計(jì)量名詞解釋簡答

1、三、名詞解釋（每小題3分）1經(jīng)濟(jì)變量：經(jīng)濟(jì)變量是用來描述經(jīng)濟(jì)因素?cái)?shù)量水平的指標(biāo)。（3分）2解釋變量：是用來解釋作為研究對象的變量（即因變量）為什么變動、如何變動的變量。（2分）它對因變量的變動做出解釋，表現(xiàn)為方程所描述的因果關(guān)系中的“因”。（1分）3被解釋變量：是作為研究對象的變量。（1分）它的變動是由解釋變量做出解釋的，表現(xiàn)為方程所描述的因果關(guān)系的果。（2分）4內(nèi)生變量：是由模型系統(tǒng)內(nèi)部因素所決定的變量，（2分）表現(xiàn)為具有一定概率分布的隨機(jī)變量，是模型求解的結(jié)果。（1分）5外生變量：是由模型系統(tǒng)之外的因素決定的變量，表現(xiàn)為非隨機(jī)變量。（2分）它影響模型中的內(nèi)生變量，其數(shù)值在模型求解之前就已經(jīng)

2、確定。（1分）6滯后變量：是滯后內(nèi)生變量和滯后外生變量的合稱，（1分）前期的內(nèi)生變量稱為滯后內(nèi)生變量；（1分）前期的外生變量稱為滯后外生變量。（1分）7前定變量：通常將外生變量和滯后變量合稱為前定變量，（1分）即是在模型求解以前已經(jīng)確定或需要確定的變量。（2分）8控制變量：在計(jì)量經(jīng)濟(jì)模型中人為設(shè)置的反映政策要求、決策者意愿、經(jīng)濟(jì)系統(tǒng)運(yùn)行條件和狀態(tài)等方面的變量，（2分）它一般屬于外生變量。（1分）9計(jì)量經(jīng)濟(jì)模型：為了研究分析某個系統(tǒng)中經(jīng)濟(jì)變量之間的數(shù)量關(guān)系而采用的隨機(jī)代數(shù)模型，（2分）是以數(shù)學(xué)形式對客觀經(jīng)濟(jì)現(xiàn)象所作的描述和概括。（1分）10函數(shù)關(guān)系：如果一個變量y的取值可以通過另一個變量或另一組

3、變量以某種形式惟一地、精確地確定，則y與這個變量或這組變量之間的關(guān)系就是函數(shù)關(guān)系。（3分）11相關(guān)關(guān)系：如果一個變量y的取值受另一個變量或另一組變量的影響，但并不由它們惟一確定，則y與這個變量或這組變量之間的關(guān)系就是相關(guān)關(guān)系。（3分）12最小二乘法：用使估計(jì)的剩余平方和最小的原則確定樣本回歸函數(shù)的方法，稱為最小二乘法。（3分）13高斯馬爾可夫定理：在古典假定條件下，OLS估計(jì)量是模型參數(shù)的最佳線性無偏估計(jì)量，這一結(jié)論即是高斯馬爾可夫定理。（3分）14總變差（總離差平方和）：在回歸模型中，被解釋變量的觀測值與其均值的離差平方和。（3分）15回歸變差（回歸平方和）：在回歸模型中，因變量的估計(jì)值與其

4、均值的離差平方和，（2分）也就是由解釋變量解釋的變差。（1分）16剩余變差（殘差平方和）：在回歸模型中，因變量的觀測值與估計(jì)值之差的平方和，（2分）是不能由解釋變量所解釋的部分變差。（1分）17估計(jì)標(biāo)準(zhǔn)誤差：在回歸模型中，隨機(jī)誤差項(xiàng)方差的估計(jì)量的平方根。（3分）18樣本決定系數(shù)：回歸平方和在總變差中所占的比重。（3分）19點(diǎn)預(yù)測：給定自變量的某一個值時，利用樣本回歸方程求出相應(yīng)的樣本擬合值，以此作為因變量實(shí)際值和其均值的估計(jì)值。（3分）20擬合優(yōu)度：樣本回歸直線與樣本觀測數(shù)據(jù)之間的擬合程度。（3分）21殘差：樣本回歸方程的擬合值與觀測值的誤差稱為回歸殘差。（3分）22顯著性檢驗(yàn)：利用樣本結(jié)果，

