計(jì)量經(jīng)濟(jì)學(xué)課后習(xí)題答案

1、計(jì)量經(jīng)濟(jì)學(xué)練習(xí)題第一章與論一、單項(xiàng)選擇題L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).橫截面數(shù)據(jù)是指【A】A同一時(shí)點(diǎn)上不同統(tǒng)計(jì)單位相同統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)B同一時(shí)點(diǎn)上相同統(tǒng)計(jì)單位相同統(tǒng)計(jì)指標(biāo)組成的數(shù)據(jù)C同一時(shí)點(diǎn)上相同統(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).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.同一統(tǒng)計(jì)指標(biāo)按時(shí)間順序記錄

2、的數(shù)據(jù)列稱為BA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).回歸分析中定義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L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)問題進(jìn)行定量實(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。.現(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)立方程絹模型，時(shí)間序列介析三大支柱。.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）陳述、建立計(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)

3、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、簡答題L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)行數(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，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

4、之處。例如，統(tǒng)計(jì)學(xué)也通過對(duì)經(jīng)濟(jì)數(shù)據(jù)的處理分析，得出經(jīng)濟(jì)問題的數(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)行經(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)行判斷和檢驗(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。反過來，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)容和主要基礎(chǔ)之一。計(jì)量經(jīng)濟(jì)學(xué)與統(tǒng)計(jì)學(xué)的根本區(qū)別在于，計(jì)量經(jīng)濟(jì)學(xué)是問題導(dǎo)向和以經(jīng)濟(jì)模型為核心的，而統(tǒng)計(jì)學(xué)則是以經(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)問題出發(fā)，先建立經(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基礎(chǔ)和出發(fā)點(diǎn)；典型的統(tǒng)計(jì)

5、學(xué)研究則并不一定需要從具體明確的問題出發(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)理論或模型作為基礎(chǔ)和出發(fā)點(diǎn)，常常是通過對(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)不僅是通過數(shù)據(jù)處理和分析獲得經(jīng)濟(jì)問題的一些數(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)問題作深刻剖析。經(jīng)過計(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?、研究和預(yù)測(cè)更廣泛的經(jīng)濟(jì)問題起重要作用。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)行計(jì)量經(jīng)濟(jì)分析的過程，也是對(duì)經(jīng)濟(jì)理論證實(shí)或證偽的過程。這些是以處理數(shù)

6、也是計(jì)量經(jīng)濟(jì)學(xué)與統(tǒng)計(jì)學(xué)的據(jù)為主，與經(jīng)濟(jì)理論關(guān)系比較松散統(tǒng)計(jì)學(xué)研究不能比擬的功能，區(qū)別。.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)是通過對(duì)經(jīng)濟(jì)變量進(jìn)行觀測(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，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。.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

7、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1.表示x與y之間真實(shí)線性關(guān)系的是【C】 TOC o 1-5 h z Ay?t?0?1xtBE（yt）01xtCyt01xttDyt01xt?的估計(jì)量?具備有效性是指【B】AVar(?)=0BVar(?)為最小C(?)=0D(?)為最小3.產(chǎn)量（x,臺(tái)）與單位產(chǎn)品成本（

8、y,元/臺(tái)）之間的回歸方程為？=3561.5x,這說明B】 TOC o 1-5 h z 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.對(duì)回歸模型yt01xtt進(jìn)行統(tǒng)計(jì)檢驗(yàn)時(shí)，通常假定t服從【C】2AN(0，i2)Bt(n-2)CN(0，2)Dt(n).以y表示實(shí)際觀測(cè)值，？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【D】a(yiyi)=0B(y?)2=0C(yiy?i)為最小D(yiy?i)2為最小.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)

9、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，則適宜配合下面哪一模型形式?(D)A.Y=我+3Xi+uB.lnYi=加+3Xi+乩C.Y=+3lnXi+促D.lnYi=+削nXi+乩7.下列各回歸方程中，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=-0.96&已知某一直線回歸方程的判定系數(shù)為0.81,則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.0.329.對(duì)于線性回歸模型Y=30+3iXi+科i,要使普通最

