1、1、經(jīng)濟(jì)變量：用來描述經(jīng)濟(jì)因素?cái)?shù)量水平的指標(biāo)。2、解釋變量：用來解釋作為研究對(duì)象的變量（即因變量）為什么變動(dòng)、如何變動(dòng)的變量。它對(duì)因變量的變額為發(fā)熱所引5動(dòng)做出解釋。3、被解釋變量：是作為研究對(duì)象的變量。它的變動(dòng)是由解釋變量做出解釋的4、控制變量：在計(jì)量經(jīng)濟(jì)模型中人為設(shè)置的反映政策要求、決策者意愿、經(jīng)濟(jì)系統(tǒng)運(yùn)行條件和狀態(tài)等方面的變量。5、計(jì)量經(jīng)濟(jì)模型：為了研究分析某個(gè)系統(tǒng)中經(jīng)濟(jì)變量之間的數(shù)量關(guān)系而采用的隨機(jī)代數(shù)模型。6、相關(guān)關(guān)系：如果一個(gè)變量y的取值受另一個(gè)變量或另一組變量的影響，但并不由它們惟一確定，則y與這個(gè)變量或這組變量之間的關(guān)系就是相關(guān)關(guān)系。7、最小二乘法：用使估計(jì)的剩余平方和最小的原

2、則確定樣本回歸函數(shù)的方法。8、擬合優(yōu)度：樣本回歸直線與樣本觀測(cè)數(shù)據(jù)之間的擬合程度。9、殘差：樣本回歸方程的擬合值與觀測(cè)值的誤差。10、顯著性檢驗(yàn)：利用樣本結(jié)果，來證實(shí)一個(gè)虛擬假設(shè)的真?zhèn)蔚囊环N檢驗(yàn)程序。11、偏相關(guān)系數(shù)：在Y、X1、X2三個(gè)變量中，當(dāng)X1 既定時(shí)，表示Y與X2之間相關(guān)關(guān)系的指標(biāo)。12、異方差性：在線性回歸模型中，如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對(duì)不同的解釋變量觀測(cè)值彼此不同，則稱隨機(jī)項(xiàng)U1具有異方差性。13、序列相關(guān)性：對(duì)于模型 隨機(jī)誤差項(xiàng)互相獨(dú)立的基本假設(shè)表現(xiàn)為 （1分）如果出現(xiàn) 即對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是完全互相獨(dú)立，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了序列相關(guān)性。

3、14、自回歸模型：15、廣義最小二乘法：是最有普遍意義的最小二乘法，普通最小二乘法和加權(quán)最小二乘法是它的特例。16、相關(guān)系數(shù)：度量變量之間相關(guān)程度的一個(gè)系數(shù)，一般用表示。17、多重共線性：解釋變量之間存在完全或不完全的線性關(guān)系。18、虛擬變量：把質(zhì)的因素量化而構(gòu)造的取值為0和1的人工變量。19、差分法：差分法是一類克服序列相關(guān)性的有效方法，被廣泛的采用。差分法是將原模型變換為差分模型，分為一階差分法和廣義差分法。20、廣義差分法：廣義差分法可以克服所有類型的序列相關(guān)帶來的問題，一階差分法是它的一個(gè)特例。簡(jiǎn)答1、簡(jiǎn)述建立與應(yīng)用計(jì)量經(jīng)濟(jì)模型的主要步驟。根據(jù)經(jīng)濟(jì)理論建立計(jì)量經(jīng)濟(jì)模型；樣本數(shù)據(jù)的收集；

4、估計(jì)參數(shù)；模型的檢驗(yàn)；計(jì)量經(jīng)濟(jì)模型的應(yīng)用。2、對(duì)計(jì)量經(jīng)濟(jì)模型的檢驗(yàn)應(yīng)從幾個(gè)方面入手？經(jīng)濟(jì)意義檢驗(yàn)；統(tǒng)計(jì)準(zhǔn)則檢驗(yàn)；計(jì)量經(jīng)濟(jì)學(xué)準(zhǔn)則檢驗(yàn)；模型預(yù)測(cè)檢驗(yàn)。3、計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用的數(shù)據(jù)是怎樣進(jìn)行分類的？四種分類：時(shí)間序列數(shù)據(jù)；橫截面數(shù)據(jù)；混合數(shù)據(jù)；虛擬變量數(shù)據(jù)。4、在計(jì)量經(jīng)濟(jì)模型中，為什么會(huì)存在隨機(jī)誤差項(xiàng)？隨機(jī)誤差項(xiàng)是計(jì)量經(jīng)濟(jì)模型中不可缺少的一部分。產(chǎn)生隨機(jī)誤差項(xiàng)的原因有以下幾個(gè)方面：模型中被忽略掉的影響因素造成的誤差；模型關(guān)系認(rèn)定不準(zhǔn)確造成的誤差；變量的測(cè)量誤差；隨機(jī)因素。5、總體回歸模型與樣本回歸模型的區(qū)別與聯(lián)系。主要區(qū)別：描述的對(duì)象不同?；貧w模型描述總體中變量y與x的相互關(guān)系，而樣本回歸模型描述所觀測(cè)

