(超全)计量经济学框架图

高级计量经济学绪论

第 1 章绪论 1.1 什么是计量经济学 “计量经济学”(Econometrics)是运用概率统计方法对经济变量之间的(因果)关系进行定量分析的科学。 计量经济学常不足以确定经济变量间的因果关系(由于实验数据的缺乏)； 多数实证分析正是要确定变量间的因果关系(X 是否导致Y)，而非仅仅是相关关系。

【例】看到街上人们带伞，可预测今天要下雨。这是相关关系；“人们带伞”并不造成“下雨”。 计量分析须建立在经济理论基础上。但即使有理论，因果关系依然不好分辨。 首先，可能存在“逆向因果”(reverse causality)。 【例】FDI 促进经济增长，但FDI 也可能被吸引到高增长地区。 其次，可能是被遗漏的第三个变量(Z)对这两个变量(X，Y)同时起作用。 2

图1.1 可能的因果关系 例：决定教育投资回报率(returns to schooling)的因素 =α+βS i+εi ln W i 其中，ln W (工资对数)为“被解释变量”(dependent variable)，S (教育年限)为“解释变量”(explanatory variable, regressor)，ε 为“随机扰动项”(stochastic disturbance)或“误差项”(error term)； 3

下标i 表示第i 个观测值(个体i)；α与β为待估参数。 用数据估计此一元回归会发现，工资与受教育年限显著正相关，而且教育投资回报率β还挺高。 但工资收入也与能力有关；能力无法观测，而能力高的人通常选择接受更多教育。教育的高回报率包含了对能力的回报。 影响工资收入的因素还可能包括工作经验、毕业学校、人种、性别、外貌等。 须尽可能多地引入“控制变量”(control variables)，即多元回归的方法，才能准确估计“感兴趣的参数”(parameters of interest)，即本例的教育投资回报率β。 4

计量经济学试题

06A卷 一、判断说明题（每小题1分，共10分） 1.在实际中，一元回归没什么用，因为因变量 的行为不可能仅由一个解释变量来解释。(×) 4.在线性回归模型中，解释变量是原因，被解 释变量是结果。（×） 7. 给定显著性水平 及自由度，若计算得到 的t 值超过t的临界值，我们将拒绝零假设。 （√） 8.为了避免陷入虚拟变量陷阱，如果一个定性 变量有 m类，则要引入m个虚拟变量。（×） 二、名词解释(每小题2分，共10分) 1.计量经济学：融合数学、统计学及经济理论，结合研究经济行为和现象的理论和实务。 2.最小二乘法：使全部观测值的残差平方和为最小的方法就是最小二乘法。 3.虚拟变量：在经济生活研究中，有一些暂时起作用的因素。如战争、天灾、人祸等，这些因素在经济中不经常发生，但又带有相同特性，经济学家把这些不经常发生的、又起暂时影响作用的称为虚拟变量。 4.滞后变量：用来作为解释变量的内生变量的前期值称为滞后内生变量，简称为滞后变量。 5.自回归模型：包含有被解释变量滞后值的模型，称为自回归模型。 三、简答题(每小题5分，共20分) 1．应用最小二乘法应满足的古典假定有哪些？（1）随机项的均值为零； （2）随机项无序列相关和等方差性； （3）解释变量是非随机的，如果是随机的则与随机项不相关； （4）解释变量之间不存在多重共线性。 2．运用计量经济学方法解决经济问题的步骤一般是什么？ （1）建立模型； （2）估计参数； （3）验证理论； （4）使用模型。 3．你能分别举出三个时间序列数据、截面数据、混合数据、虚拟变量数据的实际例子吗？ （1）时间序列数据如：每年的国民生产总值、 各年商品的零售总额、各年的年均人口增长 数、年出口额、年进口额等等； （2）截面数据如：西南财大2002年各位教师年收入、2002年各省总产值、2002年5月成都市 各区罪案发生率等等； （3）混合数据如：1990年~2000年各省的人均收入、消费支出、教育投入等等； （4）虚拟变量数据如：婚否，身高是否大于170厘米，受教育年数是否达到10年等等。 4．随机扰动项μ的一些特性有哪些？ （1）众多因素对被解释变量Y的影响代表的综合体； （2）对Y的影响方向应该是各异的，有正有负；（3）由于是次要因素的代表，对Y的总平均影响可能为零； （4）对Y的影响是非趋势性的，是随机扰动的。 四、分析、计算题(每小题15分，共45分) 1. 根据下面Eviews回归结果回答问题。Dependent Variable: DEBT Method: Least Squares Date: 05/31/06 Time: 08:35 Sample: 1980 1995 Included observations: 16 Variable Coefficie nt Std. Erro r t-Statist ic Prob . C（） INCOME（） COST（） R-squared Mean dependent var Adjusted R-squared （） . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic（）Durbin-Wats on stat Prob(F-statisti c) INCOME——个人收入，单位亿美元； COST——抵押贷款费用，单位%。 1. 完成Eviews回归结果中空白处内容。 2. 说明总体回归模型和样本回归模型的区别。

