計(jì)量經(jīng)濟(jì)學(xué)答案

1、一、名詞解釋1時(shí)間序列數(shù)據(jù)的平穩(wěn)性：如果隨機(jī)時(shí)間序列均值和方差均是與時(shí)間t無關(guān)的常數(shù)，協(xié)方差只與時(shí)間間隔k有關(guān)，那么稱該隨機(jī)時(shí)間序列是平穩(wěn)的。2虛擬變量：是指人們構(gòu)造的反響定性因素變化、只取0和1的人工變量，并且習(xí)慣上用符號(hào)D來表示。3異方差性：對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)的方差不等于常數(shù)，那么稱模型出現(xiàn)了異方差性。4自相關(guān)性：如果隨機(jī)誤差項(xiàng)的各期值之間存在著相關(guān)關(guān)系，即協(xié)方差不等于0,那么稱模型存在著自相關(guān)性。5隨機(jī)變量的協(xié)整關(guān)系：如果同階單整序列線性組合后單整階數(shù)降低，那么稱變量之間存在著協(xié)整關(guān)系。6. 給定一個(gè)信息集，At，它至少包含Xt，Yt，在“現(xiàn)在和過去可以影響未來，而未來不能影響

2、過去城里下，如果利用Xt的過去比不利用它時(shí)可以更好地預(yù)測Yt，稱Xt為Yt的格蘭杰原因，反之亦然。7. 隨機(jī)變量的協(xié)整性：8. 條件異方差 ARCH模型：考慮m階自回歸模型 AR mYt=c+ p 1yt-1+ p 2yt-2+ + p myt-m+ & t其中£ t為白噪聲過程隨機(jī)誤差項(xiàng)的平方£ t 2服從一個(gè)q階自回歸過程，即2 2 2 2£ t = a 0+ a 1 £ t-1 + a 2 £ t-2 + +a q £ t-p + n t 1 其中n t服從白噪聲過程。對(duì)模型的一個(gè)約束條件是1的特征方程21- a 1Z-

3、 a 2Z - - a qZq=0的所有根均落在單位圓外，即要求模型參數(shù)滿足 其中 a 1 + a 2+ a qV 1此外，為保證£ t2為正值，對(duì)模型的另一個(gè)約束條件為a 0>0 , a i> 0, 1 w iw q。上述模型即為條件方差模型。9. 誤差修正模型 ECM:對(duì)于yi的1 , 1階自回歸滯后模型：Yt= a + 3 0Xt+ 3 1 Xt-1 + 3 2yt-1 + £ i/ yt= 3 0" Xt+ Y ecm t-1 + £ t。(1)其中，eCmt-1=yt-1-a 0- a 1X1 , 丫 = 3 2-1 , a 0=

4、( a +3 0) / ( 1- 3 2 ), a 1= 3 1/ (1- 3 2)稱式1 為誤差修正模型 ECM10.多重共線性：多?；貧w模型的解釋變量之間存在較強(qiáng)的線性關(guān)系的性質(zhì)二、填空題1. 合理詵擇解釋變量的關(guān)鍵：正確理解有關(guān)經(jīng)濟(jì)理論和把握所2. 計(jì)量經(jīng)濟(jì)模型的用途一般包括：結(jié)構(gòu)分析、經(jīng)濟(jì)預(yù)測、政策評(píng)價(jià)、實(shí)證分 3. 計(jì)量經(jīng)濟(jì)模型檢驗(yàn)的內(nèi)容一般包括：經(jīng)濟(jì)檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)檢驗(yàn)、 預(yù)測性能檢驗(yàn)。4. 對(duì)于不可直接線性化的非線性模型的處理方法：對(duì)于可間接線性化的模型，可以通過 Cobb-Douglas 生產(chǎn)函數(shù)模型、 Logistic 模型變換成標(biāo)準(zhǔn)5建立計(jì)量經(jīng)濟(jì)模型的統(tǒng)計(jì)數(shù)據(jù)主要有