5、的樣本中變量y與x的相互關(guān)系。建立模型的不同。總體回歸模型是依據(jù)總體全部觀測(cè)資料建立的，樣本回歸模型是依據(jù)樣本觀測(cè)資料建立的。模型性質(zhì)不同。總體回歸模型不是隨機(jī)模型，樣本回歸模型是隨機(jī)模型，它隨著樣本的改變而改變。主要聯(lián)系：樣本回歸模型是總體回歸模型的一個(gè)估計(jì)式，之所以建立樣本回歸模型，目的是用來估計(jì)總體回歸模型。6、試述回歸分析與相關(guān)分析的聯(lián)系和區(qū)別。兩者的聯(lián)系：相關(guān)分析是回歸分析的前提和基礎(chǔ)；回歸分析是相關(guān)分析的深入和繼續(xù)。相關(guān)分析與回歸分析的有關(guān)指標(biāo)之間存在計(jì)算上的內(nèi)在聯(lián)系。兩者的區(qū)別：回歸分析強(qiáng)調(diào)因果關(guān)系，相關(guān)分析不關(guān)心因果關(guān)系，所研究的兩個(gè)變量是對(duì)等的。對(duì)兩個(gè)變量x與y而言，相關(guān)分析

6、中：；在回歸分析中，和卻是兩個(gè)完全不同的回歸方程?；貧w分析對(duì)資料的要求是被解釋變量y是隨機(jī)變量，解釋變量x是非隨機(jī)變量；相關(guān)分析對(duì)資料的要求是兩個(gè)變量都隨機(jī)變量。8、簡(jiǎn)述BLUE的含義。BLUE即最佳線性無偏估計(jì)量，是best linear unbiased estimators的縮寫。（2分）在古典假定條件下，最小二乘估計(jì)量具備線性、無偏性和有效性，是最佳線性無偏估計(jì)量，即BLUE，這一結(jié)論就是著名的高斯馬爾可夫定理。（3分）9、對(duì)于多元線性回歸模型，為什么在進(jìn)行了總體顯著性F檢驗(yàn)之后，還要對(duì)每個(gè)回歸系數(shù)進(jìn)行是否為0的t檢驗(yàn)？多元線性回歸模型的總體顯著性F檢驗(yàn)是檢驗(yàn)?zāi)Ｐ椭腥拷忉屪兞繉?duì)被解釋

7、變量的共同影響是否顯著。（1分）通過了此F檢驗(yàn)，就可以說模型中的全部解釋變量對(duì)被解釋變量的共同影響是顯著的，但卻不能就此判定模型中的每一個(gè)解釋變量對(duì)被解釋變量的影響都是顯著的。（3分）因此還需要就每個(gè)解釋變量對(duì)被解釋變量的影響是否顯著進(jìn)行檢驗(yàn)，即進(jìn)行t檢驗(yàn)。（1分）13、什么是異方差性？試舉例說明經(jīng)濟(jì)現(xiàn)象中的異方差性。異方差性是指模型違反了古典假定中的同方差假定，它是計(jì)量經(jīng)濟(jì)分析中的一個(gè)專門問題。在線性回歸模型中，如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對(duì)不同的解釋變量觀測(cè)值彼此不同，則稱隨機(jī)項(xiàng)具有異方差性，即 （t=1，2，n）。（3分）14、產(chǎn)生異方差性的原因及異方差性對(duì)模型的OLS估計(jì)有何影響。

