專業資料整理分享 名詞解釋1、計量經濟學是利用經濟學的一個分支學科，以一定的經濟理論和實際統計資料為依據，運用數學、統計學方法和計算機技術，通過建立計量經濟模型，定量分析經濟變量之間的隨機因果關系。2、數理經濟學是一門以數學形式描述經濟變量之間邏輯關系、運用數學符號和公式分析研究經濟現象的學科。3、統計學的分析方法，即通過對客觀事實的大量觀察來分析經濟現象的特征和變化規律。4、總體回歸函數：指在給定Xi下Y分布的總體均值與Xi所形成的函數關系。5、樣本回歸函數：指從總體中抽出的關于Y，X的若干組值形成的樣本所建立的回歸函數。6、線性回歸模型：既指對變量是線性的，也指對參數為線性的，即解釋變量與參數只以他們的1次方出現。7、最小二乘法：又稱最小平方法，指根據使估計的剩余平方和最小的原則確定樣本回歸函數的方法。8、最大似然法：又稱最大或然法，指用生產該樣本概率最大的原則去確定樣本回歸函數的方法。9、估計量的標準差：度量一個變量變化大小的測量值。10、總離差平方和：用TSS表示，用以度量被解釋變量的總變動。11、回歸平方和：用ESS表示：度量由解釋變量變化引起的被解釋變量的變化部分。12、殘差平方和：用RSS表示：度量實際值與擬合值之間的差異，是由除解釋變量以外的其他因素引起的被解釋變量變化的部分。13、擬合優度檢驗：檢驗模型對樣本觀測值的擬合程度，用 表示，該值越接近1，模型對樣本觀測值擬合得越好。14、t檢驗時針對每個解釋變量進行的顯著性檢驗，即構造一個t統計量，如果該統計量的值落在置信區間外，就拒絕原假設。15、相關分析：研究隨機變量間的相關形式16、回歸分析：研究一個變量關于另一個（些）變量的依賴關系的計算方法和理論。17、異方差性：對于不同的解釋向量，被解釋變量的隨機誤差項的方差不再是常數，而互不相同，則認為出現了異方差性。18、序列相關性：如果對于不同的解釋向量，隨機誤差項之間不再是不相關的，而是存在某種相關性，則認為出現了序列相關性。簡答題1、 什么是計量經濟學？答：計量經濟學包括廣義計量經濟學和狹義計量經濟學，本課程中的計量經濟學模型，就是狹義計量經濟學意義上的經濟數學模型：計量經濟學是經濟學的一個分支學科，以揭示經濟活動中客觀存在的數量關系為主要內容，是由經濟學、統計學和數學三者結合而成的交叉性學科。2、簡述計量經濟學與經濟學、統計學、數理統計學學科間的關系。答：計量經濟學是經濟理論、統計學和數學的綜合。經濟學著重經濟現象的定性研究，計量經濟學著重于定量方面的研究。統計學是關于如何收集、整理和分析數據的科學，而計量經濟學則利用經濟統計所提供的數據來估計經濟變量之間的數量關系并加以驗證。數理統計學作為一門數學學科，可以應用于經濟領域，也可以應用于其他領域；計量經濟學則僅限于經濟領域。計量經濟模型建立的過程，是綜合應用理論、統計和數學方法的過程，計量經濟學是經濟理論、統計學和數學三者的統一。3、簡述建立與應用計量經濟模型的主要步驟。答：建立理論模型（確定模型中的變量，確定模型的函數形式，確定統計指標并搜集整理數據：包括時間序列數據、橫截面數據、面板數據，）；估計參數；模型的檢驗（經濟檢驗、統計檢驗、計量經濟檢驗、預測性能檢驗）；模型的應用（結構分析、經濟預測、政策評價、實證分析）4、計量經濟學的研究任務是什么？計量經濟模型研究的經濟關系有哪兩個基本特征？答：任務，利用計量經濟模型定量描述和分析經濟關系。 兩個特征，一是隨機關系，各解釋變量之間都不是精確的函數關系。