計(jì)量經(jīng)濟(jì)學(xué)試題庫(kù)

1、第二章復(fù)習(xí)重點(diǎn)1、最小二乘法對(duì)隨機(jī)誤差項(xiàng)做了哪些假定？說(shuō)明在證明最小二乘估計(jì)量的無(wú)偏性和有效性 中，哪些假定條件發(fā)揮作用了(1) E(ut) = 0, t=1,2,，(2) D(ut) = E ut - E(ut) 2 = E(ut)2 =仃2, t=1,2,，稱(chēng) ut 具有同方差性。(3) Cov( Ui, uj) = E( Ui - E(ui) ) ( uj - E(uj) ) = E( Ui, uj) = 0, (i #j )。含義是不同觀測(cè)值所對(duì) 應(yīng)的隨機(jī)項(xiàng)相互獨(dú)立。稱(chēng)為ui的非自相關(guān)性。(4) Xi 是非隨機(jī)的，Cov( ui,Xi) = E( ui - E(ui) (Xi- E(x

2、i) ) = Eui (Xi -E(Xi) = E ui Xi -uiE(Xi) = E( ui Xi) = 0 , ui與Xi相互獨(dú)立。否則，分不清是誰(shuí)對(duì)yt的貢獻(xiàn)。(5) ut為正態(tài)分布，ut小N (0, CT 2)。在證明最小二乘估計(jì)量的無(wú)偏性中，利用了解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)的假定和隨機(jī)誤差項(xiàng)期望為0的假定，在證明有效性時(shí)用了隨機(jī)項(xiàng)獨(dú)立同方差的假定。2、在一元線性回歸模型 Y =久+BXt +ut中，證明參數(shù)日1的估計(jì)量用具備無(wú)偏性”(Xt-Xt)(yt-yt)/(Xt-Xt)ytyj函-Xt)二 函一篇)比% (Xt -X)2x (Xt -X)2' (Xt -X)2令 kt

3、= (Xt -Xt)2 代入上式,得?i= - kt yt x (Xt -X)2?1=: kt yt=二 kt ( ：o + ：i xt + ut)=o % kt + i % kt Xt + “ kt ut而 Z kt=0,“ kt Xt=% (Xt _又)均 X -X)2二十*2上苕=1+0=1 v (x -X)2，(X -x)2?1= ：1 + % kt utE( ?1) = 1 + E(Z： kt ut ) = 1 +kt E(ut ) =13、在一元線性回歸模型 Y = B0 + *xt + ut中，求參數(shù)P1的方差? = Z (Xt -Xt)(yt -yt) = Z (Xt -Xt)

4、yt -ytS (Xt -Xt)=工(Xt -Xt)yt11(Xt -X)2.二(Xt -X)2.二(Xt -X)2令 kt= . (Xt ft) 2，代入上式,得？產(chǎn)'、：kt yt(Xt -X)?1 = " kt yt=" kt ( +/xt + ut)=o % kt + i % kt xt + % kt ut而 z s z k xt4O=HxBxr2+iO=1+0=1?1= -i + % kt utVar ( ?1) = Var (I '1 +、' kt ut) = Var ( " kt ut)2, .2=kt Var (ut)= V

5、ar (ut) kt又因?yàn)閗t二供一。k2 一”(x-x：2XX -x 2) 1TX52)所以 -kt 2= v kt2 = ' (xt _X)2 2 C (xt -x)2)21' (xt -x)2一 2Var ( ?1) = Var (ut)Z kt 2u,其中 ou2 是 ui 的方差。v (xt -x)4、根據(jù)下面的回歸結(jié)果，回答下列問(wèn)題Dependent Variable: YMethod: Least SquaresData: 02/12/07 Time: 03.46Sample: 1988 199&included observations: 11Varia

6、bleCaefficientStd Error t-StatisticPrab.C10,766161.3967360.0000X0.0050690.0011634.2833280.0020R-squared0 670895Mean dependentvar16.57273Adjusted R-equared0 634328S.D dependent var1.945042S.E. of regression1.115713Akaike Info criterion3.21 9B29Sum squared resid11,20333Schwarz criterion3 2921 74Log li

7、kelihood-1570906F-statistic19,34690Durbin-Wats on stat1.320391Prob(F-statistic)0.002040(1)、寫(xiě)出回歸方程 Y?=1 0.7662 0.X)i051(2)、寫(xiě)出R2的表達(dá)式，并之驗(yàn)算 R2還可以由哪些值間接計(jì)算出來(lái)< RSS TSS - ESSr =TSS TSS_22_S.D.(11 -1)-ESS 1.8450 10 -11.20332L =2 = 0.6709S.D. (11-1)1.845010(3)、寫(xiě)出t-stastic的表達(dá)式，并將結(jié)果中空白地方的數(shù)據(jù)補(bǔ)上+?00t 二s(?0)為 10

8、.7661 s(?) - 1.3967: 7.7082還可訓(xùn)廚數(shù)?,翱郵廊圈置薛%間間由班值to.025 (9) = 2.26三 t (T-2) = 1- ：Pi的虛博區(qū)間:s0.00240.0078由大括號(hào)內(nèi)不等式得A的置信區(qū)間加-s(?)ta(T -2),自 +s(口)b(T2)1；?士為他X(Tx22 = 0.0051±2.26父 0.0012 =Bo的置信區(qū)間:? _s(?)t：.(T -2) = 10.7662_ 2.26 1.3967 =7.609713.9227（5）統(tǒng)計(jì)量S.E. of regression的含義是什么？S.E. oftregfesso估諱=1.115

