計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)內(nèi)容

1、計(jì)量經(jīng)濟(jì)學(xué)第一章use describe summary tabstat +stats table+c ontents table/ tabulate histogram打開數(shù)據(jù)查看數(shù)據(jù)集情況描述統(tǒng)計(jì)計(jì)算描述性統(tǒng)計(jì)量（指定）類別變量+ 連續(xù)變量列聯(lián)表類別變量頻次表直方圖 sort 排序 order排序 drop 去除記錄 keep 保留記錄 gen erate 生產(chǎn)新變量 replace 給變量賦新值 ren ame 給變量重命名第二章 一元回歸線性模型：基本思想SRF: = V b2X.' XiYiz XY - nXY2Xibib2X第三章第四章元、多元線性回歸模型：假設(shè)檢驗(yàn)隨機(jī)擾動(dòng)

2、項(xiàng)、參數(shù)的方差、標(biāo)準(zhǔn)誤計(jì)算噴妨二必2）二vai依戶事長砸）pnLxi統(tǒng)計(jì)檢驗(yàn)1模型的擬合優(yōu)度檢驗(yàn)：R2判定系數(shù)（可決系數(shù)）ESS TSS - RSS 予 RSS =1血吃y；吃（廳_2調(diào)整的可決系數(shù)：RMl范圍在0和1之間，越接近1，說明模型具有較高的擬合優(yōu)度2方程的顯著性檢驗(yàn)：F統(tǒng)計(jì)量，prob（ F）ESS/(k-) RSS/(n-k)F >F（k-1,n-k），拒絕原假設(shè) H0，即顯著。F<F（k-1,n-k）,則暫時(shí)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(yàn)：T統(tǒng)計(jì)量（服從n-2，n-k），p值B2 一般為0,

3、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(shè)：假設(shè)1:模型具有線性性（針對模型）。Y是參數(shù)3 i的線性組合，不一定要求是變量X的線性組合。假設(shè)2 :解釋變量X與u不相關(guān)（針對擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：cov（Xi,ui）=0通常說法：X具 有外生性,n假設(shè)3：給定X,擾動(dòng)項(xiàng)的期望或均值為零（針對擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：印打兇）二0, i=1,2,-假設(shè)4：同方差假定（針對擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：Var （ui）=二2 = Var （Yi） i=1,2,n.假設(shè)5:無自相關(guān)（針對擾動(dòng)項(xiàng)）。數(shù)學(xué)表達(dá)：Cov（R, H） = 0= Cov（Y Yj）i工j假設(shè)6:回歸

4、模型設(shè)定是正確的（表面是針對模型，實(shí)質(zhì)上是針對擾動(dòng)項(xiàng)）假設(shè)7:擾動(dòng)項(xiàng)符合正態(tài)分布（針對擾動(dòng)項(xiàng)）數(shù)學(xué)表達(dá)：JiN（0, . -2 ） YN（ 3+3X,二2 ）第五章 線性回歸模型拓展（函數(shù)形式，變量測度單位）模型函數(shù)形式對（3的解釋斜率線性Y= B 1+ B 慶X變化1單位，Y變化B 2單位。雙對數(shù) LnV= P P J.nXX變化 Y變化日飄P 2 （A7X）對數(shù)-線 性LnY- P i+ P 2X、變化1單位，Y變化2100）%oP2(y)線性-對 P + PLnX耳變化 1%, Y變化(B/WO)P3(l/X)新單位。倒數(shù)Y= B + 0 2(1/X)X變化i單位，Y變化 -Pifl/X