5、三種類型：時(shí)間序列數(shù)據(jù)、橫截面數(shù)據(jù)、面板數(shù)據(jù)。6高介自相關(guān)性的檢驗(yàn)方法：偏相關(guān)系數(shù)檢驗(yàn)、拉格7.對(duì)于變量之間存在多個(gè)協(xié)整關(guān)系時(shí)，應(yīng)當(dāng)采取Johansen檢驗(yàn)的方法。8模型結(jié)構(gòu)的穩(wěn)定性檢驗(yàn)的兩個(gè)用途：一是分析模型結(jié)構(gòu)對(duì)對(duì)樣本變化的敏感性；二是比擬兩個(gè)或多個(gè)回歸模型之間的差異情況。9. 多個(gè)非平穩(wěn)序列變量具有協(xié)關(guān)系/含義。10. P階自回歸序列識(shí)別條件自相關(guān)函數(shù)是拖尾的，偏自相關(guān)函數(shù)是截尾。11. 高斯-馬爾科夫定理指假設(shè)多元線性模型滿足回歸分析的根本假設(shè)，那么模型參數(shù)的最小二乘 估計(jì)是原值的最正確線性無偏估計(jì)。12. 普通最小二乘法的根本原理：樣本回歸函數(shù)值與觀測值之差的平方和最小。三、判斷題1

6、、利用橫截面數(shù)據(jù)建立模型時(shí)，由于不同樣本點(diǎn)上，其他因素影響的差異較大，所以它比 時(shí)間序列資料更容易產(chǎn)生。對(duì)2、 經(jīng)濟(jì)學(xué)是計(jì)量經(jīng)濟(jì)學(xué)建模的根底，統(tǒng)計(jì)學(xué)是計(jì)量經(jīng)濟(jì)學(xué)建模的方法和依據(jù)。對(duì)3、 隨機(jī)游走序列是平穩(wěn)序列，是白噪聲序列。錯(cuò)4、 如果兩個(gè)時(shí)間序列均為同價(jià)的單整序列，那么其線性組合序列一定是與原時(shí)間序列單整階 數(shù)相等的單整序列。錯(cuò)5、 參數(shù)的估計(jì)量是隨機(jī)的，但參數(shù)本身是非隨機(jī)的。錯(cuò)6、 ADF檢驗(yàn)?zāi)Ｐ秃蛥f(xié)整關(guān)系檢驗(yàn)的三個(gè)模型是相同的。對(duì)7、 對(duì)于m個(gè)各具有兩個(gè)不同屬性的定性因素，在設(shè)置虛擬變量時(shí)，應(yīng)設(shè)置m-1個(gè)虛擬變 量。錯(cuò)8、在統(tǒng)計(jì)檢驗(yàn)中，顯著性水平 a它與檢驗(yàn)結(jié)果中的相伴概率 p值是一回事

7、。錯(cuò)四、簡答題1. 針對(duì)計(jì)量經(jīng)濟(jì)模型出現(xiàn)多重共線性問題時(shí)，忽略處理的前提是？不能忽略即必須進(jìn)行處理的條件是？答：忽略處理的前提：建立的模型的目的是進(jìn)行預(yù)測的，只要模型的擬合優(yōu)度較高 即正確反響所有解釋變量的總體影響，并且解釋變量的相關(guān)模型在預(yù)測期內(nèi)保持不變。不能忽略的條件：應(yīng)用模型進(jìn)行結(jié)構(gòu)分析或政策評(píng)價(jià)，即利用系數(shù)分析、比擬各個(gè)解釋變量的單獨(dú)影響，那么需要消除多重共線性的影響。2, 利用格蘭杰因果檢驗(yàn)時(shí)為什么一定要研究的時(shí)間序列必須是平穩(wěn)的？答：假設(shè)非平穩(wěn)的時(shí)間序列進(jìn)行格蘭杰因果檢驗(yàn)時(shí)，F(xiàn)x與Fy 公式自己想寫自己寫下，打不太好打統(tǒng)計(jì)量不再是 F分布，用F檢驗(yàn)得出的結(jié)果是有誤的。只有平穩(wěn)的的時(shí)

