计量经济学期末Word文档下载推荐.docx
《计量经济学期末Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《计量经济学期末Word文档下载推荐.docx(17页珍藏版)》请在冰豆网上搜索。
又称修正后的决定系数,是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的
13、虚拟变量:
为了能够在模型中反映某些因素的影响,并能提高模型的精度,需要将某些变量“量化”,它们的构造只取“0”或“1”的变量称为虚拟变量
14、工具变量:
是指在模型中的随机解释变量高度相关,与随机误差项不相关的变量。
在模型估计过程中被作为工具使用,以替代与随机干扰项相关的随机解释变量
15、工具变量法:
用工具变量替代模型中与随机误差项相关的随机解释变量的方法
16、虚拟变量模型:
同时含有一般解释变量与模拟变量的模型称为虚拟变量模型
17、受约束回归:
在实际经济活动中,常常需要根据经济理论对模型中变量的参数施加一定的约束条件,对模型参数施加约束条件后进行回归
21、虚拟因变量模型:
(1)虚拟变量在模型中可以作解释变量,也可以作因变量。
(2)引入虚拟变量后,回归方程中同时含有一般解释变量和虚拟变量,称这种变量结构的模型为虚拟变量模型或协方差分析模型。
虚拟变量作因变量的模型又称抉择模型。
22、滞后变量:
是滞后内生变量和滞后外生变量的合称,前期的内生变量称为滞后内生变量,前期的外生变量称为滞后外生变量。
通常把过去时期的,具有滞后作用的变量叫做滞后变量(LaggedVariable),含有滞后变量的模型称为滞后变量模型。
23、滞后效应:
因变量受到自身或另一解释变量的前几期值影响的现象称为滞后效应
24、效用函数:
表示消费者在消费中所获得的效用与所消费的商品组合之间数量关系的函数。
它被用以衡量消费者从消费既定的商品组合中所获得满足的程度。
运用无差异曲线只能分析两种商品的组合,而运用效用函数则能分析更多种商品的组合。
其表达式是:
U=U(x,y,z,…)式中x, y, z分别代表消费者所拥有或消费的各种商品的数量。
25、平稳时间序列的条件:
P277
模型的平稳条件p阶自回归系数多项式
的根都在单位圆外,即
模型的平稳性完全由其自回归部分的平稳性决定。
26、被解释变量预测值:
对于一元线性回归模型,如果给定样本以外的解释变量的观测值Xo,可以得到被解释变量的预测值Ŷ0,可以此作为其条件均值E(Y|X=X0)或个值Y0的一个近似估计
27、固定效应模型:
如果把“个体效应”当作不随时间改变的固定因素相应模型称为“固定效应”模型。
简答题
1、为什么说计量经济学是一门经济学科?
它在经济学科中的地位和作用?
从计量经济学的定义看,它是定量化的经济学;
其次,从计量经济学在西方国家经济学科中居于最重要的地位看,也是如此,尤其是从诺贝尔经济学奖设立之日起,已有多人因直接或间接对计量经济学的创立和发展作出贡献而获得诺贝尔经济学奖;
计量经济学与数理统计学有严格的区别,它仅限于经济领域;
从建立与应用计量经济学模型的全过程看,不论是理论模型的设定还是样本数据的收集,都必须以对经济理论,对所研究的经济现象有透彻的认识为基础.综上所述,计量经济学确实是一门经济学科.
2、建立计量经济学模型的基本思想
计量经济学方法,就是定量分析经济现象中各因素之间的因果关系.所以,第一步,要根据经济理论分析所研究的经济现象,找出经济现象之间的因果关系及相互间的联系,把问题作为被解释变量,把影响问题的主要因素作为解释变量,把非主要因素归入随机项;
第二步,要按照它们之间的行为关系选择适当的数学形式描述这些变量之间的关系,一般是用一组数学上彼此独立,互不矛盾,完整有解的方程组表示.在建立理论模型的时,要求理论模型在参数估计,模型检验的过程中不断得到修正,以便得到一个较好的,能够解释过去的,反映客观经济规律的数学模型.此外,还可以通过散电图或模拟的方法,选择一个拟合效果较好的数学模型.
3、计量经济模型应用领域?
各自的原理?
