一、名词解释（5*3分=15分）(斜体表明仅供参考)计量经济学：以经济理论和经济数据的事实为依据，运用数学和统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
最小二乘法：指在满足古典假设的条件下，用使估计的剩余平方和最小的原则确定样本回归函数的方法，简称OLS随机扰动项：总体回归函数中，各个Y值与条件期望的Y值的偏差，又称随机误差项。
是代表那些对Y有影响但又未纳入模型的诸多因素的影响。
总体回归函数：在给定解释变量X i条件下，总体被解释变量Y i的期望轨迹，函数式表示为E（Y i∣X i）=f(Xi)= β0+β1X i 样本回归函数：在总体中抽取若干个样本构成新的总体，然后在新的总体下，给定解释变量X i，被解释变量Y i的期望轨迹，函数式表示为E（Y i∣X i）=Y i^= β0^+β1^X i系数显著性检验:（t检验）对回归系数对应的解释变量是否对被解释变量有显著影响的统计学检验方法方程显著性检验:（F检验）对模型的被解释变量与所有解释变量之间的线性关系在整体上是否显著的统计学检验方法高斯-马尔可夫定理：在古典假设的条件下，OLS估计量是总体参数的最佳线性无偏估计量，即BULE。
拟合优度：为说明多元线性回归模型中对观测值的拟合情况，可以考察在Y的总变差中能由解释变量所解释的那部分变差的比重，即回归平方和与总体平方和的比值，R2=ESS/TSS=1-RSS/TSS.调整的可决系数:是一个用于描述多个解释变量对被解释变量的联合影响程度的统计量，相对可决系数而言，克服了随解释变量的增加而变大的缺陷。
表达式为R—2=1-(n-1)RSS/(n-k)TSS多重共线性:指解释变量之间存在的完全或近似的线性关系异方差：模型中随机误差项不再满足经典假设的同方差假定，其方差随观测个体的变化而变化，即D（εi）=σi2加权最小二乘法：在拟合存在异方差的模型中，对不同的σi2区别对待（重小轻大原则）,构造权数W i=1/σi2，根据最小二乘原理，使加权的残差平方和最小，从而估计参数，这种求解参数估计式的方法为加权最小二乘法。
自相关：又称序列相关，是指在总体回归模型的随机误差项u i之间存在相关关系就，即cov(u i, u j)≠0.(i≠j)判断题（10*1分=10分）1、随机误差项u i与残差项e i是一回事。
（乂）2、总体回归函数给出了对应于每一个自变量的因变量的值。
（乂）3、线性回归模型意味着因变量是自变量的线性函数。
（乂）4、在线性回归模型中，解释变量是原因，被解释变量是结果。
（√）5、在实际中，一元回归没什么用，因为因变量的行为不可能仅由一个解释变量来解释。
(乂)6、尽管有完全的多重共线性，OLS估计量仍然是最优线性无偏估计量。
（乂）7、在高度多重共线的情形中，要评价一个或多个偏回归系数的个别显著性是不可能的。
（乂）8（√）9、变量的两两高度相关并不表示高度多重共线性。
（乂）10、如果分析的目的仅仅是预测，则多重共线性是无害的。
( √ )11、在多元回归中，根据通常的t ( 乂 )12、变量不存在两两高度相关表示不存在高度多重共线性。
( 乂 )13、当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性。
（乂）14、当异方差出现时，常用的t检验和F检验失效。
（√）15、在异方差情况下，通常OLS估计一定高估了估计量的标准差。
（乂）16、如果OLS回归的残差表现出系统性，则说明数据中有异方差性。
（√）17、如果回归模型遗漏一个重要的变量，则OLS残差必定表现出明显的趋势。
（√）18、在异方差情况下，通常预测失效。
（√）19、当模型存在高阶自相关时，可用D-W法进行自相关检验。
（乂）20、当模型的解释变量包括内生变量的滞后变量时，D-W检验就不适用了。
（√）21、DW值在0和4之间，数值越小说明正相关程度越大，数值越大说明负相关程度越大。
（√）22、假设模型存在一阶自相关，其他条件均满足，则仍用OLS法估计未知参数，得到的估计量是无偏的，不再是有效的，显著性检验失效，预测失效。
（√）23、当存在自相关时，OLS估计量是有偏的，而且也是无效的。
（乂）24、消除自相关的一阶差换变换假定自相关系数必须等于－1。
（乂）25、发现模型中存在误差自相关时，都可以利用差分法来消除自相关。
（√）26那么杜宾—沃森（D—W）检验法不适用。
（√）27、在杜宾—沃森（D—W）检验法中，我们假定误差项的方差是同方差。
（√）28（√）三、汉译英（15分）1、Autocorrelation also known as serial correlation, is the cross-correlation of a signal with itself, in linear regression analysis, if the errors are serially dependent => autocorrelation/serial correlation Likely causes: 1. Omit variable that ought to be included. 2. Misspecification of the functional form. This is most obvious where a straight line is put through a curve of dots. This would clearly show up in plots of residuals. 