计量经济学术语

计量经济学术语

A

校正R2（Adjusted R-Squared）：多元回归分析中拟合优度的量度，在估计误差的方差时对添加的解释变量用一个自由度来调整。

对立假设（Alternative Hypothesis）：检验虚拟假设时的相对假设。

AR（1）序列相关（AR(1) Serial Correlation）：时间序列回归模型中的误差遵循AR（1）模型。

渐近置信区间（Asymptotic Confidence Interval）：大样本容量下近似成立的置信区间。

渐近正态性（Asymptotic Normality）：适当正态化后样本分布收敛到标准正态分布的估计量。

渐近性质（Asymptotic Properties）：当样本容量无限增长时适用的估计量和检验统计量性质。

渐近标准误（Asymptotic Standard Error）：大样本下生效的标准误。

渐近t 统计量（Asymptotic t Statistic）：大样本下近似服从标准正态分布的t统计量。

渐近方差（Asymptotic Variance）：为了获得渐近标准正态分布，我们必须用以除估计量的平方值。

渐近有效（Asymptotically Efficient）：对于服从渐近正态分布的一致性估计量，有最小渐近方差的估计量。

渐近不相关（Asymptotically Uncorrelated）：时间序列过程中，随着两个时点上的随机变量的时间间隔增加，它们之间的相关趋于零。

衰减偏误（Attenuation Bias）：总是朝向零的估计量偏误，因而有衰减偏误的估计量的期望值小于参数的绝对值。

自回归条件异方差性（Autoregressive Conditional Heteroskedasticity, ARCH）：动态异方差性模型，即给定过去信息，误差项的方差线性依赖于过去的误差的平方。

一阶自回归过程[AR（1）]（Autoregressive Process of Order One [AR(1)]）：一个时间序列模型，其当前值线性依赖于最近的值加上一个无法预测的扰动。

辅助回归（Auxiliary Regression）：用于计算检验统计量——例如异方差性和序列相关的检验统计量——或其他任何不估计主要感兴趣的模型的回归。

平均值（Average）：n个数之和除以n。

B

基组、基准组（Base Group）：在包含虚拟解释变量的多元回归模型中，由截距代表的组。

基期（Base Period）：对于指数数字，例如价格或生产指数，其他所有时期均用来作为衡量标准的时期。

基期值（Base Value）：指定的基期的值，用以构造指数数字；通常基本值为1或100。

最优线性无偏估计量（Best Linear Unbiased Estimator, BLUE）：在所有线性、无偏估计量中，有最小方差的估计量。在高斯—马尔科夫假定下，OLS 是以解释变量样本值为条件的BLUE 。

贝塔系数（Beta Coef?cients）：见标准化系数。

偏误（Bias）：估计量的期望参数值与总体参数值之差。

偏误估计量（Biased Estimator）：期望或抽样平均与假设要估计的总体值有差异的估计量。

向零的偏误（Biased Towards Zero）：描述的是估计量的期望绝对值小于总体参数的绝对值。

二值响应模型（Binary Response Model）：二值因变量的模型。

二值变量（Binary Variable）：见虚拟变量。

两变量回归模型（Bivariate Regression Model）：见简单线性回归模型。 BLUE（BLUE）：见最优线性无偏估计量。

Breusch-Godfrey 检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。

Breusch-Pagan 检验（Breusch-Pagan Test）：将OLS残差的平方对模型中的解释变量做回归的异方差性检验。

C

因果效应（Causal Effect）：一个变量在其余条件不变情况下的变化对另一个变量产生的影响。

其余条件不变（Ceteris Paribus）：其他所有相关因素均保持固定不变。

经典含误差变量（Classical Errors-in-Variables, CEV）：观测的量度等于实际变量加上一个独立的或至少不相关的测量误差的测量误差模型。

经典线性模型（Classical Linear Model）：全套经典线性模型假定下的复线性回归模型。

经典线性模型（CLM）假定（Classical Linear Model (CLM) Assumptions）：对多元回归分析的理想假定集，对横截面分析为假定MLR.1至MLR.6，对时间序列分析为假定TS.1至TS.6。假定包括对参数为线性、无完全共线性、零条件均值、同方差、无序列相关和误差正态性。

科克伦—奥克特（CO）估计（Cochrane-Orcutt (CO) Estimation）：估计含AR（1）误差和严格外生解释变量的多元线性回归模型的一种方法；与普莱斯—温斯登估计不同，科克伦—奥克特估计不使用第一期的方程。

置信区间（CI）（Con?dence Interval, CI）：用于构造随机区间的规则，以使所有数据集中的某一百分比（由置信水平决定）给出包含总体值的区间。

置信水平（Con?dence Level）：我们想要可能的样本置信区间包含总体值的百分比，95%是最常见的置信水平，90%和99%也用。

不变弹性模型（Constant Elasticity Model）：因变量关于解释变量的弹性为常数的模型；在多元回归中，两者均以对数形式出现。

同期外生回归元（Contemporaneously Exogenous）：在时间序列或综列数据应用中，与同期误差项不相关但对其他时期则不一定的回归元。

控制组（Control Group）：在项目评估中，不参与该项目的组。

控制变量（Control Variable）：见解释变量。

协方差平稳（Covariance Stationary）：时间序列过程，其均值、方差为常数，且序列中任意两个随机变量之间的协方差仅与它们的间隔有关。

协变量（Covariate）：见解释变量。

临界值（Critical Value）：在假设检验中，用于与检验统计量比较来决定是否拒绝虚拟假设的值。

横截面数据集（Cross-Sectional Data Set）：在给定时点上从总体中收集的数据集

D

数据频率（Data Frequency）：收集时间序列数据的区间。年度、季度和月度是最常见的数据频率。

戴维森—麦金农检验（Davidson-MacKinnon Test）：用于检验相对于非嵌套对立假设的模型的检验：它可用相争持模型中得出的拟合值的t检验来实现。

自由度（df）（Degrees of Freedom, df）：在多元回归模型分析中，观测值的个数减去待估参数的个数。

分母自由度（Denominator Degrees of Freedom）：F检验中无约束模型的自由度。

因变量（Dependent Variable）：在多元回归模型（和其他各种模型）中被解释的变量。

除趋势（Detrending）：从时间序列中除去趋势的做法。

斜率级差（Difference in Slopes）：所描述的是模型中某些斜率参数，因组或时期的不同而不同。

向下偏误（Downward Bias）：估计量的期望值低于参数的总体值。

虚拟变量（Dummy Variable）：取值为0或1的变量。

虚拟变量陷阱（Dummy Variable Regression）：自变量中包含了过多的虚拟变量造成的错误；当模型中既有整体截距又对每一组都设有一个虚拟变量时，该陷阱就产生了。

德宾—沃森（DW）统计量（Durbin-Watson (DW) Statistic）：在经典线性回归假设下，用于检验时间序列回归模型的误差项中的一阶序列相关的统计量。

动态完整模型（Dynamically Complete Model）：设更多的滞后因变量，或设更多的滞后解释变量都无助于解释因变量的均值的时间序列模型。

E

计量经济模型（Econometric Model）：将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其余条件不变下的效应。

