計量經(jīng)濟學課后習題答案

計量經(jīng)濟學練習題

第一章導論

一、單項選擇題

1.計量經(jīng)濟研究中常用的數(shù)據(jù)主要有兩類：一類是時間序列數(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相對數(shù)據(jù)

2.橫截面數(shù)據(jù)是指[A]

A同一時點上不同統(tǒng)計單位相同統(tǒng)計指標組成的數(shù)據(jù)

B同一時點上相同統(tǒng)計單位相同統(tǒng)計指標組成的數(shù)據(jù)

C同一時點上相同統(tǒng)計單位不同統(tǒng)計指標組成的數(shù)據(jù)

D同一時點上不同統(tǒng)計單位不同統(tǒng)計指標組成的數(shù)據(jù)

3.下面屬于截面數(shù)據(jù)的是【D】

A1991-2003年各年某地區(qū)20個鄉(xiāng)鎮(zhèn)的平均工業(yè)產(chǎn)值

B1991-2003年各年某地區(qū)20個鄉(xiāng)鎮(zhèn)的各鎮(zhèn)工業(yè)產(chǎn)值

C某年某地區(qū)20個鄉(xiāng)鎮(zhèn)工業(yè)產(chǎn)值的合計數(shù)

D某年某地區(qū)20個鄉(xiāng)鎮(zhèn)各鎮(zhèn)工業(yè)產(chǎn)值

4.同一統(tǒng)計指標按時間順序記錄的數(shù)據(jù)列稱為[B]

A橫截面數(shù)據(jù)B時間序列數(shù)據(jù)C修勻數(shù)據(jù)D原始數(shù)據(jù)

5.回歸分析中定義[B]

A解釋變量和被解釋變量都是隨機變量

B解釋變量為非隨機變量，被解釋變量為隨機變量

C解釋變量和被解釋變量都是非隨機變量

D解釋變量為隨機變量，被解釋變量為非隨機變量

二、填空題

1.計量經(jīng)濟學是經(jīng)濟學的一個分支學科,是對經(jīng)濟問題進行定量實證研究的技術、方法和相關理論，可

以理解為數(shù)學、統(tǒng)計學和.經(jīng)濟學一三者的結合。

2.

3.現(xiàn)代計量經(jīng)濟學已經(jīng)形成了包括單方程回歸分析，聯(lián)立方程組模型，時間序列分析三大支柱。

4.

5.經(jīng)典計量經(jīng)濟學的最基本方法是回歸分析。

計量經(jīng)濟分析的基本步驟是：理論（或假說）陳述、建立計量經(jīng)濟模型、收集數(shù)據(jù)、計量經(jīng)濟模型參

數(shù)的估計、檢驗和模型修正、預測和政策分析。

6.

7.常用的三類樣本數(shù)據(jù)是截面數(shù)據(jù)、時間序列數(shù)據(jù)和面板數(shù)據(jù)。

8.

9.經(jīng)濟變量間的關系有不相關關系、相關關系、因果關系、相互影響關系和恒等關系。

三、簡答題

1.什么是計量經(jīng)濟學？它與統(tǒng)計學的關系是怎樣的？

計量經(jīng)濟學就是對經(jīng)濟規(guī)律進行數(shù)量實證研究，包括預測、檢驗等多方面的工作。計量經(jīng)濟學是一種定量分

析，是以解釋經(jīng)濟活動中客觀存在的數(shù)量關系為內(nèi)容的一門經(jīng)濟學學科。

計量經(jīng)濟學與統(tǒng)計學密切聯(lián)系，如數(shù)據(jù)收集和處理、參數(shù)估計、計量分析方法設計，以及參數(shù)估計值、模型

和預測結果可靠性和可信程度分析判斷等?？梢哉f，統(tǒng)計學的知識和方法不僅貫穿計量經(jīng)濟分析過程，而且現(xiàn)代

統(tǒng)計學本身也與計量經(jīng)濟學有不少相似之處。例如，統(tǒng)計學也通過對經(jīng)濟數(shù)據(jù)的處理分析，得出經(jīng)濟問題的數(shù)字

化特征和結論，也有對經(jīng)濟參數(shù)的估計和分析，也進行經(jīng)濟趨勢的預測，并利用各種統(tǒng)計量對分析預測的結論進

行判斷和檢驗等，統(tǒng)計學的這些內(nèi)容與計量經(jīng)濟學的內(nèi)容都很相似。反過來，計量經(jīng)濟學也經(jīng)常使用各種統(tǒng)計分

