計(jì)量經(jīng)濟(jì)學(xué)（西北政法大學(xué)）智慧樹知到期末考試答案2024年

計(jì)量經(jīng)濟(jì)學(xué)（西北政法大學(xué)）智慧樹知到期末考試答案2024年計(jì)量經(jīng)濟(jì)學(xué)（西北政法大學(xué)）戈德菲爾德一匡特檢驗(yàn)適用于檢驗(yàn)

A:異方差B:設(shè)定誤差C:序列相關(guān)D:多重共線性答案:多重共線性已知某一元線性回歸方程的可決系數(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：

A:0.72B:0.81C:0.6561D:0.9答案:0.9如果模型存在兩階自相關(guān)，需要用哪種方法檢驗(yàn)?zāi)Ｐ偷淖韵嚓P(guān)性？

A:G-Q檢驗(yàn)B:BG檢驗(yàn)C:DW檢驗(yàn)D:White檢驗(yàn)答案:BG檢驗(yàn)估計(jì)參數(shù)的回歸方法只有OLS方法

A:正確B:錯(cuò)誤答案:錯(cuò)在存在嚴(yán)重多重共線性的情況下，回歸系數(shù)的標(biāo)準(zhǔn)差會(huì)趨于變小，相應(yīng)的t值會(huì)趨于變大。

A:錯(cuò)誤B:正確答案:錯(cuò)誤設(shè)定一個(gè)合理的計(jì)量經(jīng)濟(jì)模型要有科學(xué)的經(jīng)濟(jì)理論依據(jù)。

A:對(duì)B:錯(cuò)答案:錯(cuò)在線性回歸模型中，解釋變量是因，應(yīng)變量是果。

A:正確B:錯(cuò)誤答案:正確隨機(jī)誤差項(xiàng)ui與殘差項(xiàng)ei是一回事。

A:正確B:錯(cuò)誤答案:錯(cuò)誤在多元線性回歸中，若某解釋變量在理論上對(duì)被解釋變量沒有影響，該解釋變量的參數(shù)估計(jì)值一定為0。

A:錯(cuò)誤B:正確答案:錯(cuò)誤時(shí)間序列數(shù)據(jù)中比截面數(shù)據(jù)更容易出現(xiàn)異方差問題

A:錯(cuò)誤B:正確答案:錯(cuò)解釋變量間毫無線性關(guān)系時(shí)，不需要做多元回歸，每個(gè)參數(shù)都可以通過Y對(duì)Xj的一元回歸估計(jì)

A:錯(cuò)誤B:正確答案:正確檢驗(yàn)異方差的方法有廣義差分法。

A:錯(cuò)誤B:正確答案:錯(cuò)誤回歸系數(shù)的假設(shè)檢驗(yàn)原假設(shè)是雙側(cè)檢驗(yàn)

A:錯(cuò)誤B:正確答案:正確多重共線性從本質(zhì)上講是一種樣本現(xiàn)象。

A:正確B:錯(cuò)誤答案:正確在多元線性回歸模型的基本假定中，隨機(jī)誤差項(xiàng)的均值一定為0。

A:錯(cuò)B:對(duì)答案:對(duì)多重共線性是一種隨機(jī)誤差現(xiàn)象。

A:對(duì)B:錯(cuò)答案:錯(cuò)通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)數(shù)與樣本容量有關(guān)。

A:錯(cuò)B:對(duì)答案:錯(cuò)虛擬變量的交互效應(yīng)通過虛擬變量相乘來反映。

A:錯(cuò)誤B:正確答案:正確線性回歸模型意味著模型變量是線性的。

A:錯(cuò)B:對(duì)答案:錯(cuò)在多元線性回歸中，多重可決系數(shù)是評(píng)價(jià)模型擬合優(yōu)度的最優(yōu)指標(biāo)。