经济模型（Economic Model）：从经济理论或不那么正规的经济原因中得出的关系。

经济显著性（Economic Signi?cance）：见实际显著性。

弹性（Elasticity）：给定一个变量在其余条件不变下增加1%，另一个变量的百分比变化。

经验分析（Empirical Analysis）：用正规计量分析中的数据检验理论、估计关系式或确定政策效应的研究。

内生解释变量（Endogenous Explanatory Variable）：在多元回归模型中，由于遗漏变量、测量误差或联立性的原因而与误差项相关的解释变量。

内生样本选择（Endogenous Sample Selection）：非随机样本选择，其选择直接地或通过方程中的误差项与因变量相联系。

误差项（Error Term）：在简单或多元回归方程中，包含了未观测到的影响因变量的因素的变量。误差项也可能包含被观测的因变量或自变量中的测量误差。

误差方差（Error Variance）：多元回归模型中误差项的方差。

事件研究（Event Study）：事件（例如政府规制或经济政策的变化）对结果变量的效应的计量分析。

排除一个有关变量（Excluding a Relevant Variable）：在多元回归分析中，遗漏了一个对因变量有非零偏效应的变量。

排斥性约束（Exclusion Restrictions）：说明某些变量被排斥在模型之外（或具有零总体参数）的约束。

外生解释变量（Exogenous Explanatory Variable）：与误差项不相关的解释变量。

外生样本选择（Exogenous Sample Selection）：或者依赖外生解释变量，或者与所感兴趣的模型中的误差项不相关的样本选择。

实验数据（Experimental Data）：通过进行受控制的实验获得的数据。

试验组（Experimental Group）：见处理组。

解释平方和（SSE）（Explained Sum of Squares, SSE）：多元回归模型中拟合值的总样本变异。

被解释变量（Explained Variable）：见因变量。

解释变量（Explanatory Variable）：在回归分析中，用于解释因变量中的变异的变量。

指数趋势（Exponential Trend）：有固定增长率的趋势。

F

F统计量（F Statistic）：在多元回归模型中，用于检验关于参数的多重假设的统计量。

可行的GLS（FGLS）估计量（Feasible GLS (FGLS) Estimator）：方差或相关参数未知，因而必须先进行估计的GLS程序。（又见广义最小二乘估计量。）有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。

一阶差分（First Difference）：对相邻时期做差分所构成的对时间序列的转换，即用后一时期减去前一时期。

一阶条件（First Order Conditions）：用于求解OLS估计值的一组线性方程。

拟合值（Fitted Values）：在各观测中将自变量的值插入OLS回归线时，所得到的因变量的估计值。

函数形式的错误设定（Functional Form Misspeci?cation）：当模型中有被遗漏的解释变量的函数（例如二次项），或者对一个因变量或某些自变量用了错误的函数时产生的问题。

G

高斯—马尔科夫假定（Gauss-Markov Assumptions）：一组假定（假定MLR.1至MLR.5或假定TS.1至TS.5），在这之下OLS是BLUE 。

高斯—马尔科夫定理（Gauss-Markov Theorem）：该定理表明，在五个高斯

—马尔科夫假定下（对于横截面或时间序列模型），OLS估计量是BLUE （在解释变量样本值的条件下）。

广义最小二乘（GLS）估计量（Generalized Least Squares (GLS) Estimator）：通过对原始模型的变换，说明了已知结构的误差的方差（异方差性）和误差中的序列相关形式或两者兼有的估计量。

拟合优度度量（Goodness-of-Fit Measure）：概括一组解释变量有多好地解释了因变量或响应变量的统计量。

增长率（Growth Rate）：时间序列中相对于前一时期的比例变化。可将它近似为对数差分或以百分比形式报导。

H

异方差性（Heteroskedasticity）：给定解释变量，误差项的方差不为常数。

未知形式的异方差性（Heteroskedasticity of Unknown Form）：以一未知的任意形式依赖于解释变量的异方差性。

异方差—稳健 F 统计量（Heteroskedasticity-Robust F Statistic）：对未知形式的异方差性而言（渐近）稳健的F 统计量。

异方差—稳健LM 统计量（Heteroskedasticity-Robust LM Statistic）：对未知形式的异方差性而言（渐近）稳健的LM 统计量。

异方差—稳健标准误（Heteroskedasticity-Robust Standard Error）：对未知形式的异方差性而言（渐近）稳健的标准误。

异方差—稳健t 统计量（Heteroskedasticity-Robust t Statistic）：对未知形式的异方差性而言（渐近）稳健的t 统计量。

高持续性过程（Highly Persistent Process）：时间序列过程，其中遥远的将来的结果与当前的结果高度相关。

同方差性（Homoskedasticity）：回归模型中的误差在解释变量条件下具有不变的方差。

I

即期弹性（Impact Elasticity）：在分布滞后模型中，给定自变量增加1%因变量的即时的百分比变化。

即期乘数（Impact Multiplier）：见即期倾向。

即期倾向（Impact Propensity）：在分布滞后模型中，自变量增加一个单位因变量的即时的变化。

包含一个无关变量（Inclusion of an Irrelevant Variable）：用OLS估计方程时，回归模型中包含了总体参数为零的解释变量。

指数（Index Number）：关于经济行为（例如生产或价格）总量信息的统计量。

影响重大的观测值（In?uential Observations）：见奇异值。INTRODUCTORY ECONOMETRICS

一阶自积［I（1）］（Integrated of Order One [I(1)]）：需要做一阶差分来得到I（0）过程的时间序列过程。

零阶自积［I（0）］（Integrated of Order Zero [I(0)]）：平稳、弱独立时间序列过程，当用于回归分析时，它满足大数定律和中心极限定理。

交互作用（Interaction Effect）：回归模型中为两个解释变量的乘积的自

变量。

截距参数（Intercept Parameter）：复线性回归模型中，给出当所有自变量都为零时因变量的期望值的参数。

截距的变动（Intercept Shift）：回归模型中的截距，因组或时期的不同而不同。

J

联合假设检验（Joint Hypothesis Test）：一个模型中包含不止一个对参数的约束的检验。

联合统计显著性（Jointly Statistically Signi?cant）：两个或多个解释变量具有零总体系数的虚拟假设以一个选定的显著性水平被拒绝。

L

滞后分布（Lag Distribution）：在无限或有限分布滞后模型中，把滞后系数表示为滞后长度的函数。

滞后因变量（Lagged Dependent Variable）：等于以前时期的因变量的解释变量。

拉格朗日乘数统计量（Lagrange Multiplier Statistic）：仅在大样本下为正确的检验统计量，它可用于在不同的模型设定问题中检验遗漏变量、异方差性和序列相关。