析方法，篩選數(shù)據(jù)、選擇變量和檢驗相關結論，統(tǒng)計分析是計量經(jīng)濟分析的重要內(nèi)容和主要基礎之一。

計量經(jīng)濟學與統(tǒng)計學的根本區(qū)別在于，計量經(jīng)濟學是問題導向和以經(jīng)濟模型為核心的，而統(tǒng)計學則是以經(jīng)濟

數(shù)據(jù)為核心，且常常是數(shù)據(jù)導向的。典型的計量經(jīng)濟學分析從具體經(jīng)濟問題出發(fā)，先建立經(jīng)濟模型，參數(shù)估計、

判斷、調(diào)整和預測分析等都是以模型為基礎和出發(fā)點；典型的統(tǒng)計學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，但可以是模糊不明確的。雖然統(tǒng)計學并不排斥經(jīng)濟理論和模型，有時也會利用它們，但統(tǒng)計

學通常不一定需要特定的經(jīng)濟理論或模型作為基礎和出發(fā)點，常常是通過對經(jīng)濟數(shù)據(jù)的統(tǒng)計處理直接得出結論，

統(tǒng)計學側重的工作是經(jīng)濟數(shù)據(jù)的采集、篩選和處理。

此外，計量經(jīng)濟學不僅是通過數(shù)據(jù)處理和分析獲得經(jīng)濟問題的一些數(shù)字特征，而且是借助于經(jīng)濟思想和數(shù)學

工具對經(jīng)濟問題作深刻剖析。經(jīng)過計量經(jīng)濟分析實證檢驗的經(jīng)濟理論和模型，能夠對分析、研究和預測更廣泛的

經(jīng)濟問題起重要作用。計量經(jīng)濟學從經(jīng)濟理論和經(jīng)濟模型出發(fā)進行計量經(jīng)濟分析的過程，也是對經(jīng)濟理論證實或

證偽的過程。這些是以處理數(shù)據(jù)為主，與經(jīng)濟理論關系比較松散統(tǒng)計學研究不能比擬的功能，也是計量經(jīng)濟學與

統(tǒng)計學的區(qū)別。

2.經(jīng)濟數(shù)據(jù)在計量經(jīng)濟分析中的作用是什么？

經(jīng)濟數(shù)據(jù)是計量經(jīng)濟分析的材料。經(jīng)濟數(shù)據(jù)是通過對經(jīng)濟變量進行觀測和統(tǒng)計，從現(xiàn)實經(jīng)濟和經(jīng)濟歷史中得

到的，反映經(jīng)濟活動水平的數(shù)字特征。從本質(zhì)上說，經(jīng)濟數(shù)據(jù)都是由相關的經(jīng)濟規(guī)律生成的，因此是反映經(jīng)濟規(guī)

律的信息載體，確定經(jīng)濟規(guī)律的基本材料。經(jīng)濟數(shù)據(jù)的數(shù)量和質(zhì)量，對計量經(jīng)濟分析的有效性和價值有舉足輕重

輕重的影響。

3.試分別舉出時間序列數(shù)據(jù)、橫截面數(shù)據(jù)、面板數(shù)據(jù)的實例。

時間序列數(shù)據(jù)指對同一個觀測單位，在不同時點的多個觀測值構成的觀測值序列，或者以時間為序收集統(tǒng)計

和排列的數(shù)據(jù)，如浙江某省從1980年到2007年各年的GDP：橫截面數(shù)據(jù)是指在現(xiàn)一時點上，對不同觀測單位觀

測得到的多個數(shù)據(jù)構成的數(shù)據(jù)集，如2007年全國31個省自治區(qū)直轄市的GDP；面板數(shù)據(jù)就是由對許多個體組成

的同一個橫截面，在不同時點的觀測值構成的數(shù)據(jù)，如從1980年到2007年各年的全國31個省自治區(qū)直轄市GDP。

第二章兩變量線性回歸

一、單項選擇題

1.表示x與y之間真實線性關系的是[C]

AR=A+6.BE(yJ=片+。內(nèi)

C%=。0+^x,+￡,Dy=尸0+4為

2.參數(shù)?的估計量/具備有效性是指【B1

AVar(p)=0BVar(/)為最小

C（6—?）=0D（6一?）為最小

3.產(chǎn)量（x,臺）與單位產(chǎn)品成本（y,元/臺）之間的回歸方程為9=356—1.5x,這說明[B]

