計量經(jīng)濟(jì)學(xué)題（答案解析）

?計量經(jīng)濟(jì)學(xué)?要點C、被解釋變量為隨機(jī)變量，解符變量為非隨機(jī)

一、單項選擇題變量

知識點：D^被解釋變量為非隨機(jī)變量，解釋變量為隨機(jī)

第一章變量

假設(shè)千定義、概念什么是解釋變量、被解釋變量？

時間序列數(shù)據(jù)定義從變量的因果關(guān)系上，模型中變量可分為解釋變

橫截面數(shù)據(jù)定義量［Explanatoryvariable］和被解釋變量(Explained

1.同一統(tǒng)計指標(biāo)按時間順序記錄的數(shù)據(jù)稱為variable)o

(B)。在模型中，解釋變量是變動的原因，被解釋變量

A、橫截面數(shù)據(jù)B、時間序列數(shù)據(jù)是變動的結(jié)果。

C、修勻數(shù)據(jù)D、原始數(shù)據(jù)被解釋變量是模型要分析研究的對象，也常稱為

2.同一時間，不同單位一樣指標(biāo)組成的觀測數(shù)據(jù)"應(yīng)變量"(D①endentvariable)N"回歸子"

稱為〔B〕LRegressand等。

A.原始數(shù)據(jù)B.橫裁面數(shù)據(jù)解釋變量也常稱為“自變量"(Independent

C.時間序列數(shù)據(jù)D.修勻數(shù)據(jù)variable)、“回歸元”〔Regressor〕等，是說明應(yīng)

變量定義〔被解釋變量、解釋變量、內(nèi)生變量、變量變動主要原因的變量。

外生變量〕因此，被解釋變量只能由內(nèi)生變量擔(dān)任，不能由

單方程中可以作為被解釋變量的是〔控制變量、非內(nèi)生變量擔(dān)任。

內(nèi)生變量、外生變量〕;4.單方程計量經(jīng)濟(jì)模型中可以作為被解釋變量的

3.在回歸分析中，以下有關(guān)解釋變量和被解釋變是〔C〕

量的說法正確的有〔C〕A、控制變量B、前定變量

A、被解釋變量和解釋變量均為隨機(jī)變量C、內(nèi)生變量D、外生變量

B、被解釋變量和解釋變量均為非隨機(jī)變量5.單方程計量經(jīng)濟(jì)模型的被解釋變量是〔A〕

A、內(nèi)生變量B、政策變量D.Y關(guān)于X的邊際變化

C、控制變量D^外生變量計量經(jīng)濟(jì)學(xué)研究方法一般步驟

6.在回歸分析中，以下有關(guān)解釋變量和被解釋變四步12點

量的說法正確的有〔C：9.計量經(jīng)濟(jì)學(xué)的研究方法一般分為以下四個步驟

A、被解釋變量和解釋變量均為隨機(jī)變量

13、被解釋變量和解釋變量均為非隨機(jī)變量A.確定科學(xué)的理論依據(jù)、模型設(shè)定、模型修定、

C、被解釋變量為隨機(jī)變量，解釋變量為非隨機(jī)模型應(yīng)用

變量B.模型設(shè)定、估計參數(shù)、模型檢驗、模型應(yīng)用

D、被解釋變量為非隨機(jī)變量，解釋變量為隨機(jī)C.搜集數(shù)據(jù)、模型設(shè)定、估計參數(shù)、預(yù)測檢驗

變量D.模型設(shè)定、檢臉、構(gòu)造分析、模型應(yīng)用

雙對數(shù)模型中參數(shù)的含義;對計量經(jīng)濟(jì)模型應(yīng)當(dāng)進(jìn)展哪些方面的檢驗？

7.雙對數(shù)模型Iny=ln片+4JnX+〃中，參數(shù)經(jīng)濟(jì)意義檢驗：檢驗?zāi)Ｐ凸烙嫿Y(jié)果，尤其是參數(shù)

