《金融計量學》復習重點及答案.

《《金融計量學》復習重點及答案.》由會員分享，可在線閱讀，更多相關《《金融計量學》復習重點及答案.（7頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、 《金融計量學》復習重點 考試題型： 一、名詞解釋題 ( 每小題 4 分，共 20 分) 計量經(jīng)濟學： 一門由經(jīng)濟學、統(tǒng)計學和數(shù)學結合而成的交叉學科 . 經(jīng)濟學提供理論基礎 , 統(tǒng)計學提供資料依據(jù) , 數(shù)學提供研究方法 總體回歸函數(shù) ： 是指在給定 X 下 Y 分布的總體均值與 X 所形成的函數(shù)關系（或者說將總 i i 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) 、 ? ? ? 12 X i ) SRF: Y

2、i 1 2 X i (相對于 E(Y | X i ) 其中 ?是 的估計量； Yi E(Y | X i ) ?1是 1的估計量； ?2是 2的估計量。 OLS估計量 ：普通最小二乘法估計量 OLS估計量可以由觀測值計算 OLS估計量是點估計量 一旦從樣本數(shù)據(jù)取得 OLS估計值，就可以畫出樣本回歸線 BLUE估計量 、BLUE：最優(yōu)線性無偏估計量 , 在給定經(jīng)典線性回歸的假定下， 最小二乘估計 量是具有最小方差的線性無偏估計量 2 2

3、 ESS ?2 擬合優(yōu)度 、擬合優(yōu)度 R( 被解釋部分在總平方和 (SST) 中所占的比例 ) R yi TSS yi2 虛擬變量陷阱 、 自變量中包含了過多的虛擬變量造成的錯誤； 當模型中既有整體截距 又對每一組都設有一個虛擬變量時，該陷阱就產生了。 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 ）個虛擬變量，否則會導致多重共線性。稱作虛擬變量陷阱。 ) ） 方差分析模型 、方差分析模型是檢驗多組樣本均值間

4、的差異是否具有統(tǒng)計意義的而建立的一種模型。 協(xié)方差分析模型 、一般進行方差分析時，要求除研究的因素外應該保證其他條件的一致。 作動物實驗往往采用同一胎動物分組給予不同的處理， 研究不同處理對研究對象的影響就是這個道理。 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系或近似的線性關系分為完全多重共線性和不完全多重共線性  . 自相關：在古典線性回歸模型中，我們假定隨機擾動項序列的各項之間，如

5、果這一假定不滿足，則稱之為自相關。即用符號表示為： cov(  i ,  j )  E(  i  j )  0存在 i  j 自相關常見于時間序列數(shù)據(jù)。 異方差、 異方差性是為了保證回歸參數(shù)估計量具有良好的統(tǒng)計性質 型的一個重要假定是： 總體回歸函數(shù)中的隨機誤差項滿足同方差性， 果這一假定不滿足，則稱線性回歸模型存在異方差性。  BLUE，線性回歸模 即服從相同的方差。 如 隨機誤差項： 模型中沒有包含的所有因素的代表 例

6、： Y X u Y — 消費支出 X —收入 、 — —參數(shù) u —隨機誤差項 顯著性檢驗 顯著性檢驗時利用樣本結果，來證實一個零假設的真?zhèn)蔚囊环N檢驗程序。 顯著性檢驗的基本思想在于一個檢驗統(tǒng)計量 （作為估計量） 以及在虛擬假設下， 這個統(tǒng)計量 的抽樣分布。根據(jù)已有數(shù)據(jù)算出的統(tǒng)計量值決定是否接受零假設。 二、單項選擇題 ( 從下列每小題的四個備選答案中選出一個正確答案，并將正確答案的序號 填在題干后面的括號內。每小題 2 分，共 20 分) 三、簡答題 ( 每題 10 分，共 40 分 ) 1、為什么說計量經(jīng)濟學

