计量经济学名词解释和简答题(2)

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。 β（2）以原假设H0构造tt=1

（3）给定显著性水平α，查t分布表得临界值tα

/2(Snβ-2)1

（4）比较，判断

若|t|>tα/2(n-2)，则拒绝H0，接受H1；

若|t|≤tα/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

ββ0t==0~t(n 2)S β0

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。

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Yt-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Yt-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ô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。2

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 …… 此处隐藏：1737字，全部文档内容请下载后查看。喜欢就下载吧 ……