关键字：华南理工大学 张老师 2015
一．名词解释 （10道20分）
1：OLS: 多元线性回归模型
估计值通过 最小化残差平方和 而得到
2：SST: 因变量 对于 样本均值 的总样本变异
SSR: OLS的残差平方和
SSE：多元回归模型中 拟合值的总样本变异
SER：总体误差的标准差估计值= SSR/ 自由度 的开方
3：Unbiased Estimator: 期望值=总体值的估计量
4：BLUE: 所有线性无偏估计量中 最小方差的无偏估计量
5：Attenuation Bias ,Biased towards zero: 估计量的期望值小于总体参数的绝对值
6：Dummy variable: 取值为1或0的变量
7：B-P test: OLS的残差的平方 对 解释变量 做回归的异方差检验
8：White test:OLS残差的平方 对OLS的拟合值 和拟合值的平方 做回归的异方差检验
一般形式： 将OLS残差的平方 对 解释变量 解释变量的平方 解释变量 之间非多余的交互项进行回归。
9：Casual Effect: 其他条件不变 一个变量对另外一个变量产生的影响
Partial effet: 其他条件不变 解释变量对因变量的影响
10：Chow statistic: 检验不同组/不同时期 回归参数相等的 F检验
11：CLMA：1-6 线性，随机抽样，零条件均值，不存在完全共线性，同方差，误差正态性 12：GM:1-5 使OLS成为 BLUE （1-4 无偏）
13：Consistency: 一个估计量 随着样本容量的增大 依概率收敛于正确总体值
14：Cross Sectional data set: 给定时点 从总体抽取的数据集
Panel Data: 不同时期 横截面重复观测
Pooled cross section: 不同时点 相互独立的横截面组合
Time series process: 一个/多个 变量 不同时期的数据
15：DM： 非嵌套对立假设 包含对立模型的拟合值 对拟合值做T检验
16：Dummy variable trap: 自变量包含过多的虚拟变量
17：Econometric Model: 因变量 自变量 和干扰项 相联系的方程，未知总体参数决定解
释变量在其他条件不变的效应
18：Empirical Analysis: 用数据检验理论 估计关系式 评价政策有效性的研究
19：Heteroskedasticity : 误差项的方差不为常数
Homo : 在解释变量的条件下，误差具有不变方程
20：Lagged dependent variable: 解释变量=以前时期的因变量
21：Misspecification Analysis:确定 遗漏变量 ，联立，测量误差等所导致可能偏误的过程 22：Nonnested Modles : 模型不能对参数 进行约束而变成另一个模型
23：R2：因变量的变异由解释变量解释的比例
24：Proxy variable: 与观测不到的解释变量有关而又不同的可观测解释变量的
25：Standardized coefficients: 一种回归系数 度量自变量增加一个标准差时，因变量的改变是标准差的倍数
4.参数估计量的有效性：它是否在所有线性无偏估计量中具有最小方差。 估计量的期望方差越大说明用其估计值代表相应真值的有效性越差；否则越好，越有效。不同的估计量具有不同的方差，方差最小说明最有效
最后老师考了个CEV，和完全共线性，其他的都压到题了。
二．判断题 （10道20分)
7．实际问题中的多重共线性不是自变量之间存在理论上或实际上的线性关系造成的，而是由于所收集的数据之间存在近似的线性关系所致。√
9．如果给定解释变量值，根据模型就可以得到被解释变量的预测值。×
1.在模型中引入解释变量的多个之后项容易产生多重共线性
2.随机误差项代表总体模型的误差，残差表示样本模型的误差。残差=随机误差项+参数估计误差
最后老师考的都是公式熟记和公式理解
三．简答题 (30分）
1. 针对普通最小二乘法，线性回归摸型的基本假设
2.异方差
后果：
1.OLS估计量是无偏的，非有效的
2.估计量的方差的估计有偏
3.建立在T检验和F检验的置信区间和假设检验都是不可靠的。
补救措施：
第2/3页
1.已知方差为原方差的h函数倍数
将式子同除以根号 h
2.未知异方差
可行的GLS 程序
1）将y对x 做回归得到残差 u
2）将u转换成log(u的平方）
3)将log(u的平方）对x做回归得到拟合值g
4）h=exp(g)
5)以1/h 为权数，用WLS估计方程
3.White 检验
B-P检验
1) 用OLS估计模型，将y对x进行回归，得到残差u，得到R的平方
2) 用残差的平方对x进行回归，得到Ru的平方（怀特检验这里是u的平方对
上式的y拟合值和拟合值的平方 进行回归 得到RU的平方）
3) 计算F检验（n-k-1)或者LM检验(卡方）并计算P值，如果P值相当小，拒
绝同方差性的虚拟假设
4.拉格朗日步骤
1) 设置k-q+1后面的系数都为假设为0
2) 将y 对k-q前面的x做回归得参数u
3) 将u对所有自变量进行回归，得到相应的Ru的平方
4) LM-=nRU的平方
4.稳健的LM统计量 异方差
1) 设置k-q+1后面的系数都为假设为0
2) 将y 对k-q前面的x做回归得参数u
3) 将k-q+1....k分别对 k-q 之前的x进行回归，得到r
4) 将1对ru 的乘积 进行 回归 得到SSR1
5) LM=n-SSR1 卡方分布
5.遗漏重要变量的后果
除了这些，老师后来考了个F检验的步骤
四．公式推导 （15分）
1.无偏性
2.优美公式
3.定理2
4.定理都可以推导一下
总之最后考了优美公式的推导，就是贝塔1和贝塔0的推导
五．计算题 （15分）
考了F检验