二是因果關系，計量經濟模型中的每個方程都是反映某個經濟變量與其影響因素之間的因果關系。5、總體回歸模型與樣本回歸模型的區別與聯系。答：主要區別：描述的對象不同。總體回歸模型描述總體中變量y與x的相互關系，而樣本回歸模型描述所觀測的樣本中變量y與x的相互關系。建立模型的不同。總體回歸模型是依據總體全部觀測資料建立的，樣本回歸模型是依據樣本觀測資料建立的。模型性質不同。總體回歸模型不是隨機模型，樣本回歸模型是隨機模型，它隨著樣本的改變而改變。主要聯系：樣本回歸模型是總體回歸模型的一個估計式，之所以建立樣本回歸模型，目的是用來估計總體回歸模型。6、在計量經濟模型中，為什么會存在隨機誤差項？答：隨機誤差項是計量經濟模型中不可缺少的一部分。（1分）產生隨機誤差項的原因有以下幾個方面：模型中被忽略掉的影響因素；模型函數形式的設定誤差；數據測量與歸并誤差隨機因素的影響。7、古典線性回歸模型的基本假定是什么？答：解釋變量x為非隨機變量，即在重復抽樣過程中，x取值是可控的、固定的。零均值假定。即在給定xt的條件下，隨機誤差項的數學期望（均值）為0，即。同方差假定。誤差項的方差與t無關，為一個常數。無自相關假定。即不同的誤差項相互獨立。解釋變量與隨機誤差項不相關假定。正態性假定，即假定誤差項服從均值為0，方差為的正態分布。8、試述回歸分析與相關分析的聯系和區別。答：兩者的聯系：相關分析是回歸分析的前提和基礎；回歸分析是相關分析的深入和繼續。相關分析與回歸分析的有關指標之間存在計算上的內在聯系。兩者的區別：回歸分析強調因果關系，相關分析不關心因果關系，所研究的兩個變量是對等的。對兩個變量x與y而言，相關分析中：；在回歸分析中，和卻是兩個完全不同的回歸方程。回歸分析對資料的要求是被解釋變量y是隨機變量，解釋變量x是非隨機變量；相關分析對資料的要求是兩個變量都隨機變量。9、在滿足古典假定條件下，一元線性回歸模型的普通最小二乘估計量有哪些統計性質？答：線性無偏性，有效性（最小方差性或最優性（BLUE即最佳線性無偏估計量，是best linear unbiased estimators的縮寫。在古典假定條件下，最小二乘估計量具備線性、無偏性和有效性，是最佳線性無偏估計量，即BLUE，這一結論就是著名的高斯馬爾可夫定理。）（參數估計量的評價標準：無偏性、有效性、一致性。）10、簡述變量顯著性檢驗的步驟。答：（1）對總體參數提出假設： H0：b1=0， H1：b10。 （2）以原假設H0構造t統計量，并由樣本計算其值： （3）給定顯著性水平a，查t分布表得臨界值t a/2(n-2) （4）比較，判斷 若 |t| t a/2(n-2)，則拒絕H0 ，接受H1 ； 若 |t| t a/2(n-2)，則接受H0 ，拒絕H1 ； 對于一元線性回歸方程中的b0，也可構造如下t統計量進行顯著性檢驗 11、使用加權最小二乘法必須先進行異方差性檢驗嗎？答：在實際操作中人們通常采用如下的經驗方法：不對原模型進行異方差性檢驗，而是直接選擇加權最小二乘法，尤其是采用截面數據作樣本時。如果確實存在異方差性，則被有效地消除了；如果不存在異方差性，則加權最小二乘法等價于普通最小二乘法。12、簡述D.W.檢驗的步驟。 答：（1）計算DW值 （2）給定a，由n和k的大小查DW分布表，得臨界值dL和dU （3）比較、判斷 若0D.W.dL，存在正自相關 dLD.W.dU，不能確定 dU D.W.4dU，無自相關 4dU D.W.4dL，不能確定 4dL D.W.4 ， 存在負自相關 當D.W.