2022年计量经济学重点.docx

《2022年计量经济学重点.docx》由会员分享，可在线阅读，更多相关《2022年计量经济学重点.docx（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选学习资料 - - - - - - - - - 计量经济学重点（简答题）一、什么是计量经济学？计量经济学,又称经济计量学,它是以肯定的经济理论和实际统计资料为依据,运用数学、统计学和运算机技术,通过建立计量经济学模型,定量分析经济变量之间的随机因果关系 .；二、计量经济学的讨论的步骤是什么？1 理论模型的设计A. 理论或假说的陈述；B. 理论的数学模型的设定；C. 理论的计量经济模型的设定；i. 把模型中不重要的变量放进随机误差项中；ii. 拟定待估参数的理论期望值；2 猎取数据数据来源：网络、统计年鉴、报纸、杂志数据类别：时间序列数据、截面数据、混合数据、虚变量数据；数据要求：完整性、精确

2、性、可比性、一样性三、3i.完整性：模型中包含的全部变量都必需得到相同容量的样本观看值；ii.精确性：统计数据或调查数据本身是精确的；iii.可比性：数据口径问题；iv.一样性：指母体与样本的一样性；模型的参数估量：一般最小二乘法；4模型的检验：经济学检验；统计学检验；计量经济学检验；模型的猜测检验；5模型的应用：结构分析；经济猜测；政策评判；经济理论的检验与进展；简述统计数据的类别？时间序列数据、截面数据、混合数据、虚变量数据； 1 名师归纳总结 - - - - - - -第 1 页,共 10 页精选学习资料 - - - - - - - - - 1 时间序列数据：按时间先后排列收集的数据；接

3、受时间序列数据的留意事项：A. 所挑选的样本区间的经济行为一样性问题；B. 样本数据在不同样本点之间的可比性问题；C. 样本数据过于集中的问题；不能反映经济变量间的结构关系,应增大观看区间；D. 模型的随机误差项序列相关问题；2 截面数据：又称横向数据,是一批发生在同一时间截面上的调查数据；讨论某时点上的变化情形；接受截面数据的留意事项：A. 样本与母体的一样性问题；B. 随机误差项的异方差问题；3 混合数据：也称面板数据,既有时间序列数据,又有截面数据；4 虚变量数据：又称二进制数据,只能取 0 和 1 两个值,表示的是某个对象的质量特点；四、1模型的检验包括哪几个方面？详细含义是什么？经济

4、学检验：参数的符合和大致取值；2统计学检验：拟合优度检验；模型的显著性检验；参数的显著性检验；3计量经济学检验：序列相关性；异方差检验；多重共线性检验；4模型的猜测检验：a,扩大样本容量或变换样本重新估价模型；b,利用模型对样本期以外的某一期进行猜测； 2 名师归纳总结 - - - - - - -第 2 页,共 10 页精选学习资料 - - - - - - - - - 五、回来分析和相关分析的联系和区分是什么？回来分析是处理变量与变量之间关系 的一种数学方法,是讨论一个变量关于另一个（些）变量的依靠关系的运算理论和方 法；其目的在于通过后者的已知或设定值,去估量或猜测前者的（总体）均值；前一

5、个变量被称为被说明变量,后一个（些）变量称为说明变量；回来分析与相关分析的 联系：都是对变量间非确定相关关系的讨论,均能通过肯定的方法对变量之间的线性依靠程度进行测定；回来分析与相关分析的区分：1 相关分析讨论的是两个随机变量之间的相关形式及相关程度,是通过相关系数来测定的,不考虑变量之间是否存在因果 关系 ；而回来分析是以因果分析为基础的,变量之间的位置是不对称的,有说明变量 与被说明变量之分,被说明变量是随机变量,而说明变量在一般情形下假定是确定性 变量； 2 相关分析所接受的相关系数,是一种纯粹的数学运算,相关分析关注的是变量 之间的相互关联的程度,而回来分析在应用之间就对变量之间是否存

6、在依靠关系进行 了因果分析,在此基础上进行的回来分析,达到了深化分析变量间依存关系、把握其 运动规律的目的；六、1经典假设条件的内容是什么？（应用最小二乘法应满意的古典假定？）说明变量 x1,x2, ,xk 是确定性变量,不是随机变量；而且说明变量之间互不相关；2随机误差项具有0 均值和同方差；3随机误差项在不同样本点之间是独立的,不存在序列相关；4随机误差项与说明变量之间不相关；5随机误差项听从0 均值,同方差的正态分布； 3 名师归纳总结 - - - - - - -第 3 页,共 10 页精选学习资料 - - - - - - - - - 七、总体回来函数和样本回来函数之间有哪些区分与联系？

