計量經(jīng)濟(jì)學(xué)名詞解釋和簡答-資料下載頁
2025-05-14 02:57本頁面
【正文】 60。u2,un間無自相關(guān)４－dU≤DW＜４－dL不能判定是否有自相關(guān)４－dL≤DW≤４誤差項u1,u2,un間存在負(fù)相關(guān)答：DW檢驗的決策區(qū)間其中，n為樣本容量，di為對應(yīng)于Xi和ei的等級的差數(shù)。通過t檢驗判斷是否存在異方差在多元的情況下，需對每一個解釋變量做等級相關(guān)系數(shù)檢驗。只有當(dāng)每個解釋變量檢驗都不存在異方差時模型中才不存在異方差。否則，模型中存在異方差。答：在進(jìn)行回歸分析時，我們總假定其隨機(jī)誤差項是不相關(guān)的，即Cov(ui,uj)=0,i185。j，上式表示不同時點(diǎn)的誤差項之間不相關(guān)。如果一個回歸模型不滿足上式，即Cov(ui,uj)185。0，則我們稱隨機(jī)誤差項之間存在著序列相關(guān)現(xiàn)象，也稱為自相關(guān)。具體相關(guān)例子見教材。？答：⑴遺漏了重要的解釋變量。⑵經(jīng)濟(jì)變量的滯后性。⑶回歸函數(shù)形式的設(shè)定錯誤也可能引起序列相關(guān)。⑷實(shí)際問題研究中出現(xiàn)的蛛網(wǎng)現(xiàn)象(CobwebPhenomenon)。⑸對原始數(shù)據(jù)加工整理。？答：⑴參數(shù)的估計量不再具有最小方差線性無偏性。⑵均方誤差MSE可能嚴(yán)重低估誤差項的方差。⑶常用的Ｆ檢驗和t檢驗失效。?⑷當(dāng)存在序列相關(guān)時，b仍然是b的無偏估計量。但是回歸參數(shù)的置信區(qū)間和利用回歸模型進(jìn)行預(yù)測的結(jié)果會存在較大的誤差。DW檢驗的步驟及局限性。答：DW檢驗的步驟見教材。DW檢驗缺點(diǎn)和局限性：⑴DW檢驗有兩個不能確定的區(qū)域。⑵DW統(tǒng)計量的上、下界表要求n≥15；⑶檢驗不適應(yīng)隨機(jī)誤差項具有高階序列相關(guān)的檢驗；⑷只適用于有常數(shù)項的回歸模型并且解釋變量中不能含滯后的被解釋變量。DW檢驗的判斷區(qū)間。答：判定系數(shù)R2的一個重要性質(zhì)是：在回歸模型中增加一個解釋變量后，它不會減少，而且通常會增大。即R2是回歸模型中解釋變量個數(shù)的非減函數(shù)。所以，使用R2來判斷具有相同被解釋變量Y和不同個數(shù)解釋變量X的回歸模型的優(yōu)劣時就很不適當(dāng)。此時，R2不能用于比較兩個回歸方程的擬合優(yōu)度。為了消除解釋變量個數(shù)對判定系數(shù)R2的影響，需使用調(diào)整后的判定系數(shù)：R=1229。e/(nk)，所謂調(diào)整，就是指R的計算式中的229。(YY)/(n1)2i2i22229。e2i和229。(YiY)2都用它們的自由度（n－k）和（n－1）去除。，影響偏回歸系數(shù)βj的最小二乘估計量?bj方差的因系答：b?j的方差取決于如下三個因素：s ,SSTj和Rj（１）Var (b?j)與s 成正比；s 越大，b?j的方差Var (b?j)越大。回歸模型的干擾項（３）Var (b?j)與解釋變量之間的線性關(guān)聯(lián)程度Rj正相關(guān)；Rj越大，b?j的方差有哪些？2 22 2u是對回歸結(jié)果的干擾，干擾(s2)越大，使得估計任何一個解釋變量對Y的局部影響就越困難。? ?（２）Var(bj)與Xj的總樣本變異SSTj成反比；總樣本變異SSTj越大，bj的方差?Var(bj)越小。2 2?Var(bj)越大。答：（1）設(shè)定假設(shè)原假設(shè)H0:b2=b3=L=bk=0備擇假設(shè)H1:bj不全為0，j＝2,3,…,k（2）計算F統(tǒng)計量 F=ESS/(k1)RSS/(nk)（3）在給定顯著性水a(chǎn)的條件下，查F分布表得臨界值Fa(k1,nk)（4）判斷如果FFa(k1,nk)，則拒絕H0，接受備擇假設(shè)H1。如果F163。Fa(k1,nk)，則不拒絕H046．對于多元線性回歸模型，為什么在進(jìn)行了總體顯著性F檢驗之后，還要對每個偏回歸系數(shù)進(jìn)行是否為0的t檢驗。答：多元回歸模型的總體顯著性就是對原假設(shè)H0:b2=b3=L=bk=0進(jìn)行檢驗。檢驗的目的就是判斷被解釋變量Y是否與X2,X3,…,Xk在整體上有線性關(guān)系。若原假設(shè)H0:b2=b3=L=bk=0被拒絕，即通過了F檢驗，則表明Y與X2,X3,…,Xk在整體上有線性關(guān)系。