1、1. 模型的檢驗包括哪幾個方面？具體含義是什么？模型的檢驗主要包括：經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學(xué)檢驗、模型的預(yù)測檢驗。 在經(jīng)濟意義檢驗中，需要檢驗?zāi)Ｐ褪欠穹辖?jīng)濟意義，檢驗求得的參數(shù)估計值的符號、大小、參數(shù)之間的關(guān)系是否與根據(jù)人們的經(jīng)驗和經(jīng)濟理論所擬訂的期望值相符合； 在統(tǒng)計檢驗中，需要檢驗?zāi)Ｐ蛥?shù)估計值的可靠性，即檢驗?zāi)Ｐ偷慕y(tǒng)計學(xué)性質(zhì)，有擬合優(yōu)度檢驗、變量顯著檢驗、方程顯著性檢驗等；在計量經(jīng)濟學(xué)檢驗中，需要檢驗?zāi)Ｐ偷挠嬃拷?jīng)濟學(xué)性質(zhì)，包括隨機擾動項的序列相關(guān)檢驗、異方差性檢驗、解釋變量的多重共線性檢驗等；模型的預(yù)測檢驗，主要檢驗?zāi)Ｐ蛥?shù)估計量的穩(wěn)定性以及對樣本容量變化時的靈敏度，以確定所

2、建立的模型是否可以用于樣本觀測值以外的范圍。2. 計量經(jīng)濟學(xué)研究的基本步驟是什么？包括四個步驟：理論模型的設(shè)定、模型參數(shù)的估計、模型的檢驗、模型的應(yīng)用。3. 總體回歸函數(shù)和樣本回歸函數(shù)之間有哪些區(qū)別與聯(lián)系？樣本回歸函數(shù)是總體回歸函數(shù)的一個近似。總體回歸函數(shù)具有理論上的意義，但其具體的參數(shù)不可能真正知道，只能通過樣本估計。樣本回歸函數(shù)就是總體回歸函數(shù)的參數(shù)用其估計值替代之后的形式，即01，為01，的估計值。 4. 為什么用可決系數(shù)2R 評價擬合優(yōu)度，而不是用殘差平方和作為評價標(biāo)準(zhǔn)？ 可決系數(shù)R 2=ESS/TSS=1-RSS/TSS ，含義為由解釋變量引起的被解釋變量的變化占被解釋變量總變化的比

3、重，用來判定回歸直線擬合的優(yōu)劣，該值越大說明擬合的越好；而殘差平方和與樣本容量關(guān)系密切，當(dāng)樣本容量比較小時，殘差平方和的值也比較小，尤其是不同樣本得到的殘差平方和是不能做比較的。此外，作為檢驗統(tǒng)計量的一般應(yīng)是相對量而不能用絕對量，因而不能使用殘差平方和判斷模型的擬合優(yōu)度。5. 根據(jù)最小二乘原理，所估計的模型已經(jīng)使得擬合誤差達(dá)到最小，為什么還要討論模型的擬合優(yōu)度問題？普通最小二乘法所保證的最好擬合是同一個問題內(nèi)部的比較，即使用給出的樣本數(shù)據(jù)滿足殘差的平方和最小；擬合優(yōu)度檢驗結(jié)果所表示的優(yōu)劣可以對不同的問題進行比較，即可以辨別不同的樣本回歸結(jié)果誰好誰壞。6. 為什么說最小二乘估計量是最優(yōu)線性無偏估

4、計量？對于多元線性回歸最小二乘估計的正規(guī)方程組，能解出唯一的參數(shù)估計量的條件是什么？在滿足經(jīng)典假設(shè)的條件下，參數(shù)的最小二乘估計量具有線性性、無偏性以及最小性方差，所以被稱為最優(yōu)線性無偏估計量（BLUE ）對于多元線性回歸最小二乘估計的正規(guī)方程組，能解出唯一的參數(shù)估計量的條件是（X X ）-1存在，或者說各解釋變量間不完全線性相關(guān)。7. 為什么在多元回歸模型中，需要對可決系數(shù)R 做出修正？ 對2R 修正的原因：2R 是模型中解釋變量個數(shù)的非減函數(shù)，也就是說，隨著模型中解釋變量個數(shù)的增加，2R 的值會變大，這樣為了得到擬合優(yōu)度較高的模型，似乎加入更多解釋變量是合理選擇。但是，在建立計量經(jīng)濟模型時，

