2010-2011第二学期计量经济学思考题

1、20102011第二学期计量经济学复习资料一、名词解释(英文缩写+解释)1.普通最小二乘法(OrdinaryLeastSquares,OLS)：已知一组样本观测值(X,Y)：i=1,2，n，普通ii最小二乘法要求样本回归函数尽可以好地拟合这组值，即样本回归线上的点P与真实观测点Yt的“总i体误差”尽可能地小。普通最小二乘法给出的判断标准是：被解释变量的估计值与实际观测值之差的平方和最小。P332.广义最小二乘法GLS:加权最小二乘法具有比普通最小二乘法更普遍的意义，或者说普通最小二乘法只是加权最小二乘法中权恒取1时的一种特殊情况。从此意义看，加权最小二乘法也称为广义最小二乘法。P1143加权最

2、小二乘法WLS：加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。P113工具变量法IV：工具变量法是克服解释变量与随机干扰项相关影响的一种参数估计方法。它并没有改变原模型，只是在原模型的参数估计过程中用工具变量“替代”随机解释变量。P147两阶段最小二乘法2SLS,TwoStageLeastSquares：两阶段最小二乘法是一种既适用于恰好识别的结构方程，以适用于过度识别的结构方程的单方程估计方法。P2116间接最小二乘法ILS：间接最小二乘法是先对关于内生解释变量的简化式方程采用普通最小二乘法估计简化式参数，得到简化式参数估计量，然后过通

3、参数关系体系，计算得到结构式参数的估计量的一种方法。P209异方差性Heteroscedasticity：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。P107序列相关性SerialCorrelation：多元线性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。P1209多重共线性Multicollinearity：对于模型y=x+Bx+.+Bx+卩，其基本假设之一i01i12i2kiki是解释变量X,X2,Xk是相互独立的。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

4、线性。P13410.时间序列数据：时间序列数据是一批按照时间先后排列的统计数据。P1211截面数据：截面数所是一批发生在同一时间截面上调查数据。P1312虚拟数据：也称为二进制数据，一般取0或1。P13内生变量EndogenousVariables：内生变量是具有某种概率分布的随机变量，它的参数是联立方程系统估计的元素。内生变量是由模型系统决定的，同时也对模型系统产生影响。内生变量一般都是经济变量。P190外生变量ExogenousVariables：外生变量一般是确定性变量，或者是具有临界概率分布的随机变量，其参数不是模型系统研究的元素。外生变量影响系统，但本身不受系统的影响。外生变量一般是

5、经济变量、条件变量、政策变量、虚变量。P191先决变量PredeterminedVariables:外生变量与滞后内生变量(LaggedEndogenousVariables)统称为先决变量。P191TOC o 1-5 h z注意：滞后内生变量是联立方程计量经济学模型中重要的不可缺少的一部分变量，用以反映经济系统的动态性和连续性。_16总离差平方和：SS=Zy2=Z(Y-Y)2称为总离差平方和，反映样本观测值总体离差的大小。P45i残差平方和:RSS二工e=Z(Y.-0)2称为残差平方和，反映样本观测值与估计值偏离的大小，III也是模型中解释变量未解释的那部分离差的大小。P45回归平方和：ES

6、S=Ey2=E&-F)2反映由模型中解释变量所解释的那部分离差的大小。P45ESS=1-TSS可决系数coefficient;ofdetermination:可决系数R2是检验模型拟合优度的指标，RSS,R2越接近于1，模型的拟合优度越高。P45TSS随机干扰项stochasticdisturbance:记卩厂Yi一E(Y1Xi)，称卩为观察值Y围绕它的期望值E(YIX)的离差(deviation),它是一个不可观测的随机变量，称为随机误差项(stochasticerror),通常又不加区别地称为随机干扰项(stochasticdisturbance)oP26结构式模型StructuralMo

7、del：根据经济理论和行为规律建立的描述经济变量之间直接结构关系的计量经济学方程系统称为结构式模型。P191简化式模型Reduced-FormModel：将联立方程计量经济学模型的每个内生变量表示成所有先决变量和随机干扰项的函数，即用所有先决变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。P194恰好识别JustIdentification：如果某一个随机方程具有一组参数估计量，称其为恰好识别。P197过度识别Overidentification：如果某一个随机方程具有多组参数估计量，称其为过度识别。P197从经济学和数学两个角度说明为什么计量经济模型必须包含随机误差(干扰)项？(

