《金融計(jì)量學(xué)》復(fù)習(xí)重點(diǎn)-及答案(總9頁)

《《金融計(jì)量學(xué)》復(fù)習(xí)重點(diǎn)-及答案(總9頁)》由會(huì)員分享，可在線閱讀，更多相關(guān)《《金融計(jì)量學(xué)》復(fù)習(xí)重點(diǎn)-及答案(總9頁)（9頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、《金融計(jì)量學(xué)》復(fù)習(xí)重點(diǎn) 考試題型： 一、名詞解釋題(每小題4分，共20分) 計(jì)量經(jīng)濟(jì)學(xué)：一門由經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)結(jié)合而成的交叉學(xué)科. 經(jīng)濟(jì)學(xué)提供理論基礎(chǔ),統(tǒng)計(jì)學(xué)提供資料依據(jù),數(shù)學(xué)提供研究方法 總體回歸函數(shù)：是指在給定Xi下Y分布的總體均值與Xi所形成的函數(shù)關(guān)系（或者說將總體被解釋變量的條件期望表示為解釋變量的某種函數(shù)） 樣本回歸函數(shù)、 OLS估計(jì)量 ：普通最小二乘法估計(jì)量 OLS估計(jì)量可以由觀測值計(jì)算 OLS估計(jì)量是點(diǎn)估計(jì)量 一旦從樣本數(shù)據(jù)取得OLS估計(jì)值，就可以畫出樣本回歸線 BLUE估計(jì)量、BLUE：最優(yōu)線性無偏估計(jì)量, 在給定經(jīng)典線性

2、回歸的假定下，最小二乘估計(jì)量是具有最小方差的線性無偏估計(jì)量 擬合優(yōu)度、擬合優(yōu)度R2(被解釋部分在總平方和(SST)中所占的比例) 虛擬變量陷阱、 自變量中包含了過多的虛擬變量造成的錯(cuò)誤；當(dāng)模型中既有整體截距又對(duì)每一組都設(shè)有一個(gè)虛擬變量時(shí)，該陷阱就產(chǎn)生了。 或者說，由于引入虛擬變量帶來的完全共線性現(xiàn)象就是虛擬變量陷阱 （(如果有m種互斥的屬性類型，在模型中引入（m-1）個(gè)虛擬變量，否則會(huì)導(dǎo)致多重共線性。稱作虛擬變量陷阱。)） 方差分析模型、方差分析模型是檢驗(yàn)多組樣本均值間的差異是否具有統(tǒng)計(jì)意義的而建立的一種模型。 協(xié)方差分析模型、一般進(jìn)行方差分析時(shí)，要

3、求除研究的因素外應(yīng)該保證其他條件的一致。作動(dòng)物實(shí)驗(yàn)往往采用同一胎動(dòng)物分組給予不同的處理，研究不同處理對(duì)研究對(duì)象的影響就是這個(gè)道理。 多重共線性 多重共線性是指解釋變量之間存在完全的線性關(guān)系或近似的線性關(guān)系. 分為完全多重共線性和不完全多重共線性 自相關(guān)：在古典線性回歸模型中，我們假定隨機(jī)擾動(dòng)項(xiàng)序列的各項(xiàng)之間，如果這一假定不滿足，則稱之為自相關(guān)。即用符號(hào)表示為： 自相關(guān)常見于時(shí)間序列數(shù)據(jù)。 異方差、 異方差性是為了保證回歸參數(shù)估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)BLUE，線性回歸模型的一個(gè)重要假定是：總體回歸函數(shù)中的隨機(jī)誤差項(xiàng)

4、滿足同方差性，即服從相同的方差。如果這一假定不滿足，則稱線性回歸模型存在異方差性。 隨機(jī)誤差項(xiàng)： 模型中沒有包含的所有因素的代表 例： Y— 消費(fèi)支出 X—收入 、 — —參數(shù) u—隨機(jī)誤差項(xiàng) 顯著性檢驗(yàn) 顯著性檢驗(yàn)時(shí)利用樣本結(jié)果，來證實(shí)一個(gè)零假設(shè)的真?zhèn)蔚囊环N檢驗(yàn)程序。 顯著性檢驗(yàn)的基本思想在于一個(gè)檢驗(yàn)統(tǒng)計(jì)量（作為估計(jì)量）以及在虛擬假設(shè)下，這個(gè)統(tǒng)計(jì)量的抽樣分布。根據(jù)已有數(shù)據(jù)算出的統(tǒng)計(jì)量值決定是否接受零假設(shè)。 二、單項(xiàng)選擇題(從下列每小題的四個(gè)備