计量经济学课后习题

计量经济学课后习题 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？ 答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。 计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 4.建立与应用计量经济学模型的主要步骤有哪些？ 答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？ 答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 4．如何缩小置信区间？（P46） 由上式可以看出（1）.增大样本容量。样本容量变大，可使样本参数估计量的标准差减小；同时，在同样置信水平下，n越大，t分布表中的临界值越小。（2）提高模型的拟合优度。因为样本参数估计量的标准差和残差平方和呈正比，模型的拟合优度越高，残差平方和应越小。 1.为什么计量经济学模型的理论方程中必须包含随机干扰项？ （经典模型中产生随机误差的原因） 答：计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式。由于是随机变量，意味着影响被解释变量的因素是复杂的，除了解释变量的影响外，还有其他无法在模型中独立列出的各种因素的影响。这样，理论模型中就必须使用一个称为随机干扰项的变量宋代表所有这些无法在模型中独立表示出来的影响因素，以保证模型在理论上的科学性。 3.一元线性回归模型的基本假设主要有哪些？ 违背基本假设的模型是否不可以估计？ 答：线性回归模型的基本假设有两大类：一类是关于随机干扰项的，包括零均值，同方差，不序列相关，满足正态分布等假设；另一类是关于解释变量的，主要有：解释变量是非随机的，若是

计量经济学简答题及答案

计量经济学简答题及答案 1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据，反映在 图上就是是样本点偏离样本回归线的距离总体上最小，即残差平方和最小 ∑=n i i e 12min 。 只有在满足了线性回归模型的古典假设时候，采用OLS 才能保证参数估计结果的可靠性。 在不满足基本假设时，如出现异方差，就不能采用OLS 。加权最小二乘法是对原 模型加权，对较小残差平方和2i e 赋予较大的权重，对较大2i e 赋予较小的权重，消除异方差，然后在采用OLS 估计其参数。 在出现序列相关时，可以采用广义最小二乘法，这是最具有普遍意义的最小二乘 法。 最小二乘法是加权最小二乘法的特例，普通最小二乘法和加权最小二乘法是广义 最小二乘法的特列。 6、虚拟变量有哪几种基本的引入方式? 它们各适用于什么情况? 答: 在模型中引入虚拟变量的主要方式有加法方式与乘法方式，前者主要适用于 定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。 7、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS 估计？ 答：主要的原因有三：第一，结构方程解释变量中的内生解释变量是随机解释变 量,不能直接用OLS 来估计；第二，在估计联立方程系统中某一个随机方程参数时，需要考虑没有包含在该方程中的变量的数据信息，而单方程的OLS 估计做不到这一点；第三，联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性，表现于不同方程随机干扰项之间，如果采用单方程方法估计某一个方程，是不可能考虑这种相关性的，造成信息的损失。 2、计量经济模型有哪些应用。 答：①结构分析，即是利用模型对经济变量之间的相互关系做出研究，分析当其 他条件不变时，模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测，即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价，对不同的政策方案可能产生的后果进行评价对比，从中做出选择的过程。④检验和发展经济理论，计量经济模型可用来检验经济理论的正确性，并揭示经济活动所遵循的经济规律。 6、简述建立与应用计量经济模型的主要步骤。 答：一般分为5个步骤：①根据经济理论建立计量经济模型；②样本数据的收集； ③估计参数；④模型的检验；⑤计量经济模型的应用。 7、对计量经济模型的检验应从几个方面入手。 答：①经济意义检验；②统计准则检验；③计量经济学准则检验；④模型预测检 验。

