为了方便大家学习李子奈《计量经济学》，黄老师整理了以下资料！更多考研复习资料|考试大纲|模拟试题|历年真题|视频网课等请到精勤学习网查看。

李子奈《计量经济学》（第4版）全套资料【教材+笔记+题库】

获取：http://jingqin.100xuexi.com/Ebook/966439.html

【点击】李子奈《计量经济学》（第4版）笔记和课后习题（含考研真题）详解

（1）整理名校笔记，浓缩内容精华。每章的复习笔记以李子奈编著的《计量经济学》（第4版）为主，并结合其他计量经济学经典教材对各章的重难点进行了整理，因此，本书的内容几乎浓缩了经典教材的知识精华。

（2）解析课后习题，提供详尽答案。本书参考大量相关辅导资料对李子奈编著的《计量经济学》（第4版）的课后练习题进行了详细的分析和解答，并对相关重要知识点进行了延伸和归纳。

（3）精选考研真题，提供详尽解答。为了强化对重要知识点的理解，本书精选了名校近年考研真题，并提供了详细的解答。所选考研真题基本体现了各章的考点和难点。

【点击】李子奈《计量经济学》（第4版）配套题库【考研真题精选＋章节题库】

第一部分为考研真题精选。本部分精选近年计量经济学名校考研真题，且附有详尽解析，考生可以通过真题部分的练习来熟悉考研真题的特点，并测试自己的水平。

第二部分为章节题库。本部分遵循李子奈《计量经济学》（第4版）教材的章目编排，共分7章。每章都精心挑选经典习题，并予以详细解答。熟练掌握这些经典习题的解答，有助于学员理解和掌握有关概念、原理，把握各章的重难点内容，并提高解题能力。

题库试看

第一部分　考研真题精选

一、名词解释

1面板数据[湖南大学2013研]

答：面板数据也称为平行数据、时空数据等，是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据，反映了空间和时间两个维度的经验信息。例如，我国1000个上市公司2000年至2018年的市值。面板数据同时拥有时间序列和截面两个维度，当这类数据按两个维度排列时，排在一个平面上，与只有一个维度的数据排在一条线上有着明显的不同，整个表格像是一个面板，因此称之为面板数据。面板数据能够克服时间序列数据通常较为严重的多重共线性问题，同时相较于纯粹的截面数据与时间序列数据能够提供更多的数据信息，因此经常采用面板数据建立模型。

2拟合优度[湘潭大学2013研]

答：拟合优度是模型对样本观测值的拟合程度。一般用来自回归线的回归平方ESS和占观测值Y的总离差平方和TSS的比例来判断样本回归线与样本观测值的拟合优度，在总离差平方和中，回归平方和所占的比重越大，残差平方和所占的比重越小，回归直线与样本点拟合得越好。

3显著性水平[湘潭大学2013研]

答：显著性水平通常用α表示，是一个临界概率值。它表示在假设检验中，用样本推断总体时，当原假设正确时却被拒绝的可能性大小，也即在假设检验中犯“弃真”错误的概率。

4OLS估计量[湘潭大学2017、2013研]

答：OLS估计量是使用普通最小二乘法（Ordinary Least Squares）得出的统计量。在给定样本观测值之下，使被解释变量的估计值Y∧i与实际观测值Yi之差的平方和最小时的参数的估计量β∧0、β∧1被称为OLS估计量。

5残差[湘潭大学2013研]

答：样本回归函数有如下的随机形式：

Y∧＝β∧0＋β∧1X1＋β∧2X2＋…＋β∧kXk＋e

其中，e称为（样本）残差（或剩余）项，代表了除了解释变量以外其他影响Y的随机因素的集合，包括残缺数据、众多细小影响因素和观测误差等等。

6虚拟变量[湘潭大学2016研]

答：在建立模型时，通常会有一些影响经济变量的因素无法定量度量，如季节对某些产品（如冷饮）销售的影响等，为了能够在模型中反映这些因素的影响，并提高模型的精度，需要将它们“量化”，这种“量化”通常是通过引入“虚拟变量”来完成的。根据这些因素的属性类型，构造只取“0”或“1”的人工变量，通常称这类变量为虚拟变量。一般地，在虚拟变量的设置中，基础类型和肯定类型取值为1；比较类型和否定类型取值为0。

7虚拟变量陷阱[湘潭大学2017研]

答：在虚拟变量的设置中，虚拟变量的个数须按以下原则确定：每一个定性变量所需的虚拟变量的个数要比该定性变量的类别数少1，即如果有m个定性变量，只能在模型中引入m－1个虚拟变量。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，模型无法估计的情况，这称为虚拟变量陷阱。

8多重共线性[湖南大学2016、2011研]

答：多重共线性是在多元回归中可能存在的现象，如果在模型中某两个或多个解释变量之间出现了相关性，则称为存在多重共线性，多重共线性分为完全共线与近似共线两类。当某一个解释变量可以用其他解释变量的线性组合表示，称解释变量之间存在完全共线性，此时模型参数无法进行估计。完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。近似共线性可能使估计值的正负符号与客观实际不一致，且参数估计值的标准误差变得很大，从而t值变得很小，参数的显著性下降，回归方程不稳定等，但模型参数的估计仍是无偏、一致且有效的。

检验模型是否存在多重共线性的方法有：①若多个解释变量间的相关系数接近于±1，则可认为模型存在多重共线性；②在普通最小二乘法下，模型的R2与F值较大，但各参数估计的t检验值较小，此时解释变量之间往往存在多重共线性；③当方差膨胀因素VIF大于10时，模型也可能存在较严重的多重共线性。如果存在多重共线性，需进一步确定判明存在多重共线性的范围，可以用判定系数检验法、逐步回归法等方法进行判定。

多重共线性问题的处理方法主要有增加样本容量、精简变量法、逐步回归判别法、主成分回归法等。

9一阶自相关[湘潭大学2017、2013研]

答：对于时间序列数据μ1，μ2，…，μn，如果仅存在E（μtμt＋1）≠0，t＝1，2，…，T－1，则称为一阶自相关，一阶自相关也可以写成μt＝ρμt－1＋εt，ρ称为一阶自相关系数，εt满足以下普通最小二乘法假定的随机干扰项：E（εt）＝0，Var（εt）＝σ2，Cov（εtεt－s）＝0（s≠0）。