值在2左右時，模型不存在一階自相關。13簡述DW檢驗的局限性。答：從判斷準則中看到，DW檢驗存在兩個主要的局限性：首先，存在一個不能確定的值區域，這是這種檢驗方法的一大缺陷。其次：檢驗只能檢驗一階自相關。但在實際計量經濟學問題中，一階自相關是出現最多的一類序列相關，而且經驗表明，如果不存在一階自相關，一般也不存在高階序列相關。所以在實際應用中，對于序列相關問題般只進行檢驗。14、異方差性的含義、原因、影響、檢驗方法和解決方法。答：含義：異方差性是指模型違反了古典假定中的同方差假定，它是計量經濟分析中的一個專門問題。在線性回歸模型中，如果隨機誤差項的方差不是常數，即對不同的解釋變量觀測值彼此不同，則稱隨機項具有異方差性，即 （t=1，2，n）。產生原因：（1）模型中遺漏了某些解釋變量；（2）模型函數形式的設定誤差；（3）樣本數據的測量誤差；（4）隨機因素的影響。（2分）產生的影響：（1）不影響模型參數最小二乘估計值的無偏性；（2）參數的最小二乘估計量不是一個有效的估計量；（3）對模型參數估計值的顯著性檢驗失效；（4）模型估計式的代表性降低，預測精度精度降低。檢驗方法：（1）圖示檢驗法；（2）戈德菲爾德匡特檢驗；（3）懷特檢驗；（4）戈里瑟檢驗和帕克檢驗（殘差回歸檢驗法）；（5）ARCH檢驗（自回歸條件異方差檢驗）解決方法：（1）模型變換法；（2）加權最小二乘法（WLS）；（3）模型的對數變換等15、加權最小二乘法的基本原理：最小二乘法的基本原理是使殘差平方和為最小，在異方差情況下，總體回歸直線對于不同的的波動幅度相差很大。隨機誤差項方差越小，樣本點對總體回歸直線的偏離程度越低，殘差的可信度越高（或者說樣本點的代表性越強）；而較大的樣本點可能會偏離總體回歸直線很遠，的可信度較低（或者說樣本點的代表性較弱）。（2分）因此，在考慮異方差模型的擬合總誤差時，對于不同的應該區別對待。具體做法：對較小的給于充分的重視，即給于較大的權數；對較大的給于充分的重視，即給于較小的權數。更好的使反映對殘差平方和的影響程度，從而改善參數估計的統計性質。16、模型設定時，如果遺漏了相關變量，OLS估計會出現什么后果？而在包含了無關變量時，后果又如何？答：如果遺漏相關變量，則OLS估計結果在小樣本下是有偏的，在大樣本下也不具有一致性，隨機干擾項的方差估計2也是有偏的，同時估計的參數的方差也是有偏的，從而不再能夠保證最小方差性。在多選無關解釋變量的情形下，OLS估計量仍是無偏的、一致的，隨機干擾項的方差2也能被正確估計，但OLS估計量卻往往是無效的。也就是說，包含無關變量的偏誤主要表現為“錯誤”模型的OLS估計量的方差一般會大于“正確”模型相應參數估計量的方差。17、樣本分段法（即戈德菲爾特匡特檢驗）的基本原理：將樣本分為容量相等的兩部分，然后分別對樣本1和樣本2進行回歸，并計算兩個子樣本的殘差平方和，如果隨機誤差項是同方差的，則這兩個子樣本的殘差平方和應該大致相等；如果是異方差的，則兩者差別較大，以此來判斷是否存在異方差。使用條件：（1）樣本容量要盡可能大，一般而言應該在參數個數兩倍以上；（2）服從正態分布，且除了異方差條件外，其它假定均滿足。18自相關性（序列相關性）的原因、后果。答：原因：（1）模型中遺漏了重要的解釋變量；（2）模型函數形式的設定誤差；（3）經濟慣性（4）隨機因素的影響影響：（1）最小二乘估計不再是有效估計；（2）一般會低估OLS估計的標準誤差；（3）t檢驗的可靠性降低；（4）降低模型的預測精度。檢驗方法