《計(jì)量經(jīng)濟(jì)學(xué)》期末試卷

導(dǎo)游綜合導(dǎo)游綜合..1第一學(xué)期期末考試試卷《計(jì)量經(jīng)濟(jì)學(xué)》試卷一、單項(xiàng)選擇題(1分×20題＝20分)1．在回歸分析中以下有關(guān)解釋變量和被解釋變量的說(shuō)法中正確的選項(xiàng)是(c)被解釋變量和解釋變量均為隨機(jī)變量被解釋變量和解釋變量均為非隨機(jī)變量被解釋變量為隨機(jī)變量,解釋變量為非隨機(jī)變量被解釋變量為非隨機(jī)變量,解釋變量為隨機(jī)變量下面哪一個(gè)必定是錯(cuò)誤的。.

300.2Xi

r 0.8 .XY

751.5Xi

r 0.91XY.

52.1Xi

r 0.78 .XY

123.5Xi

r 0.96XY推斷模型參數(shù)估量量的符號(hào)、大小、相互之間關(guān)系的合理性屬于〔b〕準(zhǔn)則。A.計(jì)量經(jīng)濟(jì) B.經(jīng)濟(jì)理論C.統(tǒng)計(jì) D.統(tǒng)計(jì)和經(jīng)濟(jì)理論判定系數(shù)r，說(shuō)明回歸直線能解釋被解釋變量總變差的( a A.80% B.64%C.20% D.89%以下圖中“{”所指的距離是〔b〕X0 1A.隨機(jī)誤差項(xiàng)C. Yi的離差B.殘差. ?i的離差6.DW統(tǒng)計(jì)量的值接近于似等于。2?近A.0B.-1C.1D.0.5t含有截距項(xiàng)的三元線性回歸模型估量的殘差平方和為 e2t

800，估tn=24，則隨機(jī)誤差項(xiàng)的方差估量量為(b)。tA.33.3 B.40 C.38.09 D.36.36反映由模型中解釋變量所解釋的那局部別差大小的是(b)?？傮w平方和 B.回歸平方和 C.殘差平方和 D.離差和t某企業(yè)的生產(chǎn)決策是由模型St

P0 1t

u〔其中St

P為t價(jià)格，又知：假設(shè)該企業(yè)在t1期生產(chǎn)過(guò)剩，決策者會(huì)削減t上述模型存在。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)題產(chǎn)量〔X〕與單位產(chǎn)品本錢(qián)〔Y/臺(tái)〕之間的回歸方程為?3561.5X，這說(shuō)明。產(chǎn)量每增加一臺(tái)，單位產(chǎn)品本錢(qián)增加356元產(chǎn)量每增加一臺(tái)，單位產(chǎn)品本錢(qián)削減1.5元產(chǎn)量每增加一臺(tái)，單位產(chǎn)品本錢(qián)平均增加356元產(chǎn)量每增加一臺(tái)，單位產(chǎn)品本錢(qián)平均削減1.5元回歸模型Yi

X0 1

25i H : 0時(shí)，所用的檢驗(yàn)統(tǒng)計(jì)量10 1 1

1聽(tīng)從〔。)A.2(n2) B. t(n1)C. 2(n1) D. t(n2)iYi?(XX)1XY。所以?是〔。A.隨機(jī)變量 B.非隨機(jī)變量C.確定性變量 D.常量

假設(shè)回歸模型中的隨機(jī)誤差項(xiàng)存在異方差，則模型參數(shù)的一般最小二乘估量量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Q檢驗(yàn)法可用于檢驗(yàn)。A.異方差性 B.多重共線性 C.序列相關(guān) D.隨機(jī)解釋變量當(dāng)模型中的解釋變量存在完全多重共線性時(shí)，參數(shù)估量量的方差為：( c )A.0 B.1C.∞ D.最小16.〔b〕是具有肯定概率分布的隨機(jī)變量，它的數(shù)值由模型本身打算。A.外生變量 B.內(nèi)生變量C.先決變量 D.滯后變量在Eviews命令中，Ｘ〔－１〕表示〔c 〕A.Ｘ乘以－１ B.Ｘ減１C.Ｘ的滯后一期變量 D.Ｘ的倒數(shù)0 1 在雙對(duì)數(shù)線性模型lnYlnXu中，參數(shù)的含義是0 1 A.Y關(guān)于X的增長(zhǎng)量 B.Y關(guān)于X的進(jìn)展速度C.Y關(guān)于X的邊際傾向 D.Y關(guān)于X的彈性依據(jù)20DW=2.6,在α=0.05n=20k=1個(gè)時(shí)，d=1.20,d=1.41，則L U可以推斷：( d )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)法確定以下模型中不屬于線性模型的是〔c 〕A. Y01lnXu B. Y01X2ZuC. Y0

