1、相關(guān)分析：主要研究隨機(jī)變量間的相關(guān)形式及相關(guān)程度?；貧w分析：研究一個變量關(guān)于另一個變量的依賴關(guān)系的計算方法和理論。高斯馬爾科夫定理：普通最小二乘估計量具有線性性、無偏性和有效性等優(yōu)良性質(zhì)，是最佳線性無偏估計量。高斯馬爾科夫假定：(1)模型設(shè)立正確 (2)無完全共線性 (3)可識別性 (4) 零均值、同方差。無序列相關(guān)假定(5) 解釋變量與隨機(jī)項(xiàng)不相關(guān)計量經(jīng)濟(jì)學(xué)模型：揭示經(jīng)濟(jì)活動中各種因素之間的定量關(guān)系，用隨機(jī)性的數(shù)學(xué)方程加以描述。廣義計量經(jīng)濟(jì)學(xué)：利用經(jīng)濟(jì)理論、統(tǒng)計學(xué)和數(shù)學(xué)定量研究經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計量方法的統(tǒng)稱，包括回歸分析方法、投入產(chǎn)出分析方法、時間序列分析方法等。狹義計量經(jīng)濟(jì)學(xué)：以揭示經(jīng)濟(jì)現(xiàn)象

2、中的因果關(guān)系為目的，在數(shù)學(xué)上主要應(yīng)用回歸分析方法。計量經(jīng)濟(jì)學(xué): 是經(jīng)濟(jì)學(xué)的一個分支學(xué)科，是以揭示經(jīng)濟(jì)活動中的客觀存在的數(shù)量關(guān)系為內(nèi)容的分支學(xué)科。 計量經(jīng)濟(jì)學(xué)模型成功的三要素:理論、方法和數(shù)據(jù)。 滯后變量模型：把過去時期的，具有滯后作用的變量叫做滯后變量，含有滯后變量的模型稱為滯后變量模型。多重共線性：如果某兩個或多個解釋變量之間出現(xiàn)了相關(guān)性，則稱為存在多重共線性。多重共線性的后果：(1)完全共線性下參數(shù)估計量不存在(2)近似共線性下普通最小二乘法參數(shù)估計量的方差變大(3)參數(shù)估計量經(jīng)濟(jì)含義不合理(4)變量的顯著性檢驗(yàn)和模型的預(yù)測功能失去意義。 多重共線性的檢驗(yàn):(1)檢驗(yàn)多重共線性是

3、否存在(2)判明存在多重共線性的范圍。 克服多重共線性的方法:(1)排出引起共線性的變量(2)差分法(3)減小參數(shù)估計量的方差。完全共線性：對于多元線性回歸模型，其基本假設(shè)之一是解釋變量，是相互獨(dú)立的，如果存在，i=1，2，n，其中c不全為0，即某一個解釋變量可以用其他解釋變量的線性組合表示，則稱為完全共線性。異方差性：對于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)的方差不再是常數(shù)，而是互不相同，則認(rèn)為出現(xiàn)了異方差性。異方差性的后果：(1)參數(shù)估計量非有效(2)變量的顯著性檢驗(yàn)失去意義(3)模型的預(yù)測失效異方差性的檢驗(yàn)方法：(1)圖示檢驗(yàn)法(2)帕克檢驗(yàn)和戈里瑟檢驗(yàn)(3)G-Q檢驗(yàn)(4)懷特檢驗(yàn)。 異方差性的修