大样本性质（Large Sample Properties）：见渐近性质。

水平值—水平值模型（Level-Level Model）：因变量与自变量均为标准（或原始）形式的回归模型。

水平值—对数模型（Level-Log Model）：因变量为标准形式、自变量（至少是其中一部分）为对数形式的回归模型。

线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。

线性时间趋势（Linear Time Trend）：为时间的线性函数的趋势。

线性无偏估计量（Linear Unbiased Estimator）：在多元回归分析中，是因变量值的一个线性函数的那些无偏估计量。

对数—水平值模型（Log-Level Model）：因变量以对数形式出现，而自变量是水平（或原始）形式的一种回归模型。

对数—对数模型（Log-Log Model）：因变量和（至少一部分）解释变量都是以对数形式出现的回归模型。

长期弹性（Long-Run Elasticity）：因变量和自变量都是对数形式出现的分布滞后模型中的长期倾向。即，长期弹性是在给定解释变量增长了1%时，被解释变量最终变化的百分比。

长期乘数（Long-Run Multiplier）：参见长期倾向。

长期倾向（Long-Run Propensity）：在一个分布滞后模型中，给定自变量的一个永久性的、一个单位的增长，因变量最终的变化量。

M

配对样本（Matched Pairs Sample）：每个观测值都与另一个观测值相匹配的一种样本，如由丈夫和妻子或一对兄妹组成的样本。

测量误差（Measurement Error）：观测到的变量与多元回归方程中的变量之间的差。

微数缺测性（Micronumerosity）：由Arthur Goldberger 首先提出的一个概念，用以描述容量样本较小时计量经济学估计量的性质。

最小方差无偏估计量（Minimum Variance Unbiased Estimator）：在所有的无偏估计量中方差最小的那个估计量。

数据缺失（Missing Data）：当我们没有观测到样本中某些观测（个人、城市、时期等）所对应的一些变量值时，发生的一类数据问题。

一阶移动平均过程[MA（1）]（Moving Average Process of Order One [MA(1)]）：是由某个随机过程的当期值与一期滞后的线性函数所产生的一种时间序列过程。这个随机过程是0均值、固定方差和不相关的。

多重共线性（Multicollinearity）：指多元回归模型中自变量之间的相关性。当某些相关性“很大”时，就会发生多重共线性，但对实际的大小尺度并没有明确的规定。

多重假设检验（Multicollinearity）：涉及到参数的多个约束条件的虚拟假设检验。

多元线性回归（MLR）模型（Multiple Linear Regression (MLR) Model）：对参数是线性的一类模型，其中的因变量是自变量的函数加上一个误差项。

多元回归分析（Multiple Regression Analysis）：在多元线性回归模型中进行估计和推断的一类分析。

多重约束（Multiple Restrictions）：计量经济学模型中对参数的多于一个的约束条件。

乘数测量误差（Multiplicative Measurement Error）：观测到的变量等于实际的观测不到的变量与一个正的测量误差的乘积时出现的一种测量误差。

N

n-R-平方统计量（n-R-Squared Statistic）：参见拉格朗日乘数统计量。

名义变量（Nominal Variable）：用名义或当前美元数表示的变量。

非实验数据（Nonexperimental Data）：不是通过人为控制下的实验得到的数据。

非嵌套模型（Nonnested Models）：没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。

非平稳过程（Nonstationary Process）：联合分布在不同的时期不是恒定不变的一种时间序列过程。

正态性假定（Normality Assumption）：经典线性模型假定之一。它是指以解释变量为条件的误差（或因变量）有正态分布。

虚拟假设（Null Hypothesis）：在经典假设检验中，我们把这个假设当作真的，要求数据能够提供足够的证据才能否定它。

分子自由度（Numerator Degrees of Freedom）：在F检验中，所检验的约束条件的个数。

O

可观测数据（Observational Data）：参见非实验数据。

OLS（OLS）：参见普通最小二乘法。

OLS截距估计值（OLS Intercept Estimate）：OLS回归线的截距。

OLS回归线（OLS Regression Line）：表示了因变量的预报值与自变量的值之间关系的方程，它的参数是用OLS估计出来的。

OLS斜率估计值（OLS Slope Estimate）：OLS回归线的斜率。

遗漏变量偏误（Omitted Variable Bias）：回归中遗漏了有关变量而产生的OLS估计量的偏误。

单侧对立假设（One-Sided Alternative）：被表述为参数大于（或小于）虚拟条件下的假设值的一种对立假设。

单尾检验（One-Tailed Test）：与单侧对立假设相对的假设检验。

序数变量（Ordinal Variable）：通过排列顺序传达信息的一种数据，它们的大小本身并不说明任何问题。

普通最小二乘法（OLS）（Ordinary Least Squares, OLS）：用来估计多元线性回归模型中的参数的一种方法。最小二乘估计值通过最小化残差的平方和得到。

INTRODUCTORY ECONOMETRICS

异常数据（Outliers）：在数据集中，与大量其他数据有明显区别的观测值。这种现象可能是由于误差造成的，也可能是因为它们是由与多数其他数据不同的模型产生而造成的。

整体显著性（Overall Signi?cance of a Regression）：对多元回归方程中所有的解释变量所做的一种联合显著性检验。

模型的过度识别（Overspecifying a Model）：参见含有一个无关变量。

p值（p-value）：指能够拒绝虚拟假设的最低显著性水平。等价的，它也指虚拟假设不被拒绝的最大显著性水平。

综列数据（Panel Data）：在不同时期，横截面的不断反复得到的数据集。在平衡的综列中，同样的单位在每个时期都出现。在不平衡的综列中，有些单位往往由于衰减现象而不会在每个时期都出现。

偏效应（Partial Effect）：回归模型中的其他因素保持不变时，某个解释变量对因变量的影响。

完全共线性（Perfect Collinearity）：在多元回归中，一个自变量是一个或多个其他自变量的线性函数。

变量缺失问题的插入解（Plug-In Solution to the Omitted Variables Problem）：在OLS回归中，用一个代理变量代替观测不到的缺失变量。

政策分析（Policy Analysis）：用计量经济学模型来评估某项政策的效果的一种实证分析。

混合横截面（Pooled Cross Section）：通常在不同时点收集到的相互独立的横截面组合而成的一个单独的数据集。

总体（Population）：作为统计或计量经济分析对象的一个明确定义的组群（人、公司、城市等）。

总体模型（Population Model）：一种描述了总体特征的模型，特别是多元线性回归模型。

总体R平方（Population R-Squared）：总体中，由解释变量解释了的那部分因变量的变异。

总体回归函数（Population Regression Function）：参见条件期望。

实际显著性（Practical Signi?cance）：相对于统计显著性而言的、某个

估计值的实际的或经济的重要性，用它的符号和大小来衡量。

普莱斯—温斯登（PW）估计（Prais-Winsten (PW) Estimation）：一种用来估计有AR（1）误差和严格外生解释变量的多元线性回归模型的方法；不同于科克伦-奥克特方法，它在估计中要用到第一个时期的方程。