7、总体回来函数是将总体被 说明变量的条件期望表示为说明变量的某种函数；样本回来函数是将被说明变量 Y 的 样本观测值的拟和值表示为说明变量的某种函数；二者区分：描述的对象不同；模型 建立的依据不同；二者联系：样本回来模型是总体回来模型的一个估量式,之所以建 立样本回来模型,目的是用来估量总体回来模型；八、什么是随机误差项？随机误差项包括哪些因素？设定随机误差项的缘由有哪些？随机误差项是模型设定中省略下来而又集体地影响着被说明变量 Y 的全部变量的替代 物；随机误差项包括以下因素：在说明变量中被忽视的因素的影响；变量观测值的观 察误差的影响；模型关系的设定误差的影响；其它随机因素的影响；设定随机误

8、差项 的缘由：理论的模糊性；数据的欠缺；节约的原就；九、最小二乘估量量有哪些特性？高斯-马尔科夫定理的内容是什么？判定一个估量量是否为优良估量量需要考察的统计性质：线性,考察估量量是否是另一个随机变量的 线性函数；无偏性,考察估量量的期望是否等于其真值；有效性,考察估量量在全部 的无偏估量量中是否有最小方差；上述三个统计特性称为估量量的小样本性质；具有 这类性质的估量量是正确的线性无偏估量量；在模型假定条件成立的情形下,依据普通最小二乘估量法得到的估量量具有BLUE的性质, 这就是高斯 -马尔科夫定理定理；上述三个性质针对的是小样本,针对大样本仍有三个渐近性质：渐近无偏性：表示当样 本容量趋于

9、无穷大时,估量量的均值趋于总体均值；一样性：表示当样本容量趋于无 穷时,估量量依概率收敛于总体的真值；渐近有效性：样本容量趋于无穷时,估量量 在全部的一样估量中,具有最小的渐近方差；十、为什么用可决系数 R2 评判拟合优度, 而不是用残差平方和作为评判标准？可决系 数和相关系数有什么区分与联系 .样本可决系数 R2 反映了回来平方和占总离差平方和 的比重,表示由说明变量引起被说明变量的变化占被说明变量总的变化的比重,因而 可用来判定回来直线拟合程度的优劣,该值大表示回来直线对样本店的拟合程度好；残差平方和反映随机误差项包含因素对被说明变量变化影响的肯定程度,它与样本容 量有关,样本容量大时,残

10、差平方和一般也大,样本容量小时,残差平方和也小,因 此样本容量不同时得到的残差平方和不能用于比较；此外,检验统计量一般应是相对 量而不能是肯定量,因而不宜使用残差平方和判定模型的拟合优度； 4 名师归纳总结 - - - - - - -第 4 页,共 10 页精选学习资料 - - - - - - - - - 可决系数和相关系数的联系和区分：A. 相关系数是建立在相关分析基础上的,讨论的是随机变量之间的关系；可决系数就是建立在回来分析基础上,讨论的是非随机变量 X 对随机变量 Y 的说明程度；B. 在取值上,可决系数是样本相关系数的平方；C. 样本相关系数是由随机的 X和 Y 抽样运算得到,因而相

11、关关系是否显著,仍需进行检验；十一、说明显著性检验的过程；提出原假设和备择假设；挑选并运算在原假设成立情形下的统计量；给定显著水平 a,查临界值表进行判定；十二、影响猜测精度的主要因素是什么？样本容量；模拟的拟合优度；十三 什么是正规方程组？并说明多元线性回来最小二乘估量的正规方程组,能解出唯独的参数估量的条件是什么？正规方程组是依据最小二乘原理得到的关于参数估量值的线性代数方程组；从最小二乘原理和最大似然原理动身,欲得到参数估量量,不管其质量如何,样本容量必需不少于模型中说明变量的数目（包括常数项）,即 n k + 1；十三、在多元线性回来分析中,为什么用调整的可决系数衡量估量模型对样本观测