5、來證實(shí)一個虛擬假設(shè)的真?zhèn)蔚囊环N檢驗(yàn)程序。（3分）23回歸變差：簡稱ESS,表示由回歸直線（即解釋變量）所解釋的部分（2分），表示x對y的線性影響（1分）。24剩余變差：簡稱RSS，是未被回歸直線解釋的部分（2分），是由解釋變量以外的因素造成的影響（1分）。25多重決定系數(shù)：在多元線性回歸模型中，回歸平方和與總離差平方和的比值（1分），也就是在被解釋變量的總變差中能由解釋變量所解釋的那部分變差的比重，我們稱之為多重決定系數(shù)，仍用R2表示（2分）。26調(diào)整后的決定系數(shù)：又稱修正后的決定系數(shù)，記為，是為了克服多重決定系數(shù)會隨著解釋變量的增加而增大的缺陷提出來的，（2分）其公式為：（1分）。27偏相關(guān)

6、系數(shù):在Y、X1、X2三個變量中，當(dāng)X1 既定時（即不受X1的影響），表示Y與X2之間相關(guān)關(guān)系的指標(biāo)，稱為偏相關(guān)系數(shù)，記做。（3分）28.異方差性：在線性回歸模型中，如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對不同的解釋變量觀測值彼此不同，則稱隨機(jī)項(xiàng)具有異方差性。（3分）29.戈德菲爾特-匡特檢驗(yàn):該方法由戈德菲爾特（S.M.Goldfeld）和匡特（R.E.Quandt）于1965年提出，用對樣本進(jìn)行分段比較的方法來判斷異方差性。（3分）30.懷特檢驗(yàn):該檢驗(yàn)由懷特（White）在1980年提出，通過建立輔助回歸模型的方式來判斷異方差性。（3分）31.戈里瑟檢驗(yàn)和帕克檢驗(yàn):該檢驗(yàn)法由戈里瑟和帕克于19

7、69年提出，其基本原理都是通過建立殘差序列對解釋變量的（輔助）回歸模型，判斷隨機(jī)誤差項(xiàng)的方差與解釋變量之間是否存在著較強(qiáng)的相關(guān)關(guān)系，進(jìn)而判斷是否存在異方差性。（3分）32序列相關(guān)性：對于模型 隨機(jī)誤差項(xiàng)互相獨(dú)立的基本假設(shè)表現(xiàn)為 （1分）如果出現(xiàn) 即對于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是完全互相獨(dú)立，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了序列相關(guān)性(Serial Correlation)。（2分）33虛假序列相關(guān)：是指模型的序列相關(guān)性是由于省略了顯著的解釋變量而導(dǎo)致的。34.差分法：差分法是一類克服序列相關(guān)性的有效方法，被廣泛的采用。差分法是將原模型變換為差分模型，分為一階差分法和廣義差分法。35.廣

8、義差分法：廣義差分法可以克服所有類型的序列相關(guān)帶來的問題，一階差分法是它的一個特例。36.自回歸模型：37.廣義最小二乘法：是最有普遍意義的最小二乘法，普通最小二乘法和加權(quán)最小二乘法是它的特例。38. DW檢驗(yàn)：德賓和瓦特森與1951年提出的一種適于小樣本的檢驗(yàn)方法。DW檢驗(yàn)法有五個前提條件。39.科克倫-奧克特迭代法：是通過逐次跌代去尋求更為滿意的的估計(jì)值，然后再采用廣義差分法。具體來說，該方法是利用殘差去估計(jì)未知的。（40. Durbin兩步法：當(dāng)自相關(guān)系數(shù)未知，可采用Durbin提出的兩步法去消除自相關(guān)。第一步對一多元回歸模型，使用OLS法估計(jì)其參數(shù)，第二步再利用廣義差分。41相關(guān)系數(shù)：

