统计软件Eviews试题库学生55版.docx
《统计软件Eviews试题库学生55版.docx》由会员分享，可在线阅读，更多相关《统计软件Eviews试题库学生55版.docx（30页珍藏版）》请在冰豆网上搜索。
统计软件Eviews试题库学生55版
一、名词解释：
1、面板数据
答：
面板数据（paneldata）也称时间序列截面数据（timeseriesandcrosssectiondata）或混合数据（pooldata）。
面板数据是同时在时间和截面空间上取得的二维数据。
面板数据从横截面（crosssection）上看，是由若干个体（entity,unit,individual）在某一时刻构成的截面观测值，从纵剖面（longitudinalsection）上看是一个时间序列。
面板数据用双下标变量表示。
例如
yit,i=1,2,…,N;t=1,2,…,T
N表示面板数据中含有N个个体。
T表示时间序列的最大长度。
若固定t不变，yi.,（i=1,2,…,N）是横截面上的N个随机变量；若固定i不变，y.t,（t=1,2,…,T）是纵剖面上的一个时间序列（个体）。
2、随机过程
答：
一般称依赖于参数时间t的随机变量集合{}为随机过程。
3、协整
答：
如果变量之间有着长期的稳定关系，即它们之间是协整
4、白噪音
答：
随机过程中有一特殊情况叫白噪音，其定义如下：
如果随机过程服从的分布不随时间改变，且期望值为0，方差为常数，协方差为0
4、ARIMA模型
答：
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
6、VAR模型
答：
VAR模型即向量自回归模型由希姆斯（C.A.Smis）提出，在一个含有n个方程（被解释变量）的VAR模型中，每个被解释变量都对自身以及其它被解释变量的若干期滞后值回归，若令滞后阶数为k，则VAR模型的一般形式可用下式表示：
其中，
表示由第t期观测值构成的n维列向量，
为n*n系数矩阵，
是由随机误差项构成的n维列向量，其中随机误差项
（i=1,2,…n）为白噪音过程，且满足
（i,j=1,2,…,n,且i
j）。
答：
（或者参考教材P114答案）VAR是指系统内每个方程有相同的等号右侧变量，而这些右侧变量包括所有内生变量的滞后值。
当每个变量都对预测其他变量起作用时，这组变量适合用VAR模型表示。
7、内生变量
答：
内生变量受模型中其它变量的影响，也可能影响其它内生变量，即内生变量既可以是被解释变量，也可以是解释变量。
由模型系统以外的因素决定其取值的变量称为外生变量。
外生变量只影响系统内的其它变量，而不受其它变量的影响，因此在方程中只能做解释变量，不能做被解释变量。
8、DW统计量
答：
DW统计量用于检验一阶自相关，度量的是相邻残差之间的相关程度。
存在正的序列相关时，DW统计量将小于2，存在负相关时，DW统计量将在2~4之间。
如果DW统计量的值远低于2，就表明残差序列存在正自相关。
如果回归残差中存在自相关，那么最简单的处理方法是在回归模型中加入一个一阶回归项
9、峰度
答：
峰度的公式
10、JB统计量
答：
11、标准误差（Std.Error）
答：
主要用于衡量回归系数的统计可靠性
12、中心极限定理：
答：
在观察对象相互独立的前提下，随着观察数目的增多，均值趋于正态分布，分布函数的表达式为：
13、赤池信息准则
答：
14、白噪音
答：
随机过程中有一特殊情况叫白噪音，其定义如下：
如果随机过程服从的分布不随时间改变，且期望值为0，方差为常数，协方差为0
15、ARCH模型
答：
指自回归条件异方差模型，该模型针对因变量的方差进行描述并预测。
其中，被解释变量的方差按照公式的设定而依赖于该变量的过去值，或依赖于一些独立的外生变量。
16、拟合优度
答：
17、P值：
答：
P值是计量经济结果对应的精确的显著性水平。
P值度量的是犯第一类错误的概率，即拒绝正确的零假设的概率。
P值越大，错误地拒绝零假设的可能性就越大；p值越小，拒绝零假设时就越放心。
18、移动平均法
移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。
移动平均法适用于即期预测。
当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动。
19、简单移动平均法
简单移动平均的各元素的权重都相等。
简单的移动平均的计算公式如下：