12、值的拟合优度？未调整可决系数 R2的一个总要特点是：随着样本说明变量个数的增加,R2的值越来越高,（即 R2 是说明变量个数的增函数）在模型中增加新的说明变量不会转变总离差平方和；也就是说, 在样本容量不变的情形,（ TSS）,但可能增加回来平方和 （ESS）,削减残差平方和（RSS）,从而可能转变模型的说明功能；因此在多元线性回来模型之间比较拟合优度时,R2不是一个合适的指标,需加以调整；而修正的可决系数：其值不会随着说明变量个数 整的可决系数；k 的增加而增加, 因此在用于估量多元回来模型方面要优于未调 5 名师归纳总结 - - - - - - -第 5 页,共 10 页精选学习资料 -

13、- - - - - - - - 十四、在多元线性回来分析中,可决系数R2 与总体线性关系显著性检验统计量F 之间有何关系？ t 检验与 F检验有何不同？是否可以替代？在一元线性回来分析中二者是否有等价作用？在多元线性回来分析中,可决系数R2 与总体线性关系显著性检验统计量F关系如下： 可决系数是用于检验回来方程的拟合优度的,F 检验是用于检验回来方程总体显著性的；两检验是从不同原理动身的两类检验,前者是从已经得到的模型动身,检验它对样本观测值的拟合程度,后者是从样本观测值动身检验模型总体线性关系的 显著性；但两者是关联的,这一点也可以从上面两者的关系式看出,回来方程对样本 拟和程度高,模型总体

14、线性关系的显著性就强；在多元线性回来模型分析中,t 检验常被用于检验回来方程各个参数的显著性,是单一检验；而F 检验就被用作检验整个回归关系的显著性,是对回来参数的联合检验；在多元线性回来中,如 F 检验拒绝原假设,意味着说明变量与被说明变量之间的线性关系是显著的,但详细是哪个说明变量与被说明变量之间关系显著就需要通过 t 检验来进一步验证,但如 F 检验接受原假设,就意味着全部的 t 检验均不显著； 两者是不行相互替代的；在一元线性回来模型中,由于说明变量只有一个,因此 F 检验的联合假设等同于 t 检验的单一假设,两检验作用是等价的；十五、什么是异方差？异方差产生的缘由是什么？如何检验和处

15、理？1 线性回来模型为 Yt = b0 + b1X1t + b2X2t + + bkXkt +ut经典回来中所谓同方差是指不同随机误差项 Utt =1,2, ,n 的方差相同, 即 VarUt = 戴尔塔方（怎么打？）假如随机误差项的方差不是常数,就称随机项VarUt = 戴尔塔方常数2 异方差性产生的缘由：A. 模型中遗漏了某些逐步增大的因素的影响；B. 模型函数形式的误定误差；C. 随机因素的影响；Ut 具有异方差性；3 检验异方差性的方法：图解法、帕克检验、格莱泽检验、斯皮尔曼的等级相关检验、哥德费尔德-匡特检验；4 修正异方差性的主要方法：加权最小二乘法, 通过给予不同观测点以不同的权

16、数,从而提高估量精度,即重视小误差的作用,轻视大误差的作用； 6 名师归纳总结 - - - - - - -第 6 页,共 10 页精选学习资料 - - - - - - - - - 十六、模型存在异方差时,会对回来参数的估量与的检验产生什么影响？1 最小二乘估量不再是有效估量；2 无法确定估量系数的标准误差；3 T 检验的牢靠性降低；4 增大模型的猜测误差；当模型存在异方差时, 依据一般最小二乘法估量出的参数估量量仍具有线性特性和无偏性,但不再具有有效性；用于参数显著性的检验统计量,要涉及到参数估量量的标准差,因而参数检验也失去意义；十七、序列相关违反了哪些基本假定？其来源有哪些？检验方法有哪些

17、,都适用于何种形式的序列相关检验？模型的序列相关违反的基本假定是Covui,uj = 0 i j；序列相关的来源有：A. 经济变量固有的惯性；B. 模型设定的偏误；C. 模型中遗漏了重要的带有自相关的说明变量；D. 数据的“ 编造”；序列相关的检验有：A. 图示法B. D-W 检验,适用于检验一阶自回来形式的序列相关；C. 回来检验法,适用于各种类型的序列相关检验；D. 拉格朗日乘子检验（LM）,适用于高阶序列相关及模型中存在滞后说明变量的情形；十八、简述序列相关带来的后果；1 最小二乘估量不再是有效估量；参数估量量仍是无偏的；参数估量值不再具有最小方差性； 7 名师归纳总结 - - - -

