2.滞后变量模型有哪几种类型？分布滞后模型使用OLS方法存在哪些问题？
答：滞后变量模型有分布滞后模型和自回归模型两大类，前者只有解释变量及其滞后变量作为模型的解释变量，不包含被解释变量的滞后变量作为模型的解释变量；而后者则以当期解释变量与被解释变量的若干期滞后变量作为模型的解释变量。分布滞后变量有无限期的分布滞后模型和有限期的分布滞后模型；自回归模型又以Coyck模型、自适应预期模型和局部调整模型最为多见。
分布滞后模型使用OLS法存在以下问题：（1）对于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计σ。（2）对于有限期的分布滞后模型，使用OLS方法会遇到：没有先验准则确定滞后期长度，对最大滞后期的确定往往带有主观随意性；如果滞后期较长，由于样本容量有限，当滞后变量数目增加时，必然使得自由度减少，将缺乏足够的自由度进行估计和检验；同名变量滞后期之间可能存在高度线性相关，即模型可能存在高度的多重共线性。
3.请列出分布滞后模型估计的几种主要方法。
答：分布滞后模型的估计主要需解决滞后期长度的问题。其基本的解决思路就是减少模型中解释变量的个数。常用的估计方法有：经验加权法Almon多项式法，以及Koyck方法，前两者主要用于估计有限期分布滞后模型，第三者主要用于估计无限期分布滞后模型。
4.分布滞后模型估计时遇到的主要问题有哪些？自回归模型估计时遇到的主要问题？
答：分布滞后模型估计时遇到的主要问题有：对于无限期的分布滞后模型，由于样本观测值的有限性，使得无法直接对其进行估计。而对于有限期的分布滞后模型，普通最小二乘回归会遇到如下问题：
（1） 没有先验准则确定滞后期长度；
（2） 如果滞后期较长，将缺乏足够的自由度进行统计检验；
（3） 同名变量滞后值之间可能存在高度线性相关，即模型可能存在高度的多重共线性。 自回归模型估计时遇到的主要问题有：滞后被解释变量的存在可能导致它与随机干扰项相关，以及随机干扰项出现序列相关性。例如，Koyck模型与自适应预期模型就存在着滞后被解释变量Yt-1与随机干扰项的同期相关性，同时，随机干扰项还是自相关的。而局部调整模型则存在着滞后被解释变量Yt-1随机干扰项的异期相关性。
5.模型设定时，如果遗漏了相关变量，OLS估计会出现什么后果？而在包含了无关变量时，后果又如何？
答：如果遗漏相关变量，则OLS估计结果在小样本下是有偏的，在大样本下也不具有一致性，随机干扰项的方差估计?2也是有偏的，同时估计的参数的方差也是有偏的，从而不再能够保证最小方差性。
在多选无关解释变量的情形下，OLS估计量仍是无偏的、一致的，随机干扰项的方差σ2也能被正确估计，但OLS估计量却往往是无效的。也就是说，包含无关变量的偏误主要表现为“错误”模型的OLS估计量的方差一般会大于“正确”模型相应参数估计量的方差。 6.什么是“虚拟变量陷阱”？
答：一般在引入虚拟变量时要求如果有m个定性变量，只在模型中引入m-1个虚拟变量。否则，如果引入m个虚拟变量，就会导致模型解释变量间出现完全共线性的情况。我们一般称由于引入的虚拟变量个数与定性因素个数相同时出现的模型无法估计的问题，称为“虚拟变量陷阱“。
相关推荐：
loading