【名词解释】
1. 总变差(Total Sum of Squares, TSS):在统计学中,总变差是因变量所有观测值与其均值之差的平方和,用来衡量数据的总体变异程度。
2. 残差平方和(Residual Sum of Squares, RSS):残差平方和是回归模型中,观测值与预测值之差的平方和,反映了模型未能解释的变异部分。
3. 可决系数(Coefficient of Determination, R²):可决系数是模型拟合优度的度量,表示模型解释的变异部分占总变异的比例。
4. 调整的可决系数(Adjusted R²):在多变量回归中,考虑了自变量数量对模型解释能力的影响,防止了过度拟合。
5. 序列相关(Serial Correlation):指时间序列数据中,一个观测值与前一个或多个观测值存在相关性,可能导致回归分析中的误差。
6. 拉格朗日乘数检验(Lagrange Multiplier Test, LM Test 或 Granger-Busso Test, GB Test):用于检测时间序列模型中是否存在自相关或异方差性。
7. 异方差性(Heteroscedasticity):指的是不同观测值的误差项具有不同的方差,违反了回归分析的基本假设。
8. 工具变量法(Instrumental Variables, IV):当模型存在内生性问题时,使用与解释变量相关但与误差项无关的变量作为工具变量来估计参数。
9. 多重共线性(Multicollinearity):自变量之间高度相关,可能导致参数估计不准确和模型稳定性降低。
10. DW检验(Durbin-Watson Test):用于检测时间序列模型中是否存在正的序列相关性。
11. 自回归模型(Autoregressive Model):一种时间序列模型,其中当前的观测值依赖于过去的观测值。
12. 分布滞后模型(Distributed Lag Model):考虑过去变量影响的模型,当前值不仅受到最近的过去值影响,还受到更远历史值的滞后效应。
13. 先决变量(Premptive Variable):在结构方程模型中,影响因变量但不受模型中其他变量直接影响的变量。
14. 构造式模型(Structural Equation):包含内生变量和外生变量,描述了系统中各变量之间的因果关系。
15. 简化式模型(Simplified Equation):在结构方程模型中,只包含外生变量对内生变量影响的方程。
16. 间接最小二乘法(Indirect Least Squares, ILS):在存在内生变量的情况下,先对内生变量进行估计,然后用其估计值代替实际值进行外生变量的最小二乘估计。
17. 两阶段最小二乘法(Two-Stage Least Squares, 2SLS):处理内生性问题的一种估计方法,分为两个阶段分别估计模型。
18. 平稳随机过程(Stationary Random Process):随机过程的时间平均特性与时间位置无关,满足一定的统计稳定条件。
19. ADF检验(Augmented Dickey-Fuller Test):用于检验时间序列是否具有单位根,进而判断序列是否平稳。
20. d阶单整(Integration of order d, I(d)):时间序列经过d次差分后变得平稳,描述了序列的阶数。
【问答】
1. 模型的检验主要包括模型的假设检验、参数估计的显著性检验、模型的整体显著性检验以及残差的性质检验,如异方差性、序列相关性和多重共线性的检查。
2. 一元线性回归模型的基本假设包括:误差项独立、误差项均值为0、误差项同方差且正态分布、自变量与误差项无关联(即自变量是确定的)以及线性关系。
3. 第三章涉及的题目未给出具体内容,通常包括模型设定、参数估计、假设检验等。
4. DW检验的判断区间是[0,4],根据DW统计量与d值的关系判断是否存在正序列相关,例如,d=2表示无序列相关,d>2表示负序列相关,d<2表示正序列相关。
【计算】
这部分涉及到使用Eviews软件进行的计算练习,涵盖不同章节的实例,例如第二章的回归分析、第三章的F检验、第四章的模型设定等。具体的计算步骤和结果没有给出,但在实际操作中,会涉及建立模型、估计参数、进行假设检验、预测等步骤。
【总结】
这个文档似乎是一个经济学或统计学的考试复习资料,涵盖了回归分析中的基本概念、模型检验、异常情况处理以及实际计算应用。内容包括选择题、名词解释、问答和计算题,涉及了时间序列分析、多元线性回归、异方差性处理、内生性问题等多个关键知识点。对于学习者来说,理解并掌握这些概念和方法是理解和应用回归分析的基础。