1、計量經濟學sort 排序order 排序drop 去除記錄keep 保留記錄generate 生產新變量replace 給變量賦新值 rename 給變量重命名第一章use 打開數據describe 查看數據集情況summary 描述統計tabstat +stats 計算描述性統計量（指定）table+contents 類別變量+連續變量列聯表table/ tabulate 類別變量頻次表histogram 直方圖第二章 一元回歸線性模型：基本思想 第3章 第四章 一元、多元線性回歸模型：假設檢驗 隨機擾動項、參數的方差、標準誤計算統計檢驗1模型的擬合優度檢驗：R2判定系數（可決系數）調整的可

2、決系數：范圍在0和1之間，越接近1，說明模型具有較高的擬合優度2方程的顯著性檢驗：F統計量，prob（F）F >F(k-1,n-k)，拒絕原假設H0，即顯著。F<F(k-1,n-k)，則暫時不拒絕，不顯著。顯著性概率為0，小于給定顯著性水平（0.05），表明模型對總體擬合顯著3變量的顯著性檢驗：T統計量 (服從n-2，n-k)，p值2一般為0，T>2.306為顯著，T<2.306為不顯著（5水平）線性回歸模型的基本假設：假設1：模型具有線性性（針對模型）。Y是參數i的線性組合，不一定要求是變量X的線性組合。假設2 ：解釋變量X與u不相關（針對擾動項）。 數學表達：cov

3、(Xi,ui)=0通常說法：X具有外生性假設3：給定X，擾動項的期望或均值為零（針對擾動項）。數學表達：E(mi |Xi)=0，i=1,2, ,n假設4：同方差假定（針對擾動項）。數學表達：Var (ui) = sm2 = Var (Yi) i=1,2, ,n.假設5：無自相關（針對擾動項）。數學表達：Cov(mi, mj) = 0= Cov(Yi, Yj) ij 假設6：回歸模型設定是正確的（表面是針對模型，實質上是針對擾動項）假設7：擾動項符合正態分布（針對擾動項）數學表達：miN(0, sm2 )óYiN(0+1X, sm2 ) 第五章 線性回歸模型拓展（函數形式，變量測度單位

4、）第六章 虛擬變量回歸有截距，m個類別（取值），僅引入m-1個虛擬變量，無截距可以m個3不同函數形式的選擇MWD檢驗，散點圖4測量誤差：應變量有誤差：OLS估計量是無偏的。OLS估計量的方差也是無偏的。估計量的估計方差比沒有測量誤差時的大。自變量有誤差：OLS估計量是有偏的（趨零偏誤）OLS估計量的方差也是有偏的。第七章 模型設定誤差1包含無關變量：后果（F，T檢驗）參數估計是無偏且一致的估計，但不是有效的估計，檢驗仍然有效，但方差增大，接收錯誤假設的概率較高。2遺漏重要變量：后果（殘差圖）如果遺漏的變量X2與X1相關，那么是有偏且不一致的估計；如果X2與X1不相關，那么是無偏的，但是有偏的同

5、理，參數估計量的方差估計也是有偏的，再次，參數顯著性檢驗結果不可靠。第八，九，十章 異方差、多重共線性、自相關檢驗異方差多重共線性自相關含義例如：后果：自相關降低解U中包含未知xX中包含x，xxU，x異方差在截面數據中較常見，在時間序列中較少，多重共線性是樣本現象。是程度問題,不是有無問題時間序列中常見后果1、 參數OLS估計仍然是線性無偏的2、方差估計是錯誤的3、從而t檢驗效率降低。（無偏非有效）檢驗殘差圖檢驗Park, Glejster,BreuschPagan,WhiteGoldfeldQuandt1、 R方較大而顯著的T值較小2、 輔助回歸3、 方差膨脹因子判斷法圖形法Dw檢驗游程檢驗

6、偏相關系數檢驗布羅斯-戈弗雷檢驗修正Wls gls 對數轉換穩健回歸、模型變換法變量：去除變量，變量轉換樣本：增加樣本廣義差分法判斷題1、簡單線性回歸模型與多元線性回歸模型的基本假定是相同的。錯，在多元線性回歸模型里除了對隨機誤差項提出假定外，還對解釋變量之間提出無多重共線性的假定。2、在模型中引入解釋變量的多個滯后項容易產生多重共線性。對，在分布滯后模型里多引進解釋變量的滯后項，由于變量的經濟意義一樣，只是時間不一致，所以很容易引起多重共線性。3、DW 檢驗中的d 值在0 到4 之間，數值越小說明模型隨機誤差項的自相關度越小，數值越大說明模型隨機誤差項的自相關度越大。錯，DW值在0到4之間，