9、7,代表回歸模型的殘差標(biāo)準(zhǔn)差.混涌地572（21.國(guó)給（T -2）定義燕22（表壁儲(chǔ)T數(shù)的廿數(shù)?？梢宰C明E（皮）=仃2。其中2?親您待稿的箱讖靖。取施 師是幽貓,）或卷史稱(chēng)作誤差均方夕 解財(cái)搠斯翻瞰牌歸直藪璃蓄眼熟又稱(chēng)作誤差均方線的離散程度。一，/K 1 1.表小x和y 之間真實(shí)線XtgX棚是（1-C ）。Var(A? ) Y? §句像 時(shí)B 2E(Yt) 0 MXt2(Xt -x) Xt2梆照)。嚼龍：tQxx)2況?2XtVar(2, N嘲估計(jì)心腎閡2E姓是指（C. Yt - 01XtUtA. var(?)=0B. var(?)為最小C.(僅一P) = 0D.（正-P）為最小3.

10、設(shè)樣本回歸模型為Yi = f50 +禺Xi+e,則普通最小二乘法確定的 呼的公式中,錯(cuò)誤的是（D ）A ?_" Xi -X Yi-YA n一二2'Xi -XB. 0?=ny XiYiXYi、，2、，2n" Xi2- v XiC Z XiYi-nXY Xi2-nX2D.邑=C XiYQ XYi4 .對(duì)回歸模型Yi= P0+PiXi+u i進(jìn)行檢驗(yàn)時(shí)，通常假定u i服從（CA. N （0, 52）B. t（n-2）C. N （0,仃2） D. t（n）5 .以Y表示實(shí)際觀測(cè)值，表示回歸估計(jì)值，則普通最小二乘法估計(jì)參數(shù)的準(zhǔn) 則是使（D ）。A.工（Yi ?）= 0B .2

11、（YiY）2= 0C. £ （Yi ?）=最小2 一.D.工（丫=Y）=最小6 .設(shè)Y表示實(shí)際觀測(cè)值，Y?表示OLS估計(jì)回歸值，則下列哪項(xiàng)成立（D ）A. Y? = YB. Y?= YC. Y?= YD. Y? = Y7 .用OLS估計(jì)經(jīng)典線性模型Yi=總+ BiXi+ u i ,則樣本回歸直線通過(guò)點(diǎn) D_A. (X, Y) B,(X, Y?)C. (X, V) D. (X, Y)8 .以Y表示實(shí)際觀測(cè)值，Y?表示OLS估計(jì)回歸值，則用OLS得到的樣本回歸直線£=E+禺Xi滿足（A ）。八n八 2A. Z （Yi 吊）=0B. £ （Y Y） =0C. Z（Yi-

12、Y?i）=0D.工（丫-Yi）2=033 .判定系數(shù)R2的取值范圍是（ C ）。A, R2<-1B, R2>1 C. 0< R2< 1 D. - 1<R2<134 .某一特定的X水平上，總體Y分布的離散度越大，即（T2越大，則（A ）A.預(yù)測(cè)區(qū)間越寬，精度越低B.預(yù)測(cè)區(qū)間越寬，預(yù)測(cè)誤差越小C 預(yù)測(cè)區(qū)間越窄，精度越高D.預(yù)測(cè)區(qū)間越窄，預(yù)測(cè)誤差越大第三章復(fù)習(xí)重點(diǎn)1、在多元線，性回歸模型中，最小二乘法對(duì)隨機(jī)誤差項(xiàng)做了哪些假定？說(shuō)明在證明最小二乘估計(jì)量的無(wú)偏性和有效性中，哪些假定條件發(fā)揮作用了為保證得到最優(yōu)估計(jì)量，回歸模型應(yīng)滿足如下假定條件:一01假定(1): E(

13、u) = 0 =：° 一0 "I la20 = 01-000假定(2):誤差項(xiàng)同方差、非自相關(guān)1 0Var (u) = E( ? ?' ) = cr2I =仃2 °/ 0假定(3)(OLb HW摘弒方和皆X %)密上是求極值問(wèn)題。假老晦=(Y形似Y稀=*(X與上喇XX=?k+i ?'X 'X ?假定(5)= Y車(chē)Y即?IX用 +白? ,XR ? T - 8時(shí),T 1X 'X - Q其中Q是一個(gè)有限值的非退化矩陣。因?yàn)檠揪巸?cè)m軸計(jì)用除偏外x ?而用張看變量匕肅口蠢源精美林法隨機(jī)誤差喇望2X ,Y + 2XsX在=和有效性時(shí)用了隨機(jī)項(xiàng)獨(dú)

14、立同方差的假定。:" 一 .=2、34強(qiáng)卜回歸模型中，系數(shù)的最小二乘求解結(jié)果是？因/次屐；旦4樣機(jī)麻，柳¥甘)“所載有Y -郎+ ",參數(shù)的求解式是:? = (X 'X)-1 X 'Y3、名詞解釋?zhuān)赫{(diào)整的判定系數(shù)豆 與多重判定系數(shù)是如何定義的，他們之間 有和關(guān)系？1 .多重確定系數(shù)(多重可決系數(shù))Y = X ? +?=Y? +?, TSS = RSS + ESSTSS = RSS + ESS, R2 =RSS Y?Y -Ty2TSS Y Y - Ty2 有0 £R 2 < 1。R 2 >1,擬合優(yōu)度越好。2 .調(diào)整的多重確定系

