金融计量分析期末复习doc资料.docx

金融计量分析期末复习doc资料.docx

《金融计量分析期末复习doc资料.docx》由会员分享，可在线阅读，更多相关《金融计量分析期末复习doc资料.docx（12页珍藏版）》请在冰豆网上搜索。

金融计量分析期末复习doc资料

金融计量分析期末复习

一，考试题型

1，选择题（20分，10题，每题2分）

2，名词解释（20分，5题，每题4分）

3，计算题（30分，共3题，每题10分）

4，简答题（20分，共3题，6分，6分，8分）

5，程序结果分析题（10分，共1题）

2，名词解释

1.估计量的无偏性：

估计量抽样分布的数学期望等于总体参数的真值。

如果总体参数为seta，seta1为估计量，如果E（seta1）=seta，那么seta1为seta的无偏估计量。

seta1也是一个随机变量，它取决于样本，根据所选样本的不同而变化。

2.数据的季节性调整季节性调整是指针对某些经济指标因受季节性因素影响而出现可预期的高峰或低谷所进行的调整。

对经济指标作季节性调整有助于察觉其潜在趋势。

通过自目前的变化中扣除过去数年的平均变动，可说明此上涨或下跌是否是不寻常的，或纯粹只是季节性现象。

3.伪回归问题伪回归是一组非平稳时间序列之间不存在协整关系时这一组变量构造的回归模型中可能出现的一种“假回归”。

单位根检验由于传统的经济计量学方法对非平稳的时间序列不再适用,利用传统方法对计量模型进行统计推断时，许多参数的统计量的分布不再是标准分布,所作的回归被称为“伪回归”。

4.混合横截面数据混合横截面指的是跨期各个个体当做观测个案，因此有个假设各个时期观测对象的分布一样，本质上讲还是截面数据方法，跟面板数据不同。

5.调整的决定系数调整R方的解释与R方类似，不同的是：

调整R方同时考虑了样本量（n）和回归中自变量的个数（k）的影响，这使得调整R方永远小于R方，而且调整R方的值不会由于回归中自变量个数的增加而越来越接近1。

6.季节虚拟变量

7.加权最小二乘法加权最小二乘法是对原模型进行加权，使之成为一个新的不存在异方差性的模型，然后采用普通最小二乘法估计其参数的一种数学优化技术。

8.一阶滞后项比如每年的GDP数据分成三个部分的贡献

GDP=aK+bL+cA

滞后就是把前一期的数据也加进来

GDP=aK+bL+cA+GDP（-1）

如左边是2008年的GDP右边的GDP（-1）就是一阶滞后也就是2007的GDP

总体回归函数给定解释变量X条件下被解释变量Y的期望轨迹称为总体回归线（populationregressionline），或更一般地称为总体回归曲线（populationregressioncurve）。

相应的函数

称为（双变量）总体回归函数.

决定系数（拟合优度）决定系数（coefficientofdetermination），有的教材上翻译为判定系数，也称为拟合优度。

是相关系数的平方。

表示可根据自变量的变异来解释因变量的变异部分。

10.多重共线性多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。

一般来说，由于经济数据的限制使得模型设计不当，导致设计矩阵中解释变量间存在普遍的相关关系。

完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。

9.随机误差项随机误差项（randomerrorterm）亦称“随机扰动项”，简称“随机误差”、“随机项”、“误差项”、“扰动项”。

不包含在模型中的解释变量和其他一些随机因素对被解释变量的总影响项。

10.显著性检验显著性检验（significancetest）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备择假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。

11.样本回归模型当研究总体太大时，就选取总体部分当做样本来回归分析现象，是对总体回归模型的估计，准确度较低，但是比较常用。

由于方程中引入了随机项，成为计量经济学模型，因此也称为样本回归模型

12.异方差异方差性是相对于同方差而言的。

所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：

总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。

如果这一假定不满足，即：

随机误差项具有不同的方差，则称线性回归模型存在异方差性。

13.单位根检验单位根检验是指检验序列中是否存在单位根，因为存在单位根就是非平稳时间序列了。

单位根就是指单位根过程，可以证明，序列中存在单位根过程就不平稳，会使回归分析中存在伪回归。

14.数据的趋势调整将经济时间序列中进行数据调整，剔除变动要素和不规则要素，以发现基本变动趋势

15.BLUE估计BLUE全称是BestLinearUnbiasedEvaluation即，最优线性无偏估计量，在满足古典线性回归模型基本假设的前提下，最小二乘估计是参数真实值得最小方差线性的无偏估计。

这个是比较傲理想的估计，能说明参数估计量的相对优势，但不能说明其的绝对优势。

稳健标准误稳健标准差是指其标准差对于模型中可能存在的异方差或自相关问题不敏感，基于稳健标准差计算的稳健t统计量仍然渐进分布t分布。

因此，在Stata中利用robust选项可以得到异方差稳健估计量。

16.OLS估计量写出公式和推导。

3，计算题

一元线性模型中，βi（i=1，2）的置信区间:

在变量的显著性检验中已经知道：

意味着，如果给定置信度（1-α），从分布表中查得自由度为（n-2）的临界值，那么t值处在（-tα/2,tα/2）的概率是（1-α）。

表示为：

于是得到:

（1-α）的置信度下,i的置信区间是

（ppt上的

由于

于是

可以证明

因此

故

其中

于是，在1-

的置信度下，总体均值E（Y|X0）的置信区间为

3.下表给出了线性回归模型方差分析的部分结果，按要求回答问题：

方差来源

自由度

平方和

均方平方和

F值

p值

回归平方和

6

680

680/6

残差平方和

19

200

200/19

总平方和

25

880

880/25

1.解释变量有几个？

6

2.回归平方和是多少？

680

3.样本容量是多少？

25

4.决定系数与调整的决定系数各多少？

，其中，n-1为总离差平方和的自由度，n-k-1为残差平方和的自由度

5.利用F检验，判断上述多元线性回归方程在显著性水平α=0.01下的显著性？

4.下表包含了8个大学生的GPA成绩（4分）制和体侧成绩（30分）制

学生

GPA

体育测评（PE）

1

2.3

20

2

3.5

27

3

3.1

26

4

3.6

27

5

3.8

29

6

3.1

25

7

2.7

23

8

3.8

30

1.利用OLS估计GPA和体育测评的关系：

求出如下方程中的截距和斜率估计值：

2.计算每次观测的拟合值和残差，并验证残差和（近似为0）

4，简答题

10选3

1.为什么说计量经济学是一门经济学科？

它在经济学科体系的地位和经济研究中的作用。

从计量经济学的定义来看，他是定量化的经济学；其次，从计量经济学在西方国家经济学科中居于最重要的地位看，也是如此，尤其是从诺贝尔经济学奖设立之日起，已有多人因直接或间接对计量经济学的创立和发展做出贡献而获得诺贝尔经济学奖；计量经济学与数理统计学有着严格的区别，它限于经济领域；从建立与应用经济学模型的全过程看，不论是理论模型的设定还是样本数据的收集，都必须以对经济理论、对所研究的经济现象有着透彻的认识为基础。

综上所述，计量经济学是一门经济学科。

计量经济学在经济学科中处于相当重要的地位，尤其是西方经济学，在经济学不断科学化的过程中，计量经济学起到了特殊的作用

2.简述样本回归函数和总体回归函数的关系。

样本回归函数是总体回归函数的一个近似,总体回归函数是理论回归函数，样本回归函数是经验回归函数。

总体回归函数是根据解释变量的已知或给定值，考察被解释变量的总体均值，即当解释变量取某个确定值时，与之统计相关的被解释变量所有可能出现的对应值的平均值。

样本回归函数是随解释变量（可支配收入）的变化而有规律的变化。

如果把解释变量Y的样本条件均值表示为解释变量X的某种函数，这个函数成为样本回归函数。

显然，样本回归函数的函数形式应与设定的总体回归函数形式一致。

3.叙述线性回归模型的基本假定，假设样本容量为m，解释变量的个数为k。

①回归模型是正确设定的

②解释变量X1……Xk是非随机的或固定的，且各Xj之间不存在严格的线性相关性

③各解释变量Xj在所抽取的样本中具有变异性，且随着样本容量的无限增加，各解释变量的样本方差趋于一个非零的有限常数

④随机误差项具有条件0均值、同方差、不序列相关性

⑤解释变量与随机项不相关

⑥随机变量满足正态分布

4.什么是序列自相关性？

产生模型自相关的原因有哪些？

后果是什么？

多元线性回归模型的基本假设之一是模型的随机干扰项相互独立，如果模型的随机干扰项违背了相互独立的假设，称为存在序列相关性；

5.叙述含有单个可观测解释变量的固定效应模型，并简述基于两期的处理非观测效应的一阶差分方程。

6.简述线性回归模型中，随机误差项存在的原因。

计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式。

由于是随机变量意味着影响被解释变量的因素是复杂的，除了解释变量的影响外，还有其他无法在模型中独立列出的各种因素的影响。

这样，理论模型中就必须使用一个称为随机干扰项的变量所代表所有这些无法在模型中独立表示出来的影响因素，以保证模型在理论上的科学性。

随机误差项主要包括下列因素的影响：

1）在解释变量中被忽略的因素的影响；

2）变量观测值的观测误差的影响；

3）模型关系的设定误差的影响；

4）其它随机因素的影响。

产生并设计随机误差项的主要原因：

1）理论的含糊性；

2）数据的欠缺；

3）节省原则。

7.叙述回归模型中多重共线性的定义、产生原因、造成影响、解决办法。

对于模型

其基本假设之一是解释变量是互相独立的。

如果某两个或多个解释变量之间出现了相关性，则称为多重共线性（Multicollinearity）。

8.线性回归模型中参数的普通最小二乘估计法和最大似然估计法的基本思想各是什么？

普通最小二乘法：

已知一组样本观测值，普通最小二乘法要求样本回归函数上的点与真实观测点的总体误差尽可能小，普通最小二乘法给出的判断标准是：

被解释变量的估计值与实际观测值之差的平方和最小，只有平方和可以反映二者在总体上的接近程度，这就是最小二乘原理。

最大似然估计：

9.时间序列数据和横截面数据有何异同？

时间序列数据是同一对象跨时间的观察值的向量所以必须按照一定顺序

（X1,X2,...,Xt）

横截面数据一般是同一时点对不同对象的观察值的集合顺序的改变应该不影响计量的结果

{X1,X2,...,Xn}

10.简述如果出现冗余变量会有什么影响？

如果存在变量遗漏又会如何？

看各参数的T检验及F检验是否通过,如果F检验通过,但是有两个以上T检验不通过,就有很大的可能是多重**线性了.还有就是看模型中所用的变量之间会不会明显相关,就像,货供应量和工资之类的.可以尝试直接联立两个变量的方差,看变量间的R平方是不是很接近1,越接近1,说明多重**线性越明显