1．经济变量：经济变量是用来描述经济因素数量水平的指标。（3分）
2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。（1分）
3．被解释变量：是作为研究对象的变量。（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。（2分）
4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。（1分）
5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。（1分）
6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。（1分）
7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。（2分）
8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。（1分）
9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。（1分）
10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。（3分）
11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。（3分）
12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。（3分）
13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。（3分）
14．总变差（总离差平方和）：在回归模型中，被解释变量的观测值与其均值的离差平方和。（3分）
15．回归变差（回归平方和）：在回归模型中，因变量的估计值与其均值的离差平方和，（2分）也就是由解释变量解释的变差。（1分）
16．剩余变差（残差平方和）：在回归模型中，因变量的观测值与估计值之差的平方和，（2分）是不能由解释变量所解释的部分变差。（1分）
17．估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。（3分）
18．样本决定系数：回归平方和在总变差中所占的比重。（3分）
19．点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。（3分）
20．拟合优度：样本回归直线与样本观测数据之间的拟合程度。（3分）
21．残差：样本回归方程的拟合值与观测值的误差称为回归残差。（3分）
22．显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。（3分）
23．回归变差：简称ESS,表示由回归直线（即解释变量）所解释的部分（2分），表示x对y的线性影响（1分）。
24．剩余变差：简称RSS，是未被回归直线解释的部分（2分），是由解释变量以外的因素造成的影响（1分）。
25．多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值（1分），
也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重，我们称之为多重
2决定系数，仍用R表示（2分）。
26．调整后的决定系数：又称修正后的决定系数，记为，是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的，（2分） 其公式为：22e/(n-k-1)（1分）。 =1-(y-)/(n-1)2
t
t
27．偏相关系数:在Y、X1、X2三个变量中，当X1 既定时（即不受X1的影响），表示Y与X2之间相关关系的指标，称为偏相关系数，记做RY2.1。（3分）
28.异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量
u观测值彼此不同，则称随机项i具有异方差性。（3分）
29.戈德菲尔特-匡特检验:该方法由戈德菲尔特（S.M.Goldfeld）和匡特（R.E.Quandt）于1965年提出，用对样本进行分段比较的方法来判断异方差性。（3分）
30.怀特检验:该检验由怀特（White）在1980年提出，通过建立辅助回归模型的方式来判断异方差性。（3分）
31.戈里瑟检验和帕克检验:该检验法由戈里瑟和帕克于1969年提出，其基本原理都是通过建立残差序列对解释变量的（辅助）回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系，进而判断是否存在异方差性。（3分）
32．序列相关性：对于模型
yi=β0+β1x1i+β2x2i+„+βkxki+μi i=1,2,„,n
随机误差项互相独立的基本假设表现为Cov(μi,μj)=0 i≠j,i,j=1,2,„,n（1分） 如果出现 Cov(μi,μj)≠0 i≠j,i,j=1,2,„,n
即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性(Serial Correlation)。（2分）
33．虚假序列相关：是指模型的序列相关性是由于省略了显著的解释变量而导致的。
34.差分法：差分法是一类克服序列相关性的有效方法，被广泛的采用。差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。
35.广义差分法：广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。
36.自回归模型：yt=ρyt-1+μt
37.广义最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。
38. DW检验：德宾和瓦特森与1951年提出的一种适于小样本的检验方法。DW检验法有五个前提条件。
39.科克伦-奥克特迭代法：是通过逐次跌代去寻求更为满意的ρ的估计值，然后再采用广义差分法。具体来说，该方法是利用残差μt去估计未知的ρ。（
40. Durbin两步法：当自相关系数ρ未知，可采用Durbin提出的两步法去消除自相关。第
一步对一多元回归模型，使用OLS法估计其参数，第二步再利用广义差分。
41．相关系数：度量变量之间相关程度的一个系数，一般用ρ表示。
ρ=Cov(μiμj)
(μi)Var(μj) ，0≤ρ≤1 ，越接近于1，相关程度越强，越接近于0，相关程度越弱。
42.多重共线性：是指解释变量之间存在完全或不完全的线性关系。
43.方差膨胀因子：是指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。
44．把质的因素量化而构造的取值为0和1的人工变量。
45．在设定模时如果模型中解释变量的构成．模型函数的形式以及有关随机误差项的若干假定等内容的设定与客观实际不一致，利用计量经济学模型来描述经济现象而产生的误差。
