計(jì)量經(jīng)濟(jì)學(xué)的的復(fù)習(xí)要點(diǎn)1

1、實(shí)用標(biāo)準(zhǔn)文檔計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)要點(diǎn)參考教材：伍德里奇計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論第1章緒論數(shù)據(jù)類型：截面、時(shí)間序列、面板用數(shù)據(jù)度量因果效應(yīng)，其他條件不變的概念習(xí)題： C1、C2第 2 章 簡(jiǎn)單線性回歸回歸分析的基本概念，常用術(shù)語(yǔ)現(xiàn)代意義的回歸是一個(gè)被解釋變量對(duì)若干個(gè)解釋變量依存關(guān)系的研究， 回歸的實(shí)質(zhì)是由固定的解釋變量去估計(jì)被解釋變量的平均值。簡(jiǎn)單線性回歸模型是只有一個(gè)解釋變量的線性回歸模型?；貧w中的四個(gè)重要概念1. 總體回歸模型（ Population Regression Model ，PRM)yt01xtut -代表了總體變量間的真實(shí)關(guān)系。2. 總體回歸函數(shù)（ Population Regression

2、Function ， PRF ）E ( yt )01xt -代表了總體變量間的依存規(guī)律。3.樣本回歸函數(shù)（ Sample Regression Function，SRF ）yt?0 ?1xt et -代表了樣本顯示的變量關(guān)系。4. 樣本回歸模型（ Sample Regression Model ，SRM ）?代表了樣本顯示的變量依存規(guī)律。1 xt -yt0總體回歸模型與樣本回歸模型的主要區(qū)別是：描述的對(duì)象不同。 總體回歸模型描述總體中變量 y 與 x 的相互關(guān)系，而樣本回歸模型描述所關(guān)的樣本中變量y 與 x 的相互關(guān)系。 建立模型的依據(jù)不同。 總體回歸模型是依據(jù)總體全部觀測(cè)資料建立的，樣本回歸

3、模型是依據(jù)樣本觀測(cè)資料建立的。 模型性質(zhì)不同。 總體回歸模型不是隨機(jī)模型，而樣本回歸模型是一個(gè)隨機(jī)模型，它隨樣本的改變而改變。精彩文案實(shí)用標(biāo)準(zhǔn)文檔總體回歸模型與樣本回歸模型的聯(lián)系是：樣本回歸模型是總體回歸模型的一個(gè)估計(jì)式，之所以建立樣本回歸模型，目的是用來估計(jì)總體回歸模型。線性回歸的含義線性：被解釋變量是關(guān)于參數(shù)的線性函數(shù)（可以不是解釋變量的線性函數(shù)）線性回歸模型的基本假設(shè)簡(jiǎn)單線性回歸的基本假定：對(duì)模型和變量的假定、對(duì)隨機(jī)擾動(dòng)項(xiàng) u 的假定（零均值假定、同方差假定、無自相關(guān)假定、隨機(jī)擾動(dòng)與解釋變量不相關(guān)假定、正態(tài)性假定）普通最小二乘法（原理、推導(dǎo)）最小二乘法估計(jì)參數(shù)的原則是以“殘差平方和最小”

4、。n( ?0,?1)：Min?2(Yi Yi)i 1n( X iX )(YiY )?i 1?Y?1n，( X i X )201 Xi 1OLS 的代數(shù)性質(zhì)擬合優(yōu)度 R2離差平方和的分解： TSS=ESS+RSS“擬合優(yōu)度” 是模型對(duì)樣本數(shù)據(jù)的擬合程度。檢驗(yàn)方法是構(gòu)造一個(gè)可以表征擬合程度的指標(biāo) 判定系數(shù)又稱決定系數(shù)。（1） R2SSE SST SSR 1SSR ，表示回歸平方和與總離差平方和之比；反映了樣SSTSSTSST本回歸線對(duì)樣本觀測(cè)值擬合優(yōu)劣程度的一種描述；（2） R20,1 ；（3） 回歸模型中所包含的解釋變量越多，R2 越大！改變度量單位對(duì)OLS統(tǒng)計(jì)量的影響函數(shù)形式（對(duì)數(shù)、半對(duì)數(shù)模型