9、度量變量之間相關(guān)程度的一個系數(shù)，一般用表示。 ， ，越接近于1，相關(guān)程度越強(qiáng)，越接近于0，相關(guān)程度越弱。42.多重共線性：是指解釋變量之間存在完全或不完全的線性關(guān)系。43.方差膨脹因子：是指解釋變量之間存在多重共線性時的方差與不存在多重共線性時的方差之比。44把質(zhì)的因素量化而構(gòu)造的取值為0和1的人工變量。45在設(shè)定模時如果模型中解釋變量的構(gòu)成模型函數(shù)的形式以及有關(guān)隨機(jī)誤差項(xiàng)的若干假定等內(nèi)容的設(shè)定與客觀實(shí)際不一致，利用計(jì)量經(jīng)濟(jì)學(xué)模型來描述經(jīng)濟(jì)現(xiàn)象而產(chǎn)生的誤差。46是指與模型中的隨機(jī)解釋變量高度相關(guān)，與隨機(jī)誤差項(xiàng)不相關(guān)的變量。47用工具變量替代模型中與隨機(jī)誤差項(xiàng)相關(guān)的隨機(jī)解釋變量的方法。48由于引

10、進(jìn)虛擬變量，回歸模型的截距或斜率隨樣本觀測值的改變而系統(tǒng)地改變。49. 這是虛擬變量的一個應(yīng)用，當(dāng)解釋變量低于某個已知的臨界水平時，我們?nèi)√摂M變量設(shè)置而成的模型稱之為分段線性回歸模型。50 分布滯后模型：如果滯后變量模型中沒有滯后因變量，因變量受解釋變量的影響分布在解釋變量不同時期的滯后值上，則稱這種模型為分布滯后模型。51有限分布滯后模型：滯后期長度有限的分布滯后模型稱為有限分布滯后模型。52無限分布滯后模型：滯后期長度無限的分布滯后模型稱為無限分布滯后模型。53幾何分布滯后模型：對于無限分布滯后模型，如果其滯后變量的系數(shù)bi是按幾何級數(shù)列衰減的，則稱這種模型為幾何分布滯后模型。54聯(lián)立方程

11、模型：是指由兩個或更多相互聯(lián)系的方程構(gòu)建的模型。55 結(jié)構(gòu)式模型：是根據(jù)經(jīng)濟(jì)理論建立的反映經(jīng)濟(jì)變量間直接關(guān)系結(jié)構(gòu)的計(jì)量方程系統(tǒng)。56 簡化式模型：是指聯(lián)立方程中每個內(nèi)生變量只是前定變量與隨機(jī)誤差項(xiàng)的函數(shù)。57 結(jié)構(gòu)式參數(shù)：結(jié)構(gòu)模型中的參數(shù)叫結(jié)構(gòu)式參數(shù)58 簡化式參數(shù)：簡化式模型中的參數(shù)叫簡化式參數(shù)。59識別：就是指是否能從簡化式模型參數(shù)估計(jì)值中推導(dǎo)出結(jié)構(gòu)式模型的參數(shù)估計(jì)值。60不可識別：是指無法從簡化式模型參數(shù)估計(jì)值中推導(dǎo)出結(jié)構(gòu)式模型的參數(shù)估計(jì)值。61 識別的階條件：如果一個方程能被識別，那么這個方程不包含的變量的總數(shù)應(yīng)大于或等于模型系統(tǒng)中方程個數(shù)減1。62識別的秩條件：一個方程可識別的充分必

12、要條件是：所有不包含在這個方程中的參數(shù)矩陣的秩為m-1。63間接最小二乘法：先利用最小二乘法估計(jì)簡化式方程，再通過參數(shù)關(guān)系體系，由簡化式參數(shù)的估計(jì)值求解得結(jié)構(gòu)式參數(shù)的估計(jì)值。四、簡答題（每小題5分）1簡述計(jì)量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)、數(shù)理統(tǒng)計(jì)學(xué)學(xué)科間的關(guān)系。答：計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)的綜合。（1分）經(jīng)濟(jì)學(xué)著重經(jīng)濟(jì)現(xiàn)象的定性研究，計(jì)量經(jīng)濟(jì)學(xué)著重于定量方面的研究。（1分）統(tǒng)計(jì)學(xué)是關(guān)于如何收集、整理和分析數(shù)據(jù)的科學(xué)，而計(jì)量經(jīng)濟(jì)學(xué)則利用經(jīng)濟(jì)統(tǒng)計(jì)所提供的數(shù)據(jù)來估計(jì)經(jīng)濟(jì)變量之間的數(shù)量關(guān)系并加以驗(yàn)證。（1分）數(shù)理統(tǒng)計(jì)學(xué)作為一門數(shù)學(xué)學(xué)科，可以應(yīng)用于經(jīng)濟(jì)領(lǐng)域，也可以應(yīng)用于其他領(lǐng)域；計(jì)量經(jīng)濟(jì)學(xué)則僅限于經(jīng)

