計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)(簡答論述題)匯編

1、學(xué)習(xí) 好資料計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)(簡答題)1、 什么是計(jì)量經(jīng)濟(jì)學(xué)？計(jì)量經(jīng)濟(jì)學(xué)，又稱經(jīng)濟(jì)計(jì)量學(xué)，它是以一定的經(jīng)濟(jì)理論和實(shí)際統(tǒng)計(jì)資料為依據(jù)，運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)技術(shù)，通過建立計(jì)量經(jīng)濟(jì)學(xué)模型，定量分析經(jīng)濟(jì)變量之間的隨機(jī)因果關(guān)系 .。2、 計(jì)量經(jīng)濟(jì)學(xué)的研究的步驟是什么？1) 理論模型的設(shè)計(jì)A. 理論或假說的陳述；B. 理論的數(shù)學(xué)模型的設(shè)定；C. 理論的計(jì)量經(jīng)濟(jì)模型的設(shè)定。i. 把模型中不重要的變量放進(jìn)隨機(jī)誤差項(xiàng)中；ii. 擬定待估參數(shù)的理論期望值。2) 獲取數(shù)據(jù)數(shù)據(jù)來源：網(wǎng)絡(luò)、統(tǒng)計(jì)年鑒、報紙、雜志數(shù)據(jù)類別：時間序列數(shù)據(jù)、截面數(shù)據(jù)、混合數(shù)據(jù)、虛變量數(shù)據(jù)。數(shù)據(jù)要求：完整性、準(zhǔn)確性、可比性、一致性i. 完整性

2、：模型中包含的所有變量都必須得到相同容量的樣本觀察值。ii. 準(zhǔn)確性：統(tǒng)計(jì)數(shù)據(jù)或調(diào)查數(shù)據(jù)本身是準(zhǔn)確的。iii. 可比性：數(shù)據(jù)口徑問題。iv. 一致性：指母體與樣本的一致性。3) 模型的參數(shù)估計(jì)：普通最小二乘法。4) 模型的檢驗(yàn)：經(jīng)濟(jì)學(xué)檢驗(yàn)；統(tǒng)計(jì)學(xué)檢驗(yàn)；計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)；模型的預(yù)測檢驗(yàn)。5) 模型的應(yīng)用：結(jié)構(gòu)分析；經(jīng)濟(jì)預(yù)測；政策評價；經(jīng)濟(jì)理論的檢驗(yàn)與發(fā)展。3、 簡述統(tǒng)計(jì)數(shù)據(jù)的類別？時間序列數(shù)據(jù)、截面數(shù)據(jù)、混合數(shù)據(jù)、虛變量數(shù)據(jù)。1) 時間序列數(shù)據(jù)：按時間先后排列收集的數(shù)據(jù)。更多精品文檔采納時間序列數(shù)據(jù)的注意事項(xiàng)：A. 所選擇的樣本區(qū)間的經(jīng)濟(jì)行為一致性問題。B. 樣本數(shù)據(jù)在不同樣本點(diǎn)之間的可比性問題。

3、C. 樣本數(shù)據(jù)過于集中的問題。不能反映經(jīng)濟(jì)變量間的結(jié)構(gòu)關(guān)系，應(yīng)增大觀察區(qū)間。D. 模型的隨機(jī)誤差項(xiàng)序列相關(guān)問題。2) 截面數(shù)據(jù)：又稱橫向數(shù)據(jù)，是一批發(fā)生在同一時間截面上的調(diào)查數(shù)據(jù)。研究某時點(diǎn)上的變化情況。采納截面數(shù)據(jù)的注意事項(xiàng)：A. 樣本與母體的一致性問題。B. 隨機(jī)誤差項(xiàng)的異方差問題。3) 混合數(shù)據(jù)：也稱面板數(shù)據(jù)，既有時間序列數(shù)據(jù)，又有截面數(shù)據(jù)。4) 虛變量數(shù)據(jù)：又稱二進(jìn)制數(shù)據(jù)，只能取0 和 1 兩個值，表示的是某個對象的質(zhì)量特征。模型的檢驗(yàn)包括哪幾個方面？具體含義是什么？1) 經(jīng)濟(jì)學(xué)檢驗(yàn)：參數(shù)的符合和大致取值。2) 統(tǒng)計(jì)學(xué)檢驗(yàn)：擬合優(yōu)度檢驗(yàn)；模型的顯著性檢驗(yàn)；參數(shù)的顯著性檢驗(yàn)。3) 計(jì)量經(jīng)