A產(chǎn)量每增加一臺，單位產(chǎn)品成本增加356元

B產(chǎn)量每增加一臺，單位產(chǎn)品成本減少1.5元

C產(chǎn)量每增加一臺，單位產(chǎn)品成本平均增加356元

D產(chǎn)量每增加一臺，單位產(chǎn)品成本平均減少1.5元

4.對回歸模型y,=鳳+四七+￡,進行統(tǒng)計檢驗時，通常假定￡,服從【C1

AN（0,cr,2）Bt（n-2）

CN（0,<72）Dt（n）

5.以y表示實際觀測值，亍表示回歸估計值，則普通最小二乘法估計參數(shù)的準則是使【D】

A女）=oB2%_獷=0

c為最小D￡（K-%）2為最小

6.以X為解釋變量，Y為被解釋變量，將X、Y的觀測值分別取對數(shù)，如果這些對數(shù)值描成的散點圖近似形成

為一條直線，則適宜配合下面哪一模型形式?（D）

A.Yi=|3o+PiXi+HiB.如Yi=|%+pXi+內(nèi)

CYi邛o+ainXi+內(nèi)D.lnYj=po+PilnXj+(ii

7.下列各回歸方程中，哪一個必定是錯誤的?(C)

A.Yi=50+0.6XirXY=0.8B.Yi=-14+0.8XirXY=0.87

C.Yi=15-1.2XirXY=0.89D.丫k?18-5.3、rXY=-0.96

8.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系數(shù)為(B)

A.0.81B.0.90

C.0.66D.0.32

9.對于線性回歸模型Yi=B0+B|Xi+d，要使普通最小二乘估計量具備無偏性，則模型必須滿足(A)

A.E(ui)=0B.Var(u0=02

C.Cov(Ui,Hj)=0D.?服從正態(tài)分布

10.用一組有30個觀測值的樣本估計模型y,=A)+4七+%，在0.05的顯著性水平下對B\的顯著性作t檢驗,

則片顯著地不等于零的條件是其統(tǒng)計量t大于【D】

A,0.05(30)BtOO25(30)Cbos(28)Dtn025(28)

口.某一特定的x水平上，總體y分布的離散度越大，即b?越大，則[A]

A預測區(qū)間越寬，精度越低B預測區(qū)間越寬，預測誤差越小

C預測區(qū)間越窄，精度越高D預測區(qū)間越窄，預測誤差越大

12.對于總體平方和TSS、回歸平方和RSS和殘差平方和ESS的相互關系，正確的是【B

ATSS>RSS+ESSBTSS=RSS+ESS

CTSS<RSS+ESSDTSS2=RSS2+ESS2

13.對于隨機誤差項ej,Var（ei）=E（e；）=/內(nèi)涵指（B）

A.隨機誤差項的均值為零B.所有隨機誤差都有相同的方差

C.兩個隨機誤差互不相關D.誤差項服從正態(tài)分布

二、判斷題

1.隨機誤差項ei與殘差項生是一回事。（X）

2.對兩變量回歸模型，假定誤差項ei服從正態(tài)分布。（V）

3.線性回歸模型意味著因變量是自變量的線性函數(shù)。（V）

4.在線性回歸模型中，解釋變量是原因，被解釋變量是結果。（V）

5.在實際中，兩變量回歸沒什么用，因為因變量的行為不可能僅由一個解釋變量來解釋。（X）

三、填空題

1.在計量經(jīng)濟模型中引入誤差項彳,是因為經(jīng)濟變量關系一般是隨機函數(shù)關系。

2.樣本觀測值與回歸理論值之間的偏差，稱為殘差，我們用殘差估計線性回歸模型中的誤差項。

3.SST反映樣本觀測值總體離差的大小;SSR反映由模型中解釋變量所解釋的那部分離差的大小:

SSE反映樣本觀測值與估計值偏離的大小,也是模型中解釋變量未解釋的那部分離差的大小。

rccDCC

4.擬合優(yōu)度（判定系數(shù)）A?=仝=1-空。它是由回歸.引起的離差占總體離差的比重。

TSSTSS

若擬合優(yōu)度內(nèi)越趨近于」____,則回歸直線擬合越好；反之，若擬合優(yōu)度R2越趨近于―,則回歸直線擬合

越差。

5.在兩變量回歸中，S?=_Z^-___是。2的無偏估計。

n-2

四、簡答題

1.什么是隨機誤差項？影響隨機誤差項的主要因素有哪些？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、測量誤差、隨機誤差等；通過殘差對誤差項的方差進行估計。