四的含義是〔D〕估計，是否符合經(jīng)濟(jì)理論。

A.X的相對變化，引起Y的期望值絕對量變化統(tǒng)計推斷檢驗：檢驗參數(shù)估計值是否抽樣的偶然

B.Y關(guān)于X的邊際變化結(jié)果，運(yùn)用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型

C.X的絕對量發(fā)生一定變動時，引起因變量Y及參數(shù)的統(tǒng)計可靠性做出說明。主要有1,F,

的相對變化率外等檢臉；

D.Y關(guān)于X的彈性計量經(jīng)濟(jì)學(xué)檢驗：檢驗?zāi)Ｐ褪欠穹嫌嬃拷?jīng)濟(jì)方

8.雙對數(shù)模型111丫=1]1尸。+4111'+〃中，參數(shù)法的根本假定，例如檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€

A的含義是〔C〕性，檢臉模型中的隨機(jī)擾動項是否存在自相關(guān)和

A.Y關(guān)于X的增長率異方差性等等。

B.Y關(guān)于X的開展速度預(yù)測檢驗：模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實際結(jié)

CY關(guān)于X的彈性果相比照，以此檢臉模型的有效性。

在使用計量經(jīng)濟(jì)模型分析問題時，通常會使用哪計量經(jīng)濟(jì)模型檢驗通常包含哪些檢驗？每種檢

些類型數(shù)據(jù)？使用這些類型數(shù)據(jù)各自應(yīng)該注意驗根本思想是什么？

哪些問題？經(jīng)濟(jì)意義檢驗：檢驗?zāi)Ｐ凸烙嫿Y(jié)果，尤其是參

⑴時間序列數(shù)據(jù)［TimeSeriesDataJ把反映某數(shù)估計，是否符合經(jīng)濟(jì)理論。

一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時間統(tǒng)計推斷檢驗：檢驗參數(shù)估計值是否抽樣的偶然

順序和時間間隔〔如月度、季度、年度〕排列起結(jié)果，運(yùn)用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型

來，這樣的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)；及參數(shù)的統(tǒng)計可靠性作出說明。

［2］截面數(shù)據(jù)(Cress-SectionData)同一時間〔時計量經(jīng)濟(jì)學(xué)檢驗：檢臉模型是否符合計量經(jīng)濟(jì)方

期或時點〕某個指標(biāo)在不同空間的觀測數(shù)據(jù)，稱法的根本假定，例如檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€

為截面數(shù)據(jù)；性，檢臉模型中的隨機(jī)擾動項是否存在自相關(guān)和

〔3〕面板數(shù)據(jù)fPanelData］面板數(shù)據(jù)指時間序異方差性等等。

列數(shù)據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)，對假設(shè)干個體

預(yù)測檢驗：模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實際結(jié)

進(jìn)展多期觀測。例如在居民收支調(diào)查中收集的對

果相比照，以此檢驗?zāi)Ｐ偷挠行浴?/p>

各個固定調(diào)查戶在不同時期的調(diào)查數(shù)據(jù)，又如全

第二章

國各省市不同年份的經(jīng)濟(jì)開展?fàn)?，兄的統(tǒng)計數(shù)據(jù),

假設(shè)干根本概念

就都是面板數(shù)據(jù)；

總體、樣本回歸方程、模型

1.4］虛擬變量數(shù)據(jù)(DummyVariablesData)

o古典線性回歸模型的普通最小二乘估計量滿足

時間序列數(shù)據(jù)假設(shè)是非平穩(wěn)的，可能造成

的統(tǒng)計性質(zhì)〔最正確線性無偏估計〕；

“偽回歸”；

1.古典線性回以模型的普通最小二乘估計量滿足

截面數(shù)據(jù)往往存在異方差；

的統(tǒng)計性質(zhì)(A)

