计量经济学 - 复习(共6页)

1、一名词解释1.受限因变量：一些连续因变量的值域以某种受约束的形式(xngsh)表示。2.异方差性：回归模型(mxng)中随机误差项有不同的方差。3.多重共线性：多元线性回归模型(mxng)中，解释变量之间有较强的线性回归关系。4.自相关性：对于yt=0+1x1t+txkt+t， HYPERLINK /view/4003890.htm t _blank 随机误差项的各期望值之间存在着相关关系。5.虚拟变量：反映定性因素变化，只取0和1的人工变量。6.时间序列的平稳性：如果随机时间序列yt满足E（yt）=,D（yt）=，Cov（yt,yt+k）=k，即时间序列均值和方差都是与t无关的常数，协方差只

2、和时间间隔k有关。7.Granger单（双）向因果关系检验：如果Xt，Yt为平稳过程，对于模型Xt=c1+jXt-j+jYt-j+1t , yt=c2+jYt-j+jXt-j+2t。1，2为白噪声。若j=j=0，则Xt，Yt相互独立；若j=，j0，则Xt是Yt的格兰杰原因；若都0，则互为格兰杰原因。8.误差修正模型：yt=0 xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.时间序列的单整性：如果一个非平稳序列yt经过d阶差分后成为平稳序列，则称这个序列是d阶单整序列，记为ytI（d）10.时间序列的协整性：设时间序列x1t，x2txktI（d）即都是d阶单整序列，如果存

3、在常数向量=（1，2t），使得1x1，2x2txtI(d-b),则称时间序列之间存在阶数为（d，b）的协整关系，简称xi之间是协整的，记为xiCI（d，b）11.波动聚集性：金融时间序列的波动幅度往往有不稳定性，具体表现为金融时间序列在某些时段内波动幅度较小，另外一些时段波动幅度却很大，通常较大幅度波动跟着较大幅度波动，较小幅度波动跟着较小幅度波动。12.随机误差项：表示实际的y值和期望值之间的差距。i=yi-(0+1xi)13.计量经济学：以一定的经济理论和实际统计资料为依据，运用数学、统计学方法和计算机技术，通过建立计量经济模型，定量分析经济变量之间的随机因果关系。14.伴随概率P：假设检

4、验中犯第一类错误（弃真）的概率。二填空1.合理选择解释变量的关键：正确理解有关经济理论，把握研究经济现象的行为规律2.自相关系数估计的常用方法：近似估计法（大样本DW近似公式，小样本泰尔公式）Durbin估计法迭代估计法搜索估计法3.多个非平稳序列变量具有协整关系的统计含义：这些非平稳序列经线性组合后变平稳序列。4.建立计量经济模型统计数据主要有3种类型：时间序列数据，横截面数据，面板数据。5.计量经济模型检验的内容一般包括：经济检验，统计检验，计量经济检验，预测性能检验。6.计量经济模型的用途：结构分析，经济预测，政策评价，实证分析。7.OLS基本原理：利用样本建立的回归模型预测被解释变量的

5、理论值和被解释变量的实际观测值的离差平方和最小。8.高斯马尔科夫定理：如果(rgu)线性模型yi=0+l=1l=klxli+i满足(mnz)回归分析的基本假定，则模型参数最小二乘估计B=（XTX）-1XTY，是真值B的最佳(zu ji)线性无偏有效估计。9.对不可线性化的非线性模型处理方法：对可间接线性化的，可通过适当的变量变化可编程标准线性模型，然后按照线性模型方法进行计量经济研究；对无法线性化的，可用泰勒级数展开法，展开成多项式模型，再通过标准化方法进行线性化，或者采用非线性最小二乘法进行迭代估计研究。10.高阶自相关性检验方法有：偏相关系数检验法，BG检验法。11.模型结构稳定性检验有两

