1、自相关的检验方法？ 一阶和高阶分别用什么方法？
一阶自回归形式的序列相关问题检验方法： 沃
特森）于 1951年提出的一种适用于小样本的检验方法。 型 中 最 常 用 的 方 法。 （第 四 章 112）
这种检验方法是建立经济计量模
DW检验。是J.Durbin（杜宾）和G.S.Watson
% ________ ■ 1 表& 3 检验决策规则 平能赳龙是昏脊自拒芸 斗产［JW乓4 谟塞*』”一 5 无自密关 4 -心MC 4 _瘫 不能网迟£\"时打相戻 泯轄％1%. 存屯机相类 JIIX 高阶自相关检验方法：拉格朗日乘数检验（ 济预测和评价的目的。
Breusch-Goldfrey （补充）
2、 经济计量学的实际应用过程，主要是建立、估计和检验各类经济计量模型，以达到结构 分析、经3、 故一般将外生变量和滞后变量合称为前定变量（ Predetermined Variable）。
4、 一般而言，模型所含经济变量的数据可分为几种类型？
（1）时间序列数据 是指某一经济变量在各个时期的数值按时间先后顺序排列 所形成的数列
（2 ）截面数据 是指在同一时点或时期上，不同统计单位的相同统计指标组成 的数据
（3） 混合数据是指兼有时间序列和界面数据两种成分的数据
（4） 虚拟变量数据是经济变量学家为不能量化的定性变量而设定的。 职业、性别等都是影响面包、猪肉等特定商品消费量的因素。这类具有质量属性的 因素，可在方程中引进虚拟变量来近似反映其影响。
秩条件。阶条件是方程可识别的必要条件：
如果一个方程能被识别，那么这个方程不包括的变量总数应大于或等于模型系统中方程个数 减1.引入数学符号表示如下：（m+k）— （mi+ki）＞=m-1其中，m=联立方程模型中内生变量的 个数；口：=第i个方程中内生变量的个数； 个数
k=签订变量的个数；石=第i个方程中前定变量的
i行，
Ai则第i方
秩条件是方程可识别的阶条件：所有不包含在这个方程中的其他变量的参数矩阵
）虚拟变量的取值可谓
1或0 （例如
5联立方程模型是否可识别的判断方法有哪两个？ 联立方程识别的判断方法有两种， 分别是阶条件和
的秩为m-1即我们要判别第i识别方程的识别性时，先划去结构式参数矩阵表内的第 再划去第i行上非零参数所在列，剩下的参数按原顺序组成的一个矩阵，记做 程可识别的充分必要条件是： ran k（Ai）=m-1 6软件结果图的评价。建立模型， t,R2,f。（第二章） 7如何选择ADF检验中是否包括截距和趋势项？（伪回归
PPT76）笔记
8随机误差项u的意义
1. 理论的欠缺。
虽然有决定Y的行为的理论，但常常是不能完全确定的，理论常常有一定的含糊性。
2. 数据的欠缺。
即使能确定某些变量对 Y有显著影响，但由于不能得到这些变量的数据信息而 不能引入该变量。
3. 核心变量与非核心变量。
在模型中，我们往往引入的是核心变量， 变量来看待
4•人类行为的内在随机性。
即使我们成功地把所有有关的变量都引进到模型中来， 好地反映这种随机性。
5. 节省原则，我们想保持一个尽可能简单的回归模型。 如果我们能用两个或三个变量就基本上解释了
因变量 的行为，就没有必要引
进更多的变量。让 W代表所有其它变量是一种很好的选择。
9哪种情况下使用调整后的 R2?（多元线性回归） 10、 边际分析和弹性分析估计系数的意义？ 引起的因变量的增长率（接笔记）
11、 异方差性：在线性模型的基本假定中，关于方差不变的假定不成立，其他假定不变的 情形称为异方差性。
12、 序列相关产生的背景和原因
在进行回归分析时，我们总假定其随机误差项是不相关的，即 在着序列相关现象，也称为自相关。背景和原因如下：
在个别的Y中仍不免有
Ui能很
一些“内在”的随机性，无论我们花了多少力气都解释不了的。随机误差项
即主要影响因素， 而非核心变量由于
其非系统的或随机的影响和引入成本的不合算，我们往往把他们的联合小勇当做 一个随机
（第三章 PPT）121接笔记
弹性的含义：因变量增长率所
边际的含义：边际：自变量变化一个单位时因变量的改变量。
Cov（Ui,Uj） =0,i = j