7、當DW落在最左邊（0<d<dL ）、最右邊( 4dL<d<4 )時，分別為正自相關、負自相關；中間(du<d<4-du)為不存在自相關區域；其次為兩個不能判定區域。4、在計量經濟模型中，隨機擾動項與殘差項無區別。錯，它們均為隨機項，但隨機誤差項表示總體模型的誤差，殘差表示樣本模型的誤差；另外，殘差=隨機誤差項+參數估計誤差。5、在經濟計量分析中，模型參數一旦被估計出來，就可將估計模型直接運用于實際的計量經濟分析。錯，參數一經估計，建立了樣本回歸模型，還需要對模型進行檢驗，包括經濟意義檢驗、統計檢驗、計量經濟專門檢驗等。6、線性回歸模型意味著因變量是自變量的線

8、性函數。錯，線性回歸模型本質上指的是參數線性，而不是變量線性。同時，模型與函數不是同一回事。7、多重共線性問題是隨機擾動項違背古典假定引起的。錯，應該是解釋變量之間高度相關引起的。8、通過虛擬變量將屬性因素引入計量經濟模型，引入虛擬變量的個數與樣本容量大小有關。錯，引入虛擬變量的個數樣本容量大小無關，與變量屬性，模型有無截距項有關。9、雙變量模型中，對樣本回歸函數整體的顯著性檢驗與斜率系數的顯著性檢驗是一致的。正確，要求最好能夠寫出一元線性回歸中，F統計量與t統計量的關系，即F=t2的來歷；或者說明一元線性回歸僅有一個解釋變量，因此對斜率系數的t檢驗等價于對方程的整體性檢驗。11、在實際中，一

9、元回歸幾乎沒什么用，因為因變量的行為不可能僅由一個解釋變量來解釋。錯，在實際中，在一定條件下一元回歸是很多經濟現象的近似，能夠較好地反映回歸分析的基本思想，在某些情況下還是有用的。13、虛擬變量只能作為解釋變量。錯，虛擬變量還能作被解釋變量。14、設估計模型為。表明模型有很好的擬合優度，則模型不存在偽（虛假）回歸。錯，可能存在偽（虛假）回歸，因為可決系數較高，而 DW 值過低。15、隨機擾動項的方差與隨機擾動項方差的無偏估計沒有區別。錯，隨機擾動項的方差反映總體的波動情況，對一個特定的總體而言，是一個確定的值。16、經典線性回歸模型（CLRM）中的干擾項不服從正態分布的，OLS 估計量將有偏的

10、。錯，即使經典線性回歸模型（CLRM）中的干擾項不服從正態分布的，OLS 估計量仍然是無偏的。17、虛擬變量的取值原則上只能取0 或1。對，虛擬變量的取值是人為設定的，主要表征某種屬性或特征或其它的存在與否，0 或1 正好描述了這種特性。當然，依據研究問題的特殊性，有時也可以取其它值。18、擬合優度檢驗和F 檢驗是沒有區別的。錯（1）F檢驗中使用的統計量有精確的分布，而擬合優度檢驗沒有；（2）對是否通過檢驗，可決系數（修正可決系數）只能給出一個模糊的推測；而F 檢驗可以在給定顯著水平下，給出統計上的嚴格結論。20、雙變量模型中，對樣本回歸函數整體的顯著性檢驗與斜率系數的顯著性檢驗是一致的；正確

11、，最好能夠寫出一元線性回歸模型；F統計量與T統計量的關系，即的F=t2的來歷；或者說明一元線性回歸僅有一個解釋變量，因此對斜率系數的t檢驗等價于對方程的整體性檢驗。22、在模型12233tttYXX =+的回歸分析結果報告中，則表明解釋變量。對yt的影響是顯著的。錯，解釋變量X2t和X3t對Y t的聯合影響是顯著的。23、結構型模型中的每一個方程都稱為結構式方程，結構方程中，解釋變量只可以是前定變量。錯誤，結構方程中，解釋變量可以是前定變量，也可以是內生變量。24、通過虛擬變量將屬性因素引入計量經濟模型，引入虛擬變量的個數與模型有無截距項無關。錯誤，模型有截距項時，如果被考察的定性因素有m個相

