期末精华计量经济学中文最全简答和计算题.docx
《期末精华计量经济学中文最全简答和计算题.docx》由会员分享,可在线阅读,更多相关《期末精华计量经济学中文最全简答和计算题.docx(7页珍藏版)》请在冰豆网上搜索。
期末精华计量经济学中文最全简答和计算题
期末精华:
计量经济学中文最全简答和计算题
四、简答题(每小题5分)
1.简述计量经济学与经济学、统计学、数理统计学学科间的关系。
2.计量经济模型有哪些应用?
3.简述建立与应用计量经济模型的主要步骤。
4.对计量经济模型的检验应从几个方面入手?
5.计量经济学应用的数据是怎样进行分类的?
6.在计量经济模型中,为什么会存在随机误差项?
7.古典线性回归模型的基本假定是什么?
8.总体回归模型与样本回归模型的区别与联系。
9.试述回归分析与相关分析的联系和区别。
10.在满足古典假定条件下,一元线性回归模型的普通最小二乘估计量有哪些统计性质?
11.简述BLUE的含义。
12.对于多元线性回归模型,为什么在进行了总体显著性F检验之后,还要对每个回归系数进行是否为0的t检验?
13.给定二元回归模型:
yt?
b0?
b1x1t?
b2x2t?
ut,请叙述模型的古典假定。
14.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度?
15.修正的决定系数R2及其作用。
16.常见的非线性回归模型有几种情况?
17.观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。
①yt?
b0?
b1xt3?
ut②yt?
b0?
b1logxt?
ut③logyt?
b0?
b1logxt?
ut④yt?
b0/(b1xt)?
ut
18.观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。
①yt?
b0?
b1logxt?
ut②yt?
b0?
b1(b2xt)?
ut③yt?
b0/(b1xt)?
ut④yt?
1?
b0(1?
xtb1)?
ut
19.什么是异方差性?
试举例说明经济现象中的异方差性。
20.产生异方差性的原因及异方差性对模型的OLS估计有何影响。
21.检验异方差性的方法有哪些?
22.异方差性的解决方法有哪些?
23.什么是加权最小二乘法?
它的基本思想是什么?
24.样本分段法(即戈德菲尔特――匡特检验)检验异方差性的基本原理及其使用条件。
25.简述DW检验的局限性。
26.序列相关性的后果。
27.简述序列相关性的几种检验方法。
28.广义最小二乘法(GLS)的基本思想是什么?
29.解决序列相关性的问题主要有哪几种方法?
30.差分法的基本思想是什么?
31.差分法和广义差分法主要区别是什么?
32.请简述什么是虚假序列相关。
33.序列相关和自相关的概念和范畴是否是一个意思?
34.DW值与一阶自相关系数的关系是什么?
35.什么是多重共线性?
产生多重共线性的原因是什么?
36.什么是完全多重共线性?
什么是不完全多重共线性?
37.完全多重共线性对OLS估计量的影响有哪些?
38.不完全多重共线性对OLS估计量的影响有哪些?
39.从哪些症状中可以判断可能存在多重共线性?
1
40.什么是方差膨胀因子检验法?
41.模型中引入虚拟变量的作用是什么?
42.虚拟变量引入的原则是什么?
43.虚拟变量引入的方式及每种方式的作用是什么?
44.判断计量经济模型优劣的基本原则是什么?
45.模型设定误差的类型有那些?
46.工具变量选择必须满足的条件是什么?
47.设定误差产生的主要原因是什么?
48.在建立计量经济学模型时,什么时候,为什么要引入虚拟变量?
49.估计有限分布滞后模型会遇到哪些困难
50.什么是滞后现像?
产生滞后现像的原因主要有哪些?
51.简述koyck模型的特点。
52.简述联立方程的类型有哪几种53.简述联立方程的变量有哪几种类型54.模型的识别有几种类型?
55.简述识别的条件。
四、简答题(每小题5分)
7.古典线性回归模型的基本假定是什么?