前定变量（Predetermined Variable）：在联立方程模型中的滞后的内生变量或滞后的外生变量。

被预测变量（Predicted Variable）：参见因变量。

预报（Prediction）：把特定的解释变量的值代入所估计的模型，通常是多元回归模型中，以得到结果的一个估计值。

预测误差（Prediction Error）：实际结果与所预报的结果之间的差。

预测区间（Prediction Interval）：多元回归模型中，某个因变量的未知结果的一个置信区间。

预测变量（Predictor Variable）：参见解释变量。

项目评估（Program Evaluation）：用计量经济学方法求出某个私人或公共项目的不确定影响的一种评估方法。

代理变量（Proxy Variable）：多元回归分析中，一个与观测不到的解释变量有关系但又不相同的可观测变量。二次函数（Quadratic Functions）：包含一个或多个解释变量的平方的函数，它反映了解释变量对因变量的逐渐变弱或增强的影响。

定性变量（Qualitative Variable）：描述一个人、企业及城市等的非定量特征的变量。

拟—差分数据（Quasi-Differenced Data）：在估计有AR（1）的序列相关的回归模型时，当期数据与前一期数据乘以AR（1）模型的参数后得到的数据之间的差。

R

平方（R-Bar Squared）：参见校正的R2。

R2（R-Squared）：在多元回归模型中，由自变量解释了的那部分因变量的样本方差之和。

R2形式的F统计量（R-Squared Form of the F Statistic）：用受约束和不受约束的模型中得到的由R2-表示的、用于检验排除约束条件的F统计量。

随机抽样（Random Sampling）：在总体中随机抽取观测值的一种抽样方法。各个单位被抽取的可能性是相同的，而且每次抽样都与其他次相互独立。

随机游走（Random Walk）：在这样一种时间序列中，下个时期的值等于本期值加上一个独立的（或至少是不相关的）误差项。

有漂移的随机游走（Random Walk with Drift）：每个时期都加进一个常数（或漂移）的随机游走。

实际变量（Real Variable）：用基期货币价值表示的变量。

回归子（Regressand）：参见因变量。

回归误差设定检验（RESET）（Regression Speci?cation Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。它是一种由最初的OLS估计得出的拟合值的平方、三次方以及可能更高次幂的联合显著性F检验。

过原点回归（Regression Through the Origin）：截距被设为0的回归分析，它的斜率通过最小化残差的平方和求出。

回归元（Regressor）：参见解释变量。

拒绝区域（Rejection Region）：使得虚拟假设被拒绝的一组检验统计量的值。

拒绝法则（Rejection Rule）：在假设检验中，决定在什么情况下拒绝虚拟假设并支持对立假设的法则。

残差（Residual）：实际值与拟合（或预报）值之间的差。样本中的每次观测都有一个相应的残差，它们被用来计算OLS回归线。

残差分析（Residual Analysis）：在估计多元回归模型后，对某次特定观测的残差的符号和大小所作的研究。

残差平方和（Residual Sum of Squares）：参见残差的平方和。

响应概率（Response Probability）：在二值响应模型中，以解释变量为条件的因变量取值为1的概率。

响应变量（Response Variable）：参见因变量。

受约束的模型（Restricted Model）：在假设检验中，施加所有虚拟假设所要求的约束条件后得到的模型。

均方根误（RMSE）（Root Mean Squared Error, RMSE）：多元回归分析中回归标准误的另一个名称（仅当期望值等于实测值—译者）。

s

样本回归函数（Sample Regression Function）：参见OLS回归线。

得分统计量（Score Statistic）：参见拉格朗日乘数统计量。

季节性虚拟变量（Seasonal Dummy Variables）：一组用来表示季节或月份的虚拟变量。

季节性（Seasonality）：月度或季度时间序列具有的均值随着一年中季节的不同而系统性变化的特点。

季节性调整（Seasonally Adjusted）：用某种统计程序，可能是对季节性虚拟变量做回归，来消除月度或季度时间序列中的季节性成分。

半弹性（Semi-Elasticity）：自变量的一个单位的增长导致的因变量的变化的百分比。

序列相关（Serial Correlation）：在时间序列或综列数据模型中，不同时期的误差之间的相关性。

INTRODUCTORY ECONOMETRICS

序列相关—稳健标准误（Serial Correlation-Robust Standard Error）：不管模型中的误差是否与序列相关，都（渐近）生效的估计量的标准误。

序列不相关（Serially Uncorrelated）：在时间序列或综列数据模型中，不同时间的误差两两之间不相关。

短期弹性（Short-Run Elasticity）：因变量和自变量都以对数形式出现的分布滞后模型中的即期倾向。

显著性水平（Signi?cance Level）：假设检验中发生第I类错误的概率。

简单线性回归模型（Simple Linear Regression Model）：因变量只是一个自变量和一个误差项的线性函数的模型。

斜率参数（Slope Parameter）：多元回归模型中的自变量的系数。

谬误相关（Spurious Correlation）：不是因为二者有因果关系，可能是因为它们都受另一个观测不到的因素影响，所导致的两个变量之间的相关性。

谬误回归问题（Spurious Regression Problem）：如果回归分析表明两个或多个无关时间序列具有一定关系，而其原因仅仅因为它们每个都有趋势或都是自积时间序列（如随机游走），或上面两种情况同时出现，这种问题就是谬误回归问题。

稳定的AR（1）过程（Stable AR(1) Process）：滞后变量的系数绝对值小于1时的AR（1）过程。序列中的两个随机变量的相关性，随着它们之间的时间间隔不断增大，以几何级数趋近于0。

β1的标准误（Standard Error of β1）：β1抽样分布的标准差的估计值。

β1的标准差（Standard Deviation of β1）：衡量β1抽样分布的分散程度的常用指标。

估计值的标准误（Standard Error of the Estimate）：参见回归的标准误。

回归的标准误（SER）（Standard Error of the Regression, SER）：多元回归分析中的总体误差的标准差的估计值。等于残差平方和的平方根除以自由度。

标准化系数（Standardized Coef?cients）：一种回归系数，它度量了自变量增加一个标准差时，因变量的改变是其标准差的倍数。

静态模型（Static Model）：只有当期的解释变量影响因变量的一种时间序列模型。

平稳过程（Stationary Process）：边际和所有的联合分布都不随时间变化的一种时间序列过程。

统计上不显著（Statistically Insigni?cant）：在选定的显著性水平上，无法拒绝总体参数等于0的虚拟假设。

统计上显著（Statistically Significant）：在选定的显著性水平上，相对于特定的对立假设，拒绝总体参数等于0的虚拟假设。

随机过程（Stochastic Process）：标注了时间的一系列随机变量。

严格外生的（Strict Exogeneity）：时间序列或综列数据模型中的解释变量的一个特点，以所有时期的解释变量为条件的、任何时期的误差项都是有0均值。更宽松的一种说法是用相关性为0来表述的。

