计量经济学名词解释和简答题

计量经济学
第一部分：名次解释
第一章
1、模型：对现实的描述和模拟。

2、广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。

3、狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。

第二章
1、总体回归函数：指在给定Xi 下Y 分布的总体均值与Xi 所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。

2、样本回归函数：指从总体中抽出的关于Y ，X 的若干组值形成的样本所建立的回归函数。

3、随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。

4、线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。

5、随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。

6、残差项：是一随机变量，是针对样本回归函数而言的。

7、条件期望：即条件均值，指X 取特定值Xi 时Y 的期望值。

8、回归系数：回归模型中βo ，β1等未知但却是固定的参数。

9、回归系数的估计量：指用01,ββ等表示的用已知样本提供的信息所估计出来总体未知参数的结果。

10、最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。

11、最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。

12、估计量的标准差：度量一个变量变化大小的测量值。

13、总离差平方和：用TSS 表示，用以度量被解释变量的总变动。

14、回归平方和：用ESS 表示：度量由解释变量变化引起的被解释变量的变化部分。

15、残差平方和：用RSS 表示：度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。

16、协方差：用Cov （X ，Y ）表示，度量X,Y 两个变量关联程度的统计量。

17、拟合优度检验：检验模型对样本观测值的拟合程度，用2R 表示，该值越接近1，模型对样本观测值拟合得越好。

18、t 检验时针对每个解释变量进行的显著性检验，即构造一个t 统计量，如果该统计量的值落在置信区间外，就拒绝原假设。

19、相关分析：研究随机变量间的相关形式
20、回归分析：研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。

第三章
1、多元线性回归模型：在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。

2、偏回归系数：在多元回归模型中，每一个解释变量前的参数即为偏回归系数，它测度了当其他解释变量保持不变时，该变量增加1个单位对解释变量带来的平均影响程度。

3、正规方程组：指采用OLS法估计线性回归模型时，对残差平方和关于各参数求偏导，并令偏导数
β=
为0后得到的一组方程，其矩阵形式为''
X X X Y
4、调整的多元可决系数：又称多元判定系数，是一个用于描述伴随模型中解释变量的增加和多个解释变量对被解释变量的联合影响程度的量。

它与有如下关系：
5、多重共线性：指多个解释变量间存在线性相关的情形。

如果存在完全的线性相关性，则模型的参数就无法求出，OLS回归无法进行。

6、联合假设检验：是相对于单个假设检验来说的，指假设检验中的假设有多个，不止一个。

如多元回归中的方程的显著性检验就是一个联合假设检验，而每个参数的t检验就是单个假设检验。

7、受约束回归：在实际经济活动中，常常需要根据经济理论对模型中变量的参数施加一定的约束条件，对模型参数施加约束条件后进行回归。

8、无约束回归：无需对模型中变量的参数施加约束条件进行的回归。

第四章
1、异方差性：对于不同的解释向量，被解释变量的随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性。

2、序列相关性：如果对于不同的解释向量，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。

3、多重共线性：如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。

4、随机解释变量问题：如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。

第五章
1、虚拟变量：同时含有一般解释变量与虚拟变量的模型称为虚拟变量模型或者方差分析模型。

2、滞后变量模型：把过去时期的，具有滞后作用的变量叫做滞后变量，含有滞后变量的模型称为滞后变量模型。

3、动态模型：含有滞后解释变量的模型，又称动态模型
4、分布滞后模型：如果滞后变量模型中没有滞后被解释变量，仅有解释变量X的当期值及其若干期的滞后值，则成为分布滞后模型。

5、自回归模型：解释变量仅包含X的当期值与被解释变量Y的一个或多个滞后值的模型。

第二部分：简答题
第一章
1、什么是计量经济学？
答：计量经济学包括广义计量经济学和狭义计量经济学，本课程中的计量经济学模型，就是狭义计量经济学意义上的经济数学模型：计量经济学是经济学的一个分支学科，以揭示经济活动中客观存在的数量关系为主要内容，是由经济学、统计学和数学三者结合而成的交叉性学科。

