計量經(jīng)濟學重點

單選5*2線性相關(guān)系數(shù)r與擬合優(yōu)度R2關(guān)系2、F統(tǒng)計量公式及其變形變差來源SS平方和df自由度MS均方和F統(tǒng)計值回歸ESSkESS/k

殘差RSSn-k-1RSS/(n-k-1)總變差TSSn-1TSS/n-13、t檢驗與F檢驗矛盾的原因多重共線性的特點4、R2與的比較可見，當K=0時相等R2總是小于；甚至可能為負數(shù)（若出現(xiàn)負數(shù)，視同等于0）。5、是包含所有k個自變量時的均方誤差6、回歸的標準誤差，即把下面的平方7、雙對數(shù)模型單對數(shù)模型二、名詞解釋5*41、普通最小平方和(OLS)：即最小二乘法，指根據(jù)使估計的剩余平方和最小的原則確定樣本回歸函數(shù)的方法。2、殘差平方和：用RSS表示：度量實際值與擬合值之間的差異，是由除解釋變量以外的其他因素引起的被解釋變量變化的部分3、總平方和(TSS):即總離差平方和，用TSS表示，用以度量被解釋變量的總變動。4、樣本決定系數(shù)(R2):回歸平方和占總平方和的比重。5、（調(diào)整后的樣本決定系數(shù)）:叫調(diào)整的決定系數(shù)，是一個用于描述多個解釋變量對被解釋變量的聯(lián)合影響程度的統(tǒng)計量，克服了R2隨解釋變量的增加而增大的缺陷，與R2的關(guān)系為6、VIF方差擴大因子：容忍度的倒數(shù)，VIF越大，顯示共線性越嚴重。1除以（1-多重可決系數(shù)的平方），決定了方差和協(xié)方差增大的速度。7、異方差:對于不同的樣本點，隨機干擾項的方差不再是常數(shù)，而是互不相同，則認為出現(xiàn)了異方差性。8、多重共線性：指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。9、誤差項自相關(guān)：按一定時間順序排列的觀測序列中各觀測值之間存在相關(guān)性。Cov(ut,us)=0(t1s,t,s=1,2,…,n)若Cov(ut,us)≠0，即u在不同觀測點下的取值相關(guān)連，則稱隨機誤差項u存在自相關(guān)。10、虛擬變量：在建立模型時，有一些影響經(jīng)濟變量的因素無法定量描述，如職業(yè)、性別對收入的影響，教育程度，季節(jié)因素等往往需要用定性變量度量。為了在模型中反映這類因素的影響，并提高模型的精度，需要將這類變量“量化”。根據(jù)這類邊另的屬性類型，構(gòu)造僅取“0”或“1”的人工變量，通常稱這類變量為“虛擬變量”11、高斯-馬爾可夫定理：在古典假定條件下，OLS估計量是模型參數(shù)的最佳線性無偏估計量，這一結(jié)論即是高斯－馬爾可夫定理。三、簡答題5*61、計量經(jīng)濟模型及其構(gòu)成要素答：經(jīng)濟模型就是經(jīng)濟現(xiàn)象的描述或模仿。計量經(jīng)濟學所研究和應(yīng)用的模型是經(jīng)濟模型的一種，分為經(jīng)典計量經(jīng)濟模型和非經(jīng)典計量經(jīng)濟模型。構(gòu)成模型的四要素：經(jīng)濟變量x，y：因變量（被解釋變量）；自變量（解釋變量）。一個方程中因變量有一個；自變量可以有一個，也可以多個。誤差項u：是一個隨機變量，用于表示模型中尚未包含的影響因素對因變量的影響，我們一般假定其滿足某些條件。模型參數(shù)β：是模型中表示變量之間數(shù)量關(guān)系的系數(shù)。在未經(jīng)實際資料估計之前，參數(shù)是未知的。對模型參數(shù)進行有效地估計是計量經(jīng)濟學研究的主要內(nèi)容之—。方程的形式f(·)：將計量經(jīng)濟模型的三個要素聯(lián)系在一起的數(shù)學表達式，根據(jù)其不同情況可分為線性模型和非線性模型等。2、“線性”的兩個含義答：模型就變量而言是線性的模型就參數(shù)而言是線性的在計量經(jīng)濟學中，線性回歸模型主要指就參數(shù)而言是“線性”的,因為只要對參數(shù)而言是線性的,都可以用類似的方法去估計其參數(shù)，都可以歸于線性回歸。