(完整word版)計量經(jīng)濟(jì)學(xué)習(xí)題及全部答案

1、計量經(jīng)濟(jì)學(xué)習(xí)題（一）一、判斷正誤1在研究經(jīng)濟(jì)變量之間的非確定性關(guān)系時，回歸分析是唯一可用的分析方法。（）2 最小二乘法進(jìn)行參數(shù)估計的基本原理是使殘差平方和最小。（）3.無論回歸模型中包括多少個解釋變量，總離差平方和的自由度總為（n-1 ）o （）4當(dāng)我們說估計的回歸系數(shù)在統(tǒng)計上是顯著的，意思是說它顯著地異于0。（）ESS)5.總離差平方和（TSS）可分解為殘差平方和（ESS與回歸平方和（RSS）之和，其中殘差平方和（ 表示總離差平方和中可由樣本回歸直線解釋的部分。（）6多元線性回歸模型的 F檢驗和t檢驗是一致的。（）7當(dāng)存在嚴(yán)重的多重共線性時，普通最小二乘估計往往會低估參數(shù)估計量的方差。（）&

2、amp;如果隨機(jī)誤差項的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤差項的 自相關(guān)。（:9在存在異方差的情況下，會對回歸模型的正確建立和統(tǒng)計推斷帶來嚴(yán)重后果。（）10. DW.檢驗只能檢驗一階自相關(guān)。（）二、單選題1 樣本回歸函數(shù)（方程）的表達(dá)式為（）oA Y=01XiuiB E(Y/Xi)= 0 iXc Y：? =0?Xi eD £= ?Xi2.下圖中“ ”所指的距離是（）。A 隨機(jī)干擾項B 殘差 C Y的離差DY的離差3在總體回歸方程 E（Y/X）= o iX中，i表示（）oA .當(dāng)X增加一個單位時,Y增加1個單位B 當(dāng)X增加一個單位時,Y平均增加 i個單位C 當(dāng)Y增加一個

3、單位時,X增加i個單位D 當(dāng)Y增加一個單位時,X平均增加i個單位24可決系數(shù)R是指（）oA 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D 回歸平方和占剩余平方和的比重25已知含有截距項的三元線性回歸模型估計的殘差平方和為e =800，估計用的樣本容量為24,則隨機(jī)誤差項5的方差估計量為（）。A 33.33B. 40 C 38.096設(shè)k為回歸模型中的參數(shù)個數(shù)（不包括截距項） 方和。則對總體回歸模型進(jìn)行顯著性檢驗時構(gòu)造的D. 36.36,n為樣本容量，ESS為殘差平方和，RSS為回歸平 F統(tǒng)計量為（）。RSSTSSRSS/kESS(n k

4、1)C Cov(Ui,Uj)=0 (i j)D Ui : N(0,1)t 2,3丄，n ）,則下面明顯錯lRSS/kC F =1TSS (n k 1)7對于模型y=彳 ?Xj e，以誤的是()。A =0.8 , DW . =0.4C =0, DW.=2l ESS D. F =TSS表示e與e 1之間的線性相關(guān)系數(shù)(B =0.8, DW.= 0.4D =1 , DW.=0&在線性回歸模型Y 01人. kXkiUik 3 ；如果X2X3X1，則表明模型中存在（）。A 異方差B 多重共線性C 自相關(guān)D 模型誤設(shè)定9 根據(jù)樣本資料建立某消費函數(shù)Y= 01Xi Ui，其中丫為需求量，X為價格。為

5、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，則應(yīng)引入虛擬變量的個數(shù)為（）。A 2 B 4 C 5 D 610 某商品需求函數(shù)為C?i =100.50 55.35Di 0.45Xi ,其中C為消費，X為收入，虛擬變量1城鎮(zhèn)家庭0農(nóng)村家庭，所有參數(shù)均檢驗顯著，則城鎮(zhèn)家庭的消費函數(shù)為（A G = 155.850.45XiB (? = 100.500.45XiC (? = 100.5055.35XiD (? =100.9555.35X三、多選題1 一兀線性回歸模型丫= 01XiUi的基本假定包括（）。A E(ui) =0B Var(ui)=2 （常數(shù)）E.

6、X為非隨機(jī)變量，且 Cov（Xi,uJ=02由回歸直線Y?= ?Xj估計出來的Y?（）。A 是一組平均數(shù)B 是實際觀測值 Yi的估計值C 是實際觀測值 Y均值的估計值D 可能等于實際觀測值 YE.與實際觀測值 Y之差的代數(shù)和等于零3. 異方差的檢驗方法有（）A .圖示檢驗法B Glejser檢驗C Vhite 檢驗D DW/.檢驗E GoldfeldQuandt 檢驗4 下列哪些非線性模型可以通過變量替換轉(zhuǎn)化為線性模型（）。A 2Y = 01X i uiB 1/Y= o 1(1/ Xi) uC In Y= 011n Xj uiD Y = AKi Li euiE Yi= o1e1X1i2e 2X

