计量经济学序列相关性选择题

P155

９. .中国 1980-2007 年全社会固定资产投资总额 X 与工业总产值 Y 的统计资料如下表所示。

年份 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 全社会固定资产投资（X） 910.9 961 1230.4 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517 5594.5 8080.1 13072.3 工业增加值（Y） 1996.5 2048.4 2162.3 2375.6 2789.0 3448.7 3967.0 4585.8 5777.2 6484.0 6858.0 8087.1 10284.5 14188.0 年份 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 全社会固定资产投资（X） 17042.1 20019.3 22913.5 24941.1 28406.2 29854.7 32917.7 37213.5 43499.9 55566.6 70477.4 88773.6

P155

９. .中国 1980-2007 年全社会固定资产投资总额 X 与工业总产值 Y 的统计资料如下表所示。

年份 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 全社会固定资产投资（X） 910.9 961 1230.4 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517 5594.5 8080.1 13072.3 工业增加值（Y） 1996.5 2048.4 2162.3 2375.6 2789.0 3448.7 3967.0 4585.8 5777.2 6484.0 6858.0 8087.1 10284.5 14188.0 年份 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 全社会固定资产投资（X） 17042.1 20019.3 22913.5 24941.1 28406.2 29854.7 32917.7 37213.5 43499.9 55566.6 70477.4 88773.6

P155

９. .中国 1980-2007 年全社会固定资产投资总额 X 与工业总产值 Y 的统计资料如下表所示。

年份 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 全社会固定资产投资（X） 910.9 961 1230.4 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517 5594.5 8080.1 13072.3 工业增加值（Y） 1996.5 2048.4 2162.3 2375.6 2789.0 3448.7 3967.0 4585.8 5777.2 6484.0 6858.0 8087.1 10284.5 14188.0 年份 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 全社会固定资产投资（X） 17042.1 20019.3 22913.5 24941.1 28406.2 29854.7 32917.7 37213.5 43499.9 55566.6 70477.4 88773.6

内容回顾： 什么是虚拟变量？ 它有什么作用？ 引入虚拟变量的方式有几种？各在什么 情况下引入？ CHOW(邹)检验需要首先判断出什么 点？如何操作？其检验的原理是什么？ CHOW检验的自由度如何确定？

第四章 时间序列

第一节第二节 第三节

时间序列的平稳性及其检验时间序列模型的识别、估计、预测 协整分析与误差修正模型

一、问题的引出：非平稳变量与经典 回归模型

1.经典回归模型与数据的平稳性 经典回归分析暗含着一个重要假设：数据是平稳的。 数据非平稳，大样本下的统计推断基础——“一致 性”要求被破怀。 经典回归分析的假设之一：解释变量X是非随机变 量，只能有一个均值。因变量无此限制。 放宽该假设：X是随机变量，则需进一步要求： (1)X与随机扰动项 不相关∶Cov(X, )=0 (2) ( X i X ) 2 / n 依概率收敛： P lim ( ( Xn i

X ) 2 / n) Q

2 数据非平稳与“虚假回归”问题表现在:两个本来没有任何因果关系的变量，却 有很高的相关性(有较高的R2): 例如：如果有两列时间序列数据表现出一致的变 化趋势(非平稳的),即使它们没有任何有意义的 关系，但进行回归

第3章 多元线性回归模型

3.4.3 简答题、分析与计算题

1．给定二元回归模型：yt=b0+b1x1t+b2x2t+ut （t=1，2，…n）

(1) 叙述模型的古典假定；(2)写出总体回归方程、样本回归方程与样本回归模型；(3)写出回归模型的矩阵表示；(4)写出回归系数及随机误差项方差的最小二乘估计量，并叙述参数估计量的性质；(5)试述总离差平方和、回归平方和、残差平方和之间的关系及其自由度之间的关系。

2．在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？

3．决定系数R与总体线性关系显著性F检验之间的关系；在多元线性回归分析中，F检验与t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？

4．为什么说对模型施加约束条件后，其回归的残差平方和一定不比未施加约束的残差平方和小？在什么样的条件下，受约束回归与无约束回归的结果相同？

5．观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。 (1)yt=b0+b1xt3+ut (2)yt=b0+b1logxt+ut (3)logyt=b0+b1logxt+ut (4)yt=b0+b1(b2 xt)+ut (5)yt=b0/(b1xt)+ut (6)yt

计量经济学

第六章 自相关 (Autocorrelation)第一节 自相关问题 第二节 自相关的检验 第三节 自相关的解决 第四节 案例分析

计量经济学

第一节 自相关问题一、自相关问题 自相关是在时间序列资料中按时间顺序排列的观测值之间的 相关或在横截面资料中按空间顺序排列的观测值之间的相关。 对于时间序列数据，不同期的样本观测值形成一个序列；横 截面数据中按不同空间(省份、厂商、家庭等)排列的样本数 据也可看为一个序列。对于一个随机扰动变量u,可以得到其 观测值序列： u1,u2, …,ut-1 ,ut 如果在这个序列中，每期的观测值与其前一期或前几期的 取值有关，即 Cov(ui,uj) ≠ 0,i≠j 则称该序列存在自相关(Autocorrelation)。