15、數(shù)2 d ESS/(T -k -1) - T -1 wTSS-RSSR = 1 =1 -()()TSS/(T -1)'T-k-1八 TSS )T -12=1 (1 -R2)T -k -14.假設(shè)投資函數(shù)模型估計(jì)的回歸方程為(括號(hào)內(nèi)的效子為， 統(tǒng)計(jì)量值)1 =5.0 + 0.4匕+0,6小.居=0.8, D即= 20.5, 口二24,(4.0)(3-2)其中4和匕分別為第t期投資和國(guó)民收入口(1)對(duì)總體參數(shù)Bi，住的顯著性進(jìn)行檢驗(yàn)(口=0.05);(2)若總離差平方和755 = 25,試求隨機(jī)誤差項(xiàng)M方差的估 計(jì)量I(3)計(jì)算/統(tǒng)計(jì)量，并對(duì)模型總體的顯著性進(jìn)行檢驗(yàn)(白= 0.05)0(1

16、)回歸系數(shù)t檢3經(jīng)t=4,遠(yuǎn)大于2,所以回歸系數(shù)顯著的不等于0.(2)回歸平方和=25*0.8=20 ,殘差平方和=5,隨機(jī)誤差項(xiàng)的方差的估計(jì) =5/21(3) F 檢驗(yàn)=(25/2)/(5/21)4 .在多元線性回歸分析中，為什么用修正的決定系數(shù)衡量估計(jì)模型對(duì)樣本觀測(cè)值的擬合優(yōu) 度？解答：因?yàn)槿藗儼l(fā)現(xiàn)隨著模型中解釋變量的增多，多重決定系數(shù)R2的值往往會(huì)變大，從而增加了模型的解釋功能。這樣就使得人們認(rèn)為要使模型擬合得好，就必須增加解釋變量(2分)。但是，在樣本容量一定的情況下，增加解釋變量必定使得待估參數(shù)的個(gè)數(shù)增加，從而損失自由度，而實(shí)際中如果引入的解釋變量并非必要的話可能會(huì)產(chǎn)生很多問(wèn)題，比如

17、，降低預(yù)測(cè)精確度、引起多重共線性等等。為此用修正的決定系數(shù)來(lái)估計(jì)模型對(duì)樣本觀測(cè)值的擬合 優(yōu)度(3分)1、在由n=30的一組樣本估計(jì)的、包含3個(gè)解釋變量的線性回歸模型中，計(jì)算 得多重決定系數(shù)為0.8500,則調(diào)整后的多重決定系數(shù)為(1-0.15*29/26 = D )A. 0.8603 B. 0.8389 C. 0.8655D.0.8327 2.用一組有30個(gè)觀測(cè)值的樣本估計(jì)模型yt = b0 +blx1t +b2X2t，Ut后，在0.05的顯 著性水平上對(duì)b1的顯著性作t檢驗(yàn)，則b1顯著地不等于零的條件是其統(tǒng)計(jì)量t大于A tc.05 (30)B.10.025 (28)C. t0.025(27)

18、 D.F 0.025 (1,28)3.線性回歸模型yt =b0+b1x1t+b2x2t+bkxkt+ut中，檢驗(yàn)H°:bt =0(i =0,1,2,.k)時(shí)，所用的統(tǒng)計(jì)量仲的 服從(C )A.t(n-k+1)B.t(n-k-2)C.t(n-k-1)D.t(n-k+2)54.調(diào)整的判定系數(shù)？與多重判定系數(shù)R*之間有如下關(guān)系(DA. R2=r2B.R2 =i-r2n -k-1n -k1C. R2 =1 _ n " (1 R2)D. R2 =1 - n1 (1-R2)n -k -1n-k -15、設(shè)k為回歸模型中的參數(shù)個(gè)數(shù)(包括截距項(xiàng))，則總體線性回歸模型進(jìn)行顯著 性檢驗(yàn)時(shí)所用的

19、F統(tǒng)計(jì)量可表示為(B C )。£(Y?-Y)2 (n-k) £(Y? Y)2 (k1)R2/(k-1)(1 R2) (n k)A.£e2/(k-1)B. F27(n-k) c. (1 - R2). (n - k) D.R2/(k-1)第四章復(fù)習(xí)重點(diǎn)根據(jù)下面的回歸結(jié)果寫(xiě)出表達(dá)式Dependent Variable: UOG(10W1)Method: Least SquaresDate oe/20/07 Time: 17:05Sample: 1 13Included observations: 13CoefficientSid. Error t-StatisticPr

20、ob.c4 3107840292251-14750300.0000T07652770 04133016.51S050.0000R-squared0.068013Mean d ependent varD.2B08T8Adjusted R-squared0.966087S.D. dependentvar3.027753S E. of regression0.557579Akaike info criterion1.810212Sum squared resid3.419633Schwarz criterion1 SS7127Log likelihood-g7E376Hannan-Ouinn cri

21、ter.1.792347F-statistic3428440Durbin-Watson start1.356033Prob(F-statistic)0.000000101估計(jì)式是：iog(. -1) = -4.3108 + 0.7653 tyt(-14.8)(18.5)R2 = 0.97?t則邏輯函數(shù)的估計(jì)結(jié)果是1 . e 431 0.7653t101kk2、在eview中擬合邏輯斯蒂曲線Vt=一 =-i，實(shí)現(xiàn)步驟為: t 1 ef(t) ut1 -ea - UtKo求出k,因?yàn)長(zhǎng)imyt=k,所以可以根據(jù)y的序列分析出其最大上限，即為t _轉(zhuǎn)化為線性回歸的形式，k/yt = 1 + be 匈

