計(jì)量經(jīng)濟(jì)學(xué)考試習(xí)題及答案

一、單項(xiàng)選擇題 1、雙對數(shù)模型 中，參數(shù)的含義是（） A.Y關(guān)于X的增長率 B.Y關(guān)于X的發(fā)展速度 C. Y關(guān)于X的彈性 D. Y關(guān)于X 的邊際變化2、設(shè)k為回歸模型中的參數(shù)個數(shù)，n為樣本容量。則對多元線性回歸方 程進(jìn)行顯著性檢驗(yàn)時，所用的F統(tǒng)計(jì)量可表示為（） 3、 回歸模型中具有異方差性時，仍用OLS估計(jì)模型，則以下說法正確的是（） A. 參數(shù)估計(jì)值是無偏非有效的 B. 參數(shù)估計(jì)量仍具有最小方差性 C. 常用F 檢驗(yàn)失效 D. 參數(shù)估計(jì)量是有偏的4、利用德賓h檢驗(yàn)自回歸模型擾動項(xiàng)的自相關(guān)性時，下列命題正確的是（） A. 德賓h檢驗(yàn)只適用一階自回歸模型 B. 德賓h檢驗(yàn)適用任意階的自回歸模型 C. 德賓h 統(tǒng)計(jì)量漸進(jìn)服從t分布 D. 德賓h檢驗(yàn)可以用于小樣本問題5、一元線性回歸分析中的回歸平方和ESS的自由度是（） A. n B. n-1 C. n-k D. 16、已知樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于1，則DW統(tǒng)計(jì)量近似等于( ) A. 0 B. 1 C. 2 D. 47、更容易產(chǎn)生異方差的數(shù)據(jù)為 ( ) A. 時序數(shù)據(jù) B. 修勻數(shù)據(jù) C. 橫截面數(shù)據(jù) D. 年度數(shù)據(jù)8、設(shè)M為貨幣需求量，Y為收入水平，r為利率，流動性偏好函數(shù)為，又設(shè)分別是 、的估計(jì)值，則根據(jù)經(jīng)濟(jì)理論，一般來說(A ) A. 應(yīng)為正值，應(yīng)為負(fù)值 B. 應(yīng)為正值，應(yīng)為正值 C. 應(yīng)為負(fù)值，應(yīng)為負(fù)值 D. 應(yīng)為負(fù)值，應(yīng)為正值9、以下選項(xiàng)中，正確地表達(dá)了序列相關(guān)的是（） 10、在一元線性回歸模型中，樣本回歸方程可表示為（ ） A. B. C. D. 11、對于有限分布滯后模型 在一定條件下，參數(shù) 可近似用一個關(guān)于i的阿爾蒙多項(xiàng)式表示（，其中多項(xiàng)式的階數(shù)m必須滿足（ ） Amk D12、設(shè)為隨機(jī)誤差項(xiàng)，則一階線性自相關(guān)是指（ ）A B. C. D. 13、把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，按一定的時間順序和時間間隔排列起來，這樣的數(shù)據(jù)稱為（ ） A. 橫截面數(shù)據(jù) B. 時間序列數(shù)據(jù) C. 修勻數(shù)據(jù) D. 原始數(shù)據(jù)14、多元線性回歸分析中，調(diào)整后的可決系數(shù)R與可決系數(shù)R2之間的關(guān)系（ ）A B. C. D. 15、Goldfeld-Quandt檢驗(yàn)法可用于檢驗(yàn)( ) A.異方差性 B.多重共線性 C.序列相關(guān) D.設(shè)定誤差16、用于檢驗(yàn)序列相關(guān)的DW統(tǒng)計(jì)量的取值范圍是( )A BC D17、如果回歸模型中解釋變量之間存在完全的多重共線性，則最小二乘估計(jì)量的值為（ ）A.不確定，方差無限大 B.確定，方差無限大 C.不確定，方差最小 D.確定，方差最小18、應(yīng)用DW檢驗(yàn)方法時應(yīng)滿足該方法的假定條件，下列不是其假定條件的為（ ） A.解釋變量為非隨機(jī)的 B.被解釋變量為非隨機(jī)的 C.線性回歸模型中不能含有滯后內(nèi)生變量 D.隨機(jī)誤差項(xiàng)服從一階自回歸二、多項(xiàng)選擇題1、古典線性回歸模型的普通最小二乘估計(jì)量的特性有（） A. 無偏性 B. 線性性 C. 最小方差性 D. 不一致性 E. 有偏性2、如果模型中存在自相關(guān)現(xiàn)象，則會引起如下后果（） A.參數(shù)估計(jì)值有偏 B.參數(shù)估計(jì)值的方差不能正確確定 C.變量的顯著性檢驗(yàn)失效 D.預(yù)測精度降低 E.參數(shù)估計(jì)值仍是無偏的3、利用普通最小二乘法求得的樣本回歸直線的特點(diǎn)（） A. 必然通過點(diǎn)（） B. 可能通過點(diǎn)（） C. 殘差的均值為常數(shù) D. 的平均值與的平均值相等E. 殘差與解釋變量之間有一定的相關(guān)性4、廣義最小二乘法的特殊情況是（）A對模型進(jìn)行對數(shù)變換 B.