5、系數(shù)的解釋）?變化一個(gè)單位 Y 的變化（ 1） Yi01 X i ：X?ln X i?%，表示彈性。（ 2） ln Yi01:X變化 1%，Y變化 1?X i ：X 變化一個(gè)單位， Y 變化百分之 100?（ 3） ln Yi011精彩文案實(shí)用標(biāo)準(zhǔn)文檔（ 4）? ? ?：X變化1%，Y變化?%。Yi01 ln X i1OLS 無偏性，無偏性的證明OLS 估計(jì)量的抽樣方差誤差方差的估計(jì)OLS 估計(jì)量的性質(zhì)1 分別為觀測(cè)值 yt 的線性組合。（ 1）線性：是指參數(shù)估計(jì)值0 和（ 2）無偏性：是指 0 和1 的期望值分別是總體參數(shù)0和 1。（ 3）最優(yōu)性（最小方差性） ：是指最小二乘估計(jì)量0 和1

6、在在各種線性無偏估計(jì)中，具有最小方差。高斯 -馬爾可夫定理2OLS 參數(shù)估計(jì)量的概率分布Var (2 )2xiOLS 隨機(jī)誤差項(xiàng) 的方差 2 的估計(jì)22ein2簡(jiǎn)單回歸的高斯馬爾科Y = X?+u夫假定 ?對(duì)零條件均值的理解2 (X'X) -1? 習(xí)題： 4、 5、 6； C2 、 var( ?C3、C4第3章多元回歸分析：估計(jì)1、變量系數(shù)的解釋（剔除、控制其他因素的影響）?Yi01 X 1i2X i 2對(duì)斜率系數(shù) ?1 的解釋：在控制其他解釋變量（X2）不變的條件下， X1 變化一個(gè)單位對(duì)Y的影響；或者，在剔除了其他解釋變量的影響之后，X1 的變化對(duì) Y 的單獨(dú)影響！2、多元線性回歸

7、模型中對(duì)隨機(jī)擾動(dòng)項(xiàng)u 的假定，除了零均值假定、同方差假定、無自相關(guān)假定、隨機(jī)擾動(dòng)與解釋變量不相關(guān)假定、正態(tài)性假定以外，還要求滿足無多重共線性假定。3、多元線性回歸模型參數(shù)的最小二乘估計(jì)式；參數(shù)估計(jì)式的分布性質(zhì)及期望、方差和標(biāo)準(zhǔn)誤差；在基本假定滿足的條件下，多元線性回歸模型最小二乘估計(jì)式是最佳線性無偏估計(jì)式。最小二乘法 (OLS)公式：?(X ' X) -1 X 'Y估計(jì)的回歸模型 :精彩文案實(shí)用標(biāo)準(zhǔn)文檔的方差協(xié)方差矩陣：殘差的方差：估計(jì)的方差協(xié)方差矩陣是：擬合優(yōu)度遺漏變量偏誤多重共線性多重共線性的概念多重共線性的后果多重共線性的檢驗(yàn)多重共線性的處理習(xí)題： 1、2、6、7、8、1

8、0； C2、 C5、 C6s2 = u?'u?nk第 4 章 多元回歸分析：推斷var( ?s2(X'X) -1經(jīng)典線性模型假定正態(tài)抽樣分布變量顯著性檢驗(yàn)， t 檢驗(yàn)檢驗(yàn) 值的其他假設(shè)P 值實(shí)際顯著性與統(tǒng)計(jì)顯著性檢驗(yàn)參數(shù)的一個(gè)線性組合假設(shè)多個(gè)線性約束的檢驗(yàn)： F 檢驗(yàn)理解排除性約束報(bào)告回歸結(jié)果精彩文案實(shí)用標(biāo)準(zhǔn)文檔習(xí)題： 1、2、3、4、6、7、10、 11； C3、C5、 C8第 6 章 多元回歸分析：專題測(cè)度單位對(duì) OLS 統(tǒng)計(jì)量的影響進(jìn)一步理解對(duì)數(shù)模型二次式的模型交互項(xiàng)的模型擬合優(yōu)度修正可決系數(shù)的作用和方法。R2ei2 (n k )n1ei212 (n 1)1k(Yi Y