A:錯(cuò)誤B:正確答案:錯(cuò)誤當(dāng)模型存在自相關(guān)時(shí)，可用D-W法進(jìn)行檢驗(yàn)，不需任何前提條件。

A:錯(cuò)B:對(duì)答案:錯(cuò)總體回歸函數(shù)給出了與自變量每個(gè)取值相對(duì)應(yīng)的應(yīng)變量的值。

A:錯(cuò)誤B:正確答案:錯(cuò)誤存在自相關(guān)的參數(shù)估計(jì)結(jié)果是有偏的。

A:正確B:錯(cuò)誤答案:錯(cuò)誤進(jìn)行相關(guān)分析時(shí)，假定相關(guān)的兩個(gè)變量（）

A:都是隨機(jī)變量B:隨機(jī)或非隨機(jī)都可以C:一個(gè)是隨機(jī)變量，一個(gè)不是隨機(jī)變量D:都不是隨機(jī)變量答案:AI參考:進(jìn)行相關(guān)分析時(shí)，假定相關(guān)的兩個(gè)變量一個(gè)是隨機(jī)變量，一個(gè)不是隨機(jī)變量。因此，選項(xiàng)C是正確答案。在進(jìn)行統(tǒng)計(jì)分析和建模時(shí)，需要考慮變量的性質(zhì)和特點(diǎn)，隨機(jī)變量通常用于描述不確定性的數(shù)據(jù)，而非隨機(jī)變量則更加穩(wěn)定和可預(yù)測(cè)。因此，在進(jìn)行相關(guān)分析時(shí)，需要假定相關(guān)的兩個(gè)變量之一是隨機(jī)變量，以適應(yīng)數(shù)據(jù)的性質(zhì)和特點(diǎn)。'“虛擬變量陷阱”的本質(zhì)是（）

A:異方差性B:自相關(guān)性C:多重共線性D:完全多重共線性答案:AI參考:正確答案是：C:多重共線性。\n“虛擬變量陷阱”本質(zhì)是多重共線性。\n故選C。'按照時(shí)間順序排列的數(shù)據(jù)叫（）

A:時(shí)間序列數(shù)據(jù)B:面板數(shù)據(jù)C:截面序列數(shù)據(jù)D:虛擬變量數(shù)據(jù)答案:AI參考:正確選項(xiàng)是【A:時(shí)間序列數(shù)據(jù)】。因?yàn)闀r(shí)間順序排列的數(shù)據(jù)是按照時(shí)間軸的順序排列的數(shù)據(jù)，因此可以確定答案為時(shí)間序列數(shù)據(jù)。選項(xiàng)B、C、D都不是按照時(shí)間順序排列的數(shù)據(jù)的正確選項(xiàng)。'計(jì)量經(jīng)濟(jì)學(xué)是（）的一個(gè)分支學(xué)科。

A:數(shù)學(xué)B:統(tǒng)計(jì)學(xué)C:數(shù)理統(tǒng)計(jì)學(xué)D:經(jīng)濟(jì)學(xué)答案:AI參考:正確答案是D：經(jīng)濟(jì)學(xué)。\n\n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，它以經(jīng)濟(jì)活動(dòng)為研究對(duì)象，采用定量分析的方法，研究如何建立數(shù)學(xué)模型以預(yù)測(cè)經(jīng)濟(jì)發(fā)展趨勢(shì)和描述經(jīng)濟(jì)發(fā)展規(guī)律。因此，答案為D。'BG檢驗(yàn)構(gòu)建的統(tǒng)計(jì)量服從什么分布？

A:t分布B:F分布C:正態(tài)分布D:卡方分布答案:AI參考:正確選項(xiàng)是【B:F分布】。\n\n根據(jù)題目描述，BG檢驗(yàn)構(gòu)建的統(tǒng)計(jì)量，其分布情況需要分析，但題目中給出的選項(xiàng)中只有B選項(xiàng)“F分布”與分布情況相關(guān)。而A、C、D選項(xiàng)則與題目的具體情況不符。因此，B選項(xiàng)是正確答案。'對(duì)下列模型進(jìn)行經(jīng)濟(jì)意義檢驗(yàn)，哪一個(gè)模型通常被認(rèn)為沒有實(shí)際價(jià)值的（

）

A:B:C:D:答案:AI參考:正確選項(xiàng)是D:模型通常被認(rèn)為沒有實(shí)際價(jià)值。\n\n經(jīng)濟(jì)意義檢驗(yàn)是評(píng)估經(jīng)濟(jì)模型是否符合經(jīng)濟(jì)理論、數(shù)據(jù)來源是否可靠、模型假設(shè)是否合理、模型結(jié)果是否可信的一種方法。對(duì)于給出的選項(xiàng)，A、B、C三個(gè)選項(xiàng)都具有一定的經(jīng)濟(jì)意義，可以用于分析和解釋經(jīng)濟(jì)數(shù)據(jù)和現(xiàn)象。而D選項(xiàng)的模型通常被認(rèn)為沒有實(shí)際價(jià)值，可能存在一些缺陷或不足，無法真實(shí)反映經(jīng)濟(jì)現(xiàn)象。因此，正確答案是D。'模型中引入實(shí)際上與解釋變量有關(guān)的變量，會(huì)導(dǎo)致參數(shù)的OLS估計(jì)量方差