高级计量经济学知识点总结

1. 计量经济分析的步骤 2）建立计量经济模型。 ①确定模型包含的变量；②确定模型的数学形式；③拟定模型中待估计参数的理论期望值区间 3）收集数据。数据质量: 完整性、准确性、可比性、一致性 4）估计参数。参数估计为经济理论提供了实际经验的内容，并验证经济理论。 5）假设检验。①经济意义检验：根据拟定的符号、大小、关系②统计检验③计量经济学检验 ④模型预测检验 6）预测和政策分析。①结构分析②经济预测③政策评价④实证分析（理论检验与发展 经典线性回归模型 2.统计假设 ②E(ui uj)=0,③E(ut 2)=σ2④Xjt 是非随机量，⑤（K+1）< n; ⑥各解释变量之间不存在严格的线性关系。 2）A1. E(u)=0 A2. A3. X 是一个非随机元素矩阵 A4. Rank(X) = (K+1) < n 3.β的统计值及其分布 ~ 4.拟合优度（决定系数、修正决定系数） 使用修正决定系数原因：决定系数是一个与解释变量的个数有关的量，解释变量个数增加，RSS 减小，从而使R 2 增大。人们总是可以通过增加模型中解释变量的方法来增大 R2 的值。 5.假设检验 1）单个系数显著性检验 2）若干个系数的显著性检验（联合假设检验） ～t(n-k-1) ～F(g,n-k-1) 3）全部斜率系数为0的检验 4）检验其他形式的系数约束条件（同联合检验） ～F(g,n-k-1) 6. 回归结果的提供和分析： DW 检验值说明是否存在扰动项的自相关。 7. 斜率和截距都变动（分别检验β2和β4的显著性即可） n I u u E 2)(σ='?''-1β=(X X)X Y )6(??)5()()())((?2222X Y x y x X X n Y X Y X n X X Y Y X X t t t t t t t t t t t t βαβ-==--=---=∑∑∑∑∑∑∑∑∑β?),(22∑t x N σβ2?~(,)j j jj N c ββσ()TSS RSS TSS ESS R Y Y e R -==--==∑∑112222或总变差解释变差()∑∑-----=22)1()1(1Y Y K n e n ())1()1(1222-----=∑∑n Y Y K n e R 1)1)(1(12-----=K n R n /2?(1)j t n k αβ±--σ)?(?)?(?j j j j ββββVar Se t ==())1(---=K n S g S S F R )1()1(22---=K n R K R u DX X D Y u X D D Y ++++=++++=)()()(43214321ββββββββ即：

所有计量经济学检验方法(全)

计量经济学所有检验方法 一、拟合优度检验 可决系数 TSS RSS TSS ESS R - ==12 TSS 为总离差平方和，ESS 为回归平方和，RSS 为残差平方和 该统计量用来测量样本回归线对样本观测值的拟合优度。 该统计量越接近于1，模型的拟合优度越高。 调整的可决系数)1/() 1/(12---- =n TSS k n RSS R 其中：n-k-1为残差平方和的自由度，n-1为总体平方 和的自由度。将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响。 二、方程的显著性检验(F 检验) 方程的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出推断。 原假设与备择假设：H 0:β1=β2=β3=…βk =0 H 1: βj 不全为0 统计量 )1/(/--= k n RSS k ESS F 服从自由度为(k , n-k-1)的F 分布，给定显著性水平α，可得到临 界值F α(k,n-k-1)，由样本求出统计量F 的数值，通过F>F α(k,n-k-1)或F ≤F α(k,n-k-1)来拒绝或接受原假设H 0，以判定原方程总体上的线性关系是否显著成立。 三、变量的显著性检验（t 检验） 对每个解释变量进行显著性检验，以决定是否作为解释变量被保留在模型中。 原假设与备择假设：H0：βi =0 （i=1,2…k ）；H1：βi ≠0 给定显著性水平α，可得到临界值t α/2(n-k-1)，由样本求出统计量t 的数值，通过 |t|> t α/2(n-k-1) 或 |t|≤t α/2(n-k-1) 来拒绝或接受原假设H0，从而判定对应的解释变量是否应包括在模型中。 四、参数的置信区间 参数的置信区间用来考察：在一次抽样中所估计的参数值离参数的真实值有多“近”。 统计量 )1(~1??? ----'--= k n t k n c S t ii i i i i i e e βββββ 在(1-α)的置信水平下βi 的置信区间是 ( , ) ββααββ i i t s t s i i -?+?2 2 ，其中，t α/2为显著性 水平为α、自由度为n-k-1的临界值。 五、异方差检验 1. 帕克(Park)检验与戈里瑟(Gleiser)检验 试建立方程： i ji i X f e ε+=)(~2 或 i ji i X f e ε+=)(|~|

