計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)

1、一、 單選5*21、 線性相關(guān)系數(shù)r與擬合優(yōu)度R2關(guān)系2、F統(tǒng)計(jì)量公式及其變形變差來(lái)源SS平方和df自由度MS均方和F統(tǒng)計(jì)值回歸ESSkESS/k 殘差RSSn-k-1RSS/(n-k-1)總變差TSSn-1TSS/n-13、t檢驗(yàn)與F檢驗(yàn)矛盾的原因多重共線性的特點(diǎn)4、R2與 的比較可見(jiàn)，當(dāng)K=0時(shí)相等R2總是小于 ；甚至可能為負(fù)數(shù)（若出現(xiàn)負(fù)數(shù)，視同等于0）。5、 是包含所有k個(gè)自變量時(shí)的均方誤差6、回歸的標(biāo)準(zhǔn)誤差，即把下面的平方7、雙對(duì)數(shù)模型單對(duì)數(shù)模型二、名詞解釋5*41、普通最小平方和(OLS)：即最小二乘法，指根據(jù)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。2、殘差平方

2、和：用RSS表示：度量實(shí)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3、總平方和(TSS): 即總離差平方和，用TSS表示，用以度量被解釋變量的總變動(dòng)。4、樣本決定系數(shù)(R2): 回歸平方和占總平方和的比重。5、 （調(diào)整后的樣本決定系數(shù)）: 叫調(diào)整的決定系數(shù)，是一個(gè)用于描述多個(gè)解釋變量對(duì)被解釋變量的聯(lián)合影響程度的統(tǒng)計(jì)量，克服了R2隨解釋變量的增加而增大的缺陷，與R2的關(guān)系為6、VIF方差擴(kuò)大因子：容忍度的倒數(shù)，VIF越大，顯示共線性越嚴(yán)重。1除以（1-多重可決系數(shù)的平方），決定了方差和協(xié)方差增大的速度。7、異方差: 對(duì)于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)的方差不再是常數(shù)

3、，而是互不相同，則認(rèn)為出現(xiàn)了異方差性。8、多重共線性：指兩個(gè)或兩個(gè)以上解釋變量之間存在某種線性相關(guān)關(guān)系。9、誤差項(xiàng)自相關(guān)：按一定時(shí)間順序排列的觀測(cè)序列中各觀測(cè)值之間存在相關(guān)性。Cov(ut , us)=0 (t¹s, t,s=1,2, ,n)若Cov(ut , us)0，即u在不同觀測(cè)點(diǎn)下的取值相關(guān)連，則稱隨機(jī)誤差項(xiàng)u存在自相關(guān)。10、虛擬變量：在建立模型時(shí)，有一些影響經(jīng)濟(jì)變量的因素?zé)o法定量描述，如職業(yè)、性別對(duì)收入的影響，教育程度，季節(jié)因素等往往需要用定性變量度量。為了在模型中反映這類因素的影響，并提高模型的精度，需要將這類變量“量化”。根據(jù)這類邊另的屬性類型，構(gòu)造僅取“0”或“1”

4、的人工變量，通常稱這類變量為“虛擬變量”11、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(wú)偏估計(jì)量，這一結(jié)論即是高斯馬爾可夫定理。三、簡(jiǎn)答題5*61、計(jì)量經(jīng)濟(jì)模型及其構(gòu)成要素答：經(jīng)濟(jì)模型就是經(jīng)濟(jì)現(xiàn)象的描述或模仿。計(jì)量經(jīng)濟(jì)學(xué)所研究和應(yīng)用的模型是經(jīng)濟(jì)模型的一種，分為經(jīng)典計(jì)量經(jīng)濟(jì)模型和非經(jīng)典計(jì)量經(jīng)濟(jì)模型。構(gòu)成模型的四要素：經(jīng)濟(jì)變量x，y：因變量（被解釋變量）；自變量（解釋變量）。一個(gè)方程中因變量有一個(gè)；自變量可以有一個(gè)，也可以多個(gè)。誤差項(xiàng)u ：是一個(gè)隨機(jī)變量，用于表示模型中尚未包含的影響因素對(duì)因變量的影響，我們一般假定其滿足某些條件。模型參數(shù) ：是模型中表示變量之間數(shù)量關(guān)

5、系的系數(shù)。在未經(jīng)實(shí)際資料估計(jì)之前，參數(shù)是未知的。對(duì)模型參數(shù)進(jìn)行有效地估計(jì)是計(jì)量經(jīng)濟(jì)學(xué)研究的主要內(nèi)容之。方程的形式 f(·)：將計(jì)量經(jīng)濟(jì)模型的三個(gè)要素聯(lián)系在一起的數(shù)學(xué)表達(dá)式，根據(jù)其不同情況可分為線性模型和非線性模型等。2、“線性”的兩個(gè)含義答：模型就變量而言是線性的模型就參數(shù)而言是線性的 在計(jì)量經(jīng)濟(jì)學(xué)中，線性回歸模型主要指就參數(shù)而言是“線性”的,因?yàn)橹灰獙?duì)參數(shù)而言是線性的,都可以用類似的方法去估計(jì)其參數(shù)，都可以歸于線性回歸。3、線性、雙對(duì)數(shù)、半對(duì)數(shù)模型斜率的經(jīng)濟(jì)含義答：線性：y=a+b*x+u，x每增加1個(gè)單位，y平均增加b個(gè)單位1.雙對(duì)數(shù)模型則可以發(fā)現(xiàn)這個(gè)就是Y對(duì)X的彈性，請(qǐng)參考微觀