46．是指与模型中的随机解释变量高度相关，与随机误差项不相关的变量。
47．用工具变量替代模型中与随机误差项相关的随机解释变量的方法。
48．由于引进虚拟变量，回归模型的截距或斜率随样本观测值的改变而系统地改变。
*49. 这是虚拟变量的一个应用，当解释变量x低于某个已知的临界水平x时，我们取虚拟
*⎧⎪1 x≥x变量D=⎨设置而成的模型称之为分段线性回归模型。 *⎪⎩0 x
50． 分布滞后模型：如果滞后变量模型中没有滞后因变量，因变量受解释变量的影响分布在解释变量不同时期的滞后值上，则称这种模型为分布滞后模型。
51．有限分布滞后模型：滞后期长度有限的分布滞后模型称为有限分布滞后模型。
52．无限分布滞后模型：滞后期长度无限的分布滞后模型称为无限分布滞后模型。
53．几何分布滞后模型：对于无限分布滞后模型，如果其滞后变量的系数bi是按几何级数列衰减的，则称这种模型为几何分布滞后模型。
54．联立方程模型：是指由两个或更多相互联系的方程构建的模型。
55． 结构式模型：是根据经济理论建立的反映经济变量间直接关系结构的计量方程系统。
56． 简化式模型：是指联立方程中每个内生变量只是前定变量与随机误差项的函数。
57． 结构式参数：结构模型中的参数叫结构式参数
58． 简化式参数：简化式模型中的参数叫简化式参数。
59．识别：就是指是否能从简化式模型参数估计值中推导出结构式模型的参数估计值。
60．不可识别：是指无法从简化式模型参数估计值中推导出结构式模型的参数估计值。
61． 识别的阶条件：如果一个方程能被识别，那么这个方程不包含的变量的总数应大于或等于模型系统中方程个数减1。
62．识别的秩条件：一个方程可识别的充分必要条件是：所有不包含在这个方程中的参数矩阵的秩为m-1。
63．间接最小二乘法：先利用最小二乘法估计简化式方程，再通过参数关系体系，由简化式参数的估计值求解得结构式参数的估计值。
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。
答：计量经济学是经济理论、统计学和数学的综合。（1分）经济学着重经济现象的定性研究，计量经济学着重于定量方面的研究。（1分）统计学是关于如何收集、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。（1分）数理统计学作为一门数学学科，可以应用于经济领域，也可以应用于其他领域；计量经济学则仅限于经济领域。（1分）计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程，计量经济学是经济理论、统计学和数学三者的统一。
2、计量经济模型有哪些应用？
答：①结构分析。（1分）②经济预测。（1分）③政策评价。（1分）④检验和发展经济理论。（2分）
3、简述建立与应用计量经济模型的主要步骤。
答：①根据经济理论建立计量经济模型；（1分）②样本数据的收集；（1分）③估计参数；（1分）④模型的检验；（1分）⑤计量经济模型的应用。（1分）
4、对计量经济模型的检验应从几个方面入手？
答：①经济意义检验；（2分）②统计准则检验；（1分）③计量经济学准则检验；（1分）④模型预测检验。（1分）
5．计量经济学应用的数据是怎样进行分类的？
答：四种分类：①时间序列数据；（1分）②横截面数据；（1分）③混合数据；（1分）④虚拟变量数据。（2分）
6.在计量经济模型中，为什么会存在随机误差项？
答：随机误差项是计量经济模型中不可缺少的一部分。（1分）产生随机误差项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差；（1分）②模型关系认定不准确造成的误差；（1分）③变量的测量误差；（1分）④随机因素。（1分）
7.古典线性回归模型的基本假定是什么？
答：①零均值假定。（1分）即在给定xt的条件下，随机误差项的数学期望（均值）为0，即E(ut)=0。②同方差假定。（1分）误差项ut的方差与t无关，为一个常数。③无自相关假定。（1分）即不同的误差项相互独立。④解释变量与随机误差项不相关假定。（1分）⑤正态性假定，（1分）即假定误差项ut服从均值为0，方差为σ2的正态分布。
8．总体回归模型与样本回归模型的区别与联系。
答：主要区别：①描述的对象不同。（1分）总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。②建立模型的不同。（1分）总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。（1分）总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。
主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。（2分）
9．试述回归分析与相关分析的联系和区别。
答：两者的联系：①相关分析是回归分析的前提和基础；回归分析是相关分析的深入和继续。（1分）②相关分析与回归分析的有关指标之间存在计算上的内在联系。（1分）
两者的区别：①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。（1分）②对两个变量x与y而言，相关分析中：xyr=ryx；在回归分析中，tˆ+bˆ+xˆ=by01t
和ˆt=aˆ0+aˆ1+ytx却是两个完全不同的回归方程。（1分）③回归分析对资料的要求是被解释变量y是随机变量，解释变量x是非随机变量；相关分析对资料的要求是两个变量都随机变量。（1分）
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？
ˆbˆyub0答：①线性，是指参数估计量和1分别为观测值t和随机误差项t的线性函数或线性组
ˆbˆbbb0合。（1分）②无偏性，指参数估计量和1的均值（期望值）分别等于总体参数0和1。
（2分）③有效性（最小方差性或最优性），指在所有的线性无偏估计量中，最小二乘估计量ˆbˆb0和1的方差最小。（2分）
11．简述BLUE的含义。
答：BLUE即最佳线性无偏估计量，是best linear unbiased estimators的缩写。（2分）在古典假定条件下，最小二乘估计量具备线性、无偏性和有效性，是最佳线性无偏估计量，即BLUE，这一结论就是著名的高斯－马尔可夫定理。（3分）
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？
答：多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。（1分）通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。（3分）因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。（1分）
13.给定二元回归模型：yt=b0+b1x1t+b2x2t+ut，请叙述模型的古典假定。
