0817章名词解释简答题Word格式.docx

0817章名词解释简答题Word格式.docx

《0817章名词解释简答题Word格式.docx》由会员分享，可在线阅读，更多相关《0817章名词解释简答题Word格式.docx（40页珍藏版）》请在冰豆网上搜索。

用经济计量方法研究社会经济问题是以经济计量模型的建立和应用为基础的，其过程可分为四个连续的步骤：

建立模型、估计参数、验证模型和使用模型。

建立模型是根据经济理论和某些假设条件，区分各种不同的经济变量，建立单一方程式或方程体系，来表明经济变量之间的相互依存关系。

模型建立后，必须对模型的参数进行估计；

就是获得模型参数的具体数值。

模型估计之后，必须验证模型参数估计值在经济上是否有意义，在统计上是否令人满意。

对经济现象的计量研究是为了使用经济计量模型。

经济计量模型的使用主要是用于进行经济结构分析、预测未来和制定或评价经济政策。

2．简述经济计量模型检验的三大原则。

第一，经济理论准则；

第二，统计准则；

第三，经济计量准则。

（１）经济理论准则

经济理论准则即根据经济理论所阐明的基本原理，以此对模型参数的符号和取值范围进行检验；

就是据经济理论对经济计量模型中参数的符号和取值范围施加约束。

（２）统计准则

统计准则是由统计理论决定的，统计准则的目的在于考察所求参数估计值的统计可靠性。

由于所求参数的估计值是根据经济计量模型中所含经济变量的样本观测值求得的，便可以根据数理统计学的抽样理论中的几种检验，来确定参数估计值的精确度。

（３）经济计量准则

经济计量准则是由理论经济计量学决定的，其目的在于研究任何特定情况下，所采用的经济计量方法是否违背了经济计量模型的假定。

经济计量准则作为二级检验，可视为统计准则的再检验。

3．简述经济计量模型的用途。

　对经济现象的计量研究是为了使用经济计量模型。

（1）结构分析。

就是利用已估计出参数值的模型，对所研究的经济系统变量之间的相互关系进行分析，目的在于了解和解释有关经济变量的结构构成和结构变动的原因。

（2）预测未来。

就是根据已估计出参数值的经济计量模型来推测内生变量在未来时期的数值，这是经济计量分析的主要目的之一。

（3）规划政策。

这是经济计量模型的最重要用途，也是它的最终目的。

规划政策是由决策者从一系列可供选择的政策方案中，挑选出一个最优政策方案予以执行。

一般的操作步骤是先据模型运算一个基本方案，然后改变外生变量（政策变量）的取值，得到其它方案，对不同的政策方案的可能后果进行评价对比，从而做出选择，因此又称政策评价或政策模拟。