8、間序列，用F檢驗(yàn)得出的結(jié)果才是可靠的。注：平穩(wěn)系列時(shí)以 Fx為例只有當(dāng) X是平穩(wěn)數(shù)列時(shí)，X服從正態(tài)分布，X的殘差平方和服從？分布，進(jìn)行格蘭杰因果檢驗(yàn)的統(tǒng)計(jì)量才能服從F分布。3，多元線性回歸方程根本假定課本32,可做修改1零均值假定把 u換為易普森：E(U)二 EujU2UnEu：|EU2回一o Oo_2 同方差和非自相關(guān)假定Var ( U) = E( U - EU)( U - EU ) = E (UU )-E(ui)-EU)UiU2(Ui E(Ui), U2E(U2),，UnE(Un)-E(Un)-"E (UiUi)E (5U2) E ( UiUn)1a20OlE ( U2U1) E

9、 ( U2U2) E ( U2Un)20CT0= CT2| n!T !T !T!T !T !T!T !T !TIT !T !T!(!( # # !» !» !».E ( UnUi)E ( UnU2) E ( UnUn)1200CT3 解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)Un4,虛擬變量的特殊作用有哪些？1091調(diào)整季節(jié)變動(dòng)利用季節(jié)資料建立模型時(shí)，經(jīng)常存在著季節(jié)波動(dòng)。使用虛擬變量可以反映季節(jié)因素的影 響。2檢驗(yàn)?zāi)Ｐ徒Y(jié)構(gòu)的穩(wěn)定性利用不同的樣本數(shù)據(jù)估計(jì)同一形式的計(jì)量經(jīng)濟(jì)模型，可能會(huì)得到不同的估計(jì)結(jié)果。 如果估計(jì)的參數(shù)之間存在著顯著差異，那么稱模型結(jié)構(gòu)是不穩(wěn)定的， 反之那么認(rèn)為是穩(wěn)

10、定的。虛擬變量可以檢驗(yàn)其模型結(jié)構(gòu)的穩(wěn)定性。3 分段回歸在實(shí)際經(jīng)濟(jì)問題的研究中，有些經(jīng)濟(jì)關(guān)系需要用分段回歸加以描述：當(dāng)解釋變量X低于某個(gè)的臨界水平 X*時(shí)，Y與X之間是某種線性相關(guān)關(guān)系，而大于這個(gè)臨界水平 時(shí)，又是另一種線性相關(guān)關(guān)系。使用虛擬變量可以很好地解決分段問題，既能如實(shí)描述 不同階段的經(jīng)濟(jì)關(guān)系，又未減少估計(jì)模型時(shí)樣本容量，保證模型的估計(jì)精度。4 混合回歸建立計(jì)量經(jīng)濟(jì)模型是，有時(shí)能同時(shí)獲得變量的時(shí)序數(shù)據(jù)和橫截?cái)?shù)據(jù)。可以通過設(shè)置虛擬 變量，把所給數(shù)據(jù)“混合成一個(gè)樣本來估計(jì)模型。只要模型參數(shù)不隨時(shí)間而改變，并 且在各個(gè)橫截面之間沒有差異，就可以使用混合樣本估計(jì)模型。5、誤差修正模型的含義有哪些

11、？誤差修正模型：自己寫吧，打不出來有以下三個(gè)明確的含義：1均衡的偏差調(diào)整機(jī)：它是一個(gè)對(duì)具有協(xié)整關(guān)系的變量之間均衡關(guān)系研究的均衡的 偏差調(diào)整機(jī)制。2 協(xié)整與長期均衡的關(guān)系：具有協(xié)整關(guān)系的兩個(gè)變量，系統(tǒng)內(nèi)部的約束機(jī)制使得他們 之間具有長期的均衡關(guān)系。3經(jīng)濟(jì)變量的長期與短期變化模型：它是一個(gè)能夠描述經(jīng)濟(jì)變量之間的長期和短期 變化模型。五、模型遴選逐步回歸法：1、 利用相關(guān)系數(shù)從所有解釋變量中選取與y相關(guān)性最強(qiáng)的變量建立一元回歸模型。2、從模型之外的變量中再引入一個(gè)新的變量進(jìn)入模型，要求新引入的變量是最顯著的變量即能通過顯著性檢驗(yàn)且 t統(tǒng)計(jì)量值最大的變量3、對(duì)模型中的原有變量金進(jìn)行顯著性檢驗(yàn)，逐個(gè)提出