5、一些影響被解釋變量的次要因素沒有必要以顯性形式作為解釋變量出現(xiàn)在模型中，因為，隨著解釋變量個數(shù)增加，待估計的參數(shù)也會增多，由此造成樣本自由度的減少，模型參數(shù)估計準(zhǔn)確性下降。因此，在多元回歸模型背景下，僅僅依據(jù)2R 進行模型比較和選擇就會產(chǎn)生問題，在增加新的解釋變量時，必須對由其 帶來的模型自由度下降這一“負(fù)面影響”而做出懲罰，因此需要對2R 做出相應(yīng)的修正。8. 簡述工具變量法的基本思路以及選擇工具變量應(yīng)遵循的原則。基本思路：工具變量法就是當(dāng)隨機解釋變量與隨機誤差項相關(guān)時，尋找一個與隨機解釋變量高度相關(guān)，但與隨機誤差項不想管的變量，用該變量替代模型中的隨機解釋變量，進行模型的參數(shù)估計。選擇原則

6、：工具變量Z 與所替代的隨機解釋變量X 高度相關(guān)，即(,)0i i Cov Z X ；工具變量Z 與隨機干擾項不相關(guān)，即(,)0i i Cov Z =；工具變量Z 與模型中其他解釋變量不相關(guān)，以避免出現(xiàn)多重共線性。9. 簡述多重共線性的危害多重共線性的危害有幾個方面：（1）在完全多重共線性下參數(shù)估計量不存在；（2）在近似多重共線性，參數(shù)OLS 估計量非有效，OLS 估計的方差隨著多重共線程度的提高而增加；（3）參數(shù)估計的經(jīng)濟學(xué)意義不合理；（4）變量的顯著性檢驗失去意義；（5）模型的預(yù)測功能失效。10. 列舉多重共線性的檢驗方法簡單相關(guān)系數(shù)檢驗法、直觀判斷法、綜合統(tǒng)計檢驗法、決定系數(shù)檢驗法、行列

7、式檢驗法、方差膨脹因子法、逐步回歸法等。11. 簡述異方差對OLS 估計量的性質(zhì)、置信區(qū)間、顯著性t 檢驗和F 檢驗有何影響。 OLS 估計量仍是線性無偏的，但不再具有最小方差，即不再有效；大樣本情況下，具有一致性，但不具有漸近有效性。由于相應(yīng)的置信區(qū)間和t 檢驗、F 檢驗都與估計量的方差相關(guān)，因此會造成建立的置信區(qū)間以及t 檢驗與F 檢驗都不再是可靠的。12. 什么是加權(quán)最小二乘法，它的基本思想是什么?加權(quán)最小二乘法是對原模型加權(quán)，使之變成一個新的不存在異方差性的模型，然后采用OLS 法估計其參數(shù)。加權(quán)的基本思想是：在采用OLS 方法時，對較小的殘差平方賦予較大的權(quán)重，對較大的殘差平方賦予較

8、小的權(quán)重，以對殘差提供的信息的重要程度作一番修正，提高參數(shù)估計的精確程度。有哪些不同的方法？說明基本思路。13.在存在一階自相關(guān)的情形下，估計自相關(guān)參數(shù)在存一階自相關(guān)的情況下，估計自相關(guān)系數(shù)有下述幾種方法：（1）利用D.W.統(tǒng)計量（大樣本情況下）求的估計值；（2）柯-奧迭代法；（3）杜賓兩步法。不論哪種方法，其基本思路都是采用OLS方法估計原模型，得到隨機干擾項的“近似估計值”，然后利用該“近似估計值”求得隨機干擾項相關(guān)系數(shù)的估計量。14.怎樣認(rèn)識用一階自回歸表示序列自相關(guān)?簡述DW檢驗的應(yīng)用條件。一階自相關(guān)指的是隨機干擾項的當(dāng)前值只與自身前一期值之間存在相關(guān)性。而DW方法僅適用于解釋變量為非