22、 Ut移項(xiàng)，k/yt - 1 = be"，Ut取自然對(duì)數(shù)，Ln ( k/yt - 1)= Lnb - a t + ut令 yt* = Ln ( k/yt - 1), b* = Lnb,則yt* = b* - a t + ut此時(shí)可用最小二乘法估計(jì)b*和a。第五章復(fù)習(xí)重點(diǎn)1、什么是異方差？異方差性是指模型違反了古典假定中的同方差假定，它是計(jì)量經(jīng)濟(jì)分析中的一個(gè)專(zhuān)門(mén)問(wèn) 題。在線性回歸模型中， 如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對(duì)不同的解釋變量觀測(cè)值彼此不同，則稱(chēng)隨機(jī)項(xiàng) ui具有異方差性，即 var（ui）=仃：。常數(shù) （t=i, 2,，n）。2.產(chǎn)生異方差性的原因及異方差性對(duì)模型的 OLSf

23、c計(jì)有何影響。產(chǎn)生原因：（1）模型中遺漏了某些解釋變量；（2）模型函數(shù)形式的設(shè)定誤差；（3）樣 本數(shù)據(jù)的測(cè)量誤差；（4）隨機(jī)因素的影響。產(chǎn)生的影響：如果線性回歸模型的隨機(jī)誤差項(xiàng)存在異方差性，會(huì)對(duì)模型參數(shù)估計(jì)、 模型檢驗(yàn)及模型應(yīng)用帶來(lái)重大影響，主要有：（1）不影響模型參數(shù)最小二乘估計(jì)值的無(wú)偏性；（2）參數(shù)的最小二乘估計(jì)量不是一個(gè)有效的估計(jì)量；（3）對(duì)模型參數(shù)估計(jì)值的顯著性檢驗(yàn)失效；（4）模型估計(jì)式的代表性降低，預(yù)測(cè)精度精度降低。3.檢驗(yàn)異方差性的方法有哪些？檢驗(yàn)方法：（1）圖示檢驗(yàn)法；（2）戈德菲爾德一匡特檢驗(yàn)；（3）懷特檢驗(yàn)；（4）戈里瑟檢驗(yàn)和帕克檢驗(yàn)（殘差回歸檢驗(yàn)法）；4、以二元線性回歸模型

24、 yt =洛+由xm+良 xt2+ ut為例。敘述懷特檢驗(yàn)的步驟。首先對(duì)上式進(jìn)行OLS回歸，求殘差國(guó)。做如下輔助回歸式，?t2 = ：0 + Xt1 +、工2Xt2 + 金3 Xt/ +、工4 Xt22 +、右 Xt1 Xt2 + Vt即用Ut2對(duì)原回歸式中的各解釋變量、解釋變量的平方項(xiàng)、交叉積項(xiàng)進(jìn)行OLS回歸。注意，上式中要保留常數(shù)項(xiàng)。求輔助回歸式的可決系數(shù)R2。White檢驗(yàn)的零假設(shè)和備擇假設(shè)是H0: yt = ft + P1 Xt1+&Xt2 + ut式中的ut不存在異方差，H1： yt = R0 +&Xt1 +國(guó)Xt2 + ut式中的ut存在異方差在不存在異方差假設(shè)條件

25、下統(tǒng)計(jì)量T R 2、2（5）其中T表示樣本容量，R2是輔助回歸式的 OLS估計(jì)式的可決系數(shù)。自由度5表示輔助回歸式中解釋變量項(xiàng)數(shù)（注意，不包括常數(shù)項(xiàng)）。判別規(guī)則是若T R2<2o（5）,接受H0 （ut具有同方差）若T R 2 > 2q（5）,拒絕Ho （ ut具有異方差）5 .敘述戈德菲爾特一匡特檢驗(yàn)的基本原理：將樣本分為容量相等的兩部分，然后分別對(duì)樣本1和樣本2進(jìn)行回歸，并計(jì)算兩個(gè)子樣本 的殘差平方和，如果隨機(jī)誤差項(xiàng)是同方差的，則這兩個(gè)子樣本的殘差平方和應(yīng)該大致相等；如果是異方差的，則兩者差別較大，以此來(lái)判斷是否存在異方差。（3分）使用條件：（1）樣本容量要盡可能大，一般而言應(yīng)

26、該在參數(shù)個(gè)數(shù)兩倍以上；（2） 服從正態(tài)分布，且除了異方差條件外，其它假定均滿足。（2分） 6、介紹戈里瑟檢驗(yàn)的思想檢驗(yàn) 你|是否與解釋變量xt存在函數(shù)關(guān)系。若有，則說(shuō)明存在異方差；若無(wú)，則說(shuō)明不存 在異方差。通常應(yīng)檢驗(yàn)的幾種形式是U?t = ao + ai xt u?t = ao + ai xt2U?t= ao + ai . xt ,Glejser檢驗(yàn)的特點(diǎn)是：既可檢驗(yàn)遞增型異方差，也可檢驗(yàn)遞減型異方差。一旦發(fā)現(xiàn)異方差，同時(shí)也就發(fā)現(xiàn)了異方差的具體表現(xiàn)形式。計(jì)算量相對(duì)較大。 當(dāng)原模型含有多個(gè)解釋變量值時(shí)，可以把|擬合成多變量回歸形式。Coefficient DiaqnasbasResidual

27、Dimgnocti匚占Stability DiagnosticsLabd7、說(shuō)明下面的截圖中，所選中的命令的功能Correlagram -Qstatistics.Correlogram Squared Residuals.Histogram - Noon司ity TestSerial CorrectionLM Test.He tEfc skedas tidty Tests.殘差檢驗(yàn)里的異方差檢驗(yàn)8、下面的截圖說(shuō)明在作什么檢驗(yàn)，右邊的對(duì)號(hào)選中和不選中的區(qū)別是什么？Hetero$kede»5ti<ity Tests'SpecficationDependent variabl