加權(quán)最小二乘法C.數(shù)據(jù)的結(jié)合 D.廣義差分法 E.增加樣本容量5、計(jì)量經(jīng)濟(jì)模型的檢驗(yàn)一般包括內(nèi)容有 （） A、經(jīng)濟(jì)意義的檢驗(yàn) B、統(tǒng)計(jì)推斷的檢驗(yàn) C、計(jì)量經(jīng)濟(jì)學(xué)的檢驗(yàn) D、預(yù)測檢驗(yàn) E、對比檢驗(yàn)三、判斷題（判斷下列命題正誤，并說明理由） 1、 在實(shí)際中，一元回歸幾乎沒什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個解釋變量來解釋。 錯。在實(shí)際中，在一定條件下一元回歸是很多經(jīng)濟(jì)現(xiàn)象的近似，能夠較好地反映回歸分析的基本思想，在某些情況下還是有用的。 2、簡單線性回歸模型與多元線性回歸模型的基本假定是相同的。錯。在多元線性回歸模型里除了對隨機(jī)誤差項(xiàng)提出假定外，還對解釋變量之間提出無多重共線性的假定。3、多重共線性問題是隨機(jī)擾動項(xiàng)違背古典假定引起的； 錯。應(yīng)該是解釋變量之間高度相關(guān)引起的。4、DW檢驗(yàn)中的d值在0到4之間，數(shù)值越小說明模型隨機(jī)誤差項(xiàng)的自相關(guān)度越小，數(shù)值越 大說明模型隨機(jī)誤差項(xiàng)的自相關(guān)度越大。錯。DW值在0到4之間，當(dāng)DW落在最左邊0ddL、最右邊(4-dLd4)時，分別為正自相關(guān)，負(fù)自相關(guān)；中間dud4-du為不存在自相關(guān)區(qū)域；其次為兩個不能判定區(qū)域。5、在計(jì)量經(jīng)濟(jì)模型中，隨機(jī)擾動項(xiàng)與殘差項(xiàng)無區(qū)別。 錯。它們均為隨機(jī)項(xiàng)，但隨機(jī)誤差項(xiàng)表示總體模型的誤差，殘差表示樣本模型的誤差；另外，殘差=隨機(jī)誤差項(xiàng)+參數(shù)估計(jì)誤差。6、在經(jīng)濟(jì)計(jì)量分析中，模型參數(shù)一旦被估計(jì)出來，就可將估計(jì)模型直接運(yùn)用于實(shí)際的計(jì)量經(jīng)濟(jì)分析。錯。參數(shù)一經(jīng)估計(jì)，建立了樣本回歸模型，還需要對模型進(jìn)行檢驗(yàn)，包括經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)專門檢驗(yàn)等。7、線性回歸模型意味著因變量是自變量的線性函數(shù)。 錯。線性回歸模型本質(zhì)上指的是參數(shù)線性，而不是變量線性。同時，模型與函數(shù)不是同一回事。8、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性驗(yàn)是一致的。 正確。要求最好能夠?qū)懗鲆辉€性回歸中， F統(tǒng)計(jì)量與t 統(tǒng)計(jì)量的關(guān)系， 即F=t2的來歷；或者說明一元線性回歸僅有一個解釋變量，因此對斜率系數(shù)的 t 檢驗(yàn)等價于對方程的整體性檢驗(yàn)。 四、計(jì)算題 1、（練習(xí)題6.2）在研究生產(chǎn)中勞動所占份額的問題時，古扎拉蒂采用如下模型模型1 模型2 其中，Y為勞動投入，t為時間。據(jù)1949-1964年數(shù)據(jù)，對初級金屬工業(yè)得到如下結(jié)果：模型1 t = （-3.9608）R2 = 0.5284 DW = 0.8252模型2 t = （-3.2724）(2.7777)R2 = 0.6629DW = 1.82其中，括號內(nèi)的數(shù)字為t統(tǒng)計(jì)量。問：（1）模型1和模型2中是否有自相關(guān)；（2）如何判定自相關(guān)的存在？ （3）怎樣區(qū)分虛假自相關(guān)和真正的自相關(guān)。 練習(xí)題6.2參考解答:（1）模型1中有自相關(guān)，模型2中無自相關(guān)。（2）通過DW檢驗(yàn)進(jìn)行判斷。模型1：dL=1.077, dU=1.361, DWdU, 因此無自相關(guān)。（3）如果通過改變模型的設(shè)定可以消除自相關(guān)現(xiàn)象，則為虛假自相關(guān)，否則為真正自相關(guān)。2、根據(jù)某地區(qū)居民對農(nóng)產(chǎn)品的消費(fèi)y和居民收入x的樣本資料，應(yīng)用最小二乘法估計(jì)模型，估計(jì)結(jié)果如下。