《計量經(jīng)濟學》測驗考試復習資料

1、計量經(jīng)濟學期末考試復習資料 第一章緒論 參考重點： 計量經(jīng)濟學的一般建模過程 第一章課后題（1.4.5 ） 1. 什么是計量經(jīng)濟學？計量經(jīng)濟學方法與一般經(jīng)濟數(shù)學方法有什么區(qū)別？ 答：計量經(jīng)濟學是經(jīng)濟學的一個分支學科，是以揭示經(jīng)濟活動中客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學 科，是由經(jīng)濟學、統(tǒng)計學和數(shù)學三者結(jié)合而成的交叉學科。 計量經(jīng)濟學方法揭示經(jīng)濟活動中各個因素之間的定量關(guān)系，用隨機性的數(shù)學方程加以描述；一般經(jīng)濟 數(shù)學方法揭示經(jīng)濟活動中各個因素之間的理論關(guān)系，用確定性的數(shù)學方程加以描述。 4. 建立與應用計量經(jīng)濟學模型的主要步驟有哪些？ 答：建立與應用計量經(jīng)濟學模型的主要步驟如下： （1）設定理論模

2、型，包括選擇模型所包含的變量，確 定變量之間的數(shù)學關(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、 準確性、可比性和一致性；（3）估計模型參數(shù)；（4）檢驗模型，包括經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學 檢驗和模型預測檢驗。 5. 模型的檢驗包括幾個方面？其具體含義是什么？ 答：模型的檢驗主要包括：經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學檢驗、模型的預測檢驗。在經(jīng)濟意 義檢驗中，需要檢驗模型是否符合經(jīng)濟意義，檢驗求得的參數(shù)估計值的符號與大小是否與根據(jù)人們的經(jīng)驗 和經(jīng)濟理論所擬訂的期望值相符合；在統(tǒng)計檢驗中，需要檢驗模型參數(shù)估計值的可靠性，即檢驗模型的統(tǒng) 計學性質(zhì)；在計量

3、經(jīng)濟學檢驗中，需要檢驗模型的計量經(jīng)濟學性質(zhì)，包括隨機擾動項的序列相關(guān)檢驗、異 方差性檢驗、解釋變量的多重共線性檢驗等；模型的預測檢驗主要檢驗模型參數(shù)估計量的穩(wěn)定性以及對樣 本容量變化時的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。 第二章 經(jīng)典單方程計量經(jīng)濟學模型：一元線性回歸模型 參考重點： 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或多個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：硏究的目的不同.相關(guān)分析著重探討變榻間的關(guān)聯(lián)程度*而回歸分析卻 要進一步探尋變量間具體依賴黃系即

4、希望根拯解釋變量的固定值去估計和預 測被解釋變董的平均值；對變星的處湮不同，相關(guān)分析對稱地處理相互聯(lián)系的 變量，而回歸分析必須明確解釋變量與被解釋變量。者的聯(lián)系在于：回歸分 祈建立在柑關(guān)分析基礎之上，當相互有關(guān)聯(lián)的變量進-步有因果關(guān)系時*可進一 步進行回歸分析.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. 總體隨機項與樣本隨機項的區(qū)別與聯(lián)系? （2）隨機干擾項幷是指總體觀測值與回歸方程理論值之間的偏養(yǎng)，而殘差 煎勺是措樣本觀測值與回歸方程理論值之間的偏差，二者是有區(qū)別的。但是. 由于總體觀察值無法得到，從而造成總體回歸函數(shù)事實上是未知的*因此，一 技的做法是通過樣本觀測獲得的信