7、2iu5在線性模型中引入虛擬變量，可以反映（）。A .截距項變動B .斜率變動C.斜率與截距項冋時變動D .分段回歸E.以上都可以四、簡答題1 隨機(jī)干擾項主要包括哪些因素？它和殘差之間的區(qū)別是什么？2簡述為什么要對參數(shù)進(jìn)行顯著性檢驗？試說明參數(shù)顯著性檢驗的過程。3.簡述序列相關(guān)性檢驗方法的共同思路。五、計算分析題，并1 下表是某次線性回歸的 EViews輸出結(jié)果，根據(jù)所學(xué)知識求出被略去部分的值（用大寫字母標(biāo)示） 寫出過程（保留3位小數(shù)）。Depe ndent Variable: YMethod: Least SquaresIn eluded observatio ns: 13VariableC

8、oefficie ntStd. Errort-StatisticProb.C7.105975A4.3903210.0014X1-1.3931150.310050-4.4931960.0012X21.4806740.1801858.2175060.0000R-squared0.872759Mean depe ndent var7.756923Adjusted R-squaredBS.D. dependent var3.041892S.E. of regressi on1.188632Akaike info criterion3.382658Sum squared residCSchwarz cr

9、iterio n3.5130312用Goldfeld Quandt方法檢驗下列模型是否存在異方差。模型形式如下:Yi = 0iXn2X213X31 Ui兩組，分別作回歸，得到兩個殘差平方和其中樣本容量n =40,按Xi從小到大排序后，去掉中間10個樣本，并對余下的樣本按 Xi的大小等分為ESS=0.360、ESS2=0.466，寫出檢驗步驟（=0.05）。分子自由度10111213分93.143.103.073.01母102.982.942.912.85自112.852.822.792.72由122.752.722.692.62度132.672.632.602.53F分布百分位表（=0.05）

10、3有人用廣東省19782005年的財政收入（AV ）作為因變量, 用三次產(chǎn)業(yè)增加值作為自變量，進(jìn)行了三元線性回歸。第一產(chǎn)業(yè)增加值VAD1，第二產(chǎn)業(yè)增加值VAD2，第三產(chǎn)業(yè)增加值一一VAD3，結(jié)果為:AV =35.116 0.028VAD1 0.048VAD2 0.228VAD3R2 =0.993, F =1189.718（0.540） （ 1.613 ）（7.475）DW .=2.063試簡要分析回歸結(jié)果。 五、證明題求證：一元線性回歸模型因變量模擬值Y?的平均值等于實際觀測值 Y的平均值，即Y?=Yi。計量經(jīng)濟(jì)學(xué)習(xí)題（二）一、 判斷正誤（正確劃“V”，錯誤劃“X” ）1.殘差（剩余）項 e的

11、均值e=（ e）.：n=0。（）2所謂OLS估計量的無偏性，是指參數(shù)估計量的數(shù)學(xué)期望等于各自的真值。（）3 樣本可決系數(shù)高的回歸方程一定比樣本可決系數(shù)低的回歸方程更能說明解釋變量對被解釋變量的解釋能力。（）4 多元線性回歸模型中解釋變量個數(shù)為k，則對回歸參數(shù)進(jìn)行顯著性檢驗的t統(tǒng)計量的自由度一定是n k 1 ° （）5對應(yīng)于自變量的每一個觀察值，利用樣本回歸函數(shù)可以求出因變量的真實值。（）6若回歸模型存在異方差問題，可以使用加權(quán)最小二乘法進(jìn)行修正。（）7 根據(jù)最小二乘估計，我們可以得到總體回歸方程。（）&當(dāng)用于檢驗回歸方程顯著性的F統(tǒng)計量與檢驗單個系數(shù)顯著性的t統(tǒng)計量結(jié)果矛盾時

12、，可以認(rèn)為出現(xiàn)了嚴(yán)重的多重共線性（）9線性回歸模型中的“線性”主要是指回歸模型中的參數(shù)是線性的，而變量則不一定是線性的。（ ）10一般情況下，用線性回歸模型進(jìn)行預(yù)測時，單個值預(yù)測與均值預(yù)測相等，且置信區(qū)間也相同。（）二、單選題1 針對同一經(jīng)濟(jì)指標(biāo)在不同時間發(fā)生的結(jié)果進(jìn)行記錄的數(shù)據(jù)稱為（）A面板數(shù)據(jù)B 截面數(shù)據(jù)C 時間序列數(shù)據(jù)D 以上都不是2 下圖中“”y?的離差A(yù) 隨機(jī)干擾項B 殘差 C 丫的離差3在模型丫= 0jnXi Ui中，參數(shù)1的含義是（A X的絕對量變化，引起 丫的絕對量變化B 丫關(guān)于X的邊際變化C X的相對變化，引起丫的平均值絕對量變化4 已知含有截距項的三元線性回歸模型估計的殘差

