数理经济学：主要关心的是用数学公式或数学模型来描述经济理论，而不考虑对经济理论的度量和经验解释。而经济计量学主要是对经济理论的经验确认。

计量经济学方法与一般经济数学方法有什么区别：计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述

计量经济学的研究的对象和内容是什么：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律（或者说，计量经济学是利用数学方法，根据统计测定的经济数据，对反映经济现象本质的经济数量关系进行研究）。

计量经济模型包括一个或一个以上的随机方程式，它简洁有效地描述、概括某个真实经济系统的数量特征，更深刻地揭示出该经济系统的数量变化规律。是由系统或方程组成，方程由变量和系数组成。其中，系统也是由方程组成。 

计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。 

广义地说，一切包括经济、数学、统计三者的模型； 

狭义地说，仅只用参数估计和假设检验的数理统计方法研究经验数据的模型。

简述建立计量经济学模型的步骤：第一步：设计理论模型，包括确定模型所包含的变量、确定模型的数学形式、拟定模型中的待估参数的符号和大小的理论期望值。第二步：收集数据样本，要考虑数据的完整性、准确性、可比性和一致性； 第三步：估计模型参数；第四步：模型检验，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。

几种常用的样本数据有哪些：(1) 时间序列数据；(2) 横截面数据；(3) 虚拟变量数据（1）时间序列数据：在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。（2）横截面数据：横截面数据是在同一时间，不同统计单位相同统计指标组成的数据列。（3）面板数据：是截面数据与时间序列数据综合起来的一种数据类型。

一般计量经济学模型应当通过哪几种检验模型检验：主要包括经济意义检验、统计检验、计量经济学检验和模型预测检验四个方面。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和大小是否与根据人们的经验的经济分析拟定的期望值相符合；在统计检验中，需要检验模型参数值的可靠性，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，包括随机干扰性的序列相关性检验、异方差检验，解释变量的多重共线性检验，模型设定的偏差性检验等；模型的预测检验主要检验模型参数估计量稳定性及样本容量发生变化时的灵敏度，以确定所建立的模型时都可用于样本观测值以外的范围。

为什么模型中要引入随机扰动项：随机扰动项是模型中表示其它多种因素的综合影响。引入随机扰动项的原因有：第一，当经济变量之间的关系大多为非确定性因果关系时，在上式中引入随机扰动项，就表示了的非确定性；第二，在经济定量分析过程中，计量经济学模型不可能包含所有的变量，次要变量不可避免的被省略；第三，在确定模型数学形式时，没有确定的方法，经济变量间关系十分复杂，所以，确定模型数学形式会造成误差；第四，建立模型时，使用的样本数据也会有测量误差；第五，一些客观存在的随机因素，如天气、季节、战争等影响无法列入模型。

极大似然估计法的基本思想：在极大似然估计中，假定样本是固定的，n个观测值都是观测的，这个样本可以有各种不同的总体生成，而每个总体都有自己的参数。那么在可供选择的总体中，哪个总体最可能生成所观测到的n个样本值？为此，需要估计每个可能总体取得这n个观测值联合概率，选择其参数能使观测样本值的联合概率最大的那个总体。

多元线性回归模型的基本假设是什么？试说明在证明最小二乘估计量的无偏性和有效性的过程中，哪些基本假设起了作用？1.多元线性回归模型的基本假设仍然是针对随机干扰项与针对解释变量两大类的假设。针对随机干扰项的假设有：零均值，同方差，无序列相关且服从正态分布。针对解释变量的假设有：解释变量应具有非随机性，如果是随机的，则不能与随机干扰项相关，各解释变量之间不存在（完全）线性相关关系。2.在证明最小二乘估计量的无偏性中，利用了解释变量非随机或与随机干扰项不相关的假定；在有效性的证明中，利用了随机干扰项同方差且无序列相关的假定。

