第一章

1、计量经济学的性质（三门学科的复合体）

答：计量经济学是经济理论、统计学和数学的综合。经济学着重经济现象的定性研究，计量经济学着重于定量方面的研究。统计学是关于如何收集、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。数理统计学作为一门数学学科，可以应用于经济领域，也可以应用于其他领域；计量经济学则仅限于经济领域。计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程，计量经济学是经济理论、统计学和数学三者的统一。

2、计量经济学的建模四步骤（注意先后顺序）

答：理论模型的建立；样本数据的收集；模型参数的估计；模型的检验

3、计量经济学的三种常用数据类型

答：时间序列数据；横截面数据；虚拟变量数据。

4、计量经济学模型必须通过的四级检验

答：⑴ 经济意义检验⑵ 统计检验⑶ 计量经济学检验⑷ 模型预测检验

5、计量经济学检验主要包括哪些检验

答：随机干扰项的异方差性检验，序列相关性检验，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

答：

第二章

1、回归分析的实质

2、为何要引入随机干扰项

答：随机扰动项是从模型中省略下来的而又集体地影响着Y的全部变量的替代物。（1）理论的含糊性：理论不能完全说明影响因变量的所有影响因素。（2）数据的欠缺：无法获得有关数据。（3）核心变量与周边变量：希望能找到与有较大影响的核心变量的关系。（4）内在随机性：因变量具有内在的随机性。（5）替代变量：用来代替不可观测变量的替代变量选择，造成一定误差。（6）省略原则：研究中尽可能使回归式简单。（7）错误的函数形式：回归式的的选择是主观的。

3、理解OLS的前四个假设

答：  假设1、解释变量X是确定性变量，不是随机变量； 

  假设2、随机误差项m具有零均值、同方差和不序列相关性：

                   E(m_i)=0              i=1,2, …,n

                  Var(m_i)=s²                 i=1,2, …,n

                  Cov(m_i, m_j)=0      i≠j i,j=1,2, …,n

随机误差项m具有零均值、同方差和不序列相关性： E(m_i)=0  i=1,2, …,n

正负mi的影响相抵，使之对均值的影响为0

(虽然随机因素对Y有影响，但从平均意义上来说，影响为0！从而在给定X的情况下，Y的平均水平完全由X确定！）

Var(m_i)=s²       i=1,2, …,n    相对于各自均值（0）的分散程度是相同的

  （若此假设不成立，我们会有意识地刻意去选择mi小的小总体去抽样，违背抽样的随机性和机会均等原则！）   Cov(m_i, m_j)=0  i≠j i,j=1,2, …,n

（该假设的意义：我们只考虑X对Y的影响，而不需要耗费精力去担心由于m之间的相互交叉影响而造成的对Y的影响产生累积.)

  假设3、随机误差项m与解释变量X之间不相关：

                  Cov(X_i, m_i)=0          i=1,2, …,n

  假设4、m服从零均值、同方差、零协方差的正态分布

                  m_i~N(0, s_m² )          i=1,2, …,n

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）

6、无偏性的证明过程

7、为何要进行拟合优度检验？判决系数的表达形式

答：

 

可决系数的取值范围：[0，1]

R²越接近1，说明实际观测点离样本线越近，拟合优度越高。

8、TSS、RSS、ESS三者之间的关系

答：TSS=ESS+RSS

    总离差平方和          回归平方和            残差平方和

                       

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

答：

3、多元模型t统计量的表达形式

答：

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

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

答：概念：对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性；思路：由于异方差性就是相对于不同的解释变量观测值，随机误差项具有不同的方差。那么：检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性及其相关的“形式”。

 

2、异方差性的后果

答：1、参数估计量非有效

OLS估计量仍然具有无偏性，但不具有有效性

因为在有效性证明中利用了 

                   E(mm’)=s²I

而且，在大样本情况下，尽管参数估计量具有一致性，但仍然不具有渐近有效性。

 

 

 

2、变量的显著性检验失去意义 

   变量的显著性检验中，构造了t统计量

 

 

 3、模型的预测失效

    一方面，由于上述后果，使得模型不具有良好的统计性质；

 

所以，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。

方法：1、图示法

2、帕克(Park)检验与戈里瑟(Gleiser)检验

3、戈德菲尔德-匡特(Goldfeld-Quandt)检验

4、怀特（White）检验

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

答：概念：如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。

思路：

   然后，通过分析这些“近似估计量”之间的相关性，以判断随机误差项是否具有序列相关性。

方法：1、图示法

2、回归检验法

3、杜宾-瓦森（Durbin-Watson）检验法

4、拉格朗日乘数（Lagrange multiplier）检验

 