28、e: RE5ID人2The White Test regresses the squared residuals on the the cross product of the original regressors and a constant.Pl Include 'White iirose terms異方差檢驗(yàn)里的 white檢驗(yàn)，右邊的對(duì)號(hào)選中表示包括交叉項(xiàng)，不選中就不包含交叉項(xiàng)。Test type:Breusch-Pagan-GodFrey HarveyGlejserARCHWhiteCustom Te或 Wizard.9.異方差的解決方法有哪些?（1）模型變換法；（2分）（

29、2）加權(quán)最小二乘法；（2分）（3）模型的對(duì)數(shù)變換等（1分）10、下面的截圖說(shuō)明在作什么檢驗(yàn)，檢驗(yàn)結(jié)果如何?Heleroskedasticity Test WhiteF-statistic5.81969CProb F(2,29)0.0077Obs*R-squred9.1025S4Prob Chi-Square(2)0.0106Scaled explained SS7.465672Prob, Chi-Square(2)0.02371 .Goldfeld-Quandt 方法用于檢驗(yàn)（）D.多重共線性D.加權(quán)最小二乘法D.多重共線性D.多重共線性A.異方差性 B.自相關(guān)性 C.隨機(jī)解釋變量2 .在異方

30、差性情況下，常用的估計(jì)方法是（）A.一階差分法 B.廣義差分法C.工具變量法3 .White檢驗(yàn)方法主要用于檢驗(yàn)（）A.異方差性 B.自相關(guān)性 C.隨機(jī)解釋變量4 .Glejser檢驗(yàn)方法主要用于檢驗(yàn)（）A.異方差性 B.自相關(guān)性 C.隨機(jī)解釋變量5 .下列哪種方法不是檢驗(yàn)異方差的方法（）A.戈德菲爾特一一匡特檢驗(yàn)B.懷特檢驗(yàn)C.戈里瑟檢驗(yàn)D.方差膨脹因子檢驗(yàn)6 .當(dāng)存在異方差現(xiàn)象時(shí)，估計(jì)模型參數(shù)的適當(dāng)方法是（）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(yàn)信息第六章復(fù)習(xí)重點(diǎn)1、什么是自相關(guān)？對(duì)于模型yi =a +區(qū)Xii +p2X2i +PkXki +Hi =1,2,，n隨

31、機(jī)誤差項(xiàng)互相獨(dú)立的基本假設(shè)表現(xiàn)為Cov（Ri,Nj）=0 i¥j,i,j =1,2,n如果出現(xiàn)Cov（H,%）#0 i #j,i, j=1,2,n即對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)之間不再是完全互相獨(dú)立，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了序列相關(guān)性（Serial Correlation） 。2 .自相關(guān)性產(chǎn)生的原因有那些？答：（1）經(jīng)濟(jì)變量慣性的作用引起隨機(jī)誤差項(xiàng)自相關(guān)；（2）經(jīng)濟(jì)行為的滯后性引起隨機(jī)誤差項(xiàng)自相關(guān)；（3） 一些隨機(jī)因素的干擾或影響引起隨機(jī)誤差項(xiàng)自相關(guān)；（4）模型設(shè)定誤差引起隨機(jī)誤差項(xiàng)自相關(guān)；（5）觀測(cè)數(shù)據(jù)處理引起隨機(jī)誤差項(xiàng)自相關(guān)。3 .序列相關(guān)性的后果。答：（1）模型參數(shù)估

32、計(jì)值不具有最優(yōu)性；（1分）（2）隨機(jī)誤差項(xiàng)的方差一般會(huì)低估；（1 分）（3）模型的統(tǒng)計(jì)檢驗(yàn)失效；（1分）（4）區(qū)間估計(jì)和預(yù)測(cè)區(qū)間的精度降低。（1分）（全對(duì)即加1分）4 .簡(jiǎn)述序列相關(guān)性的幾種檢驗(yàn)方法。答：（1）圖示法；（1分）（2） D-W僉驗(yàn)；（1分）（3） LM檢驗(yàn)法；（1分）5、介紹LM檢驗(yàn)法的步驟LM統(tǒng)計(jì)量既可檢驗(yàn)一階自相關(guān)，也可檢驗(yàn)高階自相關(guān)。LM檢驗(yàn)是通過(guò)一個(gè)輔助回歸式完成的，具體步驟如下。Yt= 00 + 口 Xi t+ 口2 X2 t+ PkXk +tut考慮誤差項(xiàng)為n階自回歸形式ut = A ut-i +Rut - n + vtHo：科=烏=fn = 0用多元回歸式得到的殘差

33、建立輔助回歸式，et = ? et-i + + ? et-n + Po + Pi Xi t + 口2 X2 t + + A Xk t + vt估計(jì)并計(jì)算確定系數(shù) R2。構(gòu)造LM統(tǒng)計(jì)量，LM = TR2 若 LM = T R2 <Z2(n),接受 Ho；若 LM = T R2 > 磐(n),拒絕 Ho。6、介紹DW僉驗(yàn)的原理它是利用殘差 向構(gòu)成的統(tǒng)計(jì)量推斷誤差項(xiàng) ut是否存在自相關(guān)。使用 DW檢驗(yàn)，應(yīng)首先 滿足如下三個(gè)條件。(1)誤差項(xiàng)ut的自相關(guān)為一階自回歸形式。(2)因變量的滯后值yt-1不能在回歸模型中作解釋變量。(3)樣本容量應(yīng)充分大(T> 15)DW檢驗(yàn)步驟如下。給出