Ft=（At-1+At-2+At-3+…+At-n）/n式中，
∙Ft--对下一期的预测值；
∙n--移动平均的时期个数；
∙At-1--前期实际值；
At-2,At-3和At-n分别表示前两期、前三期直至前n期的实际值。
20、负偏或负偏态（negativeskew）：
左侧的尾部更长，分布的主体集中在右侧。
这种情形又可被称为左偏态（skewedtotheleft）。
21、正偏或正偏态（positiveskew）：
右侧的尾部更长，分布的主体集中在左侧。
这种情形又可被称为右偏态（skewedtotheright）。
22、方差分析
答：
方差分析（ANOVA）又称变异数分析或F检验，其目的是推断两组或多组资料的总体均数是否相同，检验两个或多个样本均数的差异是否有统计学意义。
23、F统计量：
答：
是对回归式中的所有系数均为0的假设检验。
24、异方差
答：
经典回归中同方差是指随着样本观察点X的变化，线性模型中随机误差项的方差并不改变，保持为常数，如果的数值对不同的样本观察值各不相同，则称随机误差项具有异方差
25、异方差检验的残差图
答：
即残差平方（的估计值）与x的散点图，或者在有多个解释变量时可作残差与y的散点图或残差和可能与异方差有关的x的散点图。
26、异方差检验的XY图
答：
若随着x的增加，图中散点分布的区域逐渐变宽或变窄，或出现了偏离带状区域的复杂变化，则随机项可能出现了异方差。
27、平稳性原理：
答：
如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期的协方差值仅依赖于该两时期间的距离或滞后，而不依赖于计算这个协方差的实际时间，就称它为平稳的。
28、ARIMA模型
答：
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将因变量仅对它的滞后值以及随机误差项的现值和滞后值进行回归所建立的模型。
29、内生变量：
答：
由模型系统决定其取值的变量称为内生变量。
内生变量受模型中其它变量的影响，也可能影响其它内生变量，即内生变量既可以是被解释变量，也可以是解释变量。
30、外生变量：
答：
由模型系统以外的因素决定其取值的变量称为外生变量。
外生变量只影响系统内的其它变量，而不受其它变量的影响，因此在方程中只能做解释变量，不能做被解释变量。
31、ARCH模型
答：
即自回归条件异方差模型。
ARCH模型的基本思想是指在以前信息集下，某一时刻一个噪声的发生是服从正态分布。
该正态分布的均值为零，方差是一个随时间变化的量（即为条件异方差）。
并且这个随时间变化的方差是过去有限项噪声值平方的线性组合（即为自回归）。
这样就构成了自回归条件异方差模型。
ARCH模型数学表达如下：
Yt=βXt＋εt其中，Yt为被解释变量，Xt为解释变量，εt为误差项。
如果误差项的平方服从AR（q）过程，即εt2=a0＋a1εt－12＋a2εt－22＋……＋aqεt－q2＋ηtt=1,2,3……其中，ηt独立同分布，并满足E（ηt）=0,D（ηt）=λ2,则称上述模型是自回归条件异方差模型。
简记为ARCH模型。
32、操作风险
操作风险是指市场风险与信用风险以外的所有风险。
33、损失分布法
损失分布法的基本思路是：
以Var方法为基础，给出一定置信区间和持有期（通常是一年），银行根据自身情况，对业务类型和事故类型进行分类并收集内部数据，为每个业务类型、事故类型测算出两个概率分布函数，一个是损失强度分布，另一个是损失频率分布，然后根据这两个测算的概率分布，计算出累计操作损失的概率分布函数。
资本要求就是每个业务类型、事故类型风险价值的简单加总，Var值直接度量了最大可能损失。
为了得出累计损失分布函数，目前较为常用且效果较好的方法是基于Var的蒙特卡罗模拟法
34、泊松分布函数
泊松分布函数是一种统计与概率学里常见到的离散概率分布，由法国数学家西莫恩·德尼·泊松（Siméon-DenisPoisson）在1838年时发表。
泊松分布的概率质量函数为：
泊松分布的参数λ是单位时间（或单位面积）内随机事件的平均发生率。
泊松分布适合于描述单位时间内随机事件发生的次数。
如某一服务设施在一定时间内到达的人数，电话交换机接到呼叫的次数，汽车站台的候客人数，机器出现的故障数，自然灾害发生的次数等等。
二、简答题：
1、请问JB统计量用于检验什么？
答：
用于检验序列值是否服从正态分布。
在正态分布假设下，JB统计量是自由度为2的
分布。