18、- - -第 7 页,共 10 页精选学习资料 - - - - - - - - - 2 随机误差项的方差一般会低估；3 检验的牢靠性降低；4 降低模型的猜测精度；十九、简述 DW 检验的步骤和应用条件；DW 检验的步骤：A.做 OLS回来并猎取残差；dl 和 du 值；B.运算 d；C.对给定样本大小和给定说明变量个数找出临界D.按决策规章行事；DW 检验应用条件：A. 模型中含有截距项；B. 说明变量 X 是非随机的；C. 随机误差项 ut 为一阶自相关；D. 误差项被假定为正态分布；E. 线性回来模型中不应含有滞后内生变量作为说明变量；F. 统计书籍比较完整,无缺失项；二十、什么是多重共线

19、性？产生多重共线性的缘由是什么？多重共线性造成的影响是什么？检验多重共线性的方法是什么？有哪些解决方法？1 对于多元回来线性模型,假如某两个或多个说明变量之间显现了相关性,就称多重共线性；2 产生多重共线性的缘由：A. 经济变量的内在联系,这是产生多重共线性的根本缘由；B. 经济变量变化趋势的共同性；C. 在模型中引入滞后变量也简单产生多重共线性；3 多重共线性造成的影响：A. 增大最小二乘估量量得方差B. 难以区分每个说明变量的单独影响 8 名师归纳总结 - - - - - - -第 8 页,共 10 页精选学习资料 - - - - - - - - - C. 检验的牢靠度降低4D.完全共线性

20、下参数估量量不存在变换模型的形多重共线性的检验方法：5A.相关系数检验法B.帮助回来模型检验C.方差膨胀因子检验D.特点值检验多重共线性的解决方法：A.保留总要的说明变量,去掉次要的或可替代的说明变量；B.间接剔除重要的说明变量；利用先验信息转变参数的约束形式；式；二十一、C.综合使用时序数据和截面数据；D.逐步回来法（ Frisch 综合分析法）E.主成分回来；随机说明变量的来源有哪些？随机说明变量有几种情形？分情形说明随机解释变量对最小二乘估量的影响与后果？随机说明变量的来源有：A. 经济变量的不行控,使得说明变量观测值具有随机性；B. 由于随机干扰项中包括了模型略去的说明变量,而略去的说

21、明变量与模型中的说明变量往往是相关的；C. 模型中含有被说明变量的滞后项,而被说明变量本身就是随机的；随机说明变量有三种情形,不怜悯形下最小二乘估量的影响和后果也不同；A.说明变量是随机的,但与随机干扰项不相关；这时接受 OLS估量得到的参数估计量仍为无偏估量量；B.说明变量与随机干扰项同期无关、不同期相关； 这时接受 OLS估量得到的参数估量量是有偏但一样的估量量；C.说明变量与随机干扰项同期相关；这时接受 OLS估量得到的参数估量量仍为有偏且非一样的估量量； 9 名师归纳总结 - - - - - - -第 9 页,共 10 页精选学习资料 - - - - - - - - - 二十二、挑选作

22、为工具变量的变量必需满意哪些条件？1 与所替代的随机说明变量高度相关； 2 与随机干扰项不相关；线性；3 与模型中其它说明变量不相关,以防止显现多重共二十三、什么是虚假序列相关？如何防止虚假序列相关？虚假序列相关问题是指模型 的序列相关性是由于省略了显著的说明变量而引致的；防止产生虚假序列相关性的措 施是在开头时建立一个“ 一般” 的模型,然后逐步剔除的确不显著的变量；二十四、回来模型中引入虚拟变量的一般原就和方式是什么.引入虚拟变量的作用是为了分析定性因素对被说明变量的影响；虚拟变量的设置原就是：假如虚拟变量所反 映的定性变量有 m 个类别,就需引入 m-1 个虚拟变量；通常情形下,虚拟变量的值取 0 或 1,取 1 的类别称为基础类别；留意,如 m 个类别引入 m 个虚拟变量,模型会产 生完全的多重共线性,参数将无法估量,这种情形被称为“ 虚拟变量陷阱”；虚拟变量 的引入有两种基本方式：加法方式和乘法方式；加法方式反映的是虚拟变量对截距项 的影响；乘法方式反映的是虚拟变量对斜率参数的影响；如同时接受两种方式引入虚 拟变量,就可同时反映虚拟变量对截距项和斜率参数的影响； 10 名师归纳总结 - - - - - - -第 10 页,共 10 页