34、假設(shè)Ho： P = 0 (ut不存在自相關(guān))Hi： P# 0仙存在一階自相關(guān))用殘差值向計(jì)算統(tǒng)計(jì)量DW。T.二(et -et )DW = 2-、et2112.二 et 1 -2 .二 etet jt 2t=2T、ett=2=2 (1 -T.二 etet-12)=2 (1- ?).、ett ：£根據(jù)樣本容量和被估參數(shù)個(gè)數(shù)，在給定的顯著性水平下，給出了檢驗(yàn)用的上、下兩個(gè)臨界值du和dL。判別規(guī)則如下：(1)若DW取值在(0, dL)之間，拒絕原假設(shè) Ho，認(rèn)為ut存在一階正自相關(guān)。(2)若DW取值在(4 - dL, 4)之間，拒絕原假設(shè) Ho，認(rèn)為ut存在一階負(fù)自相關(guān)。(3)若DW取值在

35、(du, 4- du)之間，接受原假設(shè) Ho，認(rèn)為ut非自相關(guān)。(4)若DW取值在(dL, du)或(4 - du, 4 - dL)之間，這種檢驗(yàn)沒(méi)有結(jié)論，即不能判別ut是否存在一階自相關(guān)。判別規(guī)則可用圖1.2表示。不確不確拒絕Ho 定區(qū) 接受Ho 定區(qū) 拒絕HoDWodLdu4 - du4 - dL 47、已知Yt= 0+ + P1X1 t+ % X2 t+ + P kX k t + ut, ut= P ut-1 + vt (vt 滿足假定條件)Yt軻恥行姆雙連2XX2 t+BkX k t + Ut , Ut = P Ut-1 + Vt (vt滿足假定條件)Yt = Po + 0 1 Xit

36、 + P2 X2 t + + k Xk t + U ut -1 + Vt求(t - 1)期關(guān)系式，并在兩側(cè)同乘pPYt-1= P p0 + p P1X1 t -1 + P、2 X2 t -1 + + PkX k t-1 + P Ut-1上兩式相減：Yt-PYt -1 = p0 (1-P) + p1(Xt-P X1 t-1)+ #k(Xk t - PXk t -1) + Vt作廣義差分變換：Yt* = Yt - P Yt -1, Xj t* = X j t - P Xj t-1, j = 1,2 ,k,瓦* =瓦(1-P )則模型如下Yt* = M*+ PiXit* + p2X21*+ BkXk

37、 t* + vt( t = 2, 3, T)vt滿足通常假定條件，上式可以用OLS法估計(jì)。1 .當(dāng)DW 4時(shí)，說(shuō)明（）。A.不存在序列相關(guān)B .不能判斷是否存在一階自相關(guān)C.存在完全的正的一階自相關(guān)D.存在完全的負(fù)的一階自相關(guān)2 .根據(jù)20個(gè)觀測(cè)值估計(jì)的結(jié)果，一元線性回歸模型的DW2.3。在樣本容量n=20, 解釋變量k=1,顯著性水平為0.05時(shí)，查得dl=1,du=1.41,則可以決斷（ ）cA.不存在一階自相關(guān) B .存在正的一階自相關(guān)C .存在負(fù)的一階自D.無(wú)法確定）。D.工具變量法3 .當(dāng)模型存在序列相關(guān)現(xiàn)象時(shí)，適宜的參數(shù)估計(jì)方法是（A.加權(quán)最小二乘法 B.間接最小二乘法C.廣義差分

38、法4 .于模型yt =耳+?xt+et ,以p表示et與et-i之間的線性相關(guān)關(guān)系（t=1,2,?。?則下列明顯錯(cuò)誤的是（）。A. p =0.8, D厚 0.4B. p =-0.8 , D厚-0.4C. p =0, D厚2 D . p = 1, D厚05、下面的 截圖是什么檢驗(yàn)的結(jié)果？檢驗(yàn)結(jié)果如何？Breusch-Godfrey Serial Correlation LMT白stF-statistic7.349402Prob.FQJffl00Q43Obs*R-squareti10,03141Prob. Chi-Square0.006S是殘差自相關(guān)檢驗(yàn)，LM= T R 2=10.03141,若L

39、M=T R 2 <72 （n）,接受Ho （ut非自相關(guān)）若LM= T R 2 >胃，拒絕Ho （ ut自相關(guān)）又從表可以看出自由度為2,且p«；TR2） =0.0237，所以TR2 > 70.052（2）從而拒絕Ho ,認(rèn)為ut存在自相關(guān)。6、下面的截圖中所選中的命令的作用是什么?Coefficient TestsResidual Tests5t 出 lity TestsLabelCorrelogram - Q-statistiicsCorrelogram Squared Residuals Histogram * Normality TestSerial Cor

40、relation LM Test.Heteroskedasticity Tests.,殘差檢驗(yàn)里的自相關(guān)檢驗(yàn)7. DW值與一階自相關(guān)系數(shù)的關(guān)系是什么？DW=2(1 巧71 .如果模型yt =bo+bixt+ut存在序列相關(guān)，則()。A. cov(x t, u t)=0B. cov(u t, u s)=0(t ws) C. cov(x t, ut)w0 D.cov(u t, u s) w0(t ws)72 . DW僉驗(yàn)的零假設(shè)是(p為隨機(jī)誤差項(xiàng)的一階相關(guān)系數(shù))()。A. DW= 0B . p =0C . D厚 1D . p =173.下列哪個(gè)序列相關(guān)可用DW僉驗(yàn)(vt為具有零均值，常數(shù)方差且不存