5、息去估計總體回歸函數(shù)，這樣，殘差項耳就 曇隨機干擾項舛的一個樣本估計量& 3. 為什么需要進行擬合優(yōu)度檢驗? （3）普通繪小二乘法所保證的毘好擬合是同一個問題內(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)度檢驗結(jié)果所表示的優(yōu)劣可以 對不同的問題進行比較，即可以辨別不同的樣本回歸結(jié)果誰好謹壞 4如何縮小置信區(qū)間？（ P46） P（?-t2 s? 1？ t. s?） = 1 由上式可以看岀（1）.增大樣本容量。樣本容量變大，可使樣本參數(shù)估計量的標準差減??；同時，在 同樣置信水平下，n越大，t分布表中的臨界值越小。（2）提高模型的擬合優(yōu)度。因為樣本參數(shù)估計量的標 準差和殘差平方和呈正

6、比，模型的擬合優(yōu)度越高，殘差平方和應越小。 耳 3） 由樣本計算其值 t - SjlSjl 4） 給定顯著性水平：，查t分布表得臨界值t -/.2（n-2） 5） 比較，判斷 若 |t| t ：/2（n-2），則拒絕 Ho，接受 Hi ; 若 |t|_ t ：/2（n-2），則拒絕 Hi，接受 Ho ; 上屆重點: 一元線性回歸模型的基本假設、隨機誤差項產(chǎn)生的原因、最小二乘法、參數(shù)經(jīng)濟意義、決定系數(shù)、第 二章PPT里的表（中國居民人均消費支出對人均 GDP的回歸）、t檢驗（平方）代表意義；（平方） 的認識）、能夠讀懂Eviews輸出的估計結(jié)果 第二章課后題（1.3.9.10 ） 1. 為什么計

7、量經(jīng)濟學模型的理論方程中必須包含隨機干擾項? （經(jīng)典模型中產(chǎn)生隨機誤差的原因） 答：計量經(jīng)濟學模型考察的是具有因果關(guān)系的隨機變量間的具體聯(lián)系方式。由于是隨機變量，意味著 影響被解釋變量的因素是復雜的，除了解釋變量的影響外，還有其他無法在模型中獨立列岀的各種因素的 影響。這樣，理論模型中就必須使用一個稱為隨機干擾項的變量宋代表所有這些無法在模型中獨立表示岀 來的影響因素，以保證模型在理論上的科學5以一元線性回歸為例，寫岀 1） .對總體參數(shù)提岀假設 Ho： 6=0， 2） 以原假設 Hi： 0-0 H0構(gòu)造t統(tǒng)計量, 卩0的假設檢驗 o 嚴 Xi2 n* ?o -： S?o 0 t(n-2) 性

8、。 3. 一元線性回歸模型的基本假設主要有哪些？違背基本假設的模型是否不可以估計？ 答：線性回歸模型的基本假設有兩大類：一類是關(guān)于隨機干擾項的，包括零均值，同方差，不序列相 關(guān)，滿足正態(tài)分布等假設；另一類是關(guān)于解釋變量的，主要有：解釋變量是非隨機的，若是隨機變量，則 與隨機干擾項不相關(guān)。實際上，這些假設都是針對普通最小二乘法的。 在違背這些基本假設的情況下，普通最小二乘估計量就不再是最佳線性無偏估計量，因此使用普通最 小二乘法進行估計己無多大意義。但模型本身還是可以估計的，尤其是可以通過最大似然法等其他原理進 行估計。 假設1.解釋變量X是確定性變量，不是隨機變量； 假設2.隨機誤差項具有零均

9、值、同方差和不序列相關(guān)性： E( 4)=0 i=1,2, ,n Var (4)=；二2 i=1,2, ,n Cov(4j)=0 i 工 j i,j= 1,2, ,n 假設3.隨機誤差項與解釋變量X之間不相關(guān)： Cov(Xi, 4)=0 i=1,2, ,n 假設4. 服從零均值、同方差、零協(xié)方差的正態(tài)分布 4N(0, ；2 ) i=1,2, ,n 假設5.隨著樣本容量的無限增加，解釋變量 X的樣本方差趨于一有限常數(shù)。即 x (X)2/n Q, n 二 假設6.回歸模型是正確設定的 9、10題為計算題，見課本 P52，答案見P17 第三章 經(jīng)典單方程計量經(jīng)濟學模型：多元線性回歸模型 上屆重點： F

