计量经济学知识点(超全版)

1.经济变量：经济变量用来描述经济因素的数量水平。(3分)2.解释变量：用于解释变量(即因变量)作为研究对象发生变化的原因和方式的变量。(2)它解释了因变量的变化，因变量在方程描述的因果关系中表示为“原因”。(1分)3.解释变量：作为研究对象的变量。(1)它的变化用解释变量来解释，解释变量显示了由等式描述的因果关系的结果。(2分)4.内生变量：由模型系统内部因素决定的变量，(2分)是具有一定概率分布的随机变量，是模型解的结果。(1分)5.外生变量：由模型系统之外的因素决定的变量，表示为非随机变量。(2)它影响模型中的内生变量，其值在模型求解前已经确定。(1分)6.滞后变量：滞后内生变量和滞后外生变量的组合，(1)早期的内生变量称为滞后内生变量；(1)早期的外生变量称为滞后外生变量。(1分)7.预定变量：外生变量和滞后变量通常称为预定变量，(1分)是模型求解前已经确定或需要确定的变量。(2分)8.控制变量：在计量经济模型中人为设定的变量，以反映政策要求、决策者的意愿、经济系统的运行条件和状态等。(2)它一般是外生变量。(1分)9.计量经济学模型：用于研究和分析系统中经济变量之间数量关系的随机代数模型，(2点)是对客观经济现象的数学描述和概括。(1分)10.函数关系：如果变量Y的值可以由另一个变量或另一组变量以某种形式唯一而精确地确定，那么Y和这个变量或这组变量之间的关系就是函数关系。(3分)11.相关性：如果变量Y的值受另一个变量或另一组变量的影响，但不是由它们唯一决定的，那么Y和这个变量或这组变量之间的关系就是相关性。(3分)12.最小二乘法：通过最小化估计的残差平方和来确定样本回归函数的方法称为最小二乘法。(3分)13.高斯-马尔可夫定理：在经典假设下，OLS估计量是模型参数的最佳线性无偏估计量。这个结论就是高斯-马尔可夫定理。(3分)14.总变差(偏差平方和):在回归模型中，解释变量的观察值与其平均值之间的偏差平方和。(3分)15.回归变异(回归平方和):在回归模型中，因变量的估计值与其平均值之间的偏差平方和(2分)是解释变量解释的变异。(1分)16.残差方差(残差平方和):在回归模型中，因变量的观测值和估计值之间的差值的平方和(2分)是无法用解释变量解释的部分方差。(1分)17.估计标准误差：在回归模型中，随机误差项方差估计量的平方根。(3分)18.样本决定系数：回归平方和在总变异中的比例。(3分)19.点预测：给定自变量的某一值，用样本回归方程得到相应的样本拟合值，作为因变量的实际值和平均值的估计值。(3分)20.拟合优度：样本回归线和样本观察数据之间的拟合程度。(3分)21.残差：样本回归方程的拟合值和观测值之间的误差称为回归残差。(3分)22.显著性检验：使用样本结果来验证虚拟假设真实性的检验程序。(3分)23.回归变异：缩写为ESS，即回归直线(即解释变量)(2点)和X对Y的线性影响(1点)所解释的部分。24.残差变异：缩写为RSS，是未用回归直线(2点)解释的部分，由解释v以外的因素引起25.多重决定因素：在多重线性回归模型中，回归平方和与总偏差平方和的比值(1点)，即解释变量总变化中可由解释变量解释的变化比例，称为多重决定因素，仍由R2 (2点)表示。26.调整后的决策系数：也称为修正后的决策系数，是为了克服多个决策系数会随着解释变量的增加而增加的缺点而提出的，(2分)公式是：(1分)。27.部分相关系数：在Y、X1和X2三个变量中，当X1被设定时(即不受X1影响)，代表Y和X2之间相关性的指数被称为部分相关系数并被记录。(3分)28.异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即不同解释变量的观测值互不相同，那么随机项就称为异方差性。(3分)29.goldfeld-quandt检验：这种方法是由goldfeld (S.M.Goldfeld)和quandt (R.E.Quandt)于1965年提出的，异方差性是通过分段比较样本来判断的。(3分)30.怀特检验：该检验由怀特于1980年提出，通过建立辅助回归模型来判断异方差性。