13、平方和為2e =90，估計用的樣本容量為 19,則隨機(jī)D 丫關(guān)于X的彈性誤差項Ui方差的估計量為（A 4.74B 6 C 5.635 已知某一線性回歸方程的樣本可決系數(shù)為A 0.64B 0.8 C 0.4D 50.64,則解釋變量與被解釋變量間的相關(guān)系數(shù)為（0.326.用一組有20個觀測值的樣本估計模型丫= 01Xi ui，在0.05的顯著性水平下對1的顯著性作t檢驗，則1顯著異于零的條件是對應(yīng)t統(tǒng)計量的取值大于（A 10.05 (20)B t0.025(20)C.to.05(18)D t0.025(18)7 對于模型Y =?X1i'k X kiei ,統(tǒng)計量一(Y?2Y)2/k 服從

14、()(Yi Y?) /(n k 1)A t(n k)B t(nk 1)C.F(k 1,nk)D F(k, n k 1)&如果樣本回歸模型殘差的一階自相關(guān)系數(shù)為零，那么DW.統(tǒng)計量的值近似等于（D 0.59 根據(jù)樣本資料建立某消費函數(shù)如下丫= 01Xi Ui，其中丫為需求量，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，則應(yīng)引入虛擬變量的個數(shù)為（）A . 2 B . 4C. 51城鎮(zhèn)豕庭10.設(shè)消費函數(shù)為Ci= o2DiXiUi，其中C為消費，X為收入，虛擬變量D亠一宀宀i02 j jj0農(nóng)村家庭當(dāng)統(tǒng)計檢驗表明下列哪項成立時，表示城鎮(zhèn)

15、家庭與農(nóng)村家庭具有同樣的消費行為（）A .1=0，2 =0B .1=0,20C.10,2 =0三、多選題1以Y表示實際觀測值,Y?表示用ols法回歸后的模擬值，e表示殘差，則回歸直線滿足（）A .通過樣本均值點(X,Y)B. (YY)2=0c. Cov(Xj,e)=0Y? E.e Xj =02 .對滿足所有假定條件的模型Y =1X12X2iUj進(jìn)行總體顯著性檢驗，如果檢驗結(jié)果顯示總體線性關(guān)系顯著，則可能出現(xiàn)的情況包括（2 =0A.1 =2 =01=0,3.F列選項中，哪些方法可以用來檢驗多重共線性A. Glejser 檢驗B .兩個解釋變量間的相關(guān)性檢驗C .參數(shù)估計值的經(jīng)濟(jì)檢驗D .參數(shù)估計

16、值的統(tǒng)計檢驗 E . DW.檢驗4. 線性回歸模型存在異方差時，對于回歸參數(shù)的估計與檢驗正確的表述包括（）A . OLS參數(shù)估計量仍具有線性性 B . OLS參數(shù)估計量仍具有無偏性C . OLS參數(shù)估計量不再具有效性（即不再具有最小方差）D. 一定會低估參數(shù)估計值的方差5. 關(guān)于虛擬變量設(shè)置原則，下列表述正確的有（）A. 當(dāng)定性因素有 m個類型時，引入 m 1個虛擬變量B .當(dāng)定性因素有 m個類型時，引入 m個虛擬變量會產(chǎn)生多重共線性問題C.虛擬變量的值只能取 0和1D .在虛擬變量的設(shè)置中，基礎(chǔ)類別一般取值為0E. 以上說法都正確四、簡答題1 .簡述計量經(jīng)濟(jì)學(xué)研究問題的方法。2. 簡述異方差

17、性檢驗方法的共同思路。3. 簡述多重共線性的危害。五、計算分析題1 .下表是某次線性回歸的EViews輸出結(jié)果，被略去部分?jǐn)?shù)值（用大寫字母標(biāo)示），根據(jù)所學(xué)知識解答下列各題（計算過程保留 3位小數(shù)）。（本題12分）Depe ndent Variable: YMethod: Least SquaresIn eluded observatio ns: 18VariableCoefficie ntStd. Errort-StatisticProb.C-50.0163849.46026-1.0112440.3279X10.0864500.029363A0.0101X252.370315.20216710

18、.067020.0000R-squared0.951235Mean depe ndent var755.1222Adjusted R-squaredBS.D. dependent var258.7206S.E. of regressi on60.82273Akaike info criterion11.20482Sum squared resid55491.07Schwarz criterio n11.35321F-statistic146.2974Durbin-Wats on stat2.605783（1）求出A、B的值。（2 ）求TSS2.有人用美國1960-1995年36年間個人實際可支

19、配收入 （X ）和個人實際消費支出（丫）的數(shù)據(jù)（單位:百億美元）建立收入一消費模型Yi = o 1Xi u ,估計結(jié)果如下：丫?= 9.4290.936Xink=1k=2dLdudLdu351.401.521.341.58361.411.521.351.59371.421.531.361.59381.431.541.371.59R2DW檢驗臨界值表（=0.05）t :(-3.77)(125.34)2R = 0.998， F = 15710.39， DW.=0.52（1）檢驗收入一消費模型的自相關(guān)狀況（5%顯著水平）；（2）用適當(dāng)?shù)姆椒ㄏＰ椭写嬖诘膯栴}。五、證明題證明：用于多元線性回歸方程顯

