计量简答-答案.docxVIP

1计量经济学与经济理论、统计学、数学的联系主要体现在计量经济学对经济理论、统计学、数学的应用方面，分别如下： 1） 计量经济学对经济理论的利用主要体现在以下几个方面 （1） 计量经济模型的选择和确定 （2） 对经济模型的修改和调整 （3） 对计量经济分析结果的解读和应用 2） 计量经济学对统计学的应用 （1） 数据的收集、处理 （2） 参数估计 （3） 参数估计值、模型和预测结果的可靠性的判断 3） 计量经济学对数学的应用 （1） 关于函数性质、特征等方面的知识 （2） 对函数进行对数变换、求导以及级数展开 （3） 参数估计 （4）计量经济理论和方法的研究 2、模型的检验包括哪几个方面，具体含义是什么？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、大小、参数之间的关系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，有拟合优度检验、变量显著检验、方程显著性检验 等； 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。 为什么计量经济学模型的理论方程必须包含随机干扰项？ 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岀的各种因素的影响。 这样, 理论模型中就必须使用一个称为随机干扰项的变量来代表所有这些无法在模型中独立表示岀来的影响因素，以保证模型在理论上的科学 性。 总体回归函数和样本回归函数之间有哪些区别与联系 答：将总体被解释变量的条件期望表示为解释变量的某种函数，这个函数就称为总体 回归函数，其一般表达式为： E（Y|XJ=f（Xi） ，一元线性总体回归函数为 E（Y XJ = P ° + 1Xi；样本回归函数： 将被解释变量丫的样本观测值的拟和值表示为解释变量的某种函数 潜 f（XJ， 一元线性样本回归函数为 丫？Xi 样本回归函数是总体回归函数的一个近似。总体回归函数具有理论上的意义，但其具体的参数不可能真正知道，只能通过样本估 生。样本回归函数就是总体回归函数的参数用其估计值替代之后的形式，即 陀，为P0， P1的估计值。 为什么用可决系数 R2评价拟合优度，而不是用残差平方和作为评价标准 答：可决系数R2=ESS/TSS=1-RSS/TSS，含义为由解释变量引起 的被解释变量的变化占被解释变量总变化的比重，用来判定回归直线拟合的优劣，该值越大说明拟合的越好；而残差平方和与样本容量关 系密切，当样本容量比较小时，残差平方和的值也比较小，尤其是不同样本得到的残差平方和是不能做比较的。此外，作为检验统计量的 一般应是相对量而不能用绝对量，因而不能使用残差平方和判断模型的拟合优度。 答：普通最小二乘法所保证的最好根据最小二乘法原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的拟合优度问题拟合是同一个问题内部的比较，即使用给岀的样本数据满足残差的平方和最小；拟合优度检验结果所表示的优劣可以对不同的问题进行比 较，即可以辨别不同的样本回归结果谁好谁坏。 答：普通最小二乘法所保证的最好 1、多元线性回归模型与一元线性回归模型有哪些区别？答： 多元线性回归模型与一元线性回归模型的区别表现在如下几个方面： 一是解 释变量的个数不同；二是模型的经典假设不同，多元线性回归模型比一元线性回归模型多了个“解释变量之间不存在线性相关关系” 的假定；三是多元线性回归模型的参数估计式的表达更为复杂。 2、为什么说最小二乘法估计量是最优无偏估计量？对于多元线性回归最小二乘法的正规方程组，能解岀唯一的参数估计量的条件是什 么？答：在满足经典假设的条件下，参数的最小二乘估计量具有线性性、无偏性以及最小性方差，所以被称为最优线性无偏估计量 （BLUE ）。对于多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计量的条件是（ XX ） -1存在，或者说各解释变量 间不完全线性相关。 什么是估计的一致性？试通过一元模型证明对于工具变量法的斜率的估计量 是的一致估计？ - A A 估计的一致性是指，随着样本容量的增加，即使当 n—. 时，参数估计量依概率收敛于参数的真值，即有： Plim（Tn）二二。 【P129有简单证明过程】 对于一元线性回归模型： y=九+优Xt+片 ① 在第二章曾得如下最小二乘估计量： 匡=匚 今=斯+「