計(jì)量經(jīng)濟(jì)學(xué)課后練習(xí)題（1-7章）與答案匯總

...wd......wd......wd...計(jì)量經(jīng)濟(jì)學(xué)練習(xí)題第一章導(dǎo)論一、單項(xiàng)選擇題⒈計(jì)量經(jīng)濟(jì)研究中常用的數(shù)據(jù)主要有兩類：一類是時(shí)間序列數(shù)據(jù)，另一類是【B】A總量數(shù)據(jù)B橫截面數(shù)據(jù)C平均數(shù)據(jù)D相對(duì)數(shù)據(jù)⒉橫截面數(shù)據(jù)是指【A】A同一時(shí)點(diǎn)上不同統(tǒng)計(jì)單位一樣統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)B同一時(shí)點(diǎn)上一樣統(tǒng)計(jì)單位一樣統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)C同一時(shí)點(diǎn)上一樣統(tǒng)計(jì)單位不同統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)D同一時(shí)點(diǎn)上不同統(tǒng)計(jì)單位不同統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)⒊下面屬于截面數(shù)據(jù)的是【D】A1991-2003年各年某地區(qū)20個(gè)鄉(xiāng)鎮(zhèn)的平均工業(yè)產(chǎn)值B1991-2003年各年某地區(qū)20個(gè)鄉(xiāng)鎮(zhèn)的各鎮(zhèn)工業(yè)產(chǎn)值C某年某地區(qū)20個(gè)鄉(xiāng)鎮(zhèn)工業(yè)產(chǎn)值的合計(jì)數(shù)D某年某地區(qū)20個(gè)鄉(xiāng)鎮(zhèn)各鎮(zhèn)工業(yè)產(chǎn)值⒋同一統(tǒng)計(jì)指標(biāo)按時(shí)間順序記錄的數(shù)據(jù)列稱為【B】A橫截面數(shù)據(jù)B時(shí)間序列數(shù)據(jù)C修勻數(shù)據(jù)D原始數(shù)據(jù)⒌回歸分析中定義【B】A解釋變量和被解釋變量都是隨機(jī)變量B解釋變量為非隨機(jī)變量，被解釋變量為隨機(jī)變量C解釋變量和被解釋變量都是非隨機(jī)變量D解釋變量為隨機(jī)變量，被解釋變量為非隨機(jī)變量二、填空題⒈計(jì)量經(jīng)濟(jì)學(xué)是經(jīng)濟(jì)學(xué)的一個(gè)分支學(xué)科，是對(duì)經(jīng)濟(jì)問(wèn)題進(jìn)展定量實(shí)證研究的技術(shù)、方法和相關(guān)理論，可以理解為數(shù)學(xué)、統(tǒng)計(jì)學(xué)和_經(jīng)濟(jì)學(xué)_三者的結(jié)合?，F(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)已經(jīng)形成了包括單方程回歸分析，聯(lián)立方程組模型，時(shí)間序列分析三大支柱。經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)的最基本方法是回歸分析。計(jì)量經(jīng)濟(jì)分析的基本步驟是：理論〔或假說(shuō)〕陳述、建設(shè)計(jì)量經(jīng)濟(jì)模型、收集數(shù)據(jù)、計(jì)量經(jīng)濟(jì)模型參數(shù)的估計(jì)、檢驗(yàn)和模型修正、預(yù)測(cè)和政策分析。常用的三類樣本數(shù)據(jù)是截面數(shù)據(jù)、時(shí)間序列數(shù)據(jù)和面板數(shù)據(jù)。經(jīng)濟(jì)變量間的關(guān)系有不相關(guān)關(guān)系、相關(guān)關(guān)系、因果關(guān)系、相互影響關(guān)系和恒等關(guān)系。三、簡(jiǎn)答題⒈什么是計(jì)量經(jīng)濟(jì)學(xué)它與統(tǒng)計(jì)學(xué)的關(guān)系是怎樣的計(jì)量經(jīng)濟(jì)學(xué)就是對(duì)經(jīng)濟(jì)規(guī)律進(jìn)展數(shù)量實(shí)證研究，包括預(yù)測(cè)、檢驗(yàn)等多方面的工作。計(jì)量經(jīng)濟(jì)學(xué)是一種定量分析，是以解釋經(jīng)濟(jì)活動(dòng)中客觀存在的數(shù)量關(guān)系為內(nèi)容的一門(mén)經(jīng)濟(jì)學(xué)學(xué)科。