4、序列相关性的后果

1、参数估计量非有效

       因为，在有效性证明中利用了

                       E(NN’)=s²I

  即同方差性和互相独立性条件。

      而且，在大样本情况下，参数估计量虽然具有一致性，但仍然不具有渐近有效性。

 

2、变量的显著性检验失去意义 

在变量的显著性检验中，统计量是建立在参数方差正确估计基础之上的，这只有当随机误差项具有同方差性和互相独立性时才能成立。

 

 

3、模型的预测失效

区间预测与参数估计量的方差有关，在方差有偏误的情况下，使得预测估计不准确，预测精度降低。

   所以，当模型出现序列相关性时，它的预测功能失效。

 

 

5、D-W统计量的范围；三个临界点的含义；

答：范围：（1）解释变量X非随机；

（2）随机误差项m_i为一阶自回归形式：

                 m_i=rm_i-1+e_i

（3）回归模型中不应含有滞后应变量作为解释变量，即不应出现下列形式：

           Y_i=b₀+b₁X_1i+¼b_kX_ki+gY_i-1+m_i

（4）回归含有截距项

 

涵义：如果存在完全一阶正相关，即r=1，则 D.W.» 0             

                完全一阶负相关，即r= -1, 则 D.W.» 4

                完全不相关，        即r=0，则 D.W.»2

 

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

答：如果某两个或多个解释变量之间出现了相关性，则称为多重共线性

后果：1、完全共线性下参数估计量不存在

的OLS估计量为：

如果存在完全共线性，则(X’X)^-1不存在，无法得到参数的估计量。

•    2、近似共线性下OLS估计量非有效

近似共线性下，可以得到OLS参数估计量，

     但参数估计量方差的表达式为

由于|X’X|»0，引起(X’X) ^-1主对角线元素较大，使参数估计值的方差增大，OLS参数估计量非有效。

•    3、参数估计量经济含义不合理

如果模型中两个解释变量具有线性相关性，例如   X₂= lX₁ ，

     这时，X₁和X₂前的参数b₁、b₂并不反映各自与被解释变量之间的结构关系，而是反映它们对被解释变量的共同影响。

     b₁、b₂已经失去了应有的经济含义，于是经常表现出似乎反常的现象：例如b₁本来应该是正的，结果恰是负的。

4、变量的显著性检验失去意义

存在多重共线性时

参数估计值的方差与标准差变大

容易使通过样本计算的t值小于临界值，

  误导作出参数为0的推断

可能将重要的解释变量排除在模型之外

•    5、模型的预测功能失效

变大的方差容易使区间预测的“区间”变大，使预测失去意义。

8、什么是随机解释变量问题？随机解释变量产生的后果

答：概念：如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。

    后果： 计量经济学模型一旦出现随机解释变量，且与随机扰动项相关的话，如果仍采用OLS法估计模型参数，不同性质的随机解释变量会产生不同的后果。

下面以一元线性回归模型为例进行说明    

   对一元线性回归模型：

OLS估计量为

    随机解释变量X与随机项m的关系不同，参数OLS估计量的统计性质也会不同。

1、如果X与m相互独立，得到的参数估计量仍然是无偏、一致估计量。

2、如果X与m同期不相关，异期相关，得到的参数估计量有偏、但却是一致的。

 

     k_t的分母中包含不同期的X；由异期相关性知：k_t与m_t相关，因此，

 

但是

3、如果X与m同期相关，得到的参数估计量有偏、且非一致。

  注意：

    如果模型中带有滞后被解释变量作为解释变量，则当该滞后被解释变量与随机误差项同期相关时，OLS估计量是有偏的、且是非一致的。

    即使同期无关，其OLS估计量也是有偏的，因为此时肯定出现异期相关。

 

 

 

 

 

第五章

1、虚变量的设置原则

答：虚拟变量的个数须按以下确定原则：

    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，即如果有m个定性变量，只在模型中引入m-1个虚拟变量。

 

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

2、广义、狭义、中性技术进步的含义

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？

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？

3、OLS的前四个经典假设

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

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

6、异方差性的后果

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

8、序列相关性的后果

9、D-W统计量的范围；三个临界点的含义；

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

12、为什么要建立联立方程计量经济学模型？

13、弹性分析的意义和在经济分析中的作用是什么？

14、请说明区间估计的意义？

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