8、產(chǎn)生原因：（1）模型中遺漏了某些解釋變量；（2）模型函數(shù)形式的設(shè)定誤差；（3）樣本數(shù)據(jù)的測(cè)量誤差；（4）隨機(jī)因素的影響。（2分）產(chǎn)生的影響：如果線性回歸模型的隨機(jī)誤差項(xiàng)存在異方差性，會(huì)對(duì)模型參數(shù)估計(jì)、模型檢驗(yàn)及模型應(yīng)用帶來重大影響，主要有：（1）不影響模型參數(shù)最小二乘估計(jì)值的無偏性；（2）參數(shù)的最小二乘估計(jì)量不是一個(gè)有效的估計(jì)量；（3）對(duì)模型參數(shù)估計(jì)值的顯著性檢驗(yàn)失效；（4）模型估計(jì)式的代表性降低，預(yù)測(cè)精度精度降低。（3分）15、檢驗(yàn)異方差性的方法有哪些？驗(yàn)方法：（1）圖示檢驗(yàn)法；（1分）（2）戈德菲爾德匡特檢驗(yàn)；（1分）（3）懷特檢驗(yàn)；（1分）（4）戈里瑟檢驗(yàn)和帕克檢驗(yàn)（殘差回歸檢驗(yàn)法）；（

9、1分）（5）ARCH檢驗(yàn)（自回歸條件異方差檢驗(yàn)）（1分）16、異方差性的解決方法有哪些？解決方法：（1）模型變換法；（2分）（2）加權(quán)最小二乘法；（2分）（3）模型的對(duì)數(shù)變換等（1分）18、簡(jiǎn)述DW檢驗(yàn)的局限性。從判斷準(zhǔn)則中看到，DW檢驗(yàn)存在兩個(gè)主要的局限性：首先，存在一個(gè)不能確定的值區(qū)域，這是這種檢驗(yàn)方法的一大缺陷。（2分）其次：檢驗(yàn)只能檢驗(yàn)一階自相關(guān)。（2分）但在實(shí)際計(jì)量經(jīng)濟(jì)學(xué)問題中，一階自相關(guān)是出現(xiàn)最多的一類序列相關(guān)，而且經(jīng)驗(yàn)表明，如果不存在一階自相關(guān)，一般也不存在高階序列相關(guān)。所以在實(shí)際應(yīng)用中，對(duì)于序列相關(guān)問題般只進(jìn)行檢驗(yàn)。（1分）13、序列相關(guān)性：對(duì)于模型 隨機(jī)誤差項(xiàng)互相獨(dú)立的基本假

10、設(shè)表現(xiàn)為 （1分）如果出現(xiàn) 即對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是完全互相獨(dú)立，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了序列相關(guān)性。19、序列相關(guān)性的后果。（1）模型參數(shù)估計(jì)值不具有最優(yōu)性；（1分）（2）隨機(jī)誤差項(xiàng)的方差一般會(huì)低估；（1分）（3）模型的統(tǒng)計(jì)檢驗(yàn)失效；（1分）（4）區(qū)間估計(jì)和預(yù)測(cè)區(qū)間的精度降低。（1分）（全對(duì)即加1分）20、簡(jiǎn)述序列相關(guān)性的幾種檢驗(yàn)方法。（1）圖示法；（1分）（2）D-W檢驗(yàn)；（1分）（3）回歸檢驗(yàn)法；（1分）（4）另外，偏相關(guān)系數(shù)檢驗(yàn)，布羅斯戈弗雷檢驗(yàn)或拉格朗日乘數(shù)檢驗(yàn)都可以用來檢驗(yàn)高階序列相關(guān)。（2分）22、DW值與一階自相關(guān)系數(shù)的關(guān)系是什么？或者23、什么是多重共

11、線性？產(chǎn)生多重共線性的原因是什么？多重共線性是指解釋變量之間存在完全或近似的線性關(guān)系。產(chǎn)生多重共線性主要有下述原因：（1）樣本數(shù)據(jù)的采集是被動(dòng)的，只能在一個(gè)有限的范圍內(nèi)得到觀察值，無法進(jìn)行重復(fù)試驗(yàn)。（2分）（2）經(jīng)濟(jì)變量的共同趨勢(shì)（1分）（3）滯后變量的引入（1分）（4）模型的解釋變量選擇不當(dāng)（1分）24、從哪些癥狀中可以判斷可能存在多重共線性？（1）模型總體性檢驗(yàn)F值和R2值都很高，但各回歸系數(shù)估計(jì)量的方差很大，t值很低，系數(shù)不能通過顯著性檢驗(yàn)。（2分）（2）回歸系數(shù)值難以置信或符號(hào)錯(cuò)誤。（1分）（3）參數(shù)估計(jì)值對(duì)刪除或增加少量觀測(cè)值，以及刪除一個(gè)不顯著的解釋變量非常敏感。（2分）25、模型中引入虛擬變量的作用是什么？1）可以描述和測(cè)量定性因素的影響；（