计量经济学期末考试复习文件.docx

计量经济学期末考试复习文件.docx

《计量经济学期末考试复习文件.docx》由会员分享，可在线阅读，更多相关《计量经济学期末考试复习文件.docx（13页珍藏版）》请在冰豆网上搜索。

计量经济学期末考试复习文件

《计量经济学》期末考试复习资料

第一章绪论

参考重点：

计量经济学的一般建模过程

第一章课后题（1.4.6）

1.什么是计量经济学？

计量经济学方法与一般经济数学方法有什么区不？

答：

计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。

计量经济学方法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；一般经济数学方法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。

4.建立与应用计量经济学模型的要紧步骤有哪些？

答：

建立与应用计量经济学模型的要紧步骤如下：

（1）设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；

（2）收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；（3）可能模型参数；（4）检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。

6.模型的检验包括几个方面？

其具体含义是什么？

答：

模型的检验要紧包括：

经济意义检验、统计检验、计量经济学检验、模型的预测检验。

在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数可能值的符号与大小是否与依照人们的经验和经济理论所拟定的期望值相符合；在统计检验中，需要检验模型参数可能值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验要紧检验模型参数可能量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否能够用于样本观测值以外的范围。

第二章经典单方程计量经济学模型：

一元线性回归模型

参考重点：

1.相关分析与回归分析的概念、联系以及区不？

2.总体随机项与样本随机项的区不与联系？

3.什么缘故需要进行拟合优度检验？

4．如何缩小置信区间？

（P46）

由上式能够看出

（1）.增大样本容量。

样本容量变大，可使样本参数可能量的标准差减小；同时，在同样置信水平下，n越大，t分布表中的临界值越小。

（2）提高模型的拟合优度。

因为样本参数可能量的标准差和残差平方和呈正比，模型的拟合优度越高，残差平方和应越小。

5．以一元线性回归为例，写出β0的假设检验

1）.对总体参数提出假设

H0：

b0=0，H1：

b0¹0

2）以原假设H0构造t统计量，

3）由样本计算其值

4）给定显著性水平a，查t分布表得临界值ta/2（n-2）

5）比较，推断

若|t|>ta/2（n-2），则拒绝H0，同意H1；

若|t|£ta/2（n-2），则拒绝H1，同意H0；

上届重点：

一元线性回归模型的差不多假设、随机误差项产生的缘故、最小二乘法、参数经济意义、决定系数、第二章PPT里的表（中国居民人均消费支出对人均GDP的回归）、t检验（△（平方）代表意义；△（平方）的认识）、能够读明白Eviews输出的可能结果