4、正:最常用的方法是加權(quán)最小二乘法，即對原模型加權(quán)，使之變成一個新的不存在異方差的模型，然后采用OLS法估計其參數(shù)。 序列相關(guān)性：多元線形回歸模型的基本假設(shè)之一是模型的隨機(jī)干擾項(xiàng)相互獨(dú)立或不相關(guān)。如果模型的隨機(jī)干擾項(xiàng)違背了相互獨(dú)立的基本假設(shè)，稱為存在序列相關(guān)性。 序列相關(guān)性的后果：(1)參數(shù)估計量非有效(2)變量的顯著性檢驗(yàn)失去意義(3)模型的預(yù)測失敗。 序列相關(guān)性的檢驗(yàn)方法：(1)圖示法(2)回歸檢驗(yàn)法(3)杜賓瓦森檢驗(yàn)法 (4)拉格朗日乘法檢驗(yàn)。 序列相關(guān)性的補(bǔ)救:(1)廣義最小二乘法(2)廣義差分法(3)隨機(jī)干擾項(xiàng)相關(guān)系數(shù)的估計(4)廣義差分法在計量經(jīng)濟(jì)學(xué)軟件中的實(shí)現(xiàn)。最小二乘估

5、計量的性質(zhì)：(1)線形性(2)無偏性(3)有效性(4)漸近無偏性(5)一致性(6)漸進(jìn)有效性。最小樣本容量：即從最小二乘原理和最大似然原理出發(fā)，欲得到參數(shù)估計量，不管其質(zhì)量如何，所要求的樣本容量的下限。隨機(jī)干擾項(xiàng)：即隨機(jī)誤差項(xiàng)，是一個隨機(jī)變量，是針對總體回歸函數(shù)而言的。無偏性：是指參數(shù)估計量的均值（期望）等于模型的參數(shù)值。需求函數(shù)的零階齊次性：消費(fèi)者收入、商品價格和相關(guān)商品價格均增長倍時，商品的需求量不變。要素的替代彈性：定義為兩種要素的比例的變化率與邊際替代率的變化率之比,記為，一般。虛擬變量：根據(jù)定性因素的屬性類別，構(gòu)造的只有“0”或“1”的人工變量，通常稱為虛擬變量。虛擬變量陷阱：我們一

6、般稱由于引入的虛擬變量個數(shù)與定性因素個數(shù)相同時出現(xiàn)的模型無法估計的問題，稱為“虛擬變量陷阱“。工具變量:是在模型估計過程中被作為工具使用，以替代模型中與隨機(jī)誤差項(xiàng)相關(guān)的隨機(jī)解釋變量的變量。先決變量：外生變量和內(nèi)生變量的滯后變量。內(nèi)生變量：是具有某種概率分布的隨機(jī)變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估計的元素，內(nèi)生變量一般都是經(jīng)濟(jì)變量。 外生變量:一般是確定性變量，或是具有臨界概率分布的隨機(jī)變量，其參數(shù)不是模型系統(tǒng)研究的元素。外生變量影響系統(tǒng)，但本身不受系統(tǒng)的影響。外生便量一般是經(jīng)濟(jì)變量、條件變量、政策變量、虛變量。 虛假序列相關(guān)：是指由于忽略了重要解釋變量而導(dǎo)致模型出現(xiàn)的序列相關(guān)性。一階序列相關(guān)：如果

7、模型的隨機(jī)誤差項(xiàng)存在，則稱為一階序列相關(guān)。平穩(wěn)序列：是指聯(lián)合概率分布函數(shù)不隨時間改變的隨機(jī)序列殘差項(xiàng)：殘差項(xiàng)是指對每個樣本點(diǎn)，樣本觀測值與模型估計值之間的差值。過度識別：是指模型方程中有一個或幾個參數(shù)有若干個估計值。恰好識別：是指對聯(lián)立方程模型，我們能夠唯一地估計出模型的參數(shù)。差分平穩(wěn)過程：一個具有隨機(jī)性趨勢的序列，通過差分可以消除，使之變?yōu)槠椒€(wěn)的時間序列，則稱原序列為差分平穩(wěn)過程。相對資本密集度：假設(shè)在生產(chǎn)活動中除了技術(shù)以外，只有資本與勞動兩種勞動要素，定義兩要素的產(chǎn)出彈性之比為相對資本密集度，用w表示。即。模型的檢驗(yàn)主要包括：經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計檢驗(yàn)、計量經(jīng)濟(jì)學(xué)檢驗(yàn)、模型的預(yù)測檢驗(yàn)。行為方程