2、计量经济学方法与一般经济数学方法有什么区别？
答：计量经济学方法揭示经济活动中具有因果关系的各因素间的定量关系，它用随机性的数学方程加以描述；而一般经济数学方法揭示经济活动中各个因素间的理论关系，更多地用确定性的数学方程加以描述。

3、如何理解计量经济学在当代经济学科中的重要地位？当代计量经济学的基本特点？
答：计量经济学自20世纪20年代末30年代初形成以来，无论在技术方法还是在应用方面发展都十分迅速，尤其是经过20世纪50年代的发展阶段和60年代的扩张阶段，计量经济学在经济学科中占据了重要的地位，主要表现在：
①。

在西方大多数大学和学院中，计量经济学的讲授已成为经济学课程表中最具权威性的一部分；
②。

在1969至2003年诺贝尔经济学奖的53位获奖者中有10位与研究和应用计量经济学有关，居经济学各分支学科之首。

此外，绝大多数获奖者的研究中都应用了计量经济学方法。

③。

计量经济学方法与其他经济数学方法的结合应用得到了长足发展。

从当代计量经济学的发展动向看，其基本特点包括：
⑴。

非经典计量经济学的理论与应用研究成为计量经济学越来越重要的内容；
⑵。

计量经济学方法从主要用于经济预测转向经济理论假设和政策假设的检验；
⑶。

计量经济学模型的应用从传统的领域转向新的领域，从宏观领域的研究开始转向微观领域的研究；
⑷。

计量经济学模型的规模不再是水平高低的衡量标准，人们更喜欢建立一些简单的模型，从总量上和趋势上说明经济现象。

4、建立与应用计量经济学模型的主要步骤有哪些？
答：建立与应用计量经济学模型的主要步骤包括：①设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；②收集样本数据，要考虑样本数据的完整性、准确性、可比性和一致性；③估计模型参数；④检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。

5、计量经济学模型主要有哪些应用领域？各自的原理是什么？
答：计量经济学模型主要有以下几个方面的用途：
⑴。

结构分析，其原理是弹性分析、乘数分析与比较分析；
⑵。

经济预测，其原理是模拟历史，从已经发生的经济活动中找出变化规律；
⑶。

政策评价，是对不同政策执行情况的“模拟仿真”；
⑷。

检验与发展经济理论，其原理是如果按照某种经济理论建立的计量经济学模型可以很好地拟合实际观察数据。

6、模型的检验包括哪些方面？
答：模型的检验主要包括经济意义检验、统计检验、计量经济学检验和模型的预测检验四个方面。

第二章
1、简述相关分析和回归分析的联系和区别。

答：相关分析与回归分析既有联系又有区别。

首先，两者都是研究非确定性变量间的的统计依赖关系，并能测度线性依赖程度的大小。

其次，两者间又有明显的区别。

相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，因此，变量的地位在相关分析中式对称的，而且都是随机变量；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量和被解释变量之分，而且解释变量也往往被假设为非随机变量。

再次，相关分析只关注变量间的联系程度，不关注具体的依赖关系；而回归分析则更加关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。

2、一元线性回归模型的基本假设主要有哪些？违背基本假设的计量经济学模型是否就不可以估计？答：假设1、解释变量X是确定性变量，不是随机变量；
假设2、随机误差项μ具有零均值、同方差和不序列相关性：
E(μi)=0 i=1,2, …,n
Var (μi)=σμ2 i=1,2, …,n
Cov(μi, μj)=0 i≠j i,j= 1,2, …,n
假设3、随机误差项μ与解释变量X之间不相关：
Cov(X i, μi)=0 i=1,2, …,n
假设4、μ服从零均值、同方差、零协方差的正态分布
μi ~N(0, σμ2 ) i=1,2, …,n
假设5：随着样本容量的无限增加，解释变量X 的样本方差趋于一有限常数。