第二章课后题（1.3.9.10）

1.什么缘故计量经济学模型的理论方程中必须包含随机干扰项？

（经典模型中产生随机误差的缘故）

答：

计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式。

由因此随机变量，意味着阻碍被解释变量的因素是复杂的，除了解释变量的阻碍外，还有其他无法在模型中独立列出的各种因素的阻碍。

如此，理论模型中就必须使用一个称为随机干扰项的变量宋代表所有这些无法在模型中独立表示出来的阻碍因素，以保证模型在理论上的科学性。

3.一元线性回归模型的差不多假设要紧有哪些？

违背差不多假设的模型是否不能够可能？

答：

线性回归模型的差不多假设有两大类：

一类是关于随机干扰项的，包括零均值，同方差，不序列相关，满足正态分布等假设；另一类是关于解释变量的，要紧有：

解释变量是非随机的，若是随机变量，则与随机干扰项不相关。

实际上，这些假设差不多上针对一般最小二乘法的。

在违背这些差不多假设的情况下，一般最小二乘可能量就不再是最佳线性无偏可能量，因此使用一般最小二乘法进行可能己无多大意义。

但模型本身依旧能够可能的，尤其是能够通过最大似然法等其他原理进行可能。

假设1.解释变量X是确定性变量，不是随机变量；

假设2.随机误差项m具有零均值、同方差和不序列相关性：

E（mi）=0i=1,2,…,n

Var（mi）=sm2i=1,2,…,n

Cov（mi,mj）=0i≠ji,j=1,2,…,n

假设3.随机误差项m与解释变量X之间不相关：

Cov（Xi,mi）=0i=1,2,…,n

假设4.m服从零均值、同方差、零协方差的正态分布

mi~N（0,sm2）i=1,2,…,n

假设5.随着样本容量的无限增加，解释变量X的样本方差趋于一个有限常数。

即

假设6.回归模型是正确设定的

9、10题为计算题，见课本P52，答案见P17

第三章经典单方程计量经济学模型：

多元线性回归模型

上届重点：

F检验、t检验调整的样本决定系数、“多元”里什么缘故要对△（平方）系数进行调整？

第三章课后题（1.2.7.9.10）

1.多元线性回归模型的差不多假设是什么？

在证明最小二乘可能量的无偏性和有效性的过程中，哪些差不多假设起了作用？

答：

多元线性回归模型的差不多假定仍然是针对随机干扰项与针对解释变量两大类的假设。

针对随机干扰项的假设有：

零均值，同方差，无序列相关且服从正态分布。

针对解释量的假设有；解释变量应具有非随机性，假如是随机的，则不能与随机干扰项相关；各解释变量之间不存在（完全）线性相关关系。

在证明最小二乘可能量的无偏性中，利用了解释变量非随机或与随机干扰项不相关的假定；在有效性的证明中，利用了随机干扰项同方差且无序列相关的假定。

2.在多元线性回归分析中，t检验和F检验有何不同？

在一元线性回归分析中二者是否有等价作用？

（见课本P70）

答：

在多元线性回归分析中，t检验常被用作检验回归方程中各个参数的显著性，而F检验则被用作检验整个回归关系的显著性。

各解释变量联合起来对被解释变量有显著的线性关系，并不意味着每一个解释变量分不对被解释变量有显著的线性关系。

在一元线性回归分析中，二者具有等价作用，因为二者差不多上对共同的假设——解释变量的参数等于零一一进行检验。

7、9、10题为计算题，见课本P91，答案见P53

第四章经典单方程计量经济学模型：

放宽差不多假定的模型

重点掌握：

参考重点：

1.以多元线性回归为例讲明异方差性会产生如何样的后果？

（可能为论述题）

2.检验、修正异方差性的方法？

3.以多元线性回归为例讲明序列相关会产生如何样的后果？

（预测，矩阵表达式推到）

4.检验、修正序列相关的方法？

5.什么是DW检验法（前提条件）？

6.以多元线性回归为例讲明多重共线性会产生如何样的后果

7.检验、修正多重共线性的方法？

8.随机解释变量问题的三种分类？

分不造成的后果是什么？

9.工具变量法的前提假设

1）与所替代的随机解释变量高度相关

2）与随机干扰项不相关

3）与模型中其他解释变量不相关，以幸免出现多重共线性

上届重点：

异方差、序列相关、多重共线性等违背差不多假设的情况产生缘故、后果、识不方式方法、D.W、广义差分法

第四章课后题（1.2）

1、2题为计算题，见课本P134，答案见P84

第五章经典单方程计量经济学模型：

专门问题

上届重点：

虚拟变量的含义与设定、滞后变量的含义、为何加入滞后和虚拟变量

第五章课后题（1.3.4.10）

1.回归模型中引入虚拟变量的作用是什么？

有哪几种差不多的引入方式？

它们各适合用于什么情况？

答：

在模型中引入虚拟变量，要紧是为了查找某（些）定性因素对解释变量的阻碍。

加法方式与乘法方式是最要紧的引入方式。

前者要紧适用于定性因素对截距项产生阻碍的情况，后者要紧适用于定性因素对斜率项产生阻碍的情况。

除此外，还能够加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生阻碍的情况。

3.滞后变量模型有哪几种类型？

分布滞后模型使用OLS方法存在哪些问题？

答：

滞后变量模型有分布滞后模型和自回归模型两大类，前者只有解释变量及其滞后变量作为模型的解释变量，不包含被解释变量的滞后变量作为模型的解释变量；而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量。