计量经济学在CLRM中，假定干扰项u不存在自相关，即 Cov(ui,uj) = 0,i ≠j 如果这一条件被破坏，即干扰项存在自相关，那么使用OLS 估计就可能存在问题。实际上，在经济计量研究中，自相关 是一种常见的现象。如，消费支出要受到当期和前几期收入 的影响；某一年的GDP要受到前期的GDP水平的影响；某 种商品的供给量要受到前一期的其它变量影响，等等。

计量经济学二、自相关产生的

时间序列数据的计量分析方法

1.时间序列平稳性问题及处理方案

1.1序列平稳性的定义

从平稳时间序列中任取一个随机变量集，并把这个序列向前移动h个时期，那么其联合概率分布仍然保持不变。

平稳时间序列要求所有序列间任何相邻两项之间的相关关系有相同的性质。 1.2不平稳序列的后果

可能两个变量本身不存在关系而仅仅因为有相似的时间趋势而得出它有关系，也就是出现伪回归；破坏回归分析的假设条件，使得回归结果和各种检验结果不可信。

1.3平稳性检验方法：ADF检验 1.3.1ADF检验的假设：

?辅助回归方程：Yt????Yt?1??t????Yii?1t?i??t（是否有截距和时间趋势项

在做检验时要做选择）

原假设：H0：p=0,存在单位根

备择假设：H1：P<0，不存在单位根

结果识别方法：ADF Test Statistic 值小于显著性水平的临界值，或者P值小于显著性水平则拒绝原假设并得出结论：所检测序列不存在单位根，即序列是平稳序列。

1.3.2实例

对1978年2008年的中国GDP数据进行ADF检验，结果如表一。

表一 ADF检验结果

Augmented Dickey-Fuller test statistic t-Statistic Prob.*

时间序列数据的计量分析方法

1.时间序列平稳性问题及处理方案

1.1序列平稳性的定义

从平稳时间序列中任取一个随机变量集，并把这个序列向前移动h个时期，那么其联合概率分布仍然保持不变。

平稳时间序列要求所有序列间任何相邻两项之间的相关关系有相同的性质。 1.2不平稳序列的后果

可能两个变量本身不存在关系而仅仅因为有相似的时间趋势而得出它有关系，也就是出现伪回归；破坏回归分析的假设条件，使得回归结果和各种检验结果不可信。

1.3平稳性检验方法：ADF检验 1.3.1ADF检验的假设：

?辅助回归方程：Yt????Yt?1??t????Yii?1t?i??t（是否有截距和时间趋势项

在做检验时要做选择）

原假设：H0：p=0,存在单位根

备择假设：H1：P<0，不存在单位根

结果识别方法：ADF Test Statistic 值小于显著性水平的临界值，或者P值小于显著性水平则拒绝原假设并得出结论：所检测序列不存在单位根，即序列是平稳序列。

1.3.2实例

对1978年2008年的中国GDP数据进行ADF检验，结果如表一。

表一 ADF检验结果

Augmented Dickey-Fuller test statistic t-Statistic Prob.*

《计量经济学》要点 一、单项选择题 知识点： 第一章 若干定义、概念 时间序列数据定义 横截面数据定义

同一统计指标按时间顺序记录的数据称为( B )。

A、横截面数据 B、时间序列数据 C、修匀数据 D、原始数据 同一时间，不同单位相同指标组成的观测数据称为（ B ） A．原始数据 B．横截面数据 C．时间序列数据 D．修匀数据

变量定义（被解释变量、解释变量、内生变量、外生变量、前定变量） 单方程中可以作为被解释变量的是（控制变量、前定变量 、内生变量、外生变量）；

在回归分析中，下列有关解释变量和被解释变量的说法正确的有（ C ） A、被解释变量和解释变量均为随机变量 B、被解释变量和解释变量均为非随机变量 C、被解释变量为随机变量，解释变量为非随机变量 D、被解释变量为非随机变量，解释变量为随机变量

什么是解释变量、被解释变量？

从变量的因果关系上，模型中变量可分为解释变量（Explanatory variable）和被解释变量(Explained variable)。

在模型中，解释变量是变动的原因，被解释变量是变动的结果。

被解释变量是模型要分析研究的

计量经济学概念题

1. 什么是计量经济学？它与经济学、统计学和数学的关系怎样？ 2. 计量经济学三个要素是什么？

3. 计量经济学模型的检验包括哪几个方面？其具体含义是什么？ 4. 计量经济学方法与一般经济数学方法有什么区别？ 5. 计量经济学模型研究的经济关系有那两个基本特征？ 6. 计量经济学研究的对象和核心内容是什么？

7. 计量经济学中应用的数据类型怎样？举例解释其中三种数据类型的结构。 8. 建立与应用计量经济学模型的主要步骤有哪些？ 9. 用OLS建立多元线性回归模型，有哪些基本假设？ 10. 随机误差项包含哪些因素影响？ 11. 为什么要计算调整后的可决系数？

12. 叙述多重共线性的概念、后果和补救措施。 13. 叙述异方差性的概念、后果和补救措施。 14. 叙述序列相关的概念、后果和补救措施。

15. 写出用White检验进行异方差的检验过程。

16. 写出用方差膨胀因子检验多重共线性的检验过程。 17. 写出用杜宾-沃森DW方法检验序列相关的检验过程。

18. 在所有的计量经济问题中，以方差性似乎是最难理解的，用自己的语言来解

释异方差性，用图示法说明。

19. 当多元线性回归模型的回归系数符号与预期不一致时，应该检查什么