12、不顯著的變量，使模型中的變量均為 顯著變量。4、重復(fù)2、3過程，直至無法引入新的變量、且模型中全部都是顯著變量時(shí)為止。論述1、計(jì)量經(jīng)濟(jì)分析過程中異方差性產(chǎn)生的原因、影響后果、檢驗(yàn)方法及解決方法產(chǎn)生的原因：1模型中遺漏了影響逐漸增大的因素2、模型函數(shù)形式的設(shè)定誤差3、隨機(jī)因素的影響，如政策變動(dòng)、自然災(zāi)害、金融危機(jī)等 不利影響：1最小二乘估計(jì)不再是有效估計(jì)。隨機(jī)誤差項(xiàng)為異方差時(shí)，OLS估計(jì)仍然是無偏估計(jì),但不再具有最小方差的特性；這意味著可能存在其他的參數(shù)估計(jì)方法，其估計(jì)誤差將小于OLS估計(jì)的誤差2、無法正確估計(jì)系數(shù)的標(biāo)準(zhǔn)誤差。 在同方差情況下，B的標(biāo)準(zhǔn)誤差為但是，在異方差的情況下,(T是一些不同

13、的數(shù)，只有估計(jì)出每一個(gè) 觀察值的情況下是無法做到的7之后才能得到系數(shù)的標(biāo)準(zhǔn)誤差，這在只有一組樣本3、t檢驗(yàn)的可靠性降低。因?yàn)樵诋惙讲钋闆r下,計(jì)系數(shù)的標(biāo)準(zhǔn)誤差S 3;所以，用t檢驗(yàn)來判斷解釋這直接影響到t統(tǒng)計(jì)量值的正確確定，因?yàn)?變量影響的顯著性將失去意義。4、增大模型的預(yù)測誤差。異方差性的存在一方面使模型失去了良好的統(tǒng)計(jì)性質(zhì)，另一方面由于隨機(jī)誤差項(xiàng)的方差與模型的預(yù)測區(qū)間密切相關(guān)，在7 逐漸增大的情況下，模型的預(yù)測誤差也隨著增大檢驗(yàn)：1一 1相關(guān)圖分析。“方差即為隨機(jī)變量的離散程度。由于被解釋變量y與誤差項(xiàng)&的方差相同。如果隨著 x值的增加，y的離散程度呈現(xiàn)逐漸增大或減小的趨 勢，那么說

14、明模型存在著遞增型或遞減型的異方差性。2 殘差分布圖分析。觀察模型的殘差分布圖，如果殘差分布的離散程度有明顯擴(kuò)大的趨勢，那么說明存在異方差性。2、戈德菲爾德一匡特檢驗(yàn)。將樣本解釋變量的值升序降序后分成兩局部，再利用樣本1和樣本2分別建立回歸模型，并求出各自的殘差平方和 RSS和RSS。樣本中部去掉 C個(gè)數(shù) 據(jù)通常取 C=n/4 ,再利用 F統(tǒng)計(jì)量判斷差異的顯著性其中，一般取RSS2>RSS。對(duì)于給定的顯著水平 a,假設(shè)F>F a，那么說明存在異方差性；反之，那么不存在異方差性。3、懷特檢驗(yàn)。懷特檢驗(yàn)是通過建立輔助回歸模型的方式來判斷異方差性。設(shè)回歸模型為二元線性回歸模型：X十燦G