10、檢驗、t檢驗調(diào)整的樣本決定系數(shù)、“多元”里為什么要對(平方)系數(shù)進行調(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是什么？在證明最小二乘估計量的無偏性和有效性的過程中，哪些基 本假設起了作用？ 答：多元線性回歸模型的基本假定仍然是針對隨機干擾項與針對解釋變量兩大類的假設。針對隨機干 擾項的假設有：零均值，同方差，無序列相關(guān)且服從正態(tài)分布。針對解釋量的假設有；解釋變量應具有非 隨機性，如果后隨機的，則不能與隨機干擾項相關(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量的無偏性中，利用了解釋變量非隨機或與隨機干擾項不相關(guān)的假定；在有效性 的證明

11、中，利用了隨機干擾項同方差且無序列相關(guān)的假定。 2. 在多元線性回歸分析中，t檢驗和F檢驗有何不同？在一元線性回歸分析中二者是否有等價作用？ (見課本P70) 答：在多元線性回歸分析中，t檢驗常被用作檢驗回歸方程中各個參數(shù)的顯著性，而 F檢驗則被用作 檢驗整個回歸關(guān)系的顯著性。各解釋變量聯(lián)合起來對被解釋變量有顯著的線性關(guān)系，并不意味著每一個解釋變量分別對被解釋變量有顯著的線性關(guān)系。 在一元線性回歸分析中，二者具有等價作用，因為二者都是對共同的假設一一解釋變量的參數(shù)等于零 一一進行檢驗。 9.表吳 4 給岀一演量模型的回歸結(jié)果. *3*3- -4 4 M 麗硏 齊而両麗褊 來自 |Q(ESS)

12、來自歿埶R陰) 來自總離TSS) 65 W5 - 66 042 14 求樣本客亍小 殘畫平方和 RSS*回歸乎方和 E 員及殘莘平方和 RSS 的自由度. (2) 求擬合優(yōu)度，及調(diào)槌的擬合優(yōu)度 F (3) 檢驗假設=禺和屁對 F 無影響出應采用什么假設檢驗？為什么？ 根據(jù)以上信息，你能否確定並和兒各自對 F 的矗響？ 解答(1)樣本客量為 M-筋亠 15 RSS = TSS-ESS -66 042 65 965 - E 陽的自由度為 d.f.-l4 2H2 zoo訂噸 (3)應許釆用聯(lián)合假設檢驗*帥尸檢 n 理由 Jt 只育這樟做才能 RWrx4f 一起雄脅對F有彩響. 0) 4*能*,閡*僅

13、通過上述信也T可初步 Wifi Xj *掄聯(lián)舍起來對丫有竣 性形響.壽著的交化解禪 f Y變化的 W.8%.但由于無法如道回歸兄! *兀前 昜數(shù)的晝護估計值.因此止法判斷1它們各自對 y 的滋響有參大* 7、9、10題為計算題，見課本 P91，答案見P53 第四章經(jīng)典單方程計量經(jīng)濟學模型：放寬基本假定的模型 重點掌握:65 963 0.W8 66 042 異方差是模型隨機干擾項的方差不相同時產(chǎn)生的一類現(xiàn)象。在異方差存在 的情況下，OLS估計盡管是無偏、一致的，但通常的假設檢驗卻不再可靠，這 時仍采用通常的f檢驗和F檢驗，則有可能導致錯誤的結(jié)論。同樣地，由于隨 機干擾項異方差的存在而導致的參數(shù)估

14、計值的標準差的偏誤，也會使采用模型 的預測變得無效。對模型的異方差性有若干種檢測方法，如圖示法、Park與 Gleiser檢驗法、Goldfeld-Quandt檢驗法，以及White檢驗法等。而當檢測出模 型確實存在異方差性時，通過采用加權(quán)最小二乘法(WLS)進行修正的估計。 序列相關(guān)性也是模型隨機干擾項出現(xiàn)序列相關(guān)時產(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估計量仍具有無偏性與一 致性，但通常的假設檢驗不再可靠，預測也變得無效。序列相關(guān)性的檢測方法 也有若干種，如圖示法、回歸檢驗法、Durbin-Watson檢驗法，以及Lagrange 乘子檢驗法等。存在序列相

