《计量经济学》名词解释和简答题汇总库（大学期末复习资料）

1、计量经济学名词解释和简答题汇总 【题型介绍】单选 15 分；名解 3 题 15 分；简答 2 题 20 分；分析 2 题 25 分；综合 25 分【名词解释】1、总体回归模型:Yi=E(Y|Xi)+Ui 或 Yi=Bo+B1Xi+Ui 式称为总体回归函数的随机设定形式， 它表明被解释变量 Y 除了受解释变量 X 的系统性影响外，还受其他未包括在模型中的诸多因素的随机性影响，U 即为这些影响因素的综合代表。由于方程中引入了随机干扰项，成 为计量经济学模型，因此也称为总体回归模型。2、总体回归直线:在给定解释变量 Xi 条件下被解释变量 Yi 的期望轨迹称为总体回归线， 或更一般地称为总体回归曲线

2、，相应的函数 E(Y|Xi)=f(Xi)称为（双变量）总体回归函数。3、样本回归模型：样本回归函数也有如下的随机形式：Yi=Yi（上有盖）+Ui（上有盖）=Bo（上有盖）+B1（上有盖）Xi+ei,其中 ei 称为（样本）残差（或剩余）项，代表了其他影响 Yi 的随机因素的集合，可看成是 Ui 的估计量 Ui（上有盖），由于方程中引入了随机项，成为计量经济学模型，因此也称为样本回归模型。4、样本回归直线：样本散点图近似于一条直线，画一条直线尽可能地拟合该散点图，由于样本取自总体，可用该线近似地代表总体回归线，该线称为样本回归线，其函数形式记为Yi（上有盖）=f(Xi)=Bo（上有盖）+B1（上

3、有盖）Xi 称为样本回归函数。5、可决系数：回归平方和（ESS）在总变差（TSS）中所占的比重称为可决系数，用 R2 表示。可决系数可以作为综合度量回归模型对样本观测值拟合优度的度量指标。可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，模型拟合优度越好。反之可决系数小，说明模型对样本观测值的拟合程度越差。6、调整的可决系数：又称修正后的决定系数，记为 R2 ，是为了克服多重决定系数会随着e2 /(n - k -1)解释变量的增加而增大的缺陷提出来的，其公式为：R2 = 1-t( yt - y ) /(n -1) 。7、最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的

4、方法。8、最小二乘原理：样本回归线上的点 Yi（上有盖）与真实观测点 Yi 之查可正可负，简单求和可能将很大的误差抵消掉，只有平方和才能反映二者在总体上的接近程度，这就是最小二乘原理。9、异方差性：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。10、序列相关性：多元线形回归模型的基本假设之一是模型的随机干扰项相互独立或不相关。如果模型的随机干扰项违背了相互独立的基本假设，称为存在序列相关性。11、多重共线性:(1)对于模型 Yi=Bo+B1X1i+B2X2i+.+BkXki+Ui, i=1,2,.,n 其基本假设之一是解释变量 X1，X2，.，Xk 是相互独

5、立的。如果某两个或多个解释变量之间出现了相关性，则称为存在多重共线性。12、方差扩大因子： 1 除以（1-多重可决系数的平方），决定了方差和协方差增大的速度，是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。13、内生变量：是由模型系统内部因素所决定的变量，（2 分）表现为具有一定概率分布的随机变量，是模型求解的结果。（1 分）14、外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。（2 分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。（1 分）15、滞后变量：是滞后内生变量和滞后外生变量的合称，（1 分）前期的内生变量称为滞后内生变量；（1 分）前

6、期的外生变量称为滞后外生变量。（1 分）16、前定变量：通常将外生变量和滞后变量合称为前定变量，（1 分）即是在模型求解以前已经确定或需要确定的变量。（2 分）17、虚拟变量：许多经济变量是可以定量度量的，为了在模型中反映对模型的影响因素，并提高模型的精度，需要将它们“量化”，这种“量化”是通过引入“虚拟变量”来完成的。根据这些因素的属性类型，构造只取“0”或“1”的人工变量，通常称为虚拟变量。18、虚拟变量陷阱：自变量中包含了过多的虚拟变量造成的错误；当模型中既有整体截距又对每一组都设有一个虚拟变量时，该陷阱就产生了。或者说，由于引入虚拟变量带来的完全共线性现象就是虚拟变量陷阱。【简答题】2