答:
①零均值假定。
(1分)即在给定xt的条件下,随机误差项的数学期望(均值)为0,即E(ut)=0。
②同方差假定。
(1分)误差项ut的方差与t无关,为一个常数。
③无自相关假定。
(1分)即不同的误差项相互独立。
④解释变量与随机误差项不相关假定。
(1分)⑤正态性假定,(1分)即假定误差项
ut服从均值为0,方差为?
2的正态分布。
8.总体回归模型与样本回归模型的区别与联系。
答:
主要区别:
①描述的对象不同。
(1分)总体回归模型描述总体中变量y与x的相互关系,而样本回归模型描述所观测的样本中变量y与x的相互关系。
②建立模型的不同。
(1分)总体回归模型是依据总体全部观测资料建立的,样本回归模型是依据样本观测资料建立的。
③模型性质不同。
(1分)总体回归模型不是随机模型,样本回归模型是随机模型,它随着样本的改变而改变。
主要联系:
样本回归模型是总体回归模型的一个估计式,之所以建立样本回归模型,目的是用来估计总体回归模型。
(2分)
9.试述回归分析与相关分析的联系和区别。
答:
两者的联系:
①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分)②相关分析与回归分析的有关指标之间存在计算上的内在联系。
(1分)
两者的区别:
①回归分析强调因果关系,相关分析不关心因果关系,所研究的两个变量是对等的。
(1分)②对两个变量x与y而言,相关分析中:
rxy?
ryx?
?
b?
?
xx?
?
?
?
t?
by01t和t?
a0?
a1?
yt却是两个完全不同的回归;在回归分析中,
方程。
(1分)③回归分析对资料的要求是被解释变量y是随机变量,解释变量x是非随机变量;相关分析对资料的要
求是两个变量都随机变量。
(1分)
10.在满足古典假定条件下,一元线性回归模型的普通最小二乘估计量有哪些统计性质?
?
b?
yub0答:
①线性,是指参数估计量和1分别为观测值t和随机误差项t的线性函数或线性组合。
(1分)②无偏性,指
参数估计量
?
b?
b0和1的均值(期望值)分别等于总体参数b0和b1。
(2分)③有效性(最小方差性或最优性),指在所
?
b?
b0和1的方差最小。
(2分)
有的线性无偏估计量中,最小二乘估计量
11.简述BLUE的含义。
答:
BLUE即最佳线性无偏估计量,是bestlinearunbiasedestimators的缩写。
(2分)在古典假定条件下,最小二乘估计量具备线性、无偏性和有效性,是最佳线性无偏估计量,即BLUE,这一结论就是著名的高斯-马尔可夫定理。
(3分)
2
12.对于多元线性回归模型,为什么在进行了总体显著性F检验之后,还要对每个回归系数进行是否为0的t检验?
答:
多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。
(1分)通过了此F检验,就可以说模型中的全部解释变量对被解释变量的共同影响是显著的,但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。
(3分)因此还需要就每个解释变量对被解释变量的影响是否显著进行检验,即进行t检验。
(1分)13.给定二元回归模型:
yt?
b0?
b1x1t?
b2x2t?
ut,请叙述模型的古典假定。
解答:
(1)随机误差项的期望为零,即E(ut)?
0。
(2)不同的随机误差项之间相互独立,即
cov(ut,us)?
E[(ut?
E(ut))(us?
E(us)]?
E(utus)?
0(1分)。
(3)随机误差项的方差与t无关,为一个常数,即
var(ut)?
?
2。
即同方差假设(1分)。
(4)随机误差项与解释变量不相关,即cov(xjt,ut)?
0?
?
(j?
1,2,...,k)。
通常
假定xjt为非随机变量,这个假设自动成立(1分)。
(5)随机误差项ut为服从正态分布的随机变量,即ut?
N(0,?
2)(1分)。
(6)解释变量之间不存在多重共线性,即假定各解释变量之间不存在线性关系,即不存在多重共线性(1分)。
14.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度?