15、關(guān)性時，修正的估計方法有廣義最小一乘法(GLS) 和廣義叢分法。 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。模型的多個解釋變量間出現(xiàn)完全共線性時，模型的參數(shù)無法估計。 更多的情況則是近似共線性，這時，由于并不違背所有的基本假定，模型參數(shù) 的估計仍是無偏、一致且有效的，但估計的參數(shù)的標準差往往較大，從而使得 f統(tǒng)計值減小，參數(shù)的顯著性下降，導致某些本應存在于模型中的變量被排除， 甚至岀現(xiàn)參數(shù)正負號方面的一些混亂。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，從而很難對單個系數(shù)的經(jīng)濟含義進行解釋。多重共線性 的檢驗包括檢驗多重共線性是否存在以及估計多重共

16、線性的范圍兩層遞進的檢 驗。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。 當模型中的解釋變量是隨機解釋變量時，需要區(qū)分三種類型：隨機解釋變 量與隨機千擾項獨立，隨機解釋變量與隨機干擾項同期無關(guān)但異期相關(guān)，隨機 解釋變量與隨機干擾項同期相關(guān)。第一種類型不會對OLS估計帶來任何問題。 第二種類型則往往導致模型估計的有偏性，但隨著樣本容量的增大，偏誤會逐 漸減小，因而具有一致性。所以，擴大樣本容蜀是克服偏誤的有效途徑。第三 種類型的OLS估計則既是有偏，也是非一致的，需要采用工具變量法來加以 克服。解答(1)異方差性指對于不同的樣本值，隨機干擾項的方差不再是

17、常數(shù)， 而是互不相同的。 (2) 序列相關(guān)性指對于不同的樣本值，隨機干擾項之間不再是完全和互獨 工血是存在某種相關(guān)性。 (3) 多垂共線性常兩個或兩個以上解釋變量之間存在某種線性相關(guān)關(guān)系。 (4) 完全務重共線性指，在有多個解釋變量模型中，解釋變量之間的線性 關(guān)系是準確的n在此情況下.不能估計解釋變量各自對被解釋變量的彫響 n C5)不完全多重共線性指，在實際經(jīng)濟活動中，多個解釋變星之間存在多 重共線性問題，但解釋變量之閭的線性關(guān)系是近似的*而不是完全的。 (6) 隨機解釋變量指*在現(xiàn)實經(jīng)濟現(xiàn)象中，解釋變號是不可控的，即解釋 變量的觀測值具有隨機性，并且與模型的隨機干擾項可能有相關(guān)關(guān)系，這樣的

18、 解釋變量稱為隨機解釋變量 (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量經(jīng)濟學模型 變換為差分模型百再進OLS估計口分為一階差分法和廣義差分法。 (8) 廣義最小二乘法(GL )是最具有普遍意義的最小二乘法，可用來處理模 型存在異方差或序列相關(guān)時的估計問題。 (9) DW檢驗：全稱杜賓-瓦森檢驗，適用于一階自相關(guān)的檢驗。該法構(gòu)造 一個統(tǒng)計倉 DW 二 - 爛1 計算該統(tǒng)計量的值.根據(jù)樣本容鈕川和解釋變量數(shù)目龍査D.W.分布表*得到臨 界值業(yè)和咖，然后通過計算的DW.值與柿界值的比較*來判斷模型的自相關(guān) 狀態(tài). 參考重點： 1. 以多元線性回歸為例說明異方差性會產(chǎn)生怎樣的后果？(可能