4、濟(jì)學(xué)檢驗(yàn)：序列相關(guān)性；異方差檢驗(yàn)；多重共線性檢驗(yàn)。4) 模型的預(yù)測檢驗(yàn)： a ， 擴(kuò)大樣本容量或變換樣本重新估價模型； b ，利用模型對樣本期以外的某一期進(jìn)行預(yù)測。5、 回歸分析和相關(guān)分析的聯(lián)系和區(qū)別是什么？回歸分析是處理變量與變量之間關(guān)系的一種數(shù)學(xué)方法，是研究一個變量關(guān)于另一個（些）變量的依賴關(guān)系的計(jì)算理論和方法。其目的在于通過后者的已知或設(shè)定值，去估計(jì)或預(yù)測前者的（總體）均值。前一個變量被稱為被解釋變量，后一個（些）變量稱為解釋變量?；貧w分析與相關(guān)分析的聯(lián)系：都是對變量間非確定相關(guān)關(guān)系的研究，均能通過一定的方法對變量之間的線性依賴程度進(jìn)行測定。 回歸分析與相關(guān)分析的區(qū)別： 1 相關(guān)分析研究

5、的是兩個隨機(jī)變量之間的相關(guān)形式及相關(guān)程度，是通過相關(guān)系數(shù)來測定的，不考慮變量之間是否存在因果關(guān)系；而回歸分析是以因果分析為基礎(chǔ)的，變量之間的地位是不對稱的，有解釋變量與被解釋變量之分，被解釋變量是隨機(jī)變量，而解釋變量在一般情況下假定是確定性變量。 2 相關(guān)分析所采用的相關(guān)系數(shù)，是一種純粹的數(shù)學(xué)計(jì)算，相關(guān)分析關(guān)注的是變量之間的相互關(guān)聯(lián)的程度，而回歸分析在應(yīng)用之間就對變量之間是否存在依賴關(guān)系進(jìn)行了因果分析，在此基礎(chǔ)上進(jìn)行的回歸分析，達(dá)到了深入分析變量間依存關(guān)系、掌握其運(yùn)動規(guī)律的目的。6、 經(jīng)典假設(shè)條件的內(nèi)容是什么？（應(yīng)用最小二乘法應(yīng)滿足的古典假定？）1）解釋變量x1,x2，,xk是確定性變量，不是

6、隨機(jī)變量；而且解釋變量之間互不相關(guān)。2） 隨機(jī)誤差項(xiàng)具有0均值和同方差。3） 隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的，不存在序列相關(guān)。4） 隨機(jī)誤差項(xiàng)與解釋變量之間不相關(guān)。5） 隨機(jī)誤差項(xiàng)服從0均值，同方差的正態(tài)分布。7、 總體回歸函數(shù)和樣本回歸函數(shù)之間有哪些區(qū)別與聯(lián)系？總體回歸函數(shù)是將總體被解釋變量的條件期望表示為解釋變量的某種函數(shù)。樣本回歸函數(shù)是將被解釋變量Y 的樣本觀測值的擬和值表示為解釋變量的某種函數(shù)。二者區(qū)別：描述的對象不同；模型建立的依據(jù)不同。二者聯(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。8、 什么是隨機(jī)誤差項(xiàng)？隨機(jī)誤差項(xiàng)包括哪些

7、因素？設(shè)定隨機(jī)誤差項(xiàng)的原因有哪些？隨機(jī)誤差項(xiàng)是模型設(shè)定中省略下來而又集體地影響著被解釋變量Y 的全部變量的替代物。隨機(jī)誤差項(xiàng)包括以下因素：在解釋變量中被忽略的因素的影響。變量觀測值的觀察誤差的影響。模型關(guān)系的設(shè)定誤差的影響。其它隨機(jī)因素的影響。設(shè)定隨機(jī)誤差項(xiàng)的原因：理論的含糊性；數(shù)據(jù)的欠缺；節(jié)省的原則。9、 最小二乘估計(jì)量有哪些特性？高斯-馬爾科夫定理的內(nèi)容是什么？判斷一個估計(jì)量是否為優(yōu)良估計(jì)量需要考察的統(tǒng)計(jì)性質(zhì)：線性，考察估計(jì)量是否是另一個隨機(jī)變量的線性函數(shù)；無偏性，考察估計(jì)量的期望是否等于其真值；有效性，考察估計(jì)量在所有的無偏估計(jì)量中是否有最小方差。上述三個統(tǒng)計(jì)特性稱為估計(jì)量的小樣本性質(zhì)。