解答：（1）随机误差项的期望为零，即E(ut)=0。（2）不同的随机误差项之间相互独立，即cov(ut,us)=E[(ut-E(ut))(us-E(us)]=E(utus)=0（1分）。（3）随机误差项的方差与t无关，为一个常数，即var(ut)=σ2。即同方差假设（1分）。（4）随机误差项与解释变量不相关，即cov(xjt,ut)=0 (j=1,2,...,k)。通常假定xjt为非随机变量，这个假设自动成立（1分）。（5）随机误差项ut为服从正态分布的随机变量，即ut N(0,σ2)（1分）。（6）解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性关系，即不存在多重共线性（1分）。
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？
解答：因为人们发现随着模型中解释变量的增多，多重决定系数R的值往往会变大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量（2分）。但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低2
预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度（3分）。
15.修正的决定系数及其作用。 解答：22e/n-k-1=1-，（2分）其作用有：（1）用自由度调整后，可以消除拟(y-)/n-12
t
2
t
合优度评价中解释变量多少对决定系数计算的影响；（2分）（2）对于包含解释变量个数不同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用原来未调整的决定系数来比较（1分）。
16.常见的非线性回归模型有几种情况？
解答：常见的非线性回归模型主要有:
(1) 对数模型lnyt=b0+b1lnxt+ut（1分）
(2) 半对数模型yt=b0+b1lnxt+ut或lnyt=b0+b1xt+ut（1分）
(3) 倒数模型y=b0+b1111+u或=b0+b1+u（1分） xyx
(4) 多项式模型y=b0+b1x+b2x2+...+bkxk+u（1分）
(5) 成长曲线模型包括逻辑成长曲线模型yt=K和Gompertz成长曲线模型1+b0e-b1t
yt=eK+b0b1t
（1分）
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。 ①yt=b0+b1xt3+ut ②yt=b0+b1logxt+ut
③ logyt=b0+b1logxt+ut ④yt=b0/(b1xt)+ut
解答：①系数呈线性，变量非线性；（1分）②系数呈线性，变量非呈线性；（1分）③系数和变量均为非线性；（1分）④系数和变量均为非线性。（2 分）
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。 ①yt=b0+b1logxt+ut ②yt=b0+b1(b2xt)+ut
③ yt=b0/(b1xt)+ut ④yt=1+b0(1-xt1)+ut
解答：①系数呈线性，变量非呈线性；（1分）②系数非线性，变量呈线性；（1分）③系数和变量均为非线性；(2分)④系数和变量均为非线性（1分）。
19. 异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此b
ui)不同，则称随机项ui具有异方差性，即var(=σt2≠常数 （t=1，2，„„，n）。
（3分）例如，利用横截面数据研究消费和收入之间的关系时，对收入较少的家庭在满足基本消费支出之后的剩余收入已经不多，用在购买生活必需品上的比例较大，消费的分散幅度不大。收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围。由于个性、爱好、储蓄心理、消费习惯和家庭成员构成等那个的差异，使消费的分散幅度增大，或者说低收入家庭消费的分散度和高收入家庭消费得分散度相比较，可以认为牵着小于后者。这种被解释变量的分散幅度的变化，反映到模型中，可以理解为误差项方差的变化。（2分）
20.产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。（2分）
产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；
（4）模型估计式的代表性降低，预测精度精度降低。（3分）
21.检验方法：（1）图示检验法；（1分）（2）戈德菲尔德—匡特检验；（1分）（3）怀特检验；（1分）（4）戈里瑟检验和帕克检验（残差回归检验法）；（1分）（5）ARCH检验（自回归条件异方差检验）（1分）
22.解决方法：（1）模型变换法；（2分）（2）加权最小二乘法；（2分）（3）模型的对数变换等（1分）
23.加权最小二乘法的基本原理：最小二乘法的基本原理是使残差平方和2e∑t为最小，在
2异方差情况下，总体回归直线对于不同的xt,et的波动幅度相差很大。随机误差项方差σt
越小，样本点yt对总体回归直线的偏离程度越低，残差et的可信度越高（或者说样本点的代表性越强）；而σt较大的样本点可能会偏离总体回归直线很远，et的可信度较低（或者2
说样本点的代表性较弱）。（2分）因此，在考虑异方差模型的拟合总误差时，对于不同的et应该区别对待。具体做法：对较小的et给于充分的重视，即给于较大的权数；对较大的et给于充分的重视，即给于较小的权数。更好的使2222e∑t反映var(ui)对残差平方和的影响程度，从而改善参数估计的统计性质。（3分）
24. 样本分段法（即戈德菲尔特—匡特检验）的基本原理：将样本分为容量相等的两部分，然后分别对样本1和样本2进行回归，并计算两个子样本的残差平方和，如果随机误差项是同方差的，则这两个子样本的残差平方和应该大致相等；如果是异方差的，则两者差别较大，以此来判断是否存在异方差。（3分）使用条件：（1）样本容量要尽可能大，一般而言应该在参数个数两倍以上；（2）ut服从正态分布，且除了异方差条件外，其它假定均满足。（2分）
25．简述DW检验的局限性。
答：从判断准则中看到，DW检验存在两个主要的局限性：首先，存在一个不能确定的DW..值区域，这是这种检验方法的一大缺陷。（2分）其次：DW..检验只能检验一阶自相关。（2分）但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，如果不存在一阶自相关，一般也不存在高阶序列相关。所以在实际应用中，对于序列相关问
题—般只进行DW..检验。（1分）
26．序列相关性的后果。
答：（1）模型参数估计值不具有最优性；（1分）（2）随机误差项的方差一般会低估；（1分）（3）模型的统计检验失效；（1分）（4）区间估计和预测区间的精度降低。（1分）（全对即加1分）
27．简述序列相关性的几种检验方法。
答：（1）图示法；（1分）（2）D-W检验；（1分）（3）回归检验法；（1分）（4）另外，偏相关系数检验，布罗斯—戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。（2分）
