(6)各解释变量之间不存在严格的线性关系
2
(7)u
~N(0,σ)(t=1,2,,n)
t
一.[5×3
分]名词解释
1最小二乘法:
用使估计得残差平方和最小原则确定样本回归函数的方法
2.BLUE
最佳线性无偏估计量bestlinearunbiasedestimator;如果一个参数的估计量具有线性(估计量是样本观察值的线性函数)、无偏(估计量的数学期望等于真值)和估计误差方差最小等统计学性质,称其为最佳线性无偏估计量。
3计量经济学
计量经济学是将经济理论、数学和统计推断等工具应用于经济现象定量分析的经济学分支,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。
4拟合优度
拟合优度就是两个变量关系强度的测度,是样本回归直线与样本观测数据之间的拟合程度。
5协整
如果序列Xt,Yt都是d阶单整的,存在向量(a1,a2),使得
a1Xta2Yt~I(d-b),其中d≥b>0,则称序列Xt,Yt是(d,b)阶
协整,记为:
Xt,Yt~Ci(d,b),a称为协整向量。
6修正决定系数
.调整后的决定系数:
又称修正后的决定系数,记为,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,
消除了决定系数对解释变量个数的依赖。
.修正决定系数
R2是经过自由度调整的决定系数,即
n
1
1
R2
R21
n
k
1
一.[4×5分]简答题
1.试简述计量经济研究的步骤、目的,和三大检验。
步骤:
(1)陈述理论;
(2)建立计量经济模型;
(3)收集数据;(4)估计参数;(5)假设检验;
(6)预测和政策分析。
目的:
(1)结构分析;
(2)预测;(3)政策评价。
模型的检验主要包括:
经济意义检验、统计检验、计量经济学检验、模型的预测检验。
经济意义检验——需要检验模型是否符合经济意义,检验求得的参数估计值的符号与大小是否与
根据人们的经验和经济理论所拟订的期望值相符合;
统计检验——需要检验模型参数估计值的可靠性,即检验模型的统计学性质;
计量经济学检验——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——主要检验模型参数估计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可以用于样本观测值以外的范围。
2计量经济学的发展历史
计量经济学的发展过程
〇初歩形成时期(19世纪中期~20世纪30年代)
--1926年,R.Frisch首先提出了“计量经济学”的名称
--1930年,R.Frisch等发起成立了“国际计量经济学会”
--1933年,该学会正式出版了《Econometrics》
迅速发展时期(20世纪30年代~60年代)
--1935年,J.Tinbergen建立了世界上第一个宏观经济模型,开創了微观转向宏观模型的新阶段
--1936,Keynes《就业、利息和货币通论》为计量经济学提供了理论根据
--1950年代,H.Theil发表了二阶段最小二乗法、计算机技术的迅速发展为计量经济学提供了重要
手段
发展应用时期(20世纪70年代后)
--1970年代,D.F.Hundry
提出了协整理论,模型识別理论、参数估计方法的重大发展
促进了计量
经济学的发展与应用
--1981年,L.Klein发起的“Link
个变量
3一.计量经济模型为什么要包含扰动项
计划”:
由几十个国家共同建立的模型包括
?
7447个
方程式、3368
答:
①模型中被忽略掉的影响因素造成的误差;②模型关系认定不准确造成的误差;③变量的测量误差;④
随机因素。
这些因素都被归并在随机误差项中考虑。
因此,随机误差项是计量经济模型中不可缺少的一部分。
2.从经济学和数学两个角度出发论述计量经济模型中为何要包括扰动项。
例如一般模型Y
X
u
(1
)真正的关系是Y
fX1,X2X
,但X2,X3X
相对不重要,用u来表示
(2
)两变量之间的关系可能不是严格线性的,
u反映了与直线的偏差
(3
)经济行为是随机的,能够用
Y
X解释“典型”的行为,
u来表示个体偏差
(4
)总会出现测量误差,使得任何精确的关系不可能存在。
3.举例说明什么是自回归模型和分布滞后模型。
滞后的因変量(即滞后内生変量)出现在方程中的模型称为自回归模型。
其数学表达式:
Ytf(Yt1,Yt2,...X1t,X2t,...)[4分]
Y的现期值不仅依赖于X的现期值,而且依赖于X的若干期滞后值,这类模型称为分布滞后模型。
其数学表达式:
Yt0Xt1Xt1...sXtsut(t1,2,...,n)[4分]。
4.什么是模型的多重共线性?
根据回归结果怎样识别?
如何消除?
