計量經(jīng)濟學(xué)復(fù)習(xí)要點1

1、計量經(jīng)濟學(xué)復(fù)習(xí)要點第 1 章 緒論數(shù)據(jù)類型：截面、時間序列、面板 用數(shù)據(jù)度量因果效應(yīng)，其他條件不變的概念 習(xí)題： C1、C2第 2 章 簡單線性回歸回歸分析的根本概念，常用術(shù)語 現(xiàn)代意義的回歸是一個被解釋變量對假設(shè)干個解釋變量依存關(guān)系的研究， 回歸的實質(zhì)是由 固定的解釋變量去估計被解釋變量的平均值。簡單線性回歸模型是只有一個解釋變量的線性回歸模型。回歸中的四個重要概念1. 總體回歸模型 Population Regression Model ， PRM)yt0 1xt ut - 代表了總體變量間的真實關(guān)系。2. 總體回歸函數(shù) Population Regression Function ， P

2、RFE(yt)01xt -代表了總體變量間的依存規(guī)律。3. 樣本回歸函數(shù) Sample Regression Function ，SRF?yt01xt et - 代表了樣本顯示的變量關(guān)系。4. 樣本回歸模型 Sample Regression Model ， SRM?y?t01xt - 代表了樣本顯示的變量依存規(guī)律?？傮w回歸模型與樣本回歸模型的主要區(qū)別是： 描述的對象不同。 總體回歸模型描述總體 中變量 y 與 x 的相互關(guān)系， 而樣本回歸模型描述所關(guān)的樣本中變量 y 與 x 的相互關(guān)系。 建立 模型的依據(jù)不同。 總體回歸模型是依據(jù)總體全部觀測資料建立的， 樣本回歸模型是依據(jù)樣本觀 測資料建立

3、的。 模型性質(zhì)不同。 總體回歸模型不是隨機模型， 而樣本回歸模型是一個隨機模 型，它隨樣本的改變而改變。總體回歸模型與樣本回歸模型的聯(lián)系是： 樣本回歸模型是總體回歸模型的一個估計式， 之 所以建立樣本回歸模型，目的是用來估計總體回歸模型。線性回歸的含義 線性：被解釋變量是關(guān)于參數(shù)的線性函數(shù)可以不是解釋變量的線性函數(shù) 線性回歸模型的根本假設(shè) 簡單線性回歸的根本假定：對模型和變量的假定、對隨機擾動項 u 的假定零均值假定、同方 差假定、無自相關(guān)假定、隨機擾動與解釋變量不相關(guān)假定、正態(tài)性假定 普通最小二乘法原理、推導(dǎo) 最小二乘法估計參數(shù)的原那么是以“殘差平方和最小。Min (Y Y?)2(?o,?J

4、 :i 1 n(Xi X)(Y Y)?X? i iin2(Xi X)i 1OLS的代數(shù)性質(zhì)擬合優(yōu)度R2離差平方和的分解：TSS=ESS+RSS“擬合優(yōu)度是模型對樣本數(shù)據(jù)的擬合程度。檢驗方法是構(gòu)造一個可以表征擬合程度的指標一一判定系數(shù)又稱決定系數(shù)。1r2 SSE SST SSR 1 SSR，表示回歸平方和與總離差平方和之比；反映了樣SST SSTSST本回歸線對樣本觀測值擬合優(yōu)劣程度的一種描述；2R2 0,1；3回歸模型中所包含的解釋變量越多，R2越大！改變度量單位對OLS統(tǒng)計量的影響函數(shù)形式對數(shù)、半對數(shù)模型系數(shù)的解釋1Y? ?0?1Xi : X變化一個單位Y的變化2lnY? ?0?ln Xi

5、: X變化1% Y變化?1 %表示彈性。3lnY? ?0?1Xi: X變化一個單位，丫變化百分之100 ?14丫？ ?0?JnXj : X變化 1% Y變化?1%OLS無偏性，無偏性的證明OLS估計量的抽樣方差誤差方差的估計OLS估計量的性質(zhì)1線性：是指參數(shù)估計值 0和1分別為觀測值yt的線性組合。2無偏性：是指 0和1的期望值分別是總體參數(shù) 0和1o3最優(yōu)性最小方差性：是指最小二乘估計量 0和1在在各種線性無偏估計中，具有最小方差。高斯-馬爾可夫定理OLS參數(shù)估計量的概率分布Var( 2)2OLS隨機誤差項卩的方差c 2的估計22 _ein 2簡單回歸的高斯馬爾科夫假定 對零條件均值的理解習(xí)

