《計(jì)量經(jīng)濟(jì)學(xué)》測驗(yàn)考試復(fù)習(xí)資料

1、計(jì)量經(jīng)濟(jì)學(xué)期末考試復(fù)習(xí)資料 第一章緒論 參考重點(diǎn)： 計(jì)量經(jīng)濟(jì)學(xué)的一般建模過程 第一章課后題（1.4.5 ） 1. 什么是計(jì)量經(jīng)濟(jì)學(xué)？計(jì)量經(jīng)濟(jì)學(xué)方法與一般經(jīng)濟(jì)數(shù)學(xué)方法有什么區(qū)別？ 答：計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)學(xué)的一個(gè)分支學(xué)科，是以揭示經(jīng)濟(jì)活動(dòng)中客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學(xué) 科，是由經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)三者結(jié)合而成的交叉學(xué)科。 計(jì)量經(jīng)濟(jì)學(xué)方法揭示經(jīng)濟(jì)活動(dòng)中各個(gè)因素之間的定量關(guān)系，用隨機(jī)性的數(shù)學(xué)方程加以描述；一般經(jīng)濟(jì) 數(shù)學(xué)方法揭示經(jīng)濟(jì)活動(dòng)中各個(gè)因素之間的理論關(guān)系，用確定性的數(shù)學(xué)方程加以描述。 4. 建立與應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)模型的主要步驟有哪些？ 答：建立與應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)模型的主要步驟如下： （1）設(shè)定理論模

2、型，包括選擇模型所包含的變量，確 定變量之間的數(shù)學(xué)關(guān)系和擬定模型中待估參數(shù)的數(shù)值范圍； （2）收集樣本數(shù)據(jù)，要考慮樣本數(shù)據(jù)的完整性、 準(zhǔn)確性、可比性和一致性；（3）估計(jì)模型參數(shù)；（4）檢驗(yàn)?zāi)Ｐ?，包括?jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué) 檢驗(yàn)和模型預(yù)測檢驗(yàn)。 5. 模型的檢驗(yàn)包括幾個(gè)方面？其具體含義是什么？ 答：模型的檢驗(yàn)主要包括：經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)、模型的預(yù)測檢驗(yàn)。在經(jīng)濟(jì)意 義檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ褪欠穹辖?jīng)濟(jì)意義，檢驗(yàn)求得的參數(shù)估計(jì)值的符號(hào)與大小是否與根據(jù)人們的經(jīng)驗(yàn) 和經(jīng)濟(jì)理論所擬訂的期望值相符合；在統(tǒng)計(jì)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)值的可靠性，即檢驗(yàn)?zāi)Ｐ偷慕y(tǒng) 計(jì)學(xué)性質(zhì)；在計(jì)量

3、經(jīng)濟(jì)學(xué)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ偷挠?jì)量經(jīng)濟(jì)學(xué)性質(zhì)，包括隨機(jī)擾動(dòng)項(xiàng)的序列相關(guān)檢驗(yàn)、異 方差性檢驗(yàn)、解釋變量的多重共線性檢驗(yàn)等；模型的預(yù)測檢驗(yàn)主要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)量的穩(wěn)定性以及對(duì)樣 本容量變化時(shí)的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。 第二章 經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：一元線性回歸模型 參考重點(diǎn)： 1. 相關(guān)分析與回歸分析的概念、聯(lián)系以及區(qū)別？ （5）回歸分析是討論被解釋變量與一個(gè)或多個(gè)解釋變量之間具體依存關(guān)系 的分析方法；相關(guān)分析是討論變量之間線性相關(guān)程度的分析方法。二者的區(qū)別 在于：硏究的目的不同.相關(guān)分析著重探討變榻間的關(guān)聯(lián)程度*而回歸分析卻 要進(jìn)一步探尋變量間具體依賴黃系即

4、希望根拯解釋變量的固定值去估計(jì)和預(yù) 測被解釋變董的平均值；對(duì)變星的處湮不同，相關(guān)分析對(duì)稱地處理相互聯(lián)系的 變量，而回歸分析必須明確解釋變量與被解釋變量。者的聯(lián)系在于：回歸分 祈建立在柑關(guān)分析基礎(chǔ)之上，當(dāng)相互有關(guān)聯(lián)的變量進(jìn)-步有因果關(guān)系時(shí)*可進(jìn)一 步進(jìn)行回歸分析.相關(guān)分析中線性相關(guān)系數(shù)的平方等于回歸分析中的擬合優(yōu)度. 2. 總體隨機(jī)項(xiàng)與樣本隨機(jī)項(xiàng)的區(qū)別與聯(lián)系? （2）隨機(jī)干擾項(xiàng)幷是指總體觀測值與回歸方程理論值之間的偏養(yǎng)，而殘差 煎勺是措樣本觀測值與回歸方程理論值之間的偏差，二者是有區(qū)別的。但是. 由于總體觀察值無法得到，從而造成總體回歸函數(shù)事實(shí)上是未知的*因此，一 技的做法是通過樣本觀測獲得的信

