2023年《計(jì)量經(jīng)濟(jì)學(xué)》期末考試復(fù)習(xí)資料

《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(guò)程

第一章課后題（L4.6）

L什么是計(jì)量經(jīng)濟(jì)學(xué)？計(jì)量經(jīng)濟(jì)學(xué)方式方法與一般經(jīng)濟(jì)數(shù)學(xué)方

式方法有什么區(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)系為合適的內(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)方式方法揭示經(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)方式方法揭示經(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停?/p>

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)和模型預(yù)測(cè)檢驗(yàn)。

6,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(cè)檢驗(yàn)。在經(jīng)濟(jì)意義檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ褪欠穹?/p>

合經(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)理論所擬定的期望值相符合；在統(tǒng)計(jì)檢驗(yàn)中，需要檢驗(yàn)?zāi)?/p>

型參數(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(cè)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(cè)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?：研究的目的不同，相關(guān)分析著重探討變量間的關(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關(guān)系，即希望根據(jù)解釋變量的固定值去估計(jì)和預(yù)

測(cè)被解釋變量的平均值；對(duì)變量的處理不同，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。二者的聯(lián)系在于，回歸分

析建立在相關(guān)分析基礎(chǔ)之上，當(dāng)相互有關(guān)聯(lián)的變量進(jìn)一步有因果關(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)必是指總體觀測(cè)值與回歸方程理論值之間的偏差，而殘差

賽?是指樣本觀測(cè)值與回歸方程理論值之間的偏差，二者是有區(qū)別的。但是，

力于總體觀察值無(wú)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

投的做法是通過(guò)樣本觀測(cè)獲得的信息去估計(jì)總體回歸函數(shù)，這樣，殘差項(xiàng)勺就

是隨機(jī)干擾項(xiàng)外的一個(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)普通最小二乘法所保證的最好擬合是同一個(gè)問(wèn)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小；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(wèn)題進(jìn)行比較，即可以辨別不同的樣本回歸結(jié)果誰(shuí)好誰(shuí)壞。

4.如何縮小置信區(qū)間？（P46）

P（6T/"<?<2+%x"）=l-a

由上式可以看出（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?。煌瑫r(shí)，在同樣置信水平下，n越大，1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比，模型的擬合優(yōu)度越高，殘差平方和

應(yīng)越小。

5.以一元線性回歸為例，寫出Bo的假設(shè)檢驗(yàn)

1）.對(duì)總體參數(shù)提出假設(shè)

Ho：3o=O,H：Po^O

2）以原假設(shè)HO構(gòu)造t統(tǒng)計(jì)量，

t=8。-0。=自一為~t（n-2）

人

3）由樣本計(jì)算其值’

4）給定顯著性水平a,查t分布表得臨界值ta/2（n-2）

5）比較，判斷

若|t|>ta/2（n-2）,則拒絕Ho,接受Hi；

若|t|<ta/2（n-2）,則拒絕H],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(guó)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)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(wú)法在模型中獨(dú)立列出的各種因素

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(wú)法在模型中獨(dú)立表示出來(lái)的影響因素，以保證模型在

理論上的科學(xué)性。

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(wú)偏估計(jì)量，因此使用普通最小二乘法進(jìn)行估計(jì)己無(wú)多大意義。

但模型本身還是可以估計(jì)的，尤其是可以通過(guò)最大似然法等其他原理

進(jìn)行估計(jì)。

假設(shè)L解釋變量X是確定性變量，入是隨機(jī)變量；

假設(shè)2.隨機(jī)誤差項(xiàng)日具有零均值、同方差和不序列相關(guān)性：

E(gi)=Oi=l,2,...,n

2

Var(pii)=cyMi=l,2,...,n

Cov(%內(nèi))=0的i,j=1,2,...,n

假設(shè)3.隨機(jī)誤差項(xiàng)口與解釋變量X之間不相關(guān)：

Cov(Xi,|ii)=0i=l,2,...,n

假設(shè)4.日服從零均值、同方差、零協(xié)方差的正態(tài)分布

閨?N(0,cyp2)i=l,2,...,n

假設(shè)5.隨著樣本容量的無(wú)限增加，解釋變量X的樣本方差趨于

一個(gè)有限常數(shù)。即

Z(X,一又)2In—Q,n—g

假設(shè)6.回歸模型是正確設(shè)定的

9、10題為計(jì)算題，見(jiàn)課本P52,答案見(jiàn)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(wú)偏性和有效性的過(guò)程中，哪些基本假設(shè)起了作用？

答：多元線性PI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?jī)纱箢惖募僭O(shè)。針對(duì)隨機(jī)干擾項(xiàng)的假設(shè)有：零均值，同方差，

無(wú)序列相關(guān)且服從止態(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，如果是隨機(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(wú)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；在有效性的證明中，利用了隨機(jī)干擾項(xiàng)同

方差且無(wú)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(jiàn)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(lái)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3-4給出三變量模型的回歸結(jié)果.