解答:
因为人们发现随着模型中解释变量的增多,多重决定系数R的值往往会变大,从而增加了模型的解释功能。
这样就使得人们认为要使模型拟合得好,就必须增加解释变量(2分)。
但是,在样本容量一定的情况下,增加解释变量必定使得待估参数的个数增加,从而损失自由度,而实际中如果引入的解释变量并非必要的话可能会产生很多问题,比如,降低预测精确度、引起多重共线性等等。
为此用修正的决定系数来估计模型对样本观测值的拟合优度(3分)。
15.修正的决定系数R及其作用。
解答:
R222?
e/n?
k?
1,(2分)其作用有:
(1)用自由度调整后,可以消除拟合优度评价中解释变量多
?
1?
?
(y?
y)/n?
12t2t少对决定系数计算的影响;(2分)
(2)对于包含解释变量个数不同的模型,可以用调整后的决定系数直接比较它们的拟合优度的高低,但不能用原来未调整的决定系数来比较(1分)。
16.常见的非线性回归模型有几种情况?
解答:
常见的非线性回归模型主要有:
(1)对数模型lnyt?
b0?
b1lnxt?
ut(1分)
(2)半对数模型yt?
b0?
b1lnxt?
ut或lnyt?
b0?
b1xt?
ut(1分)(3)倒数模型y?
b0?
b1111?
u或?
b0?
b1?
u(1分)xyx(4)多项式模型y?
b0?
b1x?
b2x2?
...?
bkxk?
u(1分)
K?
b0b1tKy?
e(5)成长曲线模型包括逻辑成长曲线模型yt?
和Gompertz成长曲线模型t(1分)
1?
b0e?
b1t17.观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。
①yt?
b0?
b1xt3?
ut②yt?
b0?
b1logxt?
ut
3
③logyt?
b0?
b1logxt?
ut④yt?
b0/(b1xt)?
ut
解答:
①系数呈线性,变量非线性;(1分)②系数呈线性,变量非呈线性;(1分)③系数和变量均为非线性;(1分)④系数和变量均为非线性。
(2分)
18.观察下列方程并判断其变量是否呈线性,系数是否呈线性,或都是或都不是。
①yt?
b0?
b1logxt?
ut②yt?
b0?
b1(b2xt)?
ut③yt?
b0/(b1xt)?
ut④yt?
1?
b0(1?
xt1)?
ut
解答:
①系数呈线性,变量非呈线性;(1分)②系数非线性,变量呈线性;(1分)③系数和变量均为非线性;(2分)④系数和变量均为非线性(1分)。
19.异方差性是指模型违反了古典假定中的同方差假定,它是计量经济分析中的一个专门问题。
在线性回归模型中,如果随机误差项的方差不是常数,即对不同的解释变量观测值彼此不同,则称随机项ui具有异方差性,即
bvar(ui)?
?
t2?
常数(t=1,2,?
?
,n)。
(3分)例如,利用横截面数据研究消费和收入之间的关系时,对
收入较少的家庭在满足基本消费支出之后的剩余收入已经不多,用在购买生活必需品上的比例较大,消费的分散幅度不大。
收入较多的家庭有更多可自由支配的收入,使得这些家庭的消费有更大的选择范围。
由于个性、爱好、储蓄心理、消费习惯和家庭成员构成等那个的差异,使消费的分散幅度增大,或者说低收入家庭消费的分散度和高收入家庭消费得分散度相比较,可以认为牵着小于后者。
这种被解释变量的分散幅度的变化,反映到模型中,可以理解为误差项方差的变化。
(2分)
20.产生原因:
(1)模型中遗漏了某些解释变量;
(2)模型函数形式的设定误差;(3)样本数据的测量误差;(4)随机因素的影响。
(2分)
产生的影响:
如果线性回归模型的随机误差项存在异方差性,会对模型参数估计、模型检验及模型应用带来重大影响,主要有:
(1)不影响模型参数最小二乘估计值的无偏性;
(2)参数的最小二乘估计量不是一个有效的估计量;(3)对模型参数估计值的显著性检验失效;(4)模型估计式的代表性降低,预测精度精度降低。
(3分)
21.检验方法:
(1)图示检验法;(1分)
(2)戈德菲尔德―匡特检验;(1分)(3)怀特检验;