5、2）單位。-Pztl/X)多項(xiàng)式Y(jié)=P 汁 B 2X+ BX變化1單位，Y變化（E# p3x單位(P:+P3X)X交互項(xiàng)Y= R + B 3X2+ P .1X3+念變化單位，Y變化（P2+(P2+P M 並P X瓦卩單位結(jié)論；c 1）改變x測度：僅影響自身系數(shù)如、不影響辦“ b'（2）改變Y測度：影響®、婦CT2（3）擬合優(yōu)度檢驗(yàn)統(tǒng)計(jì)量匚F等不受影響無截距可以 m個(gè)3不同函數(shù)形式的選擇MWD檢驗(yàn)，散點(diǎn)圖4測量誤差：應(yīng)變量有誤差：OLS估計(jì)量是無偏的。OLS估計(jì)量的方差也是無偏的。估計(jì)量的估計(jì)方差比沒有測量誤差時(shí)的 大。自變量有誤差：OLS估計(jì)量是有偏的（趨零偏誤）OLS估計(jì)量

6、的方差也是有偏的。第六章 虛擬變量回歸有截距，m個(gè)類別（取值），僅引入m-1個(gè)虛擬變量，第七章模型設(shè)定誤差1包含無關(guān)變量：后果 （F，T檢驗(yàn)） 參數(shù)估計(jì)是無偏且一致的估計(jì)， 但不是有效的估計(jì)， 檢驗(yàn)仍然有效，但方差增大，接收錯(cuò)誤假設(shè)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(guān)，那么是有偏且不一致的估計(jì)；如果X2與X1不相關(guān)，那么是無偏的，但是有偏的 同理，參數(shù)估計(jì)量的方差估計(jì)也是有偏的， 再次，參數(shù)顯著性檢驗(yàn)結(jié)果不可靠。第八，九，十章異方差、多重共線性、自相關(guān)檢驗(yàn)異方差多重共線性自相關(guān)含 義經(jīng)典假設(shè)條件Z-：同方差,即 vjr("j -cr 一加1；.

7、異方差：H的方差隨踽變化而變此 噸)胡=刊3)例如：E = XX、+妙完全共線性，扎X、+ 婦X、+ + 0非完全共線性+ &為+,人耳+ “ = 0E(UjUj)* 0后果：自相關(guān)降低解U中包含未知xX中包含x, xxU, x異方差在截面數(shù)據(jù)中較常見， 在時(shí)間序列中較少，多重共線性是樣本現(xiàn)象。 是程度冋題，不是有無冋題時(shí)間序列中常見后 果1、參數(shù)OLS估計(jì)仍然是線性無偏的2、方差估計(jì)是錯(cuò)誤的3、從而t檢驗(yàn)效率降低。(無偏非有效)理論后果不綁怙計(jì)量的杯最憂線性無偏”性 <1)仍然是無僱的(2) OLS估計(jì)量仍然具有最小方差性實(shí)際后杲參數(shù)方差、標(biāo)準(zhǔn)誤差變大口t檢驗(yàn)效果不好，置宿區(qū)間

8、變寬 恥較高，但系數(shù)的f值統(tǒng)計(jì)上不f0檢 驗(yàn)殘差圖檢驗(yàn)Park, Glejster,Breusch- Pagan,WhiteGoldfeld - Quandt1、R方較大而顯者的T值較小2、輔助回歸3、方差膨脹因子判斷法VIF=(1-殆圖形法Dw檢驗(yàn) 游程檢驗(yàn)偏相關(guān)系數(shù)檢驗(yàn) 布羅斯-戈弗雷檢驗(yàn)修正Wls gls對數(shù)轉(zhuǎn)換穩(wěn)健回歸、模型變換法變量：去除變量，變量轉(zhuǎn)換 樣本：增加樣本廣義差分法丫*=丫_應(yīng)-卩2零自相養(yǎng)無結(jié)論魚自相黃du無結(jié)論判斷題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(cuò)，在多元線性回歸模型里除了對隨機(jī)誤差項(xiàng)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、