5、選答案中選出一個(gè)正確答案，并將正確答案的序號(hào)填在題干后面的括號(hào)內(nèi)。每小題2分，共20分) 三、簡答題(每題10分，共40分) 1、為什么說計(jì)量經(jīng)濟(jì)學(xué)是一門經(jīng)濟(jì)學(xué)科？它在經(jīng)濟(jì)學(xué)科體系中的地位和經(jīng)濟(jì)研究中的作用是什么？ 從計(jì)量經(jīng)濟(jì)學(xué)的定義來看，他是定量化的經(jīng)濟(jì)學(xué)；其次，從計(jì)量經(jīng)濟(jì)學(xué)在西方國家經(jīng)濟(jì)學(xué)科中居于最重要的地位看，也是如此，尤其是從諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)設(shè)立之日起，已有多人因直接或間接對(duì)計(jì)量經(jīng)濟(jì)學(xué)的創(chuàng)立和發(fā)展做出貢獻(xiàn)而獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)；計(jì)量經(jīng)濟(jì)學(xué)與數(shù)理統(tǒng)計(jì)學(xué)有著嚴(yán)格的區(qū)別，它限于經(jīng)濟(jì)領(lǐng)域；從建立與應(yīng)用經(jīng)濟(jì)學(xué)模型的全過程看，不論是理論模型的設(shè)定還是樣本數(shù)據(jù)的收集，都必須以對(duì)經(jīng)濟(jì)理論、對(duì)所

6、研究的經(jīng)濟(jì)現(xiàn)象有著透徹的認(rèn)識(shí)為基礎(chǔ)。綜上所述，計(jì)量經(jīng)濟(jì)學(xué)是一門經(jīng)濟(jì)學(xué)科。 2、為什么說計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)理論、數(shù)學(xué)和統(tǒng)計(jì)學(xué)的結(jié)合？ 一門由經(jīng)濟(jì)學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)結(jié)合而成的交叉學(xué)科 ? 經(jīng)濟(jì)學(xué)提供理論基礎(chǔ) ? 統(tǒng)計(jì)學(xué)提供資料依據(jù) ? 數(shù)學(xué)提供研究方法 計(jì)量經(jīng)濟(jì)學(xué)通過經(jīng)濟(jì)理論數(shù)量化經(jīng)濟(jì)模型成為經(jīng)濟(jì)計(jì)量模型；事實(shí)反映為為統(tǒng)計(jì)數(shù)據(jù)，加工數(shù)據(jù)；數(shù)理統(tǒng)計(jì)補(bǔ)充改造形成經(jīng)濟(jì)計(jì)量方法。根據(jù)數(shù)據(jù)運(yùn)用經(jīng)濟(jì)計(jì)量方法對(duì)模型估計(jì)、檢驗(yàn)，得到結(jié)構(gòu)、分析經(jīng)濟(jì)預(yù)測、政策評(píng)價(jià)、 3、建立與應(yīng)用計(jì)量經(jīng)濟(jì)模型的主要步驟有哪些？ 經(jīng)濟(jì)理論或假說的陳述； 建立數(shù)學(xué)（數(shù)理經(jīng)濟(jì)）模型

7、； 建立統(tǒng)計(jì)或計(jì)量經(jīng)濟(jì)模型； 收集處理數(shù)據(jù)； 計(jì)量經(jīng)濟(jì)模型的參數(shù)估計(jì)； 檢驗(yàn)來自模型的假說——經(jīng)濟(jì)意義檢驗(yàn)； 檢驗(yàn)?zāi)Ｐ偷恼_性——模型的假設(shè)檢驗(yàn)； 模型的運(yùn)用——預(yù)測、結(jié)構(gòu)分析、政策模擬等 4、計(jì)量經(jīng)濟(jì)學(xué)有哪些主要應(yīng)用領(lǐng)域？ 提出研究的經(jīng)濟(jì)問題和度量方式，對(duì)研究的經(jīng)濟(jì)現(xiàn)象進(jìn)行實(shí)際統(tǒng)計(jì)觀測 分析影響因素——根據(jù)經(jīng)濟(jì)理論、實(shí)際經(jīng)驗(yàn)，選擇若干影響因素作為解釋變量 分析各種因素與所研究經(jīng)濟(jì)現(xiàn)象的相互關(guān)系，根據(jù)先驗(yàn)經(jīng)濟(jì)理論和實(shí)際經(jīng)驗(yàn)，決定相互間聯(lián)系的數(shù)學(xué)關(guān)系式 確定所研究的經(jīng)濟(jì)問題與各種影響因素的數(shù)量關(guān)系，需要科學(xué)的數(shù)量分析方法 ,主要是參數(shù)估計(jì)方法 分析和檢驗(yàn)所得數(shù)