9、)2(Yi Y )n習(xí)題： 1、3、4、7；C2、C3、C5、 C9、C12第7章虛擬變量虛擬變量的定義如何引入虛擬變量：如果一個(gè)變量分成N 組，引入該變量的虛擬變量形式是只能放入N-1 個(gè)虛擬變量虛擬變量系數(shù)的解釋虛擬變量系數(shù)的解釋：不同組均值的差（基準(zhǔn)組或?qū)φ战M與處理組）以下幾種模型形式表達(dá)的不同含義；1） Yt01 X t2 Dtut ：截距項(xiàng)不同；2） Yt01 X t2 Dt X tut ：斜率不同；3） Yt01 X t2 Dt3 Dt X tut ：截距項(xiàng)與斜率都不同；其中 D 是二值虛擬變量， X 是連續(xù)的變量。虛擬變量陷阱虛擬變量的交互作用習(xí)題： 2、4、9；C2、C3、C6

10、、C7、C11精彩文案實(shí)用標(biāo)準(zhǔn)文檔第 8章異方差異方差的后果異方差穩(wěn)健標(biāo)準(zhǔn)誤BP 檢驗(yàn)異方差的檢驗(yàn)（ White 檢驗(yàn)）加權(quán)最小二乘法習(xí)題： 1、2、3、4；C1、 C2、 C8、 C9精彩文案實(shí)用標(biāo)準(zhǔn)文檔Eviews 回歸結(jié)果界面解釋表英文名稱中文名稱常用計(jì)算公式常用相互關(guān)系和判斷準(zhǔn)則VariableCoefficientSta.Errort-statistic變量系數(shù)標(biāo)準(zhǔn)差T 檢驗(yàn)統(tǒng)計(jì)量t/ se()一般是絕對(duì)值越小越好絕對(duì)值大于2 時(shí)可粗略判斷系數(shù)通過 t 檢驗(yàn)ProbP 值小于給定顯著水平時(shí)T統(tǒng)計(jì)量的 P值系數(shù)通過 t 檢驗(yàn)R squaredR2R2ESS / TSS 1 RSS/ T

11、SSAjusted R squaredR2R21RSS/(nk1)R21 (1 R2)n1TSS/(n1)nk1S.E. of regressionei2RSS擾動(dòng)項(xiàng)標(biāo)準(zhǔn)差Sum squared resid殘差平方和Log likelihood似然函數(shù)對(duì)數(shù)值nknkRSSei2Durbin-Watson statd 2(1 )DW 統(tǒng)計(jì)量MeandependentYi應(yīng)變量樣本均值YvarnS.D. dependent var12TSS應(yīng)變量樣本標(biāo)準(zhǔn)YiYn 1n 1差A(yù)kaikeinfo一般是越小越好AIC 準(zhǔn)則criterion精彩文案實(shí)用標(biāo)準(zhǔn)文檔Schwarz criterion一般是越

12、小越好SC 準(zhǔn)則F-statisticFESS/ kR2 / kF 統(tǒng)計(jì)量RSS/( n k 1)F(1 R2 ) /( n k 1)Prob(F-statistic)P 值小于給定顯著水平時(shí)F統(tǒng)計(jì)量的 P值模型通過 F 檢驗(yàn)精彩文案實(shí)用標(biāo)準(zhǔn)文檔計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)題第 1 章習(xí)題： C1、C2第 2 章習(xí)題： 4、5、6；C2、C3、C4第 3 章習(xí)題： 1、2、6、7、8、10； C2、 C5、 C6第 4 章習(xí)題： 1、2、3、4、6、7、 10、 11；C3、C5、C8第 6 章習(xí)題： 1、3、4、7；C2、C3、C5、C9、C12第 7 章習(xí)題： 2、4、9；C2、C3、 C6、 C7、