20、著性檢驗的F統(tǒng)計量與可決系數(shù)滿足如下關(guān)系：計量經(jīng)濟(jì)學(xué)習(xí)題（三）一、判斷對錯（）1、在研究經(jīng)濟(jì)變量之間的非確定性關(guān)系時，回歸分析是惟一可用的分析方法。（）2、對應(yīng)于自變量的每一個觀察值，利用樣本回歸函數(shù)可以求出因變量的真實值。）3、OLS回歸方法的基本準(zhǔn)則是使殘差平方和最小。（）4、在存在異方差的情況下，OLS法總是高估了估計量的標(biāo)準(zhǔn)差。）5、無論回歸模型中包括多少個解釋變量，總離差平方和的自由度總為（n-1 ）。（）6、線性回歸分析中的“線性”主要是指回歸模型中的參數(shù)是線性的，而變量則不一定是線性 的。（）7、當(dāng)我們說估計的回歸系數(shù)在統(tǒng)計上是顯著的，意思是說它顯著異于0。（）&總離差平

21、方和（TSS）可分解為殘差平方（ESS）和與回歸平方和（RSS）， 其中殘差平方（ESS）表示總離差平方和可由樣本回歸直線解釋的部分。（）9、所謂OLS估計量的無偏性，是指回歸參數(shù)的估計值與真實值相等。（）10、當(dāng)模型中解釋變量均為確定性變量時，則可以用DW統(tǒng)計量來檢驗?zāi)Ｐ偷碾S機(jī)誤差項所有形式的自相關(guān)性。二、單項選擇A1、回歸直線Y t = ?0+ ?1Xt必然會通過點（）A、（ 0，0）； B、（ X，丫 ）； C、（ X，0 ）； D、（ 0，丫）。2、針對經(jīng)濟(jì)指標(biāo)在同一時間所發(fā)生結(jié)果進(jìn)行記錄的數(shù)據(jù)列，稱為（A、面板數(shù)據(jù)；B、截面數(shù)據(jù)；C、時間序列數(shù)據(jù)；D、時間數(shù)據(jù)。3、如果樣本回歸模型殘

22、差的一階自相關(guān)系數(shù)p接近于0,那么DW統(tǒng)計量的值近似等于（）A、0B、1C、2D、44、 若回歸模型的隨機(jī)誤差項存在自相關(guān)，則參數(shù)的OLS估計量（）A、無偏且有效B、有偏且非有效C、有偏但有效D、無偏但非有效5、下列哪一種檢驗方法不能用于異方差檢驗（）A、戈德菲爾德夸特檢驗；B、DW 檢驗；C、White檢驗；D、戈里瑟檢驗。6、當(dāng)多元回歸模型中的解釋變量存在完全多重共線性時，下列哪一種情況會發(fā)生（）A、OLS估計量仍然滿足無偏性和有效性；B、OLS估計量是無偏的，但非有效；C、OLS估計量有偏且非有效；D、無法求出OLS估計量。7、DW檢驗法適用于（）的檢驗A、一階自相關(guān)B、高階自相關(guān)C、多

23、重共線性D都不是&在隨機(jī)誤差項的一階自相關(guān)檢驗中，若DW = 1.92,給定顯著性水平下的臨界值 dL=1.36, du=1.59 ,則由此可以判斷隨機(jī)誤差項（）A、存在正自相關(guān)B、存在負(fù)自相關(guān)C、不存在自相關(guān) D、無法判斷9、 在多元線性線性回歸模型中，解釋變量的個數(shù)越多，則可決系數(shù)R2 （）A、越大；B、越??；C、不會變化；D、無法確定10、 在某線性回歸方程的估計結(jié)果中，若殘差平方和為10,回歸平方和為 40,則回歸方程的擬合優(yōu) 度為（）A、0.2 B、0.6 C、0.8 D、無法計算。三、簡答與計算1、多元線性回歸模型的基本假設(shè)有哪些？2、計量經(jīng)濟(jì)模型中的隨機(jī)誤差項主要包含哪些

24、因素？3、簡答經(jīng)典單方程計量模型的異方差性概念、后果以及修正方法。4、簡述方程顯著性檢驗（F檢驗）與變量顯著性檢驗（t檢驗）的區(qū)別？。5、對于一個三元線性回歸模型，已知可決系數(shù)於=0.9，方差分析表的部份結(jié)果如下:方差來源 平方和（SS） 自由度（d.f.） 來自殘差（ESS） 來自回歸（RSS） 1800總離差（TSS） 28（1）樣本容量是多少？（2）總離差平方和 TSS為多少？（3）殘差平方和ESS為多少？（4）回歸平方和 RSS和殘差平方和 ESS 的自由度各為多少？（5）求方程總體顯著性檢驗的 F統(tǒng)計量;四、案例分析F表是中國某地人均可支配收入（INCOME ）與儲蓄（SAVE）之間