8、具有這類性質(zhì)的估計(jì)量是最佳的線性無偏估計(jì)量。在模型假定條件成立的情況下，根據(jù)普通最小二乘估計(jì)法得到的估計(jì)量具有BLUE的性質(zhì)，這就是高斯-馬爾科夫定理定理。上述三個性質(zhì)針對的是小樣本，針對大樣本還有三個漸近性質(zhì)：漸近無偏性：表示當(dāng)樣本容量趨于無窮大時，估計(jì)量的均值趨于總體均值。一致性：表示當(dāng)樣本容量趨于無窮時，估計(jì)量依概率收斂于總體的真值。漸近有效性：樣本容量趨于無窮時，估計(jì)量在所有的一致估計(jì)中，具有最小的漸近方差。十、 為什么用可決系數(shù)R2 評價擬合優(yōu)度， 而不是用殘差平方和作為評價標(biāo)準(zhǔn)？可決系數(shù)和相關(guān)系數(shù)有什么區(qū)別與聯(lián)系?樣本可決系數(shù)R2 反映了回歸平方和占總離差平方和的比重，表示由解釋變

9、量引起被解釋變量的變化占被解釋變量總的變化的比重，因而可用來判定回歸直線擬合程度的優(yōu)劣，該值大表示回歸直線對樣本店的擬合程度好。殘差平方和反映隨機(jī)誤差項(xiàng)包含因素對被解釋變量變化影響的絕對程度，它與樣本容量有關(guān)，樣本容量大時，殘差平方和一般也大，樣本容量小時，殘差平方和也小，因此樣本容量不同時得到的殘差平方和不能用于比較。此外，檢驗(yàn)統(tǒng)計(jì)量一般應(yīng)是相對量而不能是絕對量，因而不宜使用殘差平方和判斷模型的擬合優(yōu)度。可決系數(shù)和相關(guān)系數(shù)的聯(lián)系和區(qū)別：A. 相關(guān)系數(shù)是建立在相關(guān)分析基礎(chǔ)上的，研究的是隨機(jī)變量之間的關(guān)系；可決系數(shù)則是建立在回歸分析基礎(chǔ)上，研究的是非隨機(jī)變量X 對隨機(jī)變量Y 的解釋程度。B. 在

10、取值上，可決系數(shù)是樣本相關(guān)系數(shù)的平方。C.樣本相關(guān)系數(shù)是由隨機(jī)的X和丫抽樣計(jì)算得到，因而相關(guān)關(guān)系是否顯著，還需進(jìn)行檢驗(yàn)。十一、說明顯著性檢驗(yàn)的過程。提出原假設(shè)和備擇假設(shè)。選擇并計(jì)算在原假設(shè)成立情況下的統(tǒng)計(jì)量。給定顯著水平a,查臨界值表進(jìn)行判斷。十二、影響預(yù)測精度的主要因素是什么？樣本容量；模擬的擬合優(yōu)度。十三 什么是正規(guī)方程組？并說明多元線性回歸最小二乘估計(jì)的正規(guī)方程組，能解出唯一的參數(shù)估計(jì)的條件是什么？正規(guī)方程組是根據(jù)最小二乘原理得到的關(guān)于參數(shù)估計(jì)值的線性代數(shù)方程組。從最小二乘原理和最大似然原理出發(fā)，欲得到參數(shù)估計(jì)量，不管其質(zhì)量如何，樣本容量必須不少于模型中解釋變量的數(shù)目（包括常數(shù)項(xiàng)），即n

11、 n k + 1 。十三、 在多元線性回歸分析中，為什么用調(diào)整的可決系數(shù)衡量估計(jì)模型對樣本觀測值的擬合優(yōu)度？未調(diào)整可決系數(shù) R2 的一個總要特征是： 隨著樣本解釋變量個數(shù)的增加， R2的值越來越高， （即 R2 是解釋變量個數(shù)的增函數(shù)） 。 也就是說， 在樣本容量不變的情況，在模型中增加新的解釋變量不會改變總離差平方和（ TSS） ， 但可能增加回歸平方和 （ ESS） ，減少殘差平方和（RSS） ，從而可能改變模型的解釋功能。因此在多元線性回歸模型之間比較擬合優(yōu)度時，R2不是一個合適的指標(biāo)，需加以調(diào)整。而修正的可決系數(shù)：其值不會隨著解釋變量個數(shù)k 的增加而增加， 因此在用于估計(jì)多元回歸模型方