13、C11第 8 章習(xí)題： 1、2、3、4；C1、C2、C8、C91、判斷下列表達(dá)式是否正確yi01 xi ,?01 xi ,yiE( yixi )0E( yixi )0E( yixi )?0yi01 xi?01 xiyiyi?01 xiyi?01 xi?01 xiyii1,2, ni1,2,n1xii ,i1,2,n1xi ,i1,2,n?1xi ,i1,2, ni ,i1, 2, ni ,i1, 2, ni ,i1, 2, n?i ,i1, 2, n?i ,i1, 2, n2、給定一元線性回歸模型：Yt01 X ttt1,2, n（1）敘述模型的基本假定；精彩文案實(shí)用標(biāo)準(zhǔn)文檔（2）寫出參數(shù)0

14、和1 的最小二乘估計(jì)公式；（3）說明滿足基本假定的最小二乘估計(jì)量的統(tǒng)計(jì)性質(zhì)；（4）寫出隨機(jī)擾動(dòng)項(xiàng)方差的無偏估計(jì)公式。3、對(duì)于多元線性計(jì)量經(jīng)濟(jì)學(xué)模型：Yt12 X 2t3 X 3tk X kttt1，2， ， n（1）該模型的矩陣形式及各矩陣的含義；（2）對(duì)應(yīng)的樣本線性回歸模型的矩陣形式；（3）模型的最小二乘參數(shù)估計(jì)量。4、根據(jù)美國(guó) 1961 年第一季度至 1977 年第二季度的數(shù)據(jù)，我們得到了如下的咖啡需求函數(shù)的回歸方程：?1.27890.1647 ln Pt 0.5115 ln I t0.1483 ln'0.0089T0.0961 D1t0.157 D 2t 0.0097 D3tln

15、 QtPt(-2.14)(1.23) (0.55)(-3.36)(-3.74)(-6.03)(-0.37)R2 0.80其中， Q=人均咖啡消費(fèi)量（單位：磅） ；P=咖啡的價(jià)格（以 1967 年價(jià)格為不變價(jià)格）；I= 人均可支配收入（單位：千元，以 1967 年價(jià)格為不變價(jià)格）； P ' =茶的價(jià)格（1/4 磅，以 1967 年價(jià)格為不變價(jià)格）；T=時(shí)間趨勢(shì)變量（ 1961 年第一季度為1， ， 1977 年第二季度為 66）；D1=1：第一季度； D2=1：第二季度； D3=1：第三季度。請(qǐng)回答以下問題： 模型中 P、I 和 P ' 的系數(shù)的經(jīng)濟(jì)含義是什么？ 咖啡的需求是否很

16、有彈性？ 咖啡和茶是互補(bǔ)品還是替代品？ 你如何解釋時(shí)間變量T 的系數(shù)？ 你如何解釋模型中虛擬變量的作用？ 哪一個(gè)虛擬變量在統(tǒng)計(jì)上是顯著的？ 咖啡的需求是否存在季節(jié)效應(yīng)？5、為研究體重與身高的關(guān)系，我們隨機(jī)抽樣調(diào)查了51 名學(xué)生（其中 36 名男生，15 名女生），并得到如下兩種回歸模型：精彩文案實(shí)用標(biāo)準(zhǔn)文檔?232.06551 5.5662h（5.1 ）Wt=(-5.2066) (8.6246)?122.962123.8238D3.7402h(5.2)Wt=(-2.5884)(4.0149) (5.1613)其中， W(weight)= 體重 （單位：磅）；h(height)=身高 （單位：英

17、寸）1男生D女生0請(qǐng)回答以下問題： 你將選擇哪一個(gè)模型？為什么？ 如果模型（ 5.2 ）確實(shí)更好，而你選擇了（5.1 ），你犯了什么錯(cuò)誤？ D 的系數(shù)說明了什么？6、簡(jiǎn)述異方差對(duì)下列各項(xiàng)有何影響： （1）OLS 估計(jì)量及其方差；（2）置信區(qū)間；（ 3）顯著性 t 檢驗(yàn)和 F 檢驗(yàn)的使用。 (4)預(yù)測(cè)。7、假設(shè)某研究者基于100 組三年級(jí)的班級(jí)規(guī)模（CS）和平均測(cè)試成績(jī)（TestScore）數(shù)據(jù)估計(jì)的 OLS 回歸為：TestScore 520.4 5.82CS, R20.08, SER11.5(20.4)(2.21)（1） 若某班級(jí)有 22 個(gè)學(xué)生，則班級(jí)平均測(cè)試成績(jī)的回歸預(yù)測(cè)值是多少？（2）