25、的回歸分析結(jié)果（單位：元）Depe ndent Variable: SAVE Method: Least Squares Sample: 1 31In cluded observati ons: 31Coefficie nVariabletStd. Errort-StatisticProb.= = =C-695.1433118.0444-5.8888270.0000INCOME0.0877740.004893R-squared0.917336Mean depe ndent var1266.452Adjusted R-squared0.914485S.D.dependent var846.757

26、0S.E. of regressi on247.6160Akaike info criterion13.92398Sum squared resid1778097.Schwarz criteri on14.01649Log likelihood-213.8216F-statistic321.8177Durbin-Wats on stat1.892420Prob(F-statistic)0.0000001請寫出樣本回歸方程表達(dá)式，然后分析自變量回歸系數(shù)的經(jīng)濟(jì)含義2、解釋樣本可決系數(shù)的含義3、 寫出t檢驗的含義和步驟，并在5%的顯著性水平下對自變量的回歸系數(shù)進(jìn)行t檢驗(臨界值to.025(29)=

27、2.O5)。4、 下表給出了 White異方差檢驗結(jié)果，試在5%的顯著性水平下判斷隨機(jī)誤差項是否存在異方差。White Heteroskedasticity Test:F-statistic6.048005Probability0.006558Obs*R-squared9.351960Probability0.0093165、下表給出LM序列相關(guān)檢驗結(jié)果(滯后 1期)，試在5%的顯著性水平下判斷隨機(jī)誤差項是否存在一階 自相關(guān)。Breusch-Godfrey Serial Correlation LM Test:F-statistic0.030516Probability0.862582Obs*

28、R-squared0.033749Probability0.854242計量經(jīng)濟(jì)學(xué)習(xí)題(四)一、判斷對錯()1、一般情況下，在用線性回歸模型進(jìn)行預(yù)測時，個值預(yù)測與均值預(yù)測結(jié)果相等，且它們的置 信區(qū)間也相同。()2、對于模型 Yi=時0Xii+倫X2i+侏Xki+卩i, i=1,2,，n；如果X2=X5 +X6,則模型必然存在解釋變量的多重共線性問題。()3、OLS回歸方法的基本準(zhǔn)則是使殘差項之和最小。()4、在隨機(jī)誤差項存在正自相關(guān)的情況下，OLS法總是低估了估計量的標(biāo)準(zhǔn)差。()5、無論回歸模型中包括多少個解釋變量，總離差平方和的自由度總為(n-1 )。()6、一元線性回歸模型的 F檢驗和t檢

29、驗是一致的。()7、如果隨機(jī)誤差項的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤差項的序列相 關(guān)。()&在近似多重共線性下，只要模型滿足OLS的基本假定，則回歸系數(shù)的最小二乘估計量仍然是一 BLUE估計量。()9、所謂參數(shù)估計量的線性性，是指參數(shù)估計量是解釋變量的線性組合。()10、擬合優(yōu)度的測量指標(biāo)是可決系數(shù)R2或調(diào)整過的可決系數(shù)，R2越大，說明回歸方程對樣本的擬合程度越高。二、單項選擇1 在多元線性回歸模型中，若兩個自變量之間的相關(guān)系數(shù)接近于1,則在回歸分析中需要注意模型的()問題。A、自相關(guān)；B、異方差；C、模型設(shè)定偏誤；D、多重共線性。2、在異方差的眾多檢驗方法中，既能判

30、斷隨機(jī)誤差項是否存在異方差，又能給出異方差具體存在形式的檢驗方法是（）A、圖式檢驗法；B、DW檢驗；C、戈里瑟檢驗；D、White檢驗。3、 如果樣本回歸模型殘差的一階自相關(guān)系數(shù)p接近于1那么DW統(tǒng)計量的值近似等于（）A、 0 B、 1C、 2 D、 44、 若回歸模型的隨機(jī)誤差項存在異方差，則參數(shù)的OLS估計量（）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5、下列哪一個方法是用于補救隨機(jī)誤差項自相關(guān)問題的（）A、OLS ； B、ILS ； C、WLS ； D、GLS。6、 計量經(jīng)濟(jì)學(xué)的應(yīng)用不包括：（）A、預(yù)測未來；B、政策評價；C、創(chuàng)建經(jīng)濟(jì)理論；D、結(jié)構(gòu)分析。7、LM檢驗法

31、適用于（）的檢驗A、異方差；B、自相關(guān)；C、多重共線性；D都不是&在隨機(jī)誤差項的一階自相關(guān)檢驗中，若DW = 0.92,給定顯著性水平下的臨界值dL=1.36, du=1.59 ,則由此可以判斷隨機(jī)誤差項（）A、存在正自相關(guān)B、存在負(fù)自相關(guān)C、不存在自相關(guān)D、無法判斷9、 在多元線性線性回歸模型中，解釋變量的個數(shù)越多，則調(diào)整可決系數(shù)R回歸平方和 RSS為多少？ 殘差平方和ESS為多少？ 回歸平方和RSS和總離差平方和 TSS 的自由度各為多少？（5）求方程總體顯著性檢驗的F統(tǒng)計量；四、實驗F表是某國1967 1985年間GDP與出口額（EXPORT）之間的回歸分析結(jié)果（單位：億美元）：

