《金融計(jì)量學(xué)》習(xí)題1答案(2)

1、?金 融 計(jì) 量 學(xué)? 習(xí) 題 一一、填空題：1 .計(jì)量經(jīng)濟(jì)模型普通最小二乘法的根本假定有解釋變量非隨機(jī)、隨機(jī)干擾項(xiàng)零均值、同方差、無序列自相關(guān) 、隨機(jī)干擾項(xiàng)與解釋變量之間不相關(guān) 、隨機(jī) 干擾項(xiàng)服從正態(tài)分布零均值、同方差、零協(xié)方差隱含假定：解釋變量的樣本方差有限、回歸模型是正確設(shè)定2 .被解釋變量的觀測值丫與其回歸理論值EY之間的偏差,稱為 隨機(jī)誤差 見；被解釋變量的觀測值 丫與其回歸估計(jì)值Y?之間的偏差,稱為 殘差 .3 .對線性回歸模型Y = °.+ °lX進(jìn)行最小二乘估計(jì),最小二乘準(zhǔn)那么是04 .高斯一馬爾可夫定理證實(shí)在總體參數(shù)的各種無偏估計(jì)中,普通最小二乘估計(jì)量具有

2、 有效性或者方差最小性的特性.并由此才使最小二乘法在數(shù)理統(tǒng)計(jì)學(xué)和計(jì)量經(jīng)濟(jì)學(xué)中獲得了最廣泛的應(yīng)用.5 .普通最小二乘法得到的參數(shù)估計(jì)量具有 線性性、無偏性、有效性統(tǒng) 計(jì)性質(zhì).6 .對于 = ?.+國*1, +%X2;在給定置信水平下,減小 甩的置信區(qū)間的途 徑主要有增大樣本容量 、 提升模型的擬合優(yōu)度 、 提升樣本觀測 值的分散度 .7 .對包含常數(shù)項(xiàng)的季節(jié)春、夏、秋、冬變量模型運(yùn)用最小二乘法時,如果模型中需要引入季節(jié)虛擬變量,一般引入虛擬變量的個數(shù)為3個 .8 .對計(jì)量經(jīng)濟(jì)學(xué)模型作統(tǒng)計(jì)檢驗(yàn)包括 擬合優(yōu)度_檢驗(yàn)、.一方程的顯著性檢驗(yàn)、 變量的顯著性 檢驗(yàn)9 .總體平方和TSS反映 被解釋變量觀測

3、值與其均值 之離差的平方和；回歸平方和ESS反映了 被解釋變量的估計(jì)值或擬合值與其均值之離差的 平方和；殘差平方和 RSS反映了 被解釋變量觀測值與其估計(jì)值 之差的平 方和.10 .方程顯著性檢驗(yàn)的檢驗(yàn)對象是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 .12 .對于模型Yi = % +國汽+瓦X2i +及xk *出產(chǎn)1,2,n, 一般經(jīng)驗(yàn)認(rèn)為, 滿足模型估計(jì)的根本要求的樣本容量為n>30或至少n3 k+洋.13 .對于總體線性回歸模型Y =00+PlXli十力.十久心+巴,運(yùn)用最小二乘法欲得到參數(shù)估計(jì)量,所要求的最小樣本容量n應(yīng)滿足 4.二、單項(xiàng)選擇題：14 回歸分析中

4、定義的BA.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為非隨機(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15 最小二乘準(zhǔn)那么是指使D到達(dá)最小值的原那么確定樣本回歸方程.nA. ZY -Y?t TC. maxYt -Y?nB.Z Yt -Y?t dn2DC Yt -Yt113.以下圖中“廠所指的距離是BB.殘差A(yù).隨機(jī)誤差項(xiàng)C. Yi的離差D. Y?的離差4 .參數(shù)估計(jì)量'是丫的線性函數(shù)稱為參數(shù)估計(jì)量具有A的性質(zhì).A.線性B.無偏性C.有效性D.一致性5 .參數(shù)P的估計(jì)量/具備有效性是指BA.Va=°B.Va

5、r'為最小C. ?一=0D.9一0為最小6 .設(shè)k為不包括常數(shù)項(xiàng)在內(nèi)的解釋變量個數(shù),n為樣本容量,要使模型能夠得出參數(shù)估計(jì)量,所要求的最小樣本容量為 AA.n >k+1B.n <k+1C.n >30D.n >3k+127 .含有截距項(xiàng)的三元線性回歸模型估計(jì)的殘差平方和為乙e =800,估計(jì)用樣本容量為n=24,那么隨機(jī)誤差項(xiàng) 5的方差估計(jì)量為Bo8 .最常用的統(tǒng)計(jì)檢驗(yàn)準(zhǔn)那么包括擬合優(yōu)度檢驗(yàn)、變量的顯著性檢驗(yàn)和 A.A.方程的顯著性檢驗(yàn)B.多重共線性檢驗(yàn)C.異方差性檢驗(yàn)D.預(yù)測檢驗(yàn)9 .反映由模型中解釋變量所解釋的那局部離差大小的是BoA.總體平方和B.回歸平方和