8、量結(jié)論的可靠性，需要運(yùn)用統(tǒng)計(jì)方法 ,對(duì)模型的檢驗(yàn) 運(yùn)用數(shù)量研究結(jié)果作經(jīng)濟(jì)分析和預(yù)測，對(duì)數(shù)量分析的實(shí)際應(yīng)用 ,對(duì)模型的應(yīng)用 ⑴。結(jié)構(gòu)分析，其原理是彈性分析、乘數(shù)分析與比較分析； ⑵。經(jīng)濟(jì)預(yù)測，其原理是模擬歷史，從已經(jīng)發(fā)生的經(jīng)濟(jì)活動(dòng)中找出變化規(guī)律； ⑶。政策評(píng)價(jià)，是對(duì)不同政策執(zhí)行情況的“模擬仿真” ； ⑷。檢驗(yàn)與發(fā)展經(jīng)濟(jì)理論，其原理是如果按照某種經(jīng)濟(jì)理論建立的計(jì)量經(jīng)濟(jì)學(xué)模型可以很好地?cái)M 合實(shí)際觀察數(shù)據(jù)。 5、時(shí)間序列數(shù)據(jù)和橫截面數(shù)據(jù)有何異同？ 時(shí)間序列數(shù)據(jù):經(jīng)濟(jì)變量在連續(xù)或不連續(xù)的不同時(shí)間內(nèi)的統(tǒng)計(jì)數(shù)據(jù)。 截面數(shù)據(jù):同一時(shí)點(diǎn)上一個(gè)或多個(gè)變量收集的數(shù)據(jù)。 時(shí)間序列數(shù)據(jù)和橫截面數(shù)據(jù)

9、，對(duì)某個(gè)統(tǒng)計(jì)指數(shù)在不同時(shí)期進(jìn)行觀測，將得到的數(shù)據(jù)按時(shí)間先后次序進(jìn)行排列，這樣得到的統(tǒng)計(jì)數(shù)據(jù)稱為時(shí)間序列數(shù)據(jù)。 與此不同，若某個(gè)指標(biāo)在不同的個(gè)體上進(jìn)行觀測，則得到該指標(biāo)的一組橫截面數(shù)據(jù)。 6、從經(jīng)濟(jì)學(xué)的角度說明，為什么計(jì)量經(jīng)濟(jì)學(xué)模型的理論方程中必須包含隨機(jī)誤差項(xiàng)？ 從經(jīng)濟(jì)學(xué)角度看，客觀經(jīng)濟(jì)現(xiàn)象是十分復(fù)雜的，是很難用用有限個(gè)變量、某一種確定的形式來描述的，這就是設(shè)置隨機(jī)誤差項(xiàng)的原因。 7、運(yùn)用普通最小二乘法估計(jì)多元線性回歸模型的經(jīng)典假定有哪些? 1. 2. 3. 4. 5. .解釋變量取值不同，但是被解釋變量的方差相同。 6. 8、異方差存在的原因、后

10、果及克服方法。 原因：異方差性是為了保證回歸參數(shù)估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)BLUE，線性回歸模型的一個(gè)重要假定是：總體回歸函數(shù)中的隨機(jī)誤差項(xiàng)滿足同方差性，即服從相同的方差。如果這一假定不滿足，則稱線性回歸模型存在異方差性。 　　 后果：若線性回歸模型存在異方差性，則用OLS估計(jì)模型，得到的參數(shù)估計(jì)量不是有效估計(jì)量，甚至也不是漸近有效的估計(jì)量；此時(shí)也無法對(duì)模型參數(shù)的進(jìn)行有關(guān)顯著性檢驗(yàn)。 克服方法： （（ 或者是：克服方法：分兩種情況 1） 誤差方差為已知時(shí)，采用加權(quán)最小二乘法。 2） 誤差方差為未知時(shí)，關(guān)鍵就是找出異方差的具體形式，然后進(jìn)行變換來消除異方差。