D. Yu1X01X二、填空題〔1分×20空＝20分〕計(jì)量經(jīng)濟(jì)學(xué)是以經(jīng)濟(jì)理論和經(jīng)濟(jì)數(shù)據(jù)的事實(shí)為依據(jù)，運(yùn)用數(shù)學(xué)、統(tǒng)計(jì)學(xué)的方法，通過(guò)建立 來(lái)爭(zhēng)論經(jīng)濟(jì)數(shù)量關(guān)系和規(guī)律的一門(mén)經(jīng)濟(jì)學(xué)科。，要解決到達(dá)上述目的的理論和方法問(wèn)題。這樣計(jì)量經(jīng)濟(jì)學(xué)分成了兩種類(lèi)型： 和 兩大類(lèi)。爭(zhēng)論經(jīng)濟(jì)問(wèn)題時(shí)，可用于參數(shù)估量的數(shù)據(jù)主要有： 數(shù)據(jù)、 數(shù)據(jù)、 數(shù)據(jù)和 。計(jì)量經(jīng)濟(jì)學(xué)模型的檢驗(yàn)主要從 檢驗(yàn)檢驗(yàn)、檢驗(yàn)和 檢驗(yàn)這么四個(gè)方面進(jìn)展。被解釋變量的觀測(cè)值Yi

與其回歸理論值E(Y)之間的偏差，稱(chēng)為 ；被解釋變量的觀測(cè)值 Yi

與其回歸估量值Yi

之間的偏差，稱(chēng)為 。對(duì)線性回歸模型Yi

X0 1

u進(jìn)展最小二乘估量，最小二乘準(zhǔn)則是i 。方 程 顯 著 性 檢 驗(yàn) 的 檢 驗(yàn) 對(duì) 象 是 。以雙變量線性回歸模型為例總體回歸函數(shù)均值形式為： ，個(gè)別值形式為： ；樣本回歸函數(shù)的均值形式為： ，個(gè)別值形式為： 。在回歸分析中，解釋變量一般是依據(jù) 變量來(lái)處理的。導(dǎo)游綜合導(dǎo)游綜合..15三、推斷題〔1分×5＝5分〕回歸模型方程的顯著性檢驗(yàn)與方程的擬合優(yōu)度檢驗(yàn)是一樣的( )。參數(shù)估量量的優(yōu)良性指的是線性、無(wú)偏性最有效性，簡(jiǎn)稱(chēng)BLUE( )。可決系數(shù)和相關(guān)系數(shù)是兩個(gè)不同的概念，無(wú)任何聯(lián)系( )。R2R2之間的關(guān)系是R2

R2

( )。在多元回歸中，依據(jù)通常的t檢驗(yàn)，假設(shè)每個(gè)參數(shù)都是統(tǒng)計(jì)上不顯著的，就不會(huì)得到一個(gè)高的R2值。( )。四、簡(jiǎn)答題〔17分〕1.〔7分〕請(qǐng)簡(jiǎn)要表達(dá)計(jì)量經(jīng)濟(jì)學(xué)的爭(zhēng)論步驟。2.〔10分〕OLS估量量的線性性和無(wú)偏性？試加以證明〔以一元線性回歸模型為例。五、計(jì)算題〔18分〕1.〔10分11〔Y〕〔X〕觀測(cè)值得出以下結(jié)果：X519.8 Y217.82 X2i

3134543XY1296836 Y2

539512ii i作銷(xiāo)售額對(duì)價(jià)格的回歸分析，并解釋其結(jié)果?；貧w直線未解釋的銷(xiāo)售變差局部是多少？2.〔8分〕消費(fèi)模型Yi