(1)当某些解释变量高度相关时,尽管估计过程不会中断,但会产生严重的估计问题,我们称这种现象为多重共线性。
(2)识别:
如果发现系数估计值得符号不对、某些重要的解释变量t值低,而R2不低、当一个不太重要
的解释变量被删除后,回归结果显著变化,出现以上三种现象则可能存在多重共线性。
(3)消除:
增加数据、对模型施加某些约束条件、删除一个或者几个贡献变量、将模型适当变形、主成分法。
5计量经济建模理论发展
三:
证明题(证明模型平稳:
定义证明均值,方差,协方差)
[12分]考虑一阶移动平均过程
MA
(1):
yt
ut
u3t1,证明该过程是平稳时间序列(
ut为白噪声)。
证明:
(1)E(yt)E(ut3ut1)E(ut)
3E(ut
1)=0;均值为常数;
(2)Var(yt)=Var(ut
3ut1)=E(ut
3ut1)2=102
;其方差也为常数;
Cov(yt,ytk)E(ytytk)E[(ut3ut1)(utk3utk1)]
10
=-3
0
(3)
2
2
k=0
k=1
k1
,说明与时间t无关。
因此,ytut3ut1是一个平稳时间序列。
四:
计算(双变量和多变量模型的回归:
求回归方程,参数估计,参数显著性,整个模型的显著性,总体均
值,区间估计)
一.[18分]根据美国46个州1992年的数据,Baltagi得到如下回归结果:
logC=4.3-1.34logP+0.17logYR2=0.27
Se:
(0.91)(0.32)(0.2)
其中,C为香烟消费(包/人年);P为每包香烟的实际价格;Y为人均实际可
支配收入。
试问:
(1)[6分]求该模型的决定系数和各参数的t值;
(2)[6分]香烟需求的价格弹性是多少?
它是否统计上显著?
若是,是否显
著异于-1?
(3)[6分]香烟需求的收入弹性是多少?
它是否统计上显著?
若不显著,原
因是什么?
六、[24分]家庭消费(y)与收入(x)的5对(x,y)观测值如下:
表1:
家庭消费(y)与收入(x)的观测值
序号
1
2
3
4
5
Y
14
18
23
25
30
X
10
20
30
40
50
试计算或回答:
(1)[6分]用最小二乘法估计家庭消费(y)对收入(x)的回归直线;
(2)[4分]计算估计值?
的方差和拟合优度R2;
(3)[4分]进行系数的显著性检验[注:
t0.025(5-2)=3.182];
(4)[4分]以0.05的显著性水平检验β=0.4;
(5)[6分]当收入x0=60时,预测该家庭消费y0和y0的置信区间。
七、[20分]为研究中国各地区入境旅游状况,建立了各省市旅游外汇收入(Y,
百万美元)、旅行社职工人数(X1,人)、国际旅游人数(X2
,万人次)的模型,
用某年31个省市的截面数据估计结果如下:
^
Yi
151.0263
0.1179X1i1.5452X2i
t
(3.066806)
(6.652983)
(3.378064)
R2
0.934331
R2
0.92964
F
191.1894
n
31
(1)[8分]从经济意义上考察估计模型的合理性。
(2)[12分]在5%显著性水平上,分别检验参数
1
、
2
的显著性;在
显著性
5%
水平上,检验模型的整体显著性。
(t0.025(31
3)2.048,F0.025(2,28)
3.34)
五:
分析题(存在问题,判断,处理)
2多重共线性:
指多个解释变量间存在线性相关的情形。
如果存在完全的线性相关性,则模型的参数就无法求出,OLS回归无法进行。
什么是多重共线性?
产生多重共线性的原因是什么?
多重共线性造成的影响是什么?
检验多重共线性的方法是什么?
有哪些解决方法?
1)对于多元回归线性模型,如果某两个或多个解释变量之间出现了相关性,则称多重共线性。
2)产生多重共线性的原因:
经济变量的内在联系,这是产生多重共线性的根本原因。
经济变量变化趋势的共同性。
在模型中引入滞后变量也容易产生多重共线性。
3)多重共线性造成的影响:
增大最小二乘估计量得方差
难以区分每个解释变量的单独影响检验的可靠度降低
完全共线性下参数估计量不存在
4)多重共线性的检验方法:
相关系数检验法
辅助回归模型检验方差膨胀因子检验特征值检验
5
3异方差
异方差性:
对于不同的解释向量,被解释变量的随机误差项的方差不再是常数,而互不相同,则认为出现了异方差性。
异方差性的消除:
基本思路:
将模型变换为具有同方差性,再使用OLS。
这种估计参数的方法
称为广义最小二乘法(GLS)。
这里得到的估计量是变换后模型的
OLS
估计量,
仍是BLUE,但原模型的估计量不再是OLS估计量。
模型存在异方差时,会对回归参数的估计与的检验产生什么影响?