计量经济学模型主要有以下几个方面的用途:
(1)结构分析,其原理是弹性分析、乘数分析与比较分析
(2)经济预测,其原理是模拟历史,从已经发生的经济活动中找出变化规律
(3)政策评价,是对不同政策执行情况的“模拟仿真”
(4)检验与发展经济理论,其原理是如果按照某种经济理论建立的计量经济学模型可以很好地拟合实际观察数据
4、试分别举出五个时间序列数据和横截面数据,并说明时间序列数据和横截面数据有和异同
5、时间序列数据的例子如:
改革开放以来25年中的GDP,居民人均消费支出,人均可支配收入,零售物价指数,固定资产投资等;
横截面数据的例子如:
2003年各省的GDP,该年各工业部门的销售额,该年不同收入的城镇居民消费支出,该年不同城镇居民的可支配收入,该年各省的固定资产投资等.这两类数据都是反映经济规律的经济现象的数量信息,不同点:
时间序列数据是含义,口径相同的同一指标按时间先后排列的统计数据列;
而横截面数据是一批发生在同一时间截面上不同统计单元的相同统计指标组成的数据列.
5、什么是滞后现象?
产生原因?
解释变量和被解释变量的因果联系可能不在同时发生,在这一过程中通常有时间滞后,解释变量需要通过一段时间才能完全作用与被解释变量。
由于经济活动的连续性,被解释变量的当前变化往往受到自身过去取值水平的影响。
被解释变量受自身或其它经济变量前期水平的影响称为滞后现象。
原因:
A心理因素:
人们的心理定势,行为方式滞后于经济形势的变化,如中彩票的人不可能很快改变其生活方式。
B技术原因:
如当年的产出在某种程度上依赖于过去若干期内投资形成的固定资产。
C制度原因:
如定期存款到期才能提取,造成了它对社会购买力的影响具有滞后性。
6、几种典型的消费函数形式?
(1)绝对收入假设消费函数模型
凯恩斯认为,消费是由收入唯一决定的,消费与收入之间存在着稳定的函数关系。
t=1,2,…,T其中C表示消费额,Y表示收入,
为待估参数。
(2)相对收入假设消费函数模型
一、“示范性”假设消费函数模型
绝对收入假设消费函数模型认为消费者的消费行为是独立的,不受周围环境的响。
这种消费行为假设是不符合客观实际的。
杜伊森贝里(Duesenberry)认为,消费者的消费行为不仅受自身收入的影响,也受周围人的消费水平的影响。
其中
为该消费者所处的群体的平均收入水平。
从式子可以看出,当
,
一定时,对于较低的
,其
较高。
这就是“示范性”的作用。
式子的计量形态可以表示为
i=1,2,…,n其中待估计参数0<
<
1,反映个人的边际消费倾向,0<
1,反应群体平均收入水平对个体消费的影响。
二、“不可逆性”假设消费函数模型
杜伊森贝里认为,消费者的消费支出水平不仅受到当前收入的影响,也受自己历史上曾经实现的消费水平的影响。
为该消费者曾经达到的最高收入水平。
,其中
这就是“不可逆性”的作用。
式子的计量形态可表示为
t=1,2,…,T其中待估参数0<
1,当反应当前的边际消费倾向;
0<
1,反应曾经达到的最高收入水平对当前消费的影响。
(3)生命周期假设消费函数模型
莫迪利亚尼(Modigliani),布朗姆帕格(Brumberg)和安东(Ando)于1954年提出,消费者现期消费不仅与现期收入有关,而且与消费者以后各期收入的期望值、开始时的资产数量和年龄有关。
一般近似的用下列函数描述生命周期假设消费函数模型:
t=1,2,…,T其中
为时刻t的资产存量,待估参数0<
1,反应当前的边际消费倾向,0<
1,反映消费者已经积累的财富对当前消费的影响。
(4)持久收入假设消费函数模型
弗里德曼(Friedman)于1957年提出了消费的持久收入假设,它是对凯恩斯的绝对收入假设的修正与补充。
分别为实际收入。
持久收入和瞬时收入,
分别为实际消费,持续消费和瞬时消费。
持续消费由持久收入决定,瞬时消费由瞬时收入决定。
估计式的参数的困难在与样本观测值的选取,因为能够得到的是实际收入,而不是持久收入和瞬时收入。
(5)合理预期的消费函数模型
理性预期理论认为,人们可以对原因变量进行预期,然后根据原因变量的预期值对结果变量进行预测。
消费者按收入预期决定自己的消费计划和现实消费。
t=1,2,…,T
(6)适应预期的消费函数模型
适应预期理论认为,人们可以根据原因变量的实际值对结果变量进行预测,但实际上往往达不到预期的结果,因而需要对结果变量的预期值进行调整。
消费者按收入决定自己的消费预期。
7、序列相关性的后果及识别方法
(一)参数估计量非有效
(二)变量的显著性检验失去意义(三)模型预测失效
序列相关性的检验一、检验方法的思路二、图示法三、回归检验法
8、多重共线性的后果及识别方法
一、完全共线性下参数估计量不存在二、近似共线性下普通最小二乘法参数估计量的方差变大三、参数估计量经济含义不合理四、变量的显著性检验与模型的预测功能失去意义
多重共线性的检验
一、检验多重共线性是否存在
(1)对两个解释变量的模型,采用简单相关系数法
(2)对多个解释变量的模型,采用综合统计检验法二、判明存在多长共线性的范围
(1)判定系数检验法
(2)逐步回归法
多元线性回归模型产生多重共线性的原因很多,主要有:
(1)经济变量的内在联系
这是产生多重共线性的根本原因.