計(jì)量經(jīng)濟(jì)學(xué)與統(tǒng)計(jì)學(xué)密切聯(lián)系，如數(shù)據(jù)收集和處理、參數(shù)估計(jì)、計(jì)量分析方法設(shè)計(jì)，以及參數(shù)估計(jì)值、模型和預(yù)測(cè)結(jié)果可靠性和可信程度分析判斷等?？梢哉f(shuō)，統(tǒng)計(jì)學(xué)的知識(shí)和方法不僅貫穿計(jì)量經(jīng)濟(jì)分析過(guò)程，而且現(xiàn)代統(tǒng)計(jì)學(xué)本身也與計(jì)量經(jīng)濟(jì)學(xué)有不少相似之處。例如，統(tǒng)計(jì)學(xué)也通過(guò)對(duì)經(jīng)濟(jì)數(shù)據(jù)的處理分析，得出經(jīng)濟(jì)問(wèn)題的數(shù)字化特征和結(jié)論，也有對(duì)經(jīng)濟(jì)參數(shù)的估計(jì)和分析，也進(jìn)展經(jīng)濟(jì)趨勢(shì)的預(yù)測(cè)，并利用各種統(tǒng)計(jì)量對(duì)分析預(yù)測(cè)的結(jié)論進(jìn)展判斷和檢驗(yàn)等，統(tǒng)計(jì)學(xué)的這些內(nèi)容與計(jì)量經(jīng)濟(jì)學(xué)的內(nèi)容都很相似。反過(guò)來(lái)，計(jì)量經(jīng)濟(jì)學(xué)也經(jīng)常使用各種統(tǒng)計(jì)分析方法，篩選數(shù)據(jù)、選擇變量和檢驗(yàn)相關(guān)結(jié)論，統(tǒng)計(jì)分析是計(jì)量經(jīng)濟(jì)分析的重要內(nèi)容和主要根基之一。計(jì)量經(jīng)濟(jì)學(xué)與統(tǒng)計(jì)學(xué)的基本區(qū)別在于，計(jì)量經(jīng)濟(jì)學(xué)是問(wèn)題導(dǎo)向和以經(jīng)濟(jì)模型為核心的，而統(tǒng)計(jì)學(xué)那么是以經(jīng)濟(jì)數(shù)據(jù)為核心，且常常是數(shù)據(jù)導(dǎo)向的。典型的計(jì)量經(jīng)濟(jì)學(xué)分析從具體經(jīng)濟(jì)問(wèn)題出發(fā)，先建設(shè)經(jīng)濟(jì)模型，參數(shù)估計(jì)、判斷、調(diào)整和預(yù)測(cè)分析等都是以模型為根基和出發(fā)點(diǎn)；典型的統(tǒng)計(jì)學(xué)研究那么并不一定需要從具體明確的問(wèn)題出發(fā)，雖然也有一些目標(biāo)，但可以是模糊不明確的。雖然統(tǒng)計(jì)學(xué)并不排斥經(jīng)濟(jì)理論和模型，有時(shí)也會(huì)利用它們，但統(tǒng)計(jì)學(xué)通常不一定需要特定的經(jīng)濟(jì)理論或模型作為根基和出發(fā)點(diǎn)，常常是通過(guò)對(duì)經(jīng)濟(jì)數(shù)據(jù)的統(tǒng)計(jì)處理直接得出結(jié)論，統(tǒng)計(jì)學(xué)側(cè)重的工作是經(jīng)濟(jì)數(shù)據(jù)的采集、篩選和處理。此外，計(jì)量經(jīng)濟(jì)學(xué)不僅是通過(guò)數(shù)據(jù)處理和分析獲得經(jīng)濟(jì)問(wèn)題的一些數(shù)字特征，而且是借助于經(jīng)濟(jì)思想和數(shù)學(xué)工具對(duì)經(jīng)濟(jì)問(wèn)題作深刻剖析。經(jīng)過(guò)計(jì)量經(jīng)濟(jì)分析實(shí)證檢驗(yàn)的經(jīng)濟(jì)理論和模型，能夠?qū)Ψ治觥⒀芯亢皖A(yù)測(cè)更廣泛的經(jīng)濟(jì)問(wèn)題起重要作用。計(jì)量經(jīng)濟(jì)學(xué)從經(jīng)濟(jì)理論和經(jīng)濟(jì)模型出發(fā)進(jìn)展計(jì)量經(jīng)濟(jì)分析的過(guò)程，也是對(duì)經(jīng)濟(jì)理論證實(shí)或證偽的過(guò)程。這些是以處理數(shù)據(jù)為主，與經(jīng)濟(jì)理論關(guān)系對(duì)比松散統(tǒng)計(jì)學(xué)研究不能對(duì)比的功能，也是計(jì)量經(jīng)濟(jì)學(xué)與統(tǒng)計(jì)學(xué)的區(qū)別。⒉經(jīng)濟(jì)數(shù)據(jù)在計(jì)量經(jīng)濟(jì)分析中的作用是什么經(jīng)濟(jì)數(shù)據(jù)是計(jì)量經(jīng)濟(jì)分析的材料。