计量经济学题库(计量经济学题库及答案)

导语：计量经济学tips

C.S Chu是Hal. White的弟子，南加州和台大的教授，研究方向是时间序列。从他那里学来不少计量上的理念。整理出来供大家参考。以下的第一人称均指Chu。

01 计量建模时一般考虑线性模型，why？我的答案很简单：why not？反正模型的形式是未知的。既然未知，为何不选最简单的线性模型？

02 很多教科书一讨论参数估计，就搬出几大标准：无偏性、有效性和一致性。这几个性质的地位是不一样的。一致性是最重要的，而有效性在它面前微不足道。至于有偏无偏，即使有偏，也可能是一致的；所以无偏性也不重要。在某些特定的条件下，无偏性只是为了保证一致性成立的必要条件而已。

03 当在计量经济学中遇到困难时，往往要回到经济学中寻找答案。

04 不能根据R平方判断模型的优劣。R平方随着解释变量个数的增加而增加，因为Information is never negative。如果高的R平方只是源于更多的解释变量，那么显然高的R平方不代表更好的模型。而且，高的R平方还意味着模型样本外预测的能力较低。

05 在时间序列分析中，R平方超过0.9不是什么大不了的事情，不必为此沾沾自喜；而在横截面分析中，超过0.3的R平方就被看作超级了不起的事情。

06 横截面数据一般包含特定的结构，因此处理起来要小心。

07 ARMA模型是计量经济学家的良心。如果你建的模型的预测能力不如ARMA，那么模型就是失败的。你要敢于拿ARMA去挑战自己。

08 时间序列的回归中，一定要保证内部逻辑的一致性。拿I(0)对I(1)做回归或拿I(1)对I(0)做回归都是不能接受的。当你看到有人直接拿GDP对利率作回归，那他的模型必错无疑。

09 当你看到模型的t值很大时，先不要高兴，因为这很可能是谬误回归的产物。

如果此时Durbin-Waston值很小（小于0.5），那么谬误回归的可能性就进一步变大了。

10 在处理联立方程组模型中，一般采用reduced form。reduced form虽然不一定得到原方程组的参数，但用来预测足矣。

11 如果预测误差有相关性，那么模型设定一定有错误。

12 在对用极大似然法得到的参数的渐进分布进行讨论时，千万别忘了信息矩阵等式是一切简化结果的前提。虽然这一等式很难成立，但大部分计量经济学家都默认它成立。

13 在假设检验中，如果模型是线性的而原假设是非线性的，则一般考虑wald test。如果模型是非线性的，则要考虑LM test。

14 在模型设定上有两种思路：一种是由顶至下（top-down），一种是由底至上（bottom-up）。

前者是指先设定一大串解释变量，然后一个一个排查；

后者是指从最简单的模型入手，逐个往里加解释变量。

前者的问题在于包含了多余的变量，致使非有效性产生；而后者遗漏了重要变量，致使不一致性产生。从一致性和有效性的重要程度来看，似乎应当选择前者。

但是，除非你能保证那一大串解释变量完全包含了真实的模型，否则那一大串变量的模型也是不一致的。而能做到这一点（包含真实模型），很难。既然都不一致，为何不选择从简单的模型开始呢？

15 在经典假设不满足的情况下，FGLS不比OLS更有效。

16 解决序列相关的传统办法是“准差分法”。但是，序列相关出现，意味着模型设定有问题；应从模型设定上入手解决。

17 在检验序列相关时，DW test针对AR(1)的误差项。即使误差项不满足AR(1)，DW test也富含信

18 小样本时，DW test比LM test更powerful，因为LM test是一个渐进的检测。

19 递归残差比OLS残差更有信息量。

20 实际操作中，如果存在异方差，仍然使用OLS，但方差估计值要选择Robust Variance.

21 实际操作中，如果存在异方差，且根据OLS方差和Robust方差得到的显著性检验结果相同，那么就没有必要理会异方差的存在。

22 如果必须要修正异方差，就要大胆假设异方差的形式，并用Breusch-Pagan test检验，而不是回避异方差的形式。

23 其他修正异方差的方法包括对数据取对数和把变量变成人均变量。

24 在用Newton-Ralphson方法对非线性模型作迭代时，初始值和步长的选定很重要。

25 在GARCH（1,1）中，误差项的方差在实证中总是趋近于无穷大。尽管后人对此作了修正，但我认为问题出在根本模型的设定。

免责声明:本站部份内容由优秀作者和原创用户编辑投稿，本站仅提供存储服务，不拥有所有权,不承担法律责任。若涉嫌侵权/违法的，请反馈，一经查实立刻删除内容。本文内容由快快网络小茜创作整理编辑！