15、+坯獨(dú)+目!那么white檢驗(yàn)的具體步驟 為：1估計(jì)回歸模型，并計(jì)算殘差的平方e 。 2估計(jì)輔助回歸模型2 2 2q =a0 +a嚴(yán)° + a2x2i + a3xi + a4x2i +3計(jì)算輔助回歸模型的判定系數(shù)R ； H.White證明，在同方差的假設(shè)下即假設(shè)H :a1= a= a= a4= a5=0,漸進(jìn)地有 nR X q 4對(duì)于給定的顯著水平a,假設(shè)nR>Xq，那么拒絕原假設(shè)H，即認(rèn)為a iM中至少有一個(gè)顯著地不等于0，模型的方差隨著解釋變量的變化而變化，即模型存在異方差性；反之，那么認(rèn)為不存在異方差性。4、帕克檢驗(yàn)和戈里瑟檢驗(yàn)。帕克檢驗(yàn)的模型形式為帕克檢驗(yàn)的模型形式為:

16、In© 二 Ina +01n爲(wèi) + vt 戈里瑟檢驗(yàn)是利用多個(gè)模型形式進(jìn)行檢驗(yàn)：=a +/3x-/t = ± 1,±2,± 1/2, *其中v是隨機(jī)誤差項(xiàng)。如果經(jīng)檢驗(yàn)?zāi)硞€(gè)方程是顯著的，那么說明隨機(jī)誤差項(xiàng)的方差隨著解釋 變量取值的不同而變化，即存在異方差性。解決方法：1、 模型變換法。即對(duì)存在異方差性的模型進(jìn)行適當(dāng)?shù)淖兞孔儞Q，使之成為滿足同方差假定的模型。模型變換法的前提是要合理確定異方差性的具體形式。2、 加權(quán)最小二乘法。 考慮異方差模型的擬合總誤差時(shí)， 對(duì)不同的e應(yīng)該區(qū)別對(duì)待，d較 小的e賦予較大的權(quán)數(shù)，而d較大的e賦予較小的權(quán)數(shù)，將權(quán)數(shù) W直接取成1

17、/ d ,并且估 計(jì)模型時(shí)是使殘差的加權(quán)平方和到達(dá)最小，從而消除模型中的異方差性。3、加權(quán)最小二乘估計(jì)的 EViews軟件實(shí)現(xiàn)。事先確定權(quán)數(shù)變量，在 EViews軟件中可以直接進(jìn)行加權(quán)最小二乘估計(jì)2、論述計(jì)量經(jīng)濟(jì)分析過程中自相關(guān)性產(chǎn)生的原因、影響后果、檢驗(yàn)方法及解決 方法。原因： 模型中遺漏了重要的解釋變量 模型函數(shù)形式的設(shè)定不當(dāng) 經(jīng)濟(jì)慣性。由于經(jīng)濟(jì)開展的連續(xù)性所形成的慣性或粘滯性，使得許多經(jīng)濟(jì)變量的前后期之間是相互關(guān)聯(lián)的。 隨機(jī)因素的影響。自然災(zāi)害、金融危機(jī)、世界經(jīng)濟(jì)環(huán)境的變化等隨機(jī)因素的影響，往 往要持續(xù)多個(gè)時(shí)期，使得隨機(jī)誤差項(xiàng)呈現(xiàn)出相關(guān)性。OLS估計(jì)仍然是無偏估計(jì)，OLS估計(jì)的誤差。OL

18、S估計(jì)的方差將大于 d 2/(n-2) 也會(huì)低估真實(shí)的d 2,影響： 最小二乘估計(jì)不再是有效估計(jì)。當(dāng)模型存在自相關(guān)性時(shí)， 但不再具備有效性。即存在其他的參數(shù)估計(jì)方法，其估計(jì)誤差小于 一般會(huì)低估 OLS估計(jì)的標(biāo)準(zhǔn)誤差。當(dāng)模型存在自相關(guān)性時(shí)，2/刀(xt- x)2。不僅如此，受相關(guān)性的影響，/的無偏估計(jì)刀et真實(shí)的標(biāo)準(zhǔn)誤差可能會(huì)比它大仍然按照原來的公式計(jì)算 S( 3),那么會(huì)得到一個(gè)偏低的估計(jì)， 很多。 t檢驗(yàn)的可靠性降低。在自相關(guān)性的影響下,S ( 3)的估計(jì)偏低將直接導(dǎo)致 t統(tǒng)計(jì)量值的增大，這很可能使原來不顯著的 t值變?yōu)轱@著的，即容易將不重要的因素誤認(rèn)為有顯著 影響的變量而引入模型。系數(shù)估計(jì)

