-
第一二章
1
、什么是计量经济学？
答：
计量经济学是经济学、数学、统计学三者合一的课程
< br>，以经济理论和经济数据的事实为
依据，
运用数学、
统计学的方法，
通过坚力数学模型来研究经济数量关系和规律的一门
经济
学分支学科。
2
、什么是总体回归函数和样本回归
函数？它们之间有什么区别？
答：
总
体回归函数：
将总体被解释变量
Y
的条
件期望值表现为解释变量
X
的函数，
这
个函数
被称为总体回归函数。
样本回
归函数：
对应于解释变量的选定水平，
对被解释变量
Y
的某些样本进行观测，
然后通
< br>过对样本观测获得的信息去估计总体回归函数，这个函数被称为样本回归函数。
区别：总体回归函数是确定的，样本回归函数会随着抽样发生变化。总体回归的参数
β
1
和
β
2
是确定的常数，而样本回归函数的参数是随抽样变化的随机变量。总体
回归函数中的
μ
i
是不可直接观测的；
而样本回归函数中的
e
i
是只要估计出
样本回归的参数就可以计算的数
值。
3
、对随机误差扰动项的假设？
答：
零均值假定：在给定解释变量
X
i
的条件下，随机扰动项
μ
< br>i
的条件期望或条件均值为零。
同方差假定：对于每一个给定的
X
i
，随机扰动项的条件方差都等于一个常数。
无自相关假定：即
随机扰动项
μ
i
的逐次值互不相关对于
所有的
i
和
j
（
i
不等于
j
）
，
μ
i
和<
/p>
μ
j
协方差为零
随机扰动项
μ
i
和解释变量
X
i
不相关
正态性假定：随机扰动项服从期望值为零，方差为
σ
2
的正态分布
也称高斯假定或者古典假定
4
、
ols
估计量的
统计性质与对模型的基本假定的关系是什么？（
p26
）
答：
ols
估计量
的统计性质：线性特征、无偏性、有效性
假定解释变量
Xi
是确定性变量，是非随机的，或者虽然是非随机的，但与随机扰动
项
μ
i
不
相关
。
假定模型中的变量没有测量误差
假设模型不存在设定误差
解释变量
Xi
是确定变量，决定了回归模型具有
线性特征；变量没有测量误差，决定了模型
的无偏性；模型不存在设定误差，决定了模型
的一致性。
1.
多元回归的基本假设是什么，与简单线性回归的基本假设有什么区别？
答：
（
1
）零均值假定：假定随机扰动项的期望值或均值为零。
（
< br>2
）同方差假定。随机扰动项
方差相同。
（
3
）无自相关假定。假定随机扰动项互不相关。
（
4
）随机扰动项与解释变量不相
关假定。
（
5
）
无多重共线性假定。
假定各解释变量之间不存在线性关系或者说各解释
变量的
观测值之间线性无关。
（
6
）正态性假定。随机扰动项服从正态分布。
与简单线性回归相比，多元线性回归多了无多重共线性这一假定。
2.F
检验，是检验什么的？
t
检验，检验什么？
答：
F
检验：用来检验方程的线性性是否显著。
t
检验：基于“小概率事件不易发生原理”
，用来检验每个解释变量对被解释变量的影响是
否显著
3.
可决系数的显
著性是通过什么来检验的？
答：可决系数与
< br>F
检验都是建立在对解释变量的变差分解的基础上的，
F
与
R2
同方向变化，
< br>因此可以用
F
检验来检验可决系数的显著性。
,ESS,RSS
的自由度各是多少？
TSS,ESS,RSS,
自由度和与其对应的方差之间对应的
关系是
什么？
答：
TSS:n-1
、
RSS:n-
k
、
ESS:k-1.
它们的方差与他
们的自由度是反比例关系（根据
p74
的自由
< br>度表，分母是自由度，分母越大，方差越小）
。
第四章
1.
什么是多重共线性？
答：多重共线性就是各个解释变量的观测值之间线性无关。
2.