18、 某班去年有 19 個(gè)學(xué)生，而今年有23 個(gè)學(xué)生，則班級(jí)平均測(cè)試成績(jī)變化的回歸預(yù)測(cè)值是多少？（3） 100 個(gè)班級(jí)的樣本平均班級(jí)規(guī)模為21.4，則這 100 個(gè)班級(jí)的樣本平均測(cè)試成績(jī)是多少？R2 和 SER（4） 100 個(gè)班級(jí)的測(cè)試成績(jī)樣本標(biāo)準(zhǔn)差是多少？（提示：利用的公式）（5） 求關(guān)于 CS 的回歸斜率系數(shù)的95%置信區(qū)間。（6） 計(jì)算 t 統(tǒng)計(jì)量，根據(jù)經(jīng)驗(yàn)法則（ t=2）來判斷顯著性檢驗(yàn)的結(jié)果。8、設(shè)從總體中抽取一容量為200 的 20 歲男性隨機(jī)樣本，記錄他們的身高和體重。得體重對(duì)身高的回歸為：W eight99.413.94Height ,R20.81, SER10.2(2.15)(

19、0.31)精彩文案實(shí)用標(biāo)準(zhǔn)文檔其中體重的單位是英鎊，身高的單位是英寸。（1） 身高為 70 英寸的人，其體重的回歸預(yù)測(cè)值是多少？65 英寸的呢？ 74英寸的呢？（2） 某人發(fā)育較晚，一年里躥高了1.5 英寸。則根據(jù)回歸預(yù)測(cè)體重增加多少？（3） 解釋系數(shù)值 -99.41 和 3.94 的含義。（4） 假定不用英鎊和英寸度量體重和身高而分別用厘米和千克，則這個(gè)新的厘米 -千克回歸估計(jì)是什么？給出所有結(jié)果，包括回歸系數(shù)估計(jì)值， R2 和 SER。（5） 基于回歸方程，能對(duì)一個(gè) 3 歲小孩的體重（假設(shè)身高 1 米）作出可靠預(yù)測(cè)嗎？9、假設(shè)某研究使用250 名男性和 280 名女性工人的工資（ Wage

20、）數(shù)據(jù)估計(jì)出如下 OLS 回歸：WA GE 12.52 2.12 Male， R 20.06， SER 4.2（標(biāo)準(zhǔn)誤）（ 0.23）（0.36）其中 WAGE 的單位是美元 /小時(shí)， Male 為男性 =1，女性 =0 的虛擬變量。用男性和女性的平均收入之差定義工資的性別差距。（1）性別差距的估計(jì)值是多少？（2）計(jì)算截距項(xiàng)和 Male 系數(shù)的 t 統(tǒng)計(jì)量，估計(jì)出的性別差距統(tǒng)計(jì)顯著不為0 嗎？（ 5%顯著水平的 t 統(tǒng)計(jì)量臨界值為1.96）（3）樣本中女性的平均工資是多少？男性的呢？（4）對(duì)本回歸的R2 你有什么評(píng)論，它告訴了你什么，沒有告訴你什么？這個(gè)很小的 R2 可否說明這個(gè)回歸模型沒有什

21、么價(jià)值？（5）另一個(gè)研究者利用相同的數(shù)據(jù)，但建立了WAGE 對(duì) Female的回歸，其中 Female為女性 =1，男性 =0 的變量。由此計(jì)算出的回歸估計(jì)是什么？WAGE_ _ Female， R2_SER, _10、基于美國(guó) CPS人口調(diào)查 1998 年的數(shù)據(jù)得到平均小時(shí)收入對(duì)性別、 教育和其他特征的回歸結(jié)果， 見下表。該數(shù)據(jù)集是由 4000 名全年工作的全職工人數(shù)據(jù)組成的。其中： AHE=平均小時(shí)收入； College= 二元變量（大學(xué)取 1，高中取 0）；Female女性取 1，男性取 0；Age=年齡（年）；Northeast 居于東北取 1，否則為 0；Midwest居于中西取 1