即
假设6：回归模型是正确设定的
这些假设都是针对普通最小二乘法的。

在违背这些基本假设的情况下，普通最小二乘法就不再是最佳线性无偏估计量，因此使用普通最小二乘法进行估计已无多大意义。

但模型本身还是可以估计的，尤其是可以通过最大似然法等其他原理进行估计。

3、简述最大似然法和最小二乘法依据的不同原理。

答：对于最小二乘法，当从模型总体随机抽取n 组样本观测值后，最合理的参数估计量应该使得模型能最好地拟合样本数据；而对于最大似然法，当从模型总体随机抽取n 组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n 组样本观测值的概率最大。

在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。

4、简述最小二乘估计量的性质。

答：（
1）线性性，即它是否是另一随机变量的线性函数；
（2）无偏性，即它的均值或期望值是否等于总体的真实值；
（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。

（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；
（5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；
（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。

注意：
（1）－（3）准则也称作估计量的小样本性质，拥有这类性质的估计量称为最佳线性无偏估计量（BLUE ）。

（4）－（6）准则考察估计量的大样本或渐进性质。

高斯—马尔可夫定理：普通最小二乘估计量具有线性性、无偏性和最小方差性等优良性质，是最佳线性无偏估计。

5、简述变量显著性检验的步骤。

答：（1）对总体参数提出假设： H0：β1=0， H1：β1≠0。

（2）以原假设H0构造t 统计量，并由样本计算其值：
（3）给定显著性水平α，查t 分布表得临界值t α/2(n -2) （4）比较，判断
若 |t|> t α/2(n-2)，则拒绝H0 ，接受H1 ；
若 |t|≤ t α/2(n-2)，则接受H0 ，拒绝H1 ；
对于一元线性回归方程中的β0，也可构造如下t 统计量进行显著性检验
第三章
1、多元线性回归模型的基本假设是什么？
提示：一般表达式式和矩阵符号表达式。

2、为什么说对模型参数施加约束条件后，其回归的残差平方和一定不比未加约束的残差平方和小？在什么样的条件下，受约束回归与无约束回归的结果相同？
答：模型施加约束条件后进行回归称为受约束回归。

而不加任何约束的回归称为无约束回归。

1
ˆ1ˆββS t =000ˆˆˆ~(2)t t n S βββ-==-
对模型参数施加约束条件后，就限制了参数的取值范围，寻找到的参数估计值也是在此条件下使残差平方和达到最小，它不可能比未施加约束条件时找到的参数估计值使得残差平方和达到最小值还要小。

这意味着，通常情况下，对模型施加约束条件会降低模型的解释能力。

但当约束条件为真时，受约束回归与无约束回归的结果就相同。

3、怎样选择合适的样本容量？
答：（1）必须保证最小样本容量。

样本最小容量必须不少于模型中解释变量的数目（包括常数项）,即n≥k+1，因为，无多重共线性要求：秩(X)=k+1。

（2）满足基本要求的样本容量。

虽然当n≥k+1时可以得到参数估计量，但除了参数估计量质量不好外，一些建立模型必须的后续工作也无法进行。

所以，一般经验认为，当n≥30或者至少n≥3(k+1)时，才能说满足模型估计的基本要求。

第四章
1、不满足基本假定（基本假设违背）的情况有哪些？
答：（1）随机误差项序列存在异方差性；
（2）随机误差项序列存在序列相关性；
（3）解释变量之间存在多重共线性；
（4）解释变量是随机变量且与随机误差项相关的随机解释变量问题；
（5）模型设定有偏误；
（6）解释变量的方差不随样本容量的增而收敛。

2、使用加权最小二乘法必须先进行异方差性检验吗？
答：在实际操作中人们通常采用如下的经验方法：不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。