10、小二乘估計(jì)量具備無偏性，則模型必須滿足(A)A.Egi)=0B.Vargi)=(r2C.Cov(wi,科j)=0D.科i服從正態(tài)分布10用一組有30個(gè)觀測(cè)值的樣本估計(jì)模型yt01xtut,在0.05的顯著性水平下對(duì)1的顯著性作t檢驗(yàn)，則1顯著地不等于零的條件是其統(tǒng)計(jì)量t大于【D】At0.05(30)Bt0.025(30)Ct0.05(28)Dt0.025(28)U.某一特定的x水平上，總體y分布的離散度越大，即2越大，則【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.對(duì)于總體平方和TSS回歸平方和RS序口殘差平方和ESS的相互關(guān)系

11、，正確的是BA TSSRSS+ESSC TSSRSS+ESSB TSS=RSS+ESSd tsS! =rsW +esW.對(duì)于隨機(jī)誤差項(xiàng)ei,Var（i）=E（2）=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)誤差都有相同的方差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L隨機(jī)誤差項(xiàng)ei與殘差項(xiàng)ei是一回事。（X）.對(duì)兩變量回歸模型，假定誤差項(xiàng)ei服從正態(tài)分布。（V） TOC o 1-5 h z .線性回歸模型意味著因變量是自變量的線性函數(shù)。（V）.在線性回歸模型中，解釋變量是原因，被解釋變量是結(jié)果。（V）.在實(shí)際中，兩變量回歸沒什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個(gè)解釋變量來

12、解釋。（X）三、填空題L在計(jì)量經(jīng)濟(jì)模型中引入誤差項(xiàng)匕是因?yàn)榻?jīng)濟(jì)變量關(guān)系一般是隨機(jī)函數(shù)關(guān)系。.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)。.SST反映樣本觀測(cè)值總體離差的大?。籗SR反映由模型中解釋變量所解釋的那部分離差的大??；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部分離差的大小。.擬合優(yōu)度（判定系數(shù)）R2ESS1RSS。它是由回歸引起的離差占總體離差TSSTSS2的比重。若擬合優(yōu)度則回歸直線擬合越好；反之，若擬合優(yōu)度R2越趨近于_0,則回歸直線擬合越差。2.在兩變量回歸中，S2_一e一是2的無偏估計(jì)。n2四、簡答題L什么是隨

13、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；通過殘差對(duì)誤差項(xiàng)的方差進(jìn)行估計(jì)。.決定系數(shù)R2說明了什么？它與相關(guān)系數(shù)的區(qū)別和聯(lián)系是什么?P53和P56.最小二乘估計(jì)具有什么性質(zhì)？P37線性、無偏性和有效性(或最小方差性).在回歸模型的基本假定中，Et0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)多次重復(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L決

14、定系數(shù)R2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.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,則調(diào)整后的決定系數(shù)為【D】A0.8603B0.8389C0.8655D0.8327.對(duì)于y0iXii2X2ikXkii，檢驗(yàn)H0：i0(i0,1,k)時(shí)，所用b的統(tǒng)計(jì)量t一二服從【A】s?biA t(n-k-1)B t(n-k-2)C t(n-k+1)D t(n-k+2).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【A R2R2C R2_ 21 (1 R2

15、)R21 (1R2)- n.用一組有30個(gè)觀測(cè)值的樣本估計(jì)模型yi1 Xii2X2ii后，在0.05的顯著性水平下對(duì)1的顯著性作t檢驗(yàn)，則1顯著地不等于零的條件是其統(tǒng)計(jì)量大于等于【A t0.05 ( 30)B t0.025 ( 28)C to.025 ( 27)D F0.025 ( 1 ， 28)6.對(duì)模型Y=30+31X1i+32X2i+科i進(jìn)行總體顯著性F檢驗(yàn)，檢驗(yàn)的零假設(shè)是（AA.31=32=0B.31=0C.32=0D.30=0或31=07.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L在多元回歸模型的檢驗(yàn)中，判定系數(shù)R2一

