計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)重點(diǎn)

一、1、列舉計(jì)量經(jīng)濟(jì)分析過程的幾個(gè)要素：1、數(shù)據(jù)；2、計(jì)量模型。3、解釋變量；4、被解釋變量；5、相關(guān)影響。2、計(jì)量經(jīng)濟(jì)分析過程基本圍繞著四類值。例如要預(yù)測一個(gè)硬幣被拋1000次出現(xiàn)正面的次數(shù)，第一步:從理論上研究，出現(xiàn)正面的概率是1/2,這個(gè)概率是真值；第二步：做實(shí)驗(yàn)，例如拋硬幣100次，觀察出現(xiàn)正面的次數(shù)，那么這個(gè)次數(shù)為觀察值；第三步：估計(jì)概率，用觀察的次數(shù)除以100作為概率的估計(jì)值；第四步：用估計(jì)的概率乘以1000作為硬幣被拋1000次出現(xiàn)正面的預(yù)測值。3、估計(jì)量一般都采用哪三種評選標(biāo)準(zhǔn)：1、無偏性；2、有效性；3、一致性.4、無偏估計(jì)量的概念：若估計(jì)量的數(shù)學(xué)期望存在且等于其對應(yīng)真值，即。4估計(jì)量的有效性：設(shè)與均為的無偏估計(jì)量，若對于任意，有的方差小于等于的方差，則較有效。5、列舉計(jì)量經(jīng)濟(jì)分析的三種數(shù)據(jù)類型：1、橫截面數(shù)據(jù)；2、時(shí)間序列數(shù)據(jù)；3、面板數(shù)據(jù)。6、虛擬變量即一種二值變量，是對解釋變量的一種定性描述。二、：1、簡述多元線性回歸中()的高斯-馬科夫假設(shè)（Gauss–Markovassumption）?若要求得到無偏估計(jì)量需滿足其中的哪（些）項(xiàng)？若想得到無偏估計(jì)量，需滿足，和某種元件的壽命X(以小時(shí)計(jì))服從正態(tài)分布N(μ,σ2),μ,σ159280101212224379179264222362168250149260485170問是否有理由認(rèn)為元件的平均壽命大于225(小時(shí))?2：解按題意需檢驗(yàn)H0:μ≤H1:取a=0.05.此檢驗(yàn)問題的拒絕域?yàn)閠=x-μ0現(xiàn)在n=16,t0.05(15)=1.7531.又根據(jù)x=1ni=1nxi,s=1n-1i=1nt沒有落在拒絕域中,故接受H03、在平爐上進(jìn)行一項(xiàng)試驗(yàn)以確定改變操作方法的建議是否會(huì)增加鋼的得率,試驗(yàn)是在同一只平爐上進(jìn)行的,每煉一爐鋼時(shí)除操作方法外,其他條件都盡可能做到相同.先用標(biāo)準(zhǔn)方法煉一爐,然后用建議的方法煉一爐,以后交替進(jìn)行,各煉成了10爐,其得率分別為(1)標(biāo)準(zhǔn)方法78.172.476.274.377.478.476.075.576.777.3(2)新方法79.181.077.379.180.079.179.177.380.282.1設(shè)這兩個(gè)樣本相互獨(dú)立,且分別來自正態(tài)總體N(μ1,σ2)和N(μ2,σ2),μ13：解需要檢驗(yàn)假設(shè)H0:μ1H1:μ1分別求出標(biāo)準(zhǔn)方法和新方法下的樣本均值和樣本方差如下:根據(jù)x=1ni=1nxi,s=1根據(jù)y=1ni=1nyi,s=1又,sw2=10-1s故拒絕域?yàn)閠=x-ysw現(xiàn)在由于樣本觀察值t=-4.295<-1.7341,所以拒絕H04、時(shí)間序列過程為平穩(wěn)過程需要滿足哪些條件？若，試問這個(gè)過程是一個(gè)平穩(wěn)過程嗎？解：平穩(wěn)過程需滿足三個(gè)條件：1、，期望為有限常數(shù)與時(shí)間t無關(guān)。