上式表示不同时点的误差项之间不相关。如果一个回归模型不满足上式，则我们称随机误 差项之间存
1•遗漏了重要的解释变量
在回归分析的建模过程中，如果忽略了一个或几个重要的解释变量，而这些遗漏的 重要变量随
着时间的推移而呈现出相关的趋势，回归模型中的误差项就会具有明显的相关 趋势，这是因为误差项包含了遗漏的变量。 2 .经济变量的滞后性
在实际问题的研究中，许多经济变量都会产生滞后影响，
响。
例如物价指数、基建投资、
国民收入、消费、货币发行量等都有一定的滞后性。如前期消费额对后期消费额一般会有 明显的影
3•回归函数形式的设定错误也可能引起序列相关
例如，假定某实际问题的正确回归函数应由指数模型 性回归模型 来表示。（4章82）
来表示。但是，研究者误用线
4 .蛛网现象（Cobweb Phenomenon^
微观经济学中的一个概念。它表示某种商品的供给量因受前一期价格影响而表现出来 的某种规律性，即呈蛛网状收敛或发散于供需的均衡点。由于规律性的作用，使得所用回 归模型的误差项不再是随机的了，而产生了某种自相关。
5 .对原始数据加工整理。
在回归分析建模中，我们经常要对原始数据进行一些处理，如在具有季节性时序资料 的建模中，我们常常要消除季节性，对数据作修匀处理。但如果采用了不恰当的差分变换， 也会带来序列相关。
序列相关问题不仅在时序资料的建模中会经常碰到，而且在截面样本中有时也会存在。
大多数经济时间序列由于受经济波动规律的作用，一般随着时间的推移有一种向下或向上 变动的趋势。所以，随机误差项
Ut —般会出现序列相关的情形。
13直观判定法（如何简单直观地判定多重共线性） 多重共线性的概念（书）：
1. R2较高，而显著t统计量较少时，可能存在多重共线性问题。
2 •当增加或剔除一个解释变量，或者改变一个观测值时，回归系数的估计值发生较大变 化，我们就
认为回归方程存在严重的多重共线性。
3 •—些重要的解释变量在回归方程中没有通过显著性检验时，可初步判断存在着严重的 多重共线
性。
4.
符号与定性分析结果违背时，
有些解释变量的回归系数所带可能存在多重共线性问题。
m个特征，那么如果是含有截距项的，就要引入
m-1个
5 •解释变量间的相关系数较大时，可能会出现多重共线性问题。
14如果只有一个质的因素，且具有 虚拟变量；不含有截距项的，
应该引入m个虚拟变量，这就是 虚拟变量的设定原则。
15如何通过设置虚拟变量来建立截距、斜率变动模型？
[% ■厂=灿+屈/八Z厂队（/\"+亿■ （8J9） 式中，斗二第个家庭的消费水平F绻-第个 家庭的收入水平’ 1 * 1; I1 . < ■< - L 我们一般通过F检验来判定它们之间是否 有差异。 L若卩円,几H0,则为截距和斜率同 吋变动模型： 2・若儿工0,几0,则为截距变动模型； 3. 若\"內仇0,则表示城镇居民家庭 和农村居 民家庭有着完全相同的消费模式 11 4. 若卩0 届工0,则为斜率变动模型, 这种情况在现实中出现得不是很多吐 16 了解计量经济模型分析的步骤。 （绪论课件中）
在回归分析中使用对数线性模型的优点和规则： 优点：（1）对数线性模型中斜率系数度量了一个变量（
Y）对另一个变量（X的弹性。
X，Y的测量单位无关。
（2）斜率系数与变量 X，Y的测量单位无关，其结果值与
（3）当Y > 0时，使用对数形式 LnY比使用水平值 Y作为被解释变量的模型更接近经典线 性模型。大于零的变量，其条件分布常常是有异方差性或偏态性；取对数后，虽然不能消 除这两方面的问题， 但可大大弱化这两方面的问题。 规则：
（4）取对数后会缩小变量的取值范围。
使得估计值对被解释变量或解释变量的异常值不会很敏感。
对于何时取对数并不存在一个固定模式，但有一些经验法则。
（1）对于大于0的数量变量，通常均可取对数。例如，需求量、价格、工资等。
2 ）以年度量的变量，如受教育年数、工龄、年龄等则通常以其原有形式出现。
（3） 以比例或百分比度量的变量，如失业率、通货膨胀率、犯罪率等变量即可使用原 形式也可使用对数形式。但两种使用方法中参数的意义不同。
（4） 使用对数时，变量不能取 0或负