19、為論述題) 解答 由于異方差性的存在”使得OLS怙計量仍是純性無偏但不再具有最 小方差性，即不再有效；而由干相應的置信區(qū)間以及f檢驗和尸檢驗都與估計 量的方差相關(guān)，因此會造成建立的置信區(qū)間以及f檢驗與F檢驗都不再是可靠的 2. 檢驗、修正異方差性的方法？ 3. 以多元線性回歸為例說明序列相關(guān)會產(chǎn)生怎樣的后果？(預測，矩陣表達式推到) 4. 檢驗、修正序列相關(guān)的方法？ 5什么是DW檢驗法(前提條件)？ 6. 以多元線性回歸為例說明多重共線性會產(chǎn)生怎樣的后果 7. 檢驗、修正多重共線性的方法？ 8. 隨機解釋變量問題的三種分類？分別造成的后果是什么？ 9. 工具變量法的前提假設 1）與所替代的隨機

20、解釋變量高度相關(guān) 2）與隨機干擾項不相關(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： 異方差、序列相關(guān)、多重共線性等違背基本假設的情況產(chǎn)生原因、后果、識別方式方法、 D.W廣義差 分法 第四章課后題（ 1.2 ） 1、2題為計算題，見課本 P134,答案見P84 第五章 經(jīng)典單方程計量經(jīng)濟學模型：專門問題 上屆重點： 虛擬變量的含義與設定、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 ） 1. 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）定性因素對解釋

21、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截距項產(chǎn)生影響的情況，后者主要適用于定性因素對斜率項產(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，這時可測度定性因素對截距項與斜率項同時產(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方法存在哪些問題？ 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。分布滯后模型有無限期的分布滯后模型和有限期的分布滯

22、后模型； 自回歸模型又以 Coyck 模型、自適應預期模型和局部調(diào)整模型最為多見。 分布滯后模型使用OLS法存在以下問題：（1）對于無限期的分布滯后模型，由于樣本觀測值的有限性， 使得無法直接對其進行估計。（2）對于有限期的分布滯后模型，使用OLS方法會遇到：沒有先驗準則確定滯 后期長度，對最大滯后期的確定往往帶有主觀隨意性；如果滯后期較長，由于樣本容量有限，當滯后變量 數(shù)目增加時，必然使得自由度減少，將缺乏足夠的自由度進行估計和檢驗；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)生模型設定偏誤的主要原因是什么？模型設定偏誤的后果以及檢驗方法有哪些？ 答：

23、 產(chǎn)生模型設定偏誤的原因主要有：模型制定者不熟悉相應的理論知識；對經(jīng)濟問題本身認識不夠 或不熟悉前人的相關(guān)工作：模型制定者手頭沒有相關(guān)變量的數(shù)據(jù)；解釋變量無法測量或數(shù)據(jù)本身存在測量 誤差。 模型設定偏誤的后果有：（1）如果遺漏了重要的解釋變量，會造成 OLS估計量在小樣本下有偏，在大 樣本下非一致；對隨機干擾項的方差估計也是有偏的。 （2）如果包含了無關(guān)的解釋變量，盡管 OLS估計量 具有無偏性與一致性，但不具有最小方差性。 （ 3）如果選擇了錯誤的函數(shù)形式，則后果是全方位的，不但 會造成估計的參數(shù)具有完全不同的經(jīng)濟意義，而且估計結(jié)果也不同。 對模型設定偏誤的檢驗方法有：檢驗是否含有無關(guān)變量，

24、可以使用 t 檢驗與 F 檢驗完成：檢驗是否有 相關(guān)變量的遺漏或函數(shù)形式設定偏誤，可以使用殘差圖示法， Ramsey提出的RESET檢驗來完成。 10. 簡述約化建模理論與傳統(tǒng)理論的異同點？ 答：Hendry的約化建模理論的核心是“從一般到簡單”的建模思想，即首先提出一個包括各種因素在 內(nèi)的“一般”模型，然后再通過觀測數(shù)據(jù)，利用各種檢驗對模型進行檢驗并化簡，最后得到一個相對簡單 的模型。傳統(tǒng)建模理論的主導思想是“從簡單到復雜”的建模思想，它首先提出一個簡單的模型，然后從 各種可能的備選變量中選擇適當?shù)淖兞窟M入模型，最后得到一個與數(shù)據(jù)擬合較好的較為復雜的模型。 從二者的主要聯(lián)系上看，它們都以對經(jīng)