Se=(1.8690) (0.0055)R2=0.9966 ,DW=0.6800,F=4122.531由所給資料完成以下問題： (1) 在n=16，=0.05的條件下，查D-W表得臨界值分別為=1.106,=1.371，試判斷模型中是否存在自相關(guān)； (2) 如果模型存在自相關(guān)，求出相關(guān)系數(shù)，并利用廣義差分變換寫出無自相關(guān)的廣義差分模型。 因?yàn)镈W=0.681.106，所以模型中的隨機(jī)誤差存在正的自相關(guān)。由DW=0.68，計(jì)算得=0.66，所以廣義差分表達(dá)式為3、（練習(xí)題2.7）設(shè)銷售收入X為解釋變量，銷售成本Y為被解釋變量?，F(xiàn)已根據(jù)某百貨公司某年12個月的有關(guān)資料計(jì)算出以下數(shù)據(jù)：（單位：萬元） （1） 擬合簡單線性回歸方程，并對方程中回歸系數(shù)的經(jīng)濟(jì)意義作出解釋。（2） 計(jì)算可決系數(shù)和回歸估計(jì)的標(biāo)準(zhǔn)誤差。（3） 對進(jìn)行顯著水平為5%的顯著性檢驗(yàn)。練習(xí)題2.7參考解答：(1)建立回歸模型: 用OLS法估計(jì)參數(shù): 估計(jì)結(jié)果為: 說明該百貨公司銷售收入每增加1元,平均說來銷售成本將增加0.7863元。(2)計(jì)算可決系數(shù)和回歸估計(jì)的標(biāo)準(zhǔn)誤差可決系數(shù)為： 由 可得 回歸估計(jì)的標(biāo)準(zhǔn)誤差: (3) 對進(jìn)行顯著水平為5%的顯著性檢驗(yàn) 查表得 時,，說明該模型的隨機(jī)誤差項(xiàng)存在異方差。其次，用White法進(jìn)行檢驗(yàn)。具體結(jié)果見下表White Heteroskedasticity Test:F-statistic6.301373 Probability0.003370Obs*R-squared10.86401 Probability0.004374Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 08/05/05 Time: 12:37Sample: 1 60Included observations: 60VariableCoefficientStd. Errort-StatisticProb. C-10.03614131.1424-0.0765290.9393X0.1659771.6198560.1024640.9187X20.0018000.0045870.3924690.6962R-squared0.181067 Mean dependent var78.86225Adjusted R-squared0.152332 S.D. dependent var111.1375S.E. of regression102.3231 Akaike info criterion12.14285Sum squared resid596790.5 Schwarz criterion12.24757Log likelihood-361.2856 F-statistic6.301373Durbin-Watson stat0.937366 Prob(F-statistic)0.003370給定，在自由度為2下查卡方分布表，得。比較臨界值與卡方統(tǒng)計(jì)量值，即，同樣說明模型中的隨機(jī)誤差項(xiàng)存在異方差。 （2）用權(quán)數(shù)，作加權(quán)最小二乘估計(jì)，得如下結(jié)果 Dependent Variable: YMethod: Least SquaresDate: 08/05/05 Time: 13:17Sample: 1 60Included observations: 60Weighting series: W1VariableCoefficientStd. Errort-StatisticProb. C10.370512.6297163.9435870.0002X0.6309500.01853234.046670.0000Weighted StatisticsR-squared0.211441 Mean dependent var106.2101Adjusted R-squared0.197845 S.D. dependent var8.685376S.E. of regression7.778892 Akaike info criterion6.973470Sum squared resid3509.647 Schwarz criterion7.043282Log likelihood-207.2041 F-statistic1159.176Durbin-Watson stat0.958467 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.946335 Mean dependent var119.6667Adjusted R-squared0.945410 S.D. dependent var38.68984S.E. of regression9.03