但這并不表明每一個X都對Y有顯著的線性影響，還需要通過t檢驗判斷每一個回歸系數(shù)的顯著性。？答：對數(shù)線性模型的優(yōu)點(diǎn)為（1）對數(shù)線性模型中斜率系數(shù)度量了一個變量（Y）對另一個變量（X）的彈性。（2）斜率系數(shù)與變量X，Y的測量單位無關(guān)，其結(jié)果值與X，Y的測量單位無關(guān)。（3）當(dāng)Y0時，使用對數(shù)形式LnY比使用水平值Y作為被解釋變量的模型更接近經(jīng)典線性模型。大于零的變量，其條件分布常常是有異方差性或偏態(tài)性；取對數(shù)后，雖然不能消除這兩方面的問題，但可大大弱化這兩方面的問題。（4）取對數(shù)后會縮小變量的取值范圍。使得估計值對被解釋變量或解釋變量的異常值不會很敏感。？簡要說明其后果。答：多元回歸模型的設(shè)定偏誤主要包括以下三種：（1）回歸模型中包含了無關(guān)解釋變量；（2）回歸模型中遺漏了重要解釋變量；（3）回歸模型中的函數(shù)形式設(shè)定偏誤。后果為：（1）回歸模型中包含了無關(guān)解釋變量：回歸系數(shù)的最小二乘估計量的方差非最小。（2）回歸模型中遺漏了重要解釋變量：如果遺漏的變量與包含的變量相關(guān)，則回歸系數(shù)的最小二乘估計量是有偏誤的，且非一致。（3）回歸模型中的函數(shù)形式設(shè)定偏誤：不能得到有效估計和正確的經(jīng)濟(jì)解釋。，估計參數(shù)產(chǎn)生的后果有哪些？答：（1）多重共線性不改變參數(shù)估計量的無偏性；（2）多重共線性使參數(shù)的OLS估計量的方差很大，即估計值的精度很低；（3）嚴(yán)重多重共線時，參數(shù)的假設(shè)檢驗容易做出錯誤的判斷。答：相關(guān)分析主要測度兩個變量之間的線性關(guān)聯(lián)度，相關(guān)系數(shù)就是用來測度兩個變量之間的線性關(guān)聯(lián)程度的。而在回歸分析中，我們的主要目的在于根據(jù)其它變量的給定值來估計或預(yù)測某一變量的平均值。例如，我們想知道能否從一個學(xué)生的數(shù)學(xué)成績?nèi)ヮA(yù)測他的統(tǒng)計學(xué)平均成績。在回歸分析中，被解釋變量Y被當(dāng)作是隨機(jī)變量，而解釋變量X則被看作非隨機(jī)變量。而在相關(guān)分析中，我們把兩個變量都看作是隨機(jī)變量。u的意義。隨機(jī)誤差項u是代表所有對Y有影響但未能包括在回歸模型中的那些變量的替代變量。因為受理論和實(shí)踐條件的限制而必須省略一些變量，其理由如下：（1）理論的欠缺。雖然有決定Y的行為的理論，但常常是不能完全確定的，理論常常有一定的含糊性。（2）數(shù)據(jù)的欠缺。即使能確定某些變量對Y有顯著影響，但由于不能得到這些變量的數(shù)據(jù)信息而不能引入該變量。（3）核心變量與非核心變量。例如，在引例的居民消費(fèi)模型中，除了收入X1外，家庭的人口數(shù)X戶主宗教信仰X戶主受教育水平X4也影響家庭消費(fèi)支出。但很可能XXX4合起來的影響也是很微弱的，是一種非系統(tǒng)的或隨機(jī)的影響。從效果與成本角度來看，引入它們是不合算的。所以，人們把它們的聯(lián)合效用當(dāng)作一個隨機(jī)變量來看待。（4）人類行為的內(nèi)在隨機(jī)性。即使我們成功地把所有有關(guān)的變量都引進(jìn)到模型中來，在個別的Y中仍不免有一些“內(nèi)在”的隨機(jī)性，無論我們花了多少力氣都解釋不了的。隨機(jī)誤差項ui能很好地反映這種隨機(jī)性。（5）節(jié)省原則，我們想保持一個盡可能簡單的回歸模型。如果我們能用兩個或三個變量就基本上解釋了Y的行為，就沒有必要引進(jìn)更多的變量。讓ui代表所有其它變量是一種很好的選擇。答：對于總體線性回歸模型，其經(jīng)典假定如下。假定1：誤差項ui的均值為零。假定2：同方差性或ui的方差相等。對所有給定的Xi，ui的方差都是相同的。假定3：各個誤差項之間無自相關(guān)，ui和uj（i≠j）之間的相關(guān)為零。假定4：ui和Xi的協(xié)方差為零或E（uiXi）=0該假定表示誤差項u和解釋變量X是不相關(guān)的。假定5：正確地設(shè)定了回歸模型，即在經(jīng)驗分析中所用的模型沒有設(shè)定偏誤。假定6：對于多元線性回歸模型，沒有完全的多重共線性。就是說解釋變量之間沒有完全的線性關(guān)系。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1