7、是一門經(jīng)濟學科？它在經(jīng)濟學科體系中的地位和經(jīng)濟研究中的作用 是什么？ 從計量經(jīng)濟學的定義來看， 他是定量化的經(jīng)濟學； 其次， 從計量經(jīng)濟學在西方國家經(jīng)濟 學科中居于最重要的地位看， 也是如此， 尤其是從諾貝爾經(jīng)濟學獎設立之日起， 已有多人因 直接或間接對計量經(jīng)濟學的創(chuàng)立和發(fā)展做出貢獻而獲得諾貝爾經(jīng)濟學獎； 計量經(jīng)濟學與數(shù)理 統(tǒng)計學有著嚴格的區(qū)別， 它限于經(jīng)濟領域； 從建立與應用經(jīng)濟學模型的全過程看， 不論是理 論模型的設定還是樣本數(shù)據(jù)的收集， 都必須以對經(jīng)濟理論、 對所研究的經(jīng)濟現(xiàn)象有著透徹的 認識為基礎。綜上所述，計量經(jīng)濟學是一門經(jīng)濟學科。

8、 2、為什么說計量經(jīng)濟學是經(jīng)濟理論、數(shù)學和統(tǒng)計學的結合？ 一門由經(jīng)濟學、統(tǒng)計學和數(shù)學結合而成的交叉學科 ? 經(jīng)濟學提供理論基礎 ? 統(tǒng)計學提供資料依據(jù) ? 數(shù)學提供研究方法 計量經(jīng)濟學通過經(jīng)濟理論數(shù)量化經(jīng)濟模型成為經(jīng)濟計量模型；事實反映為為統(tǒng)計數(shù)據(jù)， 加工數(shù)據(jù)；數(shù)理統(tǒng)計補充改造形成經(jīng)濟計量方法。根據(jù)數(shù)據(jù)運用經(jīng)濟計量方法對模型估計、 檢驗，得到結構、分析經(jīng)濟預測、政策評價、 3、建立與應用計量經(jīng)濟模型的主要步驟有哪些？ 經(jīng)濟理論或假說的陳述； 建立數(shù)學（數(shù)理經(jīng)濟

9、）模型； 建立統(tǒng)計或計量經(jīng)濟模型； 收集處理數(shù)據(jù)； 計量經(jīng)濟模型的參數(shù)估計； 檢驗來自模型的假說——經(jīng)濟意義檢驗； 檢驗模型的正確性——模型的假設檢驗； 模型的運用——預測、結構分析、政策模擬等 4、計量經(jīng)濟學有哪些主要應用領域？ 提出研究的經(jīng)濟問題和度量方式，對研究的經(jīng)濟現(xiàn)象進行實際統(tǒng)計觀測 分析影響因素——根據(jù)經(jīng)濟理論、實際經(jīng)驗，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)濟現(xiàn)象的相互關系， 根據(jù)先驗經(jīng)濟理論和實際經(jīng)驗， 決定相互間聯(lián) 系的數(shù)學關系式 確定所研究的經(jīng)濟

10、問題與各種影響因素的數(shù)量關系， 需要科學的數(shù)量分析方法 , 主要是參數(shù) 估計方法 分析和檢驗所得數(shù)量結論的可靠性，需要運用統(tǒng)計方法 , 對模型的檢驗 運用數(shù)量研究結果作經(jīng)濟分析和預測，對數(shù)量分析的實際應用 , 對模型的應用 ⑴。結構分析，其原理是彈性分析、乘數(shù)分析與比較分析； ⑵。經(jīng)濟預測，其原理是模擬 歷史，從已經(jīng)發(fā)生的經(jīng)濟活動中找出變化規(guī)律； ⑶。政策評價，是對不同政策執(zhí)行情況的 “模擬仿真” ； ⑷。檢驗與發(fā)展經(jīng)濟理論，其原理是如果按照某種經(jīng)濟理論建立的計量經(jīng) 濟學模型可以很好地擬 合實際觀察數(shù)據(jù)。 5、

