計量經(jīng)濟學考試復習題

計量經(jīng)濟學考試復習題計量經(jīng)濟學考試復習題計量經(jīng)濟學考試復習題V:1.0精細整理，僅供參考計量經(jīng)濟學考試復習題日期：20xx年X月計量經(jīng)濟學考試復習題計量經(jīng)濟學練習題1、經(jīng)濟計量學的研究步驟有哪些一、模型設(shè)定：依據(jù)一定的經(jīng)濟理論或經(jīng)驗，先驗地用一個或一組數(shù)學方程式表示被研究系統(tǒng)內(nèi)經(jīng)濟變量之間的關(guān)系。1、研究有關(guān)經(jīng)濟理論；2、確定變量以及函數(shù)形式；3、統(tǒng)計數(shù)據(jù)的收集與整理二、參數(shù)估計：參數(shù)估計的方法主要有一般最小平方法（OLS）及其拓展形式（GLS、WLS、2StageLS等）、最大似然估計法、數(shù)值計算法等。三、模型檢驗1、經(jīng)濟意義準則；2、統(tǒng)計檢驗準則；3、計量經(jīng)濟檢驗準則

四、模型應(yīng)用1、檢驗經(jīng)濟理論；2、結(jié)構(gòu)分析（乘數(shù)分析、彈性分析）；3、政策評價4、預測

2、簡述經(jīng)濟計量模型的檢驗準則有哪三方面（1）經(jīng)濟意義準則；（2）統(tǒng)計檢驗準則；（3）計量經(jīng)濟檢驗準則

3、經(jīng)濟計量模型中的隨機干擾項來自哪些方面1、變量的省略。由于人們認識的局限不能窮盡所有的影響因素或由于受時間、費用、數(shù)據(jù)質(zhì)量等制約而沒有引入模型之中的對被解釋變量有一定影響的自變量。2、統(tǒng)計誤差。數(shù)據(jù)搜集中由于計量、計算、記錄等導致的登記誤差；或由樣本信息推斷總體信息時產(chǎn)生的代表性誤差。3、模型的設(shè)定誤差。如在模型構(gòu)造時，非線性關(guān)系用線性模型描述了；復雜關(guān)系用簡單模型描述了；此非線性關(guān)系用彼非線性模型描述了等等。4、隨機誤差。被解釋變量還受一些不可控制的眾多的、細小的偶然因素的影響。若相互依賴的變量間沒有因果關(guān)系，則稱其有相關(guān)關(guān)系。

4、多元線性回歸模型隨機干擾項的假定有哪些（1）隨機誤差項的條件期望值為零。（2）隨機誤差項的條件方差相同。（3）隨機誤差項之間無序列相關(guān)。（4）自變量與隨機誤差項獨立無關(guān)。（5）隨機誤差項服從正態(tài)分布。（6）各解釋變量之間不存在顯著的線性相關(guān)關(guān)系。

5、簡述選擇解釋變量的逐步回歸法逐步回歸的基本思想是“有進有出”。具體做法是將變量一個一個引入，引入變量的條件是t統(tǒng)計量經(jīng)檢驗是顯著的。即每引入一個自變量后，對已經(jīng)被選入的變量要進行逐個檢驗，當原引入的變量由于后面變量的引入而變得不再顯著時，要將其剔除。引入一個變量或從回歸方程中剔除一個變量，為逐步回歸的一步，每一步都要進行t檢驗，以確保每次引入新的變量之前回歸方程中只包含顯著的變量。

6、對于非線性模型如何進行參數(shù)估計一、解釋變量可以直接替換的非線性回歸模型1、多項式函數(shù)模型（1）多項式函數(shù)形式令

原模型可化為線性形式，即可利用多元線性回歸分析的方法處理了。（2）利用Eviews應(yīng)用軟件進行回歸分析在主窗口的命令欄內(nèi)，直接鍵入ls

y

c

x

x^2

x^3，回車即可得到輸出結(jié)果（3）利用SPSS應(yīng)用軟件進行回歸分析在SPSS中，依次點擊Analyze/Regression/CurveEstimation，打開對話窗口。在Models選項組中，共有11種曲線可供選擇：Linear（直線）、Quadratic（二次曲線）、Compound（復合曲線）、Growth（增長曲線）、Logarithmic（對數(shù)曲線）、Cubic（三次曲線）、S（S曲線）、Exponential（指數(shù)曲線）、Inverse（倒數(shù)曲線）、Power（Power曲線）、Logistic（邏輯斯蒂曲線）。