6、个用途：分析模型结构对样本变化的敏感性；比较两个及以上回归模型之间的差异，即分析模型结构是否发生了显著性变化。12.P阶自回归序列AR(p)的识别条件：当一个时间序列的自相关函数是拖尾的，而偏自相关函数又是截尾的，则该时间序列就是AR（P）序列，并可根据偏自相关函数的截尾程度确定阶数p。13.对只存在一个协整关系的变量之间进行协整检验的方法：EG两步法即两步估计法。14.对于变量之间存在多个协整关系时，应采用基于向量自回归模型（VAR）的Johansen协整检验法。15.用于建立精良经济模型的数据必须具有：完整性、准确性、可比性、一致性。16.预测性能检验的方法：扩大样本容量或变换样本重新估计

7、模型，再检验新的估计值和原来的估计值是否有显著性差异利用模型对样本期以外时期进行预测，再比较预测值和实际观测值的误差。17.MA(q)的识别条件：当一个时间序列的自相关函数是截尾的，而偏自相关函数又是拖尾的，则该时间序列就是MA(q)序列，并可根据自相关函数的截尾程度确定阶数q。18.ARMA(p,q)当一个时间序列的自相关函数和偏自相关函数都是拖尾的，就是ARMA(p,q)序列。19.计量经济研究的步骤：建立理论模型、估计模型参数、检验估计的模型、应用模型进行定量分析。四简答1.进行Granger因果关系检验时为什么一定要研究的时间序列必须是平稳的？答：研究发现，如果不平稳，结论经常不完全准

8、确甚至相反，为了科学性，必须考虑平稳性问题，只有平稳的才能得到满意结果。2.多元线性回归模型基本假定：随机误差项均值为0随机误差项有相同方差随机误差项互不相关解释变量是非随机变量，值是确定的解释变量和随机误差项不相关解释变量之间不存在完全多重共线性随机误差项服从正态分布。3.针对计量经济模型出现多重共线性问题时，忽略处理的前提条件：如果建模的目的是进行预测，只要模型拟合优度系数较高（即能正确反映所有解释变量的总影响），并且解释变量的相关类型在预测期内保持不变，就可以忽略多重共线性的问题；不能忽略的条件：如果是建模进行结构分析或政策评价，即利用系数分析、比较各个解释变量的单独影响时，需要消除多重

9、共线性的影响。4.logistic回归和普通线性回归模型(mxng)的区别：非线性与线性L研究(ynji)某时间发生概率P与解释(jish)变量x之间的相互关系，线性回归模型研究因变量y的均值与解释变量x之间相互关系L中没随机误差项；线性回归中有，还有独立性、同分布、方差为常数的古典假设条件估计L的模型参数时，数据必须来自随机样本，即各观测值相互独立；普通线性回归无此要求。不过他们都要求不存在严重的多重共线性。5.预测的评估标准：均方根误差和平均绝对误差平均绝对百分误差Theil不等系数偏斜率、方差率、协变率。五证明1.误差修正模型ECM推导：对于yt的(1,1)阶自回归分布滞后模型yt=+0

10、 xt+1xt-1+2yt-1+t,模型两端同时减yt-1,并在右端0 xt-1,得: yt=+0 xt+(0+1)xt-1+(2-1)yt-1+t=0 xt+(2-1)yt-1-(+0)/(1-2)-1*xt-1/(1-2)+t=0 xt+yt-1-0-1*xt-1+t,记ecmt-1=yt-1-0-1xt-1,则yt=0 xt+ecmt-1+t .2.六论述1异方差性产生原因、影响后果、诊断方法和解决方法原因：模型中遗漏了对被解释变量影响逐渐增大的因素模型函数形式的设定误差随机因素。后果：OLS不再是有效估计系数的标准误差无法准确估计t检验可靠性降低加大模型预测误差。诊断方法：图示检验法包

