1面板資料[湖南大學2013研]
答：面板資料也稱為平行資料、時空資料等，是指在時間序列上取多個截面，在這些截面上同時選取樣本觀測值所構成的樣本資料，反映了空間和時間兩個維度的經驗資訊。面板資料同時擁有時間序列和截面兩個維度，當這類資料按兩個維度排列時，排在乙個平面上，與只有乙個維度的資料排在一條線上有著明顯的不同，整個**像是乙個面板，因此稱之為面板資料。面板資料能夠克服時間序列資料通常較為嚴重的多重共線性問題，同時相較於純粹的截面資料與時間序列資料能夠提供更多的資料資訊，因此經常採用面板資料建立模型。
2虛擬變數[湘潭大學2016研]
答：在建立模型時，通常會有一些影響經濟變數的因素無法定量度量，如季節對某些產品(如冷飲)銷售的影響等，為了能夠在模型中反映這些因素的影響，並提高模型的精度，需要將它們「量化」，這種「量化」通常是通過引入「虛擬變數」來完成的。根據這些因素的屬性型別，構造只取「0」或「1」的人工變數，通常稱這類變數為虛擬變數。一般地，在虛擬變數的設定中，基礎型別和肯定型別取值為1；比較型別和否定型別取值為0。
3虛擬變數陷阱[湘潭大學2017研]
答：在虛擬變數的設定中，虛擬變數的個數須按以下原則確定：每乙個定性變數所需的虛擬變數的個數要比該定性變數的類別數少1，即如果有m個定性變數，只能在模型中引入m－1個虛擬變數。如果引入m個虛擬變數，就會導致模型解釋變數間出現完全共線性，模型無法估計的情況，這稱為虛擬變數陷阱。
4多重共線性[湖南大學2016、2011研]
答：多重共線性是在多元回歸中可能存在的現象，如果在模型中某兩個或多個解釋變數之間出現了相關性，則稱為存在多重共線性，多重共線性分為完全共線與近似共線兩類。當某乙個解釋變數可以用其他解釋變數的線性組合表示，稱解釋變數之間存在完全共線性，此時模型引數無法進行估計。完全共線性的情況並不多見，一般出現的是在一定程度上的共線性，即近似共線性。近似共線性可能使估計值的正負符號與客觀實際不一致，且引數估計值的標準誤差變得很大，從而t值變得很小，引數的顯著性下降，回歸方程不穩定等，但模型引數的估計仍是無偏、一致且有效的。
檢驗模型是否存在多重共線性的方法有：①若多個解釋變數間的相關係數接近於±1，則可認為模型存在多重共線性；②在普通最小二乘法下，模型的r2與f值較大，但各引數估計的t檢驗值較小，此時解釋變數之間往往存在多重共線性；③當方差膨脹因素vif大於10時，模型也可能存在較嚴重的多重共線性。如果存在多重共線性，需進一步確定判明存在多重共線性的範圍，可以用判定係數檢驗法、逐步回歸法等方法進行判定。
多重共線性問題的處理方法主要有增加樣本容量、精簡變數法、逐步回歸判別法、主成分回歸法等。
5序列相關性[湖南大學2011研]
答：序列相關性是指對於不同的樣本點，隨機誤差項之間不再是不相關的，而是存在某種相關性，cov(ui，uj)≠0，i≠j。導致序列相關性的主要原因有：①經濟變數固有的慣性使時間序列資料前後具有較強關聯性；②模型設定的偏誤(在模型中丟掉重要解釋變數或模型函式形式偏誤)導致隨機干擾項的序列相關性；③資料的「編造」導致新生成的資料和原資料間存在內在的聯絡，表現出序列相關性。
當出現序列相關性後會產生一些不良後果，引數的估計量非有效。在序列相關存在的情況下，ols估計量仍具無偏性與一致性，但通常變數的顯著性檢驗失去意義，引數估計量非有效，模型的**功能也將會失效。
序列相關性的檢驗方法有圖示法、回歸檢驗法、杜賓-瓦特森檢驗法、拉格朗日乘數檢驗法。如果模型出現序列相關，常用的補救方法是廣義最小二乘法、廣義差分法和序列相關穩健估計法。