2.決定系數(shù)R2說明了什么？它與相關系數(shù)的區(qū)別和聯(lián)系是什么？

P53和P56

3.最小二乘估計具有什么性質(zhì)？

P37線性、無偏性和有效性（或最小方差性）

4.在回歸模型的基本假定中，E（與）=0的意義是什么？

該假設的含義是：如果兩變量之間確實是線性趨勢占主導地位，隨機誤差只是次要因素時，那么雖然隨機擾

動會使個別觀測值偏離線性函數(shù)，但給定解釋變量時多次重復觀測被解釋變量,概率均值會消除隨機擾動的影響,

符合線性函數(shù)趨勢。

第三章多元線性回歸模型

一、單項選擇題

1.決定系數(shù)寵2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

2.在由n=30的一組樣本估計的、包含3個解釋變量的線性回歸模型中，計算的決定系數(shù)為0.8500,則調(diào)整后

的決定系數(shù)為【D】

A0.8603B0.8389C0.8655D0.8327

b.

H（）：

3.對于y,=/?0+/3lxu+/3^x2i+-??+/3kxki+,檢驗0=0（i=0,L…，攵）時，所用的統(tǒng)計量1=/、

se⑸

服從[A]

At(n-k-l)Bt(n-k-2)Ct(n-k+l)Dt(n-k+2)

4.調(diào)整的判定系數(shù)R'與多重判定系數(shù)R2之間有如下關系【D】

=BR2=I-

n-k-\n-k-T

CR2=1-(1+/?2)-"1-DQ=I_(1-R2)1

n-k-\n-k-\

5.用一組有30個觀測值的樣本估計模型y=為+尸網(wǎng)+為馬+弓后，在005的顯著性水平下對用的顯著

性作t檢驗，則回顯著地不等于零的條件是其統(tǒng)計量大于等于[C]

A^.05(30)B%25(28)C(27)D^,(1.28)

tOO25025

6.對模型Yi=Po+PiXn+B2X2i+uj進行總體顯著性F檢驗，檢驗的零假設是(A)

A.0i=02=0B.0i=0

C.02=OD.6o=O或Bi=0

7.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中，判定系數(shù)R?一定大于調(diào)整的R?。（V）

2.在EVIEWS中，genr命令是生成新的變量。（V）

3.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

1.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

2.在多元線性回歸模型中，F(xiàn)統(tǒng)計量與可決系數(shù)之間有如下關系:F=——上一

1-R2

n-k-l

3.有k個解釋變量的多元回歸模型的誤差項方差。2的無偏估計是52

n-k-l

4.在總體參數(shù)的各種線性無偏估計中，最小二乘估計量具有最小方差的特性。

四、簡答題

1.在多元線性回歸分析中，為什么用修正的決定系數(shù)衡量估計模型對樣本觀測值的擬合優(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值，以及回歸殘差有關，而與解釋變量無直接關系。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，都會提高決定系數(shù)的數(shù)值，解釋變量個數(shù)越多，決定系數(shù)

一定會越大。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，會導致片面追求解釋變量數(shù)量

的錯誤傾向。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價方面的作用受到很大限制，需要

修正。

2.回歸模型的總體顯著性檢驗與參數(shù)顯著性檢驗相同嗎？是否可以互相替代？

多元線性回歸模型每個參數(shù)的顯著性與模型總體的顯著性并不一定一致，因此除了各個參數(shù)的顯著性檢驗以

處，，還需要進行模型總體顯著性，也就是全體解釋變量總體對被解釋變量是否存在明顯影響的檢驗，稱為“回

歸顯著性檢驗”。總體顯著性檢驗是多元回歸分析特有的，兩變量線性回歸解釋變量系數(shù)的顯著性檢驗與模型的

總體顯著性檢驗一致，不需要進行總體顯著性檢驗。

第四章異方差性

一、單項選擇題

1.下列哪種方法不是檢驗異方差的方法【D】

A戈德菲爾特一一夸特檢驗B殘差序列圖檢驗

C戈里瑟檢驗D方差膨脹因子檢驗

2.當存在異方差現(xiàn)象時，估計模型參數(shù)的適當方法是[A]

