计量经济学庞浩第二版河北金融学院考试重点

1.5一个完整的计量经济模型应包括哪些基本要素？你能举一个例子吗？

答：一个完整的计量经济模型应包括三个基本要素：经济变量、参数和随机误差项。

例如研究消费函数的计量经济模型：Y?α?βX?u

其中，Y为居民消费支出，X为居民家庭收入，二者是经济变量；α和β为参数；u是随机误差项。

1.10你能分别举出三个时间序列数据、截面数据、面板数据、虚拟变量数据的实际例子，并分别说明这些数据的来源吗？

答：时间序列数据：中国1981年至2010年国内生产总值，可从中国统计年鉴查得数据。

截面数据：中国2010年各省、区、直辖市的国内生产总值，中国统计年鉴查得数据。 面板数据：中国1981年至2010年各省、区、直辖市的国内生产总值，中国统计年鉴查得数据。

虚拟变量数据：自然灾害状态，1表示该状态发生，0表示该状态不发生。

1.11为什么对已经估计出参数的模型还要进行检验？你能举一个例子说明各种检验的必要性吗？

答：模型中的参数被估计以后，一般说来这样的模型还不能直接加以应用，还需要对其进行检验。首先，在设定模型时，对所研究经济现象规律性的认识可能并不充分，所依据的经济理论对所研究对象也许还不能作出正确的解释和说明。或者经济理论是正确的，但可能我们对问题的认识只是从某些局部出发，或者只是考察了某些特殊的样本，以局部去说明全局的变化规律，可能导致偏差。其次，我们用以估计参数的统计数据或其它信息可能并不十分可靠，或者较多地采用了经济突变时期的数据，不能真实代表所研究的经济关系，或者由于样本太小，所估计参数只是抽样的某种偶然结果。此外，我们所建立的模型、采用的方法、所用的统计数据，都有可能违反计量经济的基本假定，这也可能导出错误的结论。

第二章 简单线性回归模型

2.1相关分析与回归分析的关系是什么？

答：相关分析与回归分析有密切的关系，它们都是对变量间相关关系的研究，二者可以相互补充。相关分析可以表明变量间相关关系的性质和程度，只有当变量间存在一定程度的相关关系时，进行回归分析才有实际的意义。同时，在进行相关分析时如果要具体确定变量间相关的具体数学形式，又要依
赖于回归分析，而且相关分析中相关系数的确定也是建立在回归分析基础上的。

相关分析与回归分析的区别。从研究目的上看，相关分析是用一定的数量指标（相关系数）度量变量间相互联系的方向和程度；回归分析却是要寻求变量间联系的具体数学形式，是要根据解释变量的固定值去估计和预测被解释变量的平均值

。从对变量的处理看，相关分析对称地对待相互联系的变量，不考虑二者的因果关系，也就是不区分解释变量和被解释变量，相关的变量不一定具有因果关系，均视为随机变量；回归分析是建立在变量因果关系分析的基础上，研究其中解释变量的变动对被解释变量的具体影响，回归分析中必须明确划分解释变量和被解释变量，对变量的处理是不对称的。

2.3什么是随机扰动项和剩余项（残差）？它们之间的区别是什么？

答：总体回归函数中，被解释变量个别值Yi与条件期望E(YXi)的偏差是随机扰动项ui。

?的偏差是残差项e。残差项e在样本回归函数中，被解释变量个别值Yi与样本条件均值Yiii

概念上类似总体回归函数中的随机扰动项ui，可视为对随机扰动项ui的估计。

总体回归函数中的随机误差项是不可以直接观测的；而样本回归函数中的残差项是只要估计出样本回归的参数就可以计算的数值。

2.4为什么在对参数作最小二乘估计之前,要对模型提出古典假设?

答：在对参数作最小二乘估计之前,要对模型提出古典假设。因为模型中有随机扰动，估计的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所估计参数的分布性质，也才可能进行假设检验和区间估计。只有具备一定的假定条件，所作出的估计才具有较好的统计性质。

2.6为什么可决系数可以度量模型的拟合优度？在简单线性回归中它与对参数的ｔ检验的关系是什么？

答：可决系数是回归平方和占总离差平方和的比重，即由样本回归作出解释的离差平方和在总离差平方和中占的比重，如果样本回归线对样本观测值拟合程度好，各样本观测点与回归线靠得越近，由样本回归作出解释的离差平方和在总离差平方和中占的比重也将越大，反之拟合程度越差，这部分所占比重就越小。所以可决系数可以作为综合度量回归模型对样本观测值拟合优度的指标。

在简单线性回归中，可决系数越大，说明在总变差中由模型作出了解释的部分占的比重越大，X对Y的解释能力越强，模型拟合优度越好。对参数的ｔ检验是判断解释变量X是否是被解释变量Y的显著影响因素。二者的目的作用是一致的。

第三章 多元线性回归模型

3.4多元线性回归分析中，为什么要
对可决系数加以修正？修正可决系数与F检验之间有何区别与联系？

答：多元线性回归分析中，多重可决系数是模型中解释变量个数的增函数，这给对比不同模型的多重可决系数带来缺陷，所以需要修正。可决系数只涉及变差，没有考虑自由度。如果用自由度去校正所计算的变差，可纠正解释变量个数不同引起的对比

困难。

联系：由方差分析可以看出，F检验与可决系数有密切联系，二者都建立在对应变量变差分解的基础上。F统计量也可通过可决系数计算。对方程联合显著性检验的F检验，实际上也是对可决系数的显著性检验。区别：F检验有精确的分布，它可以在给定显著性水平下，给出统计意义上严格的结论。可决系数只能提供一个模糊的推测，可决系数越大，模型对数据的拟合程度就越好。但要大到什么程度才算模型拟合得好，并没有一个绝对的数量标准。

3.6多元线性回归分析中，F检验与t检验的关系是什么？为什么在作了F检验以后还要作t检验?

答：在多元回归中，t检验是分别检验当其他解释变量保持不变时，各个解释变量X对应变量Y是否有显著影响。F检验是在多元回归中有多个解释变量，需要说明所有解释变量联合起来对应变量影响的总显著性,或整个方程总的联合显著性。

F检验是对多元回归模型方程整体可靠性的检验，而多元线性回归分析的目的，不仅是要寻求方程整体的显著性，也要对各个参数作出有意义的估计。方程整体线性关系显著并不一定表示每个解释变量对被解释变量的影响是显著的，因此，还必须分别对每个回归系数逐个地进行t检验。

4.1 多重共线性的实质是什么？为什么会出现多重共线性？
答：多重共线性包括完全的多重共线性和不完全的多重共线性。多重共线性实质上是样本数据问题，出现了解释变量系数矩阵的线性相关问题。
产生多重共线性的经济背景主要有以下几种情形：
第一，经济变量之间具有共同变化趋势。第二，模型中包含滞后变量。第三，利用截面数据建立模型也可能出现多重共线性。第四，样本数据自身的原因。
4.2 多重共线性对回归参数的估计有何影响？
答：在完全多重共线性情况下，参数的估计值不确定，估计量的方差无限大。在不完全共线性情况下，参数估计量的方差随共线性程度的增加而增大；对参数区间估计时，置信区间趋于变大；严重多重共线性时，假设检验容易做出错误的判断；当多重共线性严重时，可能造成可决系 …… 此处隐藏：2675字，全部文档内容请下载后查看。喜欢就下载吧 ……