2、雙曲線（倒數(shù)）模型令

原模型可化為線性形式，即可利用一元線性回歸分析的方法處理。

3、雙對數(shù)函數(shù)模型4、半對數(shù)函數(shù)模型（1）對于對數(shù)—線性模型它表示x變動一個單位，y將變動

%。即y的相對變動百分比等于

乘以x的絕對變化量。（2）對于線性—對數(shù)模型它表示x變動1%，y將變動

個單位的絕對量。即y的絕對變化量等于

乘以x的相對變化量。

5、邏輯斯蒂（Logistic）曲線令

則有：

二、解釋變量需間接替換的非線性回歸模型1、指數(shù)曲線

兩邊取對數(shù)得：

令

則有

7、簡述異方差性的檢驗方法（一）圖示法（1）用x-y的散點圖進行判斷

看是否存在明顯的散點擴大、縮小或復雜型趨勢（即不在一個固定的帶型域中）（2）利用x-

的散點圖看是否形成一斜率為零的直線（二）戈德菲爾德-匡特檢驗（三）戈里瑟檢驗（四）Spearman等級（秩）相關(guān)檢驗（五）懷特（White）檢驗

8、如何才能說為的格蘭杰意義上的原因

9、如果將空調(diào)季度銷售額記為y，空調(diào)單價記為x；D1=1代表春季；D2=1代表夏季,D3=1代表秋季；D4=1代表冬季。我們試圖建立以下模型：這時會產(chǎn)生什么問題會帶來什么后果如何解決

10、某汽車制造廠銷售部經(jīng)理認為，汽車的銷售量與廣告費用之間存在著密切的關(guān)系。為此，該經(jīng)理收集了12個汽車銷售分公司的有關(guān)數(shù)據(jù)。用Excel對數(shù)據(jù)進行回歸分析的部分結(jié)果如下：

（一）方差分析表

dfSSMSFSignificanceF回歸_________1602709______殘差_______________

總計111642867

（二）參數(shù)估計表

Coefficients標準誤差tStatP-valueInterceptXVariable1要求（計算結(jié)果精確至）：（1）在方差分析表中的下劃線上填上適當?shù)臄?shù)據(jù)；（2）計算銷售量與廣告費用之間的相關(guān)系數(shù)，并據(jù)此分析兩者的關(guān)系形態(tài)與強度；（3）寫出銷售量對廣告費用的一元線性回歸方程，并檢驗在5%的顯著性水平下，回歸系數(shù)和回歸方程的線性關(guān)系是否顯著。

11、以下是某個案例的Eviews分析結(jié)果（局部）。DependentVariable:Y

Method:LeastSquaresSample(adjusted):1

10Includedobservations:10afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.

CX1（1）X2（2）X3（3）R-squaredMeandependentvarAdjustedR-squared（4）.dependentvarregressionAkaikeinfocriterionSumsquaredresidSchwarzcriterionLoglikelihoodF-statisticDurbin-Watsonstat

Prob(F-statistic)①填上（1）、（2）、（3）、（4）位置所缺數(shù)據(jù)；②以標準記法寫出回歸方程；③你對分析結(jié)果滿意嗎為什么

12、根據(jù)下列SPSS軟件運行結(jié)果，確定最佳模型，并說明理由；以標準記法寫出回歸方程。

13、一家家用電器產(chǎn)品銷售公司在30個地區(qū)設(shè)有銷售分公司。為研究產(chǎn)品彩電銷售量（臺）與該公司的銷售價格（百元）、各地區(qū)的年人均收入（百元）、廣告費用（百元）之間的關(guān)系，搜集到30各地區(qū)的有關(guān)數(shù)據(jù)。設(shè)彩電銷售量為y，銷售價格為x1，年人均收入為x2，廣告費用為x3，利用Excel得到下面的回歸結(jié)果。相關(guān)系數(shù)矩陣

yX1X2X3y1

X1－1

X21

X31

方差分析

DfSSMSFSignificanceF回歸分析

殘差

總計

.7－－―

參數(shù)估計表Coefficients標準誤差tStatP-valueIntercept

XVariable1－XVariable2

XVariable3（1）將方差分析表中的所缺數(shù)值補齊；（2）如果只選一個自變量來預測銷售量，三個自變量中哪一個會被優(yōu)先選擇請說明理由；（3）寫出銷量與銷售價格、年人均收入、廣告費用的多元線性回歸方程，并解釋各回歸系數(shù)的意義；（4）若顯著水平＝，回歸方程的線性關(guān)系是否顯著（5）若顯著水平＝，各回歸系數(shù)是否顯著（6）銷售量y的變差中被回歸方程所解釋的百分比是多少