计量经济学简答题及答案43378

简答： 1、时间序列数据和横截面数据有何不同？ 时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。这两类数据都是反映经济规律的经济现象的数量信息，不同点：时间序列数据是含义、口径相同的同一指标按时间先后排列的统计数据列；而横截面数据是一批发生在同一时间截面上不同统计单元的相同统计指标组成的数据列。 2、建立计量经济模型赖以成功的三要素。P16（课本） 成功的要素有三：理论、方法和数据。理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础；方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支科学的主要特征；数据：反映研究对象的活动水平、相互间以及外部环境的数据，更广义讲是信息，是计量经济学研究的原料。三者缺一不可。 3、什么是相关关系、因果关系；相关关系与因果关系的区别与联系。 相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。 因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。 具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。 4、回归分析与相关分析的区别与关系。P23-P24（课本） 相关分析与回归分析既有联系又有区别。首先，两者都是研究非确定性变量间的统计依赖关系，并能测度线性依赖程度的大小。其次，两者间又有明显的区别。相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，因此，变量的地位在相关分析中饰对称的，而且都是随机变量；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量与被解释变量之分，而且解释变量也往往被假设为非随机变量。再次，相关分析只关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。 5、数理经济模型和计量经济模型的区别。 答：数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。 6、从哪几方面看，计量经济学是一门经济学科？P6（课本）

高级计量经济学复习精要

高级计量经济学复习精要 一、简答题（10分x 2）: （一）多重共线性问题：（主要看修正方法） 1、多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系 而使模型估计失真或难以估计准确。完全共线性的情况并不多见，一般岀现的是在一定程度上的 共线性，即近似共线性。 2、产生原因主要有3各方面：（1）经济变量相关的共同趋势；（2）滞后变量的引入；（3）样本资料的限制。 3、造成的后果：（1）完全共线性下参数估计量不存在；（ 2）近似共线性下 OLS估计量非有效；（3）参数估计量经济含义不合理；（ 4）变量的显着性检验失去意义；（ 5）模型的预测功能失效。 4、识别方法：（1）经验识别：对模型估计后，R1 2 3极高，多个变量不显着，出现与理论预期 相悖的情况，有理由怀疑存在多重共线性。（2）相关系数法：计算变量间两两相关系数。只要 其中一个大等于 0.6或0.7，则表明可能存在严重的共线性。（3）膨胀因子法：计算每个解释 变量的VIF，若某一个 VIF > 10,则表明存在严重的共线性。 5、修正方法［（※※※［根据潘老师讲课内容进行整理 共线性的修正方法有很多，按照优劣程度排序，主要有五种方法： 方法1:扩充样本以减弱共线性。主要通过增加自由度来提高精度，如将时序数据或截面数 据变为面板数据，从而将一维数据变为二维。 评价：这种方法最理想，但存在的缺点是：①效果不定；②不可行。 方法2：工具变量法（IV）。主要通过工具变量，运用两阶段最小二乘完成。 评价：这种方法目前最受欢迎，高质量的期刊论文通常都采用该方法。缺点是：①由于相关 关系具有传导性，工具变量S很难找；②用S替代X,有时经济正当性不足。 方法3:变量变换法。可以通过对数变换、绝对转相对和方程变换进行变量变换。 评价：这种方法最简单易行，但存在的缺点是：①简单相关系数描述的是线性关系，而对数 是非线性化过程；②功效不足；③不是所有变量都能用来做变换，必须有明确的经济学指代。 方法4:逐步回归法。主要是通过降维减少变量来减弱共线性。 评价：这种方法要慎用，最大的缺点是：虽然能很好地解决共线性问题，但是却引发了更严 重的内生性问题。 方法5:主成份分析法或因子分析法。具有降维的作用，主要用于多指标评价。 评价：该方法很好地消除了共线性。但这种方法要慎用，最大的缺点是：经济含义伤害过大。 （二）内生性问题 2内生性是指：模型中的解释变量与扰动项相关。通常我们做古典假设①；i为白噪声， _ 2 叮叮 E（；）=0，var （） =；- ，cov（j）=0 :②X是非随机变量（微观可以通过固定抽样得到 解决，宏观则不可），贝U cov （X, ）=0成立。但是当cov （X,'、丰0时上述假设便不再成立，我们称之为内生性，进而导致OLS失效，是非一致性的。 3 内生性产生的原因：①X与丫存在双向因果，即 X影响丫的同时，丫也影响X;如金融发展与经济增长；外商直接投资FDI与经济增长；犯罪率与警备投入。②模型遗漏重要解释变量。无论是缺失重要解释变量导致，还是无法获取数据导致，被遗漏的重要变量进入了残差项， 如果与其他解释变量相关，就会岀现 cov（U t,X t）工0,也就是内生性问题。③度量误差：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，

