1. 如何對測量誤差和設定誤差的後果進行分析
1、設定誤差產生的來原因是：源 （1）模型的制定者不熟悉相應的理論知識； （2）對經濟問題本 身認識不夠或不熟悉前人的相關工作； （ 3） 模型制定者缺乏相關變數的數據； （4）解釋變數無法測量或數據本身存在測量誤差。 2、一個好的計量經濟學模型應當具有如下性質： （1）隨機干擾項的期望值為0； （2）消除了異方差，即總體回歸函數中的隨機誤差項滿足同方差性； （3）解釋變數無多重共線性； （4）消除了模型中由於慣性、設定偏誤、滯後等帶來的自行關。
2. 不同類型的設定誤差對模型參數估計的影響有哪些相同之處
1、設定誤差產生來的原因是：
（源1）模型的制定者不熟悉相應的理論知識；
（2）對經濟問題本
身認識不夠或不熟悉前人的相關工作；
（
3）
模型制定者缺乏相關變數的數據；
（4）解釋變數無法測量或數據本身存在測量誤差。
2、一個好的計量經濟學模型應當具有如下性質：
（1）隨機干擾項的期望值為0；
（2）消除了異方差，即總體回歸函數中的隨機誤差項滿足同方差性；
（3）解釋變數無多重共線性；
（4）消除了模型中由於慣性、設定偏誤、滯後等帶來的自行關。
3. 計量經濟學中隨機誤差項為什麼一定是同方
應該包含卻又未來包含該變數和不正自確的函數形式都會產生設定誤差。
一個好的計量經濟學模型應當具有如下性質：
1.隨機干擾項的期望值為0；2.消除了異方差，即總體回歸函數中的隨機誤差項滿足同方差性；3.解釋變數無多重共線性；4.消除了模型中由於慣性、設定偏誤、滯後等帶來的自行關。
4. 遺漏變數偏誤和模型設定偏誤什麼區別
經典回歸模型必須包含以下幾個經典假設條件：
1.模型設定是線性的
2.解釋變數是確定性變數
3.隨機版誤權差項的均值是零
4.隨機誤差項同方差
5.隨機誤差項各項之間無序列相關
6.解釋變數與隨機誤差項不相關
7.隨機誤差項服從正態分布
上述幾個假設條件是為了能夠進行無偏有效線性的最小二乘法的估計（blue),也是為了後面模型檢驗的順利進行（例如t
test,f
test）。如果違背了上述其中之一的假設條件，就不是經典的線性回歸模型，這樣的模型用ols來估計往往失效，就得用一些方法進行修正或者用其他方法來估計參數。。。
5. 設定誤差產生的原因是什麼好的計量經濟學模型具有哪些性質
1、設定誤差產生的原因是：
（1）模型的制定者不熟悉相應的理論知識；
（2）對經濟版問題本
身認權識不夠或不熟悉前人的相關工作；
（
3）
模型制定者缺乏相關變數的數據；
（4）解釋變數無法測量或數據本身存在測量誤差。
2、一個好的計量經濟學模型應當具有如下性質：
（1）隨機干擾項的期望值為0；
（2）消除了異方差，即總體回歸函數中的隨機誤差項滿足同方差性；
（3）解釋變數無多重共線性；
（4）消除了模型中由於慣性、設定偏誤、滯後等帶來的自行關。
6. 計量經濟學都有哪些模型啊，具體怎樣運用
#計量經濟學的定義
計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關系。主要內容包括理論計量經濟學和應用經濟計量學。
#計量經濟學的研究步驟和方法
確定變數和數學關系式-模型設定；分析變數間具體的數量關系-估計參數；檢驗所得結論的可靠性-模型檢驗；經濟分析和預測-模型應用
#分布滯後模型估計的困難有哪幾個
A．自由度問題。自由度過分損失，到時估計偏差增大，顯著性檢驗失效。
B．多重共線性問題。滯後變數常存在多重共線性。
C．滯後長度難以確定。
#工具變數法
1．與所代替的解釋變數高度相關
2．與隨機擾動項不相關
3．與其他解釋變數不相關，以免出現多重共線性
#虛擬變數的基本概念
虛擬變數是人工構造的取值為0和1的作為屬性變數代表的變數
#聯立方程模型的區別
A．聯立方程組模型由幾個單一方程組成。被解釋變數不只一個。
B．模型里有隨機方程，也有確定性方程，但必含有隨機方程。
C．被解釋變數和解釋變數之間不僅是單向因果關系，也可能互為因果。
D．解釋變數可能與隨機擾動項相關。
#非完全多重共線性後果：
1.參數估計量方差增大
2.對參數區間估計時，置信區間趨於變大
3.嚴重時，假設檢驗容易作出錯誤判斷
4.嚴重時，可能r2較大和f檢驗顯著性高，但t檢驗可能不顯著，得出錯誤結論
#多重共線性檢驗：
1．簡單相關系數檢驗
2．方差擴大因子法
3．直觀判斷，如回歸系數標准差大，或與經濟理論背離
4．逐步回歸法
#自相關：
經濟系統的慣性。經濟活動滯後效應。數據處理造成的相關。蛛網現象。模型設定偏誤。零均值，低估參數估計值的方差，對模型預測的影響，高估t，f，r2不可靠，對模型影響，降低預測精度。
#異方差：
模型中省略某些重要解釋變數。模型設定誤差。測量誤差的變化。截面數據中總體各單位的差異。無偏，一致，非有效，誇大估計參數的統計顯著性，對預測影響，Y的預測非有效。
7. 簡述模型設定背後的經濟學原理