9、隨機變量，隨機干擾項的產(chǎn)生機制是一階自相關(guān)，回歸含有截距項，回歸模型不把滯后被解釋變量當(dāng)做解釋變量之一，沒有缺失數(shù)據(jù)的情況。15.什么是廣義差分法？它的基本思想是什么？廣義差分法就是滯后的觀測值被排除了的廣義最小二乘法?；舅枷耄?6.引入的虛擬變量的兩種基本方式是什么？它們各適用于什么情況？加法方式和乘法方式是引入的虛擬變量的最主要的兩種方式，前者主要適用于定性因素對截距項產(chǎn)生影響的情況，后者主要適用于定性因素對斜率項產(chǎn)生影響的情況。除此之外，還可以加法和乘法組合的方式引入虛擬變量，這時可測度定性因素對截距和斜率項同時產(chǎn)生影響的情況。17.Koyck變換的意義是什么？Koyck變換將無限分布

10、滯后模型變換成只有Xt和Yt-1的一階自回歸模型，模型結(jié)構(gòu)極大簡化，最大限度保留了自由度，解決的滯后長度難以確定的問題，Xt和Yt-1的線性相關(guān)程度將低于X各期值之間的線性相關(guān)程度，降低了多重共線性。21.Koyck變換模型、自適應(yīng)預(yù)期模型和局部調(diào)整模型有何異同？模型估計會遇到什么困難？怎樣解決？三種模型的最終形式都是一階自回歸模型。區(qū)別：一是導(dǎo)出模型的經(jīng)濟背景和思想不同，二是由于模型形成機制不同導(dǎo)致模型的隨機擾動項的結(jié)構(gòu)不同。模型存在隨機解釋變量問題，并且由于模型的隨機擾動項的結(jié)構(gòu)不同，給模型估計帶來了問題，局部調(diào)整模型存在異期相關(guān)問題，用OLS法就可得到一致性估計，Koyck變換模型和自適

11、應(yīng)預(yù)期模型同期相關(guān)問題，需要用工具變量法得到一致性估計。18. 已知線性回歸模型：01122i i i i y x x =+存在異方差性，隨機誤差項的方差為2123ii x =-，問參數(shù)估計時，如何克服該異方差性的影響？ 在模型的左右兩邊同時乘以123i x -，使模型化為01122111112323232323ii i i i i i i i x x x x x =+-19. 簡述異方差性LM 檢驗的步驟。（1）先用OLS 估計該模型，得到OLS 回歸殘差平方序列。（2）再用OLS 估計如下方程： 記下該回歸得到的擬合優(yōu)度.（3）計算LM 統(tǒng)計量相應(yīng)的P 值。如果P 值足夠小，即小于給定的顯著性水平的話，那么我們就拒絕同方差的零假設(shè)。（4）如果LM 檢驗的P 值很小，那就應(yīng)該采取一些糾正的措施，一個可能的措施就是用異方差穩(wěn)健統(tǒng)計量。20. 簡述異方差性G-Q 檢驗的步驟。（1） 將n 組樣本觀察值按某一被認(rèn)為可能引起異方差的解釋變量的觀察值大小排序。（2） 將序列中間的c 個觀察值除去，并將剩下的觀察值劃分為較小與較大的相同的兩個子樣本，每個子樣本容量均為（n-c ）/2，這樣做主要是為了突出小方差樣本和大方差樣本之間的差異。（3） 對每個子樣本分別進行OLS 回歸，并計算各自