1)最小二乘估计不再是有效估计。
2)无法确定估计系数的标准误差。
3)T检验的可靠性降低。
4)增大模型的预测误差。
4联立方程及举例
联立方程模型中方程有:
行为方程式(1分);技术方程式(1分);制度方程式(1分);平衡方程(或均衡
条件)(1分);定义方程(或恒等式)(1分)。
50.联立方程的变量主要包括内生变量(
2分)、外生变量(2分)和前定变量(
1分)。
六:
随机题
1:
非线性模型的识别和转
7虚拟变量:
1:
虚拟变量该不该引入,引入前后有什么区别。
模型有虚拟变量怎么解释,判断,分析。
虚拟变量(dummyvariables):
在经济系统中,许多变动是不能
定量的,如政府的更迭、经济体制的改革、战时经济的转变等。
这些变动可以用
0-1来变量表示,用
1表示
具有某一属性,用0表示不具有该属性。
这种变量在计量经济学里称为虚拟变量。
回归模型中引入虚拟变量的一般原则和方式是什么?
引入虚拟变量的作用是为了分析定性因素对被解释变量的影响。
虚拟变量的设置原则是:
如果虚拟变量所反
映的定性变量有m个类别,则需引入m-1个虚拟变量。
通常情形下,虚拟变量的值取
0或1,取1的类别
称为基础类别。
注意,若
m个类别引入m个虚拟变量,模型会产生完全的多重共线性,参数将无法估计,
这种情况被称为“虚拟变量陷阱”
。
虚拟变量的引入有两种基本方式:
加法方式和乘法方式。
加法方式反映的是虚拟变量对截距项的影响;
乘法
方式反映的是虚拟变量对斜率参数的影响。
若同时采用两种方式引入虚拟变量,
则可同时反映虚拟变量对截
距项和斜率参数的影响。
8虚拟变量的加法和乘法引入方式模型中引入虚拟变量的作用是什么?
答案:
(1)可以描述和测量定性因素的影响;(2分)
(2
)能够正确反映经济变量之间的关系,提高模型的精度;
(2
分)
(3
)便于处理异常数据。
(1分)
39.虚拟变量引入的原则是什么?
?
)>1时,则认为原模型存在“多重共线性问
时,则模型的“多
重共线性问题”的程度是很严重的,而且是非常有害的。
(1
分)i
答案:
(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个虚拟变量;(1分)
(2)如果模型中有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。
(2分)
(3
)虚拟变量取值应从分析问题的目的出发予以界定;
(1分)
(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。
(1分)
40.虚拟变量引入的方式及每种方式的作用是什么?
答案:
(1)加法方式:
其作用是改变了模型的截距水平;
(2分)
(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;(2分)
(3)一般方式:
即影响模型的截距有影响模型的斜率。
(1分)
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?
答案:
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。
(4分)引入的方式就是以虚拟变量的形式引入。
(1分)
2T检验(均值)如何建立统计模型
3F检验(方差)
4参数估计的有效性,渐进一致性
5参数估计R和修正的R
6预测:
给定X,预测Y的区间
7(分析题)判断能否线性化
8线性模型的概念
线性模型是可以写成每一个解释变量和一个系数相乘的方程。
其
形式如下:
Y=β0+β1X1+β2X2+...
(1)变量的线性:
变量以其原型而不是别的形式出现在模型中。
(2)参数的线性:
因变量是各参数的线性涵数。
9给定变量的函数关系式,转化成线性模型,关于参数的线性。
10自回归,移动平均的概念(理解以便用于证明题)
11对散(模型)的系数解释
12误设定
1314
14
虚拟变量:
同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型或者方差分析模型。
2、滞后变量模型:
把过去时期的,具有滞后作用的变量叫做滞后变量,含有滞后变量的模型称为滞后变量模型。
3、动态模型:
含有滞后解释变量的模型,又称动态模型
4、分布滞后模型:
如果滞后变量模型中没有滞后被解释变量,仅有解释变量
X的当期值及其若干期的滞后
值,则成为分布滞后模型。
5、自回归模型:
解释变量仅包含
X的当期值与被解释变量
Y的一个或多个滞后值的模型。
简述最小二乘估计量的性质。
答:
(1)线性性,即它是否是另一随机变量的线性函数;
(2)无偏性,即它的均值或期望值是否等于总体的真实值;
(3)有效性,即它是否在所有线性无偏估计量中具有最小方差。
(4
)渐近无偏性,即样本容量趋于无穷大时,是否它的均值序列趋于总体真值;
(5)一致性,即样本容
量趋于无穷大时,它是否依概率收敛于总体的真值;
(6
)渐近有效性,即样本容量趋于无穷大时,是否它在所有的一致估计量中具有最小的渐近方差
回归模型中引入虚拟变量的作用是什么?
有哪几种基本的引入方式,它们各适用于什么情况?
答:
在模型中引入虚拟变量,主要是为了寻找某(些)定性因素对解释变量的影响。
加法方式与乘法方式是
最主要的引入方式,前者主要适用于定性因素对截距项产生影响的情况,后者主要适用于定性因素对斜率项
产生影响的情况。
除此外,还可以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影响的情况。