利用面板數(shù)據(jù)的計量經(jīng)濟(jì)模型已成為計量

A.最正確線性無偏估計B.僅滿足線性性

經(jīng)濟(jì)學(xué)研究的專門問題，容易產(chǎn)生異方差、自相

C.非有效性D.有偏性

關(guān)性。樣本回歸直線(又.7)

2.設(shè)OLS法得到的樣本回歸直線為E聞X,）=4+6X,

D、E鄧,.）號+屈X,

匕=笈1+笈jX,.+q,那么點

（又了）（B）5.用最小二乘法作回歸分析時提出了古典假定，

A、一定不在回歸直線上這是為了〔B〕

B、一定在回歸直線上A.使回歸方程更簡化

C、不一定在回歸直線上B.卷到總體回歸系數(shù)的最正確線性無偏估計

D、在回歸直線上方C.便解釋變量更容易控制

經(jīng)典線性計量模型的假定有哪些？D.使被解釋變量更容易控制

假定1：零均值假定；假定2:同方差假定；假定6.在一元線性回歸模型中，樣本回歸方程可表示

3：無自相關(guān)假定；假定4:隨機(jī)擾動項勺與解釋為：〔c〕

變量七不相關(guān)；假定5:正態(tài)性假定；〔假定6:A、Yt=PQ+pxXt+ut

無多重共線性〕B、K=E（K/X）+〃

3.以下圖中符號“{”所代表的是〔B〕c、Z=A+2x

D、￡（K/Xr）=/70+/?lXr

第三章

多元線性回歸模型整體的讀解〔對回歸結(jié)果全過

程的讀解分析〕

A模型擬合優(yōu)度B模型整體顯著性根據(jù)F值判斷整體顯著性的規(guī)那么〔P值接近于

C正態(tài)性D個體參數(shù)顯著性零表示整體顯著〕；

4.以下模型中不屬于變量線性回歸模型是多元線性回歸模型RSS反映了應(yīng)變量觀測值與估

A)°計值之間的總變差

E(Y\X)=fl^pX

A、it?多元線性回歸分析中的RSS〔剩余平方和〕

V

z=片+才+%反映了〔C〕

B、Pl

A.應(yīng)變量觀測值總變差的大小多重共線性〔1〕定義、產(chǎn)生原因；〔2〕后果；〔3〕

B.應(yīng)變量回歸估計值總變差的大小檢測；〔4〕彌補(bǔ)。

C.應(yīng)變量觀測值與估計值之間的總變差參數(shù)的最小二乘估計量的性質(zhì)