6、經(jīng)濟(jì)學(xué)中需求的價(jià)格彈性定義公式ed =。2.半對(duì)數(shù)這個(gè)表示X的單位絕對(duì)變化量導(dǎo)致Y的相對(duì)變化量（變化率）。這個(gè)就是X的單位相對(duì)變化量導(dǎo)致Y的絕對(duì)量的變化量。4、一元多線性回歸的古典假設(shè)答：參數(shù)線性假定隨機(jī)抽樣假定（獨(dú)立同分布假定）隨機(jī)項(xiàng)零條件均值假定（解釋變量外生性假定）條件同方差性假定隨機(jī)誤差項(xiàng)具有正態(tài)性。5、高斯-馬爾科夫定理答：在給定經(jīng)典線性回歸的假定下，最小二乘估計(jì)量是具有最小方差的線性無(wú)偏估計(jì)量。意義在于，當(dāng)經(jīng)典假定成立時(shí)，我們不需要再去尋找其它無(wú)偏估計(jì)量，沒(méi)有一個(gè)會(huì)優(yōu)于普通最小二乘估計(jì)量。也就是說(shuō)，如果存在一個(gè)好的線性無(wú)偏估計(jì)量，這個(gè)估計(jì)量的方差最多與普通最小二乘估計(jì)量的方差一樣小

7、，不會(huì)小于普通最小二乘估計(jì)量的方差。6、異方差的原因、后果答：一般而言，產(chǎn)生異方差的原因主要來(lái)自以下幾個(gè)方面：模型中省略的解釋變量測(cè)量誤差模型中一個(gè)或多個(gè)回歸元的分布偏態(tài)（Skewness)，即截面數(shù)據(jù)中總體各單位的差異。模型函數(shù)形式設(shè)定錯(cuò)誤。異方差性還會(huì)因?yàn)楫惓Ｓ^測(cè)（outliers）的出現(xiàn)而產(chǎn)生。如果模型中存在異方差，將產(chǎn)生以下的后果：最小二乘估計(jì)量仍然是線性無(wú)偏的與一致的，但不再具有最小方差性。隨機(jī)項(xiàng) 的方差 的估計(jì)是有偏的。 由于 是 的有偏估計(jì)，所以這些參數(shù)方差的估計(jì)量是有偏的，參數(shù)的估計(jì)標(biāo)準(zhǔn)誤差 也是有偏不能用來(lái)構(gòu)造置信區(qū)間和t統(tǒng)計(jì)量。 預(yù)測(cè)的精確度降低。7、如何變換模型形式、修正

8、異方差答：以一元線性回歸模型為例：經(jīng)檢驗(yàn) 存在異方差，且 其中 是常數(shù)， 是 的某種函數(shù)。變換模型時(shí)，用 除以模型的兩端得： 記則有： 隨機(jī)誤差項(xiàng) 的方差為 經(jīng)變換的模型的隨機(jī)誤差項(xiàng) 已是同方差， 常見(jiàn)的設(shè)定形式及對(duì)應(yīng)的 情況8、方差擴(kuò)大（膨脹）因子公式、意義反應(yīng)答：VIF=1/(1-R2)即：VIF是第J個(gè)變量的方差膨脹因子；R2是以第J個(gè)變量為被解釋變量其余J-1個(gè)解釋變量為解釋變量建立多元線性回歸模型的決定系數(shù)當(dāng)0VIF10，不存在多重共線性；當(dāng)10VIF100，存在較強(qiáng)的多重共線性；當(dāng)VIF100，存在嚴(yán)重多重共線性9、時(shí)間序列回歸的特殊性答：（一）側(cè)重于預(yù)測(cè)時(shí)間序列回歸分析與橫截面回

9、歸分析的側(cè)重點(diǎn)有所區(qū)別。橫截面回歸分析大多數(shù)采用結(jié)構(gòu)模型（即因果模型），關(guān)注的是解釋變量對(duì)被解釋變量條件均值的效應(yīng)，預(yù)測(cè)問(wèn)題不是主要問(wèn)題；時(shí)間序列回歸分析重點(diǎn)考察變量之間的長(zhǎng)期均衡和短期調(diào)整問(wèn)題，預(yù)測(cè)是其應(yīng)用的重點(diǎn)，結(jié)構(gòu)分析的重要性倒在其次。由于研究側(cè)重點(diǎn)不同，所以除了結(jié)構(gòu)模型之外，時(shí)間序列回歸還經(jīng)常采用非結(jié)構(gòu)性模型或動(dòng)態(tài)模型。（二）“偽回歸”問(wèn)題所謂“偽回歸”（ “虛假回歸”），是指變量間本來(lái)不存在系統(tǒng)性的數(shù)量依存關(guān)系，但回歸結(jié)果卻得出存在系統(tǒng)性關(guān)系的錯(cuò)誤結(jié)論的現(xiàn)象。偽回歸與時(shí)間序列的特性有關(guān)：1. 確定性時(shí)間趨勢(shì)（或季節(jié)變化）：“第一種類型的偽回歸” （遺漏時(shí)間或季節(jié)變量造成）。2. 非平穩(wěn)或高度持久：“第二種類型的偽回歸”。 大數(shù)定律和中心極限定理前提不存在，OLSE的大樣本性質(zhì)（如一致性、漸進(jìn)正態(tài)性）不能成立。假設(shè)檢驗(yàn)往往作出與事實(shí)不符的推斷，得到誤導(dǎo)性的結(jié)論。（三）往往需要進(jìn)行數(shù)據(jù)預(yù)處理1.去除趨勢(shì)（對(duì)確定性時(shí)間趨勢(shì)序列）、差分（對(duì)非平穩(wěn)或是高度持久序列）等預(yù)處理，使得數(shù)據(jù)具有平穩(wěn)性和遍歷性。2. 對(duì)數(shù)化（增長(zhǎng)率）。定義