13、濟(jì)領(lǐng)域。（1分）計(jì)量經(jīng)濟(jì)模型建立的過程，是綜合應(yīng)用理論、統(tǒng)計(jì)和數(shù)學(xué)方法的過程，計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)和數(shù)學(xué)三者的統(tǒng)一。2、計(jì)量經(jīng)濟(jì)模型有哪些應(yīng)用？答：結(jié)構(gòu)分析。（1分）經(jīng)濟(jì)預(yù)測。（1分）政策評價。（1分）檢驗(yàn)和發(fā)展經(jīng)濟(jì)理論。（2分）3、簡述建立與應(yīng)用計(jì)量經(jīng)濟(jì)模型的主要步驟。答：根據(jù)經(jīng)濟(jì)理論建立計(jì)量經(jīng)濟(jì)模型；（1分）樣本數(shù)據(jù)的收集；（1分）估計(jì)參數(shù)；（1分）模型的檢驗(yàn)；（1分）計(jì)量經(jīng)濟(jì)模型的應(yīng)用。（1分）4、對計(jì)量經(jīng)濟(jì)模型的檢驗(yàn)應(yīng)從幾個方面入手？答：經(jīng)濟(jì)意義檢驗(yàn)；（2分）統(tǒng)計(jì)準(zhǔn)則檢驗(yàn)；（1分）計(jì)量經(jīng)濟(jì)學(xué)準(zhǔn)則檢驗(yàn)；（1分）模型預(yù)測檢驗(yàn)。（1分）5計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用的數(shù)據(jù)是怎樣進(jìn)行分類的？答：四種

14、分類：時間序列數(shù)據(jù)；（1分）橫截面數(shù)據(jù)；（1分）混合數(shù)據(jù)；（1分）虛擬變量數(shù)據(jù)。（2分）6.在計(jì)量經(jīng)濟(jì)模型中，為什么會存在隨機(jī)誤差項(xiàng)？答：隨機(jī)誤差項(xiàng)是計(jì)量經(jīng)濟(jì)模型中不可缺少的一部分。（1分）產(chǎn)生隨機(jī)誤差項(xiàng)的原因有以下幾個方面：模型中被忽略掉的影響因素造成的誤差；（1分）模型關(guān)系認(rèn)定不準(zhǔn)確造成的誤差；（1分）變量的測量誤差；（1分）隨機(jī)因素。（1分）7.古典線性回歸模型的基本假定是什么？答：零均值假定。（1分）即在給定xt的條件下，隨機(jī)誤差項(xiàng)的數(shù)學(xué)期望（均值）為0，即。同方差假定。（1分）誤差項(xiàng)的方差與t無關(guān)，為一個常數(shù)。無自相關(guān)假定。（1分）即不同的誤差項(xiàng)相互獨(dú)立。解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)假

15、定。（1分）正態(tài)性假定，（1分）即假定誤差項(xiàng)服從均值為0，方差為的正態(tài)分布。8總體回歸模型與樣本回歸模型的區(qū)別與聯(lián)系。答：主要區(qū)別：描述的對象不同。（1分）總體回歸模型描述總體中變量y與x的相互關(guān)系，而樣本回歸模型描述所觀測的樣本中變量y與x的相互關(guān)系。建立模型的不同。（1分）總體回歸模型是依據(jù)總體全部觀測資料建立的，樣本回歸模型是依據(jù)樣本觀測資料建立的。模型性質(zhì)不同。（1分）總體回歸模型不是隨機(jī)模型，樣本回歸模型是隨機(jī)模型，它隨著樣本的改變而改變。主要聯(lián)系：樣本回歸模型是總體回歸模型的一個估計(jì)式，之所以建立樣本回歸模型，目的是用來估計(jì)總體回歸模型。（2分）9試述回歸分析與相關(guān)分析的聯(lián)系和區(qū)別