11、 ）） 9、多重共線性存在的原因、后果及克服方法。 原因： 解釋變量在時(shí)間上存在著共同變化的趨勢導(dǎo)致了多重共線的產(chǎn)生。 后果： （1）由于估計(jì)量的方差增大，使得估計(jì)量的精度大大降低，因而不能正確判斷各解釋變量對(duì)被解釋變量影響的大小。 （2）由于估計(jì)量的方差增大，相應(yīng)標(biāo)準(zhǔn)差增大，在對(duì)參數(shù)進(jìn)行顯著檢驗(yàn)時(shí)，增大了接受零假設(shè)的可能性，致使錯(cuò)誤地舍去了對(duì)因變量有顯著影響的變量。若作區(qū)間預(yù)測也將降低預(yù)測的精度。 （3）解釋變量多重共線時(shí)，雖然可以得到OLS估計(jì)量，但是估計(jì)量及標(biāo)準(zhǔn)差非常敏感，若觀測值稍微有所變化，估計(jì)量就會(huì)產(chǎn)生較大的改變。 克服的方法： （1）除去不重要的解釋變

12、量 （2）利用已知信息 （3）變換模型的形式 （4）增加樣本容量 （5）逐步回歸法 10、自相關(guān)存在的原因、后果及克服方法。 原因：一、慣性 二、模型的數(shù)學(xué)形式不妥 三、回歸模型中略去了帶有自相關(guān)的重要解釋變量 果： 克服方法：1. 如果自相關(guān)是由于錯(cuò)誤地設(shè)定模型的數(shù)學(xué)形式所致，那么就應(yīng)當(dāng)修改模型的數(shù)學(xué)形式。方法是用殘差et 對(duì)解釋變量的較高次冪進(jìn)行回歸。 2. 如果自相關(guān)是由于模型中省略了重要解釋變量造成的，那么解決辦法就是找出略去的解釋變量，把它做為重要解釋變量列入模型。 四、計(jì)算題(每題10分，共20分) 1、完成Evi

13、ews軟件給出的表格。 2、異方差的消除。 應(yīng)該都是最后一節(jié)老師講的內(nèi)容 若能覓得一方喜歡的山水，在空曠的風(fēng)里，種上淡暖如許，清歡如許。我愿用無塵的詩句，沾染些許晨露，輕叩那些老去的時(shí)光，讓曾經(jīng)的你我，重走一遍依舊開滿鮮花的小徑。時(shí)光里的我們，不說話。只是凝望著彼此舊時(shí)的模樣，任憑花落清溪，任憑日暮煙霞。 　　陌上的時(shí)光，匆匆如流。指尖，一直貪戀著世間所有的暖香。而那些沒有著落過往，早已隨風(fēng)而散。往事已舊，一切，終會(huì)在念與不念，忘與不忘之間，莞爾一笑，變得風(fēng)輕云淡。 　　歲月的風(fēng)，就這樣翩躚而過。還好，總有一些不離不棄的相伴，安暖著歲月的榮辱滄桑。

14、然后，在玲瓏的小字里塵埃落定。珍惜著，不早也不晚的緣分。愿你永遠(yuǎn)在我文字的四季，可以與那些草木葳蕤的深情一樣，青青又青青。 　　縱使某天，錯(cuò)過了所有，只剩下一個(gè)人憂傷，也不要怪罪時(shí)光。時(shí)光里那些牽過的手，給錯(cuò)的愛，都是情不由衷。開始與結(jié)束，一樣美麗。我們應(yīng)該，原諒時(shí)光，記住愛！ 　　那些過往里的施與舍，恩與惠，何必計(jì)較太多。我們?cè)谏剿g喂養(yǎng)清風(fēng)，在草木間描摹明月，云淡風(fēng)輕一天又一天。任憑年華一去不返，依舊無怨無悔，不負(fù)歲月，不負(fù)時(shí)光。 　　那些風(fēng)花雪月的重逢與離別，終將隕落在時(shí)光深處，被過往的煙塵一一覆蓋。當(dāng)時(shí)光里，那些被歲月漂白的光陰，再回首時(shí)，風(fēng)住塵香，緣已渺渺，我們也不必遺憾。蒼茫

15、處，風(fēng)景依舊，繁華笙歌，人事無恙。那些散落在流年深處的芬芳，也是依舊靜美如初，相宜靜好。 　　不如，安靜著，于寂寂紅塵中，為自己開一扇般若門，將一切浮云過往都放逐在紅塵之外，只留一顆琉璃心，只守一池為我而開的蓮荷，一粥一飯，一筆一墨，閑渡流年。 　　未來的路，那么遠(yuǎn)。從未想過會(huì)遇見誰，也從未想過會(huì)錯(cuò)過誰。今朝，一壺濁酒，一撲流螢，幾許明媚，幾許嫣然，我依然是那個(gè)樸素的琉璃女子。不敷衍，不趨勢，簡單的行走，簡單的生活，簡單的愛與被愛。 　　當(dāng)時(shí)光里，那些被光陰漂白的過往，再回首時(shí)，風(fēng)住塵香，緣已渺渺，我們也不必遺憾。蒼茫處，風(fēng)景依舊，繁華笙歌，人事無恙。那些散落在流年深處的芬芳，也是依舊靜