6、C.殘差平方和10 .總體平方和 TSS、殘差平方和 RSS與回歸平方和 ESS三者的關(guān)系是B.B.TSS=RSS+ESSA.RSS=TSS+ESSC.ESS=RSS-TSSD.ESS=TSS+RSS11 .下面哪一個必定是錯誤的CA 引=30 + 0.2XirXY=0.8B Y? = -75 + 1.5XirXY =0.91C Y?=5-2.1Xixy =0.78D. Y? =-12-3.5XirxY = -0.9612 .產(chǎn)量X,臺與單位產(chǎn)品本錢Y,元/臺之間的回歸方程為 Y?=3561.5X ,這說明D.A.產(chǎn)量每增加一臺,單位產(chǎn)品本錢增加356元B.產(chǎn)量每增加一臺,單位產(chǎn)品本錢減少1.

7、5元C.產(chǎn)量每增加一臺,單位產(chǎn)品本錢平均增加356元D.產(chǎn)量每增加一臺,單位產(chǎn)品本錢平均減少1.5元13 .回歸模型Yi = °.+ PB +匕,i = 1,25中,總體方差未知,檢驗(yàn)H.：.1=0時,所用的檢驗(yàn)統(tǒng)計(jì)量 區(qū)二服從D.S?1A 22n-2Btn-°C. 22 nD.t n - 214.設(shè)k為回歸模型中的參數(shù)個數(shù)包括截距項(xiàng),n為樣本容量,ESS為殘差平方和,RSS為回歸平方和.那么對總體回歸模型進(jìn)行顯著性檢驗(yàn)時構(gòu)造的F統(tǒng)計(jì)量為AA.RSS/(k -1)ESS/(n -k)F =1B.RSS/(k -1)ESS/(n -k)l ESSF 二D.RSSl RSSF

8、二C. ESS15 .根據(jù)可決系數(shù)R2與F統(tǒng)計(jì)量的關(guān)系可知,當(dāng) R2=1時有CA.F=1B.F= -1D.F=016 .線性回歸模型的參數(shù)估計(jì)量區(qū)是隨機(jī)變量丫的函數(shù),即E?=x'XX'Y.所以？是AA.隨機(jī)變量B.非隨機(jī)變量C.確定性變量D.常量17 .由Y0 =X.？可以得到被解釋變量的估計(jì)值,由于模型中參數(shù)估計(jì)量的不確定性及隨機(jī)誤差項(xiàng)的影響,可知 Y.是CA.確定性變量B.非隨機(jī)變量C.隨機(jī)變量D.常量18 .下面哪一表述是正確的DA.線性回歸模型Yi = °.+ B1Xi +匕的零均值假設(shè)是指B.對模型Yi=00 +01X1i +02X2i +也進(jìn)行方程顯著性檢

9、驗(yàn)即F檢驗(yàn),檢驗(yàn)的零假設(shè)是H.：.：1 = ：2 =.C.相關(guān)系數(shù)較大意味著兩個變量存在較強(qiáng)的因果關(guān)系D.當(dāng)隨機(jī)誤差項(xiàng)的方差估計(jì)量等于零時,說明被解釋變量與解釋變量之間為函數(shù)關(guān)系19 .在雙對數(shù)線性模型lnY = B0 + 3lnX+N中,參數(shù)0 1的含義是DA.Y關(guān)于X的增長量B.Y關(guān)于X的開展速度D.Y關(guān)于X的彈性C.Y關(guān)于X的邊際傾向20 .根據(jù)樣本資料已估計(jì)得出人均消費(fèi)支出Y對人均收入X的回歸方程為lnY=2.00 +0.75lnX ,這說明人均收入每增加 % ,人均消費(fèi)支出將增加C.21 .半對數(shù)模型Y = B.+'1nx + "中,參數(shù)國的含義是C.A. X的絕對

10、量變化,引起 Y的絕對量變化B. Y關(guān)于X的邊際變化C. X的相對變化,引起 Y的期望值絕對量變化？?？D. Y關(guān)于X的彈性22 .半對數(shù)模型lnY = Bo+PiX'N中,參數(shù)3的含義是A.A.X的絕對量發(fā)生一定變動時,引起因變量Y的相對變化率B.Y關(guān)于X的彈性C.X的相對變化,引起 Y的期望值絕對量變化？?？D.Y關(guān)于X的邊際變化23 .雙對數(shù)模型lnY = Bo+B11nx+N中,參數(shù)01的含義是D.A.X的相對變化,引起Y的期望值絕對量變化？B.Y關(guān)于X的邊際變化C.X的絕對量發(fā)生一定變動時,引起因變量Y的相對變化率？D.Y 關(guān)于 X 的彈性？三、多項(xiàng)選擇題：1 .以下哪些形式