6加權最小二乘法[湖南大學2017研]
答：加權最小二乘法是修正模型異方差問題的重要方法。該方法通過對原模型加權，使之變成乙個新的不存在異方差性的模型，然後採用普通最小二乘法估計其引數。加權的基本思想是：在採用普通最小二乘法時，對較小的殘差平方ei2賦予較大的權數，對較大的ei2賦予較小的權數，以對殘差提供的資訊的重要程度作一番校正，提高引數估計的精度。
7係數顯著性檢驗[湘潭大學2016研]
答：係數顯著性檢驗，指在對模型中被解釋變數與某一解釋變數之間的線性關係是否顯著成立作出推斷，或者說考察所選擇的解釋變數是否對被解釋變數有顯著的線性影響。係數顯著性檢驗所應用的方法是數理統計學中的假設檢驗，主要有f檢驗、t檢驗、z檢驗。它們的區別在於構造的統計量不同，其中應用最為普遍的是t檢驗。
8懷特檢驗[湖南大學2018研]
答：懷特檢驗是檢驗回歸模型是否具有異方差性的重要方法。下面以兩個解釋變數的回歸模型為例說明懷特檢驗的基本思想與步驟。
①假設回歸模型為
先對該模型作普通最小二乘回歸，並得到
②作如下輔助回歸：
即對所有的解釋變數、解釋變數的平方項以及解釋變數的交叉項進行回歸。
③可以證明，在同方差性假設下，從該輔助回歸得到的決定係數r2與樣本容量n的乘積，漸近地服從自由度為輔助回歸方程中解釋變數個數的χ2分布：
則可在大樣本下，對統計量nr2進行相應的χ2檢驗。
需要注意的是，輔助回歸仍是檢驗
與解釋變數可能的組合的顯著性，因此，輔助回歸方程中還可引入解釋變數的更高次方。如果存在異方差性，則表明
確與解釋變數的某種組合有顯著的相關性，這時往往顯示出有較大的可決係數r2，並且某一引數的t檢驗值較大。當然，在多元回歸中，由於輔助回歸方程中可能有太多解釋變數，從而使自由度減少，有時可去掉交叉項。
9p值[湘潭大學2017研]
答：p值是一種概率，一般地，用x表示檢驗的統計量，當原假設為真時，可由樣本資料計算出該統計量的值c，根據檢驗統計量x的具體分布，可求p值。
一般來說，左側檢驗的p值為檢驗統計量x小於樣本統計值c的概率，即p＝p；右側檢驗的p值為檢驗統計量x大於樣本統計值c的概率：p＝p；雙側檢驗的p值為檢驗統計量x落在樣本統計值c為端點的尾部區域內的概率的2倍：p＝2p(當c位於分布曲線的右端時)或p＝2p(當c位於分布曲線的左端時)。
計量經濟學建模 計量經濟學tips
01 計量建模時一般考慮線性模型，why？我的答案很簡單 why not？反正模型的形式是未知的。既然未知，為何不選最簡單的線性模型？02 很多教科書一討論引數估計，就搬出幾大標準 無偏性 有效性和一致性。這幾個性質的地位是不一樣的。一致性是最重要的，而有效性在它面前微不足道。至於有偏無偏，即使有偏...
計量經濟學建模 計量經濟學tips
01 計量建模時一般考慮線性模型，why？我的答案很簡單 why not？反正模型的形式是未知的。既然未知，為何不選最簡單的線性模型？02 很多教科書一討論引數估計，就搬出幾大標準 無偏性 有效性和一致性。這幾個性質的地位是不一樣的。一致性是最重要的，而有效性在它面前微不足道。至於有偏無偏，即使有偏...
《計量經濟學 下冊》
一本好書，節省幾個月的時間，很多在其他地方學到的複雜的東西，這裡寫的很簡單，邏輯很清晰 非常棒的一本教材，這才是教材嘛。目前重點看它的第五章 時間序列計量經濟學。做任何時間數列的分析時，通常第一步工作是先看看數量的圖形。具體的內容摘要，放到 時間序列分析與量化交易 4 從經典角度看概念。非常棒的一本...