6、題：4、5、6; C2、C3 C4第3章多元回歸分析：估計1、變量系數(shù)的解釋剔除、控制其他因素的影響Y? ?0 ?Xi ?2X2i對斜率系數(shù)?,的解釋：在控制其他解釋變量X2不變的條件下，X1變化一個單位對丫的 Y= xg+u?影響；或者，在剔除了其他解釋變量的影響之后，X1的變化對丫的單獨影?2-1響！? 2、多元線性回歸模型中 var( ?(X'X)-對隨機擾動項U的假定，除了零均值假定、同方差假定、無自相關(guān)假定、隨機擾動與解釋變量不相關(guān)假定、正態(tài)性假定以外，還 要求滿足無多重共線性假定。3、多元線性回歸模型 S2二n k參數(shù)的最小二乘估計式；參數(shù)估計式的分布性質(zhì)與期 望、方差和標

7、準誤差；在根本假定滿足的條件下，多元線性回歸模型最小二乘估計式是最正確 線性無偏估計式。最小二乘法(OLS)公式:(X 'X)-1 X 'Y估計的回歸模型 的方差協(xié)方差矩陣:殘差的方差估計的方差協(xié)方差矩陣是： 擬合優(yōu)度遺漏變量偏誤多重共線性多重共線性的概念多重共線性的后果多重共線性的檢驗多重共線性的處理習(xí)題： 1、2、6、7、8、10；C2、C5、C6第 4 章 多元回歸分析：推斷經(jīng)典線性模型假定 正態(tài)抽樣分布 變量顯著性檢驗， t 檢驗 檢驗B值的其他假設(shè)P值驗-1實際顯著性與統(tǒng)計顯著性 檢驗參數(shù)的一個線性組合假設(shè) 多個線性約束的檢驗： F 檢理解排除性約束 var( ?s2

8、(X'X)報告回歸結(jié)果習(xí)題： 1、2、3、4、6、7、10、11；C3、C5、C8第 6 章 多元回歸分析：專題測度單位對OLS統(tǒng)計量的影響 進一步理解對數(shù)模型 二次式的模型 交互項的模型擬合優(yōu)度修正可決系數(shù)的作用和方法。R2 12 2 e (n k) n 1 e (Y Y)2 (n 1) n k (Y Y)2習(xí)題：1、3、4、7; C2、C3 C5 C9 C12第7章虛擬變量虛擬變量的定義N-1個虛如何引入虛擬變量：如果一個變量分成N組，引入該變量的虛擬變量形式是只能放入 擬變量虛擬變量系數(shù)的解釋虛擬變量系數(shù)的解釋：不同組均值的差基準組或?qū)φ战M與處理組以下幾種模型形式表達的不同含義；

9、1Yt01 Xt2Dt Ut :截距項不同；2丫t01Xt2DtXt Ut :斜率不同；3Yt01Xt2口3耳Xt Ut :截距項與斜率都不同;其中D是二值虛擬變量，X是連續(xù)的變量虛擬變量陷阱虛擬變量的交互作用習(xí)題：2、4、9； C2、C3 C6 C7 C11第8章異方差異方差的后果異方差穩(wěn)健標準誤BP檢驗異方差的檢驗White檢驗加權(quán)最小二乘法習(xí)題：1、2、3、4； C1、C2、C8 C9Eviews回歸結(jié)果界面解釋表英文名稱中文名稱常用計算公式常用相互關(guān)系和判斷準那么Variable變量Coefficient系數(shù)Sta.Error標準差一般是絕對值越小越好t-statisticT檢驗統(tǒng)計量

10、t/ se()絕對值大于2時可粗略判斷系數(shù)通過t檢驗ProbT統(tǒng)計量的P值P值小于給定顯著水平時系數(shù)通過t檢驗R squaredR2R2 ESS/TSS 1 RSS/TSSAjusted R squaredR2R21 RSS/( n k 1)TSS/(n 1)二2廠2n 1R 1 (1 R )n k 1S.E. of regression擾動項標準差/ e2 /rss ¥ n k n kSum squared resid殘差平方和rsse2Log likelihood似然函數(shù)對數(shù)值Durbin-Watson stat。臨計量d 2(1)Meandependent var應(yīng)變量樣本均值

