1、什么是普通最小二乘法？为什么估计参数时不用Σ|ei|(min)作为估计准则？

答：依据最小二乘准则去估计回归模型中参数的方法就称为普通最小二乘法。为了使样本回归函数总体上尽可能接近总体回归函数，考虑用残差绝对值的和Σ|ei|来度量样本回归

?i与Yi的总体近似程度。函数Y为了得到具有良好性质的参数估计量以及便于数

学工具的应用，通常采用残差平方和?ei替换Σ|ei|(min)来度量这一接近程

i?1n2度。

2、在计量经济模型中，引入虚拟变量时，虚拟变量数量的设置规则是什么？虚拟变量的作用有哪些？

答：一般地，若一个定性因素具有m（≥2）个相互排斥的类型，在含有截距项的线性回归模型中，只能引入m-1个虚拟变量。否则会落入虚拟变量陷阱。

作用：1、测量截距变化；2、测量斜率变化；3、调节季节的波动；4、作为数值因素的代表；5、作为非数值因素的代表。

拓展：什么是虚拟变量陷阱？

答：在建立含有截距项的线性回归模型时，引入m个虚拟变量会使模型存在完全多重共线性，这种情形称为陷入“多重共线性陷阱”。

3、什么是异方差？什么数据估计模型容易产生异方差？如何解决异方差？叙述异方差性戈德菲尔特——夸特检验的步骤。

答：在回归模型中，随机误差项的方差随解释变量的变化而变化，则称模型具有异方差性。采用横截面样本数据建模，容易产生异方差。采用加权最小二乘法或怀特异方差——稳健性估计程序解决异方差。

步骤：1、将观测值Xj按照从小到大顺序排列，并把排在中间的c（约n/4）个数据去掉，再将剩余数据分为前后两个子样本，每个子样本的样本容量为（n-c）/2（整数）。 2、对每个子样本分别进行OLS回归，并计算各自的残差平方和。 3、构造F=4、若F>F（

n?c2RSS2RSS1n?c2~F（

n?c2n?c2-k-1，

n?c2-k-1）

n?c2-k-1，-k-1），则ui存在异方差性，并且是递增型的；若F

-k-1），则ui具有同方差性。

拓展：异方差的后果是什么？异方差产生的原因是什么？异方差的检验有哪些

方法？

答：1、回归系数的OLS估计量不再具有最小方差性；2、通常的变量和方程的显著性检验失效；3、预测精度下降且通常的预测区间不可靠。

原因：1、模型中一口了随时间变化影响逐渐增大的因素；2、模型函数形式的设定误差；3、随机因素的影响。

检验方法：图示检验法、戈德菲尔德——匡特检验、怀特检验、戈里瑟检验。

4、什么是自相关？什么数据估计模型容易产生自相关？检验自相关的方法有哪些？解决自相关的基本方法是什么？

答：如果对于不同的样本点，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。时间数列数据容易产生自相关。图示法、回归检验法、德宾—瓦森检验法。解决方法为广义最小二乘法、广义差分法。

拓展：自相关产生的原因是什么？自相关的检验有哪些方法？它们各自的优缺点是什么？

答：原因：1、经济行为的惯性；2、忽略了或为减弱多重共线性人为去掉了某些变量；3、数据的处理；4、蛛网现象。

方法：1、图示检验法：简单易操作，但对自相关的判断比较粗糙。 2、DW检验： 3、回归检验法：

注：自相关的后果与异方差的后果相同！

5、建立与应用计量经济学模型的主要步骤有哪些？

答：建立计量经济模型可分为四个基本步骤：理论模型的设定、变量数据的搜集与处理、模型参数的估计、模型的检验。

6、计量经济分析中常用的数据包括哪几个类型？试举例说明。

答：时间序列数据：逐年的国内生产总值和消费支出； 截面数据：同一时间不同家庭的收入和消费支出；

面板数据：全国各省市不同年份的经济发展状况的统计数据； 虚拟变量数据：政策的变动、自然灾害、政治因素等。

7、使用工具变量估计存在内生解释变量的模型时，所选择的工具变量需要满足哪些条件？

答：1、工具变量与所代替的解释变量高度相关；2、工具变量与随机误差项不相关，即工具变量是外生变量；3、所有工具变量、外生解释变量之间不存在严重的多重共线性。4、工具变量之间不相关。

8、多元线性回归分析中，为什么要对可决系数加以修正？

答：因为多重可决系数是模型解释变量个数的非减函数，随着模型解释变量的增加，可决系数的值也会变大。因此，当模型解释变量个数不同时，不能简单地直接对比多重可决系数，可决系数只涉及变差，不涉及自由度。如果使用自由度修正后的变差计算可决系数，即调整可决系数，则可以解决这一问题。

