本次考试题型：

1、单项选择题（每小题2分，共20分）

2、判断题（每小题1分，共10分）

3、简答题（每小题4分，共20分）

4、证明题（每小题10分，共10分）

5、计算题（每小题10分，共10分）

6、分析应用题（每小题10分，共30分）

本次考试主要涉及的知识点：

第一章

1、计量经济学的性质（三门学科的复合体）

   统计学、经济理论、数学

2、计量经济学的建模四步骤（注意先后顺序）

   一、理论模型的设计

       1、确定模型所包含的变量

       2、确定模型的数学形式

       3、拟定理论模型中待估参数的理论期望值

   二、样本数据的收集（最为重要）

   三、模型参数的估计

   四、模型的检验

3、计量经济学的三种常用数据类型

时间序列数据、截面数据和虚变量数据

时间序列数据：一批按照时间先后排列的统计数据

截面数据：一批发生在同一时间截面上的调查数据

虚变量数据也称二进制数据，一般取0或1

4、计量经济学模型必须通过的四级检验

       1、经济意义检验（具有一票否决权）

       2、统计检验

       3、计量经济学检验

       4、模型预测检验

5、计量经济学检验主要包括哪些检验

随机干扰项的序列相关性检验

异方差性检验

解释变量的多重共线性检验

6、计量经济学模型有哪些作用

   一、结构分析

       经济学中的结构分析就是对经济现象中变量之间相互关系的研究

   二、经济预测

   三、政策评价

   四、检验与发展经济理论

第二章

1、回归分析的实质

   通过后者（解释变量X）的已知或设定值，去估计和（或）预测前者(被解释变量Y)的（总体）均值

2、为何要引入随机干扰项（P27）

3、理解OLS的前四个假设

4、一元模型的计算

5、理解OLS估计量的性质（与异方差性、序列相关性、多重共线性导致的后果相联系）（P36）

   在经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。线性性、无偏性、有效性（最小方差性）

6、无偏性的证明过程（P36）

7、为何要进行拟合优度检验？判决系数的表达形式

判决系数：R^2=ESS/TSS=1-RSS/TSS

8、TSS、RSS、ESS三者之间的关系

   TSS：总离差平方和

   RSS：残差平方和

   ESS：回归平方和

   TSS=RSS+ESS

第三章

1、多元模型与一元模型的主要区别

2、F统计量的表达形式（P68）

3、多元模型t统计量的表达形式（P70）

4、一元和多元模型随机干扰项μ方差的估计量的表达形式

   一元（P39） 多元（P61）

5、利用eviews软件求：

（1）回归方程

（2）可决系数（判定系数）和调整后的可决系数

（3）方程的显著性检验

（4）变量的显著性检验

（5）是否存在自相关

第四章

1、什么是异方差性，检验的总体思路；检验的常见方法；容易产生异方差性的数据

2、异方差性的后果（P96）

3、什么是序列相关性、检验的总体思路；检验的常见方法；容易产生序列相关性的数据

4、序列相关性的后果

5、D-W统计量的范围；三个临界点的含义；（P109）

6、广义差分法和一阶差分法的联系和区别

7、什么是多重共线性？检验的总体思路；多重共线性的后果

8、什么是随机解释变量问题？随机解释变量产生的后果

   如果存在一个或多个随机变量作为解释变量，则称原模型存在随机解释变量问题。分三种情况：

1、随机解释变量与随机干扰项独立——后果：得到的参数估计量仍然是无偏一致估计量

2、随机解释变量与随机干扰项同期无关但异期相关——后果：得到的参数估计量有偏，但却是一致的

3、3、随机变量与随机干扰项同期相关——后果：得到的参数估计量有偏且非一致

第五章

1、虚变量的设置原则（P145）

  每一定性变量所需的虚拟变量个数要比该定性变量的类别数少1。

第六章

1、为什么要建立联立方程的计量经济学模型

第七章

1、生产函数是经验的产物（P218）

2、广义、狭义、中性技术进步的含义（P221）

   广义：除了要素质量的提高外，还包括管理水平的提高等对产出量具有重要影响的因素，这些因素是独立于要素之外的。

   狭义：仅指要素质量的提高

   中性：指劳动的产出弹性与资本的产出弹性同步增长

3、弹性的定义及在经济分析中的作用

4、区间估计的意义

 

简答题复习重点：

1、根据普通最小二乘原理，所估计的模型已经使得拟合误差达到最小，为什么还要讨论模型的拟合优度问题？

   采用普通最小二乘估计方法，虽然保证了模型最好地拟合了样本观测值，但是，在一个特定的条件下做得最好的并不一定就是高质量的，普通最小二乘法所保证的的最好拟合，是同一个问题内部的比较，拟合优度检验结果所表示的优劣是不同问题之间的比较。

