計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題_第1頁
計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題_第2頁
計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題_第3頁
計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題_第4頁
計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題_第5頁
已閱讀5頁，還剩2頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

計量經(jīng)濟(jì)學(xué)復(fù)習(xí)題一、名詞解釋總體回歸模型樣本回歸方程最小二乘法樣本可決系數(shù)樣本相關(guān)系數(shù)內(nèi)插預(yù)測外推預(yù)測高斯－馬爾可夫定理迭代線性化法異方差自相關(guān)多重共線性隨機(jī)解釋變量工具變量虛擬變量內(nèi)生變量外生變量預(yù)定變量結(jié)構(gòu)模型恰好識別兩段最小二乘法間接最小二乘法似然比檢驗時間序列白噪聲過程偏自相關(guān)系數(shù)Wold分解定理虛假回歸單整協(xié)整二、簡答1.計量經(jīng)濟(jì)學(xué)的目的是什么？2.應(yīng)用計量經(jīng)濟(jì)學(xué)研究問題的方法與步驟是什么？3.線性回歸模型中，最小二乘法對模型作了哪些假定？4.假定條件滿足時最小二乘估計量具備什么性質(zhì)？5.說明樣本擬合優(yōu)度（樣本決定系數(shù)）與樣本相關(guān)系數(shù)的關(guān)系及區(qū)別。6.當(dāng)計量經(jīng)濟(jì)模型存在自相關(guān)時，OLS（最小二乘）估計量的性質(zhì)。7.寫出利用方法檢驗計量經(jīng)濟(jì)模型中誤差項是否存在序列自相關(guān)的步驟。8.簡述Goldfeld-Quandt檢驗方法的步驟。9.當(dāng)計量經(jīng)濟(jì)模型存在異方差時，OLS（最小二乘）估計量的性10.簡述修正的Frisch方法。11.如果一個定性變量含有k個類別，應(yīng)如何設(shè)立虛擬變量？12.當(dāng)計量經(jīng)濟(jì)模型存在隨機(jī)解釋變量時，(最小二乘)估計量的性質(zhì)。13.聯(lián)立方程模型中的變量可以分為幾類？其含義各是什?14.什么是偽回歸？糾正偽回歸的方法有哪些？15.簡述格蘭杰因果檢驗的步驟。16.簡述DF檢驗的步驟。三、計算1.下面是8名學(xué)生的平均成績和他們的家庭收入的數(shù)據(jù)：平均成績()4.03.03.52.03.03.52.52.5家庭收入/(X)21.015.015.09.012.018.06.012.0令：計算樣本回歸方程：對回歸參數(shù)進(jìn)行假設(shè)檢驗,給定顯著性水平.對回歸方程進(jìn)行檢驗,給定顯著性水平。參數(shù)。投資方程是隨機(jī)方程，無內(nèi)生變量作解釋變量，可以用最小二乘法估計。收入方程是非隨機(jī)方程，不需要進(jìn)行識別與參數(shù)估計。10.方程（1）不可識別，方程（2）（3）過度識別，方程（4）不需識別。整個模型不可識別。方程（1）無法估計；方程（2）用普通最小二乘估計方法估計；方程

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論