16、美如初，相宜靜好。 　　若是，光陰辭去舊年，初心不改。我依然愿意，在心里種半畝花田，在文字里養(yǎng)一個(gè)春天。這樣，無論你來不來，在不在，我都一樣安靜的開落。那樣，你偶爾回眸，看到的風(fēng)景，都是春天般，含著香，透著暖。 　　喜歡讓心在那一刻，靜如菩提明鏡。那么，且許我一程走舊的歲月，溫一壺經(jīng)年的雨水，煮一段曾經(jīng)的往事，不提花開，不說花落。就讓那所有的喜怒哀樂，淡暖清歡，如茶般，氤氳出縷縷清香。而你我，亦愈來愈通透，有了茶的芬芳，即使喝到無味，亦有一股回甘，令人回味留戀。 　　桃花釀酒，醉了光陰。春水煎茶，赴了風(fēng)雅。我人生四季，永遠(yuǎn)是那一抹剔透的琉璃色，不必虛張，不必聲勢，只做安靜的自己，善待生命

17、里遇見的一切，感恩并珍重，且溫柔的對(duì)待。 　　若有一天，我們隔著茫茫人海，穿過人流車流，你是否會(huì)一眼將我認(rèn)出，并且微笑著喊出我的名字。 　　若有一天，經(jīng)年的路口，人煙渺渺。你是否會(huì)收集所有花香，用思念為我鋪一條灑滿落花的小路。那些失落的前塵往事，你是否愿意陪我一一撿拾，然后一起裝幀成流年里最美的那一冊(cè)畫卷。 　　人生云水一夢，尋一份清幽，養(yǎng)一顆禪心。那些迎面而來的風(fēng)景，讓我們微笑著迎接，并且一一納入流年的畫卷。 　　愿世間美好，都是恰逢其時(shí)。至于那些聚了又散的人或事，淡記就好。或許，終有一天，心歸寧靜，從容樸素。 　　那么，我便在南山尋一處清幽。春來，采一壺桃花，釀一壺三生三世。夏來

18、，養(yǎng)一池荷，掬一捧蓮子醉清風(fēng)。秋來，邀一縷秋風(fēng)，修籬種菊，種下一個(gè)人的浮世清歡，種下一些心悅的小情緒。 曾經(jīng)的往事，不提花開，不說花落。就讓那所有的喜怒哀樂，淡暖清歡，如茶般，氤氳出縷縷清香。而你我，亦愈來愈通透，有了茶的芬芳，即使喝到無味，亦有一股回甘，令人回味留戀。 　　桃花釀酒，醉了光陰。春水煎茶，赴了風(fēng)雅。我人生四季，永遠(yuǎn)是那一抹剔透的琉璃色，不必虛張，不必聲勢，只做安靜的自己，善待生命里遇見的一切，感恩并珍重，且溫柔的對(duì)待。 　　若有一天，我們隔著茫茫人海，穿過人流車流，你是否會(huì)一眼將我認(rèn)出，并且微笑著喊出我的名字。 　　若有一天，經(jīng)年的路口，人煙渺渺。你是否會(huì)收集所有花香，用思念為我鋪一條灑滿落花的小路。那些失落的前塵往事，你是否愿意陪我一一撿拾，然后一起裝幀成流年里最美的那一冊(cè)畫卷。 　　人生云水一夢，尋一份清幽，養(yǎng)一顆禪心。那些迎面而來的風(fēng)景，讓我們微笑著迎接，并且一一納入流年的畫卷。 　　愿世間美好，都是恰逢其時(shí)。至于那些聚了又散的人或事，淡記就好。或許，終有一天，心歸寧靜，從容樸素。 　　那么，我便在南山尋一處清幽。春來，采一壺桃花，釀一壺三生三世。夏來，養(yǎng)一池荷，掬一捧蓮子醉清風(fēng)。秋來，邀一縷秋風(fēng)，修籬種菊，種下一個(gè)人的浮世清歡，種下一些心悅的小情緒。冬來，紅泥小爐煮一杯綠蟻酒，邀月，邀你，淺酌，微醺，共守流年。