(2)解释变量中含有滞后变量
(3)经济变量变化趋势的"
共向性"
必须指出,多重共线性基本上是一种样本现象.因为人们在设定模型时,总是尽量避免将理论上具有严格线性关系的变量作为解释变量收集在一起,因此,实际问题中的多重共线性并不是解释变量之间存在理论上或实际上的线性关系造成的,而是由所收集的数据(解释变量观察值)之间存在近似的线性关系所致.
识别方法:
一,系数判定法
(1)如果决定系数很大(一般大于0.8),但模型中全部或部分参数却不显著,那么,此时解释变量之间往往存在多重共线性.
(2)从经济理论知某些解释变量对因变量有重要影响,或经检验变量之间线性关系显著,但其参数的检验均不显著,一般就应怀疑是多重共线性所致.
(3)如果对模型增添一个新的解释变量之后,发现模型中原有参数估计值的方差明显增大,则表明在解释变量之间(包括新添解释变量在内)可能存在多重共线性.
二,解释变量之间所构成的回归方程的决定系数进行判别
三,逐步回归判别法
以为被解释变量逐个引入解释变量,构成回归模型,进行参数估计,根据决定系数的变化决定新引入的变量是否能够加入模型之中.首先将对所有的解释变量分别作回归,得到所有的模型,取决定系数最大的模型中的解释变量加入模型,作为第一个引入模型的变量;
其次,将再对剩余的解释变量分别加入模型,进行二元回归,再次,取决定系数最大的解释变量加入模型;
依次做下去,直到模型的决定系数不再改善为止.
四,方差膨胀因子VIF判别法
对于多元线性回归模型,的方差可以表示成
一般当VIF>
10时(此时>
0.9),认为模型存在较严重的多重共
线性.
五,修正的Frish判别法
该方法不仅可以对多重共线性进行判别,同时也是处理多重共线性问题的一种有效方法.其步骤为:
(1)用被解释变量分别对每个解释变量进行线性回归,根据经济理论和统计检验从中选择一个最合适的回归模型作为基本回归模型,通常选取决定系数最大的回归模型.
(2)在基本回归模型中逐个增加其他解释变量,重新进行线性回归,如果新增加的这个解释变量提高了回归模型的决定系数,并且回归模型中的其他参数统计上仍然显著,就在模型中保留该解释变量;
如果新增加的解释变量没有显著提高回归模型的拟合优度,则不在模型中保留该解释变量;
如果新增加的解释变量提高了回归模型的决定系数,并且回归模型中某些参数的数值或符号等受到显著的影响,说明模型中存在多重共线性,对该解释变量同与之相关的其他解释变量进行比较,在模型中保留对被解释变量影响较大的,剔除影响较小的.
9、异方差
一、参数估计量非有效二、变量的显著性检验失去意义三、模型的预测失效
异方差的检验:
一、图示检验法二、帕克(park)检验与戈里瑟检验三、G-Q(Goldfeld-Quandt)检验四、怀特(white)检验
10、随机解释变量p145
12、随机误差项和残差项的区别与联系?
区别:
残差是被解释变量实际值和样本回归的差值;
随机干扰项是被解释变量实际值和总体回归的差值.前者近似地可以看成是后者的估计和代理.