22、，否則為 0；South 居于南部取 1，否則為 0；West 居于西部取 1，否則取 0。精彩文案實(shí)用標(biāo)準(zhǔn)文檔表 1：基于 2004 年 CPS數(shù)據(jù)得到的平均小時(shí)收入對(duì)年齡、性別、教育、地區(qū)的回歸結(jié)果因變量： AHE(1)(2)(3)回歸變量College(X1 ）5.465.485.44(0.21)(0.21)（ 0.21）Female(X2)-2.64-2.62-2.62(0.20)(0.20)(0.20)Age(X3)0.290.29(0.04)(0.04)Northeast(X4)0.69(0.30)Midwest(X5)0.60(0.28)South(X6)-0.27(0.26)截

23、距12.694.403.75(0.14)（ 1.05)(1.06)概括統(tǒng)計(jì)量和聯(lián)合檢驗(yàn)地區(qū)效應(yīng) =0 的F統(tǒng)計(jì)6.10量注： F(3,）分布， 1%顯著水平的臨界值為： 3.78SER6.276.226.21R20.1760.1900.194N400040004000注：括號(hào)中是標(biāo)準(zhǔn)誤。（ 1）計(jì)算每個(gè)回歸的調(diào)整 R2 。（ 2）利用表 1 中列（ 1）的回歸結(jié)果回答：大學(xué)畢業(yè)的工人平均比高中畢業(yè)的工人掙得多嗎？多多少？這個(gè)差距在 5%顯著性水平下統(tǒng)計(jì)顯著嗎？男性平均比女性掙的多嗎？多多少？這個(gè)差距在 5%顯著性水平下統(tǒng)計(jì)顯著嗎？（ 3）年齡是收入的重要決定因素嗎？請(qǐng)解釋。使用適當(dāng)?shù)慕y(tǒng)計(jì)檢驗(yàn)來

24、回答。（ 4） Sally 是 29 歲女性大學(xué)畢業(yè)生， Betsy 是 34 歲女性大學(xué)畢業(yè)生，預(yù)測(cè)她們的收入。（ 5）用列（ 3）的回歸結(jié)果回答：地區(qū)間平均收入存在顯著差距嗎？利用適當(dāng)?shù)募僭O(shè)檢驗(yàn)解釋你的答案。（ 6）為什么在回歸中省略了回歸變量 West？如果加上會(huì)怎樣。解釋 3 個(gè)地區(qū)回歸變量的系數(shù)的經(jīng)濟(jì)含義。(7)Juantia是南部 28 歲女性大學(xué)畢業(yè)生， Jennifer是中西部 28 歲女性大學(xué)畢業(yè)生，計(jì)算她們收入的期望差距精彩文案實(shí)用標(biāo)準(zhǔn)文檔計(jì)量經(jīng)濟(jì)學(xué)補(bǔ)充復(fù)習(xí)題一、填空題1、 計(jì)量經(jīng)濟(jì)學(xué) 常用的三類樣本數(shù)據(jù)是_、 _和 _。2、虛擬解釋變量不同的引入方式產(chǎn)生不同的作用。若要描

25、述各種類型的模型在截距水平的差異，則以引入虛擬解釋變量；若要反映各種類型的模型的不同相對(duì)變化率時(shí)，則以引入虛擬解釋變量。二、選擇題1、參數(shù)的估計(jì)量 ?具備有效性是指【】AVar(?)=0BVar(?) 為最小C( ? )0D ( ? )為最小、產(chǎn)量（x，臺(tái)）與單位產(chǎn)品成本（， 元 臺(tái)）之間的回歸方程為? 3561.5x，這說明2y/y【】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3、在總體回歸直線 E( y)01 x中，1表示【】?A當(dāng) x 增加一個(gè)