11、括相关图法和残差分布图；G-Q检验法；White检验法；帕克检验法；Gleiser检验法。解决方法：模型变换法加权最小二乘法WLS。2自相关性产生原因、影响后果、诊断方法和解决方法原因：遗漏重要解释变量模型函数形式设定不当经济惯性随机因素。影响后果：OLS不再有效估计低估OLS估计的标准误差t检验可靠性降低降低模型预测精度。诊断方法：残差图分析D-W检验高阶自相关性检验。解决方法：广义差分法自相关系数的估计方法3多重共线性产生原因、影响后果、诊断方法和解决方法原因：经济变量的内在联系，这种相互影响几乎使任何模型产生多重共线性经济变量变化趋势的共同性解释变量中含有滞后变量，则解释变量会与滞后变量

12、产生多重共线性。后果：增大OLS估计方差难以区分每个解释变量的单独影响t检验可靠性降低回归模型缺乏稳定性。诊断方法：相关系数检验辅助回归模型检验方差膨胀因子（或容忍度）检验特征根检验。解决方法：直接剔除次要或可替代变量间接剔除重要解释变量，其中间接剔除重要解释变量采用以下方法：利用附加信息；变换模型形式；综合使用时序数据和横截面数据。逐步回归法主成份回归法。4.虚拟变量的作用：描述和测量定性因素的影响正确反映经济变量之间的相互关系，提高模型精度便于处理异常数据；虚拟变量的设置方式：加法方式乘法方式混合方式。设置原则：一因素多类型多因素两种类型其他原则。虚拟变量的特殊应用：调整季节波动检验模型结

13、构稳定性分段回归混合回归八模型(mxng)计算1.试检验(jinyn)白噪声序列Xt=t，tN（0，）的平稳性。由题知，E（t）=0，t=1,2,D(t)=C，均为与t无关(wgun)常数，又t与t+k不相关（基本假定）Cov（t，t+k）=0，满足时间序列平稳性条件，故白噪声序列平稳2.试检验AR（1）模型即yt=yt-1+ t的平稳性条件。两边平方再求数学期望，得到yt方差：E(yt)=E(yt-1)+E(t)+2E(yt-1 t).即yt仅与t相关,因此E(yt-1 t)=0,如果该模型稳定,各分量有相同方差,则有E(yt)=E(yt-1),从而上式可变化为:0=y=()/(1-),若y

14、t是平稳序列,其方差应该是一非负常数,即1,也就是说当1,AR(1)时间序列是平稳的。1.受限因变量：一些连续因变量的值域以某种受约束的形式表示。2.异方差性：回归模型中随机误差项有不同的方差。3.多重共线性：多元线性回归模型中，解释变量之间有较强的线性回归关系。4.自相关性：对于yt=0+1x1t+txkt+t， HYPERLINK /view/4003890.htm t _blank 随机误差项的各期望值之间存在着相关关系。5.虚拟变量：反映定性因素变化，只取0和1的人工变量。6.时间序列的平稳性：如果随机时间序列yt满足E（yt）=,D（yt）=，Cov（yt,yt+k）=k，即时间序列

15、均值和方差都是与t无关的常数，协方差只和时间间隔k有关。7.Granger单（双）向因果关系检验：如果Xt，Yt为平稳过程，对于模型Xt=c1+jXt-j+jYt-j+1t , yt=c2+jYt-j+jXt-j+2t。1，2为白噪声。若j=j=0，则Xt，Yt相互独立；若j=，j0，则Xt是Yt的格兰杰原因；若都0，则互为格兰杰原因。8.误差修正模型：yt=0 xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.时间序列的单整性：如果一个非平稳序列yt经过d阶差分后成为平稳序列，则称这个序列是d阶单整序列，记为ytI（d）10.时间序列的协整性：设时间序列x1t，x2tx

16、ktI（d）即都是d阶单整序列，如果存在常数向量=（1，2t），使得1x1，2x2txtI(d-b),则称时间序列之间存在阶数为（d，b）的协整关系，简称xi之间是协整的，记为xiCI（d，b）11.波动聚集性：金融时间序列波动幅度往往有不稳定性，具体表现为金融时间序列在某些时段内波动幅度较小，另外一些时段波动幅度却很大，通常较大幅度波动跟着较大幅度波动，较小幅度波动跟着较小幅度波动。12.随机误差项：表示实际的y值和期望值之间的差距。i=yi-(0+1xi)1.合理选择解释变量的关键：正确理解有关经济理论，把握研究经济现象的行为规律2.自相关系数估计的常用方法：近似估计法（大样本DW近似公式