9、使用DW检验的前提条件和局限性有哪些？

答：前提条件：1、回归模型中含有截距项，并且解释变量都是非随机的；2、随机误差项具有一阶自回归形式；3、样本容量较大；4、回归模型中不包含滞后被解释变量作为解释变量。 局限性：存在一个不能确定的DW区域，这是DW检验方法的一大缺陷。而且DW检验是建立在其成立的基本假定条件之上，当它们当中的某一条不成立时，该检验也是失效的。

10、阐述高斯—马尔可夫定理的内容及其所要求的古典假定。

答：在满足基本假定的条件下，一元线性回归模型回归系数的OLS估计量具有线性性、无偏性和最小方差性。这样的估计量称为最佳线性无偏估计量。该结论成为高斯—马尔可夫定理。

古典假定：解释变量的非随机性、零均值性、同方差性、无自相关性、正态性、解释变量满足limn??1n?xni?12i=Q，其中Q为非0的有限常数或者为?。

11、估计值和估计量的区别和联系？

答：估计值是样本数据的某一个具体的数值。（针对样本数据而言）

估计量是相对于总体研究对象各个个体数的可能而言的。估计量是估计值的集合。

12、为什么要在总体回归函数中引入随机干扰项？

答：1、反映被忽略掉的因素对被解释变量的影响；2、总体回归函数形式的设定误差；3、

变量的观测误差；4、人类行为的内在随机性。

13、多重共线性典型表现有哪些？后果是什么？

答：1、OLS得到的参数估计值可以计算，但不稳定；2、参数OLS估计量的方差增大，对参数难以做出精确的估计；3、统计检验失效，t检验值很小，F拟合优度很大；4、模型的预测功能失效，预测精度降低，区间预测不准确。

后果：完全多重共线性后果：1、参数估计为不定式；2、参数估计量的方差无限大

不完全多重共线性的后果：1、参数估计量的方差增大；2、对参数区间估计时，置信区间趋于变大；3、严重多重共线时，假设检验容易做出错误的判断；4、当多重共线性严重时，可能造成可决系数较高，经F检验的参数联合显著性也很高，但对各个参数单独的显著性检验却可能不显著，甚至可能使估计的回归系数符号相反，得出完全错误的结论。

14、总体回归模型和样本回归模型的区别。

答：1、总体回归函数虽然是未知的，但它是确定的；而由于从总体中每次抽样都能获得一个样本，就都可以拟合一条样本回归线，所以样本回归模型有很多条。它至多是未知的总体回归线的近似反映。

2、总体回归函数的参数是确定的常数，而样本回归函数的参数会随抽样的变化而变化。 3、总体回归函数中的ut是不可直接观测的，而样本回归函数的ei是只要估计出样本回归的参数就可以计算的数值。

15、叙述运用计量经济学研究经济问题的具体步骤

答：运用计量经济学研究经济问题，一般分为四个步骤：确定变量和数学关系式——模型设定；分析变量间具体的数量关系——估计参数；检验所得结论的可靠性——模型检验；做经济分析和经济预测——模型应用；其中模型应用主要包括经济结构分析、经济预测和政策评价等方面。

16、回归模型检验时，回归参数的显著性检验（t检验）和回归方程的显著性检验（F检验）的区别是什么？

答：t检验检验的是模型中单个变量的显著性问题，而F检验检验的是模型的联合显著性。在单个变量均显著的情况下，意味着联合显著，在联合显著的情况下，不能说明单个变量的显著性，所以t检验和F检验联合应用对模型的显著性检验是必须的。

17、杜宾两步法步骤：

答：Yt=?0??1Xt?ut ① 其中：ut=?ut将①滞后一期，即Yt-1=?0??1Xt?1?1?ut

?ut?1 ②

?1①-?②，即Yt—?Yt-1=?0???0??1Xt???1Xt移项整理：Yt??0(1??)??Yt?1?ut??ut?1

??1(Xt??Xt?1)?vt ③

?，带入③中， 满足基本假定，可用OLS估计，Yt-1前的系数为?，则可得出?移项，再整理：Yt??Yt?1?)??1(Xt???Xt??0(1??*?Xt?Yt，Xt???1?1?ut)?ut???1

?1?Yt进行广义差分变换，令Yt??**?1?X*t?ut，ut???u*t

?1 ?)??1X?u，满足基本假定，可用OLS估计，得到唯一一组确定的??0、?则Yt??0(1??tt*18、什么是内生变量，什么是外生变量？

答：内生变量是指由模型系统本身决定的变量，它在某个方程中为被解释变量，而在其他某一个方程中又为解释变量。外生变量是影响模型系统中其他变量，而不受其他变量影响的变量，它在方程中为解释变量。