查看原文
其他

47个经典计量经济学问题和答案汇总

计量经济圈社群 计量经济圈 2021-10-23

凡是搞计量经济的,都关注这个号了

箱:econometrics666@sina.cn

所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.

Source: 计量经济圈社群
1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。

答:普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据,反映在图上就是是样本点偏离样本回归线的距离总体上最小,即残差平方和最小只有在满足了线性回归模型的古典假设时候,采用OLS才能保证参数估计结果的可靠性。

在不满足基本假设时,如出现异方差,就不能采用OLS。加权最小二乘法是对原模型加权,对较小残差平方和赋予较大的权重,对较大赋予较小的权重,消除异方差,然后在采用OLS估计其参数。在出现序列相关时,可以采用广义最小二乘法,这是最具有普遍意义的最小二乘法。小二乘法是加权最小二乘法的特例,普通最小二乘法和加权最小二乘法是广义最小二乘法的特列。
 
2、虚拟变量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的主要方式有加法方式与乘法方式,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。

3、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS估计?

答:主要的原因有三:第一,结构方程解释变量中的内生解释变量是随机解释变量,不能直接用OLS来估计;第二,在估计联立方程系统中某一个随机方程参数时,需要考虑没有包含在该方程中的变量的数据信息,而单方程的OLS估计做不到这一点;第三,联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性,表现于不同方程随机干扰项之间,如果采用单方程方法估计某一个方程,是不可能考虑这种相关性的,造成信息的损失。

4、计量经济模型有哪些应用。

答:①结构分析,即是利用模型对经济变量之间的相互关系做出研究,分析当其他条件不变时,模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测,即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价,对不同的政策方案可能产生的后果进行评价对比,从中做出选择的过程。④检验和发展经济理论,计量经济模型可用来检验经济理论的正确性,并揭示经济活动所遵循的经济规律。

5、建立与应用计量经济模型的主要步骤。

答:一般分为5个步骤:①根据经济理论建立计量经济模型;②样本数据的收集;③估计参数;④模型的检验;⑤计量经济模型的应用。

6、对计量经济模型的检验应从几个方面入手。

答:①经济意义检验;②统计准则检验;③计量经济学准则检验;④模型预测检验。
 
7、在计量经济模型中,为什么会存在随机误差项?

答:①模型中被忽略掉的影响因素造成的误差;②模型关系认定不准确造成的误差;③变量的测量误差;④随机因素。这些因素都被归并在随机误差项中考虑。因此,随机误差项是计量经济模型中不可缺少的一部分。

8、古典线性回归模型的基本假定是什么?

答:①零均值假定。即在给定xt的条件下,随机误差项的数学期望(均值)为0,即②同方差假定。误差项的方差与t无关,为一个常数。③无自相关假定。即不同的误差项相互独立。④解释变量与随机误差项不相关假定。⑤正态性假定,即假定误差项服从均值为0,方差为的正态分布。

9、总体回归模型与样本回归模型的区别与联系。

答:主要区别:①描述的对象不同。总体回归模型描述总体中变量y与x的相互关系,而样本回归模型描述所观测的样本中变量y与x的相互关系。②建立模型的不同。总体回归模型是依据总体全部观测资料建立的,样本回归模型是依据样本观测资料建立的。③模型性质不同。总体回归模型不是随机模型,样本回归模型是随机模型,它随着样本的改变而改变。

主要联系:样本回归模型是总体回归模型的一个估计式,之所以建立样本回归模型,目的是用来估计总体回归模型。

10、试述回归分析与相关分析的联系和区别。

答:两者的联系:①相关分析是回归分析的前提和基础;②回归分析是相关分析的深入和继续;③相关分析与回归分析的有关指标之间存在计算上的内在联系。
两者的区别:①回归分析强调因果关系,相关分析不关心因果关系,所研究的两个变量是对等的。②对两个变量x与y而言,相关分析中但在回归分析中,却是两个完全不同的回归方程。③回归分析对资料的要求是:被解释变量y是随机变量,解释变量x是非随机变量。相关分析对资料的要求是两个变量都随机变量。


11、在满足古典假定条件下,一元线性回归模型的普通最小二乘估计量有哪些统计性质?

答:①线性,是指参数估计量和分别为观测值和随机误差项的线性函数或线性组合。②无偏性,指参数估计量和的均值(期望值)分别等于总体参数和。③有效性(最小方差性或最优性),指在所有的线性无偏估计量中,最小二乘估计量和的方差最小。

12、简述BLUE的含义。

答:在古典假定条件下,OLS估计量和是参数和的最佳线性无偏估计量,即BLUE,这一结论就是著名的高斯-马尔可夫定理。

13、对于多元线性回归模型,为什么在进行了总体显著性F检验之后,还要对每个回归系数进行是否为0的t检验?