28．广义最小二乘法（GLS）的基本思想是什么？
答:基本思想就是对违反基本假定的模型做适当的线性变换，使其转化成满足基本假定的模型，从而可以使用OLS方法估计模型。（5分）
29．自相关性产生的原因有那些？
答：（1）经济变量惯性的作用引起随机误差项自相关；（1分）（2）经济行为的滞后性引起随机误差项自相关；（1分）(3)一些随机因素的干扰或影响引起随机误差项自相关；（1分）
（4）模型设定误差引起随机误差项自相关；（1分）（5）观测数据处理引起随机误差项自相关。（1分）
30．请简述什么是虚假序列相关，如何避免？
答：数据表现出序列相关，而事实上并不存在序列相关。（2分）要避免虚假序列相关，就应在做定量分析之间先进行定性分析，看从理论上或经验上是否有存在序列相关的可能，可能性是多大。（3分）
31．DW值与一阶自相关系数的关系是什么？ ˆ=1-答：ρDWˆ) 或者DW=2(1-ρ2
32．答：多重共线性是指解释变量之间存在完全或近似的线性关系。
产生多重共线性主要有下述原因：
（1）样本数据的采集是被动的，只能在一个有限的范围内得到观察值，无法进行重复试验。（2分）（2）经济变量的共同趋势（1分）（3）滞后变量的引入（1分）（4）模型的解释变量选择不当（1分）
33．答：完全多重共线性是指对于线性回归模型
Y＝β1X1+β2X2+......+βkXk+u
若c1X1j+c2X2j+...+ckXkj=0, j=1,2,...,n
其中c1，c2，...,ck是不全为0的常数
则称这些解释变量的样本观测值之间存在完全多重共线性。（2分）
不完全多重共线性是指对于多元线性回归模型
Y＝β1X1+β2X2+......+βkXk+u
若c1X1j+c2X2j+...+ckXkj+v=0, j=1,2,...,n
其中c1，c2，...,ck是不全为0的常数，v为随机误差项
则称这些解释变量的样本观测之间存在不完全多重共线性。（3分）
34．答：（1）无法估计模型的参数，即不能独立分辨各个解释变量对因变量的影响。（3分）
（2）参数估计量的方差无穷大（或无法估计）（2分）
35．答：（1）可以估计参数，但参数估计不稳定。（2分） （2）参数估计值对样本数据的略有变化或样本容量的稍有增减变化敏感。（1分） （3）各解释变量对被解释变量的影响难精确鉴别。（1分） （4）t检验不容易拒绝原假设。（1分）
36．答：（1）模型总体性检验F值和R2值都很高，但各回归系数估计量的方差很大，t值很低，系数不能通过显著性检验。（2分）
（2）回归系数值难以置信或符号错误。（1分）
（3）参数估计值对删除或增加少量观测值，以及删除一个不显著的解释变量非常敏感。（2分）
37．答：所谓方差膨胀因子是存在多重共线性时回归系数估计量的方差与无多重共线性时回
ˆ)=1时，认为原模型不存归系数估计量的方差对比而得出的比值系数。（2分） 若VIF(βi
在“多重共线性问题”；（1分） 若VIF(βi)>1时，则认为原模型存在“多重共线性问题”；（1分）若VIF(βi)>5时，则模型的“多重共线性问题”的程度是很严重的，而且是非常有害的。（1分）
38．模型中引入虚拟变量的作用是什么？
答案：（1）可以描述和测量定性因素的影响；（2分）
（2）能够正确反映经济变量之间的关系，提高模型的精度；（2分）
（3）便于处理异常数据。（1分）
39．虚拟变量引入的原则是什么？
答案：（1）如果一个定性因素有m方面的特征，则在模型中引入m-1个虚拟变量；（1分）
（2）如果模型中有m个定性因素，而每个定性因素只有两方面的属性或特征，则在模型中引入m个虚拟变量；如果定性因素有两个及以上个属性，则参照“一个因素多个属性”的设置虚拟变量。（2分）
（3）虚拟变量取值应从分析问题的目的出发予以界定；（1分）
（4）虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。（1分）
40．虚拟变量引入的方式及每种方式的作用是什么？
答案：（1）加法方式：其作用是改变了模型的截距水平；（2分）
（2）乘法方式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度；（2分）
（3）一般方式：即影响模型的截距有影响模型的斜率。（1分）
41．判断计量经济模型优劣的基本原则是什么？
答案：（1）模型应力求简单；（1分）（2）模型具有可识别性；（1分）（3）模型具有较高的拟合优度；（1分）（4）模型应与理论相一致；（1分）（5）模型具有较好的超样本功能。（1分）
42．模型设定误差的类型有那些？
答案：（1）模型中添加了无关的解释变量；（2分）（2）模型中遗漏了重要的解释变量；（2分）（3）模型使用了不恰当的形式。（1分）
43．工具变量选择必须满足的条件是什么？
答案：选择工具变量必须满足以下两个条件：（1）工具变量与模型中的随机解释变量高度相关；（3分）（2）工具变量与模型的随机误差项不相关。（2分）
44．设定误差产生的主要原因是什么？
答案：原因有四：（1）模型的制定者不熟悉相应的理论知识；（1分）（2）对经济问题本身认识不够或不熟悉前人的相关工作；（1分）（3）模型制定者缺乏相关变量的数据；（1分）
（4）解释变量无法测量或数据本身存在测量误差。（2分）
45．在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？
答案：在现实生活中，影响经济问题的因素除具有数量特征的变量外，还有一类变量，这类变量所反映的并不是数量而是现象的某些属性或特征，即它们反映的是现象的质的特征。这些因素还很可能是重要的影响因素，这时就需要在模型中引入这类变量。（4分）引入的方ˆˆ
式就是以虚拟变量的形式引入。（1分）
46．直接用最小二乘法估计有限分布滞后模型的有：
（1）损失自由度（2分）
（2）产生多重共线性（2分）
（3）滞后长度难确定的问题（1分）
47．因变量受其自身或其他经济变量前期水平的影响，称为滞后现象。其原因包括：（1）经济变量自身的原因；（2分）（2）决策者心理上的原因（1分）；（3）技术上的原因（1分）；
（4）制度的原因（1分）。
48．koyck模型的特点包括：（1）模型中的λ称为分布滞后衰退率，λ越小，衰退速度越快
1
（2分）；（2）模型的长期影响乘数为b0·1-λ（1分）;（3）模型仅包括两个解释变量，避免了多重共线性（1分）；（4）模型仅有三个参数，解释了无限分布滞后模型因包含无限个参数无法估计的问题（1分）
49．联立方程模型中方程有：行为方程式（1分）；技术方程式（1分）；制度方程式（1分）；平衡方程（或均衡条件）（1分）；定义方程（或恒等式）（1分）。
50．联立方程的变量主要包括内生变量（2分）、外生变量（2分）和前定变量（1分）。
51．模型的识别有恰好识别（2分）、过渡识别（2分）和不可识别（1分）三种。
52. 识别的条件条件包括阶条件和秩条件。阶条件是指，如果一个方程能被识别，那么这个方程不包含的变量总数应大于或等于模型系统中方程个数减1（3分）；秩条件是指，在一个具有K个方程的模型系统中，任何一个方程被识别的充分必要条件是：所有不包含在这个方程中变量的参数的秩为K－1（2分）。