7、.1 一元线性回归模型的基本假设2.2 参数的普通最小二乘估计法和最大似然估计法的基本思想各是什么2.4 比较 t 检验、F 检验的异同，并说明一元回归模型中 t 统计量和 F 统计量的关系一、经典假设条件的内容是什么？（应用最小二乘法应满足的古典假定？）1)解释变量 x1,x2,xk 是确定性变量，不是随机变量；而且解释变量之间互不相关。2)随机误差项具有 0 均值和同方差。3)随机误差项在不同样本点之间是独立的，不存在序列相关。4)随机误差项与解释变量之间不相关。5)随机误差项服从 0 均值，同方差的正态分布。二、什么是随机误差项？随机误差项包括哪些因素？设定随机误差项的原因有哪些？随机误

8、差项是模型设定中省略下来而又集体地影响着被解释变量 Y 的全部变量的替代物。随机误差项包括以下因素：A. 在解释变量中被忽略的因素的影响。B. 变量观测值的观察误差的影响。C. 模型关系的设定误差的影响。D. 其它随机因素的影响。设定随机误差项的原因：理论的含糊性；数据的欠缺；节省的原则。三、最小二乘估计量有哪些特性？高斯-马尔科夫定理的内容是什么？判断一个估计量是否为优良估计量需要考察的统计性质：A. 线性，考察估计量是否是另一个随机变量的线性函数；B. 无偏性，考察估计量的期望是否等于其真值；C. 有效性，考察估计量在所有的无偏估计量中是否有最小方差。上述三个统计特性称为估计量的小样本性质

9、。具有这类性质的估计量是最佳的线性无偏估计量。在模型假定条件成立的情况下，根据普通最小二乘估计法得到的估计量具有BLUE 的性质，这就是高斯-马尔科夫定理定理。上述三个性质针对的是小样本，针对大样本还有三个渐近性质：A. 渐近无偏性：表示当样本容量趋于无穷大时，估计量的均值趋于总体均值。B. 一致性：表示当样本容量趋于无穷时，估计量依概率收敛于总体的真值。C. 渐近有效性：样本容量趋于无穷时，估计量在所有的一致估计中，具有最小的渐近方差。四、为什么用可决系数 R2 评价拟合优度，而不是用残差平方和作为评价标准？可决系数和相关系数有什么区别与联系？样本可决系数 R2 反映了回归平方和占总离差平方

10、和的比重，表示由解释变量引起被解释变量的变化占被解释变量总的变化的比重，因而可用来判定回归直线拟合程度的优劣， 该值大表示回归直线对样本店的拟合程度好。残差平方和反映随机误差项包含因素对被解释变量变化影响的绝对程度，它与样本容量有关，样本容量大时，残差平方和一般也大，样本容量小时，残差平方和也小，因此样本容量不同时得到的残差平方和不能用于比较。此外，检验统计量一般应是相对量而不能是绝对量，因而不宜使用残差平方和判断模型的拟合优度。可决系数和相关系数的联系和区别：A. 相关系数是建立在相关分析基础上的，研究的是随机变量之间的关系；可决系数则是建立在回归分析基础上，研究的是非随机变量 X 对随机变

11、量 Y 的解释程度。B. 在取值上，可决系数是样本相关系数的平方。C. 样本相关系数是由随机的 X 和 Y 抽样计算得到，因而相关关系是否显著，还需进行检验。五、说明显著性检验的过程。1) 提出原假设和备择假设。2)选择并计算在原假设成立情况下的统计量。2) 给定显著水平 a，查临界值表进行判断。六、影响预测精度的主要因素是什么？样本容量；模拟的拟合优度。七、在多元线性回归分析中，为什么用调整的可决系数衡量估计模型对样本观测值的 拟合优度？未调整可决系数 R2 的一个总要特征是：随着样本解释变量个数的增加，R2 的值越来越高，（即 R2 是解释变量个数的增函数）。也就是说，在样本容量不变的情况

12、，在模型中增加新的解释变量不会改变总离差平方和（TSS），但可能增加回归平方和（ESS），减少残差平方和（RSS），从而可能改变模型的解释功能。因此在多元线性回归模型之间比较拟合优度时，R2 不是一个合适的指标，需加以调整。而修正的可决系数：其值不会随着解释变量个数 k 的增加而增加，因此在用于估计多元回归模型方面要优于未调整的可决系数。八、 在多元线性回归分析中，可决系数 R2 与总体线性关系显著性检验统计量 F 之间有何关系？t 检验与 F 检验有何不同？是否可以替代？在一元线性回归分析中二者是否有等价作用？在多元线性回归分析中，可决系数 R2 与总体线性关系显著性检验统计量 F 关系如下

