計量經濟學名詞解釋和簡答題計量經濟學第一部分：名詞解釋第一章1、模型：對現實的描述和模擬。2、廣義計量經濟學：利用經濟理論、統計學和數學定量研究經濟現象的經濟計量方法的統稱，包括回歸分析方法、投入產出分析方法、時間序列分析方法等。3、狹義計量經濟學：以揭示經濟現象中的因果關系為目的，在數學上主要應用回歸分析方法。第二章1、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（或者說總體被解釋變量的條件期望表示為解釋變量的某種函數）。2、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。3、隨機的總體回歸函數：含有隨機干擾項的總體回歸函數（是相對于條件期望形式而言的）。4、線性回歸模型：既指對變量是線性的，也指對參數β為線性的，即解釋變量與參數β只以他們的1次方出現。5、隨機干擾項：即隨機誤差項，是一個隨機變量，是針對總體回歸函數而言的。6、殘差項：是一隨機變量，是針對樣本回歸函數而言的。7、條件期望：即條件均值，指X取特定值Xi時Y的期望值。8、回歸系數：回歸模型中βo，β1等未知但卻是固定的參數。9、回歸系數的估計量：指用等表示的用已知樣本提供的信息所估計出來總體未知參數的結果。10、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。11、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。12、估計量的標準差：度量一個變量變化大小的測量值。13、總離差平方和：用TSS表示，用以度量被解釋變量的總變動。14、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。15、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。16、協方差：用Cov（X，Y）表示，度量X,Y兩個變量關聯程度的統計量。17、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。18、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。19、相關分析：研究隨機變量間的相關形式20、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。第三章對于一元線性回歸方程中的0，也可構造如下t統計量進行顯著性檢驗第三章1、多元線性回歸模型的基本假設是什么？提示：一般表達式式和矩陣符號表達式。2、為什么說對模型參數施加約束條件后，其回歸的殘差平方和一定不比未加約束的殘差平方和小？在什么樣的條件下，受約束回歸與無約束回歸的結果相同？答：模型施加約束條件后進行回歸稱為受約束回歸。而不加任何約束的回歸稱為無約束回歸。對模型參數施加約束條件后，就限制了參數的取值范圍，尋找到的參數估計值也是在此條件下使殘差平方和達到最小，它不可能比未施加約束條件時找到的參數估計值使得殘差平方和達到最小值還要小。這意味著，通常情況下，對模型施加約束條件會降低模型的解釋能力。但當約束條件為真時，受約束回歸與無約束回歸的結果就相同。3、怎樣選擇合適的樣本容量？答：（1）必須保證最小樣本容量。樣本最小容量必須不少于模型中解釋變量的數目（包括常數項）,即nk+1，因為，無多重共線性要求：秩(X)=k+1。（2）滿足基本要求的樣本容量。雖然當nk+1時可以得到參數估計量，但除了參數估計量質量不好外，一些建立模型必須的后續工作也無法進行。所以，一般經驗認為，當n30或者至少n3(k+1)時，才能說滿足模型估計的基本要求。第四章1、不滿足基本假定（基本假設違背）的情況有哪些？答：（1）隨機誤差項序列存在異方差性；（2）隨機誤差項序列存在序列相關性；（3）解釋變量之間存在多重共線性；（4）解釋變量是隨機變量且與隨機誤差項相關的隨機解釋變量問題；（5）模型設定有偏誤；（6）解釋變量的方差不隨樣本容量的增而收斂。2、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。3、簡述D.W.檢驗的步驟。答：（1）計算DW值（2）給定，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0<D.W.<dL，存在正自相關dL<D.W.<dU，不能確定dU<D.W.<4－dU，無自相關4－dU<D.W.<4－dL，不能確定4－dL<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。第五章1.回歸模型中引入虛擬變量的作用是什么？有哪幾種基本的引入方式，它們各適用于什么情況？答：在模型中引入虛擬變量，主要是為了尋找某（些）定性因素對解釋變量的影響。加法方式與乘法方式是最主要的引入方式，前者主要適用于定性因素對截距項產生影響的情況，后者主要適用于定性因素對斜率項產生影響的情況。除此外，還可以加法與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項與斜率項同時產生影響的情況。2.滯后變量模型有哪幾種類型？分布滯后模型使用OLS方法存在哪些問題？答：滯后變量模型有分布滯后模型和自回歸模型兩大類，前者只有解釋變量及其滯后變量作為模型的解釋變量，不包含被解釋變量的滯后變量作為模型的解釋變量；而后者則以當期解釋變量與被解釋變量的若干期滯后變量作為模型的解釋變量。分布滯后變量有無限期的分布滯后模型和有限期的分布滯后模型；自回歸模型又以Coyck模型、自適應預期模型和局部調整模型最為多見。分布滯后模型使用OLS法存在以下問題：（1）對于無限期的分布滯后模型，由于樣本觀測值的有限性，使得無法直接對其進行估計σ。（2）對于有限期的分布滯后模型，使用OLS方法會遇到：沒有先驗準則確定滯后期長度，對最大滯后期的確定往往帶有主觀隨意性；如果滯后期較長，由于樣本容量有限，當滯后變量數目增加時，必然使得自由度減少，將缺乏足夠的自由度進行估計和檢驗；同名變量滯后期之間可能存在高度線性相關，即模型可能存在高度的多重共線性。3.請列出分布滯后模型估計的幾種主要方法。答：分布滯后模型的估計主要需解決滯后期長度的問題。其基本的解決思路就是減少模型中解釋變量的個數。常用的估計方法有：經驗加權法Almon多項式法，以及Koyck方法，前兩者主要用于估計有限期分布滯后模型，第三者主要用于估計無限期分布滯后模型。4.分布滯后模型估計時遇到的主要問題有哪些？自回歸模型估計時遇到的主要問題？答：分布滯后模型估計時遇到的主要問題有：對于無限期的分布滯后模型，由于樣本觀測值的有限性，使得無法直接對其進行估計。而對于有限期的分布滯后模型，普通最小二乘回歸會遇到如下問題：沒有先驗準則確定滯后期長度；如果滯后期較長，將缺乏足夠的自由度進行統計檢驗；同名變量滯后值之間可能存在高度線性相關，即模型可能存在高度的多重共線性。自回歸模型估計時遇到的主要問題有：滯后被解釋變量的存在可能導致它與隨機干擾項相關，以及隨機干擾項出現序列相關性。例如，Koyck模型與自適應預期模型就存在著滯后被解釋變量Yt-1與隨機干擾項的同期相關性，同時，隨機干擾項還是自相關的。而局部調整模型則存在著滯后被解釋變量Yt-1隨機干擾項的異期相關性。5.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σ2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”