计量经济学简答题整理版

1. 请问自回归模型的估计存在什么困难？如何来解决这些苦难？ 答：主要存在两个问题： (1) 出现了随机解释变量Y ，而可能与随机扰动项相关； (2) 随机扰动项可能存在自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动项无自相关。 对于第一个问题的解决可以使用工具变量法；对于第二个问题的检验可以用德宾h 检验法，目前还没有很好的解决办法，唯一能做的就是模型尽可能的设定正确。 2. 为什么要进行广义差分变换？写出其过程。 答：进行广义差分变换是为了处理自相关，写出其过程如下： 以一元模型为例：Y t = b 0 + b 1 X t +u t 假设误差项服从AR(1)过程：u t =ρu t-1 +v t －1 ≤ρ≤1 其中，v 满足OLS 假定，并且是已知的。 为了弄清楚如何使变换后模型的误差项不具有自相关性，我们将回归方程中的变量滞后一期，写为： Y t-1 = b 0 + b 1 X t-1 +u t-1 方程的两边同时乘以ρ，得到：ρY t-1 = ρb 0 + ρb 1 X t-1 +ρu t-1 现在将两方程相减，得到：(Y t －ρY t-1 ) = b 0 ( 1 －ρ) + b 1 (X t －ρX t-1 ) + v t 由于方程中的误差项v t 满足标准OLS 假定，方程就是一种变换形式，使得变换后的模型无序列相关。如果我们将方程写成：Y t * = b 0* + b 1 X t * +v t ，其中，Y t * = (Y t -ρY t-1 ) ，X t * = (X t -ρX t-1 ) ，b 0* = b 0 ( 1 -ρ)。 3. 什么是递归模型？ 答：递归模型是指在该模型中，第一个方程的内生变量Y 1仅由前定变量表示，而无其它内生变量；第二个方程内生变量Y 2表示成前定变量和一个内生变量Y 1的函数；第三个方程内生变量Y 3表示成前定变量和两个内生变量Y 1与Y 2的函数；按此规律下去，最后一个方程内生变量Y m 可表示成前定变量和m －1个Y 1，Y 2、，Y 3，…、Y m-1的函数。 4. 为什么要进行同方差变换？写出其过程，并证实之。 答：进行同方差变换是为了处理异方差，写出其过程如下： 我们考虑一元总体回归函数Y i = b 0 + b 1 X i + u i 假设误差σi 2 是已知的，也就是说，每个观察值的误差是已知的。对模型作如下“变换”： Y i /σi = b 0 /σi + b 1 X i /σi + u i /σi 这里将回归等式的两边都除以“已知”的σi 。σi 是方差σi 2 的平方根。 令 v i = u i /σi 我们将v i 称作是“变换”后的误差项。v i 满足同方差吗？如果是，则变换后的回归方程就不存在异方差问题了。假设古典线性回归模型中的其他假设均能满足，则方程中各参数的OLS 估计量将是最优线性无偏估计量，我们就可以按常规的方法进行统计分析了。 证明误差项v i 同方差性并不困难。根据方程有：E (v i 2 ) = E (u i 2 /σi 2 ) = E (u i 2 ) /σi 2 =σi 2 /σi 2 = 1 显然它是一个常量。简言之，变换后的误差项v i 是同方差的。因此，变换后的模型不存在异方差问题，我们可以用常规的OLS 方法加以估计。 5. 简述逐步回归法的基本步骤。 答：先用被解释变量对每一个解释变量做简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程为基础，再逐个引入其余的解释变量。这个过程会出现3种情形：①若新变量的引入改进了R 2 和F 检验，且其它回归系数的t 检验在统计上仍是显著的，则可考