17、，小样本泰尔公式）Durbin估计法迭代估计法搜索估计法3.多个非平稳序列变量具有协整关系的统计含义：这些非平稳序列经线性组合后变平稳序列。4.建立计量经济模型统计数据主要有3种类型：时间序列数据，横截面数据，面板数据。5.计量经济模型检验的内容一般包括：经济检验，统计检验，计量经济检验，预测性能检验。6.计量经济模型的用途：结构分析，经济预测，政策评价，实证分析。7.OLS基本原理：利用样本建立的回归模型预测被解释变量的理论值和被解释变量的实际观测值的离差平方和最小。8.高斯马尔科夫定理：如果线性模型yi=0+l=1l=klxli+i满足回归分析的基本假定，则模型参数最小二乘估计B=（XTX

18、）-1XTY，是真值B的最佳线性无偏有效估计。9.对不可线性化的非线性模型处理方法：对可间接线性化的，可通过适当的变量变化可编程标准线性模型，然后按照线性模型方法进行计量经济研究；对无法线性化的，可用泰勒级数展开法，展开成多项式模型，再通过标准化方法进行线性化，或者采用非线性最小二乘法进行迭代估计研究。10.高阶自相关性检验方法有：偏相关系数检验法，BG检验法。11.模型结构稳定性检验有两个用途：分析模型结构对样本变化的敏感性；比较两个及以上回归模型之间的差异，即分析模型结构是否发生了显著性变化。12.P阶自回归序列AR(p)识别条件：当一个时间序列自相关函数是拖尾的，偏自相关函数又是截尾的，

19、则该时间序列就是AR（P）序列，并可根据偏自相关函数的截尾程度确定阶数p。13.对只存在一个协整关系的变量之间进行协整检验的方法：EG两步法即两步估计法。14.对于变量之间存在多个协整关系时，应采用基于向量自回归模型（VAR）的Johansen协整检验法。1.进行Granger因果关系检验时为什么一定要研究的时间序列必须是平稳的？答：研究发现，如果不平稳，结论经常不完全准确甚至相反，为了科学性，必须考虑平稳性问题，只有平稳的才能得到满意结果。2.多元线性回归模型基本假定：随机误差项均值为0随机误差项有相同方差随机误差项互不相关解释变量是非随机变量，值是确定的解释变量和随机误差项不相关解释变量之

20、间不存在完全多重共线性随机误差项服从正态分布。3.针对计量经济模型出现多重共线性问题时，忽略处理的前提条件：如果建模的目的是进行预测，只要模型拟合优度系数较高（即能正确反映所有解释变量的总影响）并且解释变量的相关类型在预测期内保持不变，就可以忽略多重共线性的问题；不能忽略的条件：如果是建模进行结构分析或政策评价，即利用系数分析、比较各个解释变量的单独影响时，需要消除多重共线性的影响。4.logistic回归和普通线性回归模型的区别：非线性与线性L研究某时间发生概率P与解释变量x之间的相互关系，线性回归模型研究因变量y的均值与解释变量x之间相互关系L中没随机误差项；线性回归中有，还有独立性、同分

21、布、方差为常数的古典假设条件估计L的模型参数时，数据必须来自随机样本，即各观测值相互独立；普通线性回归无此要求。不过他们都要求不存在严重的多重共线性。1.误差修正模型ECM推导：对于yt的(1,1)阶自回归分布滞后模型yt=+0 xt+1xt-1+2yt-1+t,模型两端同时减yt-1,并在右端0 xt-1,得: yt=+0 xt+(0+1)xt-1+(2-1)yt-1+t=0 xt+(2-1)yt-1-(+0)/(1-2)-1*xt-1/(1-2)+t=0 xt+yt-1-0-1*xt-1+t,记ecmt-1=yt-1-0-1xt-1,则yt=0 xt+ecmt-1+t .1异方差性原因：模