14、簡述選擇解釋變量的逐步回歸法

15、用X1（萬元）代表啤酒廠商的廣告費，用X2（千元/噸）代表啤酒單價，用X3（千元/噸）代表白酒單價，用y代表啤酒銷售量（噸）。建立模型如下：Y＝120

+

30X1

－20lnX2

+

5X3T＝

（）

（）

（）

（）F＝（1）先驗地，你認為各個系數(shù)的符號如何你的預期與結(jié)果一致嗎（2）解釋各個回歸系數(shù)的意義（3）檢驗各個回歸系數(shù)的統(tǒng)計顯著性。（臨界值＝）（4）如何檢驗假設(shè):所有的回歸系數(shù)同時為零（臨界值＝）

16、用x代表廣告費，用y代表銷售量，解釋以下模型中的經(jīng)濟意義。

17、根據(jù)下列Eviews應(yīng)用軟件的運行結(jié)果比較分析選擇哪個模型較好并說明理由；以標準形式寫出確定的回歸方程。模型一DependentVariable:Y

Method:LeastSquaresSample:112

Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.

C1/XAdjustedR-squared

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

F-statisticDurbin-Watsonstat

Prob(F-statistic)

模型二DependentVariable:Y

Method:LeastSquaresSample:112

Includedobservations:12Convergenceachievedafter6iterationsY=C(1)*C(2)^X

CoefficientStd.Errort-StatisticProb.

C(1)C(2)AdjustedR-squared

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

Durbin-Watsonstat

18、根據(jù)下列Eviews運行結(jié)果，分別對2009年四個季度作出預測。輸出結(jié)果1Sample:2004:12008:4

Includedobservations:20Method:Holt-WintersMultiplicativeSeasonalOriginalSeries:Y

ForecastSeries:YSMParameters:Alpha

Beta

GammaSumofSquaredResidualsRootMeanSquaredErrorEndofPeriodLevels:Mean

Trend

Seasonals:2008:1

2008:2

2008:3

2008:4輸出結(jié)果2Sample:2004:12008:4

Includedobservations:20Method:Holt-WintersAdditiveSeasonalOriginalSeries:Y

ForecastSeries:YSMParameters:Alpha

Beta

GammaSumofSquaredResidualsRootMeanSquaredErrorEndofPeriodLevels:Mean

Trend

Seasonals:2008:1

2008:2

2008:3

2008:4

19、基于Eviews軟件，說明如何對下列模型進行參數(shù)估計

（1）;

（2）；

（3）

20、下面是某案例Eviews的分析結(jié)果（局部）,根據(jù)輸出結(jié)果完成下列要求（寫出判斷或檢驗的依據(jù)）（α=，=，=）（1）以標準記法寫出回歸方程,

并解釋回歸系數(shù)的含義;（2）對所求得的線性方程作顯著性檢驗。（3）對模型進行異方差檢驗，說明模型是否存在異方差；（4）對模型進行自相關(guān)檢驗，說明模型是否存在序列自相關(guān)；（5）計算方差擴大因子，說明模型是否存在多重共線性。DependentVariable:Y

Method:LeastSquaresSample:2008M012009M12

Includedobservations:24

VariableCoefficientStd.Errort-StatisticProb.

CLOG(X1)LOG(X2)

R-squared

MeandependentvarAdjustedR-squared

.dependentvar.ofregression

AkaikeinfocriterionSumsquaredresid

SchwarzcriterionLoglikelihood

F-statisticDurbin-Watsonstat

Prob(F-statistic)

WhiteHeteroskedasticityTest:

F-statistic

ProbabilityObs*R-squared

Probability

TestEquation:

DependentVariable:RESID^2Method:LeastSquares

Sample:2008M012008M12Includedobservations:24

VariableCoefficientStd.Errort-StatisticProb.