16、。答：兩者的聯(lián)系：相關(guān)分析是回歸分析的前提和基礎(chǔ)；回歸分析是相關(guān)分析的深入和繼續(xù)。（1分）相關(guān)分析與回歸分析的有關(guān)指標(biāo)之間存在計(jì)算上的內(nèi)在聯(lián)系。（1分）兩者的區(qū)別：回歸分析強(qiáng)調(diào)因果關(guān)系，相關(guān)分析不關(guān)心因果關(guān)系，所研究的兩個變量是對等的。（1分）對兩個變量x與y而言，相關(guān)分析中：；在回歸分析中，和卻是兩個完全不同的回歸方程。（1分）回歸分析對資料的要求是被解釋變量y是隨機(jī)變量，解釋變量x是非隨機(jī)變量；相關(guān)分析對資料的要求是兩個變量都隨機(jī)變量。（1分）10在滿足古典假定條件下，一元線性回歸模型的普通最小二乘估計(jì)量有哪些統(tǒng)計(jì)性質(zhì)？答：線性，是指參數(shù)估計(jì)量和分別為觀測值和隨機(jī)誤差項(xiàng)的線性函數(shù)或線性組合

17、。（1分）無偏性，指參數(shù)估計(jì)量和的均值（期望值）分別等于總體參數(shù)和。（2分）有效性（最小方差性或最優(yōu)性），指在所有的線性無偏估計(jì)量中，最小二乘估計(jì)量和的方差最小。（2分）11簡述BLUE的含義。答：BLUE即最佳線性無偏估計(jì)量，是best linear unbiased estimators的縮寫。（2分）在古典假定條件下，最小二乘估計(jì)量具備線性、無偏性和有效性，是最佳線性無偏估計(jì)量，即BLUE，這一結(jié)論就是著名的高斯馬爾可夫定理。（3分）12對于多元線性回歸模型，為什么在進(jìn)行了總體顯著性F檢驗(yàn)之后，還要對每個回歸系數(shù)進(jìn)行是否為0的t檢驗(yàn)？答：多元線性回歸模型的總體顯著性F檢驗(yàn)是檢驗(yàn)?zāi)Ｐ椭腥?/p>

18、解釋變量對被解釋變量的共同影響是否顯著。（1分）通過了此F檢驗(yàn)，就可以說模型中的全部解釋變量對被解釋變量的共同影響是顯著的，但卻不能就此判定模型中的每一個解釋變量對被解釋變量的影響都是顯著的。（3分）因此還需要就每個解釋變量對被解釋變量的影響是否顯著進(jìn)行檢驗(yàn)，即進(jìn)行t檢驗(yàn)。（1分）13.給定二元回歸模型：，請敘述模型的古典假定。解答：（1）隨機(jī)誤差項(xiàng)的期望為零，即。（2）不同的隨機(jī)誤差項(xiàng)之間相互獨(dú)立，即（1分）。（3）隨機(jī)誤差項(xiàng)的方差與t無關(guān)，為一個常數(shù)，即。即同方差假設(shè)（1分）。（4）隨機(jī)誤差項(xiàng)與解釋變量不相關(guān)，即。通常假定為非隨機(jī)變量，這個假設(shè)自動成立（1分）。（5）隨機(jī)誤差項(xiàng)為服從正態(tài)分

19、布的隨機(jī)變量，即（1分）。（6）解釋變量之間不存在多重共線性，即假定各解釋變量之間不存在線性關(guān)系，即不存在多重共線性（1分）。14.在多元線性回歸分析中，為什么用修正的決定系數(shù)衡量估計(jì)模型對樣本觀測值的擬合優(yōu)度？解答：因?yàn)槿藗儼l(fā)現(xiàn)隨著模型中解釋變量的增多，多重決定系數(shù)的值往往會變大，從而增加了模型的解釋功能。這樣就使得人們認(rèn)為要使模型擬合得好，就必須增加解釋變量（2分）。但是，在樣本容量一定的情況下，增加解釋變量必定使得待估參數(shù)的個數(shù)增加，從而損失自由度，而實(shí)際中如果引入的解釋變量并非必要的話可能會產(chǎn)生很多問題，比如，降低預(yù)測精確度、引起多重共線性等等。為此用修正的決定系數(shù)來估計(jì)模型對樣本觀測

