计量经济学问答题总结.docxVIP

三、简答（共20分） ?古典线性回归模型具有哪些基本假定。（10分） 答：1 解释变量与随机误差项不相关。 2 随机误差项的期望或均值为零。 3 随机误差项具有同方差，即每个随机误差项的方差为一个相等的常数。 4 两个随机误差项之间不相关，即随机误差项无自相关。 ?简述回归分析和相关分析的关系。 回归分析是一个变量（被解释变量）对于一个或多个其他变量（解释变量）的依存关系，目的在于根据解释变量的数值估计预测被解释变量的总体均值。相关分析研究变量相关程度，用相关系数表示。只有当变量间存在一定程度的相关关系时，进行回归分析去寻求相关的具体数学形式才有实际意义。相关系数的确定也是建立在回归分析的基础上。 相关分析不关注变量的因果关系，变量都是随机变量。回归分析关注变量因果关系。被解释变量是随机变量，解释变量是非随机变量。 ?计量经济模型中的随机误差项一般包括以下几方面的因素： 1、 未知影响因素的代表(理论的模糊性) 2、 是无法取得数据的已知影响因素的代表(数据欠缺) 3、 是众多细小影响因素的综合代表(非系统性影响) 4、 模型可能存在设定误差(变量、函数形式的设定） 5、 模型中变量可能存在观测误差(变量数据不符合实际) 6、 变量可能有内在随机性(人类经济行为的内在随机性) ?简单线性回归基本假设： 假定1：零均值假定: 在给定X的条件下，　 的条件期望为零 假定2：同方差假定: 在给定X的条件下，　 的条件方差为某个常数σ^2 假定3：无自相关假定: 随机扰动项 的逐次值互不相关 假定4：解释变量 Xi 是非随机的，或者虽然 Xi是随机的但与扰动项 不相关 (从随机扰动 角度看) 假定5：对随机扰动项分布的正态性假定， 即假定 服从均值为零、方差为 σ^2 的正态分布 ?多元线性回归模型的基本假设有哪些？（5分） （1）随机误差项期望值或均值为零； （2）对应每个解释变量的所有观测值，随机误差项有相同的方差； （3）随机误差项彼此之间不相关； （4）解释变量是确定性变量，与随机误差项不相关； （5）无多重共线性假定，假定各解释变量之间不存在线性关系。 （6）随机误差项服从正态分布。 ?可决系数 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，模型拟合优度越好。反之可决系数越小，说明模型对样本观测值的拟合程度越差。 ?试述判定系数的性质：(1)它是一非负的量；(2)R2是在0与1之间随抽样而变动的随机变量。 ?简述样本相关系数的性质：(1)r是可正可负的数；(2)r在-1与1之间变化； (3)对称性； (4)若X与Y相互独立，则r=0，但r=0时，X与Y不一定独立。 ?调整后的判定系数与原来判定系数关系式（写出推演过程） 答案： ?修正的决定系数及其作用。 ?二元回归模型中，三个参数含义 答案：表示当X2、X3不变时，Y的平均变化 表示当X2不变时，X1变化一个单位Y的平均变化 表示当X1不变时，X2变化一个单位Y的平均变化 ?回归模型中引入虚拟变量的一般原则是什么? 答:(1)如果模型中包含截距项，则一个质变量有m种特征，只需引入(m-1)个虚拟变量。(2)如果模型中不包含截距项，则一个质变量有m种特征，需引入m个虚拟变量。 ?简述回归模型中引入虚拟变量的原因和作用：原因在于考虑质的因素对经济变量影响。 作用有三点：分离异常因素影响；检验不同属性类型对被解释变量的影响；提高模型精度 ?回归参数的显著性检验和回归模型的显著性检验有何区别和联系？ 答：回归系数的显著性检验是对回归系数进行是否等于0或等于某个常数的假设检验；而回归方程的显著性检验是指方程是否显著存在的假设检验； 在一元线性回归中，回归系数的显著性检验和回归方程的显著性检验是等价的；而在多元线性回归中两者不同 ?F检验含义：从总体上检验被解释变量与解释变量线性关系的显著性，原假设:，如果成立，被解释变量与解释变量不存在显著的线性关系。：至少有一个不等于0，对于显著性水平，查F分布表中的，统计量F=，比较二者大小。如果统计量F大于，否定原假设，总体回归方程存在显著的线性关系。否则，总体回归方程不存在显著的线性关系。 ?简述方程显著性检验（F检验）与变量显著性检验（t检验）的区别？。（5分） （1）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。 （2）方程的总体线性关系显著1每个解释变量对被解释变量的影响都是显著的。 （3）因此，必须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，这一检验是由对变量的 t 检验完成的。 ?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