JB统计量下显示的概率值，即P值，是JB统计量超出原假设下的观测值的概率。
如果该值很小，则拒绝原假设，即不服从正态分布
2、利用Eviews估计模型
时，命令格式为：
ycx，那么如果模型为
，请写出拟合该模型的命令格式
答：
命令格式是log（y）cxx（-1）x（-2）x（-3）
3、请简述邹氏检验的步骤
答：
第一步，在两时间段的合成大样本下做OLS回归，得受约束模型的残差平方和RSSR；
第二步，对前一时间段的n1个子样做OLS回归，得残差平方和RSS1；
第三步，计算检验的F统计量，做出判断：
给定显著性水平，查F分布表，得临界值F（n2,n1-k-1）如果F>F（n2,n1-k-1），则拒绝原假设，认为预测期发生了结构变化。
4、根据下图所示实验结果，模型结构应该采取哪种模型，为什么？
答：
模型采取固定效应模型
5、在时间序列模型中，有多种原因需要预测变量的波动，请说明具体有哪些原因？
答：
在时间序列模型中，有多种原因需要预测变量的波动：
1、了解所持有的某项资产的风险或期权的价值，就涉及到波动性；2、预测的置信区间可能会随时间而变化，因此可以通过设定误差方差的模型而得到更准确的置信区间，3、如果对误差的异方差问题处理得当的话，可以得到更有效的估计值
6、在处理面板数据时候，Eviews除了采用混合模型的估计方法来建模，还采用哪几种估计模型来建模？
并给出这些估计模型的定义。
答：
在处理面板数据时候，Eviews除了采用混合模型的估计方法来建模，还采用个体固定效应回归模型和个体随机效应模型
7、通过Eviews输入模型，方式有哪几种？
答：
直接在窗口键入、将工作文件或者磁盘中的方程导入，或者将包含方程的对象导入、输入当前工作文件中的方程、VAR、系统或者模型名字，并在其前面键入冒号、点击VAR或系统窗口工具栏上的Model键
不同滞后值下的AIC值和SC值
滞后值
1
2
3
4
5
AIC值
-10.25
-11.56
-16.05
-17.71
-17.41
SC值
-9.73
-10.66
-14.74
-16.00
-15.27
根据上表的数值，我们怎样选择VAR模型的滞后期数
答：
在选择滞后项时，我们应用信息准则确定滞后期数。
8、Granger因果检验的意义是什么？
答：
Granger因果性检验的是先后次序和信息内容，而不是一般意义上人们所说的某种原因关系。
9、在主菜单上选择File，并点击其下的New，然后选择Workfile。
Eviews将进一步要求用户输入工作文件的日期信息（频数）。
如果数据是月度数据，如从Jan.1950到Dec.1994，请问写出输入的格式
答：
首先在frequency中选择monthly，然后在时间起始和终止的空白栏中输入1950:
01 1994:
12
10、在主菜单上选择File，并点击其下的New，然后选择Workfile。
Eviews将进一步要求用户输入工作文件的日期信息（频数）。
如果数据是季度数据，如从1950年1季度到1994年2季度，请问写出输入的格式
答：
首先在frequency中选择quarterly，然后在时间起始和终止的空白栏中输入1950:
1 1994:
2
11、在主菜单上选择File，并点击其下的New，然后选择Workfile。
Eviews将进一步要求用户输入工作文件的日期信息（频数）。
如果数据是周度数据，如从1950年1周到1994年22周，请问写出输入的格式
答：
首先在frequency中选择weekly，然后在时间起始和终止的空白栏中输入1950:
1 1994:
22
12、面板数据中同时包含哪两类数据形式？
答：
包含时间序列数据或截面数据
13、根据下图所示实验结果，请问在反映北京地区消费金额和收入之间关系的模型中，常数项的数值为多少？
（给出答案并写出求解过程）
答：
C=345.1795+367.0439。
14、实证研究的步骤是什么？
（P91）
答：
1、根据经济理论或其他原则列出关系中所需要的变量
2、确定联系这些变量的函数形式
3、若数据是时间序列，则应根据因变量与自变量的滞后期数目来设定时间序列的动态结构
15、利用Eviews估计模型
时，命令格式为：
ycx，那么如果模型为
，请写出拟合该模型的命令格式
答：
log（y）cxx（-1）x（-2）x（-3）
16、请举例说明两阶段最小二乘法的步骤
答：
设有结构模型
其中y1、y2是内生变量，x１、x2是外生变量。
第一阶段，写出结构模型（10.9.1）对应的约简型