答:多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过了此F检验,就可以说模型中的全部解释变量对被解释变量的共同影响是显著的,但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。因此还需要就每个解释变量对被解释变量的影响是否显著进行检验,即进行t检验。
 
14、在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度?

解答:因为人们发现随着模型中解释变量的增多,多重决定系数的值往往会变大,从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好,就必须增加解释变量。但是,在样本容量一定的情况下,增加解释变量必定使得待估参数的个数增加,从而损失自由度,而实际中如果引入的解释变量并非必要的话可能会产生很多问题,比如,降低预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度。

15、修正的决定系数及其作用。

解答:其作用有:(1)用自由度调整后,可以消除拟合优度评价中解释变量多少对决定系数计算的影响;(2)对于包含解释变量个数不同的模型,可以用调整后的决定系数直接比较它们的拟合优度的高低,但不能用原来未调整的决定系数来比较。

15、常见的非线性回归模型有几种情况?

解答:常见的非线性回归模型主要有:


 
16、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。

(1)模型中遗漏了某些解释变量;(2)模型函数形式的设定误差;(3)样本数据的测量误差;(4)随机因素的影响。

产生的影响:如果线性回归模型的随机误差项存在异方差性,会对模型参数估计、模型检验及模型应用带来重大影响,主要有:(1)不影响模型参数最小二乘估计值的无偏性;(2)参数的最小二乘估计量不是一个有效的估计量;(3)对模型参数估计值的显著性检验失效;(4)模型估计式的代表性降低,预测精度精度降低。
 
17、检验异方差性的方法有哪些?

(1)图示检验法;(2)戈德菲尔德—匡特检验;(3)怀特检验;(4)戈里瑟检验和帕克检验(残差回归检验法);(5)ARCH检验(自回归条件异方差检验)
 
18、异方差性的解决方法有哪些?

(1)模型变换法;(2)加权最小二乘法;(3)模型的对数变换等

19、什么是加权最小二乘法?它的基本思想是什么?


20、样本分段法(即戈德菲尔特——匡特检验)检验异方差性的基本原理及其使用条件。

将样本分为容量相等的两部分,然后分别对样本1和样本2进行回归,并计算两个子样本的残差平方和,如果随机误差项是同方差的,则这两个子样本的残差平方和应该大致相等;如果是异方差的,则两者差别较大,以此来判断是否存在异方差。使用条件:(1)样本容量要尽可能大,一般而言应该在参数个数两倍以上;(2)Ut服从正态分布,且除了异方差条件外,其它假定均满足。

21、DW检验的局限性。

答:从判断准则中看到,DW检验存在两个主要的局限性:首先,存在一个不能确定的值区域,这是这种检验方法的一大缺陷。其次:检验只能检验一阶自相关。但在实际计量经济学问题中,一阶自相关是出现最多的一类序列相关,而且经验表明,如果不存在一阶自相关,一般也不存在高阶序列相关。所以在实际应用中,对于序列相关问题—般只进行检验。

22、模型中引入虚拟变量的作用是什么?

答案:(1)可以描述和测量定性因素的影响;
(2)能够正确反映经济变量之间的关系,提高模型的精度;
(3)便于处理异常数据。

23、虚拟变量引入的原则是什么?

答案:(1)如果一个定性因素有m方面的特征,则在模型中引入m-1个虚拟变量;
(2)如果模型中有m个定性因素,而每个定性因素只有两方面的属性或特征,则在模型中引入m个虚拟变量;如果定性因素有两个及以上个属性,则参照“一个因素多个属性”的设置虚拟变量。
(3)虚拟变量取值应从分析问题的目的出发予以界定;
(4)虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。

24、虚拟变量引入的方式及每种方式的作用是什么?

答案:(1)加法方式:其作用是改变了模型的截距水平;
(2)乘法方式:其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度;
(3)一般方式:即影响模型的截距有影响模型的斜率。

25、判断计量经济模型优劣的基本原则是什么?

答案:(1)模型应力求简单;(2)模型具有可识别性;(3)模型具有较高的拟合优度;(4)模型应与理论相一致;(5)模型具有较好的超样本功能。

26、模型设定误差的类型有那些?

答案:(1)模型中添加了无关的解释变量;(2)模型中遗漏了重要的解释变量;(3)模型使用了不恰当的形式。

27、工具变量选择必须满足的条件是什么?

答案:选择工具变量必须满足以下两个条件:(1)工具变量与模型中的随机解释变量高度相关;(2)工具变量与模型的随机误差项不相关。

28、滞后变量模型包括哪几种类型?写出各自的模型形式。

答案:滞后变量模型包括两种类型:自回归模型和分布滞后模型。自回归模型是模型的解释变量中包含滞后被解释变量分布滞后模型是指模型中不仅包含解释变量的当期值,还包括解释变量的滞后值

29、设定误差产生的主要原因是什么?