11、-YY nS.D. dependent var應(yīng)變量樣本標準差匸Y Y2嚴S"n 1n 1AkaikeinfocriterionAIC準那么'一般是越小越好Schwarz criterionSC準那么'一般是越小越好F-statisticF統(tǒng)計量ESS/ kRSS/( n k 1)R2 /kF2(1 R2)/ (n k 1)Prob(F-statistic)F統(tǒng)計量的P值P值小于給定顯著水平時模型通過F檢驗C1、C24、5、6；1、2、6、1、2、3、1、3、4、2、4、9；1、2、3、第1章習(xí)題:第2章習(xí)題:第3章習(xí)題:第4章習(xí)題:第6章習(xí)題:第7章習(xí)題:第8章習(xí)題

12、:C2 C3 C4計量經(jīng)濟學(xué)復(fù)習(xí)題7、8、10; C2 C5、C64、6、7、10、11; C3 C5 C87; C2、C3 C5 C9 C12C2、C3 C6 C7 C114; C1、C2 C8 C91、判斷以下表達式是否正確2469y01Xi,i 1,2,n?0?x1 Ai Ji 1,2,nE(ViXi)01Xii ,i1,2,nE(yXi)01Xi,i1,2!,nE(yXi)?0?Xi,i1,2，,nYi01Xii j i1,2;,ny?i?'0?x1 Aii j i1,2;,nYi?'0?X1 Xii , i1,2;-,nYi?0?X1 Ai?-i j i1,2-,-,

13、n?'0?X1 Xi? i) i1,2,-n2、給定一元線性回歸模型：丫to 1 Xt 11 1,2, , n1表達模型的根本假定;2寫出參數(shù) 0 和 1的最小二乘估計公式；3說明滿足根本假定的最小二乘估計量的統(tǒng)計性質(zhì)； 4寫出隨機擾動項方差的無偏估計公式。3、對于多元線性計量經(jīng)濟學(xué)模型：Yt12 X 2t3X3tk X ktt t 1，2， ，n1該模型的矩陣形式與各矩陣的含義； 2對應(yīng)的樣本線性回歸模型的矩陣形式； 3模型的最小二乘參數(shù)估計量。4、根據(jù)美國 1961 年第一季度至 1977 年第二季度的數(shù)據(jù)，我們得到了如下的咖 啡需求函數(shù)的回歸方程：lnQ?t 1.2789 0.1

14、647 ln Pt 0.5115ln I t 0.1483ln P't 0.0089T 0.0961D1t 0.157 D2t 0.0097 D3t (-2.14) (1.23) (0.55) (-3.36) (-3.74) (-6.03) (-0.37)R2 0.80其中，0=人均咖啡消費量單位：磅;P=咖啡的價格以1967年價格為不變價格；1=人均可支配收入單位：千元，以1967年價格為不變價格；P =茶的價格1/4磅，以1967年價格為不變價格；T=時間趨勢變量1961年第一季度為1, ，1977年第二季度為66； D=1 :第一季度；D2=1 :第二季度；D3=1 :第三 季度

15、。請答復(fù)以下問題： 模型中P、I和p'的系數(shù)的經(jīng)濟含義是什么？ 咖啡的需否很有彈性？ 咖啡和茶是互補品還是替代品？ 你如何解釋時間變量T的系數(shù)？ 你如何解釋模型中虛擬變量的作用？ 哪一個虛擬變量在統(tǒng)計上是顯著的？ 咖啡的需否存在季節(jié)效應(yīng)？K« (l)從咖啡需求歯數(shù)的回歸方程看，戶的系數(shù)-0,1647我示咖啡AF求 的自價榕彈性；了的JR« 0.511 5表示血啡需求的收入彈性，P的系數(shù)0祁3 轟示咖啡需求的交戛價格彈性。(2) 咖啡需求的自價稱彈性的絕對值小于1說明靭啡是峽乏彈性.E.補充堀令他桂考莒養(yǎng)U7(3) F的系數(shù)大于山 說明咖啡與茶屬于臂代品.(4從時間變

