多重共線(xiàn)性習(xí)題

1、For personal use only in study and research; not for commercialuse芀多重共線(xiàn)性莆習(xí) 題襖一、單項(xiàng)選擇題 膂1 如果回歸模型中解釋變量之間存在完全的多重共線(xiàn)性，則最小二乘估計(jì)量（ ）蝿A.不確定，方差無(wú)限大B.確定，方差無(wú)限大肆C.不確定，方差最小D.確定，方差最小裊2多元線(xiàn)性回歸模型中，發(fā)現(xiàn)各參數(shù)估計(jì)量的 t值都不顯著，但模型的R2（或R2）很大,f值確很顯著，這說(shuō)明模型存在（）芁A.多重共線(xiàn)性B 異方差C 自相關(guān) D設(shè)定偏誤祎A.異方差性螞C.隨機(jī)解釋變量膈3.逐步回歸法既檢驗(yàn)又修正了（）B. 自相關(guān)性D. 多重共線(xiàn)性蚃4 .

2、如果模型中的解釋變量存在完全的多重共線(xiàn)性，參數(shù)的最小二乘估計(jì)量是薈A.無(wú)偏的B.有偏的 C. 不確定D.確定的（ ）薇5.設(shè)線(xiàn)性回歸模型為Y = P。+ p2X2i +Ui ,下列表明變量之間具有完全多重共線(xiàn)性的是（）螄a.0+2*Xii+0*X2i=0螁C 0+0*Xii+0*X2i=0芁其中v為隨機(jī)誤差項(xiàng)莇6.簡(jiǎn)單相關(guān)系數(shù)矩陣方法主要用于檢驗(yàn)（裊A.異方差性袀C.隨機(jī)解釋變量D.0 + 2* +0* X2i +v = 000* Xii 0* X2 v = 0)B.自相關(guān)性多重共線(xiàn)性）檢驗(yàn)與F檢驗(yàn)綜合判斷法薈C. DW檢驗(yàn)法D. ARCH檢驗(yàn)法蝕7.設(shè)Xi，x2為解釋變量，則完全多重共線(xiàn)性是

3、（）肇8.下列說(shuō)法不正確的是（）蚃A.多重共線(xiàn)性產(chǎn)生的原因有模型中大量采用滯后變量節(jié)B.多重共線(xiàn)性是樣本現(xiàn)象膀C.檢驗(yàn)多重共線(xiàn)性的方法有DW僉驗(yàn)法螈D.修正多重共線(xiàn)性的方法有增加樣本容量 蚄二、多項(xiàng)選擇題莀1.能夠檢驗(yàn)多重共線(xiàn)性的方法有（蕿A.簡(jiǎn)單相關(guān)系數(shù)矩陣法B. t螅E. White 檢驗(yàn)螃2如果模型中解釋變量之間存在共線(xiàn)性，則會(huì)引起如下后果（）罿A.參數(shù)估計(jì)值確定不確定艿C.參數(shù)估計(jì)值的方差趨于無(wú)限大確薃E. DW統(tǒng)計(jì)量落在了不能判定的區(qū)域袁3.能夠檢驗(yàn)多重共線(xiàn)性的方法有（莈A.簡(jiǎn)單相關(guān)系數(shù)矩陣法法螅C. t檢驗(yàn)與F檢驗(yàn)綜合判斷法薄E.輔助回歸法（又待定系數(shù)法）羀三、判斷題B. 參數(shù)估計(jì)

4、值D.參數(shù)的經(jīng)濟(jì)意義不正)B. DW檢驗(yàn)D. ARCH檢驗(yàn)法袇1.多重共線(xiàn)性問(wèn)題是隨機(jī)擾動(dòng)項(xiàng)違背古典假定引起的 薅2.解釋變量與隨機(jī)誤差項(xiàng)相關(guān)，是產(chǎn)生多重共線(xiàn)性的主要原因。蚆3.在模型中引入解釋變量的多個(gè)滯后項(xiàng)容易產(chǎn)生多重共線(xiàn)性。莂四、問(wèn)答題薁1.下面結(jié)果是利用某地財(cái)政收入對(duì)該地第一、二、三產(chǎn)業(yè)增加值的回歸結(jié)果。 根據(jù)這一結(jié)果試判斷該模型是否存在多重共線(xiàn)性，說(shuō)明你的理由。芆 Depe ndent Variable: REV蒃 Method: Least Squares蒀 Sample: 1 10羀 In cluded observati ons: 10羆 Variable蒄Coefficie