12、互排斥屬性，則模型中引入m1個虛擬變量，否則會陷入“虛擬變量陷阱”，模型無截距項時，若被考察的定性因素有m個相互排斥屬性，可以引入m個虛擬變量，這時不會出現多重共線性。25、在對參數進行最小二乘估計之前，沒有必要對模型提出古典假定。錯誤，在古典假定條件下，OLS估計得到的參數估計量是該參數的最佳線性無偏估計（具有線性、無偏性、有效性）。總之，提出古典假定是為了使所作出的估計量具有較好的統計性質和方便地進行統計推斷。26、當異方差出現時，常用的t和F檢驗失效正確，由于異方差類，似于t比值的統計量所遵從的分布未知；即使遵從t分布，由于方差不在具有最小性。這時往往會夸大t檢驗，使得t檢驗失效；由于F

13、分布為兩個獨立的2變量之比，故依然存在類似于t分布中的問題27、解釋變量與隨機誤差項相關，是產生多重共線性的主要原因。錯誤，產生多重共線性的主要原因是：經濟本變量大多存在共同變化趨勢；模型中大量采用滯后變量；認識上的局限使得選擇變量不當；。29、由間接最小二乘法與兩階段最小二乘法得到的估計量都是無偏估計。錯誤,間接最小二乘法適用于恰好識別方程的估計，其估計量為無偏估計；而兩階段最小二乘法不僅適用于恰好識別方程，也適用于過度識別方程。兩階段最小二乘法得到的估計量為有偏、一致估計。32、在經濟計量分析中，模型參數一旦被估計出來，就可將估計模型直接運用于實際的計量經濟分析。錯。參數一經估計，建立了樣

14、本回歸模型，還需要對模型進行檢驗，包括經濟意義檢驗、統計檢驗、計量經濟專門檢驗等。33、假定個人服裝支出同收入水平和性別有關，由于性別是具有兩種屬性（男、女）的定性因素，因此，用虛擬變量回歸方法分析性別對服裝支出的影響時，需要引入兩個虛擬變量。錯,是否引入兩個虛擬變量，應取決于模型中是否有截距項。如果有截距項則引入一個虛擬變量；如果模型中無截距項，則可引入兩個虛擬變量。34、隨機擾動項的方差與隨機擾動項方差的無偏估計沒有區別。錯,隨機擾動項的方差反映總體的波動情況，對一個特定的總體而言，是一個確定的值。35、在簡單線性回歸中可決系數2R與斜率系數的t檢驗的沒有關系。錯誤,可決系數是對模型擬合優

15、度的綜合度量，其值越大，說明在Y的總變差中由模型作出了解釋的部分占的比重越大，模型的擬合優度越高，模型總體線性關系的顯著性越強。反之亦然。斜率系數的t檢驗是對回歸方程中的解釋變量的顯著性的檢驗。在簡單線性回歸中，由于解釋變量只有一個，當t檢驗顯示解釋變量的影響顯著時，必然會有該回歸模型的可決系數大，擬合優度高。36、異方差性、自相關性都是隨機誤差現象，但兩者是有區別的。正確。異方差的出現總是與模型中某個解釋變量的變化有關。自相關性是各回歸模型的隨機誤差項之間具有相關關系。37、通過虛擬變量將屬性因素引入計量經濟模型，引入虛擬變量的個數與模型有無截距項無關。錯誤,模型有截距項時，如果被考察的定性

16、因素有m個相互排斥屬性，則模型中引入m1個虛擬變量，否則會陷入“虛擬變量陷阱”；模型無截距項時，若被考察的定性因素有m個相互排斥屬性，可以引入m個虛擬變量，這時不會出現多重共線性。40、半對數模型Y = 0 + 1 ln X + 中，參數1 的含義是X 的絕對量變化，引起Y 的絕對量變化。錯誤,半對數模型的參數1的含義是當X 的相對變化時，絕對量發生變化，引起因變量Y 的平均值絕對量的變動。41、對已經估計出參數的模型不需要進行檢驗。錯誤，有必要進行檢驗。首先，因為我們在設定模型時，對所研究的經濟現象的規律性可能認識并不充分，所依據的得經濟理論對研究對象也許還不能做出正確的解釋和說明。或者雖然經濟理論是正確的，但可能我們對問題的認識只是從某些局部出發，或者只是考察了某些特殊的樣本，以局部去說明全局的變化規律，必然會導致偏差。其次，我們用以及參數的統計數據或其他信息可能并不十分可靠，或者較多采用了經濟突變時期