經(jīng)濟(jì)數(shù)據(jù)是通過(guò)對(duì)經(jīng)濟(jì)變量進(jìn)展觀測(cè)和統(tǒng)計(jì)，從現(xiàn)實(shí)經(jīng)濟(jì)和經(jīng)濟(jì)歷史中得到的，反映經(jīng)濟(jì)活動(dòng)水平的數(shù)字特征。從本質(zhì)上說(shuō)，經(jīng)濟(jì)數(shù)據(jù)都是由相關(guān)的經(jīng)濟(jì)規(guī)律生成的，因此是反映經(jīng)濟(jì)規(guī)律的信息載體，確定經(jīng)濟(jì)規(guī)律的基本材料。經(jīng)濟(jì)數(shù)據(jù)的數(shù)量和質(zhì)量，對(duì)計(jì)量經(jīng)濟(jì)分析的有效性和價(jià)值有舉足輕重輕重的影響。⒊試分別舉出時(shí)間序列數(shù)據(jù)、橫截面數(shù)據(jù)、面板數(shù)據(jù)的實(shí)例。時(shí)間序列數(shù)據(jù)指對(duì)同一個(gè)觀測(cè)單位，在不同時(shí)點(diǎn)的多個(gè)觀測(cè)值構(gòu)成的觀測(cè)值序列，或者以時(shí)間為序收集統(tǒng)計(jì)和排列的數(shù)據(jù)，如浙江某省從1980年到2007年各年的GDP；橫截面數(shù)據(jù)是指在現(xiàn)一時(shí)點(diǎn)上，對(duì)不同觀測(cè)單位觀測(cè)得到的多個(gè)數(shù)據(jù)構(gòu)成的數(shù)據(jù)集，如2007年全國(guó)31個(gè)省自治區(qū)直轄市的GDP；面板數(shù)據(jù)就是由對(duì)許多個(gè)體組成的同一個(gè)橫截面，在不同時(shí)點(diǎn)的觀測(cè)值構(gòu)成的數(shù)據(jù)，如從1980年到2007年各年的全國(guó)31個(gè)省自治區(qū)直轄市GDP。第二章兩變量線性回歸一、單項(xiàng)選擇題⒈表示x與y之間真實(shí)線性關(guān)系的是【C】ABECD⒉參數(shù)的估計(jì)量具備有效性是指【B】AVar()=0BVar()為最小C(－)＝0D(－)為最?、钞a(chǎn)量〔x，臺(tái)〕與單位產(chǎn)品成本〔y，元/臺(tái)〕之間的回歸方程為＝356－1.5x，這說(shuō)明【B】A產(chǎn)量每增加一臺(tái)，單位產(chǎn)品成本增加356元B產(chǎn)量每增加一臺(tái)，單位產(chǎn)品成本減少1.5元C產(chǎn)量每增加一臺(tái)，單位產(chǎn)品成本平均增加356元D產(chǎn)量每增加一臺(tái)，單位產(chǎn)品成本平均減少1.5元⒋對(duì)回歸模型進(jìn)展統(tǒng)計(jì)檢驗(yàn)時(shí)，通常假定服從【C】AN〔0，〕Bt(n-2)CN〔0，〕Dt(n)⒌以y表示實(shí)際觀測(cè)值，表示回歸估計(jì)值，那么普通最小二乘法估計(jì)參數(shù)的準(zhǔn)那么是使【D】A＝0B＝0C為最小D為最小⒍以X為解釋變量，Y為被解釋變量，將X、Y的觀測(cè)值分別取對(duì)數(shù)，如果這些對(duì)數(shù)值描成的散點(diǎn)圖近似形成為一條直線，那么適宜配合下面哪一模型形式?(D)A.Yi=β0+β1Xi+μiB.lnYi=β0+β1Xi+μiC.Yi=β0+β1lnXi+μiD.lnYi=β0+β1lnXi+μi⒎以下各回歸方程中，哪一個(gè)必定是錯(cuò)誤的?(C)A.Yi=50+0.6XirXY=0.8B.Yi=-14+0.8XirXY=0.87C.Yi=15-1.2XirXY=0.89D.Yi=-18-5.3XirXY=-0.96⒏某一直線回歸方程的判定系數(shù)為0.81，那么解釋變量與被解釋變量間的線性相關(guān)系數(shù)為(B)A.0.81B.0.90C.0.66D.0.32⒐對(duì)于線性回歸模型Yi=β0+β1Xi+μi，要使普通最小二乘估計(jì)量具備無(wú)偏性，那么模型必須滿足(A)A.E(μi)=0 B.Var(μi)=σ2C.Cov(μi,μj)=0 D.μi服從正態(tài)分布⒑用一組有30個(gè)觀測(cè)值的樣本估計(jì)模型，在0.05的顯著性水平下對(duì)的顯著性作t檢驗(yàn)，那么顯著地不等于零的條件是其統(tǒng)計(jì)量t大于【D】A〔30〕B〔30〕C〔28〕D〔28〕⒒某一特定的x水平上，總體y分布的離散度越大，即越大，那么【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⒓對(duì)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(xiàng)是【B】ATSS>RSS+ESSBTSS=RSS+ESSCTSS<RSS+ESSDTSS=RSS+ESS⒔對(duì)于隨機(jī)誤差項(xiàng)εi,Var(εi)=E(ε)=2內(nèi)涵指〔B〕A．