22、型中遗漏了对被解释变量影响逐渐增大的因素模型函数形式的设定误差随机因素。后果：OLS不再是有效估计系数的标准误差无法准确估计t检验可靠性降低加大模型预测误差。诊断方法：图示检验法包括相关图法和残差分布图；G-Q检验法；White检验法；帕克检验法；Gleiser检验法。解决方法：模型变换法加权最小二乘法WLS。2自相关性原因：遗漏重要解释变量模型函数形式设定不当经济惯性随机因素。影响后果：OLS不再有效估计低估OLS估计的标准误差t检验可靠性降低降低模型预测精度。诊断方法：残差图分析D-W检验高阶自相关性检验。解决方法：广义差分法自相关系数的估计方法3多重共线性原因：经济变量的内在联系，这种相

23、互影响几乎使任何模型产生多重共线性经济变量变化趋势的共同性解释变量中含有滞后变量，则解释变量会与滞后变量产生多重共线性。后果：增大OLS估计方差难以区分每个解释变量的单独影响t检验可靠性降低回归模型缺乏稳定性。诊断方法：相关系数检验辅助回归模型检验方差膨胀因子（或容忍度）检验特征根检验。解决方法：直接剔除次要或可替代变量间接剔除重要解释变量，其中间接剔除重要解释变量采用以下方法：利用附加信息；变换模型形式；综合使用时序数据和横截面数据。逐步回归法主成份回归法。4.虚拟变量作用：描述和测量定性因素的影响正确反映经济变量之间的相互关系，提高模型精度便于处理异常数据；虚拟变量的设置方式：加法方式乘法

24、方式混合方式。设置原则：一因素多类型多因素两种类型其他原则。虚拟变量的特殊应用：调整季节波动检验模型结构稳定性分段回归混合回归1.试检验(jinyn)白噪声序列Xt=t，tN（0，）的平稳性。由题知，E（t）=0，t=1,2,D(t)=C，均为与t无关(wgun)常数，又t与t+k不相关（基本(jbn)假定）Cov（t，t+k）=0，满足时间序列平稳性条件，故白噪声序列平稳2.试检验AR（1）模型即yt=yt-1+ t的平稳性条件。两边平方再求数学期望，得到yt方差：E(yt)=E(yt-1)+E(t)+2E(yt-1 t).即yt仅与t相关,因此E(yt-1 t)=0,如果该模型稳定,各分量

25、有相同方差,则有E(yt)=E(yt-1),从而上式可变化为:0=y=()/(1-),若yt是平稳序列,其方差应该是一非负常数,即1,也就是说当1,AR(1)时间序列是平稳的。1.受限因变量：一些连续因变量的值域以某种受约束的形式表示。5.虚拟变量：反映定性因素变化，只取0和1的人工变量。6.时间序列的平稳性：如果随机时间序列yt满足E（yt）=,D（yt）=，Cov（yt,yt+k）=k，即时间序列均值和方差都是与t无关的常数，协方差只和时间间隔k有关。7.Granger单（双）向因果关系检验：如果Xt，Yt为平稳过程，对于模型Xt=c1+jXt-j+jYt-j+1t , yt=c2+jYt

26、-j+jXt-j+2t。1，2为白噪声。若j=j=0，则Xt，Yt相互独立；若j=，j0，则Xt是Yt的格兰杰原因；若都0，则互为格兰杰原因。8.误差修正模型：yt=0 xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.时间序列的单整性：如果一个非平稳序列yt经过d阶差分后成为平稳序列，则称这个序列是d阶单整序列，记为ytI（d）10.时间序列的协整性：设时间序列x1t，x2txktI（d）即都是d阶单整序列，如果存在常数向量=（1，2t），使得1x1，2x2txtI(d-b),则称时间序列之间存在阶数为（d，b）的协整关系，简称xi之间是协整的，记为xiCI（d，b）1