对约简型的每个方程应用OLS法，得
其中ε1t,ε2t分别为v1t，v2t的OLS估计量。
第二阶段
将（10.9.4）代入被估计的结构方程（10.9.1）的右边的内生变量：
其中
对模型（10.9.5）中每一个方程分别应用OLS法，得出结构参数的估计值，便是二阶段最小二乘估计量。
在计算时需要用到的估计值和，应通过（10.9.3）算出。
由于这
个方法是在二个阶段分别应用最小二乘法，故叫做二阶段最小二乘法。
17、根据下图所示实验结果，模型结构应该采取哪种模型，为什么？
答：
模型采取随机效应模型
18、请问函数关系与相关关系的区别是什么？
函数关系：
Y=f（X1,X2,….,XP），其中Y的值是由Xi（i=1,2….p）所唯一确定的。
相关关系:
Y=f（X1,X2,….,XP），这里Y的值不能由Xi（i=1,2….p）精确的唯一确定。
19、回归模型中，为什么将ｕt包含在模型中？
（1）有些变量是观测不到的或者是无法度量的，又或者影响因变量yt的因素太多；
（2）在yt的度量过程中会发生偏误，这些偏误在模型中是表示不出来的；
（3）外界随机因素对yt的影响也很难模型化，比如：
恐怖事件、自然灾害、设备故障等。
20、请给出建立关于时间序列的新工作文件夹的方法
答：
菜单法：
在主菜单上选择File，并点击其下的New，然后选择Workfile。
Eviews将进一步要求用户输入工作文件的日期信息（频数）。
命令法：
create工作文件夹名称时间频率类型时间起点时间终点
workfile工作文件夹名称时间频率类型时间起点时间终点
21、请给出建立数组的方法
答：
1、首先建立数列，例如S1,S2,S3，然后按住CTRL键，用鼠标单击S1,S2,S3，选中这三个序列，单击Objects/NewObject/Group，单击OK。
这时会打开组窗口，所有值和序列中的对应值相同。
可在组窗口中单击name来修改组的名字。
2、第二种方式是，直接点击Objects/NewObject/Group，输入新的Group的名称，保存后，在Group的表格中直接输入变量与数据
3、利用命令data建立数组
22、请给出偏度数值的含义
答：
Skewness------即偏度。
在一般情形下，当统计数据为右偏分布时，Skewness>0，且Skewness值越大，右偏程度越高；当统计数据为左偏分布时，Skewness<0，且Skewness值越小，左偏程度越高。
当统计数据为对称分布时，显然有Skewness=0。
23、正态分布的均值、中位数、众数在数值上有什么关系？
答：
正态分布的均值、中位数、众数在数值上相等，即均值=中位数=众数
24、请给出绘制直方图的流程
答：
1）将序列由小到大进行排序，并找出最大值和最小值
2）根据序列的最大值和最小值，确定X轴的起点和终点，并确定组距大小
3）计算各组中样本个数
4）以组距为底长，以频数为高，作各组的矩形图
25、请写出做趋势图分析的命令格式，并指出做趋势图分析的作用
答：
命令格式：
PLOT变量1变量2……变量K
作用：
⑴分析经济变量的发展变化趋势
⑵观察是否存在异常值
26、请写出做相关图分析的命令格式，并指出做相关图分析的作用
答：
命令格式：
SCAT变量1变量2
作用：
⑴观察变量之间的相关程度
⑵观察变量之间的相关类型，即为线性相关还是曲线相关，曲线相关时大致是哪种类型的曲线
27、为何采取广义最小二乘法估计线性回归模型，无需考虑异方差问题？
答：
以双变量模型为例：
上述模型也可写为
其中对于每个i，=1
现在假定相异的方差已知，用通除上述模型得：
为便于阐述，将上述式子写为：
其中、表示转换模型的参数，以区别于常用的OLS参数
考察转换后的模型的误差项有如下特点：
28、请问异方差的修正有哪些方法？
答：
异方差的修正有加权最小二乘法和对数变换法
29、平稳性性质：
答：
均值（对所有t）
方差（对所有t）
协方差（对所有t）
其中即滞后k的协方差[或自（身）协方差]，是和，也就是相隔k期的两值之间的协方差。
30、参数稳定性的检验步骤：
答：
（1）分别以两连续时间序列作为两个样本进行回归，得到相应的残差平方：
RSS1与RSS2
（2）将两序列并为一个大样本后进行回归，得到大样本下的残差平方和RSSR
（3）计算F统计量的值，与临界值比较：
若F值大于临界值，则拒绝原假设，认为发生了结构变化，参数是非稳定的。
该检验也被称为邹氏参数稳定性检验
