《計量經(jīng)濟(jì)學(xué)小題》由會員分享，可在線閱讀，更多相關(guān)《計量經(jīng)濟(jì)學(xué)小題（13頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、計量經(jīng)濟(jì)學(xué)小題 2、在模型中引入解釋變量的多個滯后項容易產(chǎn)生多重共線性。 對在分布滯后模型里多引進(jìn)解釋變量的滯后項，由于變量的經(jīng)濟(jì)意義一樣，只 是時間不一致，所以很容易引起多重共線性。 1、簡單線性回歸模型與多元線性回歸模型的基本假定是相同的。 錯在多元線性回歸模型里除了對隨機(jī)誤差項提出假定外，還對解釋變量之間提 出無多重共線性的假定。 3、DW檢驗(yàn)中的d值在0到4之間，數(shù)值越小說明模型隨機(jī)誤差項的自相關(guān) 度越小，數(shù)值越大說明模型隨機(jī)誤差項的自相關(guān)度越大。 錯DW值在0到4之間，當(dāng) DW落在最左邊（0 d d L ）、最右邊（4 d L d 4 ） 時，分別為正自相關(guān)、負(fù)自相關(guān)

2、；中間（d u d 4 d u ）為不存在自相關(guān)區(qū)域； 其次為兩個不能判定區(qū)域。 4、在計量經(jīng)濟(jì)模型中，隨機(jī)擾動項與殘差項無區(qū)別。 錯 它們均為隨機(jī)項，但隨機(jī)誤差項表示總體模型的誤差，殘差表示樣本模型的 誤差；另外，殘差=隨機(jī)誤差項+參數(shù)估計誤差。 5、在計量經(jīng)濟(jì)模型中，隨機(jī)擾動項與殘差項無區(qū)別。 錯 它們均為隨機(jī)項，但隨機(jī)誤差項表示總體模型的誤差，殘差表示樣本模型的 誤差；另外，殘差=隨機(jī)誤差項+參數(shù)估計誤差。 1 ?線性回歸模型意味著因變量是自變量的線性函數(shù)。 錯，線性回歸模型本質(zhì)上指的是參數(shù)線性，而不是變量線性。同時，模型與函數(shù)不是 一回事。 2?多重線性問題是隨機(jī)擾

3、動項違背古典假定引起的。 錯，應(yīng)該是解釋變量之間高度相關(guān)引起的。 3?通過虛擬變量將屬性因素引入計量經(jīng)濟(jì)模型， 引入虛擬變量的個屬于樣本容量大小有關(guān)。 錯，一如虛擬變量的個數(shù)樣本容量大小無關(guān)，與變量屬性，模型有無截距項有關(guān)。 4?雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性檢驗(yàn)師一致的。 正確，要求最好能夠?qū)懗鲆辉€性回歸中， F統(tǒng)計量與t統(tǒng)計量的關(guān)系，即 F=t2的來歷， 或者說明一元線性回歸僅有一個解釋變量， 因此對斜率系數(shù)的t檢驗(yàn)等價于對方程的整