D.Y關(guān)于X的邊際變化?簡單相關(guān)系數(shù)矩陣方法主要用于檢臉〔D〕

多元線性回歸模型ESS自由度為k-1A.異方差性B.自相關(guān)性

?多元線性回歸分析中的ESS的自由度是（D〕C.隨機(jī)解釋變量D.多重共線性

A.KB.n?能夠檢驗多重共線性的方法有_A______

C.n-KD.k-1A.簡單相關(guān)系數(shù)矩陣法B.D*檢驗法

調(diào)整后的判定系數(shù)嚴(yán)與判定系數(shù)*之間的關(guān)系C.White檢臉D.ARCH檢險法

?有關(guān)調(diào)整后的判定系數(shù)正與判定系數(shù)川之?如果模型中的解釋變量存在完全的多重共線

間的關(guān)系表達(dá)正確的選項是〔C〕性：參數(shù)的最小二乘估計量是〔C〕

A后等于R?A.無偏的B.有偏的

B尹與*沒有數(shù)量關(guān)系C.無法估計D.無正確答案

c一般情況下方＜內(nèi)?如果模型中的解釋變量存在不完全的多重共

D片大于霜線性，參數(shù)的最小二乘估計量是〔A〕

?在模型匕=以++Z?3X3/+Ut的回歸A.無偏的B.有偏的

分析結(jié)果報告中，有b=2634.23,C.無法估計D.無正確答案

砸〃值=0.0000,那么說明〔D〕?如果模型中的解釋變量存在完全的多重共線

A、解釋變量“2,對匕的影響是顯著的性，參數(shù)的最小二乘估計量是〔C〕

B、解釋變量、力對匕的影響是顯著的A.無偏的B.有偏的

C、解釋變量入Y2,和人Y，對乙V的影響是均不顯著C.無法估計D.確定的

D、解釋變量和對匕的聯(lián)合影響是顯著的第五章

第四章異方差性〔1〕定義、產(chǎn)生原國工〔2〕后是工〔3〕

檢測；〔4〕彌補(bǔ)。C.自相關(guān)性D.異方差性

檢驗異方差的方法；?關(guān)于Goldfeld-Quandt檢驗，以下說法正確的

修正異方差的方法；選項是〔C〕

?ARCH檢險方法主要用于檢驗〔A〕A.它是檢驗?zāi)Ｐ褪欠翊嬖谧韵嚓P(guān)

A.異方差性B.自相關(guān)性B.該檢驗所需要的樣本容量較小

C.隨機(jī)解釋變量D.多重共線性C.該檢驗需要■去掉局郃樣本

?以下方法可以用于檢臉模型中異方差性的方1＞它是檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性

法有〔D〕?以下方法可以用于檢臉模型中異方差性的方

ADW檢驗B相關(guān)系數(shù)矩陣法有〔D〕

C判定系數(shù)法DWhite檢臉ADW'檢臉B相關(guān)系數(shù)矩陣

?Goldfeld-Quandt方法用于檢驗〔A〕C判定系數(shù)法DWhite檢驗

A.異方差性B.自相關(guān)性?如果模型中存在異方差現(xiàn)象，那么普通最小

C.隨機(jī)解釋變量D.多重共線性二乘估計量仍然滿足的性質(zhì)〔A〕

?在模型有異方差的情況下，常用的估計方法A.無偏性B.最小方差性

是(D)C.有效性D非線性性

A.廣義差分法B.工具變量法什么是異方差性？有哪些方法可以檢臉模型中

C逐步回歸法D.加權(quán)最小二乘法是否存在異方差性？

?Wnite檢臉可用于檢驗〔B〕違背同方差假定，擾動項的方差會隨著某個

A.自相關(guān)性B.異方差性〔些〕因素而發(fā)生變化。觀察殘差圖、White檢

C.解釋變量隨機(jī)性D.多重共線性驗、ARCH檢驗、Golden-Quant檢驗等。

?加權(quán)最小二乘可以解決以下哪個問題?回歸模型具有異方差性時，仍用最小二乘法

(D)估計參數(shù)，那么以下〔B〕是錯誤的。

A.多重共線性B.誤差項非正態(tài)性A、參數(shù)估計值是無偏非有效的

B、幺戊仍具有最小方差A(yù).最小二乘估計量次是無偏的且非有效

C、常用的t和F檢驗失效B.最小二乘估計量A是有偏的且有效

D、預(yù)測區(qū)間增大，精度下降c.最小二乘估計量A是無偏的且有效

第六章D.最小二乘估計量A是有偏的但非有效

自相關(guān)性〔1〕定義、產(chǎn)生原因；〔2〕后果；〔3〕?在DW檢驗中，不能判定的區(qū)域是〔C〕

檢測；〔4〕彌補(bǔ)。A.0cde4,4-4<dv4

違背自相關(guān)造成后果〔無偏非有效〕；B.&j<d<4-4

在DW檢驗中，當(dāng)d統(tǒng)計量為2時，說明無自相C.dL<d<duy^-dv<d<4-dL

關(guān)性存在；D.上述都不對

DW判斷區(qū)域規(guī)那么；?樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于

?在DW'檢驗中，當(dāng)d統(tǒng)計量為2時，說明〔C〕1,那么DW統(tǒng)計量近似等于［A}

A.存在完全的正自相關(guān)A.OB.1C.2D.4

B.存在完全的負(fù)自相關(guān)第七章

C不存在自相關(guān)D.不能判定分布滯后模型的意義

?如果回歸模型違背了無自相關(guān)假定，最小二分布滯后模型的分類及各個類型的特點

乘估計量是（A）分布滯后模型短期影響乘數(shù)