20、值的擬合優(yōu)度（3分）。15.修正的決定系數(shù)及其作用。解答：，（2分）其作用有：（1）用自由度調(diào)整后，可以消除擬合優(yōu)度評價中解釋變量多少對決定系數(shù)計(jì)算的影響；（2分）（2）對于包含解釋變量個數(shù)不同的模型，可以用調(diào)整后的決定系數(shù)直接比較它們的擬合優(yōu)度的高低，但不能用原來未調(diào)整的決定系數(shù)來比較（1分）。16.常見的非線性回歸模型有幾種情況？解答：常見的非線性回歸模型主要有:(1) 對數(shù)模型（1分）(2) 半對數(shù)模型或（1分）(3) 倒數(shù)模型（1分）(4) 多項(xiàng)式模型（1分）(5) 成長曲線模型包括邏輯成長曲線模型和Gompertz成長曲線模型（1分）17.觀察下列方程并判斷其變量是否呈線性，系數(shù)是否

21、呈線性，或都是或都不是。 解答：系數(shù)呈線性，變量非線性；（1分）系數(shù)呈線性，變量非呈線性；（1分）系數(shù)和變量均為非線性；（1分）系數(shù)和變量均為非線性。（2 分）18. 觀察下列方程并判斷其變量是否呈線性，系數(shù)是否呈線性，或都是或都不是。 解答：系數(shù)呈線性，變量非呈線性；（1分）系數(shù)非線性，變量呈線性；（1分）系數(shù)和變量均為非線性；(2分)系數(shù)和變量均為非線性（1分）。19. 異方差性是指模型違反了古典假定中的同方差假定，它是計(jì)量經(jīng)濟(jì)分析中的一個專門問題。在線性回歸模型中，如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對不同的解釋變量觀測值彼此不同，則稱隨機(jī)項(xiàng)具有異方差性，即 （t=1，2，n）。（3分）例如

22、，利用橫截面數(shù)據(jù)研究消費(fèi)和收入之間的關(guān)系時，對收入較少的家庭在滿足基本消費(fèi)支出之后的剩余收入已經(jīng)不多，用在購買生活必需品上的比例較大，消費(fèi)的分散幅度不大。收入較多的家庭有更多可自由支配的收入，使得這些家庭的消費(fèi)有更大的選擇范圍。由于個性、愛好、儲蓄心理、消費(fèi)習(xí)慣和家庭成員構(gòu)成等那個的差異，使消費(fèi)的分散幅度增大，或者說低收入家庭消費(fèi)的分散度和高收入家庭消費(fèi)得分散度相比較，可以認(rèn)為牽著小于后者。這種被解釋變量的分散幅度的變化，反映到模型中，可以理解為誤差項(xiàng)方差的變化。（2分）20.產(chǎn)生原因：（1）模型中遺漏了某些解釋變量；（2）模型函數(shù)形式的設(shè)定誤差；（3）樣本數(shù)據(jù)的測量誤差；（4）隨機(jī)因素的影響

23、。（2分）產(chǎn)生的影響：如果線性回歸模型的隨機(jī)誤差項(xiàng)存在異方差性，會對模型參數(shù)估計(jì)、模型檢驗(yàn)及模型應(yīng)用帶來重大影響，主要有：（1）不影響模型參數(shù)最小二乘估計(jì)值的無偏性；（2）參數(shù)的最小二乘估計(jì)量不是一個有效的估計(jì)量；（3）對模型參數(shù)估計(jì)值的顯著性檢驗(yàn)失效；（4）模型估計(jì)式的代表性降低，預(yù)測精度精度降低。（3分）21.檢驗(yàn)方法：（1）圖示檢驗(yàn)法；（1分）（2）戈德菲爾德匡特檢驗(yàn)；（1分）（3）懷特檢驗(yàn)；（1分）（4）戈里瑟檢驗(yàn)和帕克檢驗(yàn)（殘差回歸檢驗(yàn)法）；（1分）（5）ARCH檢驗(yàn)（自回歸條件異方差檢驗(yàn)）（1分）22.解決方法：（1）模型變換法；（2分）（2）加權(quán)最小二乘法；（2分）（3）模型的對