41、在序列 相關(guān)的隨機(jī)變量)()。2A.ut=put1+vtB .ut=put1+p ut2+vtC .ut = p vtD. ut = p vt + p 2 v t-1 + 74. DW勺取值范圍是()。A. -1 <DW 0B, -1 <DW 1C. -2<DW 2D . 0<DM 4第七章復(fù)習(xí)重點(diǎn)35 .什么是多重共線性？產(chǎn)生多重共線性的原因是什么？答：多重共線性是指解釋變量之間存在完全或近似的線性關(guān)系。產(chǎn)生多重共線性主要有下述原因：（1）樣本數(shù)據(jù)的采集是被動(dòng)的，只能在一個(gè)有限的范圍內(nèi)得到觀察值，無(wú)法進(jìn)行重復(fù)試驗(yàn)。（2分）（2）經(jīng)濟(jì)變量的共同趨勢(shì)（1分）（3）滯后變量

42、的引入（1分）（4）模型的解釋變 量選擇不當(dāng)（1分）36 .什么是完全多重共線性？什么是不完全多重共線性？答：完全多重共線性是指對(duì)于線性回歸模型Y=P1X1 +P2X2+ FkXk+uII 22k k若qX c2X2j . ckXkj=0, j=1,2,n其中c1，C2，,Ck是不全為0的常數(shù)則稱(chēng)這些解釋變量的樣本觀測(cè)值之間存在完全多重共線性。（2分）不完全多重共線性是指對(duì)于多元線性回歸模型Y=3X1 + B2X2 + BkXu若 cjp c2X2j . ckXkj+v=0, j=1,2，,n其中a, c2，,ck是不全為0的常數(shù)，v為隨機(jī)誤差項(xiàng)則稱(chēng)這些解釋變量的樣本觀測(cè)之間存在不完全多重共線

43、性。（3分）37.完全多重共線性對(duì)OLS古計(jì)量的影響有哪些？答：（1）無(wú)法估計(jì)模型的參數(shù)，即不能獨(dú)立分辨各個(gè)解釋變量對(duì)因變量的影響。（3分）（2）參數(shù)估計(jì)量的方差無(wú)窮大（或無(wú)法估計(jì)）（2分）38 .不完全多重共線性對(duì) OLS古計(jì)量的影響有哪些？答：（1）可以估計(jì)參數(shù)，但參數(shù)估計(jì)不穩(wěn)定。（2分）（2）參數(shù)估計(jì)值對(duì)樣本數(shù)據(jù)的略有變化或樣本容量的稍有增減變化敏感。（1分）（3）各解釋變量對(duì)被解釋變量的影響難精確鑒別。（1分）（4） t檢驗(yàn)不容易拒絕原假設(shè)。（1分）39 .從哪些癥狀中可以判斷可能存在多重共線性？答：（1）模型總體性檢驗(yàn) F值和R2值都很高，但各回歸系數(shù)彳t計(jì)量的方差很大，t值很低，系

44、數(shù)不能通過(guò)顯著性檢驗(yàn)。（2分）（2）回歸系數(shù)值難以置信或符號(hào)錯(cuò)誤。（1分）（3）參數(shù)估計(jì)值對(duì)刪除或增加少量觀測(cè)值，以及刪除一個(gè)不顯著的解釋變量非常敏感。（2分）84 .當(dāng)模型存在嚴(yán)重的多重共線性時(shí)，OLS古計(jì)量將不具備（）A.線性B .無(wú)偏性C .有效性 D . 一致性第八章復(fù)習(xí)重點(diǎn)1 .在建立計(jì)量經(jīng)濟(jì)學(xué)模型時(shí)，什么時(shí)候，為什么要引入虛擬變量？答案：在現(xiàn)實(shí)生活中，影響經(jīng)濟(jì)問(wèn)題的因素除具有數(shù)量特征的變量外，還有一類(lèi)變量，這類(lèi)變量所反映的并不是數(shù)量而是現(xiàn)象的某些屬性或特征，即它們反映的是現(xiàn)象的質(zhì)的特征。這些因素還很可能是重要的影響因素，這時(shí)就需要在模型中引入這類(lèi)變量。（4分）引入的方式就是以虛擬變

45、量的形式引入。（1分）2 .模型中引入虛擬變量的作用是什么？答案：（1）可以描述和測(cè)量定性因素的影響；（2分）（2）能夠正確反映經(jīng)濟(jì)變量之間的關(guān)系，提高模型的精度；（2分）（3）便于處理異常數(shù)據(jù)。（1分）3 .虛擬變量引入的原則是什么？答案：（1）如果一個(gè)定性因素有 m方面的特征，則在模型中引入 m-1個(gè)虛擬變量；（1分）（2）如果模型中有 m個(gè)定性因素，而每個(gè)定性因素只有兩方面的屬性或特征，則在模型中引入m個(gè)虛擬變量；如果定性因素有兩個(gè)及以上個(gè)屬性，則參照“一個(gè)因素多個(gè)屬性”的設(shè)置虛擬變量。（2分）（3）虛擬變量取值應(yīng)從分析問(wèn)題的目的出發(fā)予以界定；（1分）（4）虛擬變量在單一方程中可以作為解