2019年高级计量经济学考试

高级计量经济学考试 一、单选题（25 *2分） 1. Which of the following correctly identifies a difference between cross-sectional data and time series data? a. Cross-sectional data is based on temporal ordering, whereas time series data is not. b. Time series data is based on temporal ordering, whereas cross sectional data is not. c. Cross-sectional data consists of only qualitative variables, whereas time series data consists of only quantitative variables. d. Time series data consists of only qualitative variables, whereas cross-sectional data does not include qualitative variables. 2. A stochastic process refers to a: a. sequence of random variables indexed by time. b. sequence of variables that can take fixed qualitative values. c. sequence of random variables that can take binary values only. d. sequence of random variables estimated at the same point of tim e. 3. The model: yt = β0 +β1ct +μ , t = 1,2,……., n is an example of a(n): a. Autoregressive conditional heteroskedasticity model. b. static model. c. finite distributed lag model. d. infinite distributed lag model. 4. Refer to the following model yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μt This is an example of a(n): a. infinite distributed lag model. b. finite distributed lag model of order 1. c. finite distributed lag model of order 2. d. finite distributed lag model of order 3. 5. Refer to the following model. yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μtβ0+ β1 + β2 + β3 represents: a. the short-run change in y given a temporary increase in s. b. the short-run change in y given a permanent increase in s. c. the long-run change in y given a permanent increase in s. d. the long-run change in y given a temporary increase in s. 6. Which of the following is an assumption on which time series regression is based? a. A time series process follows a model that is nonlinear in parameters. b. In a time series process, no independent variable is a perfect linear combination of the others. c. In a time series process, at least one independent variable is a constant. d. For each time period, the expected value of the error ut, given the explanatory variables for all time periods, is positiv e.

计量经济学名词解释

1、计量经济学 计量经济学是一门从数量上研究物质资料的生产、交换、分配、消费等经济关系和经济活动规律及其应用的科学。 2、数据质量 数据满足明确或隐含需求程度的指标 3、相关分析 主要研究变量之间的相互关联程度，用相关系数表示。包括简单相关和多重相关（复相关）。 4、回归分析（Regression Analysis） 研究一个变量（因变量）对于一个或多个其他变量（解释变量）的数量依存关系。其目的在于根据已知的解释变量的数值来估计或预测因变量的总体平均值。 5.内生变量 指由模型系统内决定的变量，取值在系统内决定 6、面板数据 时间序列数据和截面数据的混合 7.异方差: 总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，则称线性回归模型存在异方差性。 8.自相关 自相关是在时间序列资料中按时间顺序排列的观测值之间的相关或在横截面资料中按空间顺序排列的观测值之间的相关 9.多重共线性 解释变量之间存在完全的线性关系或近似的线性关系。解释变量存在完全的线性关系叫完全多重共线；解释变量之间存在近似的线性关系叫不完全多重共线。 10.虚拟变量 虚拟变量：在建立模型时，有一些影响经济变量的因素无法定量描述 构造只取“0”或“1”的人工变量，通常称为虚拟变量，记为D 11.平稳序列 是指时间序列的统计规律不会随着时间的推移而发生变化。

12.伪回归 所谓“伪回归”，是指变量间本来不存在相依关系，但回归结果却得出存在相依关系的错误结论。 13.协整 所谓协整，是指多个非平稳变量的某种线性组合是平稳的 14.前定变量 所有的外生变量和滞后的内生变量。前定变量=外生变量＋滞后内生变量＋滞后外生变量 15.恰好识别 恰好识别：能够唯一地估计出结构参数值。 16.结构式模型 体现经济理论中经济变量之间的关系结构的联立方程模型，称为结构式模型17.过度识别 过度识别：结构参数的估计值具有多个确定值 18.自回归模型 自回归模型：指模型中的解释变量仅是X 的当期值与被解释变量Y 的若干期滞后值，它由于被解释变量的滞后期值对被解释变量现期做了回归，故叫做自回归模型。 利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。 19.拟合优度2R:拟合优度检验：指检验模型对样本观测值的拟合程度 20.修正的拟合优度2R 二、.