16、定大于調(diào)整的R2。（V）.在EVIEWS中，genr命令是生成新的變量。（V）.在EVIEWS中，建立非線性模型的方法只有將非線性模型線性化的方法。（X）三、填空題.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。R2.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：FJ。1R2nk12e.有k個(gè)解釋變量的多元回歸模型的誤差項(xiàng)方差b2的無偏估計(jì)是S2。nk1.在總體參數(shù)的各種線性無偏估計(jì)中，最小二乘估計(jì)量具有最小方差的特性。四、簡答題.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

17、有關(guān)，而與解釋變量無直接關(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。.回歸模型的總體顯著性檢驗(yàn)與參數(shù)顯著性檢驗(yàn)相同嗎？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

18、要進(jìn)行模型總體顯著性，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)行總體顯著性檢驗(yàn)。第四章異方差性一、單項(xiàng)選擇題L下列哪種方法不是檢驗(yàn)異方差的方法【D】A戈德菲爾特一一夸特檢驗(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).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.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】A重視方差較小樣本的信

19、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.如果戈里瑟檢驗(yàn)表明，普通最小二乘估計(jì)結(jié)果的殘差ei與xi有顯著的形式為|e|0.28715Xii的相關(guān)關(guān)系（i滿足線性模型的全部經(jīng)典假設(shè)），則用加權(quán)最小二乘法估計(jì)模型參數(shù)時(shí)，權(quán)數(shù)應(yīng)為【C】 TOC o 1-5 h z HYPERLINK l bookmark24 o Current Document 111AXiBCDXiXi.Xi戈如果戈德菲爾特一一夸特檢驗(yàn)顯著，則認(rèn)為什么問題是嚴(yán)重的【A】A異方差問題B序列相關(guān)問題C多重共線性問題6.容易產(chǎn)生異方差

20、的數(shù)據(jù)是【D設(shè)定誤差問題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)7.若回歸模型中的隨機(jī)誤差項(xiàng)存在異方差性，則估計(jì)模型參數(shù)應(yīng)采用【B】A普通最小二乘法C廣義差分法B加權(quán)最小二乘法D工具變量法&假設(shè)回歸模型為yXi-其中var（i）=2x2,則使用加權(quán)最小二乘法估計(jì)模型時(shí)，應(yīng)將模型變換為【C】.Xu2X9.設(shè)回歸模型為y22Xii,其中var（i尸Xi,則？的最小二乘估計(jì)量為BA.無偏且有效C有偏但有效三、判斷題B無偏但非有效D有偏且非有效L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。（X）.在異方差情況下，通常預(yù)測(cè)失效。（V）.在異方差情況下，通常OLS估計(jì)一定高估了估計(jì)量的

21、標(biāo)準(zhǔn)差。（X）.如果OLS回歸的殘差表現(xiàn)出系統(tǒng)性，則說明數(shù)據(jù)中有異方差性。（X）.如果回歸模型遺漏一個(gè)重要的變量，則OLS殘差必定表現(xiàn)出明顯的趨勢(shì)。（V）.當(dāng)異方差出現(xiàn)時(shí)，常用的t檢驗(yàn)和F檢驗(yàn)失效。（V）.用截面數(shù)據(jù)建立模型時(shí)，通常比時(shí)間序列資料更容易產(chǎn)生異方差性。（V）四、簡答題L什么是異方差性？試舉例說明經(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varq2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varut：有可能隨t變化，這時(shí)候稱線性回歸模型存在“異方差”或“異方舉例P162經(jīng)濟(jì)中不同收入家庭消費(fèi)

22、的分散度。.如何發(fā)現(xiàn)和判斷線性回歸模型是否存在異方差問題?P166P174.克服和處理異方差問題有哪些方法？P174P180第五章自相關(guān)性一、單項(xiàng)選擇題ytb0b1xtt存在序列相關(guān)，則【DAcov（xt，t）=0Ccov（xt，t）?0Bcov（tDcov（DW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)）s）=0（t?s）s）?0（t?s）【B】ADW=0B?=0.DW的取值范圍是【D】A1?DW?0C2?DW?2.當(dāng)DW=4是時(shí)，說明【D】A不存在序列相關(guān)C存在完全的正的一階自相關(guān)CDW=1D?=1B1?DW?1D0?DW?4B不能判斷是否存在一階自相關(guān)D存在完全的負(fù)的一階自相關(guān)B 存在正