X0 1 1i

n，其中：Yi

：個(gè)人X

：個(gè)人可支配收入；E(u1i i

)0;E(u

i,is

)0;var(ui

)2X21i請(qǐng)進(jìn)展適當(dāng)?shù)淖儞Q消退異方差，并給與證明。六、案例分析題〔20分〕分析財(cái)政支農(nóng)資金構(gòu)造對(duì)農(nóng)民收入的影響，令Y〔元〕表示農(nóng)民人均純收入。X1〔億元〕表示財(cái)政用于農(nóng)業(yè)根本建設(shè)的支出，X2〔億元〕表示財(cái)政用于農(nóng)村基本建設(shè)支出，X3〔億元〕表示農(nóng)業(yè)科技三項(xiàng)費(fèi)用，X4〔億元〕表示農(nóng)村救濟(jì)費(fèi)。建立如下回歸模型Y0

X1

X2

X3

X 4 4Eviews輸出結(jié)果如下：1：DependentVariable:YSample:19852023Includedobservations:19Variable CoefficientC 134.5734

Std.Error200.6429

t-Statistic0.670711

Prob.0.5133X1 1.647447 50X2 -0.354

0.6098982.1995

2.7013 0.0172-0.1609 0.8744037 68 58X3 14.73859 32

127.5458

0.1155 0.9096X4 15.07648

7.986329 86

1.8877 0.0800R-squared5170.920Meandependentvar1391.353AdjustedR-squaredS.E. of8070.897262.8S.D.dependentvarAkaikeinfo822.137114.20233regressionSum squared17396702criterionSchwarz14.45027residLog1.0-129.9criterionF-statistic40.53451likelihoodDurbin-Watso1640.5070.000000nstat406Prob(F-statistic)2：DependentVariable:YSample:19852023Includedobservations:19Variable Coefficient

Std.Error

t-Statistic b.

ProC159.6114.221.3978011.6280.39054.16880.00036280507X414.856.88692.15640.04155527666R-squared 0.920351

Meandependentvar

1391.353AdjustedR-squaredS.E.regression

394of002

0.910246.1

S.D.dependentvarAkaike infocriterion

822.137113.99329Sum squaredresidLoglikelihoodDurbin-Watsonstat3：

4.5363200

96904-129.90.542

SchwarzcriterionF-statisticProb(F-statistic)

14.1424292.440120.000000WhiteHeteroskedasticityTest:F-statistic 5.668786

Probability 0.006293Obs*R-squared

713

11.74

Probability 0.019334DependentVariable:RESID^2Sample:19852023Includedobservations:19C3294552208.0.63100.53C3294552208.0.63100.53.33473482X168.27434.510.15710.87213692274X1^2-0.0770.2795-0.27860.78920998646X4-2938.7375.7-0.39840.69780573863X4^278.4668.9361.13820.27990758841R-squared0.618Mean5100

Std.Error

t-Statistic b.

Pro270

dependentvar

2.34AdjustedR-squaredS.E. of

204

0.50956113

S.D.dependentvarAkaike info

80097.1624.9regressionSum squaredresidLoglikelihoodDurbin-Watsonstat4：

.51+10262506

4.41E-231.82.872

criterionSchwarzcriterionF-statisticProb(F-statistic)

290825.177615.6687860.006293DependentVariable:LOG(Y)Sample:19852023Includedobservations:19Variable Coefficient

Std.Error

t-Statistic b.

ProC2.1200.27017.85020.00982812100LOG(X1)0.6560.11425.74470.00381578300LOG(X4)0.3170.14852.13590.04281443985R-squared0.971Mean7.03233Adjusted 0.967

dependentvarS.D.