11、時間序列數(shù)據(jù)和橫截面數(shù)據(jù)有何異同？ 時間序列數(shù)據(jù) : 經(jīng)濟變量在連續(xù)或不連續(xù)的不同時間內的統(tǒng)計數(shù)據(jù)。 截面數(shù)據(jù) : 同一時點上一個或多個變量收集的數(shù)據(jù)。 時間序列數(shù)據(jù)和橫截面數(shù)據(jù)， 對某個統(tǒng)計指數(shù)在不同時期進行觀測， 將得到的數(shù)據(jù)按時間先后次序進行排列，這樣得到的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)。 與此不同，若某個指標在不同的個體上進行觀測，則得到該指標的一組橫截面數(shù)據(jù)。 6、從經(jīng)濟學的角度說明，為什么計量經(jīng)濟學模型的理論方程中必須包含隨機誤差項？ 從經(jīng)濟學角度看， 客觀經(jīng)濟現(xiàn)象是十分復雜的， 是很難用用有限個變量、 某

12、一種確定的形式來描述的，這就是設置隨機誤差項的原因。 7、運用普通最小二乘法估計多元線性回歸模型的經(jīng)典假定有哪些 ? 因而解釋變量 X j 與隨機項 ui 不相關 1. 含義 : cov( X i , u) 0 2. 所有自變量彼此線性無 關。 3. un 1是隨機向量 ui 為隨機變量 4. 零期望 5. 同方差，不相關 .解釋變量取值不同，但是被解釋變量的方差相同。 6. un 1 ~ N ( 0, 2 I ) 8、異方差存在的原因、后果及克服方法。 原因：異方

13、差性是為了保證回歸參數(shù)估計量具有良好的統(tǒng)計性質 BLUE，線性回歸模型 的一個重要假定是： 總體回歸函數(shù)中的隨機誤差項滿足同方差性， 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估計模型， 得到的參數(shù)估計量不是有效 估計量，甚至也不是漸近有效的估計量；此時也無法對模型參數(shù)的進行有關顯著性檢驗。 克服方法：  異方差的補救思路 2 1.知道 i ，利用加權最小二乘法 或者模型變換求 BLUE； 2 2 2.不知道 i ，先求出 i ，再轉到 1

14、。 （（ 或者是：克服方法：分兩種情況 1） 誤差方差為已知時，采用加權最小二乘法。 2） 誤差方差為未知時，關鍵就是找出異方差的具體形式， 然后進行變換來消除異方差。 ）） 9、多重共線性存在的原因、后果及克服方法 。 原因： 解釋變量在時間上存在著共同變化的趨勢導致了多重共線的產生。 后果： （ 1）由于估計量的方差增大，使得估計量的精度大大降低，因而不能正確判斷各解釋變量對被解釋變量影響的大小。 （ 2）由于估計量的方差增大，相應標準差增大，在對參數(shù)進行顯著檢驗時，增大了接受零假設的可能性，致使錯誤地舍去

15、了對因變量有顯著影響的變量。若作區(qū)間預測也將降低預測的精度。 （ 3）解釋變量多重共線時，雖然可以得到 OLS 估計量，但是估計量及標準差非常 敏感，若觀測值稍微有所變化，估計量就會產生較大的改變。 克服的方法： （ 1）除去不重要的解釋變量 （ 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、自相關存在的原因、后果及克服方法。 原因：一、慣性 二、模型的數(shù)學形式不妥 三、回歸模型中略去了帶有自相關的重要解釋變量 果

16、  ： 模型存在自相關的后果 1. 回歸系數(shù)的最小二乘估計量  ?j 仍具有無偏性。 2. Var( ?j ) 不再具有最小方差性。 3. 有可能低估誤差項u t 的方差（估計小了） 。 4. 由于 u t 存在自相關時， Var( ? u 2 都變大， 1 ) 和 s 都不具有最小方差性。用依據(jù)普通最小二乘法 得到的回歸方程去預測，預測無有效性。 克服方法： 1. 如果自相關是由于錯誤地設定模型的數(shù)學形式所致，那么就應當修改模型的數(shù)學形式。方法是用殘差 et 對解釋變量的較高次冪進行回歸。 2. 如果自相關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、計算題 ( 每題 10 分，共 20 分 ) 1、完成 Eviews 軟件給出的表格。 2、異方差的消除。 應該都是最后一節(jié)老師講的內容