1．经济变量：经济变量是用来描述经济因素数量水平的指标。（3分）
2．解释变量：是用来解释作为研究对象的变量（即因变量）为什么变动、如何变动的变量。（2分）它对因变量的变动做出解释，表现为方程所描述的因果关系中的“因”。（1分）
3．被解释变量：是作为研究对象的变量。（1分）它的变动是由解释变量做出解释的，表现为方程所描述的因果关系的果。（2分）
4．内生变量：是由模型系统内部因素所决定的变量，（2分）表现为具有一定概率分布的随机变量，是模型求解的结果。（1分）
5．外生变量：是由模型系统之外的因素决定的变量，表现为非随机变量。（2分）它影响模型中的内生变量，其数值在模型求解之前就已经确定。（1分）
6．滞后变量：是滞后内生变量和滞后外生变量的合称，（1分）前期的内生变量称为滞后内生变量；（1分）前期的外生变量称为滞后外生变量。（1分）
7．前定变量：通常将外生变量和滞后变量合称为前定变量，（1分）即是在模型求解以前已经确定或需要确定的变量。（2分）
8．控制变量：在计量经济模型中人为设置的反映政策要求、决策者意愿、经济系统运行条件和状态等方面的变量，（2分）它一般属于外生变量。（1分）
9．计量经济模型：为了研究分析某个系统中经济变量之间的数量关系而采用的随机代数模型，（2分）是以数学形式对客观经济现象所作的描述和概括。（1分）
10．函数关系：如果一个变量y的取值可以通过另一个变量或另一组变量以某种形式惟一地、精确地确定，则y与这个变量或这组变量之间的关系就是函数关系。（3分）
11．相关关系：如果一个变量y的取值受另一个变量或另一组变量的影响，但并不由它们惟一确定，则y与这个变量或这组变量之间的关系就是相关关系。（3分）
12．最小二乘法：用使估计的剩余平方和最小的原则确定样本回归函数的方法，称为最小二乘法。（3分）
13．高斯－马尔可夫定理：在古典假定条件下，OLS估计量是模型参数的最佳线性无偏估计量，这一结论即是高斯－马尔可夫定理。（3分）
14．总变差（总离差平方和）：在回归模型中，被解释变量的观测值与其均值的离差平方和。（3分）
15．回归变差（回归平方和）：在回归模型中，因变量的估计值与其均值的离差平方和，（2分）也就是由解释变量解释的变差。（1分）
16．剩余变差（残差平方和）：在回归模型中，因变量的观测值与估计值之差的平方和，（2分）是不能由解释变量所解释的部分变差。（1分）
17．估计标准误差：在回归模型中，随机误差项方差的估计量的平方根。（3分）
18．样本决定系数：回归平方和在总变差中所占的比重。（3分）
19．点预测：给定自变量的某一个值时，利用样本回归方程求出相应的样本拟合值，以此作为因变量实际值和其均值的估计值。（3分）
20．拟合优度：样本回归直线与样本观测数据之间的拟合程度。（3分）
21．残差：样本回归方程的拟合值与观测值的误差称为回归残差。（3分）
22．显著性检验：利用样本结果，来证实一个虚拟假设的真伪的一种检验程序。（3分）
23．回归变差：简称ESS,表示由回归直线（即解释变量）所解释的部分（2分），表示x对y的线性影响（1分）。
24．剩余变差：简称RSS，是未被回归直线解释的部分（2分），是由解释变量以外的因素造成的影响（1分）。
25．多重决定系数：在多元线性回归模型中，回归平方和与总离差平方和的比值（1分），
也就是在被解释变量的总变差中能由解释变量所解释的那部分变差的比重，我们称之为多重
2决定系数，仍用R表示（2分）。
26．调整后的决定系数：又称修正后的决定系数，记为，是为了克服多重决定系数会随着解释变量的增加而增大的缺陷提出来的，（2分） 其公式为：22e/(n-k-1)（1分）。 =1-(y-)/(n-1)2
t
t
27．偏相关系数:在Y、X1、X2三个变量中，当X1 既定时（即不受X1的影响），表示Y与X2之间相关关系的指标，称为偏相关系数，记做RY2.1。（3分）
28.异方差性：在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量
u观测值彼此不同，则称随机项i具有异方差性。（3分）
29.戈德菲尔特-匡特检验:该方法由戈德菲尔特（S.M.Goldfeld）和匡特（R.E.Quandt）于1965年提出，用对样本进行分段比较的方法来判断异方差性。（3分）
30.怀特检验:该检验由怀特（White）在1980年提出，通过建立辅助回归模型的方式来判断异方差性。（3分）
31.戈里瑟检验和帕克检验:该检验法由戈里瑟和帕克于1969年提出，其基本原理都是通过建立残差序列对解释变量的（辅助）回归模型，判断随机误差项的方差与解释变量之间是否存在着较强的相关关系，进而判断是否存在异方差性。（3分）
32．序列相关性：对于模型
yi=β0+β1x1i+β2x2i+„+βkxki+μi i=1,2,„,n
随机误差项互相独立的基本假设表现为Cov(μi,μj)=0 i≠j,i,j=1,2,„,n（1分） 如果出现 Cov(μi,μj)≠0 i≠j,i,j=1,2,„,n
即对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在某种相关性，则认为出现了序列相关性(Serial Correlation)。（2分）
33．虚假序列相关：是指模型的序列相关性是由于省略了显著的解释变量而导致的。
34.差分法：差分法是一类克服序列相关性的有效方法，被广泛的采用。差分法是将原模型变换为差分模型，分为一阶差分法和广义差分法。
35.广义差分法：广义差分法可以克服所有类型的序列相关带来的问题，一阶差分法是它的一个特例。
36.自回归模型：yt=ρyt-1+μt
37.广义最小二乘法：是最有普遍意义的最小二乘法，普通最小二乘法和加权最小二乘法是它的特例。
38. DW检验：德宾和瓦特森与1951年提出的一种适于小样本的检验方法。DW检验法有五个前提条件。
39.科克伦-奥克特迭代法：是通过逐次跌代去寻求更为满意的ρ的估计值，然后再采用广义差分法。具体来说，该方法是利用残差μt去估计未知的ρ。（
40. Durbin两步法：当自相关系数ρ未知，可采用Durbin提出的两步法去消除自相关。第
一步对一多元回归模型，使用OLS法估计其参数，第二步再利用广义差分。
41．相关系数：度量变量之间相关程度的一个系数，一般用ρ表示。
ρ=Cov(μiμj)
(μi)Var(μj) ，0≤ρ≤1 ，越接近于1，相关程度越强，越接近于0，相关程度越弱。
42.多重共线性：是指解释变量之间存在完全或不完全的线性关系。
43.方差膨胀因子：是指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。
44．把质的因素量化而构造的取值为0和1的人工变量。
45．在设定模时如果模型中解释变量的构成．模型函数的形式以及有关随机误差项的若干假定等内容的设定与客观实际不一致，利用计量经济学模型来描述经济现象而产生的误差。
46．是指与模型中的随机解释变量高度相关，与随机误差项不相关的变量。