5、息去估計(jì)總體回歸函數(shù)，這樣，殘差項(xiàng)耳就 曇隨機(jī)干擾項(xiàng)舛的一個(gè)樣本估計(jì)量& 3. 為什么需要進(jìn)行擬合優(yōu)度檢驗(yàn)? （3）普通繪小二乘法所保證的毘好擬合是同一個(gè)問題內(nèi)部的比較，即使用 給出的樣本數(shù)據(jù)滿足殘差的平方和最??；擬合優(yōu)度檢驗(yàn)結(jié)果所表示的優(yōu)劣可以 對(duì)不同的問題進(jìn)行比較，即可以辨別不同的樣本回歸結(jié)果誰好謹(jǐn)壞 4如何縮小置信區(qū)間？（ P46） P（?-t2 s? 1？ t. s?） = 1 由上式可以看岀（1）.增大樣本容量。樣本容量變大，可使樣本參數(shù)估計(jì)量的標(biāo)準(zhǔn)差減??；同時(shí)，在 同樣置信水平下，n越大，t分布表中的臨界值越小。（2）提高模型的擬合優(yōu)度。因?yàn)闃颖緟?shù)估計(jì)量的標(biāo) 準(zhǔn)差和殘差平方和呈正

6、比，模型的擬合優(yōu)度越高，殘差平方和應(yīng)越小。 耳 3） 由樣本計(jì)算其值 t - SjlSjl 4） 給定顯著性水平：，查t分布表得臨界值t -/.2（n-2） 5） 比較，判斷 若 |t| t ：/2（n-2），則拒絕 Ho，接受 Hi ; 若 |t|_ t ：/2（n-2），則拒絕 Hi，接受 Ho ; 上屆重點(diǎn): 一元線性回歸模型的基本假設(shè)、隨機(jī)誤差項(xiàng)產(chǎn)生的原因、最小二乘法、參數(shù)經(jīng)濟(jì)意義、決定系數(shù)、第 二章PPT里的表（中國居民人均消費(fèi)支出對(duì)人均 GDP的回歸）、t檢驗(yàn)（平方）代表意義；（平方） 的認(rèn)識(shí)）、能夠讀懂Eviews輸出的估計(jì)結(jié)果 第二章課后題（1.3.9.10 ） 1. 為什么計(jì)

7、量經(jīng)濟(jì)學(xué)模型的理論方程中必須包含隨機(jī)干擾項(xiàng)? （經(jīng)典模型中產(chǎn)生隨機(jī)誤差的原因） 答：計(jì)量經(jīng)濟(jì)學(xué)模型考察的是具有因果關(guān)系的隨機(jī)變量間的具體聯(lián)系方式。由于是隨機(jī)變量，意味著 影響被解釋變量的因素是復(fù)雜的，除了解釋變量的影響外，還有其他無法在模型中獨(dú)立列岀的各種因素的 影響。這樣，理論模型中就必須使用一個(gè)稱為隨機(jī)干擾項(xiàng)的變量宋代表所有這些無法在模型中獨(dú)立表示岀 來的影響因素，以保證模型在理論上的科學(xué)5以一元線性回歸為例，寫岀 1） .對(duì)總體參數(shù)提岀假設(shè) Ho： 6=0， 2） 以原假設(shè) Hi： 0-0 H0構(gòu)造t統(tǒng)計(jì)量, 卩0的假設(shè)檢驗(yàn) o 嚴(yán) Xi2 n* ?o -： S?o 0 t(n-2) 性

8、。 3. 一元線性回歸模型的基本假設(shè)主要有哪些？違背基本假設(shè)的模型是否不可以估計(jì)？ 答：線性回歸模型的基本假設(shè)有兩大類：一類是關(guān)于隨機(jī)干擾項(xiàng)的，包括零均值，同方差，不序列相 關(guān)，滿足正態(tài)分布等假設(shè)；另一類是關(guān)于解釋變量的，主要有：解釋變量是非隨機(jī)的，若是隨機(jī)變量，則 與隨機(jī)干擾項(xiàng)不相關(guān)。實(shí)際上，這些假設(shè)都是針對(duì)普通最小二乘法的。 在違背這些基本假設(shè)的情況下，普通最小二乘估計(jì)量就不再是最佳線性無偏估計(jì)量，因此使用普通最 小二乘法進(jìn)行估計(jì)己無多大意義。但模型本身還是可以估計(jì)的，尤其是可以通過最大似然法等其他原理進(jìn) 行估計(jì)。 假設(shè)1.解釋變量X是確定性變量，不是隨機(jī)變量； 假設(shè)2.隨機(jī)誤差項(xiàng)具有零均

