计量经济学庞皓课后思考题答案Word文档格式.docx

计量经济学庞皓课后思考题答案Word文档格式.docx

《计量经济学庞皓课后思考题答案Word文档格式.docx》由会员分享，可在线阅读，更多相关《计量经济学庞皓课后思考题答案Word文档格式.docx（17页珍藏版）》请在冰豆网上搜索。

应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。

1.3怎样理解计量经济学与理论经济学、经济统计学的关系？

1、计量经济学与经济学的关系。

联系：

计量经济学研究的主体—经济现象和经济关系的数量规律；

计量经济学必须以经济学提供的理论原则和经济运行规律为依据；

经济计量分析的结果：

对经济理论确定的原则加以验证、充实、完善。

区别：

经济理论重在定性分析,并不对经济关系提供数量上的具体度量；

计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容。

2、计量经济学与经济统计学的关系。

经济统计侧重于对社会经济现象的描述性计量；

经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；

经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。

经济统计学主要用统计指标和统计分析方法对经济现象进行描述和计量；

计量经济学主要利用数理统计方法对经济变量间的关系进行计量。

1.4在计量经济模型中被解释变量和解释变量的作用有什么不同？

在计量经济模型中，解释变量是变动的原因，被解释变量是变动的结果。

被解释变量是模型要分析研究的对象。

解释变量是说明被解释变量变动主要原因的变量。

1.5一个完整的计量经济模型应包括哪些基本要素？

你能举一个例子吗？

一个完整的计量经济模型应包括三个基本要素：

经济变量、参数和随机误差项。

例如研究消费函数的计量经济模型：

其中，为居民消费支出，为居民家庭收入，二者是经济变量；

和为参数；

是随机误差项。

1.6假如你是中央银行货币政策的研究者，需要你对增加货币供应量促进经济增长提出建议，你将考虑哪些因素？

你认为可以怎样运用计量经济学的研究方法？

货币政策工具或者说影响货币供应量的因素有再贴现率、公开市场业务操作以及法定准备金率。

所以会考虑再贴现率、公开市场业务操作以及法定准备金率。

选择这三种因素作为解释变量。

货币供应量作为被解释变量。

从而建立简单线性回归模型。

1.7计量经济学模型的主要应用领域有哪些？

计量经济模型主要可以用于经济结构分析、经济预测、政策评价和检验与发展经济理论。

1.8如果要根据历史经验预测明年中国的粮食产量，你认为应当考虑哪些因素？

应当怎样设定计量经济模型？

影响中国的粮食产量的因素可以有农业资金投入、农业劳动力、粮食播种面积、受灾面积等。

可建立如下多元模型：

其中，为中国的粮食产量，为农业资金投入，为农业劳动力，为粮食播种面积，为受灾面积。

1.9参数和变量的区别是什么？

为什么对计量经济模型中的参数通常只能用样本观测值去估计？

经济变量反映不同时间、不同空间的表现不同，取值不同，是可以观测的因素。

是模型的研究对象或影响因素。

经济参数是表现经济变量相互依存程度的、决定经济结构和特征的、相对稳定的因素，通常不能直接观测。

一般来说参数是未知的，又是不可直接观测的。

由于随机误差项的存在，参数也不能通过变量值去精确计算。

只能通过变量样本观测值选择适当方法去估计。

1.10你能分别举出三个时间序列数据、截面数据、面板数据、虚拟变量数据的实际例子，并分别说明这些数据的来源吗？

时间序列数据：

中国1981年至2010年国内生产总值，可从中国统计年鉴查得数据。

截面数据：

中国2010年各省、区、直辖市的国内生产总值，中国统计年鉴查得数据。

面板数据：

中国1981年至2010年各省、区、直辖市的国内生产总值，中国统计年鉴查得数据。

虚拟变量数据：

自然灾害状态，1表示该状态发生，0表示该状态不发生。

1.11为什么对已经估计出参数的模型还要进行检验？

你能举一个例子说明各种检验的必要性吗？

模型中的参数被估计以后，一般说来这样的模型还不能直接加以应用，还需要对其进行检验。

首先，在设定模型时，对所研究经济现象规律性的认识可能并不充分，所依据的经济理论对所研究对象也许还不能作出正确的解释和说明。

或者经济理论是正确的，但可能我们对问题的认识只是从某些局部出发，或者只是考察了某些特殊的样本，以局部去说明全局的变化规律，可能导致偏差。

其次，我们用以估计参数的统计数据或其它信息可能并不十分可靠，或者较多地采用了经济突变时期的数据，不能真实代表所研究的经济关系，或者由于样本太小，所估计参数只是抽样的某种偶然结果。