2、为什么计量经济学模型的理论方程中必须包含随机误差项？（P27）

    在总体回归函数中引入随机干扰项，主要有以下几方面的原因：

1、代表未知的影响因素

2、代表残缺数据

3、代表众多细小影响因素

5、代表模型设定误差

6、变量的内在随机性

3、OLS的前四个经典假设

   假设1：解释变量Xi是确定性变量，不是随机变量，而且在重复抽样中取固定值。

假设2：随机干扰项具有零均值，同方差，不序列相关性

假设3：随机干扰项与解释变量之间不相关

    假设4：随机干扰项服从零均值，同方差，零协方差的正态分布

4、多元线性回归模型与一元线性回归模型的主要联系和区别

   区别表现如下：

   1、解释变量的个数不同，2、模型的经典假设不同，多元线性回归模型比一元线性回归模型多了“解释变量之间不存在线性相关关系”的假定，3、多元线性回归模型的参数估计式的表达更为复杂。

  联系表现如下：

   1、两者参数估计的原理相同。都包括模型的基本假定，模型的估计，模型的检验，模型在预测方面的应用。2、两者都存在两种表达方式。随机表达式，确定表达式，3、模型的经典假设有相同的地方。解释变量与随机干扰项不相关，解释变量非随机，随机干扰性具有零均值、同方差及不序列相关性。

5、什么是异方差性，检验的总体思路；检验的常见方法；容易产生异方差性的数据

    1、 异方差性：对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同，则认为出现了异方差性。

  2、检验的总体思路：检验异方差性，也就是检验随机干扰项的方差与解释变量观测值之间的相关性

 （P97）3、检验的常见方法：图示检验法、帕克检验与戈里瑟检验、G-Q检验、怀特检验

 （P95） 4、数据：截面数据。原因在于在不同样本点上解释变量以外的其他因素的差异较大。

6、异方差性的后果（P96）

   1、 参数估计量非有效（其普通最小二乘法参数估计量仍具有线性性、无偏性，但不具有有效性）

   2、变量的显著性检验失去意义

   3、模型的预测失效

7、什么是序列相关性、检验的总体思路；检验的常见方法；容易产生序列相关性的数据

  1、序列相关性：如果模型的随机干扰性违背了相互独立的基本假设，即模型的随机干扰项不再相互独立或相互相关，就称为存在序列相关性

  2、检验的总体思路：首先采用普通最小二乘法估计模型，以求得随机干扰项的“近似估计量”，然后，通过分析这些“近似估计量”之间的相关性以达到判断随机干扰性是否具有序列相关性的目的。

  3、检验的常见方法：图示法、回归检验法、杜宾-瓦森（Durbin-Watson）检验、拉格朗日乘数检验

  4、数据：时间序列数据。原因在于：在不同样本点上解释变量以外的其他因素在时间上的连续性，带来它们对被解释变量的影响的连续性。

8、序列相关性的后果

   1、参数估计量非有效（其OLS参数估计量仍然具有线性无偏性，但不具有有效性）

   2、变量的显著性检验失去意义

   3、模型的预测失效

9、D-W统计量的范围；三个临界点的含义；（P109）

   D.W.范围【0,4】

D.W.=0，完全一阶正相关

D.W.=4，完全一阶负相关

D.W.=2，完全不相关

10、广义差分法和一阶差分法的联系和区别

11、什么是多重共线性？检验的总体思路；多重共线性的后果

      多重共线性：如果某两个或多个解释变量之间出现了相关性，则称为存在多重共线性

   检验的总体思路：1、检验多重共线性是否存在2、估计多重共线性的范围

   多重共线性的后果：1、完全共线性下参数估计量不存在2、近似共线性下普通最小二乘法参数估计量的方差变大3、参数估计量经济含义不合理（出现这种情况，首先怀疑是否存在多重共线性）4、变量的显著性检验和模型的预测功能失去意义

12、为什么要建立联立方程计量经济学模型？

   经济现象是极为复杂的，其中诸原因之间的关系，在很多情况下，不是单一方程所能描述的那种简单的单向因果关系，而是相互依存，互为因果的，这时，就必须用联立的计量经济学方程才能描述清楚。所以，与单方程适用于单一经济现象的研究相比，联立方程计量经济学模型适用于描述复杂的经济现象。

13、弹性分析的意义和在经济分析中的作用是什么？

   弹性是某一变量的相对变化引起另一变量的相对变化的度量，即变量的变化率之比。在经济研究中，除了需要研究经济系统中变量绝对量之间的关系，还要掌握变量的相对变化所带来的相互影响，以掌握经济活动的数量规律和有效地控制经济系统。弹性分析是计量经济学模型结构分析的三个主要分析方法之一。

14、请说明区间估计的意义？

   区间估计是指寻找一个以未知参数的点估计值为中心的区间，以使真实得未知参数以一定的概率落入该区间内。区间估计是用来考察参数的点估计值与真实参数间的“接近”程度的。显然，如果找到的区间越窄，同时真实参数落入区间的概率越大，则说明点估计值越“接近”真实的未知参数。

证明题复习重点：

第二章所有曾经在课堂上证明过的问题！

计算题复习重点：

一元线性回归模型的参数估计

应用题复习重点：

利用eviews软件分析放宽假设的经典模型