24、數(shù)變換等（1分）23.加權(quán)最小二乘法的基本原理：最小二乘法的基本原理是使殘差平方和為最小，在異方差情況下，總體回歸直線對于不同的的波動幅度相差很大。隨機(jī)誤差項(xiàng)方差越小，樣本點(diǎn)對總體回歸直線的偏離程度越低，殘差的可信度越高（或者說樣本點(diǎn)的代表性越強(qiáng)）；而較大的樣本點(diǎn)可能會偏離總體回歸直線很遠(yuǎn)，的可信度較低（或者說樣本點(diǎn)的代表性較弱）。（2分）因此，在考慮異方差模型的擬合總誤差時，對于不同的應(yīng)該區(qū)別對待。具體做法：對較小的給于充分的重視，即給于較大的權(quán)數(shù)；對較大的給于充分的重視，即給于較小的權(quán)數(shù)。更好的使反映對殘差平方和的影響程度，從而改善參數(shù)估計(jì)的統(tǒng)計(jì)性質(zhì)。（3分）24. 樣本分段法（即戈德菲爾

25、特匡特檢驗(yàn)）的基本原理：將樣本分為容量相等的兩部分，然后分別對樣本1和樣本2進(jìn)行回歸，并計(jì)算兩個子樣本的殘差平方和，如果隨機(jī)誤差項(xiàng)是同方差的，則這兩個子樣本的殘差平方和應(yīng)該大致相等；如果是異方差的，則兩者差別較大，以此來判斷是否存在異方差。（3分）使用條件：（1）樣本容量要盡可能大，一般而言應(yīng)該在參數(shù)個數(shù)兩倍以上；（2）服從正態(tài)分布，且除了異方差條件外，其它假定均滿足。（2分）25簡述DW檢驗(yàn)的局限性。答：從判斷準(zhǔn)則中看到，DW檢驗(yàn)存在兩個主要的局限性：首先，存在一個不能確定的值區(qū)域，這是這種檢驗(yàn)方法的一大缺陷。（2分）其次：檢驗(yàn)只能檢驗(yàn)一階自相關(guān)。（2分）但在實(shí)際計(jì)量經(jīng)濟(jì)學(xué)問題中，一階自相關(guān)

26、是出現(xiàn)最多的一類序列相關(guān)，而且經(jīng)驗(yàn)表明，如果不存在一階自相關(guān)，一般也不存在高階序列相關(guān)。所以在實(shí)際應(yīng)用中，對于序列相關(guān)問題般只進(jìn)行檢驗(yàn)。（1分）26序列相關(guān)性的后果。答：（1）模型參數(shù)估計(jì)值不具有最優(yōu)性；（1分）（2）隨機(jī)誤差項(xiàng)的方差一般會低估；（1分）（3）模型的統(tǒng)計(jì)檢驗(yàn)失效；（1分）（4）區(qū)間估計(jì)和預(yù)測區(qū)間的精度降低。（1分）（全對即加1分）27簡述序列相關(guān)性的幾種檢驗(yàn)方法。答：（1）圖示法；（1分）（2）D-W檢驗(yàn)；（1分）（3）回歸檢驗(yàn)法；（1分）（4）另外，偏相關(guān)系數(shù)檢驗(yàn)，布羅斯戈弗雷檢驗(yàn)或拉格朗日乘數(shù)檢驗(yàn)都可以用來檢驗(yàn)高階序列相關(guān)。（2分）28廣義最小二乘法（GLS）的基本思想是什

27、么？答:基本思想就是對違反基本假定的模型做適當(dāng)?shù)木€性變換，使其轉(zhuǎn)化成滿足基本假定的模型，從而可以使用OLS方法估計(jì)模型。（5分）29自相關(guān)性產(chǎn)生的原因有那些？答：（1）經(jīng)濟(jì)變量慣性的作用引起隨機(jī)誤差項(xiàng)自相關(guān)；（1分）（2）經(jīng)濟(jì)行為的滯后性引起隨機(jī)誤差項(xiàng)自相關(guān)；（1分）(3)一些隨機(jī)因素的干擾或影響引起隨機(jī)誤差項(xiàng)自相關(guān)；（1分）（4）模型設(shè)定誤差引起隨機(jī)誤差項(xiàng)自相關(guān)；（1分）（5）觀測數(shù)據(jù)處理引起隨機(jī)誤差項(xiàng)自相關(guān)。（1分）30請簡述什么是虛假序列相關(guān)，如何避免？答：數(shù)據(jù)表現(xiàn)出序列相關(guān)，而事實(shí)上并不存在序列相關(guān)。（2分）要避免虛假序列相關(guān)，就應(yīng)在做定量分析之間先進(jìn)行定性分析，看從理論上或經(jīng)驗(yàn)上是否