25、濟現(xiàn)象的解釋為目標，以已有的經(jīng)濟理論為建模依據(jù)，以對數(shù) 據(jù)的擬合程度作為模型優(yōu)劣的重要的判定標準之一，也都有若干檢驗標推。 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)濟理論，舊“從一般到簡單”的 建模理論則更注重將各種不同經(jīng)濟理論納入到最初的“一般”模型中，甚至更多地是從直覺和經(jīng)驗來建立 “一般”的模型；盡管兩者都有若干種檢驗標準，但約化建模理論從實踐上有更大量的診斷性檢驗來看每 一步建模的可行性，或?qū)ふ腋纳颇Ｐ偷穆窂剑号c傳統(tǒng)建模實踐中存在的過渡“數(shù)據(jù)開采”問題相比，由于 約化建模理論的初估模型是一個包括所有可能變量的“一般”模型，因此也就避免了過度的“數(shù)據(jù)開采” 問題；另外

26、，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” ，因此，在相 同的約化程序下，最后得到的最終模型也應該是相同的。而傳統(tǒng)建模實踐中對同一經(jīng)濟問題往往有各種不 同經(jīng)濟理論來解釋，如果不同的研究者采用不同的經(jīng)濟理論建模，得到的最終模型也會不同。當然，由于 約化建模理論有更多的檢驗，使得建模過程更復雜，相比之下，傳統(tǒng)建模方法則更加“靈活” 。 第六章 聯(lián)立方程計量經(jīng)濟學模型理論與方法 上屆重點： 內(nèi)生變量、外生變量、先定變量、結(jié)構(gòu)式模型、簡化式模型、參數(shù)關(guān)系體系、模型識別 第六章課后題（ 1.2.3. ） 1. 為什么要建立聯(lián)立方程計量經(jīng)濟學模型？聯(lián)立方程計量經(jīng)濟學模型適用于

27、什么樣的經(jīng)濟現(xiàn)象？ 答： 經(jīng)濟現(xiàn)象是極為復雜的，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 簡單的單向因果關(guān)系，而是相互依存，互為因果的，這時，就必須用聯(lián)立的計量經(jīng)濟學方程才能描述清楚。 所以與單方程適用于單一經(jīng)濟現(xiàn)象的研究相比， 聯(lián)立方程計量經(jīng)濟學模型適用于描述復雜的經(jīng)濟現(xiàn)象， 即經(jīng)濟系統(tǒng)。 2. 聯(lián)立方程計量經(jīng)濟學模型的識別狀況可以分為幾類？其含義各是什么？ 答： 聯(lián)立方程計量經(jīng)濟學模型的識別狀況可以分為可識別和不可識別，可識別又分為恰好識別和過度 識別。 如果聯(lián)立方程計量經(jīng)濟學模型中某個結(jié)構(gòu)方程不具有確定的統(tǒng)計形式，則稱該方程為不可識別，或者 根據(jù)參數(shù)關(guān)系體系，在已知

28、簡化式參數(shù)估計值時，如果不能得到聯(lián)立方程計量經(jīng)濟學模型中某個結(jié)構(gòu)方程 的確定的結(jié)構(gòu)參數(shù)估計值，稱該方程為不可識別。如果一個模型中的所有隨機方程都是可以識別的，則認 為該聯(lián)立方程計量經(jīng)濟學模型系統(tǒng)是可以識別的。反過來，如果一個模型系統(tǒng)中存在一個不可識別的隨機 方程，則認為該聯(lián)立方程汁量經(jīng)濟學模型系統(tǒng)是不可以識別的。如果某一個隨機方程具有唯一一組參數(shù)估 計量，稱其為恰好識別；如果某一個隨機方程具有多組參數(shù)估計量，稱其為過度識別。 3. 聯(lián)立方程計量經(jīng)濟學模型的單方程估計有哪些主要方法？其適用條件和統(tǒng)計性質(zhì)各是什么？ 答： 單方程估計的主要方法有：狹義的工具變量法 (IV) ，間接最小二乘法 (IL