隨機(jī)誤差項(xiàng)的均值為零 B．所有隨機(jī)誤差都有一樣的方差C．兩個(gè)隨機(jī)誤差互不相關(guān)D．誤差項(xiàng)服從正態(tài)分布二、判斷題⒈隨機(jī)誤差項(xiàng)εi與殘差項(xiàng)ei是一回事?！病痢尝矊?duì)兩變量回歸模型，假定誤差項(xiàng)εi服從正態(tài)分布?！病拧尝尘€性回歸模型意味著因變量是自變量的線性函數(shù)?！病拧尝丛诰€性回歸模型中，解釋變量是原因，被解釋變量是結(jié)果?！病拧尝翟趯?shí)際中，兩變量回歸沒(méi)什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個(gè)解釋變量來(lái)解釋?！病痢橙⑻羁疹}⒈在計(jì)量經(jīng)濟(jì)模型中引入誤差項(xiàng)，是因?yàn)榻?jīng)濟(jì)變量關(guān)系一般是隨機(jī)函數(shù)關(guān)系。⒉樣本觀測(cè)值與回歸理論值之間的偏差，稱為殘差，我們用殘差估計(jì)線性回歸模型中的誤差項(xiàng)。⒊__SST__反映樣本觀測(cè)值總體離差的大??；___SSR__反映由模型中解釋變量所解釋的那局部離差的大??；___SSE___反映樣本觀測(cè)值與估計(jì)值偏離的大小，也是模型中解釋變量未解釋的那局部離差的大小。⒋擬合優(yōu)度〔判定系數(shù)〕。它是由___回歸___引起的離差占總體離差的____比重____。假設(shè)擬合優(yōu)度越趨近于_1____，那么回歸直線擬合越好；反之，假設(shè)擬合優(yōu)度越趨近于__0___，那么回歸直線擬合越差。⒌在兩變量回歸中，是的無(wú)偏估計(jì)。四、簡(jiǎn)答題⒈什么是隨機(jī)誤差項(xiàng)影響隨機(jī)誤差項(xiàng)的主要因素有哪些它和殘差之間的區(qū)別是什么影響Y的較小因素的集合；被忽略的因素、測(cè)量誤差、隨機(jī)誤差等；通過(guò)殘差對(duì)誤差項(xiàng)的方差進(jìn)展估計(jì)。⒉決定系數(shù)說(shuō)明了什么它與相關(guān)系數(shù)的區(qū)別和聯(lián)系是什么P53和P56⒊最小二乘估計(jì)具有什么性質(zhì)P37線性、無(wú)偏性和有效性〔或最小方差性〕⒋在回歸模型的基本假定中，的意義是什么該假設(shè)的含義是：如果兩變量之間確實(shí)是線性趨勢(shì)占主導(dǎo)地位，隨機(jī)誤差只是次要因素時(shí)，那么雖然隨機(jī)擾動(dòng)會(huì)使個(gè)別觀測(cè)值偏離線性函數(shù)，但給定解釋變量時(shí)屢次重復(fù)觀測(cè)被解釋變量，概率均值會(huì)消除隨機(jī)擾動(dòng)的影響，符合線性函數(shù)趨勢(shì)。第三章多元線性回歸模型一、單項(xiàng)選擇題⒈決定系數(shù)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D回歸平方和占剩余平方和的比重⒉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)算的決定系數(shù)為0.8500，那么調(diào)整后的決定系數(shù)為【D】A0.8603B0.8389C0.8655D0.8327⒊對(duì)于，檢驗(yàn)H0:時(shí)，所用的統(tǒng)計(jì)量服從【A】At(n-k-1)Bt(n-k-2)Ct(n-k+1)Dt(n-k+2)⒋調(diào)整的判定系數(shù)與多重判定系數(shù)之間有如下關(guān)系【D】ABCD⒌用一組有30個(gè)觀測(cè)值的樣本估計(jì)模型后，在0.05的顯著性水平下對(duì)的顯著性作t檢驗(yàn)，那么顯著地不等于零的條件是其統(tǒng)計(jì)量大于等于【C】A〔30〕B〔28〕C〔27〕D〔1，28〕⒍對(duì)模型Yi=β0+β1X1i+β2X2i+μi進(jìn)展總體顯著性F檢驗(yàn)，檢驗(yàn)的零假設(shè)是(A)A.β1=β2=0 B.β1=0C.β2=0 D.β0=0或β1=0⒎在多元線性回歸中，判定系數(shù)R2隨著解釋變量數(shù)目的增加而〔B〕A．減少 B．增加C．不變 D．