8、P27)此题答案不是很确定，大家掌握大点就行，后面的解释理解就好。代表未知的影响因素。由于对所考察总体认识上的非完备性，许多未知的影响因素还无法引入模型，因此，只能用随机干扰项代表这些未知的影响因素。代表残缺数据。即使所有的影响变量都能够被包括在模型中，也会有某些变量的数据无法取得。代表众多细小影响因素。有一些影响因素已经被认识，而且其数据也可以收集到，但它们对被解释变量的影响却是细小的。考虑到模型的简洁性，以及取得诸多变量数据可能带来的较大成本，建模时往往省掉这些细小变量，而将它们的影响综合到随机干扰项中。代表数据观测误差。由于某些主客观的原因，在取得观测数据时，往往存在测量误差，这些观测误

9、差也被归入随机干扰项。代表模型设定误差。由于经济现象的复杂性，模型的真实函数形式往往是未知的，因此，实际设定的模型可能与真实的模型有偏差。随机干扰项包括了这种模型的设定误差。变量的内在随机性。即使模型没有设定误差，也不存在数据观测误差，由于某些变量所固有的内在随机性，也会对被解释变量产生随机性影响。对计量经济模型所包含随机误差(干扰)项，在古典模型中有哪些要求？P31随机误差项卩具有给定X条件下的零均值、同方差以及不序列相关性，即E(“Xi)=0，Vr(|谷)=q2，Cov(卩i,卩j|Xi,X.)=0,iHj随机误差项与解释变量之间不相关，即Cov(X)=0随机误差项服从零均值、同方差的正态

10、分布，即叫N(0,2)注意：一元线性回归6个基本假设必考：回归模型是正确设定的。(对模型设定的假设)解释变量X是确定性变量，不是随机变量，在重复抽样中取固定值。(对解释变量的假设)解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本方差趋于一个非零的有限常数，即(X-X)2/nTQ,n卄i二1随机误差项卩具有给定X条件下的零均值、同方差以及不序列相关性，即E(卩丿Xi)=0，Var(i|Xi)=c2，Cov(卩i,卩j|Xi,X.)=0，iHj随机误差项与解释变量之间不相关，即Cov(X卩i)=0随机误差项服从零均值、同方差的正态分布，即叫N(0,2)(对随机干扰

11、项的假设)3.最小二乘估计原理是什么？P33(和名词解释一样)4参数估计的优劣标准是什么？P38一个用于考察总体的估计量，可从如下几个方面考察其优劣性：线性性，即它是否是另一个随机变量的线性函数；无偏性，即它的均值或期望是否等于总体的真实值；有效性，即它是否在所有线性无偏估计量中具有最小方差；渐进无偏性，即样本容量趋于无穷大时，它的均值序列是否趋于总体真值；一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；渐进有效性，即样本容量趋于无穷大时，它在所有的一致估计量中是否具有最小的渐进方差。5参数点估计方法有哪几种？P33常见的参数点估计方法有普通最小二乘法(OLS)、最大似然法(ML

12、)、矩估计法(MM)6.假设检验原理P46假设检验的基本思想是概率性质的反证法，为了检验原假设H0是否正确，先假定这个假设是正确的,看由此能推出什么结果。如果导致一个不合理的结构，则表明“假设H0为正确”是错误的，即原假设H0不正确，因此要拒绝原假设H0；如果没有导致一个不合理现象的出现，则不能认为原假设H0不正确,因此不能拒绝原假设H0Uo7假设检验会犯哪些错误？实际情况决定H为真0H为假0拒绝H0第一类错误(弃真)正确接受H0正确第二类错误(纳伪)由于假设检验作出结论的依据是：小概率原理，小概率事件在一次实验中基本上不会发生。如果H成0立，但统计量的实测值落入否定域，从而作出拒绝H的结论，