32、Depe nde nt Variable: EXPORTMethod: Least SquaresSample: 1967 1985In eluded observati ons: 19 （）A、越大；B、越??；C、不會變化；D、無法確定10、 在某線性回歸方程的估計結(jié)果中，若殘差平方和為10,總離差平方和為100,則回歸方程的擬合 優(yōu)度為（）A、0.1； B、0.90； C、0.91 ； D、無法計算。三、簡答與計算1、多元線性回歸模型的基本假設(shè)有哪些？2、簡述計量經(jīng)濟(jì)研究的基本步驟3、簡答經(jīng)典單方程計量模型自相關(guān)概念、后果以及修正方法。4、 簡述對多元回歸模型 Y 01X1i2X2： .

33、kXki Ui進(jìn)行顯著性檢驗（F檢驗）的基本步驟方差來源 平方和（SS） 自由度（d.f.） 來自殘差（ESS） 25來自回歸（RSS）總離差（TSS） 30005、對于一個五元線性回歸模型，已知可決系數(shù)氏=0.6，方差分析表的部份結(jié)果如下：（1）樣本容量是多少？VariableCoefficie ntStd. Errort-StatisticProb.C-2531.831270.8792-9.3467140.0000GDP0.2817620.009355R-squared0.981606Mean depe ndent var5530.842Adjusted R-squared0.980524

34、S.D.dependent var1295.273S.E. of regressi on180.7644Akaike info criterion13.33157Sum squared resid555487.9Schwarz criteri on13.43098Log likelihood-124.6499F-statistic907.2079Durbin-Wats on stat0.950536Prob(F-statistic)0.0000001請寫出樣本回歸方程表達(dá)式，然后分析自變量回歸系數(shù)的經(jīng)濟(jì)含義2、解釋樣本可決系數(shù)的含義3、 寫出t檢驗的含義和步驟，并在5%的顯著性水平下對自變量的

35、回歸系數(shù)進(jìn)行t檢驗（臨界值to.025（17）=2.11 ）。4、 下表給出了 White異方差檢驗結(jié)果，試在5%的顯著性水平下判斷隨機(jī)誤差項是否存在異方差。White Heteroskedasticity Test:F-statistic5.376588Probability0.016367Obs*R-squared7.636863Probability0.0219625、下表給出LM序列相關(guān)檢驗結(jié)果（滯后 1期），試在5%的顯著性水平下判斷隨機(jī)誤差項是否存在一階 自相關(guān)。Breusch-Godfrey Serial Correlation LM Test:F-statistic3.2367

36、05Probability0.090893Obs*R-squared3.196877Probability0.073779計量經(jīng)濟(jì)學(xué)習(xí)題（五）、判斷正誤（正確劃“V”，錯誤劃“ x ”）（）1、最小二乘法進(jìn)行參數(shù)估計的基本原理是使殘差平方和最小。（）2、一般情況下，用線性回歸模型進(jìn)行預(yù)測時，個值預(yù)測與均值預(yù)測相等，且置信區(qū)間也相同。3、如果隨機(jī)誤差項的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤差項的序列相關(guān)。4、若回歸模型存在異方差問題，應(yīng)使用加權(quán)最小二乘法進(jìn)行修正。（）5、多元線性回歸模型的 F檢驗和t檢驗是一致的。6、DW檢驗只能檢驗隨機(jī)誤差項是否存在一階自相關(guān)。7、 總離差平方和

37、（TSS ）可分解為殘差平方 （RSS ）和與回歸平方和（ESS ），其中殘差平方（RSS ）表示總離差平方和可由樣本回歸直線解釋的部分。（）8、擬合優(yōu)度用于檢驗回歸方程對樣本數(shù)據(jù)的擬合程度，其測量指標(biāo)是可決系數(shù)或調(diào)整后的可決系數(shù)。（）9、對于模型 Y 01X1i . nXni Ui i 1,2,., n ；如果 X2 X3 X1，則模型必然存 在解釋變量的多重共線性問題。（）10、所謂OLS估計量的無偏性，是指參數(shù)估計量的數(shù)學(xué)期望等于各自真值。二、單項選擇1、回歸直線Y? ? ?Xi必然會通過點（）A、（0，0） B、（ X，Y） C、（ X，0）D、（0，Y）2、 某線性回歸方程的估計的結(jié)