强相依（Strongly Dependent）：参见高度持续过程。

残差平方和（Sum of Squared Residuals）：多元回归模型中，所观测的OLS 残差的平方和。

求和运算符（Summation Operator）：用∑表示的一个符号，用来表示对一组数据的求和运算。

T

t 比率、t 统计量（t Ratio、t Statistic）：用来对计量经济学模型中关于参数的单个假设进行检验的一种统计量。

时间序列数据（Time Series Data）：搜集到的一个或多个变量在不同时间上的数据。

时间序列过程（Time Series Process）：参见随机过程。

时间趋势（Time Trend）：时间的函数，它是趋势时间序列过程的期望值。

总平方和（SST）（Total Sum of Squares, SST）：因变量相对于它的样本均值的总样本变异。

处理组（Treatment Group）：在项目评估中，参与这一项目的群体。

（也见实验群组）趋势过程（Trending Process）：期望值是时间的增函数

或减函数的时间序列过程。

趋势—平稳过程（Trend-Stationary Process）：在除掉了时间趋势后变得平稳的过程。毫无疑问，除掉了趋势的序列是弱相依的。

真实模型（True Model）：表示因变量与有关自变量及一个干扰项之间关系的真实的总体模型。在这个模型中，0条件均值假定成立。

双侧对立假设（Two-Sided Alternative）：总体参数既可以大于又可以小于虚拟假设提出的值的一种检验方法。

双尾检验（Two-Tailed Test）：相对于双侧对立检验的检验方法。

U

无偏估计量（Unbiased Estimator）：期望值（或抽样分布的均值）等于总体值（与总体值的大小无关）的估计量。

不相关随机变量（Uncorrelated Random Variables）：相互之间没有线性关系的随机变量。

设定不足的模型（Underspecifying a Model）：参见忽略一个有关的变量。

单位根过程（Unit Root Process）：当期值等于前一个时期的值加上一个弱相依的干扰项的一种高度持续的时间序列过程。

无约束模型（Unrestricted Model）：在假设检验中，对参数没有任何限制条件的模型。

向上偏误（Upward Bias）：估计量的期望值大于总体参数的值。

V

方差（Variance）：表示随机变量分布的分散程度的一项指标。

预测误差的方差（Variance of the Prediction Error）：当以估计的多元回归方程为基础来预报因变量的一个将来值时，产生的误差的方差。

W

弱相依（Weakly Dependent）：在时间序列过程中，表示随机变量在不同时期的两个值之间的相互依赖性质的指标（比如相关性），如果这一依赖性随着时间间隔的增大而减小，这个时间序列就是弱相依的。

加权最小二乘（WLS）估计量（Weighted Least Squares (WLS) Estimator）：用来校正某种已知形式的异方差的估计量。其中，每个残差的平方都得到一个等于误差的（估计的）方差的倒数的权重。

怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS残差的平方对OLS拟合值和拟合值的平方的回归。这种检验方法的最一般的形式是，作OLS残差的平方对解释变量、解释变量的平方和所有非多余的解释变量间的交叉乘积的回归。

Z

0条件均值假定（Zero Conditional Mean Assumption）：多元回归分析中很关键的一个假定。它的含义是，给定解释变量的所有值时，误差的期望值都等于0。（参见假定MLR.3、TS.2和TS.2'）

计量经济学习题及答案

第一章绪论 一、填空题： 1．计量经济学是以揭示经济活动中客观存在的__________为内容的分支学科，挪威经济学家弗里希，将计量经济学定义为__________、__________、__________三者的结合。 2．数理经济模型揭示经济活动中各个因素之间的__________关系，用__________性的数学方程加以描述，计量经济模型揭示经济活动中各因素之间__________的关系，用__________性的数学方程加以描述。 3．经济数学模型是用__________描述经济活动。 4．计量经济学根据研究对象和内容侧重面不同，可以分为__________计量经济学和__________计量经济学。 5．计量经济学模型包括__________和__________两大类。 6．建模过程中理论模型的设计主要包括三部分工作，即__________、____________________、____________________。 7．确定理论模型中所包含的变量，主要指确定__________。 8．可以作为解释变量的几类变量有__________变量、__________变量、__________变量和__________变量。 9．选择模型数学形式的主要依据是__________。 10．研究经济问题时，一般要处理三种类型的数据：__________数据、__________数据和__________数据。 11．样本数据的质量包括四个方面__________、__________、__________、__________。 12．模型参数的估计包括__________、__________和软件的应用等内容。 13．计量经济学模型用于预测前必须通过的检验分别是__________检验、__________检验、__________检验和__________检验。 14．计量经济模型的计量经济检验通常包括随机误差项的__________检验、__________检验、解释变量的__________检验。 15．计量经济学模型的应用可以概括为四个方面，即__________、__________、__________、__________。 16．结构分析所采用的主要方法是__________、__________和__________。 二、单选题： 1．计量经济学是一门（）学科。 A.数学 B.经济 C.统计 D.测量

计量经济学题库及答案

计量经济学题库 一、单项选择题（每小题1分） 1．计量经济学是下列哪门学科的分支学科（C）。 A．统计学 B．数学 C．经济学 D．数理统计学 2．计量经济学成为一门独立学科的标志是（B）。 A．1930年世界计量经济学会成立B．1933年《计量经济学》会刊出版 C．1969年诺贝尔经济学奖设立 D．1926年计量经济学（Economics）一词构造出来 3．外生变量和滞后变量统称为（D）。 A．控制变量 B．解释变量 C．被解释变量 D．前定变量4．横截面数据是指（A）。 A．同一时点上不同统计单位相同统计指标组成的数据B．同一时点上相同统计单位相同统计指标组成的数据 C．同一时点上相同统计单位不同统计指标组成的数据D．同一时点上不同统计单位不同统计指标组成的数据 5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（C）。 A．时期数据 B．混合数据 C．时间序列数据 D．横截面数据6．在计量经济模型中，由模型系统内部因素决定，表现为具有一定的概率分布的随机变量，其数值受模型中其他变量影响的变量是（ A ）。 A．内生变量 B．外生变量 C．滞后变量 D．前定变量7．描述微观主体经济活动中的变量关系的计量经济模型是（ A ）。 A．微观计量经济模型 B．宏观计量经济模型 C．理论计量经济模型 D．应用计量经济模型 8．经济计量模型的被解释变量一定是（ C ）。 A．控制变量 B．政策变量 C．内生变量 D．外生变量9．下面属于横截面数据的是（ D ）。 A．1991－2003年各年某地区20个乡镇企业的平均工业产值 B．1991－2003年各年某地区20个乡镇企业各镇的工业产值 C．某年某地区20个乡镇工业产值的合计数 D．某年某地区20个乡镇各镇的工业产值 10．经济计量分析工作的基本步骤是（ A ）。 A．设定理论模型→收集样本资料→估计模型参数→检验模型B．设定模型→估计参数→检验模型→应用

计量经济学-李子奈-计算题整理集合

计算分析题（共3小题，每题15分，共计45分） 1、下表给出了一含有3个实解释变量的模型的回归结果： 方差来源 平方和（SS ） 自由度（d.f.） 来自回归65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度 （2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性 （已知0.05(3,40) 2.84F =） （4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 1、 （1）样本容量n=43+1=44 （1分） RSS=TSS-ESS=66056-65965=91 （1分） ESS 的自由度为: 3 （1分） RSS 的自由度为: d.f.=44-3-1=40 （1分） （2）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分） （3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设 （2分） 所以，1X 、2X 和3X 总体上对Y 的影响显著 （1分） （4）不能。 （1分） 因为仅通过上述信息，可初步判断X 1，X 2，X 3联合起来 对Y 有线性影响，三者的变化解释了Y 变化的约99.9%。但由于 无法知道回归X 1，X 2，X 3前参数的具体估计值，因此还无法 判断它们各自对Y 的影响有多大。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的