13、那就犯了“弃真”的错误(第一类错误)；0如果H不成立，但统计量的实测值未落入否定域，从而没有作出否定H的结论，即接受了错误的H，000犯了“纳伪”的错误(第二类错误)。8数据类型有哪几种？P12时间序列数据截面数据虚变量数据平行数据9模型类型有哪几种？P2语义模型(也称逻辑模型)、物理模型、几何模型、数学模型和计算机模拟模型等。前常见计量经济学软件有哪几种？P17(1)Eviews(2)SPSS/PC(3)SAS(4)GAUSS(5)PC-GIVE(6)Stata注意：以下4小题从P107开始到F150结束何谓异方差？如何发现?后果？如何解决？概念：Y二卩+卩X+卩X+卩X+卩对于模型i01i

14、i22ikkii，如果出现Var（p）=i认为出现了异方差性。O2i，即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则异方差的检验:（重点掌握怀特检验的详细说明，其他检验方法看下就行）图示检验法（1）用X-Y的散点图进行判断：看是否存在明显的散点扩大、缩小或复杂型趋势（即不在一个固定的带型域中）（2）X-即的散点图进行判断看是否形成一斜率为零的直线x为解释变量，建立方程je2=f（X）+eIe1=f（X）+eijii或ijii选择关于变量X的不同的函数形式，对方程进行估计并进行显著性检验，如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差性。G-Q检验G-Q检验以F

15、检验为基础，适用于样本容量较大，异方差为单调递增或单调递减的情况。其基本思想是:先按某一解释变量对样本排序，再将排序后的样本一分为二，对两个子样本分别进行普通最小二乘回归,然后利用两个子样本的残差平方和之比构造F统计量进行异方差检验。怀特检验怀特检验不需要排序，且适合任何形式的异方差。其基本思想与步骤：卩1X1i+卩2X2i+Pi先对该模型作OLS回归，得到群然后做辅助回归:e2=a+aX+aX+aX2+aX2+aXX+si011i22i31i42i51i2ii可以证明，在同方差性假设下，从该辅助回归得到的可决系数R2与样本容量n的乘积，渐近地服从自由度为辅助回归方程中解释变量个数的X2分布：

16、nR2咒2,则可在大样本下，对统计量nR2进行相应的X2检验。异方差的后果：参数估计量非有效2变量的显著性检验失去意义3模型的预测失效解决方法1.加权最小二乘法加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS估计其参数。八八We2=乙WY(p+Bx+iiii011在采用OLS方法时：对较小的残差平方即赋予较大的权数；对较大的残差平方時赋予较小的权数。例如，如果对一多元模型，经检验知：卩狞(乩)二Egy二云二代X詔可以用吟去除该模型,得p二0Yf(x.)1Yf(X)iji+卩11jix.)X11Jlc1+Bx+2f(x)2iji+x+八xji)ki1V；f(X)

17、iji111Var(p)=E(p)2=E(p)2=o2Jf(x)iJf(x)if(x)i新的模型中，存在jijiji即满足同方差性，可用OLS估计2.异方差稳健标准误法P11512何谓一阶自相关？如何发现？后果？如何解决？概念对于模型Yi=p0+p1x1.+p2x2i+Pkxki+片(i=l,2,n),随机项互不相关的基本假设表现为Cov(pi,pj)=0(ij,i,j=1,2,.,n)如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性,则认为出现了序列相关性。在其他假设仍成立的条件下，序列相关即意味着E(pp)丰0ij如果仅存在E(p.pi+1)H0(i=1,2,.,n)

18、称为一阶序列相关或自相关。后果：参数估计量非有效2变量的显著性检验失去意义3模型的预测失效检验：基本思路：(重点掌握D.W.检验的详细内容，其他随便看下就行)首先，采用OLS法估计模型，以求得随机误差项的“近似估计量”，用表示：i/Xe=y-（y）iii0Is然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。1.图示法用爲的变化图形来判断“i的序列相关性:正序列相关（正自相关）负序列相关贯自相壬回归检验法以et为被解释变量，以各种可能的相关量，诸如以ej、tt-12等为解释变量，t=pe+t1tpe+pe+1t12t2t建立各种方程：如果存在某一种函数形式，使得

19、方程显著成立，则说明原模型存在序列相关性。3.D.W.检验法假设条件：（1）解释变量X非随机；（2）随机误差项pi为一阶自回归形式：pi=ppi-1+i（3）回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式：Yi邙0+P笔+卩*+丫丫厂1+Pi（4）回归含有截距项针对原假设：H0:p=0，构如下造统计量：n龙（e-e）2tt1DW.二t=2n乙e2tt=1计算DW值，给定a，由样本容量n和解释变量个数k的大小查DW分布表，得临界值dL和dU比较、判断，若OvD.W.vdLdLvD.W.vdUdUvD.W.v4dU4dUvD.W.v4dL4dLvD.W.v4存在正自相关不能确定无自相