9、值、同方差和不序列相關(guān)性： E( 4)=0 i=1,2, ,n Var (4)=；二2 i=1,2, ,n Cov(4j)=0 i 工 j i,j= 1,2, ,n 假設(shè)3.隨機(jī)誤差項(xiàng)與解釋變量X之間不相關(guān)： Cov(Xi, 4)=0 i=1,2, ,n 假設(shè)4. 服從零均值、同方差、零協(xié)方差的正態(tài)分布 4N(0, ；2 ) i=1,2, ,n 假設(shè)5.隨著樣本容量的無限增加，解釋變量 X的樣本方差趨于一有限常數(shù)。即 x (X)2/n Q, n 二 假設(shè)6.回歸模型是正確設(shè)定的 9、10題為計(jì)算題，見課本 P52，答案見P17 第三章 經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：多元線性回歸模型 上屆重點(diǎn)： F

10、檢驗(yàn)、t檢驗(yàn)調(diào)整的樣本決定系數(shù)、“多元”里為什么要對(duì)(平方)系數(shù)進(jìn)行調(diào)整？ 第三章課后題(1.2.7.9.10 ) 1. 多元線性回歸模型的基本假設(shè)是什么？在證明最小二乘估計(jì)量的無偏性和有效性的過程中，哪些基 本假設(shè)起了作用？ 答：多元線性回歸模型的基本假定仍然是針對(duì)隨機(jī)干擾項(xiàng)與針對(duì)解釋變量兩大類的假設(shè)。針對(duì)隨機(jī)干 擾項(xiàng)的假設(shè)有：零均值，同方差，無序列相關(guān)且服從正態(tài)分布。針對(duì)解釋量的假設(shè)有；解釋變量應(yīng)具有非 隨機(jī)性，如果后隨機(jī)的，則不能與隨機(jī)干擾項(xiàng)相關(guān)；各解釋變量之間不存在 (完全)線性相關(guān)關(guān)系。 在證明最小二乘估計(jì)量的無偏性中，利用了解釋變量非隨機(jī)或與隨機(jī)干擾項(xiàng)不相關(guān)的假定；在有效性 的證明

11、中，利用了隨機(jī)干擾項(xiàng)同方差且無序列相關(guān)的假定。 2. 在多元線性回歸分析中，t檢驗(yàn)和F檢驗(yàn)有何不同？在一元線性回歸分析中二者是否有等價(jià)作用？ (見課本P70) 答：在多元線性回歸分析中，t檢驗(yàn)常被用作檢驗(yàn)回歸方程中各個(gè)參數(shù)的顯著性，而 F檢驗(yàn)則被用作 檢驗(yàn)整個(gè)回歸關(guān)系的顯著性。各解釋變量聯(lián)合起來對(duì)被解釋變量有顯著的線性關(guān)系，并不意味著每一個(gè)解釋變量分別對(duì)被解釋變量有顯著的線性關(guān)系。 在一元線性回歸分析中，二者具有等價(jià)作用，因?yàn)槎叨际菍?duì)共同的假設(shè)一一解釋變量的參數(shù)等于零 一一進(jìn)行檢驗(yàn)。 9.表吳 4 給岀一演量模型的回歸結(jié)果. *3*3- -4 4 M 麗硏 齊而両麗褊 來自 |Q(ESS)

12、來自歿埶R陰) 來自總離TSS) 65 W5 - 66 042 14 求樣本客亍小 殘畫平方和 RSS*回歸乎方和 E 員及殘莘平方和 RSS 的自由度. (2) 求擬合優(yōu)度，及調(diào)槌的擬合優(yōu)度 F (3) 檢驗(yàn)假設(shè)=禺和屁對(duì) F 無影響出應(yīng)采用什么假設(shè)檢驗(yàn)？為什么？ 根據(jù)以上信息，你能否確定並和兒各自對(duì) F 的矗響？ 解答(1)樣本客量為 M-筋亠 15 RSS = TSS-ESS -66 042 65 965 - E 陽的自由度為 d.f.-l4 2H2 zoo訂噸 (3)應(yīng)許釆用聯(lián)合假設(shè)檢驗(yàn)*帥尸檢 n 理由 Jt 只育這樟做才能 RWrx4f 一起雄脅對(duì)F有彩響. 0) 4*能*,閡*僅