3. Errors of measurement in the dependent variable. If the errors are not random then the error term will pick up any systematic mistakes.The Problem：OLS is not the best estimation method.(is unbiased, consistent, inefficient) It will underestimate the true variance. So the t values will look too good, will reject H0 when it is true Tests ：1. Plot the residuals over time or against a particular variable and see if there is a pattern.2. Durbin Watson Statistic:Solutions ：increase number of observations specify correctly GLS1、自相关又称序列相关，在线性回归分析中，如果随机误差是连续相关的，自相关是μ1，μ2，…，μn序列自身的相关。
产生原因：1.忽略了遗漏变量2.函数形式的设定偏误。
例如，将本应该是曲线的模型设定为线性曲线的模型，这将会在残差图中明确地表现出来。
3.相关变量的处理错误。
如果误差不是随机的，那么将会产生系统误差。
后果：普通最小二乘法（OLS）不是最好的估计方法（无偏的，一致的，无效的）它将低估参数估计值的真实方差，从而过高估计t统计量的值，当H0为真时，拒绝H0。
检验：1.按照时间顺序或者一个特定的变量绘制回归残差项的图形并且观察是否逐次有规律地变化。
2.DW检验法解决方法：增大样本容量准确定义 GLS（广义的最小二乘法回归）2、The econometrics literature focuses on use of the bootstrap in hypothesis testing,which relies on approximation of probabilities in the tails of the distributions of statistics. Other applications are to confidence intervals, estimation of standard errors, and bias education. The bootstrap is straightforward to implement for smooth √N-consistent estimators based on iid samples, though bootstraps with asymptotic refinements are underutilized. Caution is needed in other settings, including non-smooth estimators such as the median, nonparametric estimators, and inference for data that are not iid.计量经济学文献侧重于假设检验中的自举估计方法的使用，它依赖于检验统计量尾部概率分布的近似值。
其他的应用是对置信区间，标准误差估计和偏差的评判。
通常统计量不是渐进充分的，但对于独立同分布的自举样本，且统计量是光滑√N一致统计量时，自举估计量较容易实现。
，对于样本不是独立同分布或者统计量是非光滑估计量和非参数估计量等其它情形，自举推断较复杂。
3、The Durbin–Watson test has become so venerable that practitioners often forget the assumptions underlying the test. In particular, the assumptions that (1) the explanatory variables are non-stochastic;(2) the error term follows the normal distribution;(3) the regression models do not include the lagged value(s) of the regressand; and (4) only the first-order serial correlation is taken into account are very important for the application of the DW test. It should also be added that a significant DW statistic may not necessarilyindicate autocorrelation. Rather, it may be an indication of omission of relevant variables from the model.注：venerable 珍贵的，神圣的；regressand 回归元，在计量经济学中常指被解释变量；normal distribution 正态分布；the first-order serial correlation 一阶自相关；DW检验如此高大上以至于检验人员经常忘记相关的假设检验，特别是，如下假设(1)被解释变量是非随机的（2）误差项遵循正态分布（3）回归模型不包括解释变量的滞后值（4）在应用DW检验最重要的一点是只考虑一阶自相关。