20、关不能确定存在负自相关当D.W.值在2左右时，模型不存在一阶自相关。4.拉格朗日乘数(LM)检验拉格朗日乘数检验适合于高阶序列相关以及模型中存在滞后被解释变量的情形。对于模型：Y.二卩o+PiXii+P2X2i+PkXki+卩,，如果怀疑随机扰动项存在p阶序列相关:卩t二p1卩t-1+p2卩t-2+pp卩t-p+81，GB检验可用来检验如下受约束回归方程：Y二p+pX+PX+pp+PR+8大样本下：LM=(n-P)R2z2(P)其中，n为样t011tkkt1t1pt-pt约束条件为：H0:p1=p2=.=pp=0，约束条件为真时，本容量，R2为如下辅助回归的可决系数：给定a，查临界值炉2(p)

21、，与LM值比较，做出判断,检验。实际检验中，可从1阶、2阶、逐次向更高阶如何解决：1.广义最小二乘法对于模発e=pt1+卩X+petkkt1t如果存在序列相关，同时存在异方差，即有+pe+8pt-pt21CT；G是一对称正定矩阵，存在一可逆矩阵D,使得G=DD变换原模型：DiY=DiXpDip即Y尸阴(4.2.13)该模型具有回方差性和随林误差项互相独辛性:E(比J)=(D_1unD1)=D_1(uf=D1=Dct2DDD1=耳：+工0几+血2=12=1中X滞后项前的参数整体为零的假设Ho:a-oA12m（即X不是Y的格兰杰原因）o分别做包含与不包含X滞后项的回归，记前者与后者的残差平方和分别

22、为RSSU、RSSR；再计算F统（RSS-RSS）/m计量:F=RURSSU/（n-k）k为无约束回归模型的待估参数的个数。如果:FFa（m,n-k），贝怖绝原假设，认为X是Y的格兰杰原因。计量经济学的基本组成？P31）广义计量经济学和狭义计量经济学2）初、中、高级计量经济学3）理论计量经济学和应用计量经济学4）经典计量经济学和非经典计量经济学5）微观计量经济学和宏观计量经济学计量经济学的应用？P18-201）结构分析2）经济预测3）政策评价4）检验与发展经济理论计量经济学方法（找不到答案，如果有知道答案的同学赶紧和我联系哈！）计量经济学工作流程P9一理论模型的设计1确定模型所包含的变量2确定

23、模型的数学形式拟定理论模型中待估参数的理论期望值二.样本数据的收集1几类常用的样本数据：时间序列数据、截面数据和虚变量数据。2样本数据的质量：完整性、准确性、可比性和一致性。三模型参数的估计四.模型的检验1经济意义的检验统计检验计量经济学检验4模型预测检验计量经济学模型主要变量有哪几类？在单方程计量经济学模型中，变量分为两类。作为研究对象的变量，也就是因果关系中的“果”，如生产函数中的产出量，是模型中的被解释变量；而作为“原因”的变量，如生产函数中的资本、劳动、技术，是模型中的解释变量。对于联立方程计量经济学模型系统而言，将变量分为内生变量和外生变量两大类，外生变量与滞后内生变量又被统称为先决

24、变量。21、DW检验只检验一阶序列相关假设条件：(1)解释变量X非随机；随机误差项pi为一阶自回归形式：pi=ppi-1+si回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式：Yi邙0+P入)+卩*+丫丫厂1+Pi回归含有截距项针对原假设：H0:p=0，构如下造统计量：龙(-)2tt1D.W.二t=2n乙e2tt=1计算DW值，给定a，由样本容量n和解释变量个数k的大小查DW分布表，得临界值dL和dU比较、判断，若0vD.W.vdL存在正自相关dLvD.W.vdU不能确定dUVD.W.V4dU无自相关4-dUVD.W.V4dL4dLvD.W.v4不能确定存在负自相关当D.W.值在2

