计量经济学 大题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
论述题:理论模型的设计 ( 古扎拉蒂 )
1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如下:(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—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。
2模型的检验包括几个方面?其具体含义是什么?
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、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与大小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;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。
3计量经济学模型主要有哪些领域,各自原理有哪些?
答:计量经济学模型主要有以下几个方面的用途:①结构分析,即研究一个或几个经济变量发生变化及结构参数的变动对其他变量以至整个经济系统产生何种的影响;其原理是弹性分析、乘数分析与比较静力分析。②经济预测,即用其进行中短期经济的因果预测;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;③政策评价,即利用计量经济模型定量分析政策变量变化对经济系统运行的影响,是对不同政策执行情况的“模拟仿真”。④检验与发展经济理论,即利用计量经济模型和实际统计资料实证分析某个理论假说的正确与否;其原理是如果按照某种经济理论建立的计量经济模型可以很好地拟合实际观察数据,则意味着该理论是符合客观事实的,否则则表明该理论不能说明客观事实。
1.相关分析与回归分析的概念、联系以及区别?
为什么计量经济学模型的理论方程中必须包含随机干扰项?
1代表位置的影响因素.由于对所考察总体认识上的非完备性,许多位置的影响因素还无法引入模型2代表残缺数据,即使所有的影响变量都能被包括在模型中,也会有某些变量无法取得3代表众多细小影响因素有一些因素已经被认识,数据也可以找到,但是它们对被解释变量的影响确实微小的4代表数据观测误差由于某些客观的原因,在取得数据之时,旺旺存在测量误差5代表模型设定误差由于经济现象的复杂性,模型的真实函数形式往往是未知的6变量的内在随机性某些变量所固有的内在随机性,会对被解释变量产生随机性的影响
1.多元线性回归模型的基本假设是什么?在证明最小二乘估计量的无偏性和有效性的过程中,哪些基本假设起了作用?
答:多元线性回归模型的基本假定仍然是针对随机干扰项与针对解释变量两大类的假设。针对随机干扰项的假设有:零均值,同方差,无序列相关且服从正态分布。针对解释量的假设有;解释变量应具有非随机性,如果后随机的,则不能与随机干扰项相关;各解释变量之间不存在(完全)线性相关关系。
在证明最小二乘估计量的无偏性中,利用了解释变量非随机或与随机干扰项不相关的假定;在有效性的证明中,利用了随机干扰项同方差且无序列相关的假定。
2.在多元线性回归分析中,t检验和F检验有何不同?在一元线性回归分析中二者是否有等价作用?(见课本P70)
答:在多元线性回归分析中,t检验常被用作检验回归方程中各个参数的显著性,而F 检验则被用作检验整个回归关系的显著性。各解释变量联合起来对被解释变量有显著的线性关系,并不意味着每一个解释变量分别对被解释变量有显著的线性关系。
在一元线性回归分析中,二者具有等价作用,因为二者都是对共同的假设——解释变量的参数等于零一一进行检验。
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?它们各适合用于什么情况?
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。
4.产生模型设定偏误的主要原因是什么?模型设定偏误的后果以及检验方法有哪些?
答:产生模型设定偏误的原因主要有:模型制定者不熟悉相应的理论知识;对经济问题本身认识不够或不熟悉前人的相关工作:模型制定者手头没有相关变量的数据;解释变量无法测量或数据本身存在测量误差。
模型设定偏误的后果有:(1)如果遗漏了重要的解释变量,会造成OLS估计量在小样本下有偏,在大样本下非一致;对随机干扰项的方差估计也是有偏的。(2)如果包含了无关的解释变量,尽管OLS估计量具有无偏性与一致性,但不具有最小方差性。(3)如果选择了错误的函数形式,则后果是全方位的,不但会造成估计的参数具有完全不同的经济意义,而且估计结果也不同。
对模型设定偏误的检验方法有:检验是否含有无关变量,可以使用t检验与F检验完成:检验是否有相关变量的遗漏或函数形式设定偏误,可以使用残差图示法,Ramsey提出的RESET检验来完成。