47．用工具变量替代模型中与随机误差项相关的随机解释变量的方法。
48．由于引进虚拟变量，回归模型的截距或斜率随样本观测值的改变而系统地改变。
*49. 这是虚拟变量的一个应用，当解释变量x低于某个已知的临界水平x时，我们取虚拟
*⎧⎪1 x≥x变量D=⎨设置而成的模型称之为分段线性回归模型。 *⎪⎩0 x
50． 分布滞后模型：如果滞后变量模型中没有滞后因变量，因变量受解释变量的影响分布在解释变量不同时期的滞后值上，则称这种模型为分布滞后模型。
51．有限分布滞后模型：滞后期长度有限的分布滞后模型称为有限分布滞后模型。
52．无限分布滞后模型：滞后期长度无限的分布滞后模型称为无限分布滞后模型。
53．几何分布滞后模型：对于无限分布滞后模型，如果其滞后变量的系数bi是按几何级数列衰减的，则称这种模型为几何分布滞后模型。
54．联立方程模型：是指由两个或更多相互联系的方程构建的模型。
55． 结构式模型：是根据经济理论建立的反映经济变量间直接关系结构的计量方程系统。
56． 简化式模型：是指联立方程中每个内生变量只是前定变量与随机误差项的函数。
57． 结构式参数：结构模型中的参数叫结构式参数
58． 简化式参数：简化式模型中的参数叫简化式参数。
59．识别：就是指是否能从简化式模型参数估计值中推导出结构式模型的参数估计值。
60．不可识别：是指无法从简化式模型参数估计值中推导出结构式模型的参数估计值。
61． 识别的阶条件：如果一个方程能被识别，那么这个方程不包含的变量的总数应大于或等于模型系统中方程个数减1。
62．识别的秩条件：一个方程可识别的充分必要条件是：所有不包含在这个方程中的参数矩阵的秩为m-1。
63．间接最小二乘法：先利用最小二乘法估计简化式方程，再通过参数关系体系，由简化式参数的估计值求解得结构式参数的估计值。
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。
答：计量经济学是经济理论、统计学和数学的综合。（1分）经济学着重经济现象的定性研究，计量经济学着重于定量方面的研究。（1分）统计学是关于如何收集、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。（1分）数理统计学作为一门数学学科，可以应用于经济领域，也可以应用于其他领域；计量经济学则仅限于经济领域。（1分）计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程，计量经济学是经济理论、统计学和数学三者的统一。
2、计量经济模型有哪些应用？
答：①结构分析。（1分）②经济预测。（1分）③政策评价。（1分）④检验和发展经济理论。（2分）
3、简述建立与应用计量经济模型的主要步骤。
答：①根据经济理论建立计量经济模型；（1分）②样本数据的收集；（1分）③估计参数；（1分）④模型的检验；（1分）⑤计量经济模型的应用。（1分）
4、对计量经济模型的检验应从几个方面入手？
答：①经济意义检验；（2分）②统计准则检验；（1分）③计量经济学准则检验；（1分）④模型预测检验。（1分）
5．计量经济学应用的数据是怎样进行分类的？
答：四种分类：①时间序列数据；（1分）②横截面数据；（1分）③混合数据；（1分）④虚拟变量数据。（2分）
6.在计量经济模型中，为什么会存在随机误差项？
答：随机误差项是计量经济模型中不可缺少的一部分。（1分）产生随机误差项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差；（1分）②模型关系认定不准确造成的误差；（1分）③变量的测量误差；（1分）④随机因素。（1分）
7.古典线性回归模型的基本假定是什么？
答：①零均值假定。（1分）即在给定xt的条件下，随机误差项的数学期望（均值）为0，即E(ut)=0。②同方差假定。（1分）误差项ut的方差与t无关，为一个常数。③无自相关假定。（1分）即不同的误差项相互独立。④解释变量与随机误差项不相关假定。（1分）⑤正态性假定，（1分）即假定误差项ut服从均值为0，方差为σ2的正态分布。
8．总体回归模型与样本回归模型的区别与联系。
答：主要区别：①描述的对象不同。（1分）总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。②建立模型的不同。（1分）总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。③模型性质不同。（1分）总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。
主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。（2分）
9．试述回归分析与相关分析的联系和区别。
答：两者的联系：①相关分析是回归分析的前提和基础；回归分析是相关分析的深入和继续。（1分）②相关分析与回归分析的有关指标之间存在计算上的内在联系。（1分）
两者的区别：①回归分析强调因果关系，相关分析不关心因果关系，所研究的两个变量是对等的。（1分）②对两个变量x与y而言，相关分析中：xyr=ryx；在回归分析中，tˆ+bˆ+xˆ=by01t
和ˆt=aˆ0+aˆ1+ytx却是两个完全不同的回归方程。（1分）③回归分析对资料的要求是被解释变量y是随机变量，解释变量x是非随机变量；相关分析对资料的要求是两个变量都随机变量。（1分）
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？
ˆbˆyub0答：①线性，是指参数估计量和1分别为观测值t和随机误差项t的线性函数或线性组
ˆbˆbbb0合。（1分）②无偏性，指参数估计量和1的均值（期望值）分别等于总体参数0和1。
（2分）③有效性（最小方差性或最优性），指在所有的线性无偏估计量中，最小二乘估计量ˆbˆb0和1的方差最小。（2分）
11．简述BLUE的含义。
答：BLUE即最佳线性无偏估计量，是best linear unbiased estimators的缩写。（2分）在古典假定条件下，最小二乘估计量具备线性、无偏性和有效性，是最佳线性无偏估计量，即BLUE，这一结论就是著名的高斯－马尔可夫定理。（3分）
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？
答：多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。（1分）通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。（3分）因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。（1分）
13.给定二元回归模型：yt=b0+b1x1t+b2x2t+ut，请叙述模型的古典假定。