變化不定二、判斷題⒈在多元回歸模型的檢驗(yàn)中，判定系數(shù)R2一定大于調(diào)整的R2?！病拧尝苍贓VIEWS中，genr命令是生成新的變量?！病拧尝吃贓VIEWS中，建設(shè)非線性模型的方法只有將非線性模型線性化的方法。〔×〕三、填空題⒈調(diào)整的可決系數(shù)的作用是消除由解釋變量數(shù)目差異造成的影響。⒉在多元線性回歸模型中，F(xiàn)統(tǒng)計(jì)量與可決系數(shù)之間有如下關(guān)系：。⒊有k個(gè)解釋變量的多元回歸模型的誤差項(xiàng)方差σ2的無(wú)偏估計(jì)是。⒋在總體參數(shù)的各種線性無(wú)偏估計(jì)中，最小二乘估計(jì)量具有___最小方差________的特性。四、簡(jiǎn)答題⒈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P121由于沒(méi)調(diào)整的決定系數(shù)只與被解釋變量的觀測(cè)值，以及回歸殘差有關(guān)，而與解釋變量無(wú)直接關(guān)系。但多元線性回歸模型解釋變量的數(shù)目有多有少，數(shù)學(xué)上可以證明，決定系數(shù)是解釋變量數(shù)目的增函數(shù)，意味著不管增加的解釋變量是否真是影響被解釋變量的重要因素，都會(huì)提高決定系數(shù)的數(shù)值，解釋變量個(gè)數(shù)越多，決定系數(shù)一定會(huì)越大。因此，用該決定系數(shù)衡量多元線性回歸模型的擬合程度是有問(wèn)題的，會(huì)導(dǎo)致片面追求解釋變量數(shù)量的錯(cuò)誤傾向。正是由于存在這種缺陷，決定系數(shù)在多元線性回歸分析擬合度評(píng)價(jià)方面的作用受到很大限制，需要修正。⒉回歸模型的總體顯著性檢驗(yàn)與參數(shù)顯著性檢驗(yàn)一樣嗎是否可以互相替代多元線性回歸模型每個(gè)參數(shù)的顯著性與模型總體的顯著性并不一定一致，因此除了各個(gè)參數(shù)的顯著性檢驗(yàn)以處，，還需要進(jìn)展模型總體顯著性，也就是全體解釋變量總體對(duì)被解釋變量是否存在明顯影響的檢驗(yàn)，稱為“回歸顯著性檢驗(yàn)〞?？傮w顯著性檢驗(yàn)是多元回歸分析特有的，兩變量線性回歸解釋變量系數(shù)的顯著性檢驗(yàn)與模型的總體顯著性檢驗(yàn)一致，不需要進(jìn)展總體顯著性檢驗(yàn)。第四章異方差性一、單項(xiàng)選擇題⒈以下哪種方法不是檢驗(yàn)異方差的方法【D】A戈德菲爾特——夸特檢驗(yàn)B殘差序列圖檢驗(yàn)C戈里瑟檢驗(yàn)D方差膨脹因子檢驗(yàn)⒉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】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⒊加權(quán)最小二乘法抑制異方差的主要原理是通過(guò)賦予不同觀測(cè)點(diǎn)以不同的權(quán)數(shù)，從而提高估計(jì)精度，即【A】A重視方差較小樣本的信息，輕視方差較大樣本的信息B重視方差較大樣本的信息，輕視方差較小樣本的信息C重視方差較大和方差較小樣本的信息D輕視方差較大和方差較小樣本的信息⒋如果戈里瑟檢驗(yàn)說(shuō)明，普通最小二乘估計(jì)結(jié)果的殘差與有顯著的形式為的相關(guān)關(guān)系〔滿足線性模型的全部經(jīng)典假設(shè)〕，那么用加權(quán)最小二乘法估計(jì)模型參數(shù)時(shí)，權(quán)數(shù)應(yīng)為【C】ABCD⒌如果戈德菲爾特——夸特檢驗(yàn)顯著，那么認(rèn)為什么問(wèn)題是嚴(yán)重的【A】A異方差問(wèn)題B序列相關(guān)問(wèn)題C多重共線性問(wèn)題D設(shè)定誤差問(wèn)題⒍容易產(chǎn)生異方差的數(shù)據(jù)是【C】A時(shí)間序列數(shù)據(jù)B面板數(shù)據(jù)C橫截面數(shù)據(jù)D年度數(shù)據(jù)⒎假設(shè)回歸模型中的隨機(jī)誤差項(xiàng)存在異方差性，那么估計(jì)模型參數(shù)應(yīng)采用【B】A普通最小二乘法B加權(quán)最小二乘法C廣義差分法D工具變量法⒏假設(shè)回歸模型為，其中var()=，那么使用加權(quán)最小二乘法估計(jì)模型時(shí)，應(yīng)將模型變換為【C】ABCD⒐設(shè)回歸模型為，其中var()=，那么的最小二乘估計(jì)量為【B】A.無(wú)偏且有效B無(wú)偏但非有效C有偏但有效D有偏且非有效三、判斷題⒈當(dāng)異方差出現(xiàn)時(shí)，最小二乘估計(jì)是有偏的和不具有最小方差特性?！