9、在模型中引入解釋變量的多個(gè)滯后項(xiàng)容易產(chǎn)生多重共線性。對，在分布滯后模型里多引進(jìn)解釋變量的滯后項(xiàng)，由于變量的經(jīng)濟(jì)意義一樣，只是時(shí)間不一致，所以很容易引起多重共線性。3、DW檢驗(yàn)中的d值在0到4之間，數(shù)值越小說明模型隨機(jī)誤差項(xiàng)的自相關(guān)度越小，數(shù) 值越大說明模型隨機(jī)誤差項(xiàng)的自相關(guān)度越大。錯(cuò)，DW值在0到4之間，當(dāng)DW落在最左邊（0<d<dL ）、最右邊（4- dL<d<4 ）時(shí)，分別為 正自相關(guān)、負(fù)自相關(guān)；中間（du<d<4-du）為不存在自相關(guān)區(qū)域；其次為兩個(gè)不能判定區(qū)域。4、在計(jì)量經(jīng)濟(jì)模型中，隨機(jī)擾動(dòng)項(xiàng)與殘差項(xiàng)無區(qū)別。錯(cuò)，它們均為隨機(jī)項(xiàng)，但隨機(jī)誤差項(xiàng)表示總體模

10、型的誤差，殘差表示樣本模型的誤差；另外，殘差=隨機(jī)誤差項(xiàng)+參數(shù)估計(jì)誤差。5、在經(jīng)濟(jì)計(jì)量分析中，模型參數(shù)一旦被估計(jì)出來，就可將估計(jì)模型直接運(yùn)用于實(shí)際的計(jì)量 經(jīng)濟(jì)分析。錯(cuò)，參數(shù)一經(jīng)估計(jì)，建立了樣本回歸模型，還需要對模型進(jìn)行檢驗(yàn)，包括經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng) 計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)專門檢驗(yàn)等。6、線性回歸模型意味著因變量是自變量的線性函數(shù)。錯(cuò)，線性回歸模型本質(zhì)上指的是參數(shù)線性，而不是變量線性。同時(shí)，模型與函數(shù)不是同一回事。7、多重共線性問題是隨機(jī)擾動(dòng)項(xiàng)違背古典假定引起的。錯(cuò)，應(yīng)該是解釋變量之間高度相關(guān)引起的。8、 通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與樣本容量大小有關(guān)。 錯(cuò)，引入虛擬變量的個(gè)

11、數(shù)樣本容量大小無關(guān)，與變量屬性，模型有無截距項(xiàng)有關(guān)。9、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性檢驗(yàn)是一致的。正確，要求最好能夠?qū)懗鲆辉€性回歸中，F(xiàn)統(tǒng)計(jì)量與t統(tǒng)計(jì)量的關(guān)系，即 F=T2的來歷；或者說明一元線性回歸僅有一個(gè)解釋變量， 因此對斜率系數(shù)的t檢驗(yàn)等價(jià)于對方程的整體性 檢驗(yàn)。11、在實(shí)際中，一元回歸幾乎沒什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個(gè)解釋變量來解 釋。錯(cuò)，在實(shí)際中，在一定條件下一元回歸是很多經(jīng)濟(jì)現(xiàn)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(cuò)，虛擬變量還能作被解釋變量。14、設(shè)估計(jì)模型為。表明模型有

12、很好的擬合優(yōu)度，則模型不存在偽（虛假）回歸。錯(cuò)，可能存在偽（虛假）回歸，因?yàn)榭蓻Q系數(shù)較高，而DW值過低。15、隨機(jī)擾動(dòng)項(xiàng)的方差與隨機(jī)擾動(dòng)項(xiàng)方差的無偏估計(jì)沒有區(qū)別。錯(cuò)，隨機(jī)擾動(dòng)項(xiàng)的方差反映總體的波動(dòng)情況，對一個(gè)特定的總體而言，是一個(gè)確定的值。16、 經(jīng)典線性回歸模型（CLRM）中的干擾項(xiàng)不服從正態(tài)分布的，OLS估計(jì)量將有偏的。錯(cuò)，即使經(jīng)典線性回歸模型（ CLRM）中的干擾項(xiàng)不服從正態(tài)分布的，OLS估計(jì)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(shè)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(dāng)然，依據(jù)研究問題的特殊性，有時(shí)也可以取其