26、單位時(shí)，y 增加1 個(gè)單位B 當(dāng) x 增加一個(gè)單位時(shí)，y 平均增加1 個(gè)單位C 當(dāng) y 增加一個(gè)單位時(shí)，x 增加1 個(gè)單位D 當(dāng) y 增加一個(gè)單位時(shí)，x 平均增加1 個(gè)單位4、以 y 表示實(shí)際觀測(cè)值，y?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【】A( yi? 0B( yi?)2 0yi )yiC?為最小D?2為最小( yiyi )( yiyi )精彩文案實(shí)用標(biāo)準(zhǔn)文檔、設(shè)y表示實(shí)際觀測(cè)值，?表示OLS回歸估計(jì)值，則下列哪項(xiàng)成立【】5yAyyy?=yB ?=CyDyy?=y?=6、用普通最小二乘法估計(jì)經(jīng)典線性模型yt01 xtut，則樣本回歸線通過點(diǎn)【】A（x，）B(x，?yy )C

27、(x ，?D(x，y )y )7、判定系數(shù) R 2 的取值范圍是【】AR2 1BR21C0R21D1 R218、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，正確的是【】A TSS>RSS+ESSB TSS=RSS+ESSC TSS<RSS+ESSD TSS222=RSS +ESS9、決定系數(shù) R 2 是指【】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10、如果兩個(gè)經(jīng)濟(jì)變量x 與 y 間的關(guān)系近似地表現(xiàn)為當(dāng)x 發(fā)生一個(gè)絕對(duì)量變動(dòng)（x）時(shí)， y有一個(gè)固定地相對(duì)量（y/

28、y ）變動(dòng)，則適宜配合地回歸模型是【】A yi01 xiuiB ln yi01 xiuiC yi1uiD ln yi1 ln xiui01 xi011、下列哪個(gè)模型為常數(shù)彈性模型【】A ln yiln 01 ln xiuiBln yiln 01 xiuiC yiln xiuiDyi1ui0101 xi12、模型 yi01 ln xiui 中， y 關(guān)于 x 的彈性為【】精彩文案實(shí)用標(biāo)準(zhǔn)文檔A1B1 xiC1D 1 yixiyi13、模型 ln yi ln 01 ln xiui 中， 1的實(shí)際含義是【】Ax 關(guān)于 y 的彈性By 關(guān)于 x 的彈性Cx 關(guān)于 y 的邊際傾向Dy 關(guān)于 x 的邊際傾

29、向14、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15、加權(quán)最小二乘法克服異方差的主要原理是通過賦予不同觀測(cè)點(diǎn)以不同的權(quán)數(shù)，從而提高估計(jì)精度，即【】A 重視大誤差的作用，輕視小誤差的作用B 重視小誤差的作用，輕視大誤差的作用C 重視小誤差和大誤差的作用D 輕視小誤差和大誤差的作用16、容易產(chǎn)生異方差的數(shù)據(jù)是【】A 時(shí)間序列數(shù)據(jù)B 修勻數(shù)據(jù)C 橫截面數(shù)據(jù)D 年度數(shù)據(jù)17、設(shè)回歸模型為yixi ui ，其中 var( ui )=2 xi2，則 的最小二乘估計(jì)量為【】A. 無偏且有效B 無偏但非有效C 有偏但有效D 有偏且非有

30、效18、如果模型 ytb0b1 xtut 存在序列相關(guān)，則【】Acov（ xt ， ut） =0B cov （ ut ， us ）=0 （ t s）Ccov（ xt ， ut） 0D cov （ ut ， us ） 0（ t s）19、下列哪種形式的序列相關(guān)可用DW 統(tǒng)計(jì)量來檢驗(yàn)（vi 為具有零均值，常數(shù)方差，且不存在序列相關(guān)的隨機(jī)變量）【】A utut 1vtB utut 12 ut 2vtC utvtD utvt2 vt 1精彩文案實(shí)用標(biāo)準(zhǔn)文檔20、 DW 的取值范圍是【】A1DW0B1DW1C2DW2D0DW421、當(dāng) DW 4 是時(shí)，說明【】A 不存在序列相關(guān)B 不能判斷是否存在一階自