8、：描述經(jīng)濟(jì)系統(tǒng)中變量之間行為關(guān)系的結(jié)構(gòu)式方程。結(jié)構(gòu)分析：指對經(jīng)濟(jì)現(xiàn)象中變量之間關(guān)系的研究。條件期望：即條件均值，指X取特定值Xi時Y的期望值?；貧w系數(shù)：回歸模型中o，1等未知但卻是固定的參數(shù)。 虛假回歸：如果兩列時間序列數(shù)據(jù)表現(xiàn)出一致的變化趨勢（非平穩(wěn)），即它們之間沒有任何經(jīng)濟(jì)關(guān)系，但進(jìn)行回歸也會表現(xiàn)出較高的可決系數(shù)。簡化式模型：用所有先決變量作為每一個內(nèi)生變量的解釋變量，形成的模型稱為簡化式模型。中性技術(shù)進(jìn)步：技術(shù)進(jìn)步前后，相對資本密集度不變，即勞動的產(chǎn)出彈性與資本的產(chǎn)出彈性同步增長。截面數(shù)據(jù)：同一時間（時期或時點(diǎn)）某個指標(biāo)在不同空間的觀測數(shù)據(jù)。時間序列數(shù)據(jù)：把反映某一總體特征的同一指標(biāo)的數(shù)

9、據(jù)，按照一定的時間順序和時間間隔排列起來，這樣的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)面板數(shù)據(jù)：指時間序列數(shù)據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)。協(xié)整:是指多個非平穩(wěn)變量的某種線性組合是平穩(wěn)的。K階單整：如果一個時間序列經(jīng)過K次差分后變?yōu)槠椒€(wěn)序列，則稱原序列是K階單整的。簡答題：1.選擇工具變量的原則是什么:（1）工具變量必須與所替代的隨機(jī)解釋變量高度相關(guān)；（2）工具變量與隨機(jī)誤差項(xiàng)不相關(guān)（3）工具變量與其它解釋變量不相關(guān)，避免出現(xiàn)多重共線性。2.虛擬變量的作用是什么？設(shè)置的原則又是什么？為表針某些定性因素對被解釋變量的影響。設(shè)置原則是：如果有定性因素共有個結(jié)果需要區(qū)別，那么至多引入個虛擬變量。3.序列相關(guān)性產(chǎn)生的原因

10、:（1）慣性；（2）模型設(shè)定誤差；（3）蛛網(wǎng)現(xiàn)象；（4）數(shù)據(jù)加工。4、隨機(jī)解釋變量問題及其解決方法。如果存在一個或多個隨機(jī)變量作為解釋變量，則稱原模型出現(xiàn)隨機(jī)解釋變量問題。第一、隨機(jī)解釋變量與誤差項(xiàng)相互獨(dú)立；第二、隨機(jī)解釋變量與誤差項(xiàng)同期無關(guān)，而異期相關(guān)；第三、隨機(jī)解釋變量與誤差項(xiàng)同期相關(guān)；第四、解決方法為工具變量法。5.隨機(jī)解釋變量產(chǎn)生的后果1.若相互獨(dú)立，則參數(shù)估計量仍然無偏一致。2 若同期相關(guān)，異期不相關(guān)，得到的參數(shù)估計有偏，但卻是一致的3 若同期相關(guān)，則估計量有偏且非一致。6. 簡述最小二乘估計量的性質(zhì)：（1）線性性，即它是否是另一隨機(jī)變量的線性函數(shù)；（2）無偏性，即它的均值或期望值是

