2017年东北大学计量经济学考研复试核心题库
● 摘要
一、简答题
1． 假使在回归模型
中，用不为零的常数
去乘每一个x 值，这会不会改变Y
的拟合值及残差? 如果对每个x 都加大一个非零常数【答案】回归模型则有:
的拟合值与残差分别为:
（1）记
，则有:
记新总体模型对应的样本回归模型为:
则有:
，又会怎样?
，
的样本回归模型记为
于是在新的回归模型下，Y 的拟合值与残差分别为:
因此，对x 乘非零常数后，不改变Y 的拟合值与模型的残差。 （2）记
，则有
，于是新模型的回归参数分别为:
在新的回归模型下，Y 的拟合值与残差分别为:
因此，对x 都加大一个非零常数后，也不改变Y 的拟合值与模型的残差。
2． 为了增加样本，能否简单地将多个时间的横截面数据综合为一组样本进行估计? 为什么? 【答案】不能简单地将多个时间的横截面数据综合为一组样本进行估计。 多个时间的横截面数据即为平行数据。单方程平行数据的一般模型为:
其中X 1i 为1×K 向量，β为K ×1向量，K 为解释变量的数目。该模型常用的三种情形: 情形l :情形2:情形3:
（截面上无个体影响、无结构变化） （变截距模型） （变系数模型）
情形1表示样本在横截面上无个体影响，应用普通最小二乘法可以给出两参数的一致有效估计，也相当于将 多个时期的截面数据放在一起作为样本数据。情形2为变截距模型，即 在截面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响; 情形3称为变系数模型， 除了存在个体影响外，在横截面上还存在经济结构的变化，因而结构参数在不同截面单位上也是不同的。若分析 的问题属于情形1，则将多个时间的横截面数据综合在一起当作一个样本是合适的; 但如果分析的问题属于情形2和情形3，则将多个时间的横截面数据综合在一起会损失一些数据信息并带来模型估计中的误差甚至错误。
3． 联立方程计量经济学模型的单方程估计有哪些主要的方法? 其适用条件和统计性质各是什么? ，间接最小【答案】联立方程计量经济学模型的单方程估计方法主要有:狭义的工具变量法（IV ）二乘法（ILS ）和两阶段最小二乘法（2SLS ）。
狭义的工具变量法（IV ）和间接最小二乘法（ILS ）只适用于恰好识别的结构方程的估计。两阶段最小二乘法（2SLS ）既适用于恰好识别的结构方程，又适用于过度识别的结构方程。
用工具变量法估计的参数，一般情况下，在小样本下是有偏的，但在大样本下是渐近无偏的。如果选取的工具变量与方程随机误差项完全不相关，那么其参数估计量是无偏估计量; 对于间接最小二乘法，对简化式模型应用普通最小二乘法得到的参数估计量具有线性性、无偏性、有效性。通过参数关系体系计算得到结构方程的结构参数估计量在小样本下是有偏的，在大样本下是渐近无偏的; 采用二阶段最小二乘法得到结构方程的结构参数估计量在小样本下是有偏的，在大样本下是渐近无偏的。
二、计算题
4． 设模型
为
，其中为
为
观测值向量，为观测值矩阵
，
参数向量，随机向量，并且
证明加权变换后的随机干扰项具有同方差性，且平方和为:
【答案】对正定矩阵
存在一个矩阵
使得:
对模型的左边乘矩阵
进行加权变换得:
变换后模型随机干扰项
的方差为:
即变换后的模型是同方差的，随机干扰项的平方和为:
且