28、有存在序列相關(guān)的可能，可能性是多大。（3分）31DW值與一階自相關(guān)系數(shù)的關(guān)系是什么？答：或者32答：多重共線性是指解釋變量之間存在完全或近似的線性關(guān)系。產(chǎn)生多重共線性主要有下述原因：（1）樣本數(shù)據(jù)的采集是被動的，只能在一個有限的范圍內(nèi)得到觀察值，無法進(jìn)行重復(fù)試驗(yàn)。（2分）（2）經(jīng)濟(jì)變量的共同趨勢（1分）（3）滯后變量的引入（1分）（4）模型的解釋變量選擇不當(dāng)（1分）33答：完全多重共線性是指對于線性回歸模型若 則稱這些解釋變量的樣本觀測值之間存在完全多重共線性。（2分）不完全多重共線性是指對于多元線性回歸模型若 則稱這些解釋變量的樣本觀測之間存在不完全多重共線性。（3分）34答：（1）無法估計(jì)

29、模型的參數(shù)，即不能獨(dú)立分辨各個解釋變量對因變量的影響。（3分）（2）參數(shù)估計(jì)量的方差無窮大（或無法估計(jì)）（2分）35答：（1）可以估計(jì)參數(shù)，但參數(shù)估計(jì)不穩(wěn)定。（2分） （2）參數(shù)估計(jì)值對樣本數(shù)據(jù)的略有變化或樣本容量的稍有增減變化敏感。（1分） （3）各解釋變量對被解釋變量的影響難精確鑒別。（1分） （4）t檢驗(yàn)不容易拒絕原假設(shè)。（1分）36答：（1）模型總體性檢驗(yàn)F值和R2值都很高，但各回歸系數(shù)估計(jì)量的方差很大，t值很低，系數(shù)不能通過顯著性檢驗(yàn)。（2分）（2）回歸系數(shù)值難以置信或符號錯誤。（1分）（3）參數(shù)估計(jì)值對刪除或增加少量觀測值，以及刪除一個不顯著的解釋變量非常敏感。（2分）37答：所謂

30、方差膨脹因子是存在多重共線性時回歸系數(shù)估計(jì)量的方差與無多重共線性時回歸系數(shù)估計(jì)量的方差對比而得出的比值系數(shù)。（2分） 若時，認(rèn)為原模型不存在“多重共線性問題”；（1分） 若時，則認(rèn)為原模型存在“多重共線性問題”；（1分）若時，則模型的“多重共線性問題”的程度是很嚴(yán)重的，而且是非常有害的。（1分）38模型中引入虛擬變量的作用是什么？答案：（1）可以描述和測量定性因素的影響；（2分）（2）能夠正確反映經(jīng)濟(jì)變量之間的關(guān)系，提高模型的精度；（2分）（3）便于處理異常數(shù)據(jù)。（1分）39虛擬變量引入的原則是什么？答案：（1）如果一個定性因素有m方面的特征，則在模型中引入m-1個虛擬變量；（1分）（2）如果

31、模型中有m個定性因素，而每個定性因素只有兩方面的屬性或特征，則在模型中引入m個虛擬變量；如果定性因素有兩個及以上個屬性，則參照“一個因素多個屬性”的設(shè)置虛擬變量。（2分）（3）虛擬變量取值應(yīng)從分析問題的目的出發(fā)予以界定；（1分）（4）虛擬變量在單一方程中可以作為解釋變量也可以作為被解釋變量。（1分）40虛擬變量引入的方式及每種方式的作用是什么？答案：（1）加法方式：其作用是改變了模型的截距水平；（2分）（2）乘法方式：其作用在于兩個模型間的比較、因素間的交互影響分析和提高模型的描述精度；（2分）（3）一般方式：即影響模型的截距有影響模型的斜率。（1分）41判斷計(jì)量經(jīng)濟(jì)模型優(yōu)劣的基本原則是什么？答案：（1）模型應(yīng)力求簡單；（1分）（2）模型具有可識別性；（1分）（3）模型具有較高的擬合優(yōu)度；（1分）（4）模型應(yīng)與理論相一致；（1分）（5）模型具有較好的超樣本功能。（1分）42模型設(shè)定誤差的類型有那些？答案