11、否等于總體的真實(shí)值；（3）有效性，即它是否在所有線性無偏估計量中具有最小方差。（4）漸近無偏性，即樣本容量趨于無窮大時，是否它的均值序列趨于總體真值；（5）一致性，即樣本容量趨于無窮大時，它是否依概率收斂于總體的真值；（6）漸近有效性，即樣本容量趨于無窮大時，是否它在所有的一致估計量中具有最小的漸近方差。 7.為什么計量經(jīng)濟(jì)學(xué)模型的理論方程中必須包含隨機(jī)干擾項(xiàng)？由于是隨機(jī)變量，意味著影響被解釋變量的因素是復(fù)雜的，除了解釋變量的影響外，還有其他無法在模型中獨(dú)立列出的各種因素的影響。這樣，理論模型中就必須使用一個稱為隨機(jī)干擾項(xiàng)的變量來代表所有這些無法在模型中獨(dú)立表示出來的影響因素，以保證模型在理論

12、上的科學(xué)性。8.、實(shí)際經(jīng)濟(jì)問題中的多重共線性：（1）經(jīng)濟(jì)變量的趨同性（2）滯后變量的引入 （3）樣本資料的限制9、虛擬變量的作用：（1）表現(xiàn)定性因素對被解釋變量的影響（2）提高模型的說明能力與水平（3）季節(jié)變動分析。（4）方程差異性檢驗(yàn)。10.引入隨機(jī)誤差形式為了：（1）代表未知的影響因素（2）代表殘缺數(shù)據(jù)（3）代表眾多細(xì)小的影響因素（4）代表數(shù)據(jù)觀測誤差（5）代表模型設(shè)定誤差（6）變量的隨機(jī)存在性11.DW檢驗(yàn)的局限性主要有：（1）只能檢驗(yàn)一階序列相關(guān)（2）不能檢驗(yàn)滯后應(yīng)變量做解釋變量的模型（3）有兩個無法確定的區(qū)域（4）模型必須包含截距項(xiàng)（5）樣本容量不得低于15個（6）解釋變量必須是非隨

13、機(jī)的。12.回歸分析的主要內(nèi)容有：（1）根據(jù)樣本觀測值對經(jīng)濟(jì)計量模型參數(shù)進(jìn)行估計，求得回歸方程（2）對回歸方程、參數(shù)估計值進(jìn)行顯著性檢驗(yàn)（3）利用回歸方程進(jìn)行分析、評價及預(yù)測。13.敘述原理： 最小二乘法：當(dāng)從模型總體隨機(jī)抽取n組樣本觀測值后，最合理的參數(shù)估計量應(yīng)該使得模型能最好的的擬合樣本數(shù)據(jù)： 最大似然法：當(dāng)從模型的總體隨機(jī)抽取n組樣本觀測值后，最合理的參數(shù)估計量應(yīng)該使得從模型中抽取該n組樣本觀測值的概率最大。14.建立與應(yīng)用計量經(jīng)濟(jì)學(xué)模型的主要步驟有哪些？答：建立與應(yīng)用計量經(jīng)濟(jì)學(xué)模型的主要步驟包括：設(shè)定理論模型，包括選擇模型所包含的變量，確定變量之間的數(shù)學(xué)關(guān)系和擬定模型中待估參數(shù)的數(shù)值范

14、圍；收集樣本數(shù)據(jù)，要考慮樣本數(shù)據(jù)的完整性、準(zhǔn)確性、可比性和一致性；估計模型參數(shù)；檢驗(yàn)?zāi)Ｐ停ń?jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計檢驗(yàn)、計量經(jīng)濟(jì)學(xué)檢驗(yàn)和模型預(yù)測檢驗(yàn)。15.建立計量經(jīng)濟(jì)學(xué)模型的基本思想是什么？計量經(jīng)濟(jì)學(xué)方法，就是定量分析經(jīng)濟(jì)現(xiàn)象中各因素之間的因果關(guān)系。因此，首先根據(jù)經(jīng)濟(jì)理論分析所研究的經(jīng)濟(jì)現(xiàn)象，找出經(jīng)濟(jì)現(xiàn)象間因果關(guān)系及相互間的聯(lián)系。把問題作為被解釋變量，影響問題的主要因素作為解釋變量，非主要因素歸入隨機(jī)項(xiàng)。其次，按照它們之間的行為關(guān)系，選擇適當(dāng)?shù)臄?shù)學(xué)形式描述這些變量之間的關(guān)系，一般用一組數(shù)學(xué)上彼此獨(dú)立、互不矛盾、完整有解的方程組表示。16.生產(chǎn)函數(shù)在技術(shù)進(jìn)步測定中的應(yīng)用:第一、測定技術(shù)進(jìn)步的年速

