计量经济学名词解释和简答题

1、广义计量经济学：利用经济理论、统计学和数学定量研究经济现象的经济计量方法的统称，包括回归分析方法、投入产出分析方法、时间序列分析方法等。

2、狭义计量经济学：以揭示经济现象中的因果关系为目的，在数学上主要应用回归分析方法。 3、总体回归函数：指在给定Xi下Y分布的总体均值与Xi所形成的函数关系（或者说总体被解释变量的条件期望表示为解释变量的某种函数）。 2、样本回归函数：指从总体中抽出的关于Y，X的若干组值形成的样本所建立的回归函数。 3、随机的总体回归函数：含有随机干扰项的总体回归函数（是相对于条件期望形式而言的）。 4、线性回归模型：既指对变量是线性的，也指对参数β为线性的，即解释变量与参数β只以他们的1次方出现。

5、随机干扰项：即随机误差项，是一个随机变量，是针对总体回归函数而言的。

6、残差项：是一随机变量，是针对样本回归函数而言的。

7、条件期望：即条件均值指X取特定值Xi时Y的期望值。

8、回归系数：回归模型中βo，β1等未知但却固定的参数。

9、回归系数的估计量：指用

??0,??1等表示的用已知

样本提供的信息所估计出来总体未知参数的结果。 10、最小二乘法：又称最小平方法，指根据使估计的剩余平方和最小的原则确定样本回归函数的方法。

11、最大似然法：又称最大或然法，指用生产该样本概率最大的原则去确定样本回归函数的方法。 12、估计量的标准差：度量一个变量变化大小的测量值。

13、总离差平方和：TSS，用以度量被解释变量的总变动。

14、回归平方和：ESS，度量由解释变量变化引起的被解释变量的变化部分。

15、残差平方和：RSS，度量实际值与拟合值之间的差异，是由除解释变量以外的其他因素引起的被解释变量变化的部分。

16、协方差：Cov（X，Y），度量X,Y两个变量关联程度的统计量。

17、拟合优度检验：检验模型对样本观测值的拟合程度，用R2 表示，该值越接近1模型对样本观测值拟合得越好。

19、相关分析：研究随机变量间的相关形式 20、回归分析：研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论。

1、多元线性回归模型：在现实经济活动中往往存在一个变量受到其他多个变量的影响的现象，表现为在线性回归模型中有多个解释变量，这样的模型成为多元线性回归模型，多元指多个变量。 2、偏回归系数：在多元回归模型中，每一个解释变量前的参数即为偏回归系数，它测度了当其他解释变量保持不变时，该变量增加1个单位对解释变量带来的平均影响程度。

3、正规方程组：指采用OLS法估计线性回归模型时，对残差平方和关于各参数求偏导，并令偏导数为0后得到的一组方程，其矩阵形式为

X'X???X'Y

4、调整的多元可决系数 ：又称多元判定系数，是一个用于描述伴随模型中解释变量的增加和多个解释变量对被解释变量的联合影响程度的量。它与 有如下关系：

5、多重共线性：指多个解释变量间存在线性相关的情形。如果存在完全的线性相关性，则模型的参数就无法求出，OLS回归无法进行。

6、联合假设检验：是相对于单个假设检验来说的，指假设检验中的假设有多个，不止一个。如多元回归中的方程的显著性检验就是一个联合假设检验，而每个参数的t检验就是单个假设检验。

1、异方差性：对于不同的解释向量，被解释变量的随机误差项的方差不再是常数而互不相同则认为出现了异方差性。

2、序列相关性：如果对于不同的解释向量，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。

3、多重共线性：如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。

4、随机解释变量问题：如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。

1、计量经济学方法揭示经济活动中具有因果关系的各因素间的定量关系，它用随机性的数学方程加以描述；而一般经济数学方法揭示经济活动中各个因素间的理论关系，更多地用确定性的数学方程加以描述。

