精品文档
1、在多元回归分析中，为了寻找有效的参数方法及对模型进行统计检验，需要对模型中的随机扰动项和解释变量做一些假定。多元线性回归模型的基本假定条件有以下几种： 1）零均值假定
2）同方差和无自相关假定
3）随机扰动项与解释变量不行关假定 4）无多重共线性假定 5)正态性假定
2、1）线性性质；2）无偏性；3）最小方差性。
3、随着模型中解释变量的增加，多重可决系数的值会变大。当被解释变量相同而解释变量个数不同时，运用多重可决系数去比较两个模型的拟合优度会带来缺陷。用自由度去校正所计算的变差，可以纠正解释变量个数不同引起的对比困难，为此可以用自由度去修正多重可决系数中的残差平方和与回归平方和，从而引入修正可决系数。
n?kR2F?k?11?R2 4、
5、在一元回归模型中，F检验与t检验等价，即F= t
6、在多元模型中，F检验与T检验的作用不同，具体表现在：F检验是检验整个方程，即所有解释变量联合起来对被解释变量的影响，但并未说明各个解释变量对被解释变量的影响；而t检验是检验当其他解释变量不变时，单个解释变量对被解释变量的影响。 1、解释变量之间存在精确的或近似的线性关系。
2、1）、经济变量之间具有共同变化趋势。2）、模型中包含滞后变量。3）、利用截面数据建立模型也可能出现多重共线性。4）、样本数据自身的原因。
3、1）、完全多重共线性：参数估计式为不定式，参数估计值的方差无限大。2）、不完全多重共线性：参数估计值的方差增大，对参数区间估计时，置信区间趋于变大。
可编辑
2精品文档
4、简单相关系数检验法，方差扩大（膨胀）因子法，直观判断法，逐步回归检测法。 5、1）、修正多重共线性的经验方法：剔除变量法，增大样本容量，变换模型形式，利用非样本先验信息，横截面数据与时间序列数据并用，变量变换。2）、逐步回归法。
6、可以，如果研究目的仅在于预测，各个解释变量之间的多重线性关系的性质在未来将继续保持，这时可估计这些系数的某些线性组合。
1．模型存在异方差时，普通最小二乘估计仍具有无偏性，但估计式的方差不再是最小的。加权最小二乘法是在模型存在异方差时估计参数的一种方法。
2． 1）、参数的OLS估计式的方差不再是最小的。2）、夸大用于参数显著性检验的t统计量。3）、预测值的精确度下降。
3． 1）、模型中省略了某些重要的解释变量。2）、模型设定误差。3）、测量误差的变化。4）、截面数据中总体各单位的差异。
4 ．图示检验法，戈德菲尔德-夸特检验，White检验， ARCH检验，Glejser检验。 1、（1）完全一阶正自相关?（2）差分为广义差分法?
2、广义差分法，科克伦-奥克特迭代法，一阶差分法，德宾两步法。
3、1）、DW检验有运用的前提条件。2）、DW统计量的上、下界一般要求n?15。3）、DW检验不适应随机误差项具有高阶序列相关的检验。4）、DW检验有两个不能确定的区域
1、若定性因素有m个相互排斥的类型（或属性、水平），在有截距项的模型中只能引入m-1个虚拟变量，否则会产生完全的多重共线性。在无截距项的模型中，定性因素有m个相互排斥的类型时，引入m个虚拟变量不会导致完全多重共线性。
2、1）、可以作为属性因素的代表。2）、作为某些非精确计量的数量因素的代表。3）、作为某些偶然因素或政策因素的代表。4）、作为时间序列分析中季节（月份）的代表。5）、实
可编辑
精品文档
现分段回归，研究斜率、截距的变动，或比较两个回归某些的结构差异。
3、应从分析问题的目的出发予以确定。从理论上讲，虚拟变量取“0”，通常代表基础类型；虚拟变量取“1”，通常代表与基础类型相比较的类型。
1． 分成两大类。内生变量：由模型体现的经济系统本身所决定的随机变量。外生变量：在模型体现的经济系统之外给定的、在模型中是非随机的变量。 2．结构型模型具有偏倚性问题。
3．提供足够的估计各个结构参数的信息或对模型的设定方程施加足够的约束。 4．在恰好识别的条件下，利用简化型模型与结构型模型之间参数的关系式可唯一解出结构型方程的参数估计量。
5．相对于其他方法，OLS法可以充分利用样本数据信息、对样本容量的要求不高、可以避免确定性误差的传递。
6．(1)从考虑数据的可用性和计算方法的复杂性来看,通常分为有限信息估计法和系统估计法: 单一方程估计法：最小二乘法、工具变量法、间接最小二乘法、二段最小二乘法、有限信息最大似然估计法; 系统估计法：三段最小二乘法、似乎不相关法、完全信息最大似然估计法。
(2)、从模型的识别条件来看，恰好识别模型：间接最小二乘法、工具变量法等，过度识别模型：二段最小二乘法、三段最小二乘法等，递归型模型直接用OLS法估计参数。
可编辑
计量经济学简答