多重共线产生的后果有哪些？
完全多重共线性产生的后果：
（
1
）参数的估计值不确定
（
2
）参数估计值的方差无限大
不完全多重共线性产生的后果：
(1)
参数估计值的方差和协方差增大
(2)
对参数区间估计时，置信区间趋于变大
(3)
假设检验容易做出错误判断
(4)
造成可决系数偏高
3.
判断是否存在多重共线的方法有哪些？
答：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
4.
多重共线的补救措施有哪些？简述逐步回归法的具体操作步骤。
答：
（
1
）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
与时序数据并用、变量变换（
2
）逐步回归法（
3
）岭回归法
逐步回归法具
体操作步骤：
⑴先用被解释变量对每一个解释变量作简单回归，
以对被解释变
量贡献最大的解释变量作为方程的基础。
⑵逐个引
用其余的解释变量。
此时会出现三种情况：
①新引进的变量改进
了可决系数以及
F
检验，
而且其他回归
参数仍在
t
检验上显著，
则考虑
保留该变量；
②若新引进的变量未能明显改进可决系数与
F
检验，
同时也未对其他参数估计
< br>值的
t
检验带来影响，
则认为这
个变量是多余的；
③如果新引进的变量未能显著改进可决系
数与
F
检验，
而且显著地影响了其他参数，
则认为出现了严重的多重共线性。
经过对各个引
入新变量模型对方面综合比较，保留可决系数最大而且又不影响原有变量显著性的模型。
第五章
简答题
1.
什么是异方差性？
答：模型中随机误
差项的
μ
i
的方差为：
Var
（
μ
i
）
=
σ
2
i
（
i=1
，
2
，
3
，……，
< br>n
）随机误差项
的方差不再恒为
σ
2
，而是随着样本的变化而变化。
2.
异方差性造成的后果有哪些？
答：<
/p>
（
1
）对参数估计式统计特性的影响：①
参数的
OLS
估计仍然具有无偏性②参数的
OLS
估计式的方差不再有效
（
2
）对模型假设检验的影响：当随机扰动项存在方差时，会严重
破坏
t
检验和
F
检验的有
效性
（
< br>3
）对预测的影响：尽管参数的
OLS
< br>估计量仍然无偏，并且基于此的预测也是无偏的，但
是由于参数估计量不是有效的
，从而对
Y
的预测也将不是有效的。
3.
异方差的检验方法有哪些？他们各自有什么特点？
答：图示检验法：简单易操作，判断比较粗糙，有时候难以准确下结论。
Goldfeld-Quandt
检验：①只适合大样本②要求
除了同方差以外，其他的假设都满足③需要
对样本的正确排序④检验结果与选择数据删除
的个数
c
的大小有关⑤只能判断异方差是否
存在，在多个解释变量的情下，对哪一个变量引起异方差的判断存在局限。
White
检验：不仅能够检验异方差的存在，而且能够在多个解释变
量的情况下判断是哪一个
变量引起的异方差。
ARCH
检验：
要求变量的观测值为大样本并且是时间
数列、
只能检验模型中是否存在异方差，
而不能诊断出哪一个变
量引起的异方差。
Glejser
检验：要求大样本、不仅能判断异方差的存在，而且能对异方
差随某个解释变量变
化的函数形式进行诊断。
第六章
简答
1.
什么是自相关？
答：自相关又叫序列
相关，是指回归模型中的随机误差项
μ
之间存在相关关系。
2.
自相关产生的原因？
答：（
1
）经济系统的惯性。自相关现象大多存在时间序列数据之中，而经济系
统的经济行
为都具有时间上的惯性。
（
2
）经济活动的滞后效应。滞后效应是指某一变量对另一变量
的影响不仅限于当期，而是
延续若干期。由此带来变量的自相关。
（
3
）数据的处理造成的自相关。
因为某些原因对数据进行了修整和内插处理，在这样的数
据序列中就会有自相关。
（
4
）蛛网现象。
蛛网现象表示某种商品的供给量受前一期价格影响而表现出来的某种规律。