23、的一階自相關(guān)D 無法確定5.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dL=l,dU=1.41,則可以判斷【A】A不存在一階自相關(guān)C存在負(fù)的一階自相關(guān).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.采用一階差分模型克服一階線性自相關(guān)問題使用于下列哪種情況【B】A?0B?1C1?0D0?1&假定某企業(yè)的生產(chǎn)決策是由模型Stb0blput描述的(其中St為產(chǎn)量，Pt為價(jià)格)，又知：如果該企業(yè)在t-1期生產(chǎn)過剩，經(jīng)濟(jì)人員會(huì)削減t期的產(chǎn)量。由此判斷上述模型

24、存在【B】A異方差問題B序列相關(guān)問題C多重共線性問題D隨機(jī)解釋變量問題.根據(jù)一個(gè)n=30的樣本估計(jì)yi?Q?1xiei后計(jì)算得DW=1.4,已知在5%得的置信度下，dL=1.35,du=1.49,則認(rèn)為原模型BA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).對(duì)于模型yi?)?x3,以？表示et與eti之間的線性相關(guān)系數(shù)(t=1,2,?,n), TOC o 1-5 h z 則下面明顯錯(cuò)誤的是【B】A?=0.8，DW=0.4B?=0.8，DW=0.4C?=0，DW=2D?=1，DW=0.已知DW統(tǒng)計(jì)量的彳1接近于2,則樣本回歸模型殘差的一階自

25、相關(guān)系數(shù)？近似等于【A】A0B-1C1D0.5.已知樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于-1,則DW統(tǒng)計(jì)量近似等于【D】A0?B1?C2?D4.戈德菲爾德一夸特檢驗(yàn)法可用于檢驗(yàn)AA異方差性B多重共線性?C序列相關(guān)D設(shè)定誤差.在給定的顯著性水平之下，若DW統(tǒng)計(jì)量的下和上臨界值分別為dL和du,則當(dāng)dLDWdu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 TOC o 1-5 h z L當(dāng)模型存在高階自相關(guān)時(shí)，可用D-W法進(jìn)行自相關(guān)檢驗(yàn)。（X）.DW值在0和4之間，數(shù)值越小說明正相關(guān)程度越大，數(shù)值越大說明負(fù)相關(guān)程度

26、越大。（V）.假設(shè)模型存在一階自相關(guān)，其他條件均滿足，則仍用OLSt估計(jì)未知參數(shù)，得到的估計(jì)量是無偏的，不再是有效的，顯著性檢驗(yàn)失效，預(yù)測(cè)失效。（V）.當(dāng)存在自相關(guān)時(shí)，OLS古計(jì)量是有偏的，而且也是無效的。（X）.消除自相關(guān)的一階差分變換假定自相關(guān)系數(shù)必須等于1。（X）.發(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消除自相關(guān)。（X）四、簡答題.自相性對(duì)線性回歸分析有什么影響？P196P198.發(fā)現(xiàn)和檢驗(yàn)自相關(guān)性有哪些方法？P198P2088.克服自相關(guān)性有哪些方法？P208P215第六章多重共線性一、單項(xiàng)選擇題L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無偏性C有效性D

27、一致性VIF.經(jīng)驗(yàn)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【C】A大于1B小于1C大于10D小于5.如果方差膨脹因子VIF=10,則認(rèn)為什么問題是嚴(yán)重的【C】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.在多元線性回歸模型中，若某個(gè)解釋變量對(duì)其余解釋變量的判定系數(shù)接近于型中存在AA多重共線性？B異方差性？C序列相關(guān)？D高擬合優(yōu)度.在線性回歸模型中，若解釋變量X/口X2的觀測(cè)值成比例，即有X1ikX2i,其中k為非零常數(shù)，則表明模型中存在【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(X ).盡管有完全的多重共線性，OLS古計(jì)

