文档介绍：(一)基本知识类题型
4-:
异方差性: 由于样本的变化,导致随机误差项的方差各不相同。
(2)序列相关性:随着时间的变化,导致随机误差项之间不是相互独立的。
(3)多重共线性:解释变量之间存在着共线性关系,包括严格的或者近似的线性关系。
(4)偏回归系数:随机应变量对各个自变量的回归系数,表示其对随机变量的解释程度。
(5)完全多重共线性:一般地对K个解释变量X1,X2,…..XK,如果它们之间满足λ1X1+λ2X2+…+λkXk=0其中λ1λ2…λk为常数,且不全为0,则称X1,X2,…..XK之间存在着完全多重共线性。
(6)不完全多重共线性:若λ1X1+λ2X2+…+λkXk+νi=0,其中其中λ1λ2…λk为常数,且不全为0,则称X1,X2,…..XK之间存在着不完全多重共线性。
(7)随机解释变量:即解释变量时随机的,不再是确定的。
(8)差分法:广义差分法,是指将回归模型滞后一期,使新的误差项νi满足经典假设的所有要求,以消除序列相关性的一种方法。
(9)广义最小二乘法:又叫GLS,将原始变量转化成满足经典模型假设的转换变量,然后使用OLS.
(10):即杜宾沃森检验,是检验一阶自相关最著名的方法,构造统计量d值,判断其所在的区域得出是否存在自相关的结论。
二、判断下列各题对错,并简单说明理由:
在存在异方差情况下,普通最小二乘法(OLS)估计量是有偏的和无效的;NO
如果存在异方差,通常使用的t检验和F检验是无效的;YES
在存在异方差情况下,常用的OLS法总是高估了估计量的标准差;NO
如果从OLS回归中估计的残差呈现系统模式,则意味着数据中存在着异方差;YES
当存在序列相关时,OLS估计量是有偏的并且也是无效的;NO
消除序列相关的一阶差分变换假定自相关系数必须等于1;NO
两个模型,一个是一阶差分形式,一个是水平形式,这两个模型的R2值是不可以直接比较的。NO
回归模型中误差项存在异方差时,OLS估计不再是有效的;YES
回归模型中误差项存在序列相关时,OLS估计不再是无偏的;NO
4-:(1)OLS估计量及其方差;(2)置信区间;(3)显著性t检验和F检验的使用。
答:异方差不影响OLS的估计量的线性与无偏性,但是会破坏最小方差性,置信区间会扩大,显著性t检验和F检验无效。
4-(1)自相关的情形下,什么估计方法能够产生BLUE估计量?简述这个方法的具体步骤。
答:使用广义差分法能够产生BLUE估计量。具体步骤见课件,共有四步(见打印的资料)
(二)基本证明与问答类题型
4-(1)的情形下,估计自相关参数有哪些不同的方法?
答:1、,适用于大样本。
2、泰尔——纳加估计公式,适用于小样本。
3、用迭代法。
4,用杜宾两步法。
4-,你是否预期存在着异方差?
Y
X
样本
公司利润
净财富
《财富》500强
公司利润的对数
净财富的对数
《财富》500强
道琼斯工业平均指数
时间
1960~1990年(年平均)
婴儿死亡率
人均收入
100个发达国家和发展中国家
通货膨胀率
货币增长率
美国、