病痢尝苍诋惙讲钋闆r下，通常預(yù)測(cè)失效。〔∨〕⒊在異方差情況下，通常OLS估計(jì)一定高估了估計(jì)量的標(biāo)準(zhǔn)差?！病痢尝慈绻鸒LS回歸的殘差表現(xiàn)出系統(tǒng)性，那么說(shuō)明數(shù)據(jù)中有異方差性?！病痢尝等绻貧w模型遺漏一個(gè)重要的變量，那么OLS殘差必定表現(xiàn)出明顯的趨勢(shì)。〔∨〕⒍當(dāng)異方差出現(xiàn)時(shí)，常用的t檢驗(yàn)和F檢驗(yàn)失效?！病拧尝酚媒孛鏀?shù)據(jù)建設(shè)模型時(shí)，通常比時(shí)間序列資料更容易產(chǎn)生異方差性?！病拧乘摹⒑?jiǎn)答題⒈什么是異方差性試舉例說(shuō)明經(jīng)濟(jì)現(xiàn)象中的異方差性。兩變量和多元回歸線性回歸模型的第三條假設(shè)都要求誤差項(xiàng)是同方差的，就是誤差項(xiàng)的方差是常數(shù)，即不隨t變化。這條假設(shè)也不一定滿足，也就是線性回歸模型誤差項(xiàng)的方差有可能隨t變化，這時(shí)候稱線性回歸模型存在“異方差〞或“異方差性〞。舉例P162經(jīng)濟(jì)中不同收入家庭消費(fèi)的分散度。⒉如何發(fā)現(xiàn)和判斷線性回歸模型是否存在異方差問(wèn)題P166—P174⒊抑制和處理異方差問(wèn)題有哪些方法P174—P180第五章自相關(guān)性一、單項(xiàng)選擇題⒈如果模型存在序列相關(guān)，那么【D】Acov〔，〕=0Bcov〔，〕=0〔ts〕Ccov〔，〕0Dcov〔，〕0〔ts〕⒉D－W檢驗(yàn)的零假設(shè)是〔為隨機(jī)項(xiàng)的一階自相關(guān)系數(shù)〕【B】ADW=0B=0CDW=1D=1⒊DW的取值范圍是【D】A－1DW0B－1DW1C－2DW2D0DW4⒋當(dāng)DW＝4是時(shí)，說(shuō)明【D】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)⒌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DW＝2.3。在樣本容量n=20，解釋變量k=1，顯著性水平=0.05時(shí)，查得＝1，＝1.41，那么可以判斷【A】A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)的一階自相關(guān)D無(wú)法確定⒍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【C】A加權(quán)最小二乘法B間接最小二乘法C廣義差分法D工具變量法⒎采用一階差分模型抑制一階線性自相關(guān)問(wèn)題使用于以下哪種情況【B】A0B1C－1<<0D0<<1⒏假定某企業(yè)的生產(chǎn)決策是由模型描述的〔其中為產(chǎn)量，為價(jià)格〕，又知：如果該企業(yè)在t-1期生產(chǎn)過(guò)剩，經(jīng)濟(jì)人員會(huì)削減t期的產(chǎn)量。由此判斷上述模型存在【B】A異方差問(wèn)題B序列相關(guān)問(wèn)題C多重共線性問(wèn)題D隨機(jī)解釋變量問(wèn)題⒐根據(jù)一個(gè)n=30的樣本估計(jì)后計(jì)算得DW=1.4，在5％得的置信度下，＝1.35，＝1.49，那么認(rèn)為原模型【B】A不存在一階序列自相關(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)⒑對(duì)于模型，以表示與之間的線性相關(guān)系數(shù)〔t=1，2，，n〕，那么下面明顯錯(cuò)誤的選項(xiàng)是【B】A=0.8，DW=0.4B=－0.8，DW=－0.4C=0，DW=2D=1，DW=0⒒DW統(tǒng)計(jì)量的值接近于2，那么樣本回歸模型殘差的一階自相關(guān)系數(shù)近似等于【A】A0B-1C1D0.5 ⒓樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于-1，那么DW統(tǒng)計(jì)量近似等于【D】A0

B1

C2

D4⒔戈德菲爾德—夸特檢驗(yàn)法可用于檢驗(yàn)【A】A異方差性B多重共線性

C序列相關(guān)D設(shè)定誤差⒕在給定的顯著性水平之下，假設(shè)DW統(tǒng)計(jì)量的下和上臨界值分別為dL和du,那么當(dāng)dL<DW<du時(shí)，可認(rèn)為隨機(jī)誤差項(xiàng)【D】A存在一階正自相關(guān)