A.無偏的，非有效的?設(shè)無限分布滯后模型為

B.有偏的，非有效的Y,=a+0°X,+0\X,7+02X.2-?.+u,

C.無偏的，有效的,那么短期影響乘數(shù)為〔〕

I〉有偏的，有效的A.A）B、3片

?如果在模型%=戶1+（32xt+%中，隨機(jī)擾動

項違背了無自相關(guān)假定，那么以下說法正確

?對于有限分布滯后模型

的選項是（A）

在一定條件下，參數(shù)氏可近似用一個關(guān)于i

的多項式表示ti=O,1,2,???,K〕，以下說虛擬變量個數(shù)的設(shè)置規(guī)那么是：假設(shè)定性因素有

法中不正確的選項是〔〕m個相互排斥的類型〔或?qū)傩浴?K平〕，在有截

A、多項式的階數(shù)〃？小于K距項的模型中只能引入m—1個虛擬變量，否那

B、可采用Almon法對此模型進(jìn)展估計么會陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多

C、該模型比擬容易產(chǎn)生多宜共線性重共線性。在無截距項的模型中，定性因素有m

D、以上說法都不對個相互排斥的類型時，引入m個虛擬變量不會導(dǎo)

第八章致完全多重共線性，不過這時虛擬變量參數(shù)的估

虛擬變量的定義、作用以及規(guī)那么計結(jié)果，實際上是D=1時的樣本均值。

?虛擬變量（）?設(shè)某計量經(jīng)濟(jì)模型為：%=。+/?0+%,

[

A.主要來代表質(zhì)的因素，但在有些情況下可以其中匕大學(xué)教授年薪，D=[男教授，

'[（）女教授

用來代表數(shù)量因素

那么對于參數(shù)a、B的含義，以下解釋不正確

B.只能代表質(zhì)的因素C.只能代表數(shù)量因素

的選項是C]

I）只能代表季節(jié)影響因素

A.”表示大學(xué)女教授的平均年薪；

?對于含有截距項的計量經(jīng)濟(jì)模型，假設(shè)想將

B.3表示大學(xué)男教授的平均年薪；

含有m個互斥類型的定性因素引入到模型

C.a+（3表示大學(xué)男教授的平均年薪；

中，那么應(yīng)該引入虛擬變量個數(shù)為〔〕

D邛表示大學(xué)男教授和女教授平均年薪的差額

AmBm-1Cm+1Dm-k

?對于一個含有截距項的計量經(jīng)濟(jì)模型，假設(shè)

簡述虛擬變量設(shè)置規(guī)那么

某定性因素有m個互斥的屬性，

什么是虛擬變量？在設(shè)定虛擬變量時，應(yīng)該注意

對于一個含有截距項的計量經(jīng)濟(jì)模型，假設(shè)

什么問題？設(shè)置規(guī)那么是什么？

某龜性因素有m個互斥的類型，為將其引入

虛擬變量是將定性因素數(shù)量化取值為?；?的一

模型中，那么需要引入虛擬變量個數(shù)為

類特殊人工變量。主要作用：在模型中引入定性

〔〕

因素；分段回歸等。注意防止虛擬變量陷阱。

AmBm-1Cm+1Dm-k

第十章C.ADF檢驗D.DW檢臉

時間序列數(shù)據(jù)特有屬性二、簡答題

平穩(wěn)的概念、產(chǎn)生的后果、檢驗的方法1、計量經(jīng)濟(jì)模型檢驗通常包含哪些檢驗？每種

非平穩(wěn)時間序列數(shù)據(jù)的建模技術(shù)要點檢驗根本思想是什么？

?某一時間序列經(jīng)一次差分變換成平穩(wěn)時間序經(jīng)濟(jì)意義檢驗：檢驗?zāi)Ｐ凸烙嫿Y(jié)果，尤其是參

列，此時間序列稱為〔〕數(shù)估計，是否符合經(jīng)濟(jì)理論。

A.1階單整B.2階單整統(tǒng)計推斷檢驗：檢驗參數(shù)估計值是否抽樣的偶然

C.K階單整D.以上答案均不正確結(jié)果，運(yùn)用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型