(3分)31.歌利亚测试和帕克测试：这种测试方法是歌利亚和帕克在1969年提出的。其基本原理是通过建立残差序列对解释变量的(辅助)回归模型，判断随机误差项的方差与解释变量之间是否存在强相关性，进而判断是否存在异方差。(3分)32.序列相关性：对于模型随机误差项相互独立的基本假设是(1分)如果是的话也就是说，对于不同的样本点，随机误差项不再是完全相互独立的，而是存在一定的相关性，那么序列相关性被认为已经发生。(2分)33.错误序列相关性：指模型的序列相关性是由于忽略了重要的解释变量而引起的。34.差分法：差分法是克服序列相关性的有效方法，应用广泛。差分法将原始模型转化为差分模型，分为一阶差分法和广义差分法。35.广义差分法：广义差分法可以克服各种序列相关带来的问题，一阶差分法是一个特例。36.自回归模型：37.广义最小二乘法：它是最具普遍意义的最小二乘法。普通最小二乘法和加权最小二乘法是其特例。38.德宾和沃森在1951年提出了一种适用于小样本的测试方法。数据仓库测试方法有五个先决条件。39.Cochran-orcutt迭代法：它是通过连续下降寻求更令人满意的估计，然后使用广义差分法。具体来说，该方法使用残差来估计未知量。（40.杜宾的两步方法：当自相关系数未知时，杜宾的两步方法可以用来消除自相关。第一步是用OLS方法估计多元回归模型的参数，第二步是重用广义差。41.相关系数：衡量变量之间相关程度的系数，通常用表示。越接近1，相关性越强，越接近0，相关性越弱。42.多重共线性：指解释变量之间完全或不完全的线性关系。43.方差膨胀系数：指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。44.量化定性因素，构建数值为0和1的人工变量。45.在建立模型时，如果解释变量的构成、模型函数的形式和一些关于随机误差项的假设与客观实际不一致，计量经济学模型被用来描述经济现象引起的误差。46.它是指与模型中的随机解释变量高度相关但与随机误差项不相关的变量。47.用工具变量替换模型中与随机误差项相关的随机解释变量的方法。48.由于引入了虚拟变量，re的截距或斜率49.这是虚拟变量的应用。当解释变量低于某个已知的临界水平时，由虚拟变量建立的模型称为分段线性回归模型。50.分布滞后模型：如果滞后变量模型中没有滞后因变量，因变量受解释变量的影响，并在不同时期分布在解释变量的滞后值上，则该模型称为分布滞后模型。51.有限分布滞后模型：具有有限滞后周期的分布滞后模型称为有限分布滞后模型。52.无限分布滞后模型：具有无限滞后周期的分布滞后模型称为无限分布滞后模型。53.几何分布滞后模型：对于无限分布滞后模型，如果滞后变量的系数bi按几何顺序衰减，该模型称为几何分布滞后模型。54.联立方程模型：指由两个或多个相互关联的方程构成的模型。55.结构化模型：一个基于经济理论并反映经济变量之间直接关系的测量方程系统。56.简化模型：指联立方程中的每个内生变量只是预定变量和随机误差项的函数。57.结构参数：结构模型中的参数称为结构参数58.简化参数：简化模型中的参数称为简化参数。59.标识：指结构模型的参数估计值是否可以从简化模型的参数估计值中导出。60.未识别：指结构模型的参数估计值不能从简化模型的参数估计值中导出。61.识别顺序条件：如果可以识别一个方程，方程中未包含的变量总数应大于或等于模型系统中的方程数减1。62.辨识的秩条件：方程可辨识的一个充分必要条件是方程中未包含的所有参数矩阵的秩为m-1。63.间接最小二乘法：首先用最小二乘法估计简化方程，然后通过参数关系系统求解简化参数的估计值，得到结构参数的估计值。4.简答题(每题5分)1.简要描述计量经济学与经济学、统计学、数理统计之间的关系。计量经济学是经济理论、统计学和数学的结合。(1)经济学侧重于经济现象的定性研究，而计量经济学侧重于定量研究。(1)统计学是一门关于如何收集、整理和分析数据的科学，而计量经济学使用经济统计学提供的数据来估计和验证经济变量之间的数量关系。(1)作为一门数学学科，数理统计可以应用于经济领域，也可以应用于其他领域。计量经济学仅限于经济领域。