16、的系數(shù)為看，咖啡的需求事應(yīng)該是逐年減少，但減 少的速度很慢，'(5) 雌擬變在本撲型中養(yǎng)示咖啡需求可能受季節(jié)因索的影響。(6) 從各參數(shù)的t檢驗看，第一季度和第二季度的康擬變童在疑計上是顯 著的.(7) 財啡的需求存在季節(jié)效應(yīng).回歸方程顯示第一季度和第二季度的需求 曙比其他季節(jié)少.5、為研究體重與身高的關(guān)系，我們隨機抽樣調(diào)查了 51名學(xué)生其中36名男生,15名女生，并得到如下兩種回歸模型：W 232.065515.5662h 5.1t=(-5.2066)(8.6246)V?122.9621 23.8238D 3.7402h(5.2)t=(-2.5884)(4.0149) (5.1613

17、)其中，W(weight)=體重單位：磅；h(height)=身高男生女生請答復(fù)以下問題: 你將選擇哪一個模型？為什么? 如果模型5.2丨確實更好，而你選擇了 5.1，你犯了什么錯誤? D的系數(shù)說明了什么？5-19.解答1會選擇b模型，理由展該棋里中D的系數(shù)估計值在統(tǒng)計上顯著 ：如果橫型2確實更好而卻選擇了佃h那么犯了摸型設(shè)定錯課，即喪失了 相關(guān)解釋變量：G 0的系數(shù)說明傘現(xiàn)實中比擬普遺的現(xiàn)蒙.即男生的體重大干女生的6簡述異方差對以下各項有何影響：1OLS估計量與其方差；2置信區(qū)間;3顯著性t檢驗和F檢驗的使用。預(yù)測。7、假設(shè)某研究者基于100組三年級的班級規(guī)模CS和平均測試成績TestSco

18、re 數(shù)據(jù)估計的OLS回歸為：TestScore 520.4 5.82 CS, R20.08,SER 11.520.4 2.211假設(shè)某班級有22個學(xué)生，那么班級平均測試成績的回歸預(yù)測值是多 少？2某班去年有19個學(xué)生，而今年有23個學(xué)生，那么班級平均測試成績 變化的回歸預(yù)測值是多少？3100個班級的樣本平均班級規(guī)模為 21.4，那么這100個班級的樣本平 均測試成績是多少？4 100個班級的測試成績樣本標準差是多少？提示：利用R2和SER的 公式5求關(guān)于CS的回歸斜率系數(shù)的95泄信區(qū)間。6 計算t統(tǒng)計量，根據(jù)經(jīng)驗法那么t=2來判斷顯著性檢驗的結(jié)果。1. (a) The predicted a

19、vragf terf 丸住re n伽皿沁 =520.4 - 5.52x22 土眇工初(b) Tbo predicted chMiEe in rho classroom avcrAP? test stere is血JtSgc = ( 5,82k 19)-(-5.S2 2) = 23.28(c) U*ing the fommla fcr /?4 in EquaTiori (4.8), v/e know fhc van諷* jwcra賽 of the test scores across rlic 100 clussronius isTflitSrore = 0+ B嚴匸5 = 5204-5.62x

20、21.4 = 395 83id i I Kp 冃1亠 fortnnla fnr the 弓怡 nd 旦 rd emir of the r?pi eion i SER) in Eqn/irina 4 IT) tn net the* iim. of sqiiartii nesidnals'ESR = ® r)5£LE： =(1OO-2)xU.5! =1291.Use the formula for R in Equation (4.16 Io g就 the total luhl of squares.TSSi6L1 一用 1-0.0®2BO 1.The >

21、;Eimpk varionce is =；=常=131 8. Thw standud deviatioL is jt 一*：； =11.5.8、設(shè)從總體中抽取一容量為200的20歲男性隨機樣本，記錄他們的身高和體重 得體重對身高的回歸為：Weight 99.41 3.94 Height, R20.81,SER 10.2(2.15) (0.31)其中體重的單位是英鎊，身高的單位是英寸。(1) 身高為70英寸的人，其體重的回歸預(yù)測值是多少？65英寸的呢？ 74英寸的呢？(2) 某人發(fā)育較晚，一年里躥高了1.5英寸。那么根據(jù)回歸預(yù)測體重增加多少？(3) 解釋系數(shù)值-99.41和3.94的含義。(4)