簡述時間序列平穩(wěn)性的含義及參數(shù)的統(tǒng)計可靠性作出說明。

時間序列平穩(wěn)性分嚴(yán)格平穩(wěn)和廣義平穩(wěn)性。計量經(jīng)濟(jì)學(xué)檢驗：檢臉模型是否符合計量經(jīng)濟(jì)方

嚴(yán)格平穩(wěn)是指隨機(jī)過程的聯(lián)合分布函數(shù)與時間法的根本假定，例如檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€

的位移無關(guān)；性，檢臉模型中的隨機(jī)擾動項是否存在自相關(guān)和

廣義平穩(wěn)性是指隨機(jī)過程的均值、方差不隨時間異方差性等等。

變化，自協(xié)方差函數(shù)僅是時間間隔的函數(shù)，又稱

預(yù)測檢臉：模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實際結(jié)

為弱平穩(wěn)性

果相比照，以此檢臉模型的有效性。

什么是偽回歸？其產(chǎn)生的原因是？

2、在使用計量經(jīng)濟(jì)模型分析問題時，通常會使

所謂“偽回歸”，是指變量間本來不存在有意義

用哪些類型數(shù)據(jù)？使用這些類型數(shù)據(jù)各自應(yīng)該

的關(guān)系，但回歸結(jié)果卻得出存在有意義關(guān)系的錯

注意哪些問題？

誤結(jié)論。造成“偽回歸”的根本原因在于時間序

⑴、時間序列數(shù)據(jù)〔TimeSeriesData］把反映

列變量的非平穩(wěn)性。

某一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時

?以下方法可以用于檢驗時間序列平穩(wěn)性的是

間順序和時間間隔〔如月度、季度、年度〕排列

〔〕

起來，這樣的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)。〔2〕、

A.ARCH檢臉B.White檢臉

截面數(shù)據(jù)(Cross-SectionData)同一時間〔時期或時

點〕某個指標(biāo)在不同空間的觀測數(shù)據(jù)，稱為截面的原因，被解釋變量是變動的結(jié)果。被解釋變量

數(shù)據(jù)?！?〕、面板數(shù)據(jù)［PanelData〕面板數(shù)據(jù)指是模型要分析研究的對象，也常稱為“應(yīng)變量”

時間序列數(shù)據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)，對假設(shè)(Dependentvariable)%回歸子”〔Regressand〕等。

干個體進(jìn)展多期觀測。例如在居民收支調(diào)查中收解釋變量也常稱為“自變量”(Independent

集的對各個固定調(diào)查戶在不同時期的調(diào)查數(shù)據(jù)，variable)s“回歸元”〔Regressor〕等，是說明應(yīng)