38、果，殘差平方和為20，回歸平方和為80,則回歸方程的擬合優(yōu)度為（）A、0.2B、0.6 C、0.8D、無法計算3、針對經(jīng)濟(jì)指標(biāo)在同一時間所發(fā)生結(jié)果進(jìn)行記錄的數(shù)據(jù)列，稱為（）A、面板數(shù)據(jù)B、截面數(shù)據(jù)C、時間序列數(shù)據(jù)D、時間數(shù)據(jù)4、 對回歸方程總體線性關(guān)系進(jìn)行顯著性檢驗的方法是（）A、Z檢驗B、t檢驗C、F檢驗D、預(yù)測檢驗5、 如果DW統(tǒng)計量等于2,那么樣本回歸模型殘差的一階自相關(guān)系數(shù)p近似等于（ ）A、0B、-1C、1D、0.56、若隨機(jī)誤差項存在異方差，則參數(shù)的普通最小二乘估計量（）A、無偏且有效B、有偏且非有效C、有偏但有效D、無偏但非有效7、下列哪一種方法是用于補救隨機(jī)誤差項的異方差問題的

39、（）A、OLS ; B、ILS ; C、WLSD、GLS8、如果某一線性回歸方程需要考慮四個季度的變化情況，那么為此設(shè)置虛擬變量的個數(shù)為（）A、1B、2C、3D、49、樣本可決系數(shù) R樣本容量是多少？ 總變差TSS為多少？ （3）殘差平方和RSS為多少？ ESS和 RSS的自由度各為多少？ 求方程總體顯著性檢驗的 F統(tǒng)計量值。越大，表示它對樣本數(shù)據(jù)擬合得（）A、越好 B、越差C、不能確定D、均有可能10、 多元線性回歸模型中，解釋變量的個數(shù)越多，可決系數(shù)R2 （）A、越大；B、越??；C、不會變化；D、無法確定三、簡答題1、簡述計量經(jīng)濟(jì)學(xué)的定義。2、多元線性回歸模型的基本假設(shè)有哪些？3、簡答異方

40、差概念、后果以及修正方法。4、簡述t檢驗的目的及基本步驟。四、計算對于一個三元線性回歸模型，已知可決系數(shù)R2 0.8，方差分析表的部份結(jié)果如下：變差來源平方和自由度源于回歸（ESS200源于殘差（RSS總變差（TSS22計量經(jīng)濟(jì)學(xué)習(xí)題（六）-案例題一、根據(jù)美國各航空公司航班正點到達(dá)的比率X （ %和每10萬名乘客投訴的次數(shù)Y進(jìn)行回歸，EViews輸出結(jié)果如下：Depe ndent Variable: YMethod: Least SquaresSample: 1 9In cluded observati ons: 9VariableCoefficie ntStd. Errort-Statist

41、icProb.C6.0178321.0522605.7189610.0007X-0.0704140.014176-4.9672540.0016R-squared0.778996Prob(F-statistic)0.001624Durbin-Wats on stat2.5270（1）對以上結(jié)果進(jìn)行簡要分析（包括方程顯著性檢驗、參數(shù)顯著性檢驗、DW值的評價、對斜率的解釋等,顯著性水平均取 0.05）。（2）按標(biāo)準(zhǔn)書寫格式寫出回歸結(jié)果。，但它們和表中其它特以下是某次線性回歸的EViews輸出結(jié)果，部分?jǐn)?shù)值已略去（用大寫字母標(biāo)示）定數(shù)值有必然聯(lián)系，分別據(jù)此求出這些數(shù)值，并寫出過程。（保留3位小數(shù)）De

42、pe ndent Variable: Y Method: Least Squares Sample: 1 13In cluded observati ons: 13VariableCoefficie ntStd. Errort-StatisticProb.C5.7304880.605747A0.0000X-0.3139600.048191-6.5149640.0000R-squared0.794180Mean depe ndent var1.962965Adjusted R-squaredBS.D. dependent var1.372019S.E. of regressi on0.65012

43、7Akaike info criterion2.117340Sum squared residCSchwarz criteri on2.204256（1）求A的值。（2）求B的值。（3）求C的值。三、用1970-1994年間日本工薪家庭實際消費支出Y與實際可支配收入 X（單位：103日元）數(shù)據(jù)估計線性模型Y= °1X u，然后用得到的殘差序列 et繪制以下圖形。（1）試根據(jù)圖形分析隨機(jī)誤差項之間是否存在自相關(guān)？若存在，是正自相關(guān)還是負(fù)自相關(guān)?14亡|« n-IO 一答：圖形顯示，隨機(jī)誤差項之間存在著相關(guān)性，且為正的自相關(guān)。 （2）此模型的估計結(jié)果為試用DW檢驗法檢驗隨機(jī)誤差

44、 項之間是否存在自相關(guān)。四、用一組截面數(shù)據(jù)估計消費（鳥一收入（X）方程Y= 01XJOJ =注：abse（t） 表示e（t）的絕對值。（2）其次，用 White法進(jìn)行檢驗。的結(jié)果為（1）根據(jù)回歸的殘差序列e（t）圖分析本模型是否存在異方差?若給定顯著水平nk=1k=2dLdudLdu241.271.451.191.55251.291.451.211.55261.301.461.221.55271.311.471.241.56u附表：DW檢驗臨界值表（=0.05）F-statistic6.301373Probability0.003370Obs*R-squared10.86401Probabil