3、線性、雙對數(shù)、半對數(shù)模型斜率的經(jīng)濟含義答：線性：y=a+b*x+u，x每增加1個單位，y平均增加b個單位1.雙對數(shù)模型則＝可以發(fā)現(xiàn)這個就是Y對X的彈性，請參考微觀經(jīng)濟學中需求的價格彈性定義公式ed=。2.半對數(shù)這個表示X的單位絕對變化量導致Y的相對變化量（變化率）。這個就是X的單位相對變化量導致Y的絕對量的變化量。4、一元多線性回歸的古典假設(shè)答：①參數(shù)線性假定②隨機抽樣假定（獨立同分布假定）③隨機項零條件均值假定（解釋變量外生性假定）④條件同方差性假定⑤隨機誤差項具有正態(tài)性。5、高斯-馬爾科夫定理答：在給定經(jīng)典線性回歸的假定下，最小二乘估計量是具有最小方差的線性無偏估計量。意義在于，當經(jīng)典假定成立時，我們不需要再去尋找其它無偏估計量，沒有一個會優(yōu)于普通最小二乘估計量。也就是說，如果存在一個好的線性無偏估計量，這個估計量的方差最多與普通最小二乘估計量的方差一樣小，不會小于普通最小二乘估計量的方差。6、異方差的原因、后果答：一般而言，產(chǎn)生異方差的原因主要來自以下幾個方面：①模型中省略的解釋變量②測量誤差③模型中一個或多個回歸元的分布偏態(tài)（Skewness)，即截面數(shù)據(jù)中總體各單位的差異。④模型函數(shù)形式設(shè)定錯誤。⑤異方差性還會因為異常觀測（outliers）的出現(xiàn)而產(chǎn)生。如果模型中存在異方差，將產(chǎn)生以下的后果：①最小二乘估計量仍然是線性無偏的與一致的，但不再具有最小方差性。②隨機項的方差的估計是有偏的。③由于是的有偏估計，所以這些參數(shù)方差的估計量是有偏的，參數(shù)的估計標準誤差也是有偏不能用來構(gòu)造置信區(qū)間和t統(tǒng)計量。④預(yù)測的精確度降低。7、如何變換模型形式、修正異方差答：以一元線性回歸模型為例：經(jīng)檢驗存在異方差，且其中是常數(shù)，是的某種函數(shù)。變換模型時，用除以模型的兩端得：記則有：隨機誤差項的方差為經(jīng)變換的模型的隨機誤差項已是同方差，常見的設(shè)定形式及對應(yīng)的情況8、方差擴大（膨脹）因子公式、意義反應(yīng)答：VIF=1/(1-R2)即：VIF是第J個變量的方差膨脹因子；R2是以第J個變量為被解釋變量其余J-1個解釋變量為解釋變量建立多元線性回歸模型的決定系數(shù)當0＜VIF＜10，不存在多重共線性；當10≤VIF＜100，存在較強的多重共線性；當VIF≥100，存在嚴重多重共線性9、時間序列回歸的特殊性答：（一）側(cè)重于預(yù)測時間序列回歸分析與橫截面回歸分析的側(cè)重點有所區(qū)別。橫截面回歸分析大多數(shù)采用結(jié)構(gòu)模型（即因果模型），關(guān)注的是解釋變量對被解釋變量條件均值的效應(yīng)，預(yù)測問題不是主要問題；時間序列回歸分析重點考察變量之間的長期均衡和短期調(diào)整問題，預(yù)測是其應(yīng)用的重點，結(jié)構(gòu)分析的重要性倒在其次。由于研究側(cè)重點不同，所以除了結(jié)構(gòu)模型之外，時間序列回歸還經(jīng)常采用非結(jié)構(gòu)性模型或動態(tài)模型。（二）“偽回歸”問題所謂“偽回歸”（“虛假回歸”），是指變量間本來不存在系統(tǒng)性的數(shù)量依存關(guān)系，但回歸結(jié)果卻得出存在系統(tǒng)性關(guān)系的錯誤結(jié)論的現(xiàn)象。偽回歸與時間序列的特性有關(guān)：1.確定性時間趨勢（或季節(jié)變化）：“第一種類型的偽回歸”（遺漏時間或季節(jié)變量造成）。2.非平穩(wěn)或高度持久：“第二種類型的偽回歸”。大數(shù)定律和中心極限定理前提不存在，OLSE的大樣本性質(zhì)（如一致性、漸進正態(tài)性）不能成立。假設(shè)檢驗往往作出與事實不符的推斷，得到誤導性的結(jié)論。（三）往往需要進行數(shù)據(jù)預(yù)處理1.去除趨勢（對確定性時間趨勢序列）、差分（對非平穩(wěn)或是高度持