又如全國各省市不同年份的經(jīng)濟(jì)開展?fàn)顩r的統(tǒng)變量變動主要原因的變量。

計數(shù)據(jù)，就都是面板數(shù)據(jù)?！?〕、虛擬變量數(shù)據(jù)4、經(jīng)典線性計量模型的假定有哪些？

(DummyVariablesData)o假定1：零均值假定；假定2:同方差假定；假定

時間序列數(shù)據(jù)假設(shè)是非平穩(wěn)的，可能造成3：無自相關(guān)假定；假定4:隨機(jī)擾動項《與解釋

“偽回歸”；截面數(shù)據(jù)往往存在異方差；利用面變量X,不相關(guān)；假定5:正態(tài)性假定；假定6:無

板數(shù)據(jù)的計量經(jīng)濟(jì)模型已成為計量經(jīng)濟(jì)學(xué)研究多重共線性

的專門問題，容易產(chǎn)生異方差、自相關(guān)性。5、什么是異方差性？有哪些方法可以檢驗?zāi)Ｐ?/p>

3、什么是解釋變量、被解釋變量？中是否存在異方差性？

從變量的因果關(guān)系上，模型中變量可分為解釋違背同方差假定，擾動項的方差隨某個解釋變量

變量〔Explanatoryvariable〕和被解釋變量在變化。觀察殘差圖、White檢臉、ARCH檢驗、

(Explainedvariable)o在模型中，解釋變量是變動Goldcnfeld-Quandt檢驗等0

6、簡述虛擬變量設(shè)置規(guī)那么

虛擬變量個數(shù)的設(shè)置規(guī)那么是：假設(shè)定性因素有m個相互排斥的類型〔或?qū)傩?、水平〕，在有?/p>

距項的模型中只能引入m—1個虛擬變量，否那么會陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多重共

線性。在無截距項的模型中，定性因素有m個相互排斥的類型時，引入m個虛擬變量不會導(dǎo)致完全

多重共線性，不過這時虛擬變量參數(shù)的估計結(jié)果，實際上是D=1時的樣本均值。

7、什么是虛擬變量、設(shè)置虛擬變量應(yīng)該注意什么？

虛擬變量是將定性因素數(shù)量化取值為0或1的一類特殊人工變量。主要作用：在模型中引入定性因

素；分段回歸等。注意防止虛擬變量陷阱。

8、將虛擬變量引入到模型中，通常有哪些方式？各自具有什么作用？

參加虛擬解釋變量的途徑有兩種根本類型：一是加法類型；二是乘法類型。不同的途徑引入虛擬變

量有不同的作用，加法方式引入虛擬變量改變的是截距；乘法方式引入虛擬變量改變的是斜率。

9、什么是偽回歸？其產(chǎn)生的原因是？

所謂“偽回歸”，是指變量間本來不存在有意義的關(guān)系，但回歸結(jié)果卻得出存在有意義關(guān)系的錯誤結(jié)

論。造成“偽回歸”的根本原因在于時間序列變量的非平穩(wěn)性。

10、簡述時間序列平穩(wěn)性的含義

時間序列平穩(wěn)性分嚴(yán)格平穩(wěn)和廣義平穩(wěn)性。嚴(yán)格平穩(wěn)是指隨機(jī)過程的聯(lián)合分布函數(shù)與時間的位

移無關(guān)；廣義平穩(wěn)性是指隨機(jī)過程的均值、方差不隨時間變化，自協(xié)方差函數(shù)僅是時間間隔的函數(shù)，

又稱為弱平穩(wěn)性。

三、計算題

題干已給出一個估計結(jié)果，問：系數(shù)的經(jīng)濟(jì)意義；估計出來的系數(shù)是否符合經(jīng)濟(jì)意義；

t值計算〔已給出系數(shù)及標(biāo)準(zhǔn)誤〕；或者根據(jù)已給的t值、F值判斷顯著性〔不需要查表，根據(jù)經(jīng)歷即

可判斷〕；

根據(jù)已給出的Y的總離差中被回歸方程解釋的局部及未被回歸方程解釋的局部所占比例分別是

多少；

模型中是否存在多重共線性〔利用綜合判斷法〕；

模型是否存在自相關(guān)〔會看DW表〕

為研究中國各地區(qū)入境旅游狀況，建立了各省市旅游外匯收入〔Y,百萬美元〕、旅行社職工人數(shù)〔XI,

人〕、國際旅游人數(shù)〔X2,萬人次〕的模型，用某年31個省市的截面數(shù)據(jù)估計結(jié)果如下：

t=(-3.066806)(6.652983)(3.378064)

