以经济理论为指导，以数据事实为依据，以数学和统计学为方法，以计算机为手段研究经济关系和经济活动数量规律及其应用，并建立计量经济模型为核心的一门经济学学科
2、简述计量经济学与其他学科的关系
答：计量经济学是经济理论、统计学和数学的综合。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。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。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。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、统计学和数学三者统一。
3、简述建立与应用计量经济模型的主要步骤
答：①模型设定 ②估计参数 ③模型检验 ④模型应用 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统计准则检验 ③计量经济学准则检验 ④模型预测检验 5、计量经济模型有哪些应用？
答：①经济结构分析 ②经济预测 ③政策评价 ④检验和发展经济理论 6、计量经济学应用的数据
答：①时间序列数据 ②横截面数据 ③混合数据 ④虚拟变量数据
数据的来源：各种经济统计数据、专门调查取得的数据、人工制造的数据 数据的要求：真实性、完整性、可比性 7、计量经济模型的建立：
答：①行为关系（如生产、投资、消费）②生产技术关系（如投入产出关系）、③制度关系（如税率） ④定义关系
8、试述相关分析与回归分析的联系和区别。
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。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。
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②对两个变量x 与y 而言，相关分析只能计算出一个反映两个变量间相关密切程度的相关系数，而回归分析可分别建立回归方程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必须是随机变量 9、在总体回归函数中引入随机扰动项的原因？ 答：1.是未知影响因素的代表(理论的模糊性)
2.是无法取得数据的已知影响因素的代表(数据欠缺)
3.是众多细小影响因素的综合代表(非系统性影响) 4.模型可能存在设定误差(变量、函数形式的设定） 5 模型中变量可能存在观测误差(变量数据不符合实际)
6.变量可能有内在随机性(人类经济行为的内在随机性) 10、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。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。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。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 11、OLS回归线的数学性质
答：1）OLS回归线通过样本均值2）估计值Yi的均值ZYi/n等于实际观测值Yi的均值Y 3）剩余项ei的均值为零4）被解释变量估计值Yi与剩余项ei不相关 5）解释变量Xi与剩余项ei不相关 12、简述BLUE 的含义。
答：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。 13、可决系数与相关系数的区别与联系
答：是就模型而言、说明解释变量对被解释变量的解释程度、度量不对称的因果关系取值 0≦ R2 ≦1 有非负性；是就两个变量而言、说明两变量线性依存程度、度量对称的相关关系取值 -1≦r≦1可正可负 联系：数值上可决系数是相关系数的平方 14、古典线性回归模型的基本假定是什么？
答：①零均值假定。即在给定xt 的条件下，随机误差项的数学期望为0，即E(ut)=0 ②同方差假定。误差项ut的方差与t无关，为一个常数。③无自相关假定。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⑤正态性假定，即假定误差项ut服从均值为0，方差为σ2的正态分布。
15、多重可决系数的定义：在多元回归模型中，由各个解释变量联合起来解释了的Y的变差，在Y的总变差中占的比重，用R2表示。与简单线性回归中可决系数 r2的区别只是Yi不同
16、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？
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R2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。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 修正的决定系数R 2及其作用。 答：①用自由度调整后，可以消除拟合优度评价中解释变量多少对决定系数计算的影响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 17、什么是多重线性？产生的原因，后果，怎么检验和补救？ 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经济变量的共同趋势③滞后变量的引入④模型的解释变量选择不当 产生的后果：①参数的估计值不确定②参数估计值的方差无限大③对参数区间估计时，置信区间趋于变大③严重多重线性时，假设检验容易做出错误的判断④可能造成可决系数较高，但对各个参数单独的t检验却可能不显著，甚至可能使估
计的回归系数符号相反，得出完全错误的结论
检验方法：简单相关系数检验法、方差扩大（膨胀）因子法、直观判断法、逐步回归法
解决方法：剔除高度共线性的变量、增大样本容量、变换模型形式、利用非样本先验信息、横截面数据与时序数据并用、变量变换
18、什么叫异方差性？产生的原因，后果，怎么检验和消除？ 答：异方差性是指模型中随机误差项的方差不是常量，而且它的变化与解释变量的变动有关。 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 产生的影响：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 检验方法：①图示检验法②戈德菲尔德—匡特检验③怀特检验④戈里瑟检验和帕克检验（残差回归检验法）5）ARCH检验（自回归条件异方差检验） 解决方法：①模型变换法②加权最小二乘法③模型的对数变换等 19、什么是自相关，产生的原因，后果，检验方法有那些？
答：自相关：又称序列相关是指总体回归模型的随机误差项之间存在相关关系。即不同观测点上的误差项彼此相关 原因：①经济变量惯性的作用引起随机误差项②自相关经济行为的滞后性引起随机误差项自相关③一些随机因素的干扰或影响引起随机误差项自相关④模型设定误差引起随机误差项自相关（5）观测数据处理引起随机误差项自相关。 相关性的后果：1）模型参数估计值不具有最优性2）随机误差项的方差一般会低估3）模型的统计检验失效4）区间估计和预测区间的精度降低 相关性的几种检验方法：①图示法②D-W 检验③回归检验法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。 自相关的补救：广义差分法；科克伦－奥克特迭代法；德宾两步法
因篇幅问题不能全部显示，请点此查看更多更全内容