答案:原因有四:(1)模型的制定者不熟悉相应的理论知识;(2)对经济问题本身认识不够或不熟悉前人的相关工作;(3)模型制定者缺乏相关变量的数据;(4)解释变量无法测量或数据本身存在测量误差。

30、在建立计量经济学模型时,什么时候,为什么要引入虚拟变量?

答案:在现实生活中,影响经济问题的因素除具有数量特征的变量外,还有一类变量,这类变量所反映的并不是数量而是现象的某些属性或特征,即它们反映的是现象的质的特征。这些因素还很可能是重要的影响因素,这时就需要在模型中引入这类变量。引入的方式就是以虚拟变量的形式引入。

31、 直接用最小二乘法估计有限分布滞后模型的有:

(1) 损失自由度
(2) 产生多重共线性
(3) 滞后长度难确定的问题

32、 因变量受其自身或其他经济变量前期水平的影响,称为滞后现象。其原因包括:

(1)经济变量自身的原因;(2)决策者心理上的原因;(3)技术上的原因;(4)制度的原因。

33、 koyck模型的特点包括:

(1)模型中的λ称为分布滞后衰退率,λ越小,衰退速度越快;(2)模型的长期影响乘数为;(3)模型仅包括两个解释变量,避免了多重共线性;(4)模型仅有三个参数,解释了无限分布滞后模型因包含无限个参数无法估计的问题

34、回归分析和相关分析的关系。

答案:回归分析是一个变量(被解释变量)对于一个或多个其他变量(解释变量)的依存关系,目的在于根据解释变量的数值估计预测被解释变量的总体均值。相关分析研究变量相关程度,用相关系数表示。相关分析不关注变量的因果关系,变量都是随机变量。回归分析关注变量因果关系。被解释变量是随机变量,解释变量是非随机变量。

35、说明DW检验应用的限制条件和局限性。

 答案:DW检验适用于一阶自回归:不适用解释变量与随机项相关的模型;DW检验存在两个不能确定的区域

36、回归模型中随机误差项产生的原因是什么?

答案:模型中省略的变量;随机行为;模型形式不完善;变量合并误差;测量误差

37、C-D生产函数的份额估计法及其缺点。

答案:C-D生产函数是柯布-道格拉斯生产函数,即,
,α是产出的劳动弹性β是产出的资本弹性,缺点是劳动与资本存在不变的等于1 的替代弹性。

38、假设分布滞后模型为:
将该模型变换成自回归模型形式。为计算模型参数的工具变量估计值,应该用哪些工具变量?

答案:

39、二元回归模型中,三个参数含义

答案:β0表示当X2、X3不变时,Y的平均变化
β1表示当X2不变时,X1变化一个单位Y的平均变化
β2表示当X1不变时,X2变化一个单位Y的平均变化

40、 调整后的判定系数与原来判定系数关系式
答案:

41、 F检验含义

答案:从总体上检验被解释变量与解释变量线性关系的显著性,原假设:,如果成立,被解释变量与解释变量不存在显著的线性关系。H1:βi至少有一个不等于0,对于显著性水平α,查F分布表中的,统计量,比较二者大小。如果统计量F大于,否定原假设,总体回归方程存在显著的线性关系。否则,总体回归方程不存在显著的线性关系。

42、加权最小二乘法的思想。

答案:对于存在异方差的模型,用某一权数对样本观测值或残差加权,再使用普通最小二乘法估计模型参数
 
43、多重共线性的后果有哪些?对多重共线性的处理方法有哪些?

答案:多重共线性的后果是:各个解释变量对被解释变量的影响很难精确鉴别;系数估计量的方差很大,显著性检验无效;参数估计量对于增减少量观测值或删除一个不显著的解释变量可能比较敏感。
 
44、常见的非线性回归模型有几种情况?

答案:双对数模型,半对数模型,倒数变换模型,多项式模型,双曲函数模型,幂函数模型。
 
45、什么是随机误差项?影响随机误差项的主要因素有哪些?它和残差之间的区别是什么?

影响Y的较小因素的集合;被忽略的因素、测量误差、随机误差等;通过残差对误差项的方差进行估计。

46、决定系数说明了什么?它与相关系数的区别和联系是什么?
 

 
47、在回归模型的基本假定中,的意义是什么? 

该假设的含义是:如果两变量之间确实是线性趋势占主导地位,随机误差只是次要因素时,那么虽然随机扰动会使个别观测值偏离线性函数,但给定解释变量时多次重复观测被解释变量,概率均值会消除随机扰动的影响,符合线性函数趋势。
 

下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。

2年,计量经济圈公众号近1000篇文章,

Econometrics Circle

数据系列:空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 |  夜间灯光 | 官员方言  | 微观数据 |

计量系列:匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 

数据处理:Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |


干货系列:能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 |

计量经济圈组织了一个计量社群,有如下特征:热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。

: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存