解答：（1）随机误差项的期望为零，即E(ut)=0。（2）不同的随机误差项之间相互独立，即cov(ut,us)=E[(ut-E(ut))(us-E(us)]=E(utus)=0（1分）。（3）随机误差项的方差与t无关，为一个常数，即var(ut)=σ2。即同方差假设（1分）。（4）随机误差项与解释变量不相关，即cov(xjt,ut)=0 (j=1,2,...,k)。通常假定xjt为非随机变量，这个假设自动成立（1分）。（5）随机误差项ut为服从正态分布的随机变量，即ut N(0,σ2)（1分）。（6）解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性关系，即不存在多重共线性（1分）。
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？
解答：因为人们发现随着模型中解释变量的增多，多重决定系数R的值往往会变大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量（2分）。但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低2
预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度（3分）。
15.修正的决定系数及其作用。 解答：22e/n-k-1=1-，（2分）其作用有：（1）用自由度调整后，可以消除拟(y-)/n-12
t
2
t
合优度评价中解释变量多少对决定系数计算的影响；（2分）（2）对于包含解释变量个数不同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用原来未调整的决定系数来比较（1分）。
16.常见的非线性回归模型有几种情况？
解答：常见的非线性回归模型主要有:
(1) 对数模型lnyt=b0+b1lnxt+ut（1分）
(2) 半对数模型yt=b0+b1lnxt+ut或lnyt=b0+b1xt+ut（1分）
(3) 倒数模型y=b0+b1111+u或=b0+b1+u（1分） xyx
(4) 多项式模型y=b0+b1x+b2x2+...+bkxk+u（1分）
(5) 成长曲线模型包括逻辑成长曲线模型yt=K和Gompertz成长曲线模型1+b0e-b1t
yt=eK+b0b1t
（1分）
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。 ①yt=b0+b1xt3+ut ②yt=b0+b1logxt+ut
③ logyt=b0+b1logxt+ut ④yt=b0/(b1xt)+ut
解答：①系数呈线性，变量非线性；（1分）②系数呈线性，变量非呈线性；（1分）③系数和变量均为非线性；（1分）④系数和变量均为非线性。（2 分）
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。 ①yt=b0+b1logxt+ut ②yt=b0+b1(b2xt)+ut
③ yt=b0/(b1xt)+ut ④yt=1+b0(1-xt1)+ut
解答：①系数呈线性，变量非呈线性；（1分）②系数非线性，变量呈线性；（1分）③系数和变量均为非线性；(2分)④系数和变量均为非线性（1分）。
19. 异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此b
ui)不同，则称随机项ui具有异方差性，即var(=σt2≠常数 （t=1，2，„„，n）。
（3分）例如，利用横截面数据研究消费和收入之间的关系时，对收入较少的家庭在满足基本消费支出之后的剩余收入已经不多，用在购买生活必需品上的比例较大，消费的分散幅度不大。收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围。由于个性、爱好、储蓄心理、消费习惯和家庭成员构成等那个的差异，使消费的分散幅度增大，或者说低收入家庭消费的分散度和高收入家庭消费得分散度相比较，可以认为牵着小于后者。这种被解释变量的分散幅度的变化，反映到模型中，可以理解为误差项方差的变化。（2分）
20.产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。（2分）
产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；
（4）模型估计式的代表性降低，预测精度精度降低。（3分）
21.检验方法：（1）图示检验法；（1分）（2）戈德菲尔德—匡特检验；（1分）（3）怀特检验；（1分）（4）戈里瑟检验和帕克检验（残差回归检验法）；（1分）（5）ARCH检验（自回归条件异方差检验）（1分）
22.解决方法：（1）模型变换法；（2分）（2）加权最小二乘法；（2分）（3）模型的对数变换等（1分）
23.加权最小二乘法的基本原理：最小二乘法的基本原理是使残差平方和2e∑t为最小，在
2异方差情况下，总体回归直线对于不同的xt,et的波动幅度相差很大。随机误差项方差σt
越小，样本点yt对总体回归直线的偏离程度越低，残差et的可信度越高（或者说样本点的代表性越强）；而σt较大的样本点可能会偏离总体回归直线很远，et的可信度较低（或者2
说样本点的代表性较弱）。（2分）因此，在考虑异方差模型的拟合总误差时，对于不同的et应该区别对待。具体做法：对较小的et给于充分的重视，即给于较大的权数；对较大的et给于充分的重视，即给于较小的权数。更好的使2222e∑t反映var(ui)对残差平方和的影响程度，从而改善参数估计的统计性质。（3分）
24. 样本分段法（即戈德菲尔特—匡特检验）的基本原理：将样本分为容量相等的两部分，然后分别对样本1和样本2进行回归，并计算两个子样本的残差平方和，如果随机误差项是同方差的，则这两个子样本的残差平方和应该大致相等；如果是异方差的，则两者差别较大，以此来判断是否存在异方差。（3分）使用条件：（1）样本容量要尽可能大，一般而言应该在参数个数两倍以上；（2）ut服从正态分布，且除了异方差条件外，其它假定均满足。（2分）
25．简述DW检验的局限性。
答：从判断准则中看到，DW检验存在两个主要的局限性：首先，存在一个不能确定的DW..值区域，这是这种检验方法的一大缺陷。（2分）其次：DW..检验只能检验一阶自相关。（2分）但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，如果不存在一阶自相关，一般也不存在高阶序列相关。所以在实际应用中，对于序列相关问
题—般只进行DW..检验。（1分）
26．序列相关性的后果。
答：（1）模型参数估计值不具有最优性；（1分）（2）随机误差项的方差一般会低估；（1分）（3）模型的统计检验失效；（1分）（4）区间估计和预测区间的精度降低。（1分）（全对即加1分）
27．简述序列相关性的几种检验方法。
答：（1）图示法；（1分）（2）D-W检验；（1分）（3）回归检验法；（1分）（4）另外，偏相关系数检验，布罗斯—戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。（2分）
28．广义最小二乘法（GLS）的基本思想是什么？