27、1.波动聚集性：金融时间序列波动幅度往往有不稳定性，具体表现为金融时间序列在某些时段内波动幅度较小，另外一些时段波动幅度却很大，通常较大幅度波动跟着较大幅度波动，较小幅度波动跟着较小幅度波动。1.合理选择解释变量的关键：正确理解有关经济理论，把握研究经济现象的行为规律2.自相关系数估计的常用方法：近似估计法（大样本DW近似公式，小样本泰尔公式）Durbin估计法迭代估计法搜索估计法3.多个非平稳序列变量具有协整关系的统计含义：这些非平稳序列经线性组合后变平稳序列。5.计量经济模型检验的内容一般包括：经济检验，统计检验，计量经济检验，预测性能检验。6.计量经济模型的用途：结构分析，经济预测，政策

28、评价，实证分析。7.OLS基本原理：利用样本建立的回归模型预测被解释变量的理论值和被解释变量的实际观测值的离差平方和最小。8.高斯马尔科夫定理：如果线性模型yi=0+l=1l=klxli+i满足回归分析的基本假定，则模型参数最小二乘估计B=（XTX）-1XTY，是真值B的最佳线性无偏有效估计。10.高阶自相关性检验方法有：偏相关系数检验法，BG检验法。11.模型结构稳定性检验有两个用途：分析模型结构对样本变化的敏感性；比较两个及以上回归模型之间的差异，即分析模型结构是否发生了显著性变化。12.P阶自回归序列AR(p)识别条件：当一个时间序列自相关函数是拖尾的，偏自相关函数又是截尾的，则该时间序

29、列就是AR（P）序列，并可根据偏自相关函数的截尾程度确定阶数p。13.对只存在一个协整关系的变量之间进行协整检验的方法：EG两步法即两步估计法。14.对变量之间存多个协整关系时应采用基于向量自回归模型(VAR)的Johansen协整检验法1.进行Granger因果关系检验为什么一定要研究的时间序列是平稳的？答:研究发现，若不平稳,结论经常不完全准甚至相反,为科学性,必须考虑平稳性问题,只有平稳才能得到满意结果。3.针对计量经济模型出现多重共线性问题时，忽略处理的前提条件：如果建模的目的是进行预测，只要模型拟合优度系数较高（即能正确反映所有解释变量的总影响）并且解释变量的相关类型在预测期内保持不

30、变，就可以忽略多重共线性的问题；不能忽略的条件：如果是建模进行结构分析或政策评价，即利用系数分析、比较各个解释变量的单独影响时，需要消除多重共线性的影响。4.logistic回归和普通线性回归模型的区别：非线性与线性L研究某时间发生概率P与解释变量x之间的相互关系，线性回归模型研究因变量y的均值与解释变量x之间相互关系L中没随机误差项；线性回归中有，还有独立性、同分布、方差为常数的古典假设条件估计L的模型参数时，数据必须来自随机样本，即各观测值相互独立；普通线性回归无此要求。不过他们都要求不存在严重的多重共线性。1.误差修正模型ECM推导：对于yt的(1,1)阶自回归分布滞后模型yt=+0 x

31、t+1xt-1+2yt-1+t,模型两端同时减yt-1,并在右端0 xt-1,得: yt=+0 xt+(0+1)xt-1+(2-1)yt-1+t=0 xt+(2-1)yt-1-(+0)/(1-2)-1*xt-1/(1-2)+t=0 xt+yt-1-0-1*xt-1+t,记ecmt-1=yt-1-0-1xt-1,则yt=0 xt+ecmt-1+t .1异方差性原因模型中遗漏对被解释变量影响逐渐增大的因素模型函数形式的设定误差随机因素.后果OLS不再有效估计系数的标准误差无法准确估计t检验可靠性降低加大模型预测误差.诊断方法:图示检验法包括相关图法和残差分布图；G-Q检验法；White检验法；帕克