31、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)22、模型中引入一個(gè)無關(guān)的解釋變量【】A 對(duì)模型參數(shù)估計(jì)量的性質(zhì)不產(chǎn)生任何影響B(tài) 導(dǎo)致普通最小二乘估計(jì)量有偏C 導(dǎo)致普通最小二乘估計(jì)量精度下降D 導(dǎo)致普通最小二乘估計(jì)量有偏，同時(shí)精度下降23、如果方差膨脹因子VIF 10，則認(rèn)為什么問題是嚴(yán)重的【】A 異方差問題B 序列相關(guān)問題C 多重共線性問題D 解釋變量與隨機(jī)項(xiàng)的相關(guān)性24、某商品需求函數(shù)為yib0b1xiui ，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，則應(yīng)引入虛擬變量的個(gè)數(shù)為【】A2B4C5D62

32、5、根據(jù)樣本資料建立某消費(fèi)函數(shù)如下：?=100.50+55.35Dt +0.45 xt ，其中 C 為消費(fèi)， xCt1 城鎮(zhèn)家庭為收入，虛擬變量 D ，所有參數(shù)均檢驗(yàn)顯著， 則城鎮(zhèn)家庭的消費(fèi)函數(shù)為【】0 農(nóng)村家庭A?xtB?Ct =155.85+0.45Ct =100.50+0.45 xtC?D?Ct =100.50+55.35 xtCt =100.95+55.35 xt26、假設(shè)某需求函數(shù)為yib0 b1 xi ui ，為了考慮“季節(jié)”因素（春、夏、秋、冬四個(gè)不同的狀態(tài)），引入 4 個(gè)虛擬變量形式形成截距變動(dòng)模型，則模型的【】A 參數(shù)估計(jì)量將達(dá)到最大精度B 參數(shù)估計(jì)量是有偏估計(jì)量C 參數(shù)估計(jì)

33、量是非一致估計(jì)量D 參數(shù)將無法估計(jì)27、對(duì)于模型 yib0b1 xiui ，為了考慮“地區(qū)”因素（北方、南方），引入 2 個(gè)虛擬變精彩文案實(shí)用標(biāo)準(zhǔn)文檔量形式形成截距變動(dòng)模型，則會(huì)產(chǎn)生【】A 序列的完全相關(guān)B 序列不完全相關(guān)C 完全多重共線性D 不完全多重共線性28、如果一個(gè)回歸模型中不包含截距項(xiàng)，對(duì)一個(gè)具有m個(gè)特征的質(zhì)的因素要引入虛擬變量的數(shù)目為【】A mB m-1C m-2D m+129、某一時(shí)間序列經(jīng)一次差分變換成平穩(wěn)時(shí)間序列，此時(shí)間序列稱為（）。A1 階單整B2 階單整C K 階單整D以上答案均不正確30、當(dāng)隨機(jī)誤差項(xiàng)存在自相關(guān)時(shí)，進(jìn)行單位根檢驗(yàn)是由（）來實(shí)現(xiàn)。A . DF 檢驗(yàn)BADF

34、 檢驗(yàn)C EG 檢驗(yàn)D DW 檢驗(yàn)三、多項(xiàng)選擇題：1、一元線性回歸模型yt01 xtut 的經(jīng)典假設(shè)包括【】AE(ut )0B Var (ut )2 （常數(shù)）Ccov(ui , u j )0Dut N(0， 1)E x 為非隨機(jī)變量，且 cov(xt , ut ) 02、以帶“”表示估計(jì)值，u 表示隨機(jī)誤差項(xiàng)，如果y 與 x 為線性相關(guān)關(guān)系，則下列哪些是正確的【】A yt01 xtB yt01xtut?C yt01 xtut01xtutD ytE?01 xtyt3、用普通最小二乘法估計(jì)模型yt0 1 xt ut 的參數(shù)，要使參數(shù)估計(jì)量具備最佳線性無偏估計(jì)性質(zhì)，則要求： 【】AE(ut )0B Var (ut )2（常數(shù)）Ccov(ui, u j )0D ut