统计建模课程复习与练习（1）剖析.pdfVIP

统计建模课程复习与练习（1）剖析

《统计建模》复习题

1.统计建模的主要步骤有哪些？

1明确问题2数据收集3数据预处理4模型构建5模型估计6模

型检验7结果分析8撰写论文

2.试列举至少5个常用的统计数据库？例如，中经网统计数据库。

1国家统计数据库2中国经济网数据中心3OECD数据库4国研

网数据库5国家发改委6世界银行7中国统计年鉴、WIND数据库、

BvD数据库

3.试列举至少4项国内广泛使用的微观数据库？并简要说明。

1．CHIP数据（中国农村和城市居民家庭收入分配）

2．CHNS（中国健康与营养调查）

3．CHARLS（中国健康与养老追踪调查）

4．CFPS（中国家庭动态调查）

5．CHFS（ChinaHealthandFertilitySurvey）中国健康与生

育调查

4.常见的模型估计方法有哪些？试列举之。

最小二乘（OLS）法、极大似然估计、广义矩（GMM）法、分位

数回归方法、贝叶斯估计

5.在完成统计模型的参数估计后，通常需要进行哪几类检验？试

列举之。

定性检验，T检验，f检验，拟合优度检验，预测精度检验

6.著名统计学家博克斯（GeorgeBox）说过：所有的模型都是错

的，但其中有一些

模型是有用的！你对这句话如何理解？

模型只能是客观世界的一种近似，是现实的简单化或理想化。有

用的模型能抓住并凸显现象中与分析目的最相关的特征，能抓住问题

的本质。

7.简述结构方程模型和普通回归模型的区别？

结构方程模型，是一种建立、估计和检验多个变量之间的因果关

系模型的方法。

模型中既包含有可观测的显变量，也可能包含无法直接观测的潜

变量。

普通回归模型属于单方程模型方法，结构方程模型属于联立方程

模型方法，回归分析只能处理显性变量，而结构方程模型可以发现潜

在变量。普通回归一般只有一个因变量，而且是单向的，SEM则是可

单，可双，普通回归是基础，SEM是后来的发展和完善

8.和普通回归模型相比，结构方程模型有哪些优点？

1允许回归方程的自变量含有测量误差

2可以同时处理多个因变量

3.可以在一个模型中同时处理因素的测量和因素之间的结构。

4.允许更具弹性的模型设定。

9.结构方程模型的构建包括哪几步？

1.模型假设:SEM是一种验证性的方法，必须有理论支撑。在进行

模型估计之前，

要先根据理论分析或以往研究成果来设定初始理论模型。

2.模型识别:确定所设定的模型是否能够对其估计求解。

3.模型估计:极大似然法（Maximumlikelihood）和广义最小二

乘法（Generalized

leastsquare）

4.模型评价:对模型的整体和参数的估计值进行评价。如果模型拟

合效果不佳，对

模型进行修正后重新估计和评价。

10.观察变量、潜在变量

测量变量：也叫观察变量或显变量（显示变量），是可以直接测

量的指标。

潜变量：无法直接观测，其测量是通过一个或几个可观察指标来

间接完成的。11.测量模型、结构模型、

测量模型

典型的SEM模型图示

12.外生变量、内生变量

外生变量：在模型或系统中，只影响其他变量，而不受其它变量

的影响。

在路径图中，只有指向其他变量的箭头，没有箭头（不考虑残差

项）指向它的变量

内生变量：在模型或系统中，受其他变量（外生变量或内生变量）

的影响，而不受其它变量的影响。

在路径图中，有其它变量的箭头指向它。

13.因果关系、相关关系

因果关系：一个变量对另外一个变量的直接影响。用单向箭头表

示。

相关关系：双向曲线箭头表示。但这种相关关系不代表有因果关

系