12、面要優(yōu)于未調(diào)整的可決系數(shù)。十四、 在多元線性回歸分析中，可決系數(shù)R2 與總體線性關(guān)系顯著性檢驗(yàn)統(tǒng)計(jì)量F 之間有何關(guān)系？ t檢驗(yàn)與F檢驗(yàn)有何不同？是否可以替代？在一元線性回歸分析中二者是否有等價作用？在多元線性回歸分析中，可決系數(shù) R2 與總體線性關(guān)系顯著性檢驗(yàn)統(tǒng)計(jì)量F關(guān)系如下： 可決系數(shù)是用于檢驗(yàn)回歸方程的擬合優(yōu)度的， F 檢驗(yàn)是用于檢驗(yàn)回歸方程總體顯著性的。兩檢驗(yàn)是從不同原理出發(fā)的兩類檢驗(yàn)，前者是從已經(jīng)得到的模型出發(fā)，檢驗(yàn)它對樣本觀測值的擬合程度，后者是從樣本觀測值出發(fā)檢驗(yàn)?zāi)Ｐ涂傮w線性關(guān)系的顯著性。但兩者是關(guān)聯(lián)的，這一點(diǎn)也可以從上面兩者的關(guān)系式看出，回歸方程對樣本擬和程度高，模型總體線性關(guān)系

13、的顯著性就強(qiáng)。在多元線性回歸模型分析中， t 檢驗(yàn)常被用于檢驗(yàn)回歸方程各個參數(shù)的顯著性，是單一檢驗(yàn)；而F 檢驗(yàn)則被用作檢驗(yàn)整個回歸關(guān)系的顯著性，是對回歸參數(shù)的聯(lián)合檢驗(yàn)。在多元線性回歸中，若 F 檢驗(yàn)拒絕原假設(shè)，意味著解釋變量與被解釋變量之間的線性關(guān)系是顯著的，但具體是哪個解釋變量與被解釋變量之間關(guān)系顯著則需要通過 t 檢驗(yàn)來進(jìn)一步驗(yàn)證，但若F 檢驗(yàn)接受原假設(shè)，則意味著所有的 t 檢驗(yàn)均不顯著。 兩者是不可互相替代的。 在一元線性回歸模型中， 由于解釋變量只有一個， 因此 F 檢驗(yàn)的聯(lián)合假設(shè)等同于 t 檢驗(yàn)的單一假設(shè)， 兩檢驗(yàn)作用是等價的。十五、 什么是異方差？異方差產(chǎn)生的原因是什么？如何檢驗(yàn)和

14、處理？1) 線性回歸模型為 Yt = b0 + b1X1t + b2X2t + + bkXkt +ut經(jīng)典回歸中所謂同方差是指不同隨機(jī)誤差項(xiàng)Ut(t=1,2,n)的方差相同，即Var(Ut)=戴爾塔方(怎么打？)如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，則稱隨機(jī)項(xiàng)Ut 具有異方差性。Var(Ut)=戴爾塔方豐常數(shù)2) 異方差性產(chǎn)生的原因：A. 模型中遺漏了某些逐漸增大的因素的影響。B. 模型函數(shù)形式的誤定誤差。C. 隨機(jī)因素的影響。3) 檢驗(yàn)異方差性的方法：圖解法、帕克檢驗(yàn)、格萊澤檢驗(yàn)、斯皮爾曼的等級相關(guān)檢驗(yàn)、哥德費(fèi)爾德-匡特檢驗(yàn)。4) 修正異方差性的主要方法： 加權(quán)最小二乘法， 通過賦予不同觀測點(diǎn)以不同

15、的權(quán)數(shù)，從而提高估計(jì)精度，即重視小誤差的作用，輕視大誤差的作用。十六、 模型存在異方差時，會對回歸參數(shù)的估計(jì)與的檢驗(yàn)產(chǎn)生什么影響？1) 最小二乘估計(jì)不再是有效估計(jì)。2) 無法確定估計(jì)系數(shù)的標(biāo)準(zhǔn)誤差。3) T 檢驗(yàn)的可靠性降低。4) 增大模型的預(yù)測誤差。當(dāng)模型存在異方差時， 根據(jù)普通最小二乘法估計(jì)出的參數(shù)估計(jì)量仍具有線性特性和無偏性，但不再具有有效性； 用于參數(shù)顯著性的檢驗(yàn)統(tǒng)計(jì)量， 要涉及到參數(shù)估計(jì)量的標(biāo)準(zhǔn)差，因而參數(shù)檢驗(yàn)也失去意義。十七、 序列相關(guān)違背了哪些基本假定？其來源有哪些？檢驗(yàn)方法有哪些，都適用于何種形式的序列相關(guān)檢驗(yàn)？模型的序列相關(guān)違背的基本假定是Cov(ui,uj) = 0 (i豐

