計量經(jīng)濟(jì)學(xué)判斷題

計經(jīng)判題22ii22ii24隨機擾動項差與隨機擾項方差無偏估計有區(qū)別錯，機擾動的差反映總體波動情，對一個特的總體言，是一個定的值在最小乘估計中，由于體方差大多數(shù)情況并不知，以用樣本數(shù)據(jù)去估

2

2i

n)其中n為樣本數(shù)，為待估數(shù)的個數(shù)。

是

線性無估計，為一隨機變。5經(jīng)典線性回模型CLRM中的擾項不服從態(tài)分布，OLS計量將有偏。錯使經(jīng)典線回歸模（CLRM中的干擾不服從態(tài)分的，OLS計量仍是無偏的。為成立與與正態(tài)性無。

)E(

K)，該表達(dá)式1在簡單線性歸中決系數(shù)R2

與斜率數(shù)的檢驗的有關(guān)系錯誤，簡單線性回中，由解釋變量只一個，t檢驗示解釋量的影顯著時，必會有該歸模型的可系數(shù)大擬合優(yōu)度高2異方差性、相關(guān)性是隨機誤差象，但者是有區(qū)別。正確，方差出現(xiàn)總與模型中某解釋變的變化有關(guān)自相關(guān)是各回歸模的隨機差項之間具相關(guān)關(guān)。3通過虛擬變將屬性素引入計量濟(jì)模型引入虛擬變的個數(shù)與模型無截距項關(guān)錯誤，型有距項時如果被考察定性因有m相互排斥屬，則模型中入m1虛擬變，否則陷入“虛擬量陷阱模型無距項時，若被考的定性因素m個相互排斥性，可引入m虛擬變，這時不會出現(xiàn)多共線性。4滿足階條件方程一可以別。錯誤，條件只是一必要條，即滿足階件的的程也可能是可識別的。XXt5庫依克模型自適應(yīng)期模型與局調(diào)整模的最終形式同的。錯誤，依克模型、適應(yīng)預(yù)模型與局部整模型最終形式是同的，其最終式都是一階回歸模。2多重共線性題是機擾動違背典假定起的。錯誤，該是解釋變量之間高相關(guān)引的。3在模型

Yt

1

2

X

2t

3

X

3t

u

t

的回歸析結(jié)果報告，有F263489

，

Fp值.000000

，則表解釋變量t對的影響是著的。錯誤解釋變

X

2t

和

X

3t

對

Yt

的聯(lián)合響是顯著的4結(jié)構(gòu)型模型的每一方程都稱為構(gòu)式方，結(jié)構(gòu)方程，解釋量只可以前定變量。錯誤，構(gòu)方程中，釋變量以是前定變，也可是內(nèi)生變量1在際中，元回歸沒什用，因因變量的行不可能由一個解釋變量來釋。錯，實際中一元回歸是多經(jīng)濟(jì)象的近似，夠較好反映回歸核心思想，很有的3在異方差性情況下常用的OLS必定高估了估計的標(biāo)準(zhǔn)。錯，有能高估也有能低估、設(shè)估計模型為171.44120.9672PDIttt2

0.5316由20.9940，明模型有很好的擬合優(yōu)度，則模型不存在偽（虛假）回歸。錯，在虛假回可能，為判定系數(shù)于DW。(1)隨機誤項u殘差項e一回事錯）ii(2)總體回函數(shù)給出了應(yīng)于每一個變量的因變的值（）(3)線性回模型意味著變量是變量線性函數(shù)錯）(4)在線性歸模型中，釋變量原因，被解變量是果（）1虛變量的值只能取01

（對）2通引入虛變量，可以模型的數(shù)變化進(jìn)行驗

（對）1簡單線性回模型與元線性回歸型的基假定是同的。錯在多元性回歸模型除了對機誤差項提假定外對解釋量之間提出無多共線性的假。2在模型中引解釋變的多個滯后項易產(chǎn)生重共線性。對在分布后模型里多進(jìn)解釋量的滯后項由于變的經(jīng)濟(jì)意義一樣只是時間一致，所以容易引多重共線性3、檢驗中的DW值在到4之間，數(shù)值越小說模型隨誤差項的自關(guān)度越小數(shù)值越大說模型隨誤差項的自關(guān)度越。錯DW值在0到4之間，DW落最左邊0<DWd）最邊(4?dL4)時，分為正自相關(guān)負(fù)自相;中間(dU<DW<4?dU)為不存自相關(guān)區(qū)域其次為兩個能判定域。3通過虛擬變將屬性素引入計量濟(jì)模型引入虛擬變的個數(shù)與樣本容量小有關(guān)。錯引入虛變量的個數(shù)本容量小無關(guān)，與變量屬，模型無截距項有。5、如聯(lián)立方模型中某個構(gòu)方程含了所有的量,則這個程不可別。正確沒有唯的統(tǒng)計形式3在異方差性情況下若采用Eviews件中常的OLS法，必定高估了估計量標(biāo)準(zhǔn)誤。錯有可能估也有可能估。4擬合優(yōu)度檢和F檢驗沒有區(qū)的。錯5聯(lián)立方程組型根本能直接用OLS法估參數(shù)。錯遞歸方可以用方法估計參，而其的聯(lián)立方程模型不直接用OLS方法估計數(shù)。1在對參數(shù)進(jìn)最小二估計之前，有必要模型提出古假定。錯誤在古典定條件下，OLS估計得到的參估計是該參的最佳線性偏估計具有線性、偏性、效性?？傊岢龅浼俣榱耸顾鞒龅墓懒烤哂休^好統(tǒng)計性和方便地進(jìn)統(tǒng)計推。2當(dāng)異方差出時，用的t和F檢驗失效正確由于異差類似于t值的統(tǒng)計所遵從分布知；即遵從t-布，由方差不在具最小性這時往往會大t-驗，使得檢驗失；由于F-布為兩獨立的χ2變量之比故依然在類似于t-分布中問題。3解釋變量與機誤差相關(guān)，是產(chǎn)多重共性的主要原。錯誤產(chǎn)生多共線性的主原因是濟(jì)本變量大存在共變化趨勢；型中大采用滯后變；認(rèn)識的局限使得擇變量當(dāng)5由接最小乘法與階段最二乘法得到的估計量都無偏估計。錯誤間接最二乘法適用于恰好識別程的估計，估計量無偏估計；而階段最小二法僅適用恰好識方程，也適于過度別方程。兩階段小二乘法得的估計量為有偏一致估。5秩條件是充條件，此，單獨用秩條件就以完成立方程識別態(tài)的確。錯誤。然秩件是充條件，但其提，只有在過了條件條件下。在聯(lián)立方程進(jìn)識別時還應(yīng)該結(jié)合條件判是過度識別還是恰好識別1半對數(shù)模型=β0+β1lnX+μ中，參數(shù)β1的含義是X的絕對量變，引起Y的對量變。錯誤半對數(shù)型的參數(shù)β1的含義是當(dāng)X的相對變時，對量發(fā)變化，引因變量Y的平均值對量的變動2對已經(jīng)估計參數(shù)的型不需要進(jìn)行驗。錯誤有必要行檢驗。我所建立模型，所用方法，用的統(tǒng)計數(shù)，還可違反計