32、检验法；Gleiser检验法。解决方法：模型变换法加权最小二乘法WLS。2自相关性原因遗漏重要解释变量模型函数形式设定不当经济惯性随机因素。影响后果：OLS不再有效估计低估OLS估计的标准误差t检验可靠性降低降低模型预测精度。诊断方法：残差图分析D-W检验高阶自相关性检验。解决方法：广义差分法自相关系数的估计方法3多重共线性原因经济变量内在联系,这种影响几乎使任何模型产生多重共线性经济变量变化趋势的共同性解释变量中有滞后变量,则解释变量与滞后变量产生多重共线性.后果增大OLS估计方差难区分每个解释变量的单独影响t检验可靠性降低回归模型缺乏稳定性.诊断方法相关系数检验辅助回归模型检验方差膨胀因子

33、(或容忍度)检验特征根检验.解决方法直接剔除次要或可替代变量间接剔除重要解释变量,其中间接剔除重要解释变量采用以下方法:利用附加信息;变换模型形式;综合使用时序数据和横截面数据。逐步回归法主成份回归法。4.虚拟变量作用：描述和测量定性因素的影响正确反映经济变量之间的相互关系，提高模型精度便于处理异常数据；虚拟变量的设置方式：加法方式乘法方式混合方式。设置原则：一因素多类型多因素两种类型其他原则。虚拟变量的特殊应用：调整季节波动检验模型结构稳定性分段回归混合回归1.试检验白噪声序列Xt=t，tN（0，）的平稳性。由题知，E（t）=0，t=1,2,D(t)=C，均为与t无关常数，又t与t+k不相关

34、（基本假定）Cov（t，t+k）=0，满足时间序列平稳性条件，故白噪声序列平稳2.试检验AR（1）模型即yt=yt-1+ t的平稳性条件。两边平方再求数学期望，得到yt方差：E(yt)=E(yt-1)+E(t)+2E(yt-1 t).即yt仅与t相关,因此E(yt-1 t)=0,如果该模型稳定,各分量有相同方差,则有E(yt)=E(yt-1),从而上式可变化为:0=y=()/(1-),若yt是平稳序列,其方差应该是一非负常数,即1,也就是说当1,AR(1)时间序列是平稳的。1.受限因变量：一些连续因变量的值域以某种受约束的形式表示。2.异方差性：回归模型中随机误差项有不同的方差。3.多重共线性

35、：多元线性回归模型中，解释变量之间有较强的线性回归关系。4.自相关性：对于yt=0+1x1t+txkt+t， HYPERLINK /view/4003890.htm t _blank 随机误差项的各期望值之间存在着相关关系。5.虚拟变量：反映定性因素变化，只取0和1的人工变量。6.时间序列的平稳性:若随机时间序列yt满足E（yt）=,D（yt）=，Cov（yt,yt+k）=k，即时间序列均值和方差都是与t无关的常数，协方差只和时间间隔k有关。7.Granger单（双）向因果关系检验：如果Xt，Yt为平稳过程，对于模型Xt=c1+jXt-j+jYt-j+1t , yt=c2+jYt-j+jXt-

36、j+2t。1，2为白噪声。若j=j=0，则Xt，Yt相互独立；若j=，j0，则Xt是Yt的格兰杰原因；若都0，则互为格兰杰原因。8.误差修正模型：yt=0 xt+ecmt-1+t，其中ecmt-1=yt-1-0-1xt-1。9.时间序列的单整性：如果一个非平稳序列yt经过d阶差分后成为平稳序列，则称这个序列是d阶单整序列，记为ytI（d）10.时间序列的协整性：设时间序列x1t，x2txktI（d）即都是d阶单整序列，如果存在常数向量=（1，2t），使得1x1，2x2txtI(d-b),则称时间序列之间存在阶数为（d，b）的协整关系，简称xi之间是协整的，记为xiCI（d，b）11.波动聚集性