第二章

三、名词解释

1．回归分析：

就是研究被解释变量对解释变量的依赖关系，其目的就是通过解释变量的已知或设定值，去估计或预测被解释变量的总体均值。

2．相关分析：

测度两个变量之间的线性关联度的分析方法。

3．总体回归函数：

E（Y/Xi）是Xi的一个线性函数，就是总体回归函数，简称总体回归。

它表明在给定Xi下Y的分布的总体均值与Xi有函数关系，就是说它给出了Y的均值是怎样随X值的变化而变化的。

4．随机误差项：

为随机或非系统性成份，代表所有可能影响Y，但又未能包括到回归模型中来的被忽略变量的代理变量。

5．有效估计量：

在所有线性无偏估计量中具有最小方差的无偏估计量叫做有效估计量。

6．判定系数：

，是对回归线拟合优度的度量。

R2测度了在Y的总变异中由回归模型解释的那个部分所占的比例或百分比。

1．简述回归分析与相关分析的关系。

答：

相关分析主要测度两个变量之间的线性关联度，相关系数就是用来测度两个变量之间的线性关联程度的。

而在回归分析中，我们的主要目的在于根据其它变量的给定值来估计或预测某一变量的平均值。

例如，我们想知道能否从一个学生的数学成绩去预测他的统计学平均成绩。

在回归分析中，被解释变量Y被当作是随机变量，而解释变量X则被看作非随机变量。

而在相关分析中，我们把两个变量都看作是随机变量。

2．简述随机误差项u的意义。

随机误差项u是代表所有对Y有影响但未能包括在回归模型中的那些变量的替代变量。

因为受理论和实践条件的限制而必须省略一些变量，其理由如下：

（1）理论的欠缺。

虽然有决定Y的行为的理论，但常常是不能完全确定的，理论常常有一定的含糊性。

（2）数据的欠缺。

即使能确定某些变量对Y有显著影响，但由于不能得到这些变量的数据信息而不能引入该变量。

（3）核心变量与非核心变量。

例如，在引例的居民消费模型中，除了收入X1外，家庭的人口数X2、户主宗教信仰X3、户主受教育水平X4也影响家庭消费支出。

但很可能X2、X3、X4合起来的影响也是很微弱的，是一种非系统的或随机的影响。

从效果与成本角度来看，引入它们是不合算的。

所以，人们把它们的联合效用当作一个随机变量来看待。

（4）人类行为的内在随机性。

即使我们成功地把所有有关的变量都引进到模型中来，在个别的Y中仍不免有一些“内在”的随机性，无论我们花了多少力气都解释不了的。

随机误差项ui能很好地反映这种随机性。

（5）节省原则，我们想保持一个尽可能简单的回归模型。

如果我们能用两个或三个变量就基本上解释了Y的行为，就没有必要引进更多的变量。

让ui代表所有其它变量是一种很好的选择。

3．试述最小二乘估计原理。

样本回归模型为：

，残差ei是实际值Yi与其估计值

之差。

对于给定的Y和X的n对观测值，我们希望样本回归模型的估计值

尽可能地靠近观测值Yi。

为了达到此目的，我们就必须使用最小二乘准则，使：

尽可能地小。

残差平方和是估计量

的函数，对任意给定的一组数据（样本），最小二乘估计就是选择

和

值，使

最小。

如此求得的

就是回归模型中回归系数的最小二乘估计，这种方法就称为最小二乘法。

4．试述经典线性回归模型的经典假定。

对于总体线性回归模型，其经典假定如下。

假定1：

误差项ui的均值为零。

假定2：

同方差性或ui的方差相等。

对所有给定的Xi，ui的方差都是相同的。

假定3：

各个误差项之间无自相关，ui和uj（i≠j）之间的相关为零。

假定4：

ui和Xi的协方差为零或E（uiXi）=0

该假定表示误差项u和解释变量X是不相关的。

假定5：

正确地设定了回归模型，即在经验分析中所用的模型没有设定偏误。

假定6：

对于多元线性回归模型，没有完全的多重共线性。

就是说解释变量之间没有完全的线性关系。

5．叙述高斯一马尔可夫定理，并简要说明之。

在给定经典线性回归模型的假定下，最小二乘估计量是最佳线性无偏估计量。

该定理说明最小二乘估计量

是

的最佳线性无偏估计量。

即

第一，它是线性的，即它是回归模型中的被解释变量Y的线性函数。

第二，它是无偏的，即它的均值或期望值

等于其真值

，即

。

第三，它在所有这样的线性无偏估计量中具有最小方差。

具有最小方差的无偏估计量叫做有效估计量。

五、计算题

1．解：

（1）Se=0.015t=-8.334

（2）斜率参数0.2453表示地区生产总值增加一亿元进口需求增加0.2453亿元。

截距系数-261.09无实际意义。

（3）斜率系数的t统计量为16.616，远大于临界水平，据t检验应拒绝真实斜率系数为零的假设。

2．解：

（1）t统计量分别为

所以β1、β2均为显著的。

（2）β2的置信区间为

0.7194－2.306×

0.0217≤β2≤0.7194+2.306×

0.0217

0.669≤β2≤0.769

3．解：

模型1判定参数为

模型2的判定参数为

模型1的t统计量分别为

模型2的t统计量分别为

两模型的斜率参数均通过了t检验，说明M1t与M2t均与GDPt有线性关系，但模型2的判定参数R2大于模型1的判定参数R2，具有较好的拟合优度，因此应选择模型2。

4．解：

Ｙ0的预测值为Ｙ0

=10.0+0.9×

250=235.0

Ｙ0的95%的置信区间为

235.0－2.228×

8.42≤Ｙ0≤235.0+2.228×

8.42

216.24≤Ｙ0≤253.76

第三章

1．异方差：

在回归模型中，随机误差项

，

，…，

不具有相同的方差，即

，当

时，则称随机误差的方差为异方差。

2．序列相关：

在进行回归分析时，我们总假定其随机误差项是不相关的，即

上式表示不同时点的误差项之间不相关。

如果一个回归模型不满足上式，即

，则我们称随机误差项之间存在着序列相关现象，也称为自相关

3．加权最小二乘法：

为了克服方差非齐性，所采用的方法即加权最小二乘法。

基本思想是变换原来的模型，使经过变换的模型具有同方差的随机项，然后再应用普通最小二乘法进行估计。

4．戈德菲里特—匡特检验：

首先将样本按某个解释变量的大小顺序排列，并将样本从中间截成两段；

然后各段分别用普通最小二乘法拟合回归模型。

令第一段为高方差段，第二段为低方差段，并记两段的样本容量分别为

，模型参数个数为

，两段样本回归残差分别为

，则两段的残差平方和分别为

，从而可计算出各段模型的随机误差项的方差估计量分别为

，由此可构造出检验统计量为

该统计量服从自由度为

的Ｆ分布。

在给定的显著性水平

之下，若此统计量Ｆ的值大于临界值

，则可认为有异方差的存在。

5．DW检验：

DW检验是J.Durbin（杜宾）和

，为了检验序列的相关性，构造的原假设是

为了检验上述假设，构造DW统计量首先要求出回归估计式的残差

，根据样本容量

和解释变量的数目

（不包括常数项），查DW分布表，得临界值

，然后依下列准则考察计算得到的DW值，以决定模型的自相关状态。

6．广义差分法：

广义差分法可以克服所有类型的序列相关带来的问题。

如果

为经典误差项，则可以将模型变换为

此模型即为广义差分模型，该模型不存在序列相关问题。

采用普通最小二乘法估计该模型得到的参数估计量，即为原模型参数的无偏、有效的估计量。

1．答：

时

在线性模型的基本假定中，

关于方差不变的假定不成立，则称存在异方差性。

例如：

在研究城镇居民收入与消费的关系时，我们知道居民收入与消费水平有着密切的关系。

用

表示第

户的收入，

户的消费额，那么反映收入与消费之间的模型为

+

模型中，因为各户的收入不同，消费观念和习惯的差异，导致消费的差异非常大，模型中存在明显的异方差性。

2．答：

模型中存在异方差时，如果采用普通最小二乘法估计，存在以下问题：

①参数估计量虽是无偏的，但不是最小方差线性无偏估计。

②参数的显著性检验失效。

3．答：

样本分段比检验也叫戈德菲尔德－匡特检验，步骤是：

①将样本按某个解释变量的大小顺序排列，并将样本从中间截成两段；

②各段分别用普通最小二乘法拟合回归模型。

令第一段为高方差段，第二段为低方差段，并记两段的样本容量分