B存在一階負(fù)相關(guān)C不存在序列相關(guān)

D存在序列相關(guān)與否不能斷定三、判斷題⒈當(dāng)模型存在高階自相關(guān)時(shí)，可用D-W法進(jìn)展自相關(guān)檢驗(yàn)?！病痢尝睤W值在0和4之間，數(shù)值越小說(shuō)明正相關(guān)程度越大，數(shù)值越大說(shuō)明負(fù)相關(guān)程度越大?！病拧尝臣僭O(shè)模型存在一階自相關(guān)，其他條件均滿足，那么仍用OLS法估計(jì)未知參數(shù)，得到的估計(jì)量是無(wú)偏的，不再是有效的，顯著性檢驗(yàn)失效，預(yù)測(cè)失效?！病拧尝串?dāng)存在自相關(guān)時(shí)，OLS估計(jì)量是有偏的，而且也是無(wú)效的?！病痢尝迪韵嚓P(guān)的一階差分變換假定自相關(guān)系數(shù)必須等于－1?！病痢尝栋l(fā)現(xiàn)模型中存在誤差自相關(guān)時(shí)，都可以利用差分法來(lái)消除自相關(guān)。〔×〕四、簡(jiǎn)答題⒈自相性對(duì)線性回歸分析有什么影響P196—P198⒉發(fā)現(xiàn)和檢驗(yàn)自相關(guān)性有哪些方法P198—P2088⒊抑制自相關(guān)性有哪些方法P208—P215第六章多重共線性一、單項(xiàng)選擇題⒈當(dāng)模型存在嚴(yán)重的多重共線性時(shí)，OLS估計(jì)量將不具備【C】A線性B無(wú)偏性C有效性D一致性⒉經(jīng)歷認(rèn)為，某個(gè)解釋變量與其他解釋變量間多重共線性嚴(yán)重的情況是這個(gè)解釋變量的VIF【C】A大于1B小于1C大于10D小于5⒊如果方差膨脹因子VIF＝10，那么認(rèn)為什么問(wèn)題是嚴(yán)重的【C】A異方差問(wèn)題B序列相關(guān)問(wèn)題C多重共線性問(wèn)題D解釋變量與隨機(jī)項(xiàng)的相關(guān)性⒋在多元線性回歸模型中，假設(shè)某個(gè)解釋變量對(duì)其余解釋變量的判定系數(shù)接近于1，那么說(shuō)明模型中存在【A】A多重共線性

B異方差性

C序列相關(guān)

D高擬合優(yōu)度⒌在線性回歸模型中，假設(shè)解釋變量和的觀測(cè)值成比例，即有，其中k為非零常數(shù)，那么說(shuō)明模型中存在【B】A方差非齊性B多重共線性C序列相關(guān)D設(shè)定誤差二、判斷題⒈盡管有完全的多重共線性，OLS估計(jì)量仍然是最優(yōu)線性無(wú)偏估計(jì)量?！病痢尝沧兞康膬蓛筛叨认嚓P(guān)并不表示高度多重共線性。〔×〕⒊在多元回歸中，根據(jù)通常的t檢驗(yàn)，每個(gè)參數(shù)都是統(tǒng)計(jì)上不顯著的，你就不會(huì)得到一個(gè)高的值。(×)⒋變量不存在兩兩高度相關(guān)表示不存在高度多重共線性。(×)三、填空題⒈強(qiáng)的近似多重共線性會(huì)對(duì)多元線性回歸的有效性產(chǎn)生嚴(yán)重的不利影響。⒉第k個(gè)解釋變量與其他解釋變量之間相關(guān)系數(shù)平方越大，方差膨脹因子〔VIF〕越大。⒊存在完全多重共線性時(shí)，多元回歸分析是無(wú)法進(jìn)展。⒋檢驗(yàn)樣本是否存在多重共線性的常見(jiàn)方法有：__方差擴(kuò)大因子法_和逐步回歸檢驗(yàn)法。⒌處理多重共線性的方法有：保存重要解釋變量、去掉不重要解釋變量、__增加樣本容量_、_____差分模型______________。四、簡(jiǎn)答題⒈什么是多重共線性多重共線性是由什么原因造成的多重共線性是指多元線性回歸模型中，模型的解釋變量之間存在某種程度的線性關(guān)系〔或P226—P227〕，原因見(jiàn)P227—228〕。⒉如何發(fā)現(xiàn)和判斷多重共線性P230—P235⒊抑制多重共線性有哪些方法P235—P244第七章計(jì)量經(jīng)濟(jì)分析建模與應(yīng)用一、單項(xiàng)選擇題⒈某商品需求函數(shù)為，其中y為需求量，x為價(jià)格。為了考慮“地區(qū)〞〔農(nóng)村、城市〕和“季節(jié)〞〔春、夏、秋、冬〕兩個(gè)因素的影響，擬引入虛擬變量，那么應(yīng)引入虛擬變量的個(gè)數(shù)為【B】A2B4C5D6⒉根據(jù)樣本資料建設(shè)某消費(fèi)函數(shù)如下：=100.50+55.35+0.45，其中C為消費(fèi)，x為收入，虛擬變量D＝，所有參數(shù)均檢驗(yàn)顯著，那么城鎮(zhèn)家庭的消費(fèi)函數(shù)為【A】A=155.85+0.45B=100.50+0.45C=100.50+55.35D=100.95+55.35二、填空題⒈在計(jì)量經(jīng)濟(jì)建摸時(shí)，對(duì)非線性模型的處理方法之一是_線性化_________。