63730.68R-squared

637

dependentvar

3879S.E.regression

of028

0.123

Akaike infocriterion

-1.208867Sum squaredresidLoglikelihoodDurbin-Watsonstat5：

175424633

0.24214.480.679

SchwarzcriterionF-statisticProb(F-statistic)

-1.059745270.09430.000000WhiteHeteroskedasticityTest:F-statistic 2.767883

Probability 0.069259Obs*R-squared

358

8.390

Probability 0.078281DependentVariable:RESID^2Sample:19852023Includedobservations:19Variable CoefficientC -0.007

Std.Error0.2456

t-Statistic b.-0.0325

Pro0.97991 82 27 45LOG(X1)(LOG(X1))^29990.003-0.002100.12640.0103320.0316-0.1964520.970.84LOG(X4)028-0.001240.145573-0.0072710.99051991543(LOG(X4))^24710.006990.0202850.3187460.75R-squared 0.441598

Meandependentvar

0.012746AdjustedR-squaredS.E.regression

054of132

0.2820.015

S.D.dependentvarAkaike infocriterion

0.017859-5.323050Sum squaredresidLoglikelihoodDurbin-Watso

206898

0.00355.562.009

SchwarzcriterionF-statistic

-5.0745142.7678830.06nstat6：

847 Prob(F-statistic)

9259DependentVariable:LOG(Y)Sample(adjusted):19892023Includedobservations:15afteradjustingendpointsConvergenceachievedafter6iterationsVariable Coefficient

Std.Error

t-Statistic

Prob.C1.5740.25826.09620.00011421633LOG(X1)0.9090.0690〔1〕0.0000LOG(X4)4980.03243〔2〕6.48460.000163039AR(1)0.8380.13156.36850.00010058497AR(4)-0.5880.1703-3.45270.00621524423R-squared0.990Mean7.2812Adjusted491〔3〕dependentvarS.D.610.5404R-squareddependentvar74S.E. of0.062Akaikeinfo-2.4506regression359criterion09Sum squared0.038Schwarz-2.2145resid887criterion92Log23.37F-statistic260.41likelihood95756Durbin-Watso2.1120.0000nstat問(wèn)題：045Prob(F-statistic)00通過(guò)表1的結(jié)果能初步覺(jué)察什么問(wèn)題？為什么？應(yīng)當(dāng)用什么方法處理該問(wèn)題？2所示，寫(xiě)出該方程。3的意義何在？結(jié)果怎樣？45意圖是什么？是如何處理的？結(jié)果怎樣？6對(duì)什么問(wèn)題作了處理？如何處理的？結(jié)果怎么樣？填寫(xiě)表6中12〕濟(jì)意義。一、單項(xiàng)選擇題(1分×20＝20分)1-5:CCBAB 6-10:ABBBD 11-15:DABAC 16-20:BCDDC二、填空題〔1分×20空＝20分〕1、數(shù)學(xué)模型2、理論計(jì)量經(jīng)濟(jì)學(xué)，應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)3、時(shí)間序列，截面，面板、虛擬變量4、經(jīng)濟(jì)意義，統(tǒng)計(jì)，計(jì)量經(jīng)濟(jì)學(xué)、推測(cè)5、隨機(jī)擾動(dòng)項(xiàng)，殘差mine26、

minY?)2minY??X)20 17、模型中被解釋變量與解釋變量之間的線性關(guān)系在總體上是否顯著成立8 、E(Y1

X ，Y2

X1 2 i

，X ，i 1 2 iYXei 1 2 i i9、確定性三、推斷題〔1分×5＝5分〕1-5：╳、√、╳、√、╳四、簡(jiǎn)答題〔19分〕1〔7分〕.答：計(jì)量經(jīng)濟(jì)學(xué)的爭(zhēng)論步驟是：第一步：設(shè)定模型其次步：估量參數(shù)第三步：檢驗(yàn)?zāi)Ｐ偷谒牟剑簯?yīng)用模型2.〔10分〕答：一元線性回歸模型Yi

X1 2 i

的最小二乘估量量具有線性、無(wú)偏iBLUE。線性是指估量量是被解釋變量的線性函數(shù)。證 明 ：xy?

x(Y

Y) xY

xY xi i i i2 x2 x2i i

ii ix2 x2i i

kY(k i )ii i x2i無(wú)偏性是指估量量的均值等于參數(shù)本身。即E(?k k證明：kYk(X)k

k

Xk

k2 ii

i 1 2 i i 1 i 2 i

i i 2 i iE(?)E(2

k)i i 2

kE()i i 21 1五、計(jì)算題〔18分〕.0分〕總體回歸模型為：Yi

b bX u0 1 i i55.840 1? xy

XY