13、通過上述信也T可初步 Wifi Xj *掄聯(lián)舍起來對(duì)丫有竣 性形響.壽著的交化解禪 f Y變化的 W.8%.但由于無法如道回歸兄! *兀前 昜數(shù)的晝護(hù)估計(jì)值.因此止法判斷1它們各自對(duì) y 的滋響有參大* 7、9、10題為計(jì)算題，見課本 P91，答案見P53 第四章經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：放寬基本假定的模型 重點(diǎn)掌握:65 963 0.W8 66 042 異方差是模型隨機(jī)干擾項(xiàng)的方差不相同時(shí)產(chǎn)生的一類現(xiàn)象。在異方差存在 的情況下，OLS估計(jì)盡管是無偏、一致的，但通常的假設(shè)檢驗(yàn)卻不再可靠，這 時(shí)仍采用通常的f檢驗(yàn)和F檢驗(yàn)，則有可能導(dǎo)致錯(cuò)誤的結(jié)論。同樣地，由于隨 機(jī)干擾項(xiàng)異方差的存在而導(dǎo)致的參數(shù)估

14、計(jì)值的標(biāo)準(zhǔn)差的偏誤，也會(huì)使采用模型 的預(yù)測變得無效。對(duì)模型的異方差性有若干種檢測方法，如圖示法、Park與 Gleiser檢驗(yàn)法、Goldfeld-Quandt檢驗(yàn)法，以及White檢驗(yàn)法等。而當(dāng)檢測出模 型確實(shí)存在異方差性時(shí)，通過采用加權(quán)最小二乘法(WLS)進(jìn)行修正的估計(jì)。 序列相關(guān)性也是模型隨機(jī)干擾項(xiàng)出現(xiàn)序列相關(guān)時(shí)產(chǎn)生的一類現(xiàn)象。與異方 差的情形相類似，在序列相關(guān)性存在的情況卜，OLS估計(jì)量仍具有無偏性與一 致性，但通常的假設(shè)檢驗(yàn)不再可靠，預(yù)測也變得無效。序列相關(guān)性的檢測方法 也有若干種，如圖示法、回歸檢驗(yàn)法、Durbin-Watson檢驗(yàn)法，以及Lagrange 乘子檢驗(yàn)法等。存在序列相

15、關(guān)性時(shí)，修正的估計(jì)方法有廣義最小一乘法(GLS) 和廣義叢分法。 多重共線性是多元回歸模型中可能存在的一類現(xiàn)象，分為完全共線與近似 共線兩類。模型的多個(gè)解釋變量間出現(xiàn)完全共線性時(shí)，模型的參數(shù)無法估計(jì)。 更多的情況則是近似共線性，這時(shí)，由于并不違背所有的基本假定，模型參數(shù) 的估計(jì)仍是無偏、一致且有效的，但估計(jì)的參數(shù)的標(biāo)準(zhǔn)差往往較大，從而使得 f統(tǒng)計(jì)值減小，參數(shù)的顯著性下降，導(dǎo)致某些本應(yīng)存在于模型中的變量被排除， 甚至岀現(xiàn)參數(shù)正負(fù)號(hào)方面的一些混亂。顯然，近似多重共線性使得模型偏回歸 系數(shù)的特征不再明顯，從而很難對(duì)單個(gè)系數(shù)的經(jīng)濟(jì)含義進(jìn)行解釋。多重共線性 的檢驗(yàn)包括檢驗(yàn)多重共線性是否存在以及估計(jì)多重共

16、線性的范圍兩層遞進(jìn)的檢 驗(yàn)。而解決多重共線性的辦法通常有逐步回歸法、差分法以及使用額外信息， 增大樣本容量等方法。 當(dāng)模型中的解釋變量是隨機(jī)解釋變量時(shí)，需要區(qū)分三種類型：隨機(jī)解釋變 量與隨機(jī)千擾項(xiàng)獨(dú)立，隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)同期無關(guān)但異期相關(guān)，隨機(jī) 解釋變量與隨機(jī)干擾項(xiàng)同期相關(guān)。第一種類型不會(huì)對(duì)OLS估計(jì)帶來任何問題。 第二種類型則往往導(dǎo)致模型估計(jì)的有偏性，但隨著樣本容量的增大，偏誤會(huì)逐 漸減小，因而具有一致性。所以，擴(kuò)大樣本容蜀是克服偏誤的有效途徑。第三 種類型的OLS估計(jì)則既是有偏，也是非一致的，需要采用工具變量法來加以 克服。解答(1)異方差性指對(duì)于不同的樣本值，隨機(jī)干擾項(xiàng)的方差不再是