表3-4

■方超來(lái)■平方和01白由度(d?平方相的均值(MSS)|

來(lái)自回歸(￡$§)65965?—

來(lái)自殘病RSS)—*

來(lái)自總寓差(TSS)6604214

(I)求樣本容量小殘差平方和RSS,回歸平方和ESS及殘整平方和RSS

的自由度.

(2)求擬合優(yōu)度川及調(diào)整的擬合優(yōu)度方。

(3)檢驗(yàn)假設(shè)：/和片對(duì)>'無(wú)影響，應(yīng)采用什么假設(shè)檢驗(yàn)？為什么?

(4)根據(jù)以上信息.你能否確定占和%各自對(duì)y的影響？

解答(I)樣本容量為

〃=d￡+l=15

RSS^TSS-ESS

=66042-65965=77

ESS的自由度為

d.f.=14-2^12

RSS的自由度為

d.f.=〃-3=12

ESS65965

⑵RD：----------=0.9988R

TSS66042

產(chǎn)=1一("/??)』^"；

n-?-1

=1-0.0012x-=0.9986

12

(3)應(yīng)該采用聯(lián)合假設(shè)檢驗(yàn)，即F檢驗(yàn)，理由是只有這樣做才能判斷刈，

乂一起是否對(duì)丫有影響“

(4)不能.因?yàn)閮H通過(guò)上述信8,可初步判斷萬(wàn)丁為聯(lián)合起來(lái)對(duì)丫有線

性影響,兩者的變化解料了Y變化的的.8%,但由于無(wú)法知道回歸尤，乂而

參數(shù)的具體估計(jì)值，因此正無(wú)法判斷它們各自對(duì)丫的影響有多大二.

7、9、10題為計(jì)算題，見(jiàn)課本P9L答案見(jiàn)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：

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(wú)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，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，由于履

機(jī)干擾項(xiàng)異方差的存在而導(dǎo)致的參數(shù)估計(jì)值的標(biāo)準(zhǔn)差的偏誤，也會(huì)使采用模型

的預(yù)測(cè)變得無(wú)效。對(duì)模型的異方差性有若干種檢測(cè)方法，如圖示法、Park與

Gleiser檢驗(yàn)法、Goldfeld-Quandt檢驗(yàn)法，以及Whte檢驗(yàn)法等。而當(dāng)槍測(cè)出模

型確實(shí)存在異方差性時(shí)，通過(guò)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(wú)偏性與一

致性，但通常的假設(shè)檢驗(yàn)不再可靠，預(yù)測(cè)也變得無(wú)效。序列相關(guān)性的檢測(cè)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。存在序列相關(guān)性時(shí)，修正的估計(jì)方法有廣義最小二乘法(GLS)

和廣義差分法。

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(wú)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(wú)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

/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，

甚至出現(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)干擾項(xiàng)獨(dú)立，隨機(jī)解釋變量與隨機(jī)干擾項(xiàng)同期無(wú)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(lái)任何問(wèn)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)大樣本容量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(lái)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)之間不再是完全相互獨(dú)

立，而是存在某種相關(guān)性。

(3)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。

(4)完全多重共線性指，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。在此情況下，不能估計(jì)解釋變量各自對(duì)被解釋變量的影響。

(5)不完全多重共線性指.在實(shí)際經(jīng)濟(jì)活動(dòng)中，多個(gè)解釋變量之間存在多

重共線性問(wèn)題，但解釋變量之間的線性關(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，解釋變量是不可控的，即解釋

變量的觀測(cè):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

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

變換為差分模型后再進(jìn)行OLS估計(jì)。分為一階差分法和廣義差分法。

(8)廣義最小二乘法(GLS)是最具有普遍意義的最小二乘法，可用來(lái)處理模

型存在異方差或序列相關(guān)時(shí)的估計(jì)問(wèn)題。

(9)D.W.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)量

力…"

D.W.=J——

計(jì)算該統(tǒng)計(jì)量的值，根據(jù)樣本容量〃和解釋變量數(shù)目4查D.W.分布表，得到臨

界值吮和曲，然后通過(guò)計(jì)算的D.W.值與臨界值的比較，來(lái)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(shuō)明異方差性會(huì)產(chǎn)生怎樣的后果？(可能

為論述題)

解答由于異方差性的存在，使得OLS估計(jì)量仍是線性無(wú)偏但不再具有最

小方差性，即不再有效；而由于相應(yīng)的置信區(qū)間以及/檢驗(yàn)和F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)與尸檢驗(yàn)都不再是可靠的。

2.檢驗(yàn)、修正異方差性的方式方法？

3.以多元線性回歸為例說(shuō)明序列相關(guān)會(huì)產(chǎn)生怎樣的后果？(預(yù)測(cè),

矩陣表達(dá)式推到)

4.檢驗(yàn)、修正序列相關(guān)的方式方法？

5.什么是DW檢驗(yàn)法（前提條件）？

6.以多元線性回歸為例說(shuō)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式方法？

8.隨機(jī)解釋變量相關(guān)問(wèn)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)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)別方式方式方法、D.W、廣義差分法

第四章課后題（L2）

1、2題為計(jì)算題，見(jiàn)課本P134,答案見(jiàn)P84

第五章經(jīng)典單方程計(jì)量經(jīng)濟(jì)學(xué)模型：專門相關(guān)問(wèn)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）

L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(cè)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方式方

法存在哪些相關(guān)問(wèn)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(wú)限期的

分布滯后模型和有限期的分布滯后模型；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ytdby模型最為多見(jiàn)。

分布滯后模型使用0LS法存在以下相關(guān)問(wèn)題：（1）對(duì)于無(wú)限期的

分布滯后模型，由于樣本觀測(cè)值的有限性，使得無(wú)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方式方法會(huì)遇到：沒(méi)

有先驗(yàn)準(zhǔn)則確定滯后期長(zhǎng)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(zhǎng)，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)方式方法有哪些？

答：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)相關(guān)問(wèn)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(méi)有相關(guān)變量的數(shù)據(jù)；解釋變量無(wú)法測(cè)量或數(shù)據(jù)本身

存在測(cè)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(wú)關(guān)的解釋變量，盡管OLS估

計(jì)量具有無(wú)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)方式方法有：檢驗(yàn)是否含有無(wú)關(guān)變量，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(lái)完成。

10.簡(jiǎn)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(jiǎn)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(guò)觀測(cè)數(shù)據(jù)，利用各種檢驗(yàn)對(duì)模型進(jìn)行檢驗(yàn)并化簡(jiǎn)，最后得到一個(gè)相

對(duì)簡(jiǎn)單的模型。傳統(tǒng)建模理論的主導(dǎo)思想是“從簡(jiǎn)單到復(fù)雜”的建模

思想，它首先提出一個(gè)簡(jiǎn)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)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(jiǎn)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(jué)和經(jīng)驗(yàn)來(lái)

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(lái)看每一步建模的可行性，或?qū)ふ?/p>

改善模型的路徑：與傳統(tǒng)建模實(shí)踐中存在的過(guò)渡“數(shù)據(jù)開(kāi)采”相關(guān)問(wèn)

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(guò)度的“數(shù)據(jù)開(kāi)采”相關(guān)問(wèn)題；另外，

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)相關(guān)問(wèn)題往往有各種不同

經(jīng)濟(jì)理論來(lái)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(guò)程更復(fù)雜，相比之下，傳統(tǒng)建模方式方法則更加“靈活”。

第六章聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型理論與方式方法

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(jiǎn)化式模型、參

數(shù)關(guān)系體系、模型識(shí)別

第六章課后題（L2.3.）

L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(jiǎn)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)相關(guān)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(guò)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，在己知簡(jiǎn)

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)

模型相關(guān)系統(tǒng)是可以識(shí)別的。反過(guò)來(lái)，如果一個(gè)模型相關(guān)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)模型相關(guān)系

統(tǒng)是不可以識(shí)別的C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(guò)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)有哪些主要方式方法?

其適用條件和統(tǒng)計(jì)性質(zhì)各是什么？

答：?jiǎn)畏匠坦烙?jì)的主要方式方法有：狹義的工具變量法(IV),間

接最小二乘法(ILS),兩階段最小二乘法(2SLS)o

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(guò)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(wú)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(wú)偏估計(jì)量。對(duì)于間接最小二乘法，

對(duì)簡(jiǎn)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(wú)

偏性、有效性。通過(guò)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(wú)偏的。采用二階段最小

二乘法得到結(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(wú)偏的。

編號(hào)：

時(shí)間：2021年X月X日書山有路勤為徑，學(xué)海無(wú)涯苦作舟頁(yè)碼：第16頁(yè)共18頁(yè)

補(bǔ)充資料

計(jì)算題（一）

給出多元線性回歸的結(jié)果

1.判斷模型估計(jì)的結(jié)果如何，擬合效果如何？

2.說(shuō)明每一個(gè)參數(shù)所代表的經(jīng)濟(jì)意義？

3.判斷有沒(méi)有違背四個(gè)基本假設(shè)？

計(jì)算題（二）

給出數(shù)值，計(jì)算：

Lt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(wú)偏、有效？

計(jì)算題（三）

加入虛擬變量D1,D2,D3

問(wèn)：虛擬變量的經(jīng)濟(jì)含義？

2-1

解答。）總體回歸函數(shù)是指在給定%下丫分布的總體均值與％所形成

的函數(shù)關(guān)系（或者說(shuō)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)）。

（2）樣本回歸函數(shù)指從總體中抽出的關(guān)于y，x的若干組值形成的樣木所

建立的回歸函數(shù).

（3）隨扒的總體回歸曲數(shù)指含有的機(jī)干擾項(xiàng)的總體回歸函數(shù)（是相對(duì)r條

件期望形式而言的）?！⌒?/p>

（4）教材中所講的線性回歸模型既指對(duì)變量是線性的.也指對(duì)參數(shù)力為線

性的，即能彈變?與參數(shù)。只以它們的?次方出現(xiàn)。

第16頁(yè)共18頁(yè)

編號(hào)：

時(shí)間：2021年X月X日書山有路勤為徑，學(xué)海無(wú)涯苦作舟頁(yè)碼：第17頁(yè)共18頁(yè)

28現(xiàn)代投資分析的特征線涉及如F回口方程:

其中，〃表示股票或債券的收益率，9表示有價(jià)證券的收益率（用市場(chǎng)指數(shù)表示，

如標(biāo)準(zhǔn)普爾500指數(shù)），，表示時(shí)間，在投資分析中，4被稱為債券的安全系數(shù)

口,是用來(lái)度量市場(chǎng)的風(fēng)險(xiǎn)程度的，即市場(chǎng)的發(fā)展對(duì)公司的財(cái)產(chǎn)有何影響。依

據(jù)1956—1976年間240個(gè)月的數(shù)據(jù)，F(xiàn)ogler和Ganpathy得到IBM股票收益率

的回歸方程如下：

ir=0.7264f1.0598j

(0.300I)(0.072K)

始=0.4710

（1）解釋回歸參數(shù)的意義“

（2）如何解釋尸？

（3）安全系數(shù)僅、1的證券稱為不穩(wěn)定證券,建立適當(dāng)?shù)牧慵僭O(shè)及備選假設(shè)，

檢驗(yàn)IBM的股票是否是易變股票（a=5%）“

2-8

解答（1）回歸方程的截距0.7264表明當(dāng)o為0時(shí)的股票或債券收益率，

它本身沒(méi)有經(jīng)濟(jì)意義；回歸方程的斜率L0598表明當(dāng)有價(jià)證券的收益率每上

升（或下降）1個(gè)點(diǎn)將使股票或債券收益率上升（或下降）1.0598個(gè)點(diǎn)。

（2）及2為可決系數(shù)，是度量回歸方程擬合優(yōu)度的指標(biāo)，它表明該回歸方程

中47.1%的股票或債券收益率的變化是由力的變化引起的。當(dāng)然*=0.4710也

表明回歸方程對(duì)數(shù)據(jù)的擬合效果不是很好。

（3）建立零假設(shè)，0：4=1,備擇假設(shè)乜：自＞1,a=0.05,”240,查

表得臨界值&＞5（238）=1.645,由于

故接受零假設(shè)%：自=1,拒絕備擇假設(shè)H）:自＞1。說(shuō)明此期間IBM的股票不

是易變證券。

例6對(duì)于人均存款與人均收入之間的關(guān)系式S,=仁+6匕+從，使用美國(guó)

36年的年度數(shù)據(jù)，得到如下估計(jì)模型（括號(hào)內(nèi)為標(biāo)準(zhǔn)差）：