计量经济学简答题及答案

《计量经济学简答题及答案》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、计量经济学简答题及答案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。最小二乘法是加权最小二乘法

2、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。6、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。7、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

3、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。2、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，

4、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。6、简述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。7、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。最新范本,供参考！1、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

5、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。2、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。3、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

6、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。4、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，和

7、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。5、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。6、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