17、常數(shù)， 而是互不相同的。 (2) 序列相關(guān)性指對(duì)于不同的樣本值，隨機(jī)干擾項(xiàng)之間不再是完全和互獨(dú) 工血是存在某種相關(guān)性。 (3) 多垂共線性常兩個(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。 (4) 完全務(wù)重共線性指，在有多個(gè)解釋變量模型中，解釋變量之間的線性 關(guān)系是準(zhǔn)確的n在此情況下.不能估計(jì)解釋變量各自對(duì)被解釋變量的彫響 n C5)不完全多重共線性指，在實(shí)際經(jīng)濟(jì)活動(dòng)中，多個(gè)解釋變星之間存在多 重共線性問題，但解釋變量之閭的線性關(guān)系是近似的*而不是完全的。 (6) 隨機(jī)解釋變量指*在現(xiàn)實(shí)經(jīng)濟(jì)現(xiàn)象中，解釋變號(hào)是不可控的，即解釋 變量的觀測值具有隨機(jī)性，并且與模型的隨機(jī)干擾項(xiàng)可能有相關(guān)關(guān)系，這樣的

18、 解釋變量稱為隨機(jī)解釋變量 (7) 差分法是一類克服序列相關(guān)性的有效方法它是將原計(jì)量經(jīng)濟(jì)學(xué)模型 變換為差分模型百再進(jìn)OLS估計(jì)口分為一階差分法和廣義差分法。 (8) 廣義最小二乘法(GL )是最具有普遍意義的最小二乘法，可用來處理模 型存在異方差或序列相關(guān)時(shí)的估計(jì)問題。 (9) DW檢驗(yàn)：全稱杜賓-瓦森檢驗(yàn)，適用于一階自相關(guān)的檢驗(yàn)。該法構(gòu)造 一個(gè)統(tǒng)計(jì)倉 DW 二 - 爛1 計(jì)算該統(tǒng)計(jì)量的值.根據(jù)樣本容鈕川和解釋變量數(shù)目龍査D.W.分布表*得到臨 界值業(yè)和咖，然后通過計(jì)算的DW.值與柿界值的比較*來判斷模型的自相關(guān) 狀態(tài). 參考重點(diǎn)： 1. 以多元線性回歸為例說明異方差性會(huì)產(chǎn)生怎樣的后果？(可能

19、為論述題) 解答 由于異方差性的存在”使得OLS怙計(jì)量仍是純性無偏但不再具有最 小方差性，即不再有效；而由干相應(yīng)的置信區(qū)間以及f檢驗(yàn)和尸檢驗(yàn)都與估計(jì) 量的方差相關(guān)，因此會(huì)造成建立的置信區(qū)間以及f檢驗(yàn)與F檢驗(yàn)都不再是可靠的 2. 檢驗(yàn)、修正異方差性的方法？ 3. 以多元線性回歸為例說明序列相關(guān)會(huì)產(chǎn)生怎樣的后果？(預(yù)測，矩陣表達(dá)式推到) 4. 檢驗(yàn)、修正序列相關(guān)的方法？ 5什么是DW檢驗(yàn)法(前提條件)？ 6. 以多元線性回歸為例說明多重共線性會(huì)產(chǎn)生怎樣的后果 7. 檢驗(yàn)、修正多重共線性的方法？ 8. 隨機(jī)解釋變量問題的三種分類？分別造成的后果是什么？ 9. 工具變量法的前提假設(shè) 1）與所替代的隨機(jī)

20、解釋變量高度相關(guān) 2）與隨機(jī)干擾項(xiàng)不相關(guān) 3）與模型中其他解釋變量不相關(guān)，以避免出現(xiàn)多重共線性 上屆重點(diǎn)： 異方差、序列相關(guān)、多重共線性等違背基本假設(shè)的情況產(chǎn)生原因、后果、識(shí)別方式方法、 D.W廣義差 分法 第四章課后題（ 1.2 ） 1、2題為計(jì)算題，見課本 P134,答案見P84 第五章 經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：專門問題 上屆重點(diǎn)： 虛擬變量的含義與設(shè)定、滯后變量的含義、為何加入滯后和虛擬變量 第五章課后題（ 1.3.4.10 ） 1. 回歸模型中引入虛擬變量的作用是什么？有哪幾種基本的引入方式？它們各適合用于什么情況？ 答： 在模型中引入虛擬變量，主要是為了尋找某 （些）定性因素對(duì)解釋