A加權最小二乘法B工具變量法

C廣義差分法D使用非樣本先驗信息

3.加權最小二乘法克服異方差的主要原理是通過賦予不同觀測點以不同的權數(shù)，從而提高估計精度，即[A]

A重視方差較小樣本的信息，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

4.如果戈里瑟檢驗表明，普通最小二乘估計結果的殘差《與X,.有顯著的形式為|,|=0.2871其+5的相關關

系（句滿足線性模型的全部經(jīng)典假設）,則用加權最小二乘法估計模型參數(shù)時，權數(shù)應為[C]

111

AXjB—C—D

xiXi

5.如果戈德菲爾特一一夸特檢驗顯著,則認為什么問題是嚴重的【A

A異方差問題B序列相關問題

C多重共線性問題D設定誤差問題

6.容易產(chǎn)生異方差的數(shù)據(jù)是[C]

A時間序列數(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誤差項存在異方差性，則估計模型參數(shù)應采用【B

A普通最小二乘法B加權最小二乘法

C廣義差分法D工具變量法

8.假設回歸模型為y=。+佞；+d，其中則使用加權最小二乘法估計模型時，應將模型變換

為[C]

yau

B

yJXyJX\XTT五+6十五

yauyaBu

C-=—+/?+-D—=—+—+—

XXXXXXX

9.設回歸模型為y=外,+與，其中var（號則?的最小二乘估計量為【B

A.無偏且有效B無偏但非有效

C有偏但有效D有偏且非有效

三、判斷題

1.當異方差出現(xiàn)時，最小二乘估計是有偏的和不具有最小方差特性。（X）

2.在異方差情況下，通常預測失效。（V）

3.在異方差情況下，通常OLS估計一定高估了估計量的標準差。（X）

4.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）

5.如果回歸模型遺漏一個重要的變量，則OLS殘差必定表現(xiàn)出明顯的趨勢。（V）

6.當異方差出現(xiàn)時，常用的t檢驗和F檢驗失效。(V)

7.用截面數(shù)據(jù)建立模型時，通常比時間序列資料更容易產(chǎn)生異方差性。(V)

四、簡答題

1.什么是異方差性？試舉例說明經(jīng)濟現(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都要求誤差項是同方差的，就是誤差項的方差是常數(shù)，即

var(?,)=er2不隨t變化。這條假設也不一定滿足，也就是線性回歸模型誤差項的方差var(〃,)=a；有可能隨t

變化，這時候稱線性回歸模型存在“異方差”或“異方差性”。

舉例P162經(jīng)濟中不同收入家庭消費的分散度。

2.如何發(fā)現(xiàn)和判斷線性回歸模型是否存在異方差問題？

P166—P174

3.克服和處理異方差問題有哪些方法？

P174—P180

第五章自相關性

一、單項選擇題

1.如果模型y,=%+4x,+￡,存在序列相關，則【D】

ACOV(xt,￡t)=0BCOV(￡t,￡x)=0(t?s)

CCOV(xt,￡t)?0Dcov(J,￡s)?0(t?s)

2.D—W檢驗的零假設是（？為隨機項的一階自相關系數(shù)）【B1

ADW=0B?=0CDW=1D?=1

3.DW的取值范圍是【D】

A-l?DW?0B-1?DW?1

C-2?DW?2D0?DW?4

4.當DW=4是時，說明【D】

A不存在序列相關B不能判斷是否存在一階自相關

C存在完全的正的一階自相關D存在完全的負的一階自相關

5.根據(jù)20個觀測值估計的結果，一元線性回歸模型的DW=2.3。在樣本容量n=20,解釋變量k=l,顯著性水

平?=0.05時,查得力=1,dv=1.41,則可以判斷[A]

A不存在一階自相關B存在正的一階自相關

C存在負的一階自相關D無法確定

6.當模型存在序列相關現(xiàn)象時，適宜的參數(shù)估計方法是[C]

A加權最小二乘法B間接最小二乘法

C廣義差分法D工具變量法

7.采用一階差分模型克服一階線性自相關問題使用于下列哪種情況【B1

A??0B??1C-l<?<0DO<?<1

8.假定某企業(yè)的生產(chǎn)決策是由模型S,描述的(其中S,為產(chǎn)量，《為價格)，又知：如果該企業(yè)

