《計量經濟學大題》由會員分享,可在線閱讀,更多相關《計量經濟學大題(4頁珍藏版)》請在裝配圖網上搜索。
1、論述題:理論模型的設計 ( 古扎拉蒂 )
1建立與應用計量經濟學模型的主要步驟有哪些?
答:建立與應用計量經濟學模型的主要步驟如下:(1)設定理論模型,包括選擇模型所包含的變量,確定變量之間的數學關系和擬定模型中待估參數的數值范圍;(2)收集樣本數據,要考慮樣本數據的完整性、準確性、可比性和—致性;(3)估計模型參數;(4)檢驗模型,包括經濟意義檢驗、統(tǒng)計檢驗、計量經濟學檢驗和模型預測檢驗。
2模型的檢驗包括幾個方面?其具體含義是什么?
答:模型的檢驗主要包括:經濟意義檢驗、統(tǒng)計檢驗、計量經濟學檢驗、模型的預測檢驗。在經濟意義檢驗中,需要檢驗模型是否
2、符合經濟意義,檢驗求得的參數估計值的符號與大小是否與根據人們的經驗和經濟理論所擬訂的期望值相符合;在統(tǒng)計檢驗中,需要檢驗模型參數估計值的可靠性,即檢驗模型的統(tǒng)計學性質;在計量經濟學檢驗中,需要檢驗模型的計量經濟學性質,包括隨機擾動項的序列相關檢驗、異方差性檢驗、解釋變量的多重共線性檢驗等;模型的預測檢驗主要檢驗模型參數估計量的穩(wěn)定性以及對樣本容量變化時的靈敏度,以確定所建立的模型是否可以用于樣本觀測值以外的范圍。
3計量經濟學模型主要有哪些領域,各自原理有哪些?
答:計量經濟學模型主要有以下幾個方面的用途:①結構分析,即研究一個或幾個經濟變量發(fā)生變化及結構參數的變動對其他變量以至整個經濟系
3、統(tǒng)產生何種的影響;其原理是彈性分析、乘數分析與比較靜力分析。②經濟預測,即用其進行中短期經濟的因果預測;其原理是模擬歷史,從已經發(fā)生的經濟活動中找出變化規(guī)律;③政策評價,即利用計量經濟模型定量分析政策變量變化對經濟系統(tǒng)運行的影響,是對不同政策執(zhí)行情況的“模擬仿真”。④檢驗與發(fā)展經濟理論,即利用計量經濟模型和實際統(tǒng)計資料實證分析某個理論假說的正確與否;其原理是如果按照某種經濟理論建立的計量經濟模型可以很好地擬合實際觀察數據,則意味著該理論是符合客觀事實的,否則則表明該理論不能說明客觀事實。
1.相關分析與回歸分析的概念、聯系以及區(qū)別?
為什么計量經濟學模型的理論方程中必須包含隨機干擾項?
4、
1代表位置的影響因素.由于對所考察總體認識上的非完備性,許多位置的影響因素還無法引入模型2代表殘缺數據,即使所有的影響變量都能被包括在模型中,也會有某些變量無法取得3代表眾多細小影響因素有一些因素已經被認識,數據也可以找到,但是它們對被解釋變量的影響確實微小的4代表數據觀測誤差由于某些客觀的原因,在取得數據之時,旺旺存在測量誤差5代表模型設定誤差由于經濟現象的復雜性,模型的真實函數形式往往是未知的6變量的內在隨機性某些變量所固有的內在隨機性,會對被解釋變量產生隨機性的影響
1.多元線性回歸模型的基本假設是什么?在證明最小二乘估計量的無偏性和有效性的過程中,哪些基本假設起了作用?
答:
5、多元線性回歸模型的基本假定仍然是針對隨機干擾項與針對解釋變量兩大類的假設。針對隨機干擾項的假設有:零均值,同方差,無序列相關且服從正態(tài)分布。針對解釋量的假設有;解釋變量應具有非隨機性,如果后隨機的,則不能與隨機干擾項相關;各解釋變量之間不存在(完全)線性相關關系。
在證明最小二乘估計量的無偏性中,利用了解釋變量非隨機或與隨機干擾項不相關的假定;在有效性的證明中,利用了隨機干擾項同方差且無序列相關的假定。
2.在多元線性回歸分析中,t檢驗和F檢驗有何不同?在一元線性回歸分析中二者是否有等價作用?(見課本P70)
答:在多元線性回歸分析中,t檢驗常被用作檢驗回歸方程中各個參數的顯著性,而
6、F檢驗則被用作檢驗整個回歸關系的顯著性。各解釋變量聯合起來對被解釋變量有顯著的線性關系,并不意味著每一個解釋變量分別對被解釋變量有顯著的線性關系。
在一元線性回歸分析中,二者具有等價作用,因為二者都是對共同的假設——解釋變量的參數等于零一一進行檢驗。
1.回歸模型中引入虛擬變量的作用是什么?有哪幾種基本的引入方式?它們各適合用于什么情況?
答:在模型中引入虛擬變量,主要是為了尋找某(些)定性因素對解釋變量的影響。
加法方式與乘法方式是最主要的引入方式。
前者主要適用于定性因素對截距項產生影響的情況,后者主要適用于定性因素對斜率項產生影響的情況。除此外,還可以加法與乘法組合的方式引
7、入虛擬變量,這時可測度定性因素對截距項與斜率項同時產生影響的情況。
4.產生模型設定偏誤的主要原因是什么?模型設定偏誤的后果以及檢驗方法有哪些?
答:產生模型設定偏誤的原因主要有:模型制定者不熟悉相應的理論知識;對經濟問題本身認識不夠或不熟悉前人的相關工作:模型制定者手頭沒有相關變量的數據;解釋變量無法測量或數據本身存在測量誤差。
模型設定偏誤的后果有:(1)如果遺漏了重要的解釋變量,會造成OLS估計量在小樣本下有偏,在大樣本下非一致;對隨機干擾項的方差估計也是有偏的。(2)如果包含了無關的解釋變量,盡管OLS估計量具有無偏性與一致性,但不具有最小方差性。(3)如果選擇了錯誤的函數形式,則后果是全方位的,不但會造成估計的參數具有完全不同的經濟意義,而且估計結果也不同。
對模型設定偏誤的檢驗方法有:檢驗是否含有無關變量,可以使用t檢驗與F檢驗完成:檢驗是否有相關變量的遺漏或函數形式設定偏誤,可以使用殘差圖示法,Ramsey提出的RESET檢驗來完成。