21、變量的影響。 加法方式與乘法方式是最主要的引入方式。 前者主要適用于定性因素對(duì)截距項(xiàng)產(chǎn)生影響的情況，后者主要適用于定性因素對(duì)斜率項(xiàng)產(chǎn)生影響的情 況。除此外，還可以加法與乘法組合的方式引入虛擬變量，這時(shí)可測度定性因素對(duì)截距項(xiàng)與斜率項(xiàng)同時(shí)產(chǎn) 生影響的情況。 3. 滯后變量模型有哪幾種類型？分布滯后模型使用 OLS方法存在哪些問題？ 答： 滯后變量模型有分布滯后模型和自回歸模型兩大類，前者只有解釋變量及其滯后變量作為模型的 解釋變量，不包含被解釋變量的滯后變量作為模型的解釋變量；而后者則以當(dāng)期解釋變量與被解釋變量的 若干期滯后變量作為模型的解釋變量。分布滯后模型有無限期的分布滯后模型和有限期的分布滯

22、后模型； 自回歸模型又以 Coyck 模型、自適應(yīng)預(yù)期模型和局部調(diào)整模型最為多見。 分布滯后模型使用OLS法存在以下問題：（1）對(duì)于無限期的分布滯后模型，由于樣本觀測值的有限性， 使得無法直接對(duì)其進(jìn)行估計(jì)。（2）對(duì)于有限期的分布滯后模型，使用OLS方法會(huì)遇到：沒有先驗(yàn)準(zhǔn)則確定滯 后期長度，對(duì)最大滯后期的確定往往帶有主觀隨意性；如果滯后期較長，由于樣本容量有限，當(dāng)滯后變量 數(shù)目增加時(shí)，必然使得自由度減少，將缺乏足夠的自由度進(jìn)行估計(jì)和檢驗(yàn)；同名變量滯后值之間可能存在 高度線性相關(guān)，即模型可能存在高度的多重共線性。 4. 產(chǎn)生模型設(shè)定偏誤的主要原因是什么？模型設(shè)定偏誤的后果以及檢驗(yàn)方法有哪些？ 答：

23、 產(chǎn)生模型設(shè)定偏誤的原因主要有：模型制定者不熟悉相應(yīng)的理論知識(shí)；對(duì)經(jīng)濟(jì)問題本身認(rèn)識(shí)不夠 或不熟悉前人的相關(guān)工作：模型制定者手頭沒有相關(guān)變量的數(shù)據(jù)；解釋變量無法測量或數(shù)據(jù)本身存在測量 誤差。 模型設(shè)定偏誤的后果有：（1）如果遺漏了重要的解釋變量，會(huì)造成 OLS估計(jì)量在小樣本下有偏，在大 樣本下非一致；對(duì)隨機(jī)干擾項(xiàng)的方差估計(jì)也是有偏的。 （2）如果包含了無關(guān)的解釋變量，盡管 OLS估計(jì)量 具有無偏性與一致性，但不具有最小方差性。 （ 3）如果選擇了錯(cuò)誤的函數(shù)形式，則后果是全方位的，不但 會(huì)造成估計(jì)的參數(shù)具有完全不同的經(jīng)濟(jì)意義，而且估計(jì)結(jié)果也不同。 對(duì)模型設(shè)定偏誤的檢驗(yàn)方法有：檢驗(yàn)是否含有無關(guān)變量，

24、可以使用 t 檢驗(yàn)與 F 檢驗(yàn)完成：檢驗(yàn)是否有 相關(guān)變量的遺漏或函數(shù)形式設(shè)定偏誤，可以使用殘差圖示法， Ramsey提出的RESET檢驗(yàn)來完成。 10. 簡述約化建模理論與傳統(tǒng)理論的異同點(diǎn)？ 答：Hendry的約化建模理論的核心是“從一般到簡單”的建模思想，即首先提出一個(gè)包括各種因素在 內(nèi)的“一般”模型，然后再通過觀測數(shù)據(jù)，利用各種檢驗(yàn)對(duì)模型進(jìn)行檢驗(yàn)并化簡，最后得到一個(gè)相對(duì)簡單 的模型。傳統(tǒng)建模理論的主導(dǎo)思想是“從簡單到復(fù)雜”的建模思想，它首先提出一個(gè)簡單的模型，然后從 各種可能的備選變量中選擇適當(dāng)?shù)淖兞窟M(jìn)入模型，最后得到一個(gè)與數(shù)據(jù)擬合較好的較為復(fù)雜的模型。 從二者的主要聯(lián)系上看，它們都以對(duì)經(jīng)