31、ARIMA（P、q）模型中P、q阶数是如何确定的？
答：
如果自相关函数以几何速度平稳地衰减，偏自相关函数在一期滞后以后为0，则建议采用一阶自回归模型；相反，如果自相关函数在一期滞后以后为0而偏自相关函数呈几何衰减，则可以采用一阶移动平均过程。
自相关系数 偏相关系数 模型定阶
拖尾 p阶截尾 AR（p）模型
q阶截尾 拖尾 MA（q）模型
拖尾 拖尾 ARMA（p,q）模型
32、生产函数的通常形式是Q=AL^αK^β，其中A、α、β为三个参数，且0＜α、β＜1。
请问如何估计该生产函数模型？
答：
首先将生产函数对数化，化为线性方程，然后进行模型估计
33、请给出邹氏预测检验步骤：
答：
第一步，在两时间段的合成大样本下做OLS回归，得受约束模型的残差平方和RSSR；
第二步，对前一时间段的n1个子样做OLS回归，得残差平方和RSS1；
第三步，计算检验的F统计量，做出判断：
34、请简述DW统计量数值的含义
答：
DW统计量用于检验一阶自相关。
如果相邻残差之间不相关，统计量大约为2.存在正的序列相关时，DW统计量将小于2。
存在负相关时，DW统计量将在2~4之间。
35、如果在拟合方程时，发现有正的序列相关时，将意味着什么？
答：
意味着1）输出的回归结果的可靠性可能被高估。
2）如果两个相邻残差之间有关系，回归函数就不能对解释变量做出最佳预测。
3）序列相关是回归模型出现设定误差的信号，它暗示着需要寻找新的因素来解释残差序列的自相关。
36、什么是卢卡斯批判
答：
卢卡斯指出：
使用计量经济模型（结构模型）预测未来经济政策的变化所产生的效用是不可信的。
他认为，如果一个模型的某些参数所反映的是私人行为对以前的经济政策的反应函数的适应性，如果政策反应函数被改变，则私人行为对新的反应函数将再适应，其结果是，所估计的参数将不再描述这种适应。
卢卡斯批判所隐含的是，如果政策反应函数出现变化，这种变化也将改变模型的参数，于是，联立方程的简约形式也将随之发生变化。
此外，在联立方程模型设定过程中，必须人为的假定一些外生变量，并且假定外生变量事先给定，不受模型中内生变量的影响；为达到识别的目的，常常假定某些前定变量仅仅出现在某些方程中，这些假定也招致了希姆斯（C.A.Sims）的严厉批判。
希姆斯认为，为使结构模型可识别而施加了许多约束，这种约束是不可信的。
他认为，如果在一组变量之间有真实的联立性，那么就应该对这些变量平等的加以对待，而不应事先区分内生变量和外生变量。
本着这一精神，希姆斯提出了VAR（VectorAutoregressive）模型。
在VAR模型中，没有内生变量和外生变量之分，而是所有的变量都被看作内生变量，初始对模型系数不施加任何约束，即每个方程都有相同的解释变量——所有被解释变量若干期的滞后值。
37、请问面板数据模型中模型结构是如何选择的？
答：
如果从时间上看，不同个体之间不存在显著性差异；从截面上看，不同截面之间也不存在显著性差异，那么就可以直接把面板数据混合在一起用普通最小二乘法（OLS）估计参数。
如果从时间和截面看模型截距都不为零，且是一个相同的常数，以二变量模型为例，则建立如下模型，
yit=+1xit+it,i=1,2,…,N;t=1,2,…,T
（1）
和1不随i，t变化。
称模型
（1）为混合估计模型。
在面板数据散点图中，如果对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法估计回归参数，称此种模型为固定效应模型。
而区分固定效应模型与随机效应模型的主要工具是Husman检验
三、问答题：
1、请问如何利用F检验来验证模型的约束条件是否成立
答：
答：
在同一样本下，记无约束样本回归模型为
受约束样本回归模型为
，于是
受约束样本回归模型的残差平方和RSSR
于是
e’e为无约束样本回归模型的残差平方和RSSU
如果约束条件为真，则受约束回归模型与无约束回归模型具有相同的解释能力，RSSR与RSSU的差异变小。
2、请阐述格兰杰因果检验的思想与检验方法
答：
该理论的基本思想是：
变量x和y，如果x的变化引起了y的变化，x的变化应当发生在y的变化之前。
即如果说“x是引起y变化的原因”，则必须满足两个条件：
第一，x应该有助于预测y，即在y关于y的过去值的回归中，添加x的过去值作为独立变量应当显著的增加回归的解释能力。
第二，y不应当有助于预测x，其原因是如果x有助于预测y，y也有助于预测x，则很可能存在一个或几个其他的变量，它们
升级会员 