计量经济学(硕士)《高级计量经济学(I)》课程试卷(B卷)

1.（15%）对矩阵形式的多元线性回归模型 21111122222211,,,1k k n n kn k n X X Y X X Y X X βεβεβε=+???????? ? ? ? ? ? ? ?==== ? ? ? ? ? ? ? ????????? Y X βε Y X βε （1）简述该模型满足的经典假设，并利用OLS 法求出该模型回归参数的估计量?β （用矩阵形式表示）； （2）证明在经典假设下，OLS 估计量是无偏的，即?()E =β β； （3）在经典假设下，证明21??cov(,)()σ-'=β βX X 。 2.（15%）根据某省1995年18个纺织企业的产值y （千元）、职工人数l （人）和资产数额k （千元）的资料，欲建立柯布—道格拉斯生产函数：i i i i y Al k e ε αβ=。将此生产函数的两边取对数，可将其化为线性模型ln ln ln ln i i i i y A l k αβε=+++，记 1112221818 18ln 1ln ln ln ln 1ln ln ,,ln 1ln ln y l k A y l k y l k αβ????????????????===??????????????????Y X b ， 而且ln 194,ln 141,ln 195i i i y l k ===∑∑∑，2111'=Y Y ， 181411951411104152919515292122????'=??????X X ，19415262114????'=?????? X Y ，()138.478.31 2.458.31 1.360.212.450.210.07---????'=-????--??X X （1）用OLS 法对其参数向量b 进行估计。 （2）估计随机干扰项i ε的方差2σ，即求2 ?σ。 （3）计算?()Var α 、?()Var β的估计值。 （4）计算线性模型的判定系数2R 、调整后的判定系数2R 和F 统计量。 （5）在显著性水平0.05下， 对α、β进行显著性t 检验（已知0.025(15) 2.13t =）。

计量经济学简答

简答题：1.选择工具变量的原则是什么:（1）工具变量必须与所替代的随机解释变量高度相关；（2）工具变量与随机误差项不相关（3）工具变量与其它解释变量不相关，避免出现多重共线性。 2.实际经济问题中的多重共线性 (1)经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 3.序列相关性产生的原因: （1）惯性；（2）模型设定误差；（3）蛛网现象；（4）数据加工。 4、随机解释变量问题及其解决方法。如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。第一、随机解释变量与误差项相互独立；第二、随机解释变量与误差项同期无关，而异期相关；第三、随机解释变量与误差项同期相关；第四、解决方法为工具变量法。 5.随机解释变量产生的后果 1.若相互独立，则参数估计量仍然无偏一致。2 若同期相关，异期不相关，得到的参数估计有偏，但却是一致的3 若同期相关，则估计量有偏且非一致。 6.简述最小二乘估计量的性质：（1）线性性，即它是否是另一随机变量的线性函数；（2）无偏性，即它的均值或期望值是否等于总体的真实值；（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；（5）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；（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。 7、虚拟变量的作用：（1）表现定性因素对被解释变量的影响（2）提高模型的说明能力与水平（3）季节变动分析。（4）方程差异性检验。 8、虚拟变量设置的原则：如果有定性因素共有个结果需要区别，那么至多引入m-1 个虚拟变量 9、实际经济问题中的多重共线性：（1）经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 10.引入随机误差形式为了：（1）代表未知的影响因素（2）代表残缺数据（3）代表众多细小的影响因素（4）代表数据观测误差（5）代表模型设定误差（6）变量的随机存在性 11. 12.回归分析的主要内容有：（1）根据样本观测值对经济计量模型参数进行估计，求得回归方程（2）对回归方程、参数估计值进行显著性检验（3）利用回归方程进行分析、评价及预测。 13.叙述原理：最小二乘法：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好的的拟合样本数据：最大似然法：当从模型的总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。

高级计量经济学练习试题精编版63137

第一讲作业题 为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程： 式中，S代表第i个州花费在每个公立学校学生身上的教育经费；Y代表第i个州的资本收入；G代表第i个州公立学校学生的增长率。 1A 说明变量Y与变量G的参数估计值的经济意义。 作业题2 1B 你预期变量Y和G的参数符号各是什么请说明理由。估计结果与你的预期一致吗 作业题3 1C 变量G是用小数来衡量的，因此，当一个州的招生人数增加了10%时，G等于。如果变量G用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，G等于10。此时，方程的参数估计值会如何变化（文字说明即可） 作业题4 Jaime Diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（PGA）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（P）关于推杆距离（L，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，L的参数估计值为负。回归方程如下： 2A 说明L的参数估计值的经济意义。 作业题5 2B 利用该方程估计一个PGA高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实 作业题6 2C 上一题的答案说明回归分析时存在什么问题 第二讲作业题 作业题1 1 查尔斯·拉弗（Charles Lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为： 第一年： 第二年：