计量经济学复习试题

数量经济学复习试题 一．对于模型：n i X Y i i i ,,1 =++=εβα 从10个观测值中计算出； 20,200,26,40,822=====∑∑∑∑∑i i i i i i Y X X Y X Y ， 请回答以下问题： (1)求出模型中α和β的OLS 估计量； (2)当10=x 时，计算y 的预测值。 (3) 求出模型的2R ，并作出解释； （4）对模型总体作出检验； （5）对模型系数进行显著性检验； 二．根据我国1978——2000年的财政收入Y 和国生产总值X 的统计资料，可建立如下的计量经济模型： ?516.64770.0898t t Y X =+ （1） （2.5199） （0.005272） 2 R ＝0.9609，E S .＝731.2086，F ＝516.3338，W D .＝0.2174 1、 模型（1）斜率项是显著的吗？它有什么经济意义已知（048.2)28(025.0=t ） 2、检验该模型的误差项是否存在自相关。 （已知在23,1%,5===n k α条件下，489.1,352.1==U L d d ） 3、如果存在自相关，请您用广义差分法来消除自相关问题。 4、根据下面的信息，检验回归方程(1)的误差项是否存在异方差。如果存在异方差的话，请写出异方差的形式 。表1：此表为Eviews 输出结果。

RE 为模型(1)中残差的平方 5、我们通常用什么方法解决异方差问题，在这里，你建议使用什么方法修正模型？如何修正（要求写出修正后的模型）？ 三、设货币需求方程式的总体模型为 t t t t t RGDP r P M εβββ+++=)ln()ln()ln( 210 其中M 为广义货币需求量，P 为物价水平，r 为利率，RGDP 为实际国生产总值。假定根据 容量为n ＝19的样本，用最小二乘法估计出如下样本回归模型； 1 .09 .0) 3() 13()ln(54.0)ln(26.003.0)ln( 2==++-=DW R e RGDP r P M t t t t t 其中括号的数值为系数估计的t 统计值，t e 为残差。 (1)从经济意义上考察估计模型的合理性； (2)在5%显著性水平上．分别检验参数21,ββ的显著性； (3)在5%显著性水平上，检验模型的整体显著性。 四、计量经济学研究工作中的重要方面是研究对古典模型假定违背的经济计量问题，通常包括异方差性问题、序列相关问题、多重共线性问题、解释变量的随机性问题等等。请回答：（30分） 1）异方差性的含义是什么？产生异方差的原因是什么？ 2）模型产生异方差问题时将有什么危害？ 3）叙述戈德非尔特—夸特（Goldfeld —Quandt ）检验的过程 4）若异方差形式为i i X u E 22)(σ=，试写出解决此异方差问题的方法。 五、已知消费模型：t y ＝10αα+t x 1+2αt x 2+t μ 其中：t y ＝消费支出；t x 1＝个人可支配收入；t x 2＝消费者的流动资产； 0)(=t E μ；

计量经济学 案例分析

第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y

二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31

计量经济学

名词解释 1、 因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响 2、 实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验 3、 观测数据：通过观察实验之外的实际行为而获得的数据 4、 截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据 5、 时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据 6、 面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据 7、 离散型随机变量：一些随机变量是离散的 连续型随机变量：一些随机变量是连续的 8、 期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ） 9、 期望：Y 的长期平均值，记作μY 10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ） 11、标准差：方差的平方根来表示偏差程度，记作σY 12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息 13、标准正态分布：指那些均值102==σμ、方差的正态分布，记作N （0，1） 14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本 15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ-??）（为的一个估计量，则偏差是； 一致性：当样本容量增大时，Y μ ?落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与?是一致的 有效性：如果Y μ ?的方差比Y μ~更小，那么可以说Y Y μμ~?比更有效 17、最小二乘估计量：21)(m i n i -Y ∑ =最小化误差m -i Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与 原假设之间差异程度的概率 19、第一类错误：拒绝了实际上为真的原假设 20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量 21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预 测Y 的误差的平方和来度量 22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSS SSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的， ，，，），，（n ...21i i i =Y X 满足独立同分布； ③大异常值不存在：即i i Y X 和具有非零有限的四阶距 24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值 25、同方差：若对于任意i=1，2，...，n ，给定） （条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则 称误差项i μ是同方差

计量经济学答案

一、名词解释 1.时间序列数据的平稳性:如果随机时间序列均值和方差均是与时间t无关的常数，协方差只与时间间隔k有关，则称该随机时间序列是平稳的。 2.虚拟变量：是指人们构造的反应定性因素变化、只取0和1的人工变量，并且习惯上用符号D来表示。 3.异方差性：对于不同的样本点，随机误差项的方差不等于常数，则称模型出现了异方差性。 4.自相关性：如果随机误差项的各期值之间存在着相关关系，即协方差不等于0，则称模型存在着自相关性。 5随机变量的协整关系：如果同阶单整序列线性组合后单整阶数降低，则称变量之间存在着协整关系。 6.给定一个信息集，At，它至少包含（Xt，Yt），在“现在和过去可以影响未来，而未来不能影响过去”城里下，如果利用Xt的过去比不利用它时可以更好地预测Yt，称Xt为Yt的格兰杰原因，反之亦然。 7.随机变量的协整性： 8. 条件异方差ARCH模型：考虑m阶自回归模型AR（m） Yt=c+ρ1yt-1+ρ2yt-2+……+ρmyt-m+εt 其中εt为白噪声过程 随机误差项的平方（εt）2服从一个q阶自回归过程，即 （εt）2=α0＋α1（εt-1）2+α2（εt-2）2+……+αq（εt-p）2+ηt （1） 其中ηt服从白噪声过程。对模型的一个约束条件是（1）的特征方程 1-α1z-α2z2-……-αq Z q=0 的所有根均落在单位圆外，即要求模型参数满足 其中α1+α2+……αq＜1 此外，为保证εt2为正值，对模型的另一个约束条件为α0＞0，αi≥0，1≤i≤q。上述模型即为条件方差模型。 9.误差修正模型ECM: 对于yi的（1，1）阶自回归滞后模型： εi Y t=α+β0x t+β1x t-1+β2y t-1+ ⊿y =β0⊿x t+γecm t-1+εt 。(1) 其中，ecm t-1=y t-1-α0-α1x t-1 ，γ=β2-1，α0=（α+ t β0）/﹙1-β2﹚，α1=β1/（1-β2） 称式（1）为误差修正模型ECM 10.多重共线性:多元回归模型的解释变量之间存在较强的线性关系的性质 二、填空题 1.合理选择解释变量的关键：正确理解有关经济理论和把握所研究经济现象的行为规律。 2.计量经济模型的用途一般包括：结构分析、经济预测、政策评价、实证分析。 3.计量经济模型检验的内容一般包括：经济检验、统计检验、计量经济检验、预测性能检验。 4.对于不可直接线性化的非线性模型的处理方法： 对于可间接线性化的模型，可以通过Cobb-Douglas生产函数模型、Logistic模型变换成标准的线性模型；对于不可线性化的模型，可以通过Toylor技术展开法、非线性最小二乘法来求得参数估计值。