在t-1期生產(chǎn)過剩，經(jīng)濟人員會削減t期的產(chǎn)量。由此判斷上述模型存在[B]

A異方差問題B序列相關問題

C多重共線性問題D隨機解釋變量問題

9.根據(jù)一個n=30的樣本估計y=氐+/內(nèi)+,后計算得DW=L4,已知在5%得的置信度下，叁=1.35,%

=1.49,則認為原模型[B]

A不存在一階序列自相關B不能判斷是否存在一階自相關

C存在完全的正的一階自相關D存在完全的負的一階自相關

10.對于模型y=瓦+2七+,，以?表示的與e,T之間的線性相關系數(shù)(t=1,2,?,n),則下面明顯錯誤的是

[B]

A?=0.8,DW=0.4B?=-0.8,DW=-0.4

C?=0,DW=2D?=l,DW=O

11.已知DW統(tǒng)計量的值接近于2,則樣本回歸模型殘差的一階自相關系數(shù)?近似等于[A]

D0.5

12.已知樣本回歸模型殘差的一階自相關系數(shù)接近于-1,則DW統(tǒng)計量近似等于【D】

??B1?

13.戈德菲爾德一夸特檢驗法可用于檢驗【A】

A異方差性B多重共線性??

C序列相關D設定誤差

14.在給定的顯著性水平之下，若DW統(tǒng)計量的下和上臨界值分別為dL和du,則當dL<DW<du時，可認為隨機

誤差項【D】

A存在一階正自相關??B存在一階負相關

C不存在序列相關？？D存在序列相關與否不能斷定

三、判斷題

1.當模型存在高階自相關時，可用D-W法進行自相關檢驗。（X）

2.DW值在0和4之間，數(shù)值越小說明正相關程度越大，數(shù)值越大說明負相關程度越大。（V）

3.假設模型存在一階自相關，其他條件均滿足，則仍用OLS法估計未知參數(shù)，得到的估計量是無偏的，不再是

有效的，顯著性檢驗失效，預測失效。(V)

4.當存在自相關時，OLS估計量是有偏的，而且也是無效的。（X）

5.消除自相關的一階差分變換假定自相關系數(shù)必須等于一1。（X）

6.發(fā)現(xiàn)模型中存在誤差自相關時，都可以利用差分法來消除自相關。（X）

四、簡答題

1.自相性對線性回歸分析有什么影響？

P196—P198

2.發(fā)現(xiàn)和檢驗自相關性有哪些方法？

P198—P2088

3.克服自相關性有哪些方法？

P208—P215

第六章多重共線性

一、單項選擇題

1.當模型存在嚴重的多重共線性時，OLS估計量將不具備[C]

A線性B無偏性C有效性D一致性

2.經(jīng)驗認為，某個解釋變量與其他解釋變量間多重共線性嚴重的情況是這個解釋變量的VIF[C]

A大于1B小于1C大于10D小于5

3.如果方差膨脹因子VIF=10,則認為什么問題是嚴重的【C1

A異方差問題B序列相關問題

C多重共線性問題D解釋變量與隨機項的相關性

4.在多元線性回歸模型中，若某個解釋變量對其余解釋變量的判定系數(shù)接近于1,則表明模型中存在[A]

A多重共線性？B異方差性?？C序列相關？D高擬合優(yōu)度

5.在線性回歸模型中，若解釋變量和X2的觀測值成比例，即有X”=ZX2,，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D設定誤差

二、判斷題

L盡管有完全的多重共線性，OLS估計量仍然是最優(yōu)線性無偏估計量。（X）

2.變量的兩兩高度相關并不表示高度多重共線性。(X)

3.在多元回歸中，根據(jù)通常的t檢驗，每個參數(shù)都是統(tǒng)計上不顯著的，你就不會得到一個高的心值。

（x）

4.變量不存在兩兩高度相關表示不存在高度多重共線性。（X）

三、填空題

L強的近似多重共線性會對多元線性回歸的座效^產(chǎn)生嚴重的不利影響。

2.第k個解釋變量與其他解釋變量之間相關系數(shù)平方越大，方差膨脹因子（VIF）越大。

3.存在完全多重共線性時，多元回歸分析是無法進行。

4.檢驗樣本是否存在多重共線性的常見方法有：方差擴大因子法和逐步回歸檢驗法。

5.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、增加樣本容量、差分模型

O

四、簡答題

1.什么是多重共線性？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系（或P226—P227）,原

因見P227—228）。

2.如何發(fā)現(xiàn)和判斷多重共線性？

P230—P235

3.克服多重共線性有哪些方法？

P235—P244

第七章計量經(jīng)濟分析建模與應用

一、單項選擇題

1.某商品需求函數(shù)為、=%+優(yōu)七+%,其中y為需求量，x為價格。為了考慮“地區(qū)”（農(nóng)村、城市）和“季

節(jié)”（春、夏、秋、冬）兩個因素的影響，擬引入虛擬變量，則應引入虛擬變量的個數(shù)為[B]