研究某些经济问题时，在建立回归模型时为什么要引入虚拟变量？在建立回归模型过程中，被解释变量不仅受到定性解释变量的影响，有时还受到一些非定量解释变量（如职业、性别、地区、季节等）的影响，他们不能用数值计量，称为虚拟变量，习惯上，其取值通常为0或1。虚拟变量是一种离散结构的量，是用来描述所研究变量的发展或变异而建立的一类特殊变量。

产生异方差的后果是什么？（1）参数估计量仍然是线性无偏的，但不是有效的。（2）建立在分布和F分布之上的检验失效。（3）估计量的方差增大，预测精度下降。异方差性：是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定是：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，则称线性回归模型存在异方差性。

对于线性回归模型，随机扰动项产生序列相关的原因有哪些？（1）在构造模型时，一些不太重要的解释变量被略去，这些被略去的解释变量的影响全部包含在了随机项中，而往往是这些被排除的解释变量有些存在着序列相关，因而随机项自相关。（2）在构造模型时，可能会错误的确定模型的形式。（3）随机项本身序列相关。（4）内插统计值。

DW检验的局限性主要有哪些? 该方法仅适用于解释变量为非随机变量，随机扰动项的产生机制是一阶自相关，回归含有截距项，回归模型不把滞后被解释变量当作解释变量，没有缺失数据。

检验序列相关性的方法思路是什么? 各种检验序列相关方法的思路大致相同，即先采用OLS方法估计远模型，得到随机干扰项的“近似估计值”，然后通过分析这些“近似估计值”之间的相关性已达到判断随机扰动项是否具有 序列相关性的目的。

多重共线性产生的原因是什么？（1）样本的原因，比如样本中的解释变量个数大于观测次数。（2）经济变量变化的相同趋向。（3）模型中引入滞后变量。（4）经济变量的本质特征。

检验多重共线性的方法思路是什么?有哪些克服方法? 检验多重共线性的方法思路：用统计上求相关系数的原理，如果变量之间的相关系数较大则认为它们之间存在多重共线性。克服多重共线性的方法主要有：排除引起共线性的变量，差分法，减少参数估计量的方差，利用先验信息改变参数的约束形式，增加样本容量，岭回归法等。

随机解释变量问题的后果是什么？随机解释变量带来什么后果取决于它与随机误差项是否相关。（1）随机解释变量与随机误差项不相关，这时采用普通最小二乘法估计模型参数，得到的参数估计量仍然是无偏估计量。（2）随机解释变量与随机误差项在小样本下相关，在大样本下渐近无关。（3）随机解释变量与随机误差项高度相关。（4）滞后被解释变量被作为解释变量，并与随机误差项相关。

什么是滞后变量模型？所谓滞后变量模型是指在某一回归模型中，如果把滞后变量作为解释变量，则称此模型为滞后变量模型。

列举常用到的内生滞后变量模型？考依克模型、适应性期望模型、局部调整模型什么是联立方程？联立方程是由是由多个方程组成的方程系统，其中的变量具有相互影响关系

什么是内生变量和外生变量？内生变量是指联合相关的变量，即由系统内部因素决定的变量，而外生变量是取值决定的变量，即由系统以外的因素决定的变量。（1）内生变量：是指该模型所要决定的变量。（2）外生变量：指由模型以外的因素所决定的已知变量，它是模型据以建立的外部条件。

拟合优度：是指回归直线对观测值的拟合程度。

T检验：亦称student t检验，主要用于样本含量较小（例如n<30），总体标准差σ未知的正太分布资料。

F检验又叫方差齐性检验。在两样本T检验中要用到F检验。

序列相关性：在计量经济学中指对于不同的样本值，随机干扰之间不再是完全相互的，而是存在某种相关性。又称自相关，是指总体回归模型的随机误差项之间存在相关关系。

所谓多重共线性：是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。一般来说，由于经济数据的使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。

什么是宏观计量经济模型：宏观经济模型是在宏观总量水平上把握和反映经济运动的全面特征，研究宏观经济主要指标间的相互依存关系，描述国民经济和社会再生产过程各环节之间的联系。

