计量经济学名词解释及简答.docx

计量经济学名词解释及简答.docx

《计量经济学名词解释及简答.docx》由会员分享，可在线阅读，更多相关《计量经济学名词解释及简答.docx（9页珍藏版）》请在冰豆网上搜索。

计量经济学名词解释及简答

一、名词解释

第一章

1、计量经济学：

计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，借助计算机为辅助工具，通过建立数学模型来研究经济数量关系和规律的一门经济学科。

2、虚拟变量数据：

虚拟变量数据是人为构造的，通常取值为1或0的，用来表征政策等定性事实的数据。

3、计量经济学检验：

计量经济学检验主要是检验模型是否符合计量经济方法的基本假定。

4、政策评价：

政策评价是利用计量经济模型对各种可供选择的政策方案的实施后果进行模拟测算，从而对各种政策方案做出评价

第二章

1、回归平方和：

回归平方和用ESS表示，是被解释变量的样本估计值与其平均值的离差平方和。

2、拟和优度检验：

拟和优度检验指检验模型对样本观测值的拟合程度，用表示，该值越接近1，模型对样本观测值拟合得越好。

3、相关关系：

当一个或若干个变量X取一定数值时，与之相对应的另一个变量Y的值虽然不确定，但却按某种规律在一定范围内变化，变量之间的这种关系，称为不确定性的统计关系或相关关系，可表示为Y=f（X，u），其中u为随机变量。

4、高斯-马尔科夫定理：

在古典假定条件下，OLS估计式是其总体参数的最佳线性无偏估计式。

第三章

1、偏回归系数：

在多元线性回归模型中，回归系数（j=1，2，……，k）表示的是当控制其他解释变量不变的条件下，第j个解释变量的单位变动对被解释变量平均值的影响，这样的回归系数称为偏回归系数。

2、多重可决系数：

“回归平方和”与“总离差平方和”的比值，用表示。

3、修正的可决系数：

用自由度修正多重可决系数中的残差平方和与回归平方和。

4、回归方程的显著性检验（F检验）：

对模型中被解释变量与所有解释变量之间的线性关系在总体上是否显著做出推断。

5、回归参数的显著性检验（t检验）：

当其他解释变量不变时，某个回归系数对应的解释变量是否对被解释变量有显著影响做出推断。

6、无多重共线性假定：

假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关，在此条件下，解释变量观测值矩阵X列满秩Rank（X）=k，此时，方阵X`X满秩，Rank（X`X）=k

从而X`X可逆，（X`X）存在。

7、正规方程组：

正规方程组指采用OLS法估计线性回归模型时，对残差平方和关于各参数求偏导，并令偏导数为零后得到的一组方程，其矩阵形式为。

第四章

1多重共线性：

解释变量之间精确的线性关系和解释变量之间近似的线性关系。

2完全的多重共线性：

解释变量的数据矩阵中，至少有一个列向量可以用其余的列向量线性表示。

或者指对解释变量1，，存在不全为0的数，使得。

3、辅助回归：

多元线性回归模型，分别以每个解释变量为被解释变量，做对其他解释变量的回归。

4、方差扩大因子VIFj:

1除以（1-辅助回归的多重可决系数），决定了方差和协方差增大的速度。

或者

5、逐步回归法：

将变量逐个的引入模型，每引入一个解释变量后，都要进行F检验，并对已经选入的解释变量逐个进行t检验。

通过逐步回归可筛选和剔除引起多重共线性的解释变量。

6、不完全的多重共线性：

指对解释变量1，，存在不全为0的数，使得，其中，为随机变量。

第五章

1.异方差性：

随机变量的方差不是确定的常数，即被解释变量观测值的分散程度随解释变量的变化而变化。

2．戈德菲尔德-夸特（G-Q）检验法：

将样本按解释变量排序，去掉中间约四分之一个数据后分成两部分，然后分别对两个样本进行回归，并计算比较两个回归的剩余平方和是否有明显差异，以此判断是否存在异方差。

3.Wight检验：

在大样本的情况下，将OLS估计后的残差平方对常数、解释变量、解释变量的平方及其交叉乘积等所构成一个辅助回归，利用辅助回归建立相应的检验统计量来判断异方差性。

如果存在异方差，其方差与解释变量有关系，分析方差是否与解释变量有某些形式的联系以判断异方差性。

4、加权最小二乘法：

使得加权的残差平方和最小的求解参数估计式的方法

第六章

1.序列相关性：

指总体回归模型的随机误差项之间存在相关关系。

2．科克伦-奥克特跌的代法：

通过逐次迭代寻求更为满意的自相关系数的估计值，然后再采用广义差分法。

3．差分法：

利用被解释变量与解释变量的现期值减去前期值消除随机误差项自相关的方法。

4．DW检验法：

杜宾和沃特森于1951年提出的一种适用于小样本的检验自相关的方法

第九章

1．行为方程：

描述决策者经济行为的某些变量与其他变量的方程。

2．参数关系体系：

描述联立方程模型的简化式参数与结构式参数之间关系的方程组。

3．前定变量：

在模型中滞后内生变量与外生变量一起称为前定变量。

4．联立方程偏倚：

由于联立方程模型中内生变量作为解释变量与随机误差项相关，而引起的OLS估计的参数有偏倚且不一致，称为联立方程偏倚性。

5．恰好识别：

如果结构型模型中某个方程的参数能够由简化型模型参数值唯一解出，则称该方程恰好识别。

6．过度识别：

如果结构型模型中某个方程的参数能够由简化型模型参数估计值解出，但求解出的值不唯一，则称该方程是过度识别。

二、简答题

第一章

1、数理经济模型和计量经济模型的区别

数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。

计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。

2．简述经济结构分析的含义

经济结构分析是指用已经估计出参数的模型，对所研究的经济关系进行定量考察，以说明经济变量之间的数量比例关系。

3、设定合理的计量经济学模型应当注意哪几个方面的问题？

（1）要有科学的理论依据；

（2）模型要选择适当的数学形式；（3）方程中的变量要具有可观测性。

4、简述变量之间的相互关系类型。

（1）行为关系；

（2）技术（或工艺）关系；（3）制度关系；（4）定义关系。

第二章

1、给定一元线性回归模型……….

（1）叙述模型的基本假定

（1）零均值假定，同方差假定，无自相关假定，随机扰动项与解释变量不相关，正态性假定。

（2）写出和的最小二乘估计式

，

（3）说明满足基本假定的最小二乘估计量的统计性质

无偏性，最小方差性，线性。

（4）写出随机扰动项方差的无偏估计公式

2、随机误差项主要包括哪些因素的影响：

？

随机误差项主要包括下列因素的影响：

（1）未知因素的影响；

（2）无法取得数据的已知因素的影响；

（3）众多细小因素的综合影响；

（4）模型的设定误差的影响；

（5）变量的观测误差的影响；

（6）经济现象的内在随机性的影响。

3、普通最小二乘法参数估计量的统计性质及其含义。

普通最小二乘法参数估计量的统计性质主要有线性、无偏性和最小方差性。

所谓线性是指参数估计量是的线性函数；所谓无偏性是指参数估计量的均值（期望）等于模型参数值，即，；参数估计量的最小方差性是指在所有线性、无偏估计量中，该参数估计量的方差最小。

4、

（1）收入、年龄、家庭状况、政府的相关政策等也是影响生育率的重要的因素，在上述简单回归模型中，它们被包含在了随机扰动项之中。

有些因素可能与教育水平相关，如收入水平与教育水平往往呈正相关、年龄大小与教育水平呈负相关等。

（2）当归结在随机扰动项中的重要影响因素与模型中的教育水平educ相关时，上述回归模型不能够揭示教育对生育率在其他条件不变下的影响，因为这时出现解释变量与随机扰动项相关的情形。