此外，我们所建立的模型、采用的方法、所用的统计数据，都有可能违反计量经济的基本假定，这也可能导出错误的结论。

1.12为什么计量经济模型可以用于政策评价？

其前提条件是什么？

所谓政策评价，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运算，从而对各种政策方案作出评价。

前提是，我们是把计量经济模型当作经济运行的实验室，去模拟所研究的经济体计量经济模型体系，分析整个经济体系对各种假设的政策条件的反映。

在实际的政策评价时，经常把模型中的某些变量或参数视为可用政策调整的政策变量，然后分析政策变量的变动对被解释变量的影响。

1.13为什么定义方程式可以用于联立方程组模型，而不宜用于建立单一方程模型？

定义关系是指根据定义而表达的恒等式，是由经济理论或客观存在的经济关系决定的恒等关系。

国民经济中许多平衡关系都可以建立恒等关系，这样的模型称为定义方程式。

在联立方程组模型中经常利用定义方程式。

但是，定义方程式的恒等关系中没有随机误差项和需要估计的参数，所以一般不宜用于建立单一方程模型。

第二章简单线性回归模型

2.1相关分析与回归分析的关系是什么？

相关分析与回归分析有密切的关系，它们都是对变量间相关关系的研究，二者可以相互补充。

相关分析可以表明变量间相关关系的性质和程度，只有当变量间存在一定程度的相关关系时，进行回归分析才有实际的意义。

同时，在进行相关分析时如果要具体确定变量间相关的具体数学形式，又要依赖于回归分析，而且相关分析中相关系数的确定也是建立在回归分析基础上的。

相关分析与回归分析的区别。

从研究目的上看，相关分析是用一定的数量指标（相关系数）度量变量间相互联系的方向和程度；

回归分析却是要寻求变量间联系的具体数学形式，是要根据解释变量的固定值去估计和预测被解释变量的平均值。

从对变量的处理看，相关分析对称地对待相互联系的变量，不考虑二者的因果关系，也就是不区分解释变量和被解释变量，相关的变量不一定具有因果关系，均视为随机变量；

回归分析是建立在变量因果关系分析的基础上，研究其中解释变量的变动对被解释变量的具体影响，回归分析中必须明确划分解释变量和被解释变量，对变量的处理是不对称的。

2.2什么是总体回归函数和样本回归函数？

它们之间的区别是什么？

总体回归函数是将总体被解释变量的条件期望表现为解释变量的函数。

样本回归函数是将被解释变量的样本条件均值表示为解释变量的函数。

总体回归函数和样本回归函数之间的区别。

首先，总体回归函数虽然未知，但它是确定的；

而由于从总体中每次抽样都能获得一个样本，就都可以拟合一条样本回归线，样本回归线是随抽样波动而变化的，可以有很多条。

所以样本回归函数还不是总体回归函数，至多只是未知的总体回归函数的近似反映。

其次，总体回归函数的参数是确定的常数；

而样本回归函数的参数是随抽样而变化的随机变量。

2.3什么是随机扰动项和剩余项（残差）？

总体回归函数中，被解释变量个别值与条件期望的偏差是随机扰动项。

样本回归函数中，被解释变量个别值与样本条件均值的偏差是残差项。

残差项在概念上类似总体回归函数中的随机扰动项，可视为对随机扰动项的估计。

总体回归函数中的随机误差项是不可以直接观测的；

而样本回归函数中的残差项是只要估计出样本回归的参数就可以计算的数值。

2.4为什么在对参数作最小二乘估计之前,要对模型提出古典假设?

在对参数作最小二乘估计之前,要对模型提出古典假设。

因为模型中有随机扰动，估计的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所估计参数的分布性质，也才可能进行假设检验和区间估计。

只有具备一定的假定条件，所作出的估计才具有较好的统计性质。

2.5总体方差和参数估计方差的区别是什么？

总体方差是未知的，但是确定存在的。

参数估计方差可以由样本数据计算出来，但只是总体的近似反映，未必等于真实值。

2.6为什么可决系数可以度量模型的拟合优度？

在简单线性回归中它与对参数的ｔ检验的关系是什么？

可决系数是回归平方和占总离差平方和的比重，即由样本回归作出解释的离差平方和在总离差平方和中占的比重，如果样本回归线对样本观测值拟合程度好，各样本观测点与回归线靠得越近，由样本回归作出解释的离差平方和在总离差平方和中占的比重也将越大，反之拟合程度越差，这部分所占比重就越小。

所以可决系数可以作为综合度量回归模型对样本观测值拟合优度的指标。

在简单线性回归中，可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，X对Y的解释能力越强，模型拟合优度越好。

对参数的ｔ检验是判断解释变量X是否是被解释变量Y的显著影响因素。

二者的目的作用是一致的。

2.7有人说：

“得到参数区间估计的上下限后，说明参数的真实值落入这个区间的概率为。

”如何评论这种说法？

这种说法是错误的。

区间是随机的，只是说明在重复抽样中，像这样的区间可构造许多次，从长远看平均地说，这些区间中将有的概率包含着参数的真实值。

参数的真实值虽然未知，却是一个固定的值，不是随机变量。

所以应理解为区间包含参数真实值的概率是，而不能认为参数的真实值落入这个区间的概率为。

2.8对参数假设检验的基本思想是什么？

对参数假设检验的基本思想，是在所估计样本回归系数概率分布性质已确定的基础上，在对总体回归系数某种原假设成立的条件下，利用适当的有明确概率分布的统计量和给定的显著性水平，构造一个小概率事件，判断原假设结果合理与否，是基于“小概率事件不易发生”的原理，可以认为小概率事件在一次观察中基本不会发生，如果小概率事件竟然发生了，就认为原假设不成立，从而拒绝原假设，不拒绝备择假设。

2.9为什么对被解释变量个别值的预测区间会比对被解释变量平均值的预测区间更宽？

预测被解释变量平均值仅存在抽样误差，而对被解释变量个别值的预测，不仅存在抽样误差，而且要受随机扰动项的影响。

所以对个别值的预测区间比对平均值的预测区间更宽。

2.10如果有人利用中国1978～2000年的样本估计的计量经济模型直接预测“中国综合经济水平将在2050年达到美国2002年的水平”，你如何评论这种预测？

用回归模型作预测时，预测期解释变量取值不宜偏离样本期过远，否则预测的精度会大大降低。

利用中国1978～2000年的样本估