答: ? 1 DW 或者 DW 21?232. 答

30、：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)生多重共線性主要有下述原因：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分2經(jīng)濟(jì)變量的共同趨勢1分3滯后變量的引入1分4模型的解釋變 量選擇不當(dāng)1分33. 答：完全多重共線性是指對于線性回歸模型2X2假設(shè) C1X 1jC2X 2j.CkX kj =0, j = 1,2,n其中C1, C2,.,Ck是不全為0的常數(shù)那么稱這些解釋變量的樣本觀測值之間存在完全多重共線性。2分不完全多重共線性是指對于多元線性回歸模型丫= 1X1kXk u假設(shè) c1X1j c2X2j. ckXkj+v=0, j=1,2,.,n其

31、中C1, C2,.,Ck是不全為0的常數(shù)，v為隨機(jī)誤差項那么稱這些解釋變量的樣本觀測之間存在不完全多重共線性。3分34. 答：1無法估計模型的參數(shù)，即不能獨立分辨各個解釋變量對因變量的影響。3分2參數(shù)估計量的方差無窮大或無法估計2分35. 答：1可以估計參數(shù)，但參數(shù)估計不穩(wěn)定。2分2參數(shù)估計值對樣本數(shù)據(jù)的略有變化或樣本容量的稍有增減變化敏感。1分3各解釋變量對被解釋變量的影響難精確鑒別。1分4 t檢驗不容易拒絕原假設(shè)。1分36. 答：1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。 2 分 2回歸系數(shù)值難以置信或符號錯誤。 1 分3參數(shù)估計

32、值對刪除或增加少量觀測值，以及刪除一個不顯著的解釋變量非常敏感。 2分37. 答：所謂方差膨脹因子是存在多重共線性時回歸系數(shù)估計量的方差與無多重共線性時回歸系數(shù)估計量的方差比照而得出的比值系數(shù)。2分假設(shè)VIF ?=1時，認(rèn)為原模型不存在“多重共線性問題 ；1 分 假設(shè) VIF ?i 1時，那么認(rèn)為原模型存在 “多重共線性問題 ；1 分假設(shè) VIF ?i 5時，那么模型的“多重共線性問題的程度是很嚴(yán)重的，而且是非常 有害的。1 分38. 模型中引入虛擬變量的作用是什么？ 答案：1可以描述和測量定性因素的影響； 2分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；2分 3便于處理異常數(shù)據(jù)。 1

33、分39. 虛擬變量引入的原那么是什么？答案：1如果一個定性因素有 m方面的特征，那么在模型中引入 m-1個虛擬變量；1分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，那么在模型中引入m個虛擬變量；如果定性因素有兩個及以上個屬性，那么參照“一個因素多個屬性的設(shè)置虛擬變量。 2 分3 虛擬變量取值應(yīng)從分析問題的目的出發(fā)予以界定；1 分4 虛擬變量在單一方程中可以作為解釋變量也可以作為被解釋變量。1 分40. 虛擬變量引入的方式及每種方式的作用是什么？答案：1加法方式：其作用是改變了模型的截距水平； 2分2乘法方式：其作用在于兩個模型間的比擬、因素間的交互影響分析和提高模型的描述 精度； 2 分3 一般方式：即影響模型的截距有影響模型的斜率。1