25、濟(jì)現(xiàn)象的解釋為目標(biāo)，以已有的經(jīng)濟(jì)理論為建模依據(jù)，以對(duì)數(shù) 據(jù)的擬合程度作為模型優(yōu)劣的重要的判定標(biāo)準(zhǔn)之一，也都有若干檢驗(yàn)標(biāo)推。 從二者的主要區(qū)別上看，傳統(tǒng)的建模理論往往更依賴于某種單一的經(jīng)濟(jì)理論，舊“從一般到簡單”的 建模理論則更注重將各種不同經(jīng)濟(jì)理論納入到最初的“一般”模型中，甚至更多地是從直覺和經(jīng)驗(yàn)來建立 “一般”的模型；盡管兩者都有若干種檢驗(yàn)標(biāo)準(zhǔn)，但約化建模理論從實(shí)踐上有更大量的診斷性檢驗(yàn)來看每 一步建模的可行性，或?qū)ふ腋纳颇Ｐ偷穆窂剑号c傳統(tǒng)建模實(shí)踐中存在的過渡“數(shù)據(jù)開采”問題相比，由于 約化建模理論的初估模型是一個(gè)包括所有可能變量的“一般”模型，因此也就避免了過度的“數(shù)據(jù)開采” 問題；另外

26、，由于初始模型的“一般”性，所有研究者在建模的初期往往有著相同的“起點(diǎn)” ，因此，在相 同的約化程序下，最后得到的最終模型也應(yīng)該是相同的。而傳統(tǒng)建模實(shí)踐中對(duì)同一經(jīng)濟(jì)問題往往有各種不 同經(jīng)濟(jì)理論來解釋，如果不同的研究者采用不同的經(jīng)濟(jì)理論建模，得到的最終模型也會(huì)不同。當(dāng)然，由于 約化建模理論有更多的檢驗(yàn)，使得建模過程更復(fù)雜，相比之下，傳統(tǒng)建模方法則更加“靈活” 。 第六章 聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型理論與方法 上屆重點(diǎn)： 內(nèi)生變量、外生變量、先定變量、結(jié)構(gòu)式模型、簡化式模型、參數(shù)關(guān)系體系、模型識(shí)別 第六章課后題（ 1.2.3. ） 1. 為什么要建立聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型？聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型適用于

27、什么樣的經(jīng)濟(jì)現(xiàn)象？ 答： 經(jīng)濟(jì)現(xiàn)象是極為復(fù)雜的，其中諸因素之間的關(guān)系，在很多情況下，不是單一方程所能描述的那種 簡單的單向因果關(guān)系，而是相互依存，互為因果的，這時(shí)，就必須用聯(lián)立的計(jì)量經(jīng)濟(jì)學(xué)方程才能描述清楚。 所以與單方程適用于單一經(jīng)濟(jì)現(xiàn)象的研究相比， 聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型適用于描述復(fù)雜的經(jīng)濟(jì)現(xiàn)象， 即經(jīng)濟(jì)系統(tǒng)。 2. 聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的識(shí)別狀況可以分為幾類？其含義各是什么？ 答： 聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的識(shí)別狀況可以分為可識(shí)別和不可識(shí)別，可識(shí)別又分為恰好識(shí)別和過度 識(shí)別。 如果聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中某個(gè)結(jié)構(gòu)方程不具有確定的統(tǒng)計(jì)形式，則稱該方程為不可識(shí)別，或者 根據(jù)參數(shù)關(guān)系體系，在已知

28、簡化式參數(shù)估計(jì)值時(shí)，如果不能得到聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型中某個(gè)結(jié)構(gòu)方程 的確定的結(jié)構(gòu)參數(shù)估計(jì)值，稱該方程為不可識(shí)別。如果一個(gè)模型中的所有隨機(jī)方程都是可以識(shí)別的，則認(rèn) 為該聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型系統(tǒng)是可以識(shí)別的。反過來，如果一個(gè)模型系統(tǒng)中存在一個(gè)不可識(shí)別的隨機(jī) 方程，則認(rèn)為該聯(lián)立方程汁量經(jīng)濟(jì)學(xué)模型系統(tǒng)是不可以識(shí)別的。如果某一個(gè)隨機(jī)方程具有唯一一組參數(shù)估 計(jì)量，稱其為恰好識(shí)別；如果某一個(gè)隨機(jī)方程具有多組參數(shù)估計(jì)量，稱其為過度識(shí)別。 3. 聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的單方程估計(jì)有哪些主要方法？其適用條件和統(tǒng)計(jì)性質(zhì)各是什么？ 答： 單方程估計(jì)的主要方法有：狹義的工具變量法 (IV) ，間接最小二乘法 (IL