计量经济学考试复习题

计量经济学考试复习题 计量经济学练习题 1、经济计量学的研究步骤有哪些 一、模型设定：依据一定的经济理论或经验，先验地用一个或一组数学方程式表示被研究系统内经济变量之间的关系。 1、研究有关经济理论； 2、确定变量以及函数形式； 3、统计数据的收集与整理 二、参数估计：参数估计的方法主要有一般最小平方法（OLS）及其拓展形式（GLS、WLS、2Stage LS 等）、最大似然估计法、数值计算法等。 三、模型检验 1、经济意义准则； 2、统计检验准则； 3、计量经济检验准则 四、模型应用 1、检验经济理论； 2、结构分析（乘数分析、弹性分析）； 3、政策评价 4、预测 （ 2、简述经济计量模型的检验准则有哪三方面 （1）经济意义准则；（2）统计检验准则；（3）计量经济检验准则 3、经济计量模型中的随机干扰项来自哪些方面 1、变量的省略。 由于人们认识的局限不能穷尽所有的影响因素或由于受时间、费用、数据质量等制约而没有引入模型之中的对被解释变量有一定影响的自变量。 2、统计误差。 数据搜集中由于计量、计算、记录等导致的登记误差；或由样本信息推断总体信息时产生的代表性误差。 3、模型的设定误差。 ( 如在模型构造时，非线性关系用线性模型描述了；复杂关系用简单模型描述了；此非线性关系用彼非线性模型描述了等等。 4、随机误差。 被解释变量还受一些不可控制的众多的、细小的偶然因素的影响。若相互依赖的变量间没有因果关系，则称其有相关关系。 4、多元线性回归模型随机干扰项的假定有哪些 （1）随机误差项的条件期望值为零。

（2）随机误差项的条件方差相同。 （3）随机误差项之间无序列相关。 （4）自变量与随机误差项独立无关。 （5）随机误差项服从正态分布。 ； （6）各解释变量之间不存在显著的线性相关关系。 5、简述选择解释变量的逐步回归法 逐步回归的基本思想是“有进有出”。 具体做法是将变量一个一个引入，引入变量的条件是t统计量经检验是显著的。即每引入一个自变量后，对已经被选入的变量要进行逐个检验，当原引入的变量由于后面变量的引入而变得不再显著时，要将其剔除。引入一个变量或从回归方程中剔除一个变量，为逐步回归的一步，每一步都要进行t检验，以确保每次引入新的变量之前回归方程中只包含显著的变量。 6、对于非线性模型如何进行参数估计 一、解释变量可以直接替换的非线性回归模型 1、多项式函数模型 （1）多项式函数形式 ! 令原模型可化为线性形式，即可利用多元线性回归分析的方法处理了。（2）利用Eviews应用软件进行回归分析 在主窗口的命令栏内，直接键入ls y c x x^2 x^3，回车即可得到输出结果 （3）利用SPSS应用软件进行回归分析 在SPSS中，依次点击Analyze / Regression / Curve Estimation，打开对话窗口。在Models 选项组中，共有11种曲线可供选择：Linear（直线）、Quadratic（二次曲线）、Compound （复合曲线）、Growth（增长曲线）、Logarithmic（对数曲线）、Cubic（三次曲线）、S（S 曲线）、Exponential（指数曲线）、Inverse（倒数曲线）、Power（Power曲线）、Logistic （逻辑斯蒂曲线）。 * 2、双曲线（倒数）模型 令原模型可化为线性形式，即可利用一元线性回归分析的方法处理。

计量经济学案例分析汇总

计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入

计量经济学分析计算题Word版

计量经济学分析计算题（每小题10分） 1．下表为日本的汇率与汽车出口数量数据， X:年均汇率（日元/美元） Y:汽车出口数量（万辆） 问题：（1）画出X 与Y 关系的散点图。 （2）计算X 与Y 的相关系数。其中X 129.3＝ ，Y 554.2＝，2 X X 4432.1∑ （－）＝，2 Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为 ?81.72 3.65Y X =+ t 值 1.2427 7.2797 R 2=0.8688 F=52.99 解释参数的经济意义。 2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。 回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义 是什么。 3．估计消费函数模型i i i C =Y u αβ++得 i i ?C =150.81Y + t 值 （13.1）（18.7） n=19 R 2=0.81 其中，C ：消费（元） Y ：收入（元） 已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。

问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。 4．已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2 Y Y 68113.6∑ （－）＝， 求判定系数和相关系数。 5．有如下表数据 日本物价上涨率与失业率的关系 （1）设横轴是U ，纵轴是P ，画出散点图。根据图形判断，物价上涨率与失业率之间是什么样的关系？拟合什么样的模型比较合适？ （2）根据以上数据，分别拟合了以下两个模型： 模型一：1 6.3219.14 P U =-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。 7．根据容量n=30的样本观测值数据计算得到下列数据：XY 146.5＝ ，X 12.6＝，Y 11.3＝，2X 164.2＝，2Y ＝134.6，试估计Y 对X 的回归直线。 8．下表中的数据是从某个行业5个不同的工厂收集的，请回答以下问题：

计量经济学题库及答案

四、简答题（每小题5分） 1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。2．计量经济模型有哪些应用？ 3．简述建立与应用计量经济模型的主要步骤。 4．对计量经济模型的检验应从几个方面入手？ 5．计量经济学应用的数据是怎样进行分类的？ 6．在计量经济模型中，为什么会存在随机误差项？ 7．古典线性回归模型的基本假定是什么？ 8．总体回归模型与样本回归模型的区别与联系。 9．试述回归分析与相关分析的联系和区别。 10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？ 11．简述BLUE 的含义。 12．对于多元线性回归模型，为什么在进行了总体显著性F 检验之后，还要对每个回归系数进行是否为0的t 检验？ 13.给定二元回归模型：，请叙述模型的古典假定。 14.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？ 15.修正的决定系数2R 及其作用。 16.常见的非线性回归模型有几种情况？ 17.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。 ①t t t u x b b y ++=310 ②t t t u x b b y ++=log 10 ③ t t t u x b b y ++=log log 10 ④t t t u x b b y +=)/(10 18. 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。 ①t t t u x b b y ++=log 10 ②t t t u x b b b y ++=)(210 ③ t t t u x b b y +=)/(10 ④t b t t u x b y +-+=)1(110 19.什么是异方差性？试举例说明经济现象中的异方差性。 20.产生异方差性的原因及异方差性对模型的OLS 估计有何影响。 21.检验异方差性的方法有哪些？ 22.异方差性的解决方法有哪些？ 23.什么是加权最小二乘法？它的基本思想是什么？ 24.样本分段法（即戈德菲尔特——匡特检验）检验异方差性的基本原理及其使用条件。 25．简述DW 检验的局限性。 26．序列相关性的后果。 27．简述序列相关性的几种检验方法。

@计量经济学题(答案)

