计量经济学期末考试重点.doc

《计量经济学期末考试重点.doc》由会员分享，可在线阅读，更多相关《计量经济学期末考试重点.doc（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1。内生变量由模型系统内部因素所决定的变量,表现为具有一定概率分布的随机变量，是模型求解的结果。 5（外生变量:是由模型系统之外的因素决定的变量,表现为非随机变量.它影响模型中的内生变量，其数值在模型求解之前就已经确定。 6（滞后变量:是滞后内生变量和滞后外生变量的合称,前期的内生变量称为滞后内生变量；前期的外生变量称为滞后外生变量。 7（最小二乘法:用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。 13(高斯,马尔可夫定理:在古典假定条件下,OLS估计量是模型参数的最佳线性无偏估计量,这一结论即是高斯,马尔可夫定理。 （点预测:给定自变量的某一个值时，利用样本回归方程求

2、出相应的样本拟合值，以此作为因变量实际值19和其均值的估计值。 20(拟合优度：样本回归直线与样本观测数据之间的拟合程度。 21、异方差性：在线性回归模型中,如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同,则称随机项具有异方差性。 22.自相关：随机误差项u与其滞后项的相关关系. 42.多重共线性:是指解释变量之间存在完全或不完全的线性关系 53（联立方程模型：是指由两个或更多相互联系的方程构建的模型。 55（结构式模型：是根据经济理论建立的反映经济变量间直接关系结构的计量方程系统. 56(简化式模型:把内生变量表示成前定变量和随机项的函数 (结构式参数：结构模型中的参数叫结构

3、式参数 5758（简化式参数:简化式模型中的参数叫简化式参数。 59（恰好识别：如果通过简化模型的参数估计值和参数关系式可以得到结构方程的参数估计值的唯一解则称该结构方程恰好识别。 过度识别:如果通过简化模型的参数估计值和参数关系式可以得到结构方程的参数估计值的多个解则称该结构方程过度识别。 60(不可识别:如果通过简化模型的参数估计值和参数关系式得不到结构方程的参数估计值的解则称该结构方程不可识别。 61(识别的阶条件：如果一个方程能被识别，那么这个方程不包含的变量的总数应大于或等于模型系统中方程个数减1。 62（识别的秩条件：一个方程可识别的充分必要条件是：所有不包含在这个方程中的参数矩阵

4、的秩为m1。 1、古典线性回归模型的基本假定是什么, 答：?零均值假定.?同方差假定。？无自相关假定。?解释变量与随机误差项不相关假定。？正态性假定. 2、在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质， yubbtt10答:？线性，是指参数估计量和分别为观测值和随机误差项的线性函数或线性组合。（1分）?无偏bbbb0110性，指参数估计量和的均值（期望值)分别等于总体参数和。(2分)？有效性(最小方差性或最优bb10性），指在所有的线性无偏估计量中，最小二乘估计量和的方差最小.（2分) 11（简述BLUE的含义。BLUE即最佳线性无偏估计量，是best linear

5、 unbiased estimators的缩写。在古典假定条件下,最小二乘估计量具备线性、无偏性和有效性，是最佳线性无偏估计量，这一结论就是著名的高斯,马尔可夫定理 12（对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验,答:多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。 ybbxbxu，

6、,)随机误差项的期望为零（2)不13。给定二元回归模型:， 请叙述模型的古典假定。（1tttt01122同的随机误差项之间相互独立(3)随机误差项的方差与t无关，为一个常数（4)随机误差项与解释变量不u相关(5)随机误差项为服从正态分布的随机变量(6）解释变量之间不存在多重共线性 t39（虚拟变量引入的原则是什么, 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； (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。（3)虚拟变量取值应从分析问题的

7、目的出发予以界定;(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. 40.异方差产生原因：1模型中遗漏了某些解释变量2模型函数形式的设定误差3样本数据的测量误差4随机因素的影响5.截面数据 41异方差后果1参数估计值仍具有无偏性线性2参数估计不再具有最小方差性3参数的显著性检验失去意义。 42、异方差的检验：1图示法看散点图.2斯皮尔曼等级相关系数检验3Goldfeld-Quanadt检验4White检验5戈里瑟检验6修正方法加权最小二乘法 43.自相关的来源：1、经济变量固有的惯性.2、模型设定的偏误、3、数据的编造 自相关的后果:1回归系数的最小二乘估计量仍具有无偏性。2不

8、再具有最小方差性3、有可能低估误差项的方差、4、最小二乘估计得到的回归方程的预测将是无效。 自相关的检验：图示法、DW检验、LM（BG）检验法、回归检验法.解决方法:广义最小二乘法。 1（ DW检验临界值的确定与几个因素有关，说出这些因素的名称DW检验临界值与三个因素有关。(1）检验水平，（2）样本容量T ， （3)原回归模型中解释变量个数k(不包括常数项）。 多重共线性的来源：经济变量相关的共同趋势、2、滞后变量的引入。3、样本资料和数据的限制。 -1以OLS估计式= （X X) X Y为基础说明当解释变量间存在完全多重共线性时，对的计算将产生什么影响，当解释变量间存在不完全多重共线性时，对

9、的计算将产生什么影响， 1答:（1)当解释变量间存在完全多重共线性时，（ ）降秩，（ )不存在，所以无法计算值.（2）当解XXXX-1释变量间存在不完全多重共线性时， X X ，接近于零,所以（X X）中的元素值很大,即的方差、协方很大。 差多重共线的后果：1。完全共线性下参数估计量不存在(不确定2.近似共线性下OLS估计量非有效3. OLS估计量及其标准误对数据中的微小变化敏感4.近似共线性下参数估计量经济含义不合理5。近似共线性下变量的显著性检验失去意义6。 近似共线性下模型的预测功能失效 四、多重共线性的检验 ：判定系数检验法、逐步回归检验法 随机解释变量问题 Cov（X,），E(x,）,E(x）E（，),01.随机解释变量与随机误差项独立 2,222.随机解释变量与随机误差项同期无关,但异期相关。 Cov(X，）,E（x，),0Cov(X，)，E（x，）,0 2i,i2ii2i,i，s2ii,s3。 随机解释变量与随机误差项同期相关 Cov(X,)，E（x,)，02i,i2ii工具变量法：1他们必须是有实际经济意义的变量2与他们所对应的随机解释变量高度相关3与u不相关4与多元线性回归模型中其他解释变量不相关5工具变量之间不相关 DW检验满足的三个条件:1误差项U的自相关为一阶自回归形式2因变量的滞后值Y不能在回归模式中作t t1解释变量3样本容量应充分大