R2=0.934331F=191.1894n=31

〔1〕從經(jīng)濟(jì)意義上考察估計模型的合理性。

〔2〕XI、X2兩個變量是否顯著？模型的整體是否顯著？理由是？

某公司想決定在何處建造一個新的百貨店，對已有的30個百貨店的銷售額作為其所處地理位置特征

的函數(shù)進(jìn)展回歸分析，并且用該回歸方程作為新百貨店的不同位置的可能銷售額，估計得出〔括號內(nèi)

為估計的標(biāo)準(zhǔn)差〕

〔0.02〕〔0.01〕[1.0]〔1.0〕

其中：匕=第》個百貨店的日均銷售額〔百美元〕；

x"=第，?個百貨店前每小時通過的汽車數(shù)量〔1。輛〕；

、2，=第'個百貨店所處區(qū)域內(nèi)的人均收入〔美元〕；

=第i個百貨店內(nèi)所有的桌子數(shù)量；

、4，=第i個百貨店所處地區(qū)競爭店面的數(shù)量；

請答復(fù)以下問題：

1、說出本方程中系數(shù)0.1和0.01的經(jīng)濟(jì)含義。

2、各個變量前參數(shù)估計的符號是否與期望的符號一致？

3、在==0.05的顯著性水平下檢驗變量X1，的顯著性。

025

〔臨齊tt/。'”）=2,%.025（為）=2.056，力oo5（25）=1.708/005（26）=1.706]

運(yùn)用計量模型研究1990年到2007年我國糧食產(chǎn)量與主要影響因素之間的數(shù)量關(guān)系，模型設(shè)定如下：

Yt=/+t+a2X2t+a3X3t+a4X4t+公5念+6t+.

Y「--我國歷年糧食總產(chǎn)量（單位：萬噸）

X]t--農(nóng)業(yè)化肥施用量〔萬噸〕

X2t--糧食播種面積〔千公頃〕

X3「一成災(zāi)面積〔千公頃〕

一農(nóng)業(yè)機(jī)械年末擁有量〔億瓦特）

Xs「一農(nóng)林牧漁業(yè)總勞動力〔萬人〕

Xe---有效灌溉面積〔千公頃〕

Ut——其它影響糧食產(chǎn)量的因素〔隨機(jī)誤差項〕

模型估計結(jié)果如下：

DependentVariable:Y

Method;T.easiSquares

Date:05/25/09Time:21:03

Sample:19902007

Includedobservations:18

VariableCoefficienStd.Errort-StatisticProb.

t

XI5.1837341.657003(〕0.0096

X20.3922160.2215751.7701230.1044

X3-0.2260720.107385-2.1052430.0591

X4-0.0678160.148659-0.4561900.6571

X5-0.1110890.401499-0.2766850.7872

X60.2967090.4869080.6093750.5547

C-17495.3327898.47-0.6271070.5434

Rsquared0.952021Meandependent44127.13

var

AdjustedR-squarcd0.925837S.D.dependentvar4408.967

S.E.ofregression1200.687Akaikeinfb17.30448

criterion

Sumsquaredresid15858133Schwarzcriterion17.65073

Loglikelihood-148.7403F-stanstic36.37094

Durbin-Watsonstat2.019087Prob(F-statistic)0.000001

根據(jù)此估計結(jié)果，是答復(fù)以下問題：

〔1〕計算X1的t統(tǒng)計量值；

〔2〕模型整體是否顯著？理由是？

〔3〕各變量的系數(shù)估計值是否符合經(jīng)濟(jì)意義？如果不符合，你覺得是什么原因造成的？

家庭消費(fèi)支出〔丫〕、可支配收入〔X1〕、家庭財富〔X2〕設(shè)定模型如下：

回歸分析結(jié)果為：

LS//DependentVariableisY

Date:18/11/09Time:15:18

Sample:11()

Includedobservations:10

VariableCoefficientStd.ErrorT-StatisticProb.

C24.40706.9973________0.0101

-0.34010.4785_________0.5002

X?0.08230.0458_________0.1152

R-squared0.9615Meandepencentvar111.1256

AdjustedR-squared0.9505