37、：金融时间序列波动幅度往往有不稳定性，具体表现为金融时间序列在某些时段内波动幅度较小，另外一些时段波动幅度却很大，这归咎于金融市场的多边形，对相关因素的敏感性，通常较大幅度波动跟着较大幅度波动，较小幅度波动跟着较小幅度波动。12.随机误差项：表示实际的y值和期望值之间的差距。i=yi-(0+1xi)1.合理选择解释变量关键：正确理解有关经济理论,把握研究经济现象的行为规律2.自相关系数估计的常用方法：近似估计法（大样本DW近似公式，小样本泰尔公式）Durbin估计法迭代估计法搜索估计法3.多个非平稳序列变量具有协整关系的统计含义：这些非平稳序列经线性组合后变平稳序列。4.建立计量经济模型统计数

38、据有3种类型：时间序列数据，横截面数据，面板数据。5.计量经济模型检验的内容一般包括：经济检验，统计检验，计量经济检验，预测性能检验。6.计量经济模型的用途：结构分析，经济预测，政策评价，实证分析。7.OLS基本原理：利用样本建立的回归模型预测被解释变量的理论值和被解释变量的实际观测值的离差平方和最小。8.高斯马尔科夫定理：如果线性模型yi=0+l=1l=klxli+i满足回归分析的基本假定，则模型参数最小二乘估计B=（XTX）-1XTY，是真值B的最佳线性无偏有效估计。9.对不可线性化的非线性模型处理方法：对可间接线性化的，通过适当的变量变化可编程标准线性模型，然后按照线性模型方法进行计量经

39、济研究；对无法线性化的，可用泰勒级数展开法，展开成多项式模型，再通过标准化方法进行线性化，或者采用非线性最小二乘法进行迭代估计研究。10.高阶自相关性检验方法有：偏相关系数检验法，BG检验法。11.模型结构稳定性检验有两个用途：分析模型结构对样本变化的敏感性；比较两个及以上回归模型之间的差异，即分析模型结构是否发生了显著性变化。12.P阶自回归序列AR(p)识别条件：当一个时间序列自相关函数是拖尾的，偏自相关函数又是截尾的，则该时间序列就是AR（P）序列，并可根据偏自相关函数的截尾程度确定阶数p。13.对只存在一个协整关系的变量之间进行协整检验方法:EG两步法即两步估计法。14.对于变量之间存

40、在多个协整关系时，应采用基于向量自回归模型（VAR）的Johansen协整检验法。1.进行Granger因果关系检验时为什么一定要研究的时间序列必须是平稳的？答:研究发现，若不平稳，结论经常不完全准甚至相反，为了科学性，必须考虑平稳性问题，只有平稳的才能得到满意结果。2.多元线性回归模型基本假定随机误差项均值为0随机误差项有同方差随机误差项互不相关解释变量是非随机变量，值是确定的解释变量和随机误差项不相关解释变量之间不存在完全多重共线性随机误差项服从正态分布。3.针对计量经济模型出现多重共线性问题时，忽略处理的前提条件：如果建模的目的是进行预测，只要模型拟合优度系数较高（即能正确反映所有解释变

41、量的总影响）并且解释变量的相关类型在预测期内保持不变，就可以忽略多重共线性的问题；不能忽略的条件：如果是建模进行结构分析或政策评价，即利用系数分析、比较各个解释变量的单独影响时，需要消除多重共线性的影响。4.logistic回归和普通线性回归模型的区别：非线性与线性L研究某时间发生概率P与解释变量x之间的相互关系，线性回归模型研究因变量y的均值与解释变量x之间相互关系L中没随机误差项；线性回归中有，还有独立性、同分布、方差为常数的古典假设条件估计L的模型参数时，数据必须来自随机样本，即各观测值相互独立；普通线性回归无此要求。不过他们都要求不存在严重多重共线性。1.误差修正模型ECM推导：对于yt的(1,1)阶自回归分布滞后模型yt=+0 x