13、它值。18、擬合優(yōu)度檢驗(yàn)和 F檢驗(yàn)是沒有區(qū)別的。錯(cuò)（1） F-檢驗(yàn)中使用的統(tǒng)計(jì)量有精確的分布，而擬合優(yōu)度檢驗(yàn)沒有；（2）對是否通過檢驗(yàn)，可決系數(shù)（修正可決系數(shù)）只能給出一個(gè)模糊的推測；而F檢驗(yàn)可以在給定顯著水平下，給出統(tǒng)計(jì)上的嚴(yán)格結(jié)論。20、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性檢驗(yàn)是一致的； 正確，最好能夠?qū)懗鲆辉€性回歸模型；F統(tǒng)計(jì)量與T統(tǒng)計(jì)量的關(guān)系，即的 F=tA2的來歷；或者說明一元線性回歸僅有一個(gè)解釋變量，因此對斜率系數(shù)的t檢驗(yàn)等價(jià)于對方程的整體性檢驗(yàn)。22、 在模型12233tttYXX 3 3 3 =+的回歸分析結(jié)果報(bào)告中，”則表明解釋變量。對 yt的影響

14、是顯著的。錯(cuò)，解釋變量X2t和X3t對Y t的聯(lián)合影響是顯著的。23、結(jié)構(gòu)型模型中的每一個(gè)方程都稱為結(jié)構(gòu)式方程，結(jié)構(gòu)方程中，解釋變量只可以是前定 變量。錯(cuò)誤，結(jié)構(gòu)方程中，解釋變量可以是前定變量，也可以是內(nèi)生變量。24、通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與模型有無截距項(xiàng) 無關(guān)。錯(cuò)誤，模型有截距項(xiàng)時(shí)，如果被考察的定性因素有m個(gè)相互排斥屬性，則模型中引入 m- 1個(gè)虛擬變量，否則會(huì)陷入“虛擬變量陷阱” ，模型無截距項(xiàng)時(shí)，若被考察的定性因素有 m個(gè) 相互排斥屬性，可以引入 m個(gè)虛擬變量，這時(shí)不會(huì)出現(xiàn)多重共線性。25、在對參數(shù)進(jìn)行最小二乘估計(jì)之前，沒有必要對模型提出古典假定。錯(cuò)誤

15、，在古典假定條件下， OLS估計(jì)得到的參數(shù)估計(jì)量是該參數(shù)的最佳線性無偏估計(jì)（具有 線性、無偏性、有效性）?？傊?，提出古典假定是為了使所作出的估計(jì)量具有較好的統(tǒng)計(jì)性 質(zhì)和方便地進(jìn)行統(tǒng)計(jì)推斷。26、當(dāng)異方差出現(xiàn)時(shí)，常用的 t和F檢驗(yàn)失效正確，由于異方差類，似于t比值的統(tǒng)計(jì)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(shí)往往會(huì)夸大t檢驗(yàn)，使得t檢驗(yàn)失效；由于F分布為兩個(gè)獨(dú)立的x A2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(jī)誤差項(xiàng)相關(guān)，是產(chǎn)生多重共線性的主要原因。錯(cuò)誤，產(chǎn)生多重共線性的主要原因是：經(jīng)濟(jì)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(rèn)識上的局限使

16、得選擇變量不當(dāng)；”。29、由間接最小二乘法與兩階段最小二乘法得到的估計(jì)量都是無偏估計(jì)。錯(cuò)誤，間接最小二乘法適用于恰好識別方程的估計(jì)，其估計(jì)量為無偏估計(jì)；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(jì)量為有偏、一致估計(jì)。32、在經(jīng)濟(jì)計(jì)量分析中，模型參數(shù)一旦被估計(jì)出來，就可將估計(jì)模型直接運(yùn)用于實(shí)際的計(jì) 量經(jīng)濟(jì)分析。錯(cuò)。參數(shù)一經(jīng)估計(jì)，建立了樣本回歸模型，還需要對模型進(jìn)行檢驗(yàn)，包括經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng) 計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)專門檢驗(yàn)等。33、假定個(gè)人服裝支出同收入水平和性別有關(guān)，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