随机误差项ui=Yi-E(Y/Xi).当把总体回归函数表示成Yi=Yi尖+ei时,其中的ei就是残差。
它是用Yi尖估计Yi时带来的误差,是对随机误差项ui的估计。
(所有的i都是下标Yi尖是Yi的估计值)
1)随机误差项
反应除自变量外其他各种微小因素对因变量的影响,它是
与未知的总体回归线之间的纵向距离,是不可直接观测的。
残差
是
与按照回归方程计算的
的差额,它是
与样本回归线之间的纵向距离,当根据样本观测值拟合出样本回归线之后,可以计算
的具体数值。
利用残差可以对随意误差项的方差进行估计。
2)残差与误差,这两个概念在某种程度上具有很大的相似性,都是衡量不存定性的指标,可是两者又存在区别。
误差与测量有关,误差大小可以衡量测量的准确性,误差越大则表示测量越不准确随机误差与观测者、测量工具、被观测物体的性质有关,只能尽量减少却不能避免。
残差与预测有关残差大小可以衡量预测的准确性,残差越大表示预测越不准确。
残差与数据本身的分布特征,回归方程的选择有关。
13、R2检验与F检验的区别与联系
T检验是检验单个参数的显著性,而F检验是检验整体参数的显著性。
通过T检验说明被检验的参数是显著有效的,通过F检验,说明整体参数中至少有一个是显著的,但不一定是都显著。
F检验是检验解释变量与被解释变量总体的线性关系(对线性模型而言),T检验是检验单个解释变量对被解释变量的解释能力,如果不能通过T检验的话,说明该解释变量对被解释变量的解释作用不大,应该在模型中剔除。
14、回归分析与相关分析的区别和联系
联系:
(1)理论和方法具有一致性;
(2)无相关就无回归,相关程度越高,回归越好;
(3)相关系数和回归系数方向一致,可以互相推算。
(4)相关分析是回归分析的前提和基础;
回归分析是相关分析的深入和继续。
(1)回归分析中必须区分自变量和因变量,而相关分析中两个变量是完全对等的;
回归分析强调因果关系,相关分析不关心因果关系
(2)相关分析中x、y均为随机变量,回归分析中只有y为随机变量;
(3)相关分析测定相关程度和方向,回归分析用回归模型进行预测和控制
15、一元线性回归的最小二乘法的基本原理及步骤?
16、在建立计量模型时,什么时候,为什么要引入虚拟变量?
在现实经济生活中,除了诸如:
利润、成本、收入、价格等具有数量特征、影响某个经济问题的变量外,还有一类变量,如:
季节、民族、自然灾害、战争、政府制定的某项经济政策等也会影响某些经济问题且可能是重要的影响因素,如:
讨论改革前后的经济发展的对比,讨论像空调、冷饮等季节性产品的销售,讨论女性化妆品的销售等问题时,不可避免的要考虑后一类变量。
这后一类变量所反映的并不是数量而是某种性质或属性,我们前面所讨论的回归模型是一种定量模型,所以在引入这类反映性质或属性的变量时需要先将其定量化。
在计量经济学中,我们把这些反映性质或属性的变量叫“虚拟变量”。
规定具备某种属性时把虚拟变量赋值为“1”,反之为“0”。
(在现实生活中,影响经济问题的因素除具有数量特征的变量外,还有一类变量,这类变量所反映的并不是数量而是现象的某些属性或特征,即它们反映的是现象的质的特征。
这些因素还很可能是重要的影响因素,这时就需要在模型中引入这类变量。
引入的方式就是以虚拟变量的形式引入。
17、举例说明虚拟变量在模型中的作用?
答:
以调查某地区居民性别与收入之间的关系为例(设解释变量中只含有虚拟变量),我们可以用模型表示:
其中代表收入,为虚拟变量,可以看出,代表女性的收入,代表男性与女性收入之间的差额,从式很容易得出:
检验假设,就是检验男女的平均收入之间是否有差额。
若:
成立,说明收入与性别没有明显关系。
若不成立,说明收入与性别有明显关系。
18、模型引入虚拟变量的作用
(1)可以描述和测量定性因素的影响
(2)能够正确反映经济变量之间的关系,提高模型的精度
(3)便于处理异常数据
19、虚拟变量引入的原则
(1)如果一个定性因素有m方面的特征,则在模型中引入m-1个模拟变量;
(2)如果模型中有个m个定性因素,而每个定性因素只有两方面的属性或特征,则在模型中引入m个虚拟变量;
如果定性因素有两个及以上个属性,则参照“一个因素多个属性”的设置虚拟变量
(3)虚拟变量取值应从分析问题的目的出发予以界定
(4)虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量
20、虚拟变量引入的方式及每种方式的作用?