#計量經濟學的定義計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關系。主要內容包括理論計量經濟學和應用經濟計量學。#計量經濟學的研究步驟和方法確定變數和數學關系式-模型設定；分析變數間具體的數量關系-估計參數；檢驗所得結論的可靠性-模型檢驗；經濟分析和預測-模型應用#分布滯後模型估計的困難有哪幾個A．自由度問題。自由度過分損失，到時估計偏差增大，顯著性檢驗失效。B．多重共線性問題。滯後變數常存在多重共線性。C．滯後長度難以確定。#工具變數法1．與所代替的解釋變數高度相關2．與隨機擾動項不相關3．與其他解釋變數不相關，以免出現多重共線性#虛擬變數的基本概念虛擬變數是人工構造的取值為0和1的作為屬性變數代表的變數#聯立方程模型的區別A．聯立方程組模型由幾個單一方程組成。被解釋變數不只一個。B．模型里有隨機方程，也有確定性方程，但必含有隨機方程。C．被解釋變數和解釋變數之間不僅是單向因果關系，也可能互為因果。D．解釋變數可能與隨機擾動項相關。#非完全多重共線性後果：1.參數估計量方差增大2.對參數區間估計時，置信區間趨於變大3.嚴重時，假設檢驗容易作出錯誤判斷4.嚴重時，可能r2較大和f檢驗顯著性高，但t檢驗可能不顯著，得出錯誤結論#多重共線性檢驗：1．簡單相關系數檢驗2．方差擴大因子法3．直觀判斷，如回歸系數標准差大，或與經濟理論背離4．逐步回歸法#自相關：經濟系統的慣性。經濟活動滯後效應。數據處理造成的相關。蛛網現象。模型設定偏誤。零均值，低估參數估計值的方差，對模型預測的影響，高估t，f，r2不可靠，對模型影響，降低預測精度。#異方差：模型中省略某些重要解釋變數。模型設定誤差。測量誤差的變化。截面數據中總體各單位的差異。無偏，一致，非有效，誇大估計參數的統計顯著性，對預測影響，Y的預測非有效。
8. 好的計量經濟學模型具有哪些性質
好的計量經濟學模型要素應該有三個：理論、方法和數據。
1. 理論，即經專濟理論，所研究的經屬濟現象的行為理論，是計量經濟學研究的基礎。
計量經濟模型
2. 方法，主要包括模型方法和計算方法，是計量經濟學研究的工具與手段，是計量經濟學不同於其他經濟學分支學科的主要特徵。
3.數據，反映研究對象的活動水平、相互間聯系以及外部環境的數據，或更廣義講是信息，是計量經濟學研究的原料。這三方面缺一不可。
9. 為什麼在計量經濟模型中存在隨機誤差項
好，一樓的解釋 不同意，因為一樓給出的例子是錯的。計量經濟學解決異常值問題並不是通過隨機擾動項，而是通過擴大樣本這種較為直接的方法，即雖然有一兩家單月支出較大，但是被茫茫的支出數額較平均的家庭大軍所淹沒，異常值不會對模型本身產生太大影響。 隨機擾動項 習慣稱之為隨機誤差項，包含的是模型主要變數以外的信息。 仍用居民支出舉例，如： y=ax1+bx2+c+隨機誤差項..........(1) y代表居民支出；x1代表居民收入；x2代表家庭財富；c是常數，即居民基本消費。這時，隨機誤差項代表的是：gdp、消費者價格指數、工業品價格指數、本幣匯率、大宗商品價格指數、房價均值、子女教育費均值等等等等。 知道，收入和財富是決定居民支出較為直接的變數，所以 將其引入模型中，而宏觀經濟情況和價格水平都是間接影響著居民支出的。如果 需要更詳細全面的模型，那麼 需要引入更多的變數；但引入更多變數的成本也較大，比如多重共線、自相關問題等等。所以模型利用隨機誤差項將該部分龐大而對因變數影響不大的變數們都統一在一起表示，並且由於這些變數們對因變數的影響有正有負亦可相互抵消，只是影響模型的設定全面性而已。雖然如此，任意將模型的變數放入隨機誤差項也是不對的，比如：上述模型可以改為： y=ax1+c+隨機誤差項..........(2) 可以看到，家庭財富被挪入隨機誤差項，這是可以的，但是模型存在設定偏誤，即模型忽略了家庭富足，而收入不高，靠有錢的老爹過著花天酒地生活的人群，而這種人群 不能證明其是大還是小，就很有可能對模型產生較大影響。好吧，直接公布答案，通過很多學者的研究，在模型（1）中 得到的那條曲線更真實，所以 剛才說的那種靠爹吃飯的人還真不是少數。所以模型（2）是有問題的。當然這不證明模型（1）就完全沒有問題，模型（1）存在較為嚴重的多重共線問題，即收入和家庭財富是相關性非常高的。不管他，扯遠了， 是為了解釋隨機誤差項的含義，怎麼合理利用需要大量的閱讀…… 如果 讓 從數學式上對隨機誤差項進行解釋， 只能說其期望值是0，方差好像是1，忘記了。剛才說的模型（2）至少就不符合期望值是0的假設，所以模型（2）是有問題的。當然這都是理論的假設前提，在這些前提下，模型是有效的， 也稱之為blue，如果前提被破壞， 就要對模型進行調整和修正以使之回歸blue的結果。所謂blue就是模型符合：無偏性、有效性、一致性。無偏性就是估計值的期望值等於實際值；有效性就是估計值是方差最小的；一致性就是估計值依概率收斂到實際值