如果确实存在异方差性，则被有效地消除了；如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。

3、简述D.W.检验的步骤。

答：（1）计算DW值
（2）给定α，由n和k的大小查DW分布表，得临界值dL和dU
（3）比较、判断
若0<D.W.<dL，存在正自相关
dL<D.W.<dU，不能确定
dU <D.W.<4－dU，无自相关
4－dU <D.W.<4－dL，不能确定
4－dL <D.W.<4 ，存在负自相关
当D.W.值在2左右时，模型不存在一阶自相关。

第五章
1.回归模型中引入虚拟变量的作用是什么？有哪几种基本的引入方式，它们各适用于什么情况？
答：在模型中引入虚拟变量，主要是为了寻找某（些）定性因素对解释变量的影响。

加法方式与乘法方式是最主要的引入方式，前者主要适用于定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。

除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。

2.滞后变量模型有哪几种类型？分布滞后模型使用OLS方法存在哪些问题？
答：滞后变量模型有分布滞后模型和自回归模型两大类，前者只有解释变量及其滞后变量作为模型的解释变量，不包含被解释变量的滞后变量作为模型的解释变量；而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量。

分布滞后变量有无限期的分布滞后模型和有限期的分布滞后模型；自回归模型又以Coyck模型、自适应预期模型和局部调整模型最为多见。

分布滞后模型使用OLS法存在以下问题：（1）对于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计σ。

（2）对于有限期的分布滞后模型，使用OLS方法会遇到：没有先验准则确定滞后期长度，对最大滞后期的确定往往带有主观随意性；如果滞后期较长，由于样本容量有限，当滞后变量数目增加时，必然使得自由度减少，将缺乏足够的自由度进行估计和检验；同名变量滞后期之间可能存在高度线性相关，即模型可能存在高度的多重共线性。

3.请列出分布滞后模型估计的几种主要方法。

答：分布滞后模型的估计主要需解决滞后期长度的问题。

其基本的解决思路就是减少模型中解释变量的个数。

常用的估计方法有：经验加权法Almon多项式法，以及Koyck方法，前两者主要用于估计有限期分布滞后模型，第三者主要用于估计无限期分布滞后模型。

4.分布滞后模型估计时遇到的主要问题有哪些？自回归模型估计时遇到的主要问题？
答：分布滞后模型估计时遇到的主要问题有：对于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计。

而对于有限期的分布滞后模型，普通最小二乘回归会遇到如下问题：
（1）没有先验准则确定滞后期长度；
（2）如果滞后期较长，将缺乏足够的自由度进行统计检验；
（3）同名变量滞后值之间可能存在高度线性相关，即模型可能存在高度的多重共线性。

自回归模型估计时遇到的主要问题有：滞后被解释变量的存在可能导致它与随机干扰项相关，以及随机干扰项出现序列相关性。

例如，Koyck模型与自适应预期模型就存在着滞后被解释变量Y t-1与随机干扰项的同期相关性，同时，随机干扰项还是自相关的。

而局部调整模型则存在着滞后被解释变量Y t-1随机干扰项的异期相关性。

5.模型设定时，如果遗漏了相关变量，OLS估计会出现什么后果？而在包含了无关变量时，后果又如何？
答：如果遗漏相关变量，则OLS估计结果在小样本下是有偏的，在大样本下也不具有一致性，随机干扰项的方差估计ô2也是有偏的，同时估计的参数的方差也是有偏的，从而不再能够保证最小方差性。

在多选无关解释变量的情形下，OLS估计量仍是无偏的、一致的，随机干扰项的方差σ2也能被正确估计，但OLS估计量却往往是无效的。

也就是说，包含无关变量的偏误主要表现为“错误”模型的OLS估计量的方差一般会大于“正确”模型相应参数估计量的方差。

6.什么是“虚拟变量陷阱”？
答：一般在引入虚拟变量时要求如果有m个定性变量，只在模型中引入m-1个虚拟变量。

否则，如果引入m个虚拟变量，就会导致模型解释变量间出现完全共线性的情况。

我们一般称由于引入的虚拟变量个数与定性因素个数相同时出现的模型无法估计的问题，称为“虚拟变量陷阱“。