(1)加法方式:
其作用是改变了模型的截距水平
(2)乘法方式:
其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度
(3)一般方式:
即影响模型的截距有影响模型的斜率
21、模型设定误差的类型?
(1)模型中添加了无关的解释变量;
(2)模型中遗漏了重要的解释变量;
(3)模型中试用了不恰当的形式
22、工具变量选择时必须满足哪些条件?
选择工具变量必须满足一下两个条件:
(1)工具变量与模型中的随机解释变量高度相关;
(2)工具变量与模型的随机误差项不相关。
23、滞后变量模型的类型并写出形式
滞后变量模型包括两种类型:
自回归模型和分布滞后模型。
自回归模型时模型的解释变量中包含滞后被解释变量,基本形式为:
分布滞后模型是指模型中不仅包含解释变量的当期值,还包括解释变量的滞后值,基本形式为:
24、模型设定误差产生的原因
这些误差主要有下列五种情况。
1.省略有关变量的情况
2.列入无关变量的情况
3.忽视变量质变的情况
4.回归模型数学形式不正确的情况
5.扰动项不正确设定的情况
综合题
1、某样本的容量为20(包含20个观察值),采用Yt=B1+B2X1t+B3X2t+μt作回归,根据回归结果已知:
ESS=602.2,TSS=678.6,求:
1、RSS;
2、ESS与RSS的自由度;
3、求F值4、检验零假设:
B2=B3=0。
(5分)(提示:
ESS是分子自由度,RSS是分母自由度)
1、RSS=TSS-ESS=76.4
2、ESS自由度=2RSS自由度=17
3、F=67.2>F临界=3.59,拒绝零假设。
2、以样本容量为30的样本为分析对象,做二元线性回归,试完成下列表格。
1-3题只需将答案填在空格即可,4-5题需写出简单计算过程。
方差来源
平方和(SS)
自由度(d.f)
ESS
103.50
(1)
RSS
(2)
TSS
110.00
(3)
判定系数R2
(4)
联合假设检验统计量F值
(5)
自由度分别为2;
27;
29。
R平方等于0.94;
F=214。
Ros提高50点,薪水提高1.2%
T=0.44,小于临界值,接受零假设,因此,不包括ros变量
(H0:
=0.H1:
>
0.
按比例影响是0.00024(50)=0.012。
要获取率的作用,我们乘以100:
1.2%。
因此,50点其他条件不变时ros的增加预计将仅增长1.2%的工资。
实际上,这是一个如此大的变化的ros影响非常小。
10%的临界值的单尾检验,使用df
=∞,使用的是取自表G.2为1.282。
对ros统计值0.00024/0.00054
0.44,远低于临界值。
因此,我们无法拒绝在10%显着水平的零假设。
4、某人试图建立我国煤炭行业生产方程,以煤炭产量为被解释变量,经过理论和经验分析,确定以固定资产原值、职工人数和电力消耗量变量作为解释变量,变量的选择是正确的。
于是建立了如下形式的理论模型:
煤炭产量=
固定资产原值+
职工人数+
电力消耗量+μ
选择2000年全国60个大型国有煤炭企业的数据为样本观测值;
固定资产原值用资产形成年当年价计算的价值量,其它采用实物量单位;
采用OLS方法估计参数。
指出该计量经济学问题中可能存在的主要错误,并简单说明理由。
⑴模型关系错误。
直接线性模型表示投入要素之间完全可以替代,与实际生产活动不符。
⑵估计方法错误。
该问题存在明显的序列相关性,不能采用OLS方法估计。
⑶样本选择违反一致性。
行业生产方程不能选择企业作为样本。
⑷样本数据违反可比性。
固定资产原值用资产形成年当年价计算的价值量,不具备可比性。
⑸变量间可能不存在长期均衡关系。
变量中有流量和存量,可能存在1个高阶单整的序列。
应该首先进行单位根检验和协整检验。
5、投资函数模型
为一完备的联立方程计量经济模型中的一个方程,模型系统包含的内生变量为C(居民消费总额)、I(投资总额)和Y(国内生产总值),先决变量为
(政府消费)、
和
。
样本容量为
⑴可否用狭义的工具变量法估计该方程?
为什么?
⑵如果采用2SLS估计该方程,分别写出2SLS估计量和将它作为一种工具变量方法的估计量的矩阵表达式;
⑶如果采用GMM方法估计该投资函数模型,写出一组等