⒉虛擬變量不同的引入方式有兩種。假設(shè)要描述各種類型的模型在截距水平的差異，那么以加法方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(duì)變化率時(shí)，那么以乘法引入虛擬解釋變量。⒊對(duì)于有m個(gè)不同屬性的定性因素，應(yīng)該設(shè)置m-1個(gè)虛擬變量來(lái)反映該因素的影響。三、簡(jiǎn)答題⒈什么是虛擬變量它在模型中有什么作用P255⒉引入虛擬解釋變量的兩種基本方式是什么它們各適用于什么情況P258—P260四、綜合分析計(jì)算題㈠設(shè)某商品的需求量〔百件〕，消費(fèi)者平均收入〔百元〕，該商品價(jià)格〔元〕。經(jīng)Eviews軟件對(duì)觀察的10個(gè)月份的數(shù)據(jù)用最小二乘法估計(jì)，結(jié)果如下：〔被解釋變量為〕VARIABLECOEFFICIENTSTD.ERRORT-STAT2-TAILSIGC99.46929513.4725717.38309650.000X12.50189540.7536147〔3.3199〕X2-6.58074301.3759059〔-4.7828〕R-squared0.949336Meanofdependentvar80.00000AdjustedR-squared〔〕S.D.ofdependentvar19.57890S.Eofregression4.997021Sumofsquaredresid174.7915Durbin-Watsonstat〔〕F–statistics〔〕完成以下問(wèn)題：〔至少保存三位小數(shù)〕1．寫(xiě)出需求量對(duì)消費(fèi)者平均收入、商品價(jià)格的線性回歸估計(jì)方程。2．解釋偏回歸系數(shù)的統(tǒng)計(jì)含義和經(jīng)濟(jì)含義。3．對(duì)該模型做經(jīng)濟(jì)意義檢驗(yàn)。4．估計(jì)調(diào)整的可決系數(shù)。5．在95%的置信度下對(duì)方程整體顯著性進(jìn)展檢驗(yàn)。6．在95%的置信度下檢驗(yàn)偏回歸系數(shù)(斜率)的顯著性。7．檢驗(yàn)隨機(jī)誤差項(xiàng)的一階自相關(guān)性。〔，，〕解：⒈⒉需求量和收入正相關(guān)，和價(jià)格負(fù)相關(guān)，收入每增加一個(gè)單位，需求量上升2.5個(gè)單位，價(jià)格每增加一個(gè)單位，需求量下降6.58個(gè)單位；⒊該模型經(jīng)濟(jì)意義檢驗(yàn)通過(guò)；⒋⒌，F(xiàn)檢驗(yàn)通過(guò)⒍t1=3.3199,t2=-4.7828,t檢驗(yàn)通過(guò)7．檢驗(yàn)隨機(jī)誤差項(xiàng)的一階自相關(guān)性。,，,不存在一階自相關(guān)。㈡設(shè)某地區(qū)機(jī)電行業(yè)銷售額〔萬(wàn)元〕和汽車產(chǎn)量〔萬(wàn)輛〕以及建筑業(yè)產(chǎn)值〔千萬(wàn)元〕。經(jīng)Eviews軟件對(duì)1981年——1997年的數(shù)據(jù)分別建設(shè)線性模型和雙對(duì)數(shù)模型進(jìn)展最小二乘估計(jì)，結(jié)果如下：表1DependentVariable:YVariableCoefficientStd.Errort-StatisticProb.C-57.4549681.02202-0.7091280.4899X145.7055815.668852.9169710.0113X211.933391.5165537.8687610.0000R-squared0.903899Meandependentvar545.5059AdjustedR-squared0.890170S.D.dependentvar193.3659S.E.ofregression64.08261Akaikeinfocriterion11.31701Sumsquaredresid57492.12Schwarzcriterion11.46405Loglikelihood-93.19457F-statistic65.83991Durbin-Watsonstat2.103984Prob(F-statistic)0.000000表2DependentVariable:Ln(Y)VariableCoefficientStd.Err