宏观计量经济模型的目的与作用：结构分析、经济预测、评价

检验异方差性的主要方法：图示检验法，帕克检验，巴特利特检验，格莱泽检验，斯皮尔曼等级相关检验。格德菲尔特—匡特检验。

计量经济学模型的应用：计量经济学研究的是经济领域的问题和经济行为，但是他比其他方法更具有实用性，能够直观的反映和定量的研究宏观经济运行的效果。

置信区间又称估计区间，是用来估计参数的取值范围的。常见的52%-%，或8-12，就是置信区间（估计区间）。1、对于具有特定的发生概率的随机变量，其特定的价值区间：一个确定的数值范围（“一个区间”）。 2、在一定置信水平时，以测量结果为中心，包括总体均值在内的可信范围。 3、该区间包含了参数θ真值的可信程度。 4、参数的置信区间可以通过点估计量构造，也可以通过假设检验构造。

显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否显著地有差异。

最小二乘法原理（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

异方差性是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定是：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。如果这一假定不满足，则称线性回归模型存在异方差性。

加权最小二乘法：是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数。

序列相关性：在计量经济学中指对于不同的样本值，随机干扰之间不再是完全相互的，而是存在某种相关性。又称自相关，是指总体回归模型的随机误差项之间存在相关关系。

工具变量法：某一个变量与模型中随机解释变量高度相关，但却不与随机误差项相关，那么就可以用此变量与模型中相应回归系数的一个一致估计量，这个变量就称为工具变量，这种估计方法就叫工具变量法。

工具变量法与二阶段最小二乘法的区别：在恰好识别模型中，可以用工具变量估计，也可以用两阶段最小二乘法，两者的结果是一样的。在过度识别模型中，不能直接用工具变量估计，只能用两阶段最小二乘估计

经济变量：经济变量是用来描述经济因素数量水平的指标。

解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。

被解释变量：是作为研究对象的变量。它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。

内生变量：是由模型系统内部因素所决定的变量，表现为具有一定概率分布的随机变量，是模型求解的结果。

外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。它影响模型中的内生变量，其数值在模型求解之前就已经确定。

滞后变量：是滞后内生变量和滞后外生变量的合称，前期的内生变量称为滞后内生变量； 前期的外生变量称为滞后外生变量。

前定变量：通常将外生变量和滞后变量合称为前定变量，即是在模型求解以前已经确定或需要确定的变量。 

控制变量：在计量经济模型中人为设置的反映要求、决策者意愿、经济系统运行条件和状态等方面的变量， 它一般属于外生变量。 

计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型， 是以数学形式对客观经济现象所作的描述和概括。 

函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。 

相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。 

最小二乘法：用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，称为最小二乘法。 

高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。 

总变差（总离差平方和）：在回归模型中，被解释变量的观测值与其均值的离差平方和。 

回归变差（回归平方和）：在回归模型中，因变量的估计值与其均值的离差平方和， 也就是由解释变量解释的变差。 

剩余变差（残差平方和）：在回归模型中，因变量的观测值与估计值之差的平方和， 是不能由解释变量所解释的部分变差。 

估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。 

样本决定系数：回归平方和在总变差中所占的比重。 

点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。 

拟合优度：样本回归直线与样本观测数据之间的拟合程度。 

残差：样本回归方程的拟合值与观测值的误差称为回归残差。 

显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。 

回归变差：表示由回归直线（即解释变量）所解释的部分 ，表示x对y的线性影响 。

剩余变差：简称RSS，是未被回归直线解释的部分 ，是由解释变量以外的因素造成的影响 。

多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值 ，也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重，我们称之为多重决定系数，仍用R2表示 。