45、ity0.004374EViews輸出結(jié)果見下表:White Heteroskedasticity Test:VariableCoefficie nt S；td. Errort-StatisticProb.C-10.03614 131.1424 -6.0765290.0045X0.165977 1.6198565.1024640.0064XA20.001800 C.0045878.3924690.0002Depe nde nt Variable: RESIDE Method: Least Squares Sample: 1 60In eluded observatio ns: 600.05，以

46、上結(jié)果能否說明該模型存在異方差？查卡方分布臨界值的自由度是多少?五、下圖描述了殘差序列 et與其滯后一期值©,之間的散點圖，試據(jù)此判斷隨機(jī)誤差項之間是否存在 自相關(guān)？若存在，則是正自相關(guān)還是負(fù)自相關(guān)？e(t-1)治作為被解釋六、在一多元線性回歸模型中，為檢驗解釋變量之間是否存在多重共線性問題，以解釋變量變量，對其余解釋變量進(jìn)行輔助回歸，得到可決系數(shù)R2 0.95。試計算變量 捲的方差擴(kuò)大因子VIF!，并根據(jù)經(jīng)驗判斷解釋變量間是否存在多重共線性問題？七、下表是中國某地人均可支配收入（INCOME ）與儲蓄（SAVE）之間的回歸分析結(jié)果（單位：元）：Sample: 1 31In elud

47、ed observati ons: 31VariableCoeffieie ntStd. Errort-StatistieProb.C-695.1433118.0444-5.8888270.0000INCOME0.0877740.004893一R-squared0.917336Mean depe ndent var1266.452Adjusted R-squared0.914485S.D.dependent var846.7570S.E. of regressi on247.6160Akaike info eriterion13.92398Sum squared resid1778097.Se

48、hwarz eriteri on14.01649Log likelihood-213.8216F-statistie321.8177Durbin-Wats on stat1.892420Prob(F-statistie)0.0000001、請寫出樣本回歸方程表達(dá)式，然后分析自變量（ INCOME ）回歸系數(shù)的經(jīng)濟(jì)含義2、解釋可決系數(shù)的含義3、若給定顯著性水平 5%，試對自變量（INCOME）的回歸系數(shù)進(jìn)行顯著性檢驗（已知to.o25(29)2.045)4、在5%的顯著性水平下，查 n 31的DW臨界值表得dL 1.363，du 1.496，試根據(jù)回歸結(jié)果判斷隨機(jī)誤差項是否存在一階自相關(guān)?5%的

49、顯著性水平下，試根據(jù)P值檢驗判斷隨機(jī)誤差項是否5、下表為上述回歸的 White檢驗結(jié)果，在 存在異方差？White Heteroskedastieity Test:F-statistieObs*R-squared5.819690 Probability9.102584 Probability0.0076990.010554計量經(jīng)濟(jì)學(xué)習(xí)題(一)答案、判斷正誤1.(x)2. ( V)3.(V)4.( V ) 5.(X)6.(x)7. ( X)8.(X)9.( V ) 10.(V)、單選:題(每小題1.5 分,共15分)1.(D)。2. ( B)o 3.(B )o 4. ( C )o、5.(B )

50、o6.(B)0 7. ( B)o 8.(B )o 9. ( B )o10.(A ) o三、多選題1. ( ABCE ) 2. ( BCDE ) 3. ( ABCE ) 4. ( ABCD ) 5. ( ABCDE )。四、簡答題1隨機(jī)干擾項主要包括哪些因素？它和殘差之間的區(qū)別是什么？答：隨機(jī)干擾項包括的主要因素有：(1)眾多細(xì)小因素的影響；(2)未知因素的影響；(3)數(shù)據(jù)測量誤差或殘缺；(4)模型形式不完善；(5)變量的內(nèi)在隨機(jī)性。隨機(jī)誤差項羽殘差不同， 殘差是樣本觀測值與模擬值的差，即e=Y Y?。殘差項是隨機(jī)誤差項的估計。2簡述為什么要對參數(shù)進(jìn)行顯著性檢驗？試說明參數(shù)顯著性檢驗的過程。答：最小二乘法得到的回歸直線是對因變量與自變量關(guān)系的一種描述，但它是不是恰當(dāng)?shù)拿枋瞿?？?般會用與樣本點的接近程度來判別這種描述的優(yōu)劣，而當(dāng)獲得以上問題的肯定判斷之后，還需要確定 每一個參數(shù)的可靠程度，即參數(shù)本身以及對應(yīng)的變量該不該保留在方程里，這就有必要進(jìn)行參數(shù)的顯 著性檢驗。這種檢驗是確定各個參數(shù)是否顯著地不等于零。檢驗分為三個步驟：提出假設(shè)：原假設(shè) H。： i 0 ;備擇假設(shè)H- i 0? 在原假設(shè)成立的前提下構(gòu)造統(tǒng)計量：t i t(n k 1)Se ? 給定顯著性水平，查t分布表求得臨界值t /