28、量仍然是最優(yōu)線性無偏估計(jì)量。 TOC o 1-5 h z .變量的兩兩高度相關(guān)并不表示高度多重共線性。（X）.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R2值。（X）.變量不存在兩兩高度相關(guān)表示不存在高度多重共線性。（X）三、填空題L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。.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。.存在完全多重共線性時(shí)，多元回歸分析是無法進(jìn)行。.檢驗(yàn)樣本是否存在多重共線性的常見方法有：方差擴(kuò)大因子法和逐步回歸檢驗(yàn)法。.處理多重共線性的方法有：保留重要解釋變量、去掉不重要解釋變量、

29、增加樣本容量差分模型。四、簡答題L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P226P227）,原因見P227228）。.如何發(fā)現(xiàn)和判斷多重共線性？P230P235.克服多重共線性有哪些方法？P235P244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L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【B】A2B4C5D62.根據(jù)樣本資料建立某消費(fèi)函數(shù)如下：Ct=100.50+55.3

30、5Dt+0.45Xt,其中C為消費(fèi)，x為收=1城鎮(zhèn)家庭人_如叱入，虛寸變量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【A】0農(nóng)村家庭A Ct =155.85+0.45 XtC C?t =100.50+55.35 XtB Ct =100.50+0.45 XtD Ct =100.95+55.35 Xt二、填空題L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。.虛擬變量不同的引入方式有兩種。若要描述各種類型的模型在截距水平的差異，則以加法方式引入虛擬解釋變量；若要反映各種類型的模型的不同相對(duì)變化率時(shí)，則以乘法引入虛擬解釋變量。.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)虛擬變量來反

31、映該因素的影響。三、簡答題L什么是虛擬變量？它在模型中有什么作用？P255.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？P258P260四、綜合分析計(jì)算題（被解釋變量為Y）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(jià)格X2（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:C99.46929513.4725717.38309650.000X12.50189540.7536147(3.3199)X2-6.58074301.3759059(-4.7828)R-squared0.949336Meanofdependentvar80.000

32、00AdjustedR-squared()S.D.ofdependentvar19.57890S.Eofregression4.997021Sumofsquaredresid174.7915Durbin-Watsonstat()F-statistics()VARIABLECOEFFICIENTSTD.ERRORT-STAT2-TAILSIG完成以下問題：（至少保留三位小數(shù)）寫出需求量對(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O3.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)行檢驗(yàn)。6.在95%的置信度下檢驗(yàn)偏

33、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。2et et 1300dL 1.08 dU1.36解：1.?99.46932.5019x16.5807x22.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;.該模型經(jīng)濟(jì)意義檢驗(yàn)通過;R2 1 (1R2)R2F R2n k 1n k 10.949321 0.949310 31 (1 0.9493)65.53,10 110 20.945F檢驗(yàn)通過6.t1=3.3199,t2=-4.7828,t檢驗(yàn)通過檢驗(yàn) 隨機(jī)誤 差自 相關(guān)DW20 e300d-尸1.7163

34、,dLe2174.791.08 dU1.36,不存在一階自相關(guān)。設(shè)某地區(qū)機(jī)電行業(yè)銷售額Y(萬元)和汽車產(chǎn)量X1(萬輛)以及建筑業(yè)產(chǎn)值X2(千萬元)。經(jīng)Eviews軟件對(duì)1981年一一1997年的數(shù)據(jù)分別建立線性模型和雙對(duì)數(shù)模型進(jìn)行最小二乘估計(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.

35、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)Variabl

36、eCoefficientStd.Errort-StatisticProb.C3.7349020.21276517.554100.0000Ln(X1)0.3879290.1378422.8142990.0138Ln(X2)0.5684700.05567710.210060.0000R-squared0.934467Meandependentvar6.243029AdjustedR-squared0.925105S.D.dependentvar0.356017S.E.ofregression0.097431Akaikeinfocriterion-1.660563Sumsquaredresid0.132899Schwarzcriterion-1.513526Loglikelihood17.11479F-statistic