计量经济学重点简答论述题

计量经济学重点（简答题）

一、什么是计量经济学计量经济学，又称经济计量学，它是以一定的经济理论和实际统计资料为

依据，运用数学、统计学和计算机技术，通过建立计量经济学模型，定量分析经济变量之间的随机因果关系.。

二、计量经济学的研究的步骤是什么

1)理论模型的设计

A.理论或假说的陈述；

B.理论的数学模型的设定；

C.理论的计量经济模型的设定。

i.把模型中不重要的变量放进随机误差项中；

ii.拟定待估参数的理论期望值。

2)获取数据

数据来源：网络、统计年鉴、报纸、杂志

数据类别：时间序列数据、截面数据、混合数据、虚变量数据。

数据要求：完整性、准确性、可比性、一致性

i.完整性：模型中包含的所有变量都必须得到相同容量的样本观察值。

ii.准确性：统计数据或调查数据本身是准确的。

iii.可比性：数据口径问题。

iv.一致性：指母体与样本的一致性。

3)模型的参数估计：普通最小二乘法。

4)模型的检验：经济学检验；统计学检验；计量经济学检验；模型的预测检验。

5)模型的应用：结构分析；经济预测；政策评价；经济理论的检验与发展。

三、简述统计数据的类别

时间序列数据、截面数据、混合数据、虚变量数据。

1)时间序列数据：按时间先后排列收集的数据。

采纳时间序列数据的注意事项：

A.所选择的样本区间的经济行为一致性问题。

B.样本数据在不同样本点之间的可比性问题。

C.样本数据过于集中的问题。不能反映经济变量间的结构关系，应增大观察区间。

D.模型的随机误差项序列相关问题。

2)截面数据：又称横向数据，是一批发生在同一时间截面上的调查数据。研究某时点上的变

化情况。

采纳截面数据的注意事项：

A.样本与母体的一致性问题。

B.随机误差项的异方差问题。

3)混合数据：也称面板数据，既有时间序列数据，又有截面数据。

4)虚变量数据：又称二进制数据，只能取0和1两个值，表示的是某个对象的质量特征。

四、模型的检验包括哪几个方面具体含义是什么

1)经济学检验：参数的符合和大致取值。

2)统计学检验：拟合优度检验；模型的显着性检验；参数的显着性检验。

3)计量经济学检验：序列相关性；异方差检验；多重共线性检验。

4)模型的预测检验：a，扩大样本容量或变换样本重新估价模型；b，利用模型对样本期以外的

某一期进行预测。

五、回归分析和相关分析的联系和区别是什么回归分析是处理变量与变量之间关系的一种数学

方法，是研究一个变量关于另一个（些）变量的依赖关系的计算理论和方法。其目的在于通过后者的已知或设定值，去估计或预测前者的（总体）均值。前一个变量被称为被解释变量，后一个（些）变量称为解释变量。回归分析与相关分析的联系：都是对变量间非确定相关关系的研究，均能通过一定的方法对变量之间的线性依赖程度进行测定。回归分析与相关分析的区别：1相关分析研究的是两个随机变量之间的相关形式及相关程度，是通过相关系数来测定的，不考虑变量之间是否存在因果关系；而回归分析是以因果分析为基础的，变量之间的地位是不对称的，有解释变量与被解释变量之分，被解释变量是随机变量，而解释变量在一般情况下假定是确定性变量。2相关分析所采用的相关系数，是一种纯粹的数学计算，相关分析关注的是变量之间的相互关联的程度，而回归分析在应用之间就对变量之间是否存在依赖关系进行了因果分析，在此基础上进行的回归分析，达到了深入分析变量间依存关系、掌握其运动规律的目的。

六、经典假设条件的内容是什么（应用最小二乘法应满足的古典假定）

1)解释变量x1,x2,…,xk是确定性变量，不是随机变量；而且解释变量之间互不相关。

2)随机误差项具有0均值和同方差。

3)随机误差项在不同样本点之间是独立的，不存在序列相关。

4)随机误差项与解释变量之间不相关。

5)随机误差项服从0均值，同方差的正态分布。

七、总体回归函数和样本回归函数之间有哪些区别与联系总体回归函数是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。样本回归函数是将被解释变量Y的样本观测值的拟和值表示为解释变量的某种函数。二者区别：描述的对象不同；模型建立的依据不同。二者联系：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。

八、什么是随机误差项随机误差项包括哪些因素设定随机误差项的原因有哪些随机误差项是模

型设定中省略下来而又集体地影响着被解释变量Y的全部变量的替代物。随机误差项包括以下因素：在解释变量中被忽略的因素的影响。变量观测值的观察误差的影响。模型关系的设定误差的影响。其它随机因素的影响。设定随机误差项的原因：理论的含糊性；数据的欠缺；节省的原则。

九、最小二乘估计量有哪些特性高斯-马尔科夫定理的内容是什么判断一个估计量是否为优良估

计量需要考察的统计性质：线性，考察估计量是否是另一个随机变量的线性函数；无偏性，考察估计量的期望是否等于其真值；有效性，考察估计量在所有的无偏估计量中是否有最小方差。上述三个统计特性称为估计量的小样本性质。具有这类性质的估计量是最佳的线性无偏估计量。在模型假定条件成立的情况下，根据普通最小二乘估计法得到的估计量具有BLUE的性质，这就是高斯-马尔科夫定理定理。上述三个性质针对的是小样本，针对大样本还有三个渐近性质：渐近无偏性：表示当样本容量趋于无穷大时，估计量的均值趋于总体均值。一致性：表示当样本容量趋于无穷时，估计量依概率收敛于总体的真值。渐近有效性：样本容量趋于无穷时，估计量在所有的一致估计中，具有最小的渐近方差。

十、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可决系数和相关系

数有什么区别与联系样本可决系数R2反映了回归平方和占总离差平方和的比重，表示由解释变量引起被解释变量的变化占被解释变量总的变化的比重，因而可用来判定回归直线拟合程度的优劣，该值大表示回归直线对样本店的拟合程度好。残差平方和反映随机误差项包含因素对被解释变量变化影响的绝对程度，它与样本容量有关，样本容量大时，残差平方和一般也大，样本容量小时，残差平方和也小，因此样本容量不同时得到的残差平方和不能用于比较。此外，检验统计量一般应是相对量而不能是绝对量，因而不宜使用残差平方和判断模型的拟合优度。

可决系数和相关系数的联系和区别：

A.相关系数是建立在相关分析基础上的，研究的是随机变量之间的关系；可决系数则是建立

在回归分析基础上，研究的是非随机变量X对随机变量Y的解释程度。