5、nt袃 Std.Error荿t-Statistic螆 Prob.薆C羈 17414.63蝿 14135.10蕆 1.232013莃 0.2640-0.2775100.146541-1.8937430.1071莄 GDP1GDP20.0848570.0935320.9072520.3992GDP30.1905170.1516801.2560480.2558R-squared0.993798Mean depe ndent var63244.00Adjusted R-squared0.990697S.D. depe ndent var54281.99S.E. of regressi on5235.5

6、44Akaike info criteri on20.25350Sum squared resid1.64E+08Schwarz criterio n20.37454Log likelihood-97.26752F-statistic320.4848Durb in-Wats on stat1.208127Prob(F-statistic)0.0000012克萊因與戈德伯格曾用1921-1950年（1942-1944年戰(zhàn)爭(zhēng)期間略去）美國(guó)國(guó)內(nèi) 消費(fèi)丫和工資收入X1、非工資一非農(nóng)業(yè)收入 X2、農(nóng)業(yè)收入X3的時(shí)間序列資料， 利用OLSE估計(jì)得出了下列回歸方程（括號(hào)中的數(shù)據(jù)為相應(yīng)參數(shù)估計(jì)量的標(biāo)準(zhǔn) 誤）：

7、試對(duì)上述模型進(jìn)行評(píng)析，指出其中存在的問(wèn)題。習(xí)題答案一、單項(xiàng)選擇題1. A 2. A 3. D 4. C 5. A 6. D 7. A 8. C二、多項(xiàng)選擇題1. AB 2. BCD 3. ACE三、判斷題1.答：錯(cuò)誤。應(yīng)該是解釋變量之間高度相關(guān)引起的2答：錯(cuò)誤。產(chǎn)生多重共線(xiàn)性的主要原因是：（1）許多經(jīng)濟(jì)變量在時(shí)間上有共同變動(dòng)的趨勢(shì)；（2）解釋變量的滯后值作為解釋變量在模型中使用。3答：正確。在分布滯后模型里多引進(jìn)解釋變量的滯后項(xiàng)，由于變量的經(jīng)濟(jì)意 義一樣，只是時(shí)間不一致，所以很容易引起多重共線(xiàn)性。四、問(wèn)答題1 答：存在嚴(yán)重多重共線(xiàn)性。因?yàn)榉匠陶w非常顯著，表明三次產(chǎn)業(yè) GDP寸財(cái) 政收入的解釋

8、能力非常強(qiáng)，但是每個(gè)個(gè)別解釋變量均不顯著， 且存在負(fù)系數(shù)，與 理論矛盾，原因是存在嚴(yán)重共線(xiàn)性。2 答：從模型擬合結(jié)果可知，樣本觀(guān)測(cè)個(gè)數(shù)為27,消費(fèi)模型的判定系數(shù)r2 = 0.95， F統(tǒng)計(jì)量為107.37，在0.05置信水平下查分子自由度為3,分母自由度為23的 F臨界值為3.03，計(jì)算的F值遠(yuǎn)大于臨界值，表明回歸方程是顯著的。模型整體 擬合程度較高。依據(jù)參數(shù)估計(jì)量及其標(biāo)準(zhǔn)誤，可計(jì)算出各回歸系數(shù)估計(jì)量的t統(tǒng)計(jì)量值：除h外，其余的tj值都很小。工資收入X1的系數(shù)的t檢驗(yàn)值雖然顯著，但 該系數(shù)的估計(jì)值過(guò)大，該值為工資收入對(duì)消費(fèi)邊際效應(yīng)，因?yàn)樗鼮?.059，意味著工資收入每增加一美元，消費(fèi)支出的增長(zhǎng)

9、平均將超過(guò)一美元，這與經(jīng)濟(jì)理論和 常識(shí)不符。另外，理論上非工資一非農(nóng)業(yè)收入與農(nóng)業(yè)收入也是消費(fèi)行為的重要解 釋變量，但兩者的t檢驗(yàn)都沒(méi)有通過(guò)。這些跡象表明，模型中存在嚴(yán)重的多重共 線(xiàn)性，不同收入部分之間的相互關(guān)系，掩蓋了各個(gè)部分對(duì)解釋消費(fèi)行為的單獨(dú)影 響。僅供個(gè)人用于學(xué)習(xí)、研究；不得用于商業(yè)用途For personal use only in study and research; not for commercial use.Nur f u r depers?nlichen f u r Studien, Forschung, zu kommerziellen Zwecken verwendet werden.Pour l e tude et la recherche uniquementa des fins p