29、S) ，兩階段最小二乘法 (2SLS) 。 狹義的工具變量法 (IV) 和間接最小二乘法 (ILS) 只適用于恰好識(shí)別的結(jié)構(gòu)方程的估計(jì)。 兩階段最小二乘 法(2SLs)既適用于恰好識(shí)別的結(jié)構(gòu)方程，又適用于過度識(shí)別的結(jié)構(gòu)方程。 用工具變量法估計(jì)的參數(shù)，一般情況下，在小樣本下是有偏的，但在大樣本下是漸近無偏的。如果選 取的工具變量與方程隨機(jī)干擾項(xiàng)完全不相關(guān)，那么其參數(shù)估計(jì)量是無偏估計(jì)量。對(duì)于間接最小二乘法，對(duì) 簡化式模型應(yīng)用普通最小二乘法得到的參數(shù)估計(jì)量具有線性性、無偏性、有效性。通過多數(shù)關(guān)系體系計(jì)算 得到結(jié)構(gòu)方程的結(jié)構(gòu)參數(shù)估計(jì)量在小樣本下是有偏的，在大樣本下是漸近無偏的。采用二階段最小二乘法 得

30、到結(jié)構(gòu)方程的結(jié)構(gòu)參數(shù)估計(jì)量在小樣本下是有偏的，在大樣本下是漸近無偏的。補(bǔ)充資料 計(jì)算題（一） 給岀多元線性回歸的結(jié)果 1. 判斷模型估計(jì)的結(jié)果如何，擬合效果如何？ 2. 說明每一個(gè)參數(shù)所代表的經(jīng)濟(jì)意義？ 3. 判斷有沒有違背四個(gè)基本假設(shè)？ 計(jì)算題（二） 給岀數(shù)值，計(jì)算： 1. t檢驗(yàn)，F(xiàn)檢驗(yàn)的自由度 2. 在給定顯著性水平下參數(shù)是否顯著？ 3. 估計(jì)值是有偏、無偏、有效？ 計(jì)算題（三） 加入虛擬變量 D1,D2,D3 問：虛擬變量的經(jīng)濟(jì)含義？ 2- k答（I）總體回歸函數(shù)是指在給定&下y分布的總體均值與X所妙成 的雷數(shù)關(guān)系（或者說將總體被解釋變量的條件期璽表示為解釋變量的某種 函數(shù)h （2）樣

31、木回口函數(shù)指從總體中抽出的關(guān)子y 丫 x的若干組值形成的樣本所 建立的回歸函數(shù)“ 隨機(jī)的總體回歸團(tuán)數(shù)指含有ia機(jī)干擾項(xiàng)的總體冋歸噪數(shù)（咼相對(duì)于條 件期望形式而言的n （4）栽材中所講的線性回歸模型既指對(duì)變量是線件的.也指對(duì)參數(shù)0為線 性的”即解釋變與發(fā)數(shù)0只以它幻的I次方出現(xiàn)” 2 S現(xiàn)代投協(xié)分析的特征線涉及如下回01方程： 亓二幾+ 01入嚴(yán)晉 其中r表示股票或債養(yǎng)的收益率匚表示有價(jià)證養(yǎng)的收益率（用市場指數(shù)表示 如標(biāo)痕普爾500f&）t tk時(shí)閘 F 投璉分析中優(yōu)擁稱為頂券的安金系數(shù) fit是用來度市場的風(fēng)險(xiǎn)程度的即市場的發(fā)展對(duì)公祠的財(cái)產(chǎn)有何總響*依 據(jù)19561976年間240個(gè)月的數(shù)據(jù) Fvgler和Ganpatliy得到IBM股黑收It車 的回歸方程如下鼻 =0726 4 + L059 昵， （0300 I） （0.072 SJ Jt1 xO.47J 0 （I）解釋回歸參數(shù)的意義“ 如何解釋尺 （3）安全系數(shù)的通券禰為小穩(wěn)定證券*翟立適當(dāng)?shù)捏炯僬l艮備選假說、 檢驗(yàn)IBM恂腔累崔否暹易變股=2-8 解答(1)回歸方程的截距0.7264表明當(dāng)G為0時(shí)的股票或債券收益率， 它本身沒有經(jīng)擠意義；回歸方程的斜率1.059