调整后的决定系数：又称修正后的决定系数，记为，是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的， 

其公式为： 。

偏相关系数:在Y、X1、X2三个变量中，当X1 既定时（即不受X1的影响），表示Y与X2之间相关关系的指标，称为偏相关系数，记做。 

异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项具有异方差性。 

戈德菲尔特-匡特检验:该方法由戈德菲尔特和匡特于1965年提出，用对样本进行分段比较的方法来判断异方差性。 

怀特检验:该检验由怀特在1980年提出，通过建立辅助回归模型的方式来判断异方差性。 

戈里瑟检验和帕克检验:该检验法由戈里瑟和帕克于1969年提出，其基本原理都是通过建立残差序列对解释变量的（辅助）回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系，进而判断是否存在异方差性。 

序列相关性：对于模型    随机误差项互相的基本假设表现为     如果出现       即对于不同的样本点，随机误差项之间不再是完全互相，而是存在某种相关性，则认为出现了序列相关性。 

虚假序列相关：是指模型的序列相关性是由于省略了显著的解释变量而导致的。

差分法：差分法是一类克服序列相关性的有效方法，被广泛的采用。差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。

广义差分法：广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一种特例。

自回归模型： 

广义最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。

DW检验：德宾和瓦特森与1951年提出的一种适于小样本的检验方法。DW检验法有五个前提条件。

科克伦-奥克特迭代法：是通过逐次跌代去寻求更为满意的的估计值，然后再采用广义差分法。具体来说，该方法是利用残差去估计未知的。

Durbin两步法：当自相关系数未知，可采用Durbin提出的两步法去消除自相关。第一步对一多元回归模型，使用OLS法估计其参数，第二步再利用广义差分。

相关系数：度量变量之间相关程度的一个系数，一般用ρ表示。   ，  ，越接近于1，相关程度越强，越接近于0，相关程度越弱。

多重共线性：是指解释变量之间存在完全或不完全的线性关系。

方差膨胀因子：是指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。

虚拟变量：把质的因素量化而构造的取值为0和1的人工变量。

模型设定误差：在设定模时如果模型中解释变量的构成．模型函数的形式以及有关随机误差项的若干假定等内容的设定与客观实际不一致，利用计量经济学模型来描述经济现象而产生的误差。

工具变量：是指与模型中的随机解释变量高度相关，与随机误差项不相关的变量。

工具变量法：用工具变量替代模型中与随机误差项相关的随机解释变量的方法。

变参数模型：由于引进虚拟变量，回归模型的截距或斜率随样本观测值的改变而系统地改变。

分段线性回归模型：这是虚拟变量的一个应用，当解释变量低于某个已知的临界水平时，我们取虚拟变量设置而成的模型称之为分段线性回归模型。

分布滞后模型：如果滞后变量模型中没有滞后因变量，因变量受解释变量的影响分布在解释变量不同时期的滞后值上，则称这种模型为分布滞后模型。

有限分布滞后模型：滞后期长度有限的分布滞后模型称为有限分布滞后模型。

无限分布滞后模型：滞后期长度无限的分布滞后模型称为无限分布滞后模型。

几何分布滞后模型：对于无限分布滞后模型，如果其滞后变量的系数bi是按几何级数列衰减的，则称这种模型为几何分布滞后模型。

联立方程模型：是指由两个或更多相互联系的方程构建的模型。

结构式模型：是根据经济理论建立的反映经济变量间直接关系结构的计量方程系统。

简化式模型：是指联立方程中每个内生变量只是前定变量与随机误差项的函数。

结构式参数：结构模型中的参数叫结构式参数

简化式参数：简化式模型中的参数叫简化式参数。

识别：就是指是否能从简化式模型参数估计值中推导出结构式模型的参数估计值。

不可识别：是指无法从简化式模型参数估计值中推导出结构式模型的参数估计值。

识别的阶条件：如果一个方程能被识别，那么这个方程不包含的变量的总数应大于或等于模型系统中方程个数减1。

识别的秩条件：一个方程可识别的充分必要条件是：所有不包含在这个方程中的参数矩阵的秩为m-1。

间接最小二乘法：先利用最小二乘法估计简化式方程，再通过参数关系体系，由简化式参数的估计值求解得结构式参数的估计值。下载本文