5、为什么用可决系数评价拟合优度，而不用残差平方和作为评价标准？

可决系数，含义为样本回归做出解释的离差平方和在总离差平方和中占的比重，如果拟合程度越好，各样本观测点与回归线靠得越近，越接近1，拟合程度越差，越小。

而残差平方和不能反映拟合程度的优劣。

第三章

1、什么是多元线性回归模型的古典假定？

在多元回归分析中，为了寻找有效的参数方法及对模型进行统计检验，需要对模型中的随机扰动项和解释变量做一些假定。

多元线性回归模型的基本假定条件有以下几种：

1）零均值假定

2）同方差和无自相关假定

3）随机扰动项与解释变量不行关假定

4）无多重共线性假定

5）正态性假定

2、在古典假定成立的条件下，多元线性回归模型参数最小二乘估计具有什么样的性质？

1）线性性质；2）无偏性；3）最小方差性。

3、多元线性回归分析中，为什么要对可决系数加以修正？

随着模型中解释变量的增加，多重可决系数的值会变大。

当被解释变量相同而解释变量个数不同时，运用多重可决系数去比较两个模型的拟合优度会带来缺陷。

用自由度去校正所计算的变差，可以纠正解释变量个数不同引起的对比困难，为此可以用自由度去修正多重可决系数中的残差平方和与回归平方和，从而引入修正可决系数。

4、多元线性回归分析中，F检验与可决系数有什么关系？

5、一元线性回归分析中，F检验与t检验的关系是什么？

在一元回归模型中，F检验与t检验等价，即F= 

6、多元线性回归分析中，为什么在做了F检验后还要做t检验？

在多元模型中，F检验与T检验的作用不同，具体表现在：

F检验是检验整个方程，即所有解释变量联合起来对被解释变量的影响，但并未说明各个解释变量对被解释变量的影响；而t检验是检验当其他解释变量不变时，单个解释变量对被解释变量的影响。

第四章

1多重共线性的实质是什么？

、

解释变量之间存在精确的或近似的线性关系。

2、为什么会出现多重共线性？

1）、经济变量之间具有共同变化趋势。

2）、模型中包含滞后变量。

3）、利用截面数据建立模型也可能出现多重共线性。

4）、样本数据自身的原因。

3、多重共线性对回归参数的估计有何影响？

1）、完全多重共线性时：

参数估计式为不定式，参数估计值的方差无限大。

2）、不完全多重共线性：

参数估计值的方差增大，对参数区间估计时，置信区间趋于变大。

4、判断是否存在多重共线性的方法有哪些？

简单相关系数检验法，方差扩大（膨胀）因子法，直观判断法，逐步回归检测法。

5、针对多重共线性采取的补救措施有哪些？

1）、修正多重共线性的经验方法：

剔除变量法，增大样本容量，变换模型形式，利用非样本先验信息，横截面数据与时间序列数据并用，变量变换。

2）、逐步回归法。

6、具有严重多重共线性的回归方程能否用来进行预测？

可以，如果研究目的仅在于预测，各个解释变量之间的多重线性关系的性质在未来将继续保持，这时可估计这些系数的某些线性组合。

第五章

1．比较说明模型出现异方差时，普通最小二乘法与加权最小二乘法的区别与联系。

模型存在异方差时，普通最小二乘估计仍具有无偏性和一致性，但估计式的方差不再是最小的。

加权最小二乘法是在模型存在异方差时，消除异方差后，再运用最小二乘法进行计算。

2．异方差性的后果是什么？

1）、参数的OLS估计式的方差不再是最小的。

2）、夸大用于参数显著性检验的t统计量。

3）、预测值的精确度下降。

3．产生异方差性的主要原因是什么？

1）、模型中省略了某些重要的解释变量。

2）、模型设定误差。

3）、测量误差的变化。

4）、截面数据中总体各单位的差异。

4．异方差性的检验方法有哪些？

图示检验法，戈德菲尔德-夸特检验，White检验，ARCH检验，Glejser检验。

第六章

1、对于模型试问：

（1）如果用变量的一次差分估计该模型，则意味着采用了何种自相关形式？

（2）用差分估计时，如果包含一个截距项，其含义？

（1）完全一阶正自相关。

（2）差分为广义差分法。

2、自相关的消除方法有哪些？

广义差分法，科克伦-奥克特迭代法，一阶差分法，德宾两步法。

3、DW检验的局限性是什么？

1）、DW检验有运用的前提条件。

2）、DW统计量的上、下界一般要求。

3）、DW检验不适应随机误差项具有高阶序列相关的检验。

4）、DW检验有两个不能确定的区域。

第七章

1、什么是滞后现象？

产生的原因有哪些？

滞后