《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 1.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 2.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） 单方程中可以作为被解释变量的是（控制变量、内生变量、外生变量）； 3.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对象，也常称为“应变量”(Dependent variable)、“回归子”（Regressand）等。 解释变量也常称为“自变量”(Independent variable)、“回归元”（Regressor）等，是说明应变量变动主要原因的变量。 因此，被解释变量只能由内生变量担任，不能由非内生变量担任。 4.单方程计量经济模型中可以作为被解释变量的是（ C ） A、控制变量 B、前定变量 C、内生变量 D、外生变量 5.单方程计量经济模型的被解释变量是（A ） A、内生变量 B、政策变量 C、控制变量 D、外生变量 6.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 双对数模型中参数的含义； 7.双对数模型 01 ln ln ln Y X ββμ =++中，参数1 β的含义是（D ） A .X的相对变化，引起Y的期望值绝对量变化 B.Y关于X的边际变化 C.X的绝对量发生一定变动时，引起因变量Y 的相对变化率 D.Y关于X的弹性 8.双对数模型μ β β+ + =X Y ln ln ln 1 中，参数1 β的含义是（ C ） A. Y关于X的增长率 B .Y关于X的发展速度 C. Y关于X的弹性 D. Y关于X 的边际变化 计量经济学研究方法一般步骤 四步12点 9.计量经济学的研究方法一般分为以下四个步骤（ B ） A．确定科学的理论依据、模型设定、模型修定、模型应用 B．模型设定、估计参数、模型检验、模型应用C．搜集数据、模型设定、估计参数、预测检验D．模型设定、检验、结构分析、模型应用 对计量经济模型应当进行哪些方面的检验？ 经济意义检验：检验模型估计结果，尤其是参数

计量经济学-案例分析-第六章

第六章 案例分析 一、研究目的 2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。同时，农村居民消费模型也能用于农村居民消费水平的预测。 二、模型设定 正如第二章所讲述的，影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为 t t t u X Y ++=21ββ （6.43） 式中，Y t 为农村居民人均消费支出，X t 为农村人均居民纯收入，u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。 表6.3 1985-2003年农村居民人均收入和消费 单位： 元

2000 2001 2002 2003 2253.40 2366.40 2475.60 2622.24 1670.00 1741.00 1834.00 1943.30 314.0 316.5 315.2 320.2 717.64 747.68 785.41 818.86 531.85 550.08 581.85 606.81 为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均纯收入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。 根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得 t t X Y 0.59987528.106?+= （6.44） Se = (12.2238) (0.0214) t = (8.7332) (28.3067) R 2 = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW 统计表可知，d L =1.18，d U = 1.40，模型中DW

计量经济学(第四版)习题及参考答案详细版

计量经济学（第四版）习题参考答案 潘省初

第一章 绪论 1.1 试列出计量经济分析的主要步骤。 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 计量经济模型中为何要包括扰动项? 为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3什么是时间序列和横截面数据? 试举例说明二者的区别。 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4估计量和估计值有何区别？ 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则 根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。 第二章 计量经济分析的统计学基础 2.1 略，参考教材。

2.2请用例2.2中的数据求北京男生平均身高的99％置信区间 N S S x = =45 =1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？ 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/25X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？ 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。

计量经济学期末复习习题

一、单项选择题 Ch1 : 1、相关关系是指【】 A变量间的严格的依存关系C变量间的函数关系 B变量间的因果关系 D变量间表现出来的随机数学关系 A B C D 2、横截面数据是指【】 同一时点上不同统计单位相同统计指标组成的数据同一时点上相同统计单位相同统计指标组成的数据同一时点上相同统计单位不同统计指标组成的数据同一时点上不同统计单位不同统计指标组成的数据 3、下面属于截面数据的是【】 A 1991-2003年各年某地区20个乡镇的平均工业产值 B 1991-2003年各年某地区20个乡镇的各镇工业产值 C某年某地区20个乡镇工业产值的合计数 D某年某地区20个乡镇各镇工业产值 4、同一统计指标按时间顺序记录的数据列称为【A 横截面数据B时间序列数据C修匀数据】 D原始数据 5、计量经济模型是指A投入产出模型 C包含随机方程的经济数学模型】 B数学规划模型D模糊数学模型 6、设C为消费，Y为收入水平，消费函数为： a应为正值，b应为负值B a应为负值，b应为负值D C= a+ bY+u，根据经济理论，有【: a 应为正值， a应为正值，b应为正值且大于1 b应为正值且小于1 7、回归分析中定义【】 A解释变量和被解释变量都是随机变量 B解释变量为非随机变量，被解释变量为随机变量C解释变量和被解释变量都是非随机变量D解释变量为随机变量，被解释变量为非随机变量 &在模型的经济意义检验中，不包括检验下面的哪一项【A参数估计量的符号B参数估计量的大小C参数估计量的相互关系D参数估计量的显著性 A Var( p )=0 Ch2: 9、参数3的估计量具备有效性是指【 】 B 为最小 10、产量（x，台）与单位产品成本（y,元/台）之间的回归方程为y= 356 —1.5x，这说明【】

计量经济学-案例分析-第八章

第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城

乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF*

计量经济学计算题解法汇总

计量经济学：部分计算题解法汇总 1、求判别系数——R^2 已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2Y Y 68113.6∑（－）＝， 2、置信区间 有10户家庭的收入（X ，元）和消费（Y ，百元）数据如下表： 10户家庭的收入（X ）与消费（Y ）的资料 X 20 30 33 40 15 13 26 38 35 43 Y 7 9 8 11 5 4 8 10 9 10 若建立的消费Y 对收入X 的回归直线的Eviews 输出结果如下： Dependent Variable: Y Adjusted R-squared F-statistic Durbin-Watson （1（2）在95%的置信度下检验参数的显著性。（0.025(10) 2.2281t =，0.05(10) 1.8125t =，0.025(8) 2.3060t =，0.05(8) 1.8595t =） （3）在90%的置信度下，预测当X ＝45（百元）时，消费（Y ）的置信区间。（其中29.3x =，2()992.1x x - =∑） 答：（1）回归模型的R 2 ＝，表明在消费Y 的总变差中，由回归直线解释的部分占到90％以上，回归直线的代表性及解释能力较好。（2分） 家庭收入对消费有显著影响。（2分）对于截距项，

检验。（2分） （3）Y f =+×45＝（2分） 90%置信区间为（，+），即（，）。（2分） 注意：a 水平下的t 统计量的的重要性水平，由于是双边检验，应当减半 3、求SSE 、SST 、R^2等 已知相关系数r ＝，估计标准误差?8σ＝，样本容量n=62。 求：（1）剩余变差；（2）决定系数；（3）总变差。 （2）2220.60.36R r ===（2分） 4、联系相关系数与方差（标准差），注意是n-1 在相关和回归分析中，已知下列资料： 222X Y i 1610n=20r=0.9(Y -Y)=2000σσ∑＝，＝，，，。 （1）计算Y 对X 的回归直线的斜率系数。（2）计算回归变差和剩余变差。（3） （2）R 2=r 2==， 总变差：TSS ＝RSS/(1-R 2)=2000/=（2分）