19、誤差 降低模型的預(yù)測精度。模型的預(yù)測區(qū)間與參數(shù)估計(jì)量的方差密切相關(guān)， 的不準(zhǔn)確，將直接影響模型的預(yù)測精度。檢驗(yàn)：1、殘差圖分析。通過對(duì)殘差分布圖的分析，可以大致判斷隨機(jī)誤差項(xiàng)的變化特征。如 果隨著時(shí)間的推移殘差分布呈現(xiàn)出周期性的變化，說明很可能存在自相關(guān)性。2 、徳賓-沃森檢驗(yàn)。DW僉驗(yàn)的原理和步驟提出假設(shè)p =0,即不存在(一階)自 相關(guān)性。構(gòu)造檢驗(yàn)統(tǒng)計(jì)量：)檢驗(yàn)自相關(guān)性。因?yàn)樽韵嚓P(guān)系數(shù)P的值介于-1的值顯著接近于0與4時(shí)，那么存在自相關(guān)性，接近與DW統(tǒng)計(jì)量與p之間的關(guān)系：DW2 (1- p ) 和1之間，所以有：0切W4,當(dāng)DW 2時(shí)，那么不存在(一階)自相關(guān)性。3、高階自相關(guān)性檢驗(yàn)。偏相

20、關(guān)系數(shù)檢驗(yàn)。利用EViews軟件計(jì)算偏相關(guān)系數(shù)，使用偏相關(guān)系數(shù)(PAC)判斷自相關(guān)性。布羅斯-戈弗雷檢驗(yàn)。實(shí)際應(yīng)用中，一般是從低階的p(p=1) 開始，直到p=10左右，假設(shè)未能得到顯著的檢驗(yàn)結(jié)果，可以認(rèn)為不存在自相關(guān)性。解決方法：1、廣義差分法。只要對(duì)存在自相關(guān)性的模型進(jìn)行廣義差分變換，就可以消除原模型中的自相關(guān)性，然后再對(duì)變換后的模型進(jìn)行OLS估計(jì)，得到的仍然是最正確估計(jì)量。2、自相關(guān)系數(shù)p的估計(jì)方法3、廣義差分法的 EViews軟件實(shí)現(xiàn)4、迭代估計(jì)過程的控制3、論述計(jì)量經(jīng)濟(jì)學(xué)分析過程中多重共線性產(chǎn)生的原因、影響后果、檢驗(yàn)方法及 解決方法。答：1、產(chǎn)生原因： 經(jīng)濟(jì)變量的內(nèi)在聯(lián)系，這是產(chǎn)生多

21、重共線性的根本原因; 經(jīng)濟(jì)變量變化趨勢的“共向性。有些經(jīng)濟(jì)變量并沒有明顯的內(nèi)在聯(lián)系，但由于在考察的樣本期內(nèi)，其變化方向的一致性使變量的樣本數(shù)據(jù)高度相關(guān)。 解釋變量中含有滯后變量。變量的各期值之間很可能是高度相關(guān)的，所以含有滯后變量的模型一般都存在多重共線性。2、影響后果： 增加OLS估計(jì)的方差。OLS估計(jì)量的方差隨著多重共線性的出現(xiàn)而“膨脹起來,多重共線性程度增強(qiáng)， OLS估計(jì)量的方差將成倍增長，直至趨于無窮大。 難以區(qū)分每個(gè)解釋變量的單獨(dú)影響。在多重共線性的情況下， 解釋變量的相關(guān)性將無法“保持其他變量不變，從而也難以別離出每個(gè)解釋變量的單獨(dú)影響。 T檢驗(yàn)的可靠性降低。在多重共線性的影響下，系數(shù)估計(jì)誤差S(的的增大將導(dǎo)致t統(tǒng)計(jì)量值的減小，這很可能是原來顯著的t值變成不顯著的，即容易將有重