式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。 1a.考察变量的理论依据，给出其参数符号的预期。 作业题2 1b.这两年的参数估计的差异是否值得重视请说出你的理由。在什么情况下，应该关注这些差异呢 作业题3 1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数调整的判定系数越高，回归方程越好吗为什么 作业题4 假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程： 式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单 位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反 映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）； 代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。 2a.为什么要假定“无限量的冷冻酸奶供给”（提示：考虑模型是否满足经典假设） 作业题5 2b.说明变量和变量的参数估计值的经济含义。

计量经济学检验汇总

最全计量经济学检验汇总 现代计量经济学的检验包括以下三个大类： §1.1 系数检验 一、Wald 检验——系数约束条件检验 Wald 检验没有把原假设定义的系数限制加入回归，通过估计这一无限制回归来计算检验统计量。Wald 统计量计算无约束估计量如何满足原假设下的约束。如果约束为真，无约束估计量应接近于满足约束条件。 考虑一个线性回归模型：εβ+=X y 和一个线性约束：0:0=-r R H β，R 是一个已知的k q ?阶矩阵，r 是q 维向量。Wald 统计量在0H 下服从渐近分布)(2q χ，可简写为： )())(()(112r Rb R X X R s r Rb W -'''-=-- 进一步假设误差ε独立同时服从正态分布，我们就有一确定的、有限的样本F-统计量 q W k T u u q u u u u F /) /(/)~~(=-''-'= u ~是约束回归的残差向量。F 统计量比较有约束和没有约束计算出的残差平方和。如果约束有效，这两个残差平方和差异很小，F 统计量值也应很小。EViews 显示2χ和F 统计量以及相应的p 值。 假设Cobb-Douglas 生产函数估计形式如下： εβα+++=K L A Q log log log （1） Q 为产出增加量，K 为资本投入，L 为劳动力投入。系数假设检验时，加入约束1=+βα。 为进行Wald 检验，选择View/Coefficient Tests/Wald-Coefficient Restrictions ，在编辑对话框中输入约束条件，多个系数约束条件用逗号隔开。约束条件应表示为含有估计参数和常数（不可以含有序列名）的方程，系数应表示为c(1)，c(2)等等，除非在估计中已使用过一个不同的系数向量。 为检验规模报酬不变1=+βα的假设，在对话框中输入下列约束：c(2)+c(3)=1 二、遗漏变量检验 这一检验能给现有方程添加变量，而且询问添加的变量对解释因变量变动是否有显著作用。原假设 0H 是添加变量不显著。 选择View/Coefficient Tests/Omitted Variables —Likehood Ration ，在打开的对话框中，列出检验统计量名，用至少一个空格相互隔开。例如：原始回归为 LS log(q) c log(L) log(k) ，输入：K L ，EViews 将显示含有这两个附加解释变量的无约束回归结果，而且显示假定新变量系数为0的检验统计量。 三、冗余变量 冗余变量检验可以检验方程中一部分变量的统计显著性。更正式，可以确定方程中一部分变量系数是否为0，从而可以从方程中剔出去。只有以列出回归因子形式，而不是公式定义方程，检验才可以进行。 选择View/Coefficient Tests/Redundant Variable —likelihood Ratio ，在对话框中，输入每一检验的变量名，相互间至少用一空格隔开。例如：原始回归为： Ls log(Q) c log(L) log(K) K L ，如果输入K L ，EViews 显示去掉这两个回归因子的约束回归结果，以及检验原假设（这两个变量系数为0）的统计量。 §1.2 残差检验 一、相关图和Q —统计量 在方程对象菜单中，选择View/Residual Tests/Correlogram-Q-Statistics ，将显示直到定义滞后阶数的残差自相关性和偏自相关图和Q-统计量。在滞后定义对话框中，定义计算相关图时所使用的滞后数。如果残差不存在序列相关，在各阶滞后的自相关和偏自相关值都接近于零。所有的Q -统计量不显著，并且有大