计量经济学考试复习资料

由天下分享时间：2025/1/18 11:13:15 加入收藏我要投稿点赞

精品文档

计量经济学复习资料

一、单选。（1*10）

1. 如果回归模型中的随机误差存在异方差性，则参数的普通最小二乘估计

量是（A）

A. 无偏的，但方差不是最小的 B.有偏的，且方差不少最小

C. 无偏的，且方差最小 D.有偏的，但方差仍最小

2.White检验方法主要用于检验（A.）

A.异方差性 B.自相关性 C.随机解释变量 D.多重共线性

二、对错题。（1*10）

1. 线性回归模型中，解释变量是原因，被解释变量是结果。（错） 2. 多元回归模型统计显著是指模型中每个变量都是统计显著的。（错）

三、多选。（2*5）

1. 从变量的因果关系看，经济变量可分为（A.B）

A. 解释变量 B被解释变量 C.内生变量 D.外生变量 2. 计量经济学是以下哪些学科相结合得综合性学科（统计学、经济学、数学）。

A. 统计学 B.数理经济学 C.经济统计学 D.数学

四、简答题（5*6）

1、简述建立与检验计量经济模型的主要步骤（★★★★★）（P15）

可编辑

精品文档

答：第一步：根据经济理论确定数学关系，即模型设定。设定合理的经济变量要有科学的理论依据、模型要选择适当的数学形式，方程中的变量要具有可观测性。

第二步：收集、整理样本数据，即收集数据。根据模型中变量的含义、口径，手机并整理样本数据。样本数据要具有完整性、准确性、可比性和一致性。

第三步：确定变量间的数量关系，即估计参数（最小二乘法，极大似然估计法等）。第四步：检验所得结论的可靠性，模型检验，即对估计的模型参数进行检验。主要从以下四个方面进行：1.经济意义检验2.统计推断检验（一级检验）3.计量经济检验（二级检验）4.模型预测检验（预测误差检验）。

2、自相关产生的原因（★★★）P154

答：线性回归模型中随机误差项存在序列相关的原因很多，但主要是经济变量自身特点、数据处理、变量选择及模型函数形式选择引起的：

1．经济变量惯性的作用引起随机误差项自相关。多数时间序列都存在惯性，如国民生产总值，就业、消费等呈现周期性波动变化。 2．经济行为的滞后性引起随机误差项自相关。

3．模型设定不正确引起随机误差项自相关。模型设定不当意味着模型中遗漏了本应包括在模型中的重要变量，或添加了多余的解释变量，或模型选择了不正确的函数形式。 4．一些随机偶然因素的干扰引起随机误差项自相关。 5．观测数据处理引起随机误差项自相关。

3、简述（高斯马尔科夫定理）BLUE的含义（★★★）（P33）

答：1、线性，即它是否是另一个随机变量的线性函数； 2、无偏性，即它的均值或期望是否等于总体的真实值； 3、有效性，即它是否在所有的线性无偏估计量中具有最小方差。

可编辑

精品文档

这三个准则称为估计量的小样本性质，因为一旦某估计量具有该类性质，它是不以样本的大小而改变的。拥有这类性质的估计量称为最佳线性无偏估计量（BLUE：best linear unbiased estimators）

4、简述多元回归的假设条件（★★★★★）P75

答：假设1：随机误差项的期望为零，即E()=0 。

假设2：不同的随机误差项之间相互独立，即cov()=E=E()=0 (t,t,s=1,2, …,n),被解释变量也是相互独立的。

假设3：随机误差项的方差与t无关，为一个常数，即var()= (t=1,2, …,n)。即同方差性假设。被解释变量的方差与t无关，与随机误差项有相同的方差假设4：随机误差项与解释变量不相关，即cov()=0.通常假定为非随机变量，这个假设条件自动成立。

假设5：随机误差项为服从正态分布的随机变量，即~N(0,).

假设6：解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性相关关系，或者说各解释变量的观测值之间线性无关。以上六个假设条件称为多元线性回归模型的经典假设条件。

5、简述一元回归的假设条件（★★★★★）4,5会考其中一题。P28

答：是非随机的确定变量。

假设1：零均值假设，即在给定的条件下，随机误差项的期望为零，即E()=0 。假设2：同方差性假设，即随机误差项的方差与t无关，为一个常数，即var()= 假设3：无自相关性假设，即不同的随机误差项和(t)之间相互独立，即

可编辑

精品文档

cov()=E=E()==0.

假设4：正态性假设，即假定随机误差项为服从零均值为零，方差为的正态分布，即~N(0,).

假设5：随机误差项与解释变量不相关假设，即cov()= E0. 以上五个假设条件称为一元线性回归模型的经典假设条件。

6、简述产生异方差性的原因及异方差性对模型的OLS估计有何影响P128

答：异方差产生的原因：1.模型中漏了某些解释变量 2.模型的函数形式的设定误差（如：用线性模型代替了非线性模型；用简单的非线性模型代替了复杂的线性关系） 3.样本数据的测量误差（如：样本数据的测量误差随时间的推移而逐步积累，从而会引起随机误差项的方差增加） 4.截面数据中总体各单位的差异 5.随机因素的影响。异方差性对模型的OLS估计的影响：P130 1. 参数估计量非有效。

OLS估计量仍然具有无偏性和线性性，但不具有有效性 2. 变量的显著性检验失去意义。

t=/它是建立在不变而正确估计了参数方差的基础之上的。如果出现了异方差性，估计的出现偏误（偏大或偏小），t检验失去意义。 3. 模型的区间预测失效。

7、简述序列相关性的几种检验方法P159

答:A. 图示法：通过对残差分布图的分析,可以大致判断随机误差项的特征。可以通过对残差是否存在自相关性来判断随机项的自相关性。

可编辑

精品文档

B. 德宾-沃森检验-----DW检验，适用于检验一阶自回归形式的序列相关；

C. 回归检验法，适用于各种类型的序列相关检验；

D. 高阶自相关性检验：(1)相关图检验；(2)Q统计量检验；(3)拉格朗日乘数检验（LM），适用于高阶序列相关及模型中存在滞后解释变量的情形。

8、简述DW两步法的过程P171

答：设定模型=存在一阶自相关，即有= 。第一步，先对模型进行广义差分变换，得整理得令,则有

这是一个满足基本假定的三元线性回归模型，其中解释变量的回归系数恰好为。对此模型进行OLS估计得的估计值，即利用OLS估计： LS y c y(-1) x x(-1) 可以得到的估计值。