22、 假定不用英鎊和英寸度量體重和身高而分別用厘米和千克，那么這個新的厘米-千克回歸估計是什么？給出所有結(jié)果，包括回歸系數(shù)估計 值，R和SER(5) 基于回歸方程，能對一個3歲小孩的體重假設(shè)身高1米作出可靠 預(yù)測嗎？Pile sample 012亡；/ 一二llie esriuintede<Unon isfVeigjir = (2.15) - W.41 + (0.31) i.94Hef$hh用-O.BL SER-10.2(a) Siibutiitinp- '0. G勺 ind "4 rncliet inti? the eqiuiiou. the predicted weig

23、hts are P6.39.lSff.69, and 192.15 pounds.(b) OWg加=S.94xHeight = 3一94xl.5 = 5.91.(c) We ha e the foliowinsi nelnrions: 1 th - 2.?4 c»t and Ub = (J.4536 飯，Suppose the i兒region equatiou iti the centhiketer-kilogEam space isHr/gAf - y,. + y, He妙 1.The coefficients are /a = 1 x 0.43345 = -4生09 kg.丄一

24、軸卞 孕-C.703ti kg per ent. TheR 兀 iiniT free. $o if reniaios ar R' = 0,Sl. The standaid enor of the reeressioji jsSER 102k0 45J6二-1.626'屆一9、假設(shè)某研究使用250名男性和280名女性工人的工資Wage數(shù)據(jù)估計出如 下OLS回歸：WAGE 12.52 2.12 Male,R20.06，SER 4.2標準誤0.23 0.36其中WAG的單位是美元/小時，Male為男性=1,女性=0的虛擬變量。用男 性和女性的平均收入之差定義工資的性別差距。1性別差距

25、的估計值是多少？2計算截距項和Male系數(shù)的t統(tǒng)計量，估計出的性別差距統(tǒng)計顯著不為0嗎？ 5%顯著水平的t統(tǒng)計量臨界值為1.963樣本中女性的平均工資是多少？男性的呢？4對本回歸的R你有什么評論，它告訴了你什么，沒有告訴你什么？這 個很小的R可否說明這個回歸模型沒有什么價值？5另一個研究者利用一樣的數(shù)據(jù)，但建立了 WAG對Female的回歸，其 中Female為女性=1,男性=0的變量。由此計算出的回歸估計是什么？wAgEFemale R2 ER 2. (a) Tlie estuimted gender gap eqimls $2.121ioiu(b) Hie hypollicis tcliu

26、g the gciidci gap is H:_ .= 0 vs.碼：4 * With a fftatislic&：-° 2+12rheyj-vnlne for the ter isp-value = 2(-raft D = 20> (-5.89) = 2 x 0.0000 = 0.000 (to four decimal places)Tliep-value is less than O.OL so w e can r勺ect tlie null liypotliesis that theie is no gendei gap at a 1% significance

27、 kvd+10、基于美國CPS人口調(diào)查1998年的數(shù)據(jù)得到平均小時收入對性別、教育和其他特征的回歸結(jié)果，見下表。該數(shù)據(jù)集是由4000名全年工作的全職工人數(shù)據(jù)組 成的。其中：AHE平均小時收入；College=二元變量大學(xué)取1，高中取0； Female 女性取1,男性取0； Age齡年；Northeast居于東北取1,否那么為0;Midwest居于中西取1,否那么為0; South居于南部取1,否那么為0； West 居于西部取1,否那么取0。表1:基于2004年CPS數(shù)據(jù)得到的平均小時收入對年齡、性別、教育、地區(qū)的回歸結(jié)果因變量：AHE回歸變量(1)(2)(3)College(X15.465.

28、485.44(0.21)(0.21)0.21Female(X2)-2.64-2.62-2.62(0.20)(0.20)(0.20)Age(X3)0.290.29(0.04)(0.04)Northeast(X4)0.69(0.30)Midwest(X5)0.60(0.28)South(X6)-0.27(0.26)截距12.694.403.75(0.14)1.05)(1.06)概括統(tǒng)計量和聯(lián)合檢驗地區(qū)效應(yīng)=0的F統(tǒng)計6.10量注：F3, a分布，1%顯著水平的臨界值為：3.78SER6.276.226.21氏0.1760.1900.194N400040004000注：括號中是標準誤。1計算每個回歸