A:有偏B:增大C:非有效D:減小答案:AI參考:正確選項(xiàng)是【D：減小】。\n\n在OLS（OrdinaryLeastSquares）估計(jì)中，引入與解釋變量有關(guān)的變量被稱為工具變量或獨(dú)立變量，其引入是為了更好地解釋因變量。引入實(shí)際相關(guān)的變量有助于提高模型的擬合度，因此OLS估計(jì)量的方差會(huì)減小。而選項(xiàng)A、B、C都與實(shí)際情況不符。因此，答案為D：減小。'容易產(chǎn)生異方差的數(shù)據(jù)為

A:年度數(shù)據(jù)B:橫截面數(shù)據(jù)C:修勻數(shù)據(jù)D:時(shí)序數(shù)據(jù)答案:AI參考:正確選項(xiàng)為C:修勻數(shù)據(jù)。\n\n異方差是指回歸模型中的隨機(jī)誤差項(xiàng)的方差與解釋變量之間的關(guān)系不隨解釋變量的大小而變化，即誤差項(xiàng)具有異方差性。容易產(chǎn)生異方差的數(shù)據(jù)通常是波動(dòng)較大的數(shù)據(jù)，而修勻數(shù)據(jù)可以減少數(shù)據(jù)的波動(dòng)性，因此容易產(chǎn)生異方差的數(shù)據(jù)為修勻數(shù)據(jù)。年度數(shù)據(jù)、橫截面數(shù)據(jù)、時(shí)序數(shù)據(jù)本身不太容易產(chǎn)生異方差，但如果數(shù)據(jù)的波動(dòng)性較大，也可能導(dǎo)致異方差問題。'計(jì)量經(jīng)濟(jì)學(xué)成為一門獨(dú)立學(xué)科的標(biāo)志是（）。

A:1933年《計(jì)量經(jīng)濟(jì)學(xué)》會(huì)刊出版B:1930年國(guó)際計(jì)量經(jīng)濟(jì)學(xué)會(huì)成立C:1969年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)設(shè)立D:1926年計(jì)量經(jīng)濟(jì)學(xué)一詞構(gòu)造出來答案:AI參考:正確答案是B：1930年國(guó)際計(jì)量經(jīng)濟(jì)學(xué)會(huì)成立。\n\n計(jì)量經(jīng)濟(jì)學(xué)成為一門獨(dú)立學(xué)科的標(biāo)志是1930年國(guó)際計(jì)量經(jīng)濟(jì)學(xué)會(huì)的成立。這個(gè)學(xué)會(huì)的成立促進(jìn)了計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展，并使計(jì)量經(jīng)濟(jì)學(xué)成為一門獨(dú)立的學(xué)科。其他選項(xiàng)提到的時(shí)間點(diǎn)雖然對(duì)計(jì)量經(jīng)濟(jì)學(xué)的發(fā)展有一定的影響，但不是計(jì)量經(jīng)濟(jì)學(xué)成為一門獨(dú)立學(xué)科的標(biāo)志。'加權(quán)最小二乘法可以解決什么問題？

A:序列相關(guān)性問題B:多重共線性C:平穩(wěn)性問題D:異方差問題答案:AI參考:正確選項(xiàng)是【多重共線性】。\n\n加權(quán)最小二乘法是一種用于解決多重共線性的統(tǒng)計(jì)方法。在回歸分析中，如果解釋變量與誤差項(xiàng)之間存在相關(guān)性，會(huì)導(dǎo)致模型估計(jì)的誤差增大，預(yù)測(cè)精度下降。加權(quán)最小二乘法通過賦予每個(gè)解釋變量不同的權(quán)重，使得模型能夠更好地捕捉解釋變量與誤差項(xiàng)之間的非線性關(guān)系，從而解決多重共線性問題。因此，加權(quán)最小二乘法可以解決多重共線性問題，而不是序列相關(guān)性問題、平穩(wěn)性問題或異方差問題。'異方差性的后果是什么？