答:基本思想就是对违反基本假定的模型做适当的线性变换，使其转化成满足基本假定的模型，从而可以使用OLS方法估计模型。（5分）
29．自相关性产生的原因有那些？
答：（1）经济变量惯性的作用引起随机误差项自相关；（1分）（2）经济行为的滞后性引起随机误差项自相关；（1分）(3)一些随机因素的干扰或影响引起随机误差项自相关；（1分）
（4）模型设定误差引起随机误差项自相关；（1分）（5）观测数据处理引起随机误差项自相关。（1分）
30．请简述什么是虚假序列相关，如何避免？
答：数据表现出序列相关，而事实上并不存在序列相关。（2分）要避免虚假序列相关，就应在做定量分析之间先进行定性分析，看从理论上或经验上是否有存在序列相关的可能，可能性是多大。（3分）
31．DW值与一阶自相关系数的关系是什么？ ˆ=1-答：ρDWˆ) 或者DW=2(1-ρ2
32．答：多重共线性是指解释变量之间存在完全或近似的线性关系。
产生多重共线性主要有下述原因：
（1）样本数据的采集是被动的，只能在一个有限的范围内得到观察值，无法进行重复试验。（2分）（2）经济变量的共同趋势（1分）（3）滞后变量的引入（1分）（4）模型的解释变量选择不当（1分）
33．答：完全多重共线性是指对于线性回归模型
Y＝β1X1+β2X2+......+βkXk+u
若c1X1j+c2X2j+...+ckXkj=0, j=1,2,...,n
其中c1，c2，...,ck是不全为0的常数
则称这些解释变量的样本观测值之间存在完全多重共线性。（2分）
不完全多重共线性是指对于多元线性回归模型
Y＝β1X1+β2X2+......+βkXk+u
若c1X1j+c2X2j+...+ckXkj+v=0, j=1,2,...,n
其中c1，c2，...,ck是不全为0的常数，v为随机误差项
则称这些解释变量的样本观测之间存在不完全多重共线性。（3分）
34．答：（1）无法估计模型的参数，即不能独立分辨各个解释变量对因变量的影响。（3分）
（2）参数估计量的方差无穷大（或无法估计）（2分）
35．答：（1）可以估计参数，但参数估计不稳定。（2分） （2）参数估计值对样本数据的略有变化或样本容量的稍有增减变化敏感。（1分） （3）各解释变量对被解释变量的影响难精确鉴别。（1分） （4）t检验不容易拒绝原假设。（1分）
36．答：（1）模型总体性检验F值和R2值都很高，但各回归系数估计量的方差很大，t值很低，系数不能通过显著性检验。（2分）
（2）回归系数值难以置信或符号错误。（1分）
（3）参数估计值对删除或增加少量观测值，以及删除一个不显著的解释变量非常敏感。（2分）
37．答：所谓方差膨胀因子是存在多重共线性时回归系数估计量的方差与无多重共线性时回
ˆ)=1时，认为原模型不存归系数估计量的方差对比而得出的比值系数。（2分） 若VIF(βi
在“多重共线性问题”；（1分） 若VIF(βi)>1时，则认为原模型存在“多重共线性问题”；（1分）若VIF(βi)>5时，则模型的“多重共线性问题”的程度是很严重的，而且是非常有害的。（1分）
38．模型中引入虚拟变量的作用是什么？
答案：（1）可以描述和测量定性因素的影响；（2分）
（2）能够正确反映经济变量之间的关系，提高模型的精度；（2分）
（3）便于处理异常数据。（1分）
39．虚拟变量引入的原则是什么？
答案：（1）如果一个定性因素有m方面的特征，则在模型中引入m-1个虚拟变量；（1分）
（2）如果模型中有m个定性因素，而每个定性因素只有两方面的属性或特征，则在模型中引入m个虚拟变量；如果定性因素有两个及以上个属性，则参照“一个因素多个属性”的设置虚拟变量。（2分）
（3）虚拟变量取值应从分析问题的目的出发予以界定；（1分）
（4）虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。（1分）
40．虚拟变量引入的方式及每种方式的作用是什么？
答案：（1）加法方式：其作用是改变了模型的截距水平；（2分）
（2）乘法方式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度；（2分）
（3）一般方式：即影响模型的截距有影响模型的斜率。（1分）
41．判断计量经济模型优劣的基本原则是什么？
答案：（1）模型应力求简单；（1分）（2）模型具有可识别性；（1分）（3）模型具有较高的拟合优度；（1分）（4）模型应与理论相一致；（1分）（5）模型具有较好的超样本功能。（1分）
42．模型设定误差的类型有那些？
答案：（1）模型中添加了无关的解释变量；（2分）（2）模型中遗漏了重要的解释变量；（2分）（3）模型使用了不恰当的形式。（1分）
43．工具变量选择必须满足的条件是什么？
答案：选择工具变量必须满足以下两个条件：（1）工具变量与模型中的随机解释变量高度相关；（3分）（2）工具变量与模型的随机误差项不相关。（2分）
44．设定误差产生的主要原因是什么？
答案：原因有四：（1）模型的制定者不熟悉相应的理论知识；（1分）（2）对经济问题本身认识不够或不熟悉前人的相关工作；（1分）（3）模型制定者缺乏相关变量的数据；（1分）
（4）解释变量无法测量或数据本身存在测量误差。（2分）
45．在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？
答案：在现实生活中，影响经济问题的因素除具有数量特征的变量外，还有一类变量，这类变量所反映的并不是数量而是现象的某些属性或特征，即它们反映的是现象的质的特征。这些因素还很可能是重要的影响因素，这时就需要在模型中引入这类变量。（4分）引入的方ˆˆ
式就是以虚拟变量的形式引入。（1分）
46．直接用最小二乘法估计有限分布滞后模型的有：
（1）损失自由度（2分）
（2）产生多重共线性（2分）
（3）滞后长度难确定的问题（1分）
47．因变量受其自身或其他经济变量前期水平的影响，称为滞后现象。其原因包括：（1）经济变量自身的原因；（2分）（2）决策者心理上的原因（1分）；（3）技术上的原因（1分）；
（4）制度的原因（1分）。
48．koyck模型的特点包括：（1）模型中的λ称为分布滞后衰退率，λ越小，衰退速度越快
1
（2分）；（2）模型的长期影响乘数为b0·1-λ（1分）;（3）模型仅包括两个解释变量，避免了多重共线性（1分）；（4）模型仅有三个参数，解释了无限分布滞后模型因包含无限个参数无法估计的问题（1分）
49．联立方程模型中方程有：行为方程式（1分）；技术方程式（1分）；制度方程式（1分）；平衡方程（或均衡条件）（1分）；定义方程（或恒等式）（1分）。
50．联立方程的变量主要包括内生变量（2分）、外生变量（2分）和前定变量（1分）。
51．模型的识别有恰好识别（2分）、过渡识别（2分）和不可识别（1分）三种。
52. 识别的条件条件包括阶条件和秩条件。阶条件是指，如果一个方程能被识别，那么这个方程不包含的变量总数应大于或等于模型系统中方程个数减1（3分）；秩条件是指，在一个具有K个方程的模型系统中，任何一个方程被识别的充分必要条件是：所有不包含在这个方程中变量的参数的秩为K－1（2分）。