46、釋變量也可以作為被解釋變量。（1分）4 .虛擬變量引入的方式及每種方式的作用是什么？答案：（1）加法方式：其作用是改變了模型的截距水平；（2分）（2）乘法方式：其作用在于兩個(gè)模型間的比較、因素間的交互影響分析和提高模型的描述精度；（2分）（3） 一般方式：即影響模型的截距有影響模型的斜率。（1分）二、已知某市羊毛衫的銷(xiāo)售量1995年第一季度到2000年第四季度的數(shù)據(jù)。假定回歸模型為：Yt= 3 o+ 3 1 X1t +3 2 X2 t+ ut式中：丫=羊毛衫的銷(xiāo)售量X尸居民收入X 2=羊毛衫價(jià)格如果該模型是用季度資料估計(jì)，試向模型中加入適當(dāng)?shù)淖兞糠从臣竟?jié)因素的影響。（僅考慮截距變動(dòng)。答：可以往

47、模型里加入反映季節(jié)因素的虛擬變量Do由于共有四個(gè)季節(jié)，所以可以將此虛擬變量分為三個(gè)類(lèi)別。設(shè)基礎(chǔ)類(lèi)別是夏季，于是虛擬變量可以如下引入：即D1=卜春）0（夏、秋、冬）D2= ；1 秋）,0（春、夏、冬）1（冬）0春、夏、秋）此時(shí)建立的模型為Yt= 30+3Xt+ 3 2X2t+D 1+ D 2+ D 3+u t第十一章復(fù)習(xí)重點(diǎn)1.模型設(shè)定誤差的類(lèi)型有那些？答案：（1）模型中添加了無(wú)關(guān)的解釋變量；（2）模型中遺漏了重要的解釋變量；（3）模型使用了不恰當(dāng)?shù)男问健?以k元線性回歸模型兌=3+Pmi+良xt2 + Pkxt k + ut （無(wú)約束模型）為例，檢驗(yàn) m個(gè)線性約束條件是否成立的F統(tǒng)計(jì)量定義為(

48、a) F_ (SSE -SSEJ/m"SSEj /(T -k -1)(b) F(SS6 -SS3)/(m-1) _ SSEj/(T -k -1)(c) F(SS& -SSEu)/m - SSEu/(T-k)(d)(SSE -SSEj)/m _ SST/(T -k-1)2、下面有兩個(gè)回歸結(jié)果，根據(jù)這兩個(gè)回歸結(jié)果回答下面的問(wèn)題：Dependent Variable: DEBTMethod: Least Sciua resData: 01/20/07 Time: 23:46口egndentV翻洎b倬：口E日TSample 1980 2001Metnod Leasl SquaresI

49、ncluded abservatians: 22Date: Q1/2DTO7 Time： 23 37Sample. 19C0 20i01Variable Coefficient Std. Error GSlalistic Prob. Included observations; 22C4.314009GDP0.345202DEF0.995403REPAYQ.B7975021.667250.199103口 154"。2 217560.03161331.486990.049 50817.77022D.B444 0 0384 O.COOO 0.0000VariableCoefficient

50、Std. Error -StatisticProb.cGDP-388.398044943131 24.1493-3.1264760.25159517.180410.00530 0000R-squared0.998555Mni dependent var1216.335R-squared0936541Wean dependent vat121 S.395Aliusied R-sc| uared0.993781S.D. dependertvar1405.993Adjusted R-squared0.933369S.D dependent var1485.993S.E of reg re sion5

51、1.887 05Akaike info criterion1OJ0B96S.E. of rsgrsssion383.5B04Akaike info crileriion14.62348Sum squared re&ld48460.78Schwarz criterion1 1 03733Sum squared resid2942679.Schwarz criterion14 92267LDglilkallihoodd 15.8008F-statistic5735.346Lug likelihood-1 S1.0S93F一號(hào) tatigtic295.1 6B5Durtln-watson s

52、tat2.116634Prolo(F-statistic)0 000000Ddrlbin-watson stat0.2436.64Prcb(F-statistic)O.DDOOOD1、檢驗(yàn)是如何從上圖中得到的？檢驗(yàn)結(jié)果如何Redundant Variables： DEF REPAYF-statislic537.5060Prob. FQJ8)0,C000Log likelihood ratio90.33906Prob. Chi-Square0 0000（1）在輸出結(jié)果窗 I I 中點(diǎn)擊Vkw ,選 CorffidHit Tf'sts, W ald Coefficient ,功能CVMU參

53、數(shù)約束檢驗(yàn)），在隨后彈出的對(duì)話框中填入=c（4） = 0.可得如下結(jié)果。其中F=53-.5°（2）在非約束模型輸出結(jié)果窗口中點(diǎn)擊View,選Coefficient Tests, RedundantVariables -Likelihood Ratio功能（模型中是否存在多余的不重要解釋變量） 在隨后彈出的對(duì)話框中填入 DEF , REPAY?？傻糜?jì)算結(jié)果 F = 537.5。Omitted variables： def RepayF-statisflc537.5060Prob. F(2,18)0.0000Log likelihood ratio90,33906Prob. Chi-Square(2)0.0000(3)在約束模型輸出結(jié)果窗口中點(diǎn)擊 View,選 Coefficient Tests, Omitted Variables -Likelihood Ratio功能(模型中是否丟了重要的解釋變量)，在隨后 彈出的對(duì)話框中填入擬加入的解釋變量 DEF, REPAY?？傻媒Y(jié)果F = 53753、下圖做的什么檢驗(yàn)，結(jié)果如何?Mean Median Maximum Mln mum . DjbwSkewiess KjrtoEieJB (Jarque-Bera)正態(tài)分布檢驗(yàn)Series XSa