A:參數(shù)OLS估計(jì)式的方差不再有效B:參數(shù)的F檢驗(yàn)仍然有效C:參數(shù)的OLS估計(jì)仍然具有無偏性D:對(duì)Y的預(yù)測(cè)是有效的答案:AI參考:正確選項(xiàng)是D：對(duì)Y的預(yù)測(cè)是有效的。\n\n異方差性是指在不同數(shù)據(jù)水平下，回歸模型參數(shù)估計(jì)結(jié)果的不一致性。它會(huì)導(dǎo)致回歸模型對(duì)Y的預(yù)測(cè)失效，即預(yù)測(cè)結(jié)果不再準(zhǔn)確。而參數(shù)OLS估計(jì)式的方差、參數(shù)的F檢驗(yàn)、參數(shù)的OLS估計(jì)的無偏性等都不會(huì)受到影響。因此，選項(xiàng)D是正確的，其他選項(xiàng)均不正確。'下述可以用來修正多重共線性的方法有

A:剔除變量法B:德賓兩步法C:変量変換D:增大樣本容量答案:AI參考:正確選項(xiàng)為：A:剔除變量法、B:德賓兩步法。\n\nA和B是可以用來修正多重共線性的方法。其中，剔除變量法是直接剔除與其它變量相關(guān)性較高的變量，以減少多重共線性。德賓兩步法是一種統(tǒng)計(jì)方法，用于檢驗(yàn)是否存在多重共線性，并在檢驗(yàn)的基礎(chǔ)上修正多重共線性。\n\nC:変量変換和D:增大樣本容量雖然不是直接用來修正多重共線性的方法，但可以作為其他方法的基礎(chǔ)或輔助手段。例如，變量變換可以用于處理無法直接剔除的變量，而增大樣本容量可以提高統(tǒng)計(jì)推斷的精度和可靠性。\n\n因此，A和B是專門用來修正多重共線性的方法，而C和D雖然不是直接的方法，但可以作為其他方法的輔助手段。'下列判斷正確的有

A:雖然多重共線性下，很難精確區(qū)分各個(gè)解釋變量的單獨(dú)影響，但可據(jù)此模型進(jìn)行預(yù)測(cè)。B:多重共線性問題的實(shí)質(zhì)是樣本現(xiàn)象，因此可以通過增加樣本信息得到改善。C:如果回歸模型存在嚴(yán)重的多重共線性，可不加分析地去掉某個(gè)解釋變量從而消除多重共線性。D:在嚴(yán)重多重共線性下，OLS估計(jì)量仍是最佳線性無偏估計(jì)量。答案:AI參考:正確選項(xiàng)為：\n\nA:雖然多重共線性下，很難精確區(qū)分各個(gè)解釋變量的單獨(dú)影響，但可據(jù)此模型進(jìn)行預(yù)測(cè)。\nB:多重共線性問題的實(shí)質(zhì)是樣本現(xiàn)象，因此可以通過增加樣本信息得到改善。\nD:在嚴(yán)重多重共線性下，OLS估計(jì)量仍是最佳線性無偏估計(jì)量。\n\n解釋：\n\nA：多重共線性并不會(huì)完全消除對(duì)解釋變量單獨(dú)影響的區(qū)分，但模型依然可以用于預(yù)測(cè)，因?yàn)槟Ｐ椭械乃凶兞慷及藰颖緮?shù)據(jù)中的所有信息。\n\nB：多重共線性問題可以通過增加樣本信息（如增加樣本數(shù)量或納入更多的解釋變量）得到改善。\n\nC：如果回歸模型存在嚴(yán)重的多重共線性，不能不加分析地去掉某個(gè)解釋變量。因?yàn)檫@樣做可能會(huì)導(dǎo)致模型過擬合或數(shù)據(jù)丟失，從而導(dǎo)致預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性下降。通常需要通過變量選擇、模型優(yōu)化等方法來處理多重共線性問題。\n\nD：在嚴(yán)重多重共線性下，OLS估計(jì)量仍是最佳線性無偏估計(jì)量，這是由于OLS通過最大化樣本的似然函數(shù)而得到的參數(shù)估計(jì)量具有優(yōu)良的統(tǒng)計(jì)性質(zhì)，雖然OLS的系數(shù)估計(jì)值可能會(huì)受到影響，但估計(jì)量的誤差分布依然是線性的，且具有無偏性。'下述哪些情況提示可能存在多重共線性

A:繪制殘差平方對(duì)X的散點(diǎn)圖，當(dāng)散點(diǎn)圖顯示殘差平方隨X而變化，表明存在多重共線性B:重要解釋變量未能通過顯著性檢驗(yàn)C:有些解釋變量的回歸系數(shù)所帶正負(fù)號(hào)與定性分析結(jié)果相違背D:隨著X的增加，Y的離散程度增大答案:AI參考:正確選項(xiàng)為A：繪制殘差平方對(duì)X的散點(diǎn)圖，當(dāng)散點(diǎn)圖顯示殘差平方隨X而變化