计量经济学简答题部分答案,自行整理的,仅供参考

判断题

1、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。

错。参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。

4.一元线性回归模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的；

正确最好能够写出一元线性回归模型；F 统计量与t统计量的关系，即F= t2的来历；或者说明一元线性回归仅有一个解释变量，因此对斜率系数的t 检验等价于对方程的整体性检验。

6、在对参数进行最小二乘估计之前，没有必要对模型提出经典假定。

错误

在经典假定条件下，OLS 估计得到的参数估计量是该参数的最佳线性无偏估计（具有线性、无偏性、有效性）。总之，提出古典假定是为了使所作出的估计量具有较好的统计性质和方便地进行统计推断。

简答题

1．在确定了被解释变量之后，怎样才能正确地选择解释变量？

（1）需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。（2）要考虑数据的可得性。（3）要考虑所以入选变量之间的关系，使得每一个解释变量都是独立的。

2．时间序列数据和横截面数据有何不同？

时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。

3．相关关系与因果关系的区别与联系。

相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。

4．回归分析与相关分析的区别与联系。

相关分析是判断变量之间是否具有相关关系的数学分析方法，通过计算变量之间的相关系数来实现。回归分析也是判断变量之间是否具有相关关系的一种数学分析方法，它着重判断一个随机变量与一个或几个可控变量之间是否具有相关关系。

第二章

1.给定一元线性回归模型： t

t t X Y μββ++=10 n t ,,2,1 =

（1）叙述模型的基本假定；

（2）写出参数0β和1β的最小二乘估计公式；

（3）说明满足基本假定的最小二乘估计量的统计性质； （4）写出随机扰动项方差的无偏估计公式。

答:（1）零均值，同方差，无自相关，解释变量与随机误差项相互独立（或者解释变量为非随机变量）

（2）∑∑===

n t t

n

t t

t

x

y x

1

211ˆβ，X Y 1

0ˆˆββ-= （3）线性即，无偏性即，有效性即

（4）2

ˆ1

2

2

-=

∑=n e

n

t t

σ，其中∑

∑

∑∑

∑=====-=-=

n

t t t n

t t

n t t n

t t

n t t

y x y x y e 1

11

21

22

11

21

2ˆˆββ

2. 随机误差项包含哪些因素影响。 （1）解释变量中被忽略的因素的影响； （2）变量观测值的观测误差的影响； （3）模型关系的设定误差的影响； （4）其它随机因素的影响。

3.线性回归模型的基本假设。违背基本假设的计量经济模型是否可以估计。 （1）随机误差项具有零均值。即

E(i μ)=0 i=1,2,…n （2）随机误差项具有同方差。即

Var(i μ)=2

μσ i=1,2,…n

（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。即

Cov(j i μμ,)=0 i ≠j i,j=1,2,…n

（4）解释变量k X X X ,,,21 是确定性变量，不是随机变量，随机误差项与解释变量之间不相关。即

Cov(i ji X μ,)=0 j=1,2,…k i=1,2,…n

（5）解释变量之间不存在严重的多重共线性。 （6）随机误差项服从零均值、同方差的正态分布。即 4.普通最小二乘法参数估计量的统计性质及其含义。

答：线性。所谓线性是指参数估计量βˆ是i

Y 的线性函数。 无偏性。所谓无偏性是指参数估计量β

ˆ的均值（期望）等于模型参数值，即00)ˆ(ββ=E ，11)ˆ(ββ=E 。

有效性。参数估计量的有效性是指在所有线性、无偏估计量中，该参数估计量的方差最小。

9. 什么是总体回归函数和样本回归函数?它们之间的区别是什么

以简单线性回归模型为例，总体回归函数是总体因变量的条件期望表现为自变量函数；总体回归函数是确定的和未知的，是回归分析所估计的对象。样本函数是根据样本数据所估计出的因变量与自变量之间的函数关系；回归分析的目的是用样本回归函数来估计总体回归函数。它们的区别在于，总体回归函数是未知但是确定的，而样本回归函数是随样本波动而变化；总体回归函数的参数是确定的，而样本回归函数的系数是随机变量；总体回归函数中的误差项不可观察，而样本回归函数中的残差项是可以观察的。

10.什么是随机扰动项和残差？它们之间的区别是什么

答：随机误差项表示自变量之外其他变量对因变量产生的影响，是不可观察的的，通常要对其给出一定的假设。残差项是指因变量实际观测值与样本回归函数计算的估计值之间的偏差，是可以观测的。他们的区别在于，反映的含义是不同且可观测性也不同。

11为什么在对参数作最小二乘估计之前要对模型提出古典假设？

答：最小二乘发只是寻找估计量的一种方法，其寻找到的估计量是否具有良好的

性质则依赖模型的一些基本的假定。只有一系列的经典假定下，最小二乘估计才

是BLUE 即在古典假定条件下，OLS 估计量0ˆb 和1

ˆb 是参数0b 和1b 的最佳线性无偏估计量，即BLUE ，这一结论就是著名的高斯－马尔可夫定理。

12.对参数假设检验的基本思想是什么？

答：假设检验的基本思路是首先对总体参数值提出假设，然后再利用样本告知的信息去验

证先前提出的假设是否成立。如果样本数据不能充分证明和支持假设，则在一定的概率条件下，应拒绝该假设；相反，如果样本数据不能够充分证明和支持假设是不成立的，则不能推翻假设成立的合理性和真实性。假设检验推断过程所依据的基本信念是小概率原理，即发生