29、的調(diào)整氏。2利用表1中列1的回歸結(jié)果答復(fù)：大學(xué)畢業(yè)的工人平均比高中畢業(yè)的工人掙得多嗎？多多少？這個差距在 5%顯著性水平下統(tǒng)計顯著嗎？男性平均比女性掙的多嗎？多多少？這個差距在 5%顯著性水平下統(tǒng)計顯著嗎？3年齡是收入的重要決定因素嗎？請解釋。使用適當?shù)慕y(tǒng)計檢驗來答復(fù)。4 Sally是29歲女性大學(xué)畢業(yè)生，Betsy是34歲女性大學(xué)畢業(yè)生，預(yù)測她 們的收入。5用列3的回歸結(jié)果答復(fù)：地區(qū)間平均收入存在顯著差距嗎？利用適當 的假設(shè)檢驗解釋你的答案。6為什么在回歸中省略了回歸變量 West?如果加上會怎樣。解釋 3個地區(qū) 回歸變量的系數(shù)的經(jīng)濟含義。Juantia 是南部28歲女性大學(xué)畢業(yè)生，Jenn

30、ifer是中西部28歲女性大學(xué)畢 業(yè)生，計算她們收入的期望差距計量經(jīng)濟學(xué)補充復(fù)習(xí)題一、填空題1、 計量經(jīng)濟學(xué)常用的三類樣本數(shù)據(jù)是 橫截面數(shù)據(jù)_、 時間序列數(shù)據(jù) 和 面板數(shù)據(jù)。2、虛擬解釋變量不同的引入方式產(chǎn)生不同的作用。假設(shè)要描述各種類型的模型在截距水平的差異，那么以加法形式引入虛擬解釋變量；假設(shè)要反映各種類型的模型的不同相對變化率時，那么以乘法形式引入虛擬解釋變量。二、選擇題1、參數(shù)的估計量?具備有效性是指【】BA Var(?)=0B Var(?為最小C ( ?-)=0D (?-為最小2、產(chǎn)量1 x,臺與單位產(chǎn)品本錢y,元/臺之間的回歸方程為 ？ = 356 1.5x，這說明【】DA產(chǎn)量每增

31、加臺，單位產(chǎn)品本錢增加356元B產(chǎn)量每增加臺，單位產(chǎn)品本錢減少1.5元C產(chǎn)量每增加臺，單位產(chǎn)品本錢平均增加356元D產(chǎn)量每增加臺，單位產(chǎn)品本錢平均減少1.5元3、在總體回歸直線 E?01x 中,1表示【】BA當x增加一個單位時，y增加1個單位B當x增加一個單位時,y平均增加 1個單位C當y增加一個單位時，x增加1個單位D當y增加一個單位時,x平均增加 1個單位y表示回歸估計值，那么普通最小二乘法估計參數(shù)的準那么是使【D】A?) = 0BC?為最小D4、以y表示實際觀測值,(yi y?)2 = 0(yi宓)2為最小5、設(shè)y表示實際觀測值,y表示ols回歸估計值，那么以下哪項成立【A ?=y?=

32、y6、用普通最小二乘法估計經(jīng)典線性模型yt 0iXtut,那么樣本回歸線通過點【D】A x，yB x，y?C x ， ?X，y7、判定系數(shù)R2的取值圍是【C】2 2AR 1BR 1C 02 2R 1 D 1 R 18、對于總體平方和TSS回歸平方和RSS和殘差平方和ESS的相互關(guān)系，正確的選項是【BATSS>RSS+ESSBTSS=RSS+ESSCTSS<RSS+ESSD TSS2 =RS$ +ESS212、模型yi11n XiUi中，y關(guān)于x的彈性為【C :29、決定系數(shù)R是指【C 】A剩余平方和占總離差平方和的比重B總離差平方和占回歸平方和的比重C回歸平方和占總離差平方和的比重

33、D回歸平方和占剩余平方和的比重A BXi1XiC Dyi10、如果兩個經(jīng)濟變量 x與y間的關(guān)系近似地表現(xiàn)為當 x發(fā)生一個絕對量變動 x時，yA yi0必 UiB lnyi01XiUiC 1C Yi015XiD lnyi011n Xi u11、以下哪個模型為常數(shù)彈性模型【A】A ln yi In 0JnXjuiB lnyi ln 0必 UiC yi01*UiDy101 uiXi有一個固定地相對量 y/y丨變動，那么適宜配合地回歸模型是【B 】013、 模型ln yiIn 011n n 5中，1的實際含義是【B】A x關(guān)于y的彈性B y關(guān)于x的彈性C x關(guān)于y的邊際傾向D y關(guān)于x的邊際傾向14、