(1)建立计量经济模型的过程是综合运用理论、统计和数学方法的过程。计量经济学是经济理论、统计和数学的统一。2.计量经济学模型的应用是什么？答：结构分析。(1)经济预测。(1)政策评估。(1) 检验和发展经济理论。(2分)3.简要描述建立和应用计量经济模型的主要步骤。答：根据经济理论建立计量经济模型；(1分)样本数据的收集；(1)参数估计；(1) 模型试验；(1)计量经济模型的应用。(1分)4.计量模型的检验应从几个方面入手。答：经济显著性检验；(2分)(2)统计标准检验；(1)计量标准检验；(1分)模型预测检验。(1分)5.计量经济学中使用的数据是如何分类的？答：四种分类：时间序列数据；(1分)横断面数据；(1) 混合数据；(1分)虚拟变量数据。(2分)6.在计量经济模型中，为什么会有一个随机误差项？答：随机误差项是计量经济模型中不可缺少的一部分。(1)随机误差项产生的原因有：模型中忽略影响因素造成的误差；(1) 模型关系识别不准确造成的误差；(1)变量的测量误差；(1分)随机因素。(1分)7.经典线性回归模型的基本假设是什么？答：零均值假设。(1)即在给定的xt条件下，随机误差项的数学期望(均值)为0，即。(2)相同的方差假设。(1)误差项的方差与T无关，是一个常数。无自相关假设。(1)也就是说，不同的误差项是相互独立的。假设解释变量与随机误差项不相关。(1) 正态假设，(1)假设误差项服从均值为0、方差为的正态分布。8.一般回归模型和样本回归模型的区别和联系。答：主要区别：描述的对象不同。(1)总体回归模型描述了总体中变量Y和X之间的关系，而样本回归模型描述了观察样本中变量Y和X之间的关系。(2)建立了不同的模型。(1)基于群体的所有观测数据建立群体回归模型，基于样本观测数据建立样本回归模型。模型的性质不同。(1)人口回归模型不是随机模型，样本回归模型是随机模型，随着样本的变化而变化。主要环节：样本回归模型是人口回归模型的估计公式。建立样本回归模型的目的是估计总体回归模型。(2分)9.试着描述回归分析和相关分析之间的联系和区别。答：两者的关系：相关性分析是回归分析的前提和基础；回归分析是相关分析的深化和延续。(1)点(2)相关分析和回归分析之间有着内在的联系。(1分)两者的区别：回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是等价的。(1点)对于两个变量X和Y，在相关分析中：在回归分析中，和是两个完全不同的回归方程。(1点)(3)回归分析需要解释变量y是随机变量并且解释变量x是非随机变量的数据；相关性分析的要求是两个变量都是随机的。(1分)10.在经典假设下，线性回归模型的普通最小二乘估计的统计性质是什么？答：线性分别指参数估计量与观测值和随机误差项的线性函数或线性组合。(1点)无偏性，即参数估计量之和的平均值(期望值)分别等于总体参数之和。(2分)有效性(最小方差或最优性)是指所有线性无偏估计中最小二乘估计之和的最小方差。(2分)11.简要描述蓝色的含义。回答：BLUE是最佳线性无偏估计量，它是最佳线性无偏估计量的缩写。(2)在经典假设下，最小二乘估计是线性的、无偏的和有效的，是最好的线性无偏估计，即BLUE。这个结论就是著名的高斯-马尔可夫定理。(3分)12.对于多元线性回归模型，为什么需要在总体显著性检验后检验每个回归系数是否为0？答：多元线性回归模型的总体显著性检验是检验模型中的所有解释变量是否对解释变量有显著影响。(1)通过该F检验后，可以说模型中所有解释变量对解释变量的共同影响是显著的，但不能确定模型中每个解释变量对解释变量的影响是显著的。(3)因此，也有必要测试每个解释变量对解释变量的影响是否显著，即进行T检验。(1分)13.给定一个二元回归模型，请描述该模型的经典假设。答：(1)随机误差项的期望值为零，即。(2)不同的随机误差项相互独立，即(1分)。(3)随机误差项的方差独立于t并且是常数，即零差假设(1点)。(4)随机误差项与解释变量无关，即一般假设它是非随机变量，这一假设自动成立(1分)。(5)随机误差项是服从正态分布的随机变量，即(1分)。