25、左右时，模型不存在一阶自相关。22、White检验检验异方差性见11题怀特检验不需要排序，且适合任何形式的异方差。其基本思想与步骤:卩1X1i+卩2X2i+卩i先对该模型作OLS回归，得到卧然后做辅助回归:2=a+aX+aX+aX2+aX2+aXX+si011i22i31i42i51i2ii可以证明，在同方差性假设下，从该辅助回归得到的可决系数R2与样本容量n的乘积，渐近地服从自由度为辅助回归方程中解释变量个数的X2分布：nR2-咒2,则可在大样本下，对统计量nR2进行相应的X2检验。23、F检验一一检验模型的总体显著性即检验模型Yi=卩0+卩lXli+卩2X2i+卩kXki+pii=l,2,

26、.,n中的参数卩j是否显著不为0。H0：B0=B1=B2=.邙k=0Hl：卩j不全为0在原假设H0成立的条件下，统计量ESS/kF=一RSS/(n-k-1)服从自由度为(k,n-k-1)的F分布。给定显著性水平a，可得到临界值Fa(k,n-k-1)，由样本求出统计量F的数值，通过FFa(k,n-k-1)或FWFa(k,n-k-1)来拒绝或接受原假设H0,以判定原方程总体上的线性关系是否显著成立。24、t检验检验模型中每个变量的显著性设计原假设与备择假设：Hq：/=0(i=1.2.k)给定显著性水平oc,可得到临界值(n-k-1),由样本求出统计量t的数值，通过tta/2(n-k-l)或|t|w

27、t血2(h-D来拒绝或接受原假设H。，从而判定对应的解释变量是否应包括在模型中O25、估计联立方程的参数常用哪几种方法？特点？联立方程计量经济学模型的估计方法分为两大类：单方程估计方法与系统估计方法。单方程估计方法按其方法原理又分为两类。一类以最小二乘为原理，例如间接最小二乘法(ILS,IndirectLeastSquare)、两阶段最小二乘法(2SLS,TwoStageLeastSquares)、工具变量法(IVInstrumentalVariables)等，称其为经典方法；一类不以最小二乘为原理，或者不直接从最小二乘原理出发，例如以最大或然为原理的有限信息最大或然法(LIML,Limite

28、dInformationMaximumLikelihood)，以及仍然应用最小二乘原理、但并不以残差平方和最小为判断标准的最小方差比方法(LVR,LeastVriableRation)等。工具变量法(IV,InstrumentalVariables)工具变量法只适用于恰好识别的结构方程的估计间接最小二乘法只适用于恰好识别的结构方程的参数估计，因为只有恰好识别的结构方程，才能从参数关系体系中得到唯一一组结构参数的估计量。间接最小二乘法也是一种工具变量方法2SLS是一种既适用于恰好识别的结构方程，又适用于过度识别的结构方程的单方程估计方法。二阶段最小二乘法也是一种工具变量方法各种方法的意义：在小样

29、本下是有偏的，但在大样本下是渐近无偏的。26、联立方程计量经济学(结构式、简化式、参数关系体系、结构识别)结构式模型：根据经济理论和行为规律建立的描述经济变量之间直接结构关系的计量经济学方程系统称为结构式模型。具有g个内生变量、k个先决变量、g个结构方程的模型被称为完备的结构式模型。在完备的结构式模型中，独立的结构方程的数目等于内生变量的数目，每个内生变量都分别由一个方程来描述。完备的结构式模型的矩阵表示习惯上用Y表示内生变量，X表示先决变量，p表示随机项，B表示内生变量的结构参数，Y表示先决变量的结构参数，如果模型中有常数项，可以看成为一个外生的虚变量，它的观测值始终取1。121fY（B,）

30、它二N（X丿Y=2211211222kn卩-卩卩卩-卩111121n11121gN卩-卩卩-卩221222nB21222gN卩-卩卩-卩vg丿Lg1g2gnLg1g2ggg2k1k2gnNY1112kY=2122IYY1-k1k2Ykk简化式模型：用所有先决变量作为每个内生变量的解释变量，所形成的模型称为简化式模型。如P195式（6.2.8）简化式模型的矩阵形式Y=口X+E街1街2%1石2务口二陌1兀疋%E二e2=色-Ai爲2空一Eg电八务参数关系体系：P195式（6.2.9）该式描述了简化式参数与结构式参数之间的关系，称为参数关系体系。结构式识别条件P201考大题联立方程计量经济学模型的结构式B