计量经济学简答题及答案..docVIP

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。 。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，对较小残差平方和赋予较大的权重，对较大赋予较小的权重，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。②同方差假定。误差项的方差与t无关，为一个常数。③无自相关假定。即不同的误差项相互独立。④解释变量与随机误差项不相关假定。⑤正态性假定，即假定误差项服从均值为0，方差为的正态分布。 3、总体回归模型与样本回归模型的区别与联系。 答：主要区别：①描述的对象不同。总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。②建立模型的不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。 主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。 4、试述回归分析与相关分析的联系和区别。 答：两者的联系：①相关分析是回归分析的前提和基础；②回归分析是相关分析的深入和继续；③相关分析与回归分析的有关指标之间存在计算上的内在联系。 两者的区别：①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。②对两个变量x与y而言，相关分析中：；但在回归分析中，和却是两个完全不同的回归方程。③回归分析对资料的要求是：被解释变量y是随机变量，解释变量x是非随机变量。相关分析对资料的要求是两个变量都随机变量。 5、在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？ 答：①线性，是指参数估计量和分别为观测值和随机误差项的线性函数或线性组合。②无偏性，指参数估计量和的均值（期望值）分别等于总体参数和。③有效性（最小方差性或最优性），指在所有的线性无偏估计量中，最小二乘估计量和的方差最小。 6、简述BLUE的含义。 答：在古典假定条件下，OLS估计量和是参数和的最佳线性无偏估计量，即BLUE，这一结论就是著名的高斯－马尔可夫定理。 7、对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验？ 答：多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。 2.在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？ 解答：因为人们发现随着模型中解释变量的增多，多重决定系数的值往往会变大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量。但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度。 3.修正的决定系数及其作用。 解答：，其作用有：（1）用自由度调整后，可以消除拟合优度评价中解释变量多少对决定系数计算的影响；（2）对于包含解释变量个数不同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用原来未调整的决定系数来比较。 4.常见的非线性回归模型有几种情况？ 解答：常见的非线性回归模型主要有: 对数模型 半对数模型或 倒数模型 多项式模型 2.产生异方差性的原因及异方差性对模型的OLS估计有何影响。 （1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。 产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；（4）模型估计式的代表性降低，预测精度精度降低。 3.检验异方差性的方法有哪些？ （1）图示检验法；（2）戈德菲尔德—匡特检验；（3）怀特检验；（4）戈里瑟检验和帕克检验（残差回归检验法）；（5）ARCH检验（自回归条件异方差检验） 4.异方差性的解决方法有哪