29、S) ，兩階段最小二乘法 (2SLS) 。 狹義的工具變量法 (IV) 和間接最小二乘法 (ILS) 只適用于恰好識別的結(jié)構(gòu)方程的估計。 兩階段最小二乘 法(2SLs)既適用于恰好識別的結(jié)構(gòu)方程，又適用于過度識別的結(jié)構(gòu)方程。 用工具變量法估計的參數(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偏的。如果選 取的工具變量與方程隨機干擾項完全不相關(guān)，那么其參數(shù)估計量是無偏估計量。對于間接最小二乘法，對 簡化式模型應用普通最小二乘法得到的參數(shù)估計量具有線性性、無偏性、有效性。通過多數(shù)關(guān)系體系計算 得到結(jié)構(gòu)方程的結(jié)構(gòu)參數(shù)估計量在小樣本下是有偏的，在大樣本下是漸近無偏的。采用二階段最小二乘法 得

30、到結(jié)構(gòu)方程的結(jié)構(gòu)參數(shù)估計量在小樣本下是有偏的，在大樣本下是漸近無偏的。補充資料 計算題（一） 給岀多元線性回歸的結(jié)果 1. 判斷模型估計的結(jié)果如何，擬合效果如何？ 2. 說明每一個參數(shù)所代表的經(jīng)濟意義？ 3. 判斷有沒有違背四個基本假設？ 計算題（二） 給岀數(shù)值，計算： 1. t檢驗，F(xiàn)檢驗的自由度 2. 在給定顯著性水平下參數(shù)是否顯著？ 3. 估計值是有偏、無偏、有效？ 計算題（三） 加入虛擬變量 D1,D2,D3 問：虛擬變量的經(jīng)濟含義？ 2- k答（I）總體回歸函數(shù)是指在給定&下y分布的總體均值與X所妙成 的雷數(shù)關(guān)系（或者說將總體被解釋變量的條件期璽表示為解釋變量的某種 函數(shù)h （2）樣

31、木回口函數(shù)指從總體中抽出的關(guān)子y 丫 x的若干組值形成的樣本所 建立的回歸函數(shù)“ 隨機的總體回歸團數(shù)指含有ia機干擾項的總體冋歸噪數(shù)（咼相對于條 件期望形式而言的n （4）栽材中所講的線性回歸模型既指對變量是線件的.也指對參數(shù)0為線 性的”即解釋變與發(fā)數(shù)0只以它幻的I次方出現(xiàn)” 2 S現(xiàn)代投協(xié)分析的特征線涉及如下回01方程： 亓二幾+ 01入嚴晉 其中r表示股票或債養(yǎng)的收益率匚表示有價證養(yǎng)的收益率（用市場指數(shù)表示 如標痕普爾500f&）t tk時閘 F 投璉分析中優(yōu)擁稱為頂券的安金系數(shù) fit是用來度市場的風險程度的即市場的發(fā)展對公祠的財產(chǎn)有何總響*依 據(jù)19561976年間240個月的數(shù)據(jù) Fvgler和Ganpatliy得到IBM股黑收It車 的回歸方程如下鼻 =0726 4 + L059 昵， （0300 I） （0.072 SJ Jt1 xO.47J 0 （I）解釋回歸參數(shù)的意義“ 如何解釋尺 （3）安全系數(shù)的通券禰為小穩(wěn)定證券*翟立適當?shù)捏炯僬l艮備選假說、 檢驗IBM恂腔累崔否暹易變股=2-8 解答(1)回歸方程的截距0.7264表明當G為0時的股票或債券收益率， 它本身沒有經(jīng)擠意義；回歸方程的斜率1.059