15、度；第二、測定中技術(shù)進(jìn)步對增長的貢獻(xiàn)率。第三、比較不同行業(yè)、企業(yè)的技術(shù)進(jìn)行水平比較。17、生產(chǎn)函數(shù)有哪些？ 意義:它反映了生產(chǎn)過程中投入要素與產(chǎn)出量之間的技術(shù)關(guān)系。類型：線性生產(chǎn)函數(shù)模型、投入產(chǎn)出生產(chǎn)函數(shù)模型、CD生產(chǎn)函數(shù)模型、不變替代彈性（CES）生產(chǎn)函數(shù)模型、變替代彈性（VES）生產(chǎn)函數(shù)模型、多要素生產(chǎn)函數(shù)模型、超越對數(shù)生產(chǎn)函數(shù)模型等。18.線性回歸模型基本假設(shè)的內(nèi)容。（1）解釋變量，是確定性變量，不是隨機(jī)變量；而且解釋變量之間互不相關(guān)。隨機(jī)誤差項(xiàng)具有0均值和同方差。即E=0，Var=，i=1,2,n。（2）隨機(jī)誤差項(xiàng)在不同的樣本點(diǎn)間是獨(dú)立的，不存在序列相關(guān)。即Cov(，)=0 ij i，

16、j=1,2,n;（3）隨機(jī)誤差項(xiàng)與解釋變量之間不相關(guān)。即Cov(，)=0 i=1,2,n j=1,2,k;（4）隨機(jī)誤差項(xiàng)服從0均值和同方差的正態(tài)分布。即N(0，)，i=1,2,n。19. 滿足基本假定（基本假設(shè)違背）的情況有哪些？（1）隨機(jī)誤差項(xiàng)序列存在異方差性；（2）隨機(jī)誤差項(xiàng)序列存在序列相關(guān)性；（3）解釋變量之間存在多重共線性；（4）解釋變量是隨機(jī)變量且與隨機(jī)誤差項(xiàng)相關(guān)的隨機(jī)解釋變量問題；（5）模型設(shè)定有偏誤；（6）解釋變量的方差不隨樣本容量的增而收斂。20.使用加權(quán)最小二乘法必須先進(jìn)行異方差性檢驗(yàn)嗎？答：在實(shí)際操作中人們通常采用如下的經(jīng)驗(yàn)方法：不對原模型進(jìn)行異方差性檢驗(yàn)，而是直接選擇加

17、權(quán)最小二乘法，尤其是采用截面數(shù)據(jù)作樣本時。如果確實(shí)存在異方差性，則被有效地消除了；如果不存在異方差性，則加權(quán)最小二乘法等價于普通最小二乘法。21.滯后變量模型有哪幾種類型？分布滯后模型使用OLS方法存在哪些問題？滯后變量模型有分布滯后模型和自回歸模型兩大類，前者只有解釋變量及其滯后變量作為模型的解釋變量，不包含被解釋變量的滯后變量作為模型的解釋變量；而后者則以當(dāng)期解釋變量與被解釋變量的若干期滯后變量作為模型的解釋變量。問題：（1）對于無限期的分布滯后模型，由于樣本觀測值的有限性，使得無法直接對其進(jìn)行估計。（2）對于有限期的分布滯后模型，使用OLS方法會遇到：沒有先驗(yàn)準(zhǔn)則確定滯后期長度，對最大滯后期的確定往往帶有主觀隨意性；如果滯后期較長，由于樣本容量有限，當(dāng)滯后變量數(shù)目增加時，必然使得自由度減少，將缺乏足夠的自由度進(jìn)行估計和檢驗(yàn)；同名變量滯后期之間可能存在高度線性相關(guān)，即模型可能存