17、的影響時(shí)，需要引入兩個(gè)虛擬變量。錯(cuò),是否引入兩個(gè)虛擬變量，應(yīng)取決于模型中是否有截距項(xiàng)。如果有截距項(xiàng)則引入一個(gè)虛擬 變量；如果模型中無截距項(xiàng)，則可引入兩個(gè)虛擬變量。34、隨機(jī)擾動(dòng)項(xiàng)的方差與隨機(jī)擾動(dòng)項(xiàng)方差的無偏估計(jì)沒有區(qū)別。錯(cuò),隨機(jī)擾動(dòng)項(xiàng)的方差反映總體的波動(dòng)情況，對一個(gè)特定的總體而言，是一個(gè)確定的值。35、 在簡單線性回歸中可決系數(shù)2R與斜率系數(shù)的t檢驗(yàn)的沒有關(guān)系。錯(cuò)誤，可決系數(shù)是對模型擬合優(yōu)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(yōu)度越高，模型總體線性關(guān)系的顯著性越強(qiáng)。反之亦然。斜率系數(shù)的t檢驗(yàn)是對回歸方程中的解釋變量的顯著性的檢驗(yàn)。在簡單線性回歸

18、中， 由于解釋變量只有一個(gè)，當(dāng)t檢驗(yàn)顯示解釋變量的影響顯著時(shí)，必然會(huì)有該回歸模型的可決系數(shù)大，擬合優(yōu)度高。36、異方差性、自相關(guān)性都是隨機(jī)誤差現(xiàn)象，但兩者是有區(qū)別的。正確。異方差的出現(xiàn)總是與模型中某個(gè)解釋變量的變化有關(guān)。，自相關(guān)性是各回歸模型的隨機(jī)誤差項(xiàng)之間具有相關(guān)關(guān)系?！?7、通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與模型有無截距項(xiàng) 無關(guān)。錯(cuò)誤，模型有截距項(xiàng)時(shí)，如果被考察的定性因素有m個(gè)相互排斥屬性，則模型中引入 m-1個(gè)虛擬變量，否則會(huì)陷入“虛擬變量陷阱” ；模型無截距項(xiàng)時(shí)，若被考察的定性因素有 m個(gè) 相互排斥屬性，可以引入 m個(gè)虛擬變量，這時(shí)不會(huì)出現(xiàn)多重共線性。40、半對數(shù)模型 Y = 3 0 + 3 1 In X +卩中，參數(shù)1 3的含義是X的絕對量變化，引起 Y的絕對量變化。錯(cuò)誤，半對數(shù)模型的參數(shù)3 1的含義是當(dāng)X的相對變化時(shí)，絕對量發(fā)生變化，引起因變量丫的 平均值絕對量的變動(dòng)。41、對已經(jīng)估計(jì)出參數(shù)的模型不需要進(jìn)行檢驗(yàn)。錯(cuò)誤，有必要進(jìn)行檢驗(yàn)。首先，因?yàn)槲覀冊谠O(shè)定模型時(shí)，對所研究的經(jīng)濟(jì)現(xiàn)象的規(guī)律性可能認(rèn)識并不充分，所依據(jù)的得經(jīng)濟(jì)理論對研究對象也許還不能做出正確的解釋和說明?；蛘唠m然經(jīng)濟(jì)理論是正確的，但可能我們對問題的認(rèn)識只是從某些局部出發(fā)，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(guī)律，必然會(huì)導(dǎo)致偏差。其次，我們