16、j)。序列相關(guān)的來源有：A. 經(jīng)濟(jì)變量固有的慣性；B. 模型設(shè)定的偏誤；C. 模型中遺漏了重要的帶有自相關(guān)的解釋變量；D. 數(shù)據(jù)的“編造” 。序列相關(guān)的檢驗(yàn)有：A. 圖示法B. D-W 檢驗(yàn)，適用于檢驗(yàn)一階自回歸形式的序列相關(guān)；C. 回歸檢驗(yàn)法，適用于各種類型的序列相關(guān)檢驗(yàn)；D. 拉格朗日乘子檢驗(yàn)( LM ) ， 適用于高階序列相關(guān)及模型中存在滯后解釋變量的情形。十八、 簡述序列相關(guān)帶來的后果。1) 最小二乘估計(jì)不再是有效估計(jì)。參數(shù)估計(jì)量仍是無偏的。參數(shù)估計(jì)值不再具有最小方差性。2) 隨機(jī)誤差項(xiàng)的方差一般會低估。3) 檢驗(yàn)的可靠性降低。4) 降低模型的預(yù)測精度。十九、 簡述 DW 檢驗(yàn)的步驟和

17、應(yīng)用條件。DW 檢驗(yàn)的步驟：A.做OLS回歸并獲取殘差。B. 計(jì)算 d。C. 對給定樣本大小和給定解釋變量個數(shù)找出臨界dl 和 du 值。D. 按決策規(guī)則行事。DW 檢驗(yàn)應(yīng)用條件：A. 模型中含有截距項(xiàng)。B. 解釋變量 X 是非隨機(jī)的。C. 隨機(jī)誤差項(xiàng) ut 為一階自相關(guān)。D. 誤差項(xiàng)被假定為正態(tài)分布。E. 線性回歸模型中不應(yīng)含有滯后內(nèi)生變量作為解釋變量。F. 統(tǒng)計(jì)書籍比較完整，無缺失項(xiàng)。二十、 什么是多重共線性？產(chǎn)生多重共線性的原因是什么？多重共線性造成的影響是什么？檢驗(yàn)多重共線性的方法是什么？有哪些解決方法？1) 對于多元回歸線性模型，如果某兩個或多個解釋變量之間出現(xiàn)了相關(guān)性，則稱多重共線

18、性。2) 產(chǎn)生多重共線性的原因：A. 經(jīng)濟(jì)變量的內(nèi)在聯(lián)系，這是產(chǎn)生多重共線性的根本原因。B. 經(jīng)濟(jì)變量變化趨勢的共同性。C. 在模型中引入滯后變量也容易產(chǎn)生多重共線性。3) 多重共線性造成的影響：A. 增大最小二乘估計(jì)量得方差B. 難以區(qū)分每個解釋變量的單獨(dú)影響C. 檢驗(yàn)的可靠度降低D. 完全共線性下參數(shù)估計(jì)量不存在4) 多重共線性的檢驗(yàn)方法：A. 相關(guān)系數(shù)檢驗(yàn)法B.C. 輔助回歸模型檢驗(yàn)D.E. 方差膨脹因子檢驗(yàn)F. 特征值檢驗(yàn)5) 多重共線性的解決方法：A. 保留總要的解釋變量，去掉次要的或可替代的解釋變量。B. 間接剔除重要的解釋變量。 利用先驗(yàn)信息改變參數(shù)的約束形式； 變換模型的形式。C.D. 綜合使用時序數(shù)據(jù)和截面數(shù)據(jù)。E.F. 逐步回歸法( Frisch 綜合分析法)G.H. 主成分回歸。隨機(jī)解釋變量的來源有哪些？隨機(jī)解釋變量有幾種情形？分情形說明隨機(jī)解釋變量對最小二乘估計(jì)的影響與后果？隨機(jī)解釋變量的來源有：A.B. 經(jīng)濟(jì)變量的不可控，使得解釋變量觀測值具有隨機(jī)性；C. 由于隨機(jī)干擾項(xiàng)中包括了模型略去的解釋變量， 而略去的解釋變量與模型中的解釋變量往往是相關(guān)的；D.E. 模型中含有被解釋變量的滯后項(xiàng)，而被解釋變量本身就是隨機(jī)的。隨機(jī)解釋變量有三種情形，不同情形下最小二乘估計(jì)的影響和后果也不同。A.解釋變量是隨機(jī)的，但與隨機(jī)干擾項(xiàng)