A2B4C5D6

2.根據(jù)樣本資料建立某消費函數(shù)如下：C,=100.50+55.350,+0.45X,,其中C為消費，x為收入，虛擬變量D=

f1城鎮(zhèn)家庭

;二二:，所有參數(shù)均檢驗顯著，則城鎮(zhèn)家庭的消費函數(shù)為[A]

（0農(nóng)村家庭

AC,=155.85+0.45X,BC,=100.50+0.45X,

CC,=100.50+55.35x,DC,=100.95+55.35x,

二、填空題

1.在計量經(jīng)濟建摸時，對非線性模型的處理方法之一是線性化。

2.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變化率時，則以乘法

引入虛擬解釋變量。

3.對于有m個不同屬性的定性因素，應該設置一m-1個虛擬變量來反映該因素的影響。

三、簡答題

1.什么是虛擬變量？它在模型中有什么作用？

P255

2.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？

P258—P260

四、綜合分析計算題

㈠設某商品的需求量丫（百件），消費者平均收入X1（百元），該商品價格乂2（元）。經(jīng)Eviews軟件對觀察的

10個月份的數(shù)據(jù)用最小二乘法估計，結果如下：（被解釋變量為丫）

VARIABLECOEFFICIENTSTD.ERRORT-STAT2-TAILSIG

C99.46929513.4725717.38309650.000

XI2.50189540.7536147（3.3199）

X2-6.58074301.3759059（-4.7828）

R-squared0.949336Meanofdependentvar80.00000

AdjustedR-squared()S.D.ofdependentvar19.57890

S.Eofregression4.997021Sumofsquaredresid174.7915

Durbin-Watsonstat()F-statistics()

完成以下問題：（至少保留三位小數(shù)）

1.寫出需求量對消費者平均收入、商品價格的線性回歸估計方程。

2.解釋偏回歸系數(shù)的統(tǒng)計含義和經(jīng)濟含義。

3.對該模型做經(jīng)濟意義檢驗。

4.估計調(diào)整的可決系數(shù)。

5.在95%的置信度下對方程整體顯著性進行檢驗。

6.在95%的置信度下檢驗偏回歸系數(shù)（斜率）的顯著性。

7.檢驗隨機誤差項的一階自相關性。（%（,一%）=300,叁=1.08,4y=1.36）

解：1.y=99.4693+2.5019X（-6.5807^

2.需求量和收入正相關，和價格負相關，收入每增加一個單位，需求量上升2.5個單位，價格每增加一個單

位，需求量下降6.58個單位；

3.該模型經(jīng)濟意義檢驗通過;

4.R2=1一(1一&)"-1=1-(1-0.9493)XU=0.945

n-k-\10-2-1

R?0.9493

k

5.F265.53，F(xiàn)檢驗通過

1-R2~1-0.9493

n—k—110—3

6.tl=3.3199,t2=-4.7828,t檢驗通過

7.檢驗隨機誤差項的一階自相關性。==^22_=17163.4=1。8嬴=L36,不

工e；174.79

存在一階自相關。

㈡設某地區(qū)機電行業(yè)銷售額丫（萬元）和汽車產(chǎn)量Xi（萬輛）以及建筑業(yè)產(chǎn)值*2（千萬元）。經(jīng)Eviews軟件

對1981年一一1997年的數(shù)據(jù)分別建立線性模型和雙對數(shù)模型進行最小二乘估計，結果如下：

表1

DependentVariable:Y

VariableCoefficientStd.Errort-StatisticProb.

C-57.4549681.02202-0.7091280.4899

XI45.7055815.668852.9169710.0113

0.0000

X211.933391.5165537.868761

R-squared0.903899Meandependentvar545.5059

AdjustedR-squared0.890170S.D.dependentvar193.3659

S.E.ofregression64.08261Akaikeinfocriterion11.31701

Sumsquaredresid