11、是正確的BEFH.A.Y=P0+0iXb. Y = 00+p1X+NC Y = ？o ？X六？0 ？1XC.D.E.Y=Fo +附xG. Y=a+Wxf.e(y)= P°+PiXI Y? = ?)?iXeI jE(Y) = R+囪XH Y =氏 + 邑X+e2 .設(shè)n?為樣本容量,k為包括截距項(xiàng)在內(nèi)的解釋變量個數(shù), 那么調(diào)整后的多重可決系數(shù)R2的正確表達(dá)式有BC1 -A.Z ( Yi - Y) 7(n -1)"(Y -Yi)2 (n -k)Z(Y -Y?»2/(n-k)1 2B. Z (Y -Yi) (n-1)2 n -11 -(1 - R )C.n-k2 n-k

12、1-(1-R )-D.n-1e.1-(1 R2書3 .設(shè)k為回歸模型中的參數(shù)個數(shù)包括截距項(xiàng),那么總體線性回歸模型進(jìn)行顯著性檢驗(yàn)時所用的F統(tǒng)計(jì)量可表示為BCY -Y)2 (n-k)A. e2 (k -1)B.1Y? -y)2(k-1)'、e2 (n -k)R2 (k-1)2c.(1-R2) (n-k)D.(1 R2) (n-k)R2 (k-1)R2 (n-k)E.(1-R2) (k-1)4 .將非線性回歸模型轉(zhuǎn)換為線性回歸模型,常用的數(shù)學(xué)處理方法有ABC A.直接置換法B.對數(shù)變換法C.級數(shù)展開法D.廣義最小二乘法E.加權(quán)最小二乘法5 .在模型1n丫 =ln以十011nxi +/中ABC

13、D.A. Y與X是非線性的B. Y與.是非線性的C. InY與3是線性的D. lnY與InX是線性的E. Y與lnX是線性的6.回歸平方和Z?2是指BCD.A.被解釋變量的觀測值 Y與其平均值Y的離差平方和B.被解釋變量的回歸值中與其平均值Y的離差平方和C.被解釋變量的總體平方和 £y2與殘差平方和Ze2之差D.解釋變量變動所引起的被解釋變量的離差的大小E.隨機(jī)因素影響所引起的被解釋變量的離差大小7 .在多元線性回歸分析中,修正的可決系數(shù)R2與可決系數(shù)R2之間AD2_ 2A. R < R22B.R2 >R2c. R2只能大于零8.以下方程并判斷模型DG屬于變量呈線性,模型

14、ABCG)屬于系數(shù)呈線性,模型G既屬于變量呈線性又屬于系數(shù)呈線性,模型EF)既不屬于d.R2可能為負(fù)值變量呈線性也不屬于系數(shù)呈線性oB Yi =瓦十 Bi log XiC logYi = ：0：i log Xi iD . Yi = f LSXi ) )E 丫 =P0/(PiXi ) + %FYi =1 (1 XJ) - 4G Y = -0 . -1X1i , AX2i ",'X四、計(jì)算題一設(shè)某商品的需求量Y 百件,消費(fèi)者平均收入X1 百元,該商品價格X2元.經(jīng)Eviews軟件對觀察的10個月份的數(shù)據(jù)用最小二乘法估計(jì),結(jié)果如下：被 解釋變量為YVARIABLECOEFFICIE

15、NTSTD.ERRORT-STATProb.X1X2R-squared99.4692952.5018954-6.58074300.94933613.4725717.38309650.0000.75361471.3759059Mean of dependent var80.00000Adjusted R- squaredS.D. of dependent var19.57890S.E of regression4.997021Sum of squared resid174.7915Durbin-Watson statF - statistics完成以下問題：至少保存三位小數(shù)1 .寫出需求量對消費(fèi)

16、者平均收入、商品價格的線性回歸估計(jì)方程.Y?)？0 ZX1?2x2 =99.46929+2.508195 X1-6.580743 X22 .解釋偏回歸系數(shù)的統(tǒng)計(jì)含義和經(jīng)濟(jì)含義.經(jīng)濟(jì)意義：當(dāng)商品價格保持不變,消費(fèi)者平均收入增加100元,商品需求統(tǒng)計(jì)意義：當(dāng)X2保持不變,Xi增加1個單位,Y平均增加2.50單位；當(dāng)Xi 保持不變,X2增加1個單位,Y平均減少6.58單位.1兀,司品需求平均平均增加250件；當(dāng)消費(fèi)者平均收入不變,商品價格升高 減少658件.3.4 .估計(jì)調(diào)整的可決系數(shù).22 n -110-1R =1-(1-R)=1 -(1-0.949336) =0.934860n -k -110-2-15 .在95%的置信度下對方程整體顯著性進(jìn)行檢驗(yàn).R2/k(1 -R2)/(n -k -1)0.949336/2= 65.582583 >Fo.05,2,7 =4.74(1-0.94933