2、建立与应用计量经济学模型的主要步骤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、计量经济学检验和模型预测检验。 3、计量经济学模型面的用途：结构分析，其原理是弹性分析、乘数分析与比较分析；经济预测，其原理是模拟历史，从已经发生的经济活动中找出变化规律；政策评价，是对不同政策执行情况的“模拟仿真”；检验与发展经济理论，其原理是如果按照某种经济理论建立的计量经济学模型可以很好地拟合实际观察数据。

4、模型的检验主要包括经济意义检验、统计检验、计量经济学检验和模型的预测检验四个方面。

5、相关分析与回归分析的联系：都是研究非确定性变量间的的统计依赖关系，并能测度线性依赖程度的大小。 区别：相关分析从统计数据上测度变量间的相关程度，无需考察是否有因果关系，因此变量的地位在相关分析中是对称的，都是随机变量；回归分析则关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量和被解释变量之分，而解释变量也往往被假设为非随机变量。相关分析只关注变量间的联系程度，不关注具体的依赖关系；而回归分析相反。 2、一元线性回归模型的基本假设:假设1、解释变量X是确定性变量，不是随机变量；

假设2、随机误差项?具有零均值、同方差和不序列相

关性：E(?i)=0 i=1,2, …,n ；Var (?i)=??2 i=1,2, …,n ； Cov(?i, ?j)=0 i≠j i,j= 1,2, …,n 假设3、随机误差项?与解释变量X之间不相关： Cov(Xi, ?i)=0 i=1,2, …,n

假设4、?服从零均值、同方差、零协方差的正态分布?i~N(0, ??2 ) i=1,2, …,n

假设5：随着样本容量的无限增加，解释变量X的样本方差趋于一有限常数。假设6：回归模型是正确设定的。 1、对于最小二乘法，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；而对于最大似然法，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。在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。

2、最小二乘估计量的性质：线性性，即它是否是另一随机变量的线性函数；无偏性，即它的均值或期望值是否等于总体的真实值；有效性，即它是否在所有线性无偏估计量中具有最小方差。渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。 注意：1－3准则也称作估计量的小样本性质，拥有这类性质的估计量称为最佳线性无偏估计量（BLUE）。4－6准则考察估计量的大样本或渐进性质。

3、高斯—马尔可夫定理：普通最小二乘估计量具有线性性、无偏性和最小方差性等优良性质，是最佳线性无偏估计。

4、变量显著性检验的步骤。对总体参数提出假设： H0：?1=0， H1：?1?0。以原假设H0构造t统计量，并由

t???1样本计算其值： S ?? 1 给定显著性水平?，查t分布表

得临界值t ?/2(n-2)比较，判断若 |t|> t ?/2(n-2)，则拒绝H0，接受H1 ；若 |t|? t ?/2(n-2)，则接受H0 ，拒绝H1；对于一元线性回归方程中的?0，也可构造如下t统计量进行显著性检验。

1、多元线性回归模型的基本假设是一般表达式式和矩阵符号表达式。

2、怎样选择合适的样本容量？必须保证最小样本容量。满足基本要求的样本容量。

1、不满足基本假定（基本假设违背）的情况：随机误差项序列存在异方差性；随机误差项序列存在序列相关性；解释变量之间存在多重共线性；解释变量是随机变量且

与随机误差项相关的随机解释变量问题；模型设定有偏误；解释变量的方差不随样本容量的增而收敛。 2、使用加权最小二乘法采用如下的经验方法：不对原模型进行异方差性检验，而是直接选择加权最小二乘法，尤其是采用截面数据作样本时。如果确实存在异方差性，则被有效地消除了；如果不存在异方差性，则加权最小二乘法等价于普通最小二乘法。

3、简述D.W.检验的步骤：（1）计算DW值；（2）给定?，由n和k的大小查DW分布表，得临界值dL和dU（3）比较、判断。若0

当D.W.值在2左右时，模型不存在一阶自相关。

本文来源：https://www.bwwdw.com/article/jo3h.html