内容发布更新时间 : 2024/6/28 19:24:51星期一 下面是文章的全部内容请认真阅读。
精品文档
1. 建立与应用计量经济学模型的主要步骤有哪些？
答：建立与应用计量经济学模型的主要步骤如下：1.设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围。2.收集样本数据，要考虑样本数据的完整性、准确性、可比性和一致性。
3.估计模型参数。
4.检验模型，包括经济意义检验、统计检验、这都是经济学检验和模型预测检验。
2. 模型的检验包括几个方面？其具体含义是什么？
答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。 在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。
3．线性回归模型有哪些基本假设？违背基本假设的计量经济学模型是否就不可估计？
答：线性回归模型的基本假设（实际是针对普通最小二乘法的基本假设）：解释变量是确定性变量，而且在重复抽样中取固定值；随机误差项具有0均值、同方差和不序列相关性；随机误差项和解释变量间不相关；随机误差项服从0均值、同方差、0协方差的正态分布。
违背基本假设的计量经济学模型还是可以估计的，只是不能使用普通最小二乘法进行估计。
4.随机误差项ui和残差项ei的区别与联系。
精品文档
精品文档
答：区别：随机干扰项ui是指总体观测值与回归方程理论值之间的偏差，而残差项ei 是指样本观测值与回归方程理论值之间的偏差。
联系：残差项ei是随机干扰项ui的一个样本估计量。
5.回归分析与相关分析的区别与联系。
答：区别：（1）回归分析是研究一个变量关于另一个或多个变量依赖关系的计算方法和理论；相关分析是讨论变量间的统计相关关系。
（2）研究的目的不同，相关分析着重探讨变量间的关联程度，而回归分析却要进一步探寻变量间具体的依赖关系；
（3）对变量的处理不同，相关关系对称地处理相互联系的变量，而回归分析必须明确解释变量与被解释变量。
联系：回归分析建立在相关分析基础之上；相关分析中的线性相关系数的平方等于回归分析中的拟合优度。
6.最小二乘法和最大似然法的基本原理各是什么？说明它们有何区别？
答：最小二乘法的基本原理是当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好地拟合样本数据。最大或然法的基本原理是当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。
区别：最小二乘法的估计量具有线性性、无偏性与有效性，随机干扰项方差估计量也是无偏的；而最大似然法的估计量仅具有线性性、无偏性、有效性，其随机干扰项方差的估计量是有偏的。
7．在多元线性回归分析中，t检验与F检验有何不同？在一元线性回归分析中二者是否有等价的作用？
精品文档
精品文档
答：在多元线性回归分析中，t检验常被用作检验回归方程中各个参数的显著性，而F检验则被用作检验整个回归关系的显著性。各解释变量联合起来对被解释变量有显著的线性关系，并不意味着每一个解释变量分别对被解释变量有显著的线性关系。在一元线性回归分析中，t检验与f检验是一致的，具有等价作用。
8.多元线性回归模型与一元线性回归模型有哪些区别？
答：区别：一是解释变量的个数不同；二是模型的经典假设不同，多元线性回归模型比一元线性回归模型多了“解释变量之间不存在线性相关关系”的假定；三是多元线性回归模型的参数估计式的表达更复杂；
9.多元线性回归模型的基本假设是什么
答：多元线性回归模型的基本假定有：零均值假定、随机项独立同方差假定、解释变量的非随机性假定、解释变量之间不存在线性相关关系假定、随机误差项
ui服从均值为0方差为?的正态分布假
2定。在证明最小二乘估计量的无偏性中，利用了解释变量与随机误差项不相关的假定；在有效性的证明中，利用了随机项独立同方差假定。
10．什么是异方差性？检验异方差性的共同思路是什么？
答：概念：对于不同的样本点，随机误差项的方差不再是常数，而是互不相同，则认为出现了异方差性。
检验异方差性的思路：即检验随机误差项的方差与解释变量观察值之间是否存在相关性。
11．什么是序列相关性？举例说明经济现象中序列相关性的存在。检验序列相关性的方法思路是什么？
答：概念：对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则
精品文档