2、，方差為有限常數(shù)與時(shí)間t無關(guān)。3、，協(xié)方差僅與k有關(guān)與時(shí)間t無關(guān)這個(gè)過程為一個(gè)AR（2）過程.寫成滯后操作符的形式：特征根的解一個(gè)為1/0.8，另一個(gè)為1/0.4均大于1，所以此過程平穩(wěn)。5、什么是工具變量，什么時(shí)候應(yīng)用工具變量模型？如何用2SLS方法估計(jì)工具變量模型中的參數(shù)？當(dāng)某些解釋變量為內(nèi)生變量，即解釋變量（xi）受被解釋變量（y）影響的時(shí)候，應(yīng)采用工具變量來輔助回歸，以取得無偏一致估計(jì)量。工具變量應(yīng)與內(nèi)生變量（xi）相關(guān)，但不受被解釋變量（y）的影響。當(dāng)存在內(nèi)生變量要取得x對y的影響的無偏估計(jì)，可采用2SLS(兩階段法)。例如：在模型中x2為內(nèi)生變量，可采用工具變量z，滿足z與x2相關(guān)，但不受y的影響。第一階段：OLS回歸。取得擬合值第二階段：OLS回歸，得到的系數(shù)估計(jì)量記作，即x對y影響的無偏估計(jì)量四、案例分析（35分）1、經(jīng)濟(jì)學(xué)家卡特通過1987年美國的就業(yè)調(diào)查數(shù)據(jù)分析了教育對收入的影響。數(shù)據(jù)包含了對3294個(gè)年輕勞動(dòng)力，其中女性1569人，其平均工資為5.15美元，男性1725人，其平均工資6.31美元。數(shù)據(jù)包括被觀察對象的收入wage，教育程度edu（教育年限），工作經(jīng)驗(yàn)exp，性別等信息。1、若假定收入僅與教育程度，edu有關(guān)，如何建立簡單二元回歸模型，如何估計(jì)其中參數(shù)？建立二元線性回歸：其中，2、若二元回歸模型所得參數(shù)估計(jì)值為理想的無偏估計(jì)值，應(yīng)滿足什么條件？應(yīng)滿足除教育程度外的所有變量，包括不可觀測的因素，都與教育程度edu無關(guān)。3、現(xiàn)在假定收入與教育程度edu,及工作經(jīng)驗(yàn)exp都有關(guān)系，建立多元線性回歸模型一般形式，其中i代表數(shù)據(jù)中的第i個(gè)觀測值,滿足高斯-馬科夫假設(shè)條件。若將模型寫成矩陣的形式，,矩陣中的字母各代表模型一般形式下哪些變量？4、請給出在模型的矩陣形式（）下參數(shù)的OLS估計(jì)公式。5、請計(jì)算參數(shù)的OLS估計(jì)量（）的期望與方差，如何理解為最佳線性無偏估計(jì)量（BestLinearUnbiasedEstimator;BLUE）?由此可得的期望等于真值，估計(jì)量為無偏估計(jì)量。1、=，是y中元素的線性組合，所以此估計(jì)量是一個(gè)線性估計(jì)量。2、由上可得估計(jì)量是一個(gè)無偏估計(jì)量3、估計(jì)量的方差與其它的線性估計(jì)量方差相比最小，所以是一個(gè)最有效估計(jì)量。所以O(shè)LS估計(jì)量是一個(gè)最佳線性無偏估計(jì)量。6、上述的多元線性回歸模型，回歸結(jié)果如下：(0.465)(0.0328)(0.023)方程下面小括號內(nèi)為各解釋變量的標(biāo)準(zhǔn)差。6.1如何理解教育程度的系數(shù)0.53？在其它解釋變量不變的情況下，即工作經(jīng)驗(yàn)不變的情況下，每增加一年的教育，小時(shí)工資將增加0.53美元。6.2教育程度的影響是否在統(tǒng)計(jì)上顯著？（）進(jìn)行t檢驗(yàn)：檢驗(yàn)統(tǒng)計(jì)量，所以拒絕原假設(shè)。教育對收入的影響是顯著的。6.3如何計(jì)算擬合優(yōu)度，若在回歸中擬合優(yōu)度為0.1326，如何理解這個(gè)值？擬合優(yōu)度。擬合優(yōu)度0.1326意味