13、：可决系数是用于检验回归方程的拟合优度的，F 检验是用于检验回归方程总体显著性的。两检验是从不同原理出发的两类检验，前者是从已经得到的模型出发，检验它对样本观测值的拟合程度，后者是从样本观测值出发检验模型总体线性关系的显著性。但两者是关联的，这一点也可以从上面两者的关系式看出，回归方程对样本拟和程度高，模型总体线性关系的显著性就强。在多元线性回归模型分析中，t 检验常被用于检验回归方程各个参数的显著性，是单一检验；而 F 检验则被用作检验整个回归关系的显著性，是对回归参数的联合检验。在多元线性回归中，若 F 检验拒绝原假设，意味着解释变量与被解释变量之间的线性关系是显著的，但具体是哪个解释变量

14、与被解释变量之间关系显著则需要通过 t 检验来进一步验证， 但若 F 检验接受原假设，则意味着所有的 t 检验均不显著。两者是不可互相替代的。在一元线性回归模型中，由于解释变量只有一个，因此 F 检验的联合假设等同于 t 检验的单一假设，两检验作用是等价的。九、什么是异方差？异方差产生的原因是什么？如何检验和处理？1) 异方差性产生的原因：A. 模型中遗漏了某些逐渐增大的因素的影响。B. 模型函数形式的误定误差。C. 随机因素的影响。2) 检验异方差性的方法：图解法、帕克检验、格莱泽检验、斯皮尔曼的等级相关检验、哥德费尔德-匡特检验。3) 修正异方差性的主要方法：加权最小二乘法，通过赋予不同观

15、测点以不同的权数， 从而提高估计精度，即重视小误差的作用，轻视大误差的作用。十、模型存在异方差时，会对回归参数的估计与的检验产生什么影响？1) 最小二乘估计不再是有效估计。2) 无法确定估计系数的标准误差。3) T 检验的可靠性降低。4) 增大模型的预测误差。当模型存在异方差时，根据普通最小二乘法估计出的参数估计量仍具有线性特性和无 偏性，但不再具有有效性；用于参数显著性的检验统计量，要涉及到参数估计量的标准差， 因而参数检验也失去意义。十一、序列相关违背了哪些基本假定？其来源有哪些？检验方法有哪些，都适用于何种 形式的序列相关检验？模型的序列相关违背的基本假定是 Cov(ui,uj) = 0

16、 (i j)。序列相关的来源有：A.经济变量固有的惯性；B.模型设定的偏误；C.模型中遗漏了重要的带有自相关的解释变量；D.数据的“编造”。序列相关的检验有：A.图示法B.D-W 检验，适用于检验一阶自回归形式的序列相关；C.回归检验法，适用于各种类型的序列相关检验；D.拉格朗日乘子检验，适用于高阶序列相关及模型中存在滞后解释变量的情形。十二、简述序列相关带来的后果。1) 最小二乘估计不再是有效估计。参数估计量仍是无偏的。参数估计值不再具有最小方差性。2) 随机误差项的方差一般会低估。3) 检验的可靠性降低。4) 降低模型的预测精度。十三、简述 DW 检验的步骤和应用条件。DW 检验的步骤：A

17、.做 OLS 回归并获取残差。B.计算 d。C.对给定样本大小和给定解释变量个数找出临界 dl 和 du 值。D.按决策规则行事。DW 检验应用条件：A.模型中含有截距项。B.解释变量 X 是非随机的。C.随机误差项 ut 为一阶自相关。D.误差项被假定为正态分布。E.线性回归模型中不应含有滞后内生变量作为解释变量。F.统计书籍比较完整，无缺失项。十四、什么是多重共线性？产生多重共线性的原因是什么？多重共线性造成的影响是什 么？检验多重共线性的方法是什么？有哪些解决方法？1) 对于多元回归线性模型，如果某两个或多个解释变量之间出现了相关性，则称多重共线性。2) 产生多重共线性的原因：A.经济变

18、量的内在联系，这是产生多重共线性的根本原因。B.经济变量变化趋势的共同性。C.在模型中引入滞后变量也容易产生多重共线性。3) 多重共线性造成的影响：A.增大最小二乘估计量得方差B.难以区分每个解释变量的单独影响C.检验的可靠度降低D.完全共线性下参数估计量不存在4) 多重共线性的检验方法：A.相关系数检验法B.辅助回归模型检验C.方差膨胀因子检验D.特征值检验5) 多重共线性的解决方法：A.保留总要的解释变量，去掉次要的或可替代的解释变量。B.间接剔除重要的解释变量。利用先验信息改变参数的约束形式；变换模型形式。C.综合使用时序数据和截面数据。D.逐步回归法（Frisch 综合分析法）E.主成分回归。十五、回归模型中引入虚拟变量的一般