分布滞后模型有无限期的分布滞后模型和有限期的分布滞后模型；自回归模型又以Coyck模型、自适应预期模型和局部调整ytdby模型最为多见。

分布滞后模型使用OLS法存在以下问题：

（1）关于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行可能。

（2）关于有限期的分布滞后模型，使用OLS方法会遇到：

没有先验准则确定滞后期长度，对最大滞后期的确定往往带有主观随意性；假如滞后期较长，由于样本容量有限，当滞后变量数目增加时，必定使得自由度减少，将缺乏足够的自由度进行可能和检验；同名变量滞后值之间可能存在高度线性相关，即模型可能存在高度的多重共线性。

4.产生模型设定偏误的要紧缘故是什么？

模型设定偏误的后果以及检验方法有哪些？

答：

产生模型设定偏误的缘故要紧有：

模型制定者不熟悉相应的理论知识；对经济问题本身认识不够或不熟悉前人的相关工作：

模型制定者手头没有相关变量的数据；解释变量无法测量或数据本身存在测量误差。

模型设定偏误的后果有：

（1）假如遗漏了重要的解释变量，会造成OLS可能量在小样本下有偏，在大样本下非一致；对随机干扰项的方差可能也是有偏的。

（2）假如包含了无关的解释变量，尽管OLS可能量具有无偏性与一致性，但不具有最小方差性。

（3）假如选择了错误的函数形式，则后果是全方位的，不但会造成可能的参数具有完全不同的经济意义，而且可能结果也不同。

对模型设定偏误的检验方法有：

检验是否含有无关变量，能够使用t检验与F检验完成：

检验是否有相关变量的遗漏或函数形式设定偏误，能够使用残差图示法，Ramsey提出的RESET检验来完成。

10.简述约化建模理论与传统理论的异同点？

答：

Hendry的约化建模理论的核心是“从一般到简单”的建模思想，即首先提出一个包括各种因素在内的“一般”模型，然后再通过观测数据，利用各种检验对模型进行检验并化简，最后得到一个相对简单的模型。

传统建模理论的主导思想是“从简单到复杂”的建模思想，它首先提出一个简单的模型，然后从各种可能的备选变量中选择适当的变量进入模型，最后得到一个与数据拟合较好的较为复杂的模型。

从二者的要紧联系上看，它们都以对经济现象的解释为目标，以已有的经济理论为建模依据，以对数据的拟合程度作为模型优劣的重要的判定标准之一，也都有若干检验标推。

从二者的要紧区不上看，传统的建模理论往往更依靠于某种单一的经济理论，旧“从一般到简单”的建模理论则更注重将各种不同经济理论纳入到最初的“一般”模型中，甚至更多地是从直觉和经验来建立“一般”的模型；尽管两者都有若干种检验标准，但约化建模理论从实践上有更大量的诊断性检验来看每一步建模的可行性，或查找改善模型的路径：

与传统建模实践中存在的过渡“数据开采”问题相比，由于约化建模理论的初估模型是一个包括所有可能变量的“一般”模型，因此也就幸免了过度的“数据开采”问题；另外，由于初始模型的“一般”性，所有研究者在建模的初期往往有着相同的“起点”，因此，在相同的约化程序下，最后得到的最终模型也应该是相同的。

而传统建模实践中对同一经济问题往往有各种不同经济理论来解释，假如不同的研究者采纳不同的经济理论建模，得到的最终模型也会不同。

因此，由于约化建模理论有更多的检验，使得建模过程更复杂，相比之下，传统建模方法则更加“灵活”。

第六章联立