34、 當存在異方差現(xiàn)象時，估計模型參數(shù)的適當方法是【A】A加權(quán)最小二乘法B工具變量法C廣義差分法D使用非樣本先驗信息15、 加權(quán)最小二乘法克制異方差的主要原理是通過賦予不同觀測點以不同的權(quán)數(shù)，從而提高 估計精度，即【B】A重視大誤差的作用，輕視小誤差的作用B重視小誤差的作用，輕視大誤差的作用C重視小誤差和大誤差的作用D輕視小誤差和大誤差的作用16、容易產(chǎn)生異方差的數(shù)據(jù)是【 C】A時間序列數(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)2 217、設(shè)回歸模型為 yXjUi，其中var( uj=Xj，那么 的最小二乘估計量為 【C】A.無偏且有效B無偏但非有效C有偏但有效D有偏且非有效18、如果模型yt b0 b

35、|XtUt存在序列相關(guān)，那么【D】A cov xt， Ut=0B covUt， Us=0t sC cov xt， Ut0D covUt ,us0 ts19、以下哪種形式的序列相關(guān)可用DW統(tǒng)計量來檢驗Vi為具有零均值，常數(shù)方差，且不存在序列相關(guān)的隨機變量【A】A UtUt 1 vtBUtUt 12Ut 2VtC UtVtDUtVt2vt 120、DW的取值圍是【D】A 1 DW 0B1DW121、當DW 4是時，說明【D】A不存在序列相關(guān)BC存在完全的正的一階自相關(guān)D不能判斷是否存在一階自相關(guān)存在完全的負的一階自相關(guān)22、模型中引入一個無關(guān)的解釋變量【 C】A對模型參數(shù)估計量的性質(zhì)不產(chǎn)生任何影響

36、B導(dǎo)致普通最小二乘估計量有偏C導(dǎo)致普通最小二乘估計量精度下降D導(dǎo)致普通最小二乘估計量有偏，同時精度下降23、如果方差膨脹因子vif = io,那么認為什么問題是嚴重的【 c】A異方差問題序列相關(guān)問題C多重共線性問題解釋變量與隨機項的相關(guān)性24、某商品需求函數(shù)為y bobiXui,其中y為需求量，x為價格。為了考慮"地區(qū)"農(nóng)村、城市和“季節(jié)'春、夏、秋、冬兩個因素的影響，擬引入虛擬變量，那么應(yīng)引入虛擬變量的個數(shù)為【B】A 2B 4C 5D 625、根據(jù)樣本資料建立某消費函數(shù)如下:Ct =100.50+55.35 Dt+0.45 Xt，其中 C 為消費，x為收入，虛擬變

37、量» 1城鎮(zhèn)家庭，所有參數(shù)均檢驗顯著，那么城鎮(zhèn)家庭的消費函數(shù)為 0農(nóng)村家庭A(X =155.85+0.45 xtBQ =100.50+0.45 xtC (? =100.50+55.35 xtD=100.95+55.35 xt26、假設(shè)某需求函數(shù)為yi0 b1Xi Ui ,為了考慮“季節(jié)'因素春、夏、秋、冬四個不同的狀態(tài)，弓I入4個虛擬變量形式形成截距變動模型，那么模型的【 D】A參數(shù)估計量將到達最大精度B參數(shù)估計量是有偏估計量C參數(shù)估計量是非一致估計量D參數(shù)將無法估計ui，為了考慮“地區(qū)"因素北方、南方27、對于模型yjb0 b1 Xi，引入2個虛擬變量形式形成截距變動模型，那么會產(chǎn)生【D】C完全多重共線性D不完全多重共線性28、如果一個回歸模型中不包含截距項，對一個具有m個特征的質(zhì)的因素要引入虛擬變量的數(shù)目為【A】A mB m-1C m-2D m+129、某一時間序列經(jīng)一次差分變換成平穩(wěn)時間序列，此時間序列稱為AA. 1階單整B. 2階單整C. K階單整D.以上答案均不正確30、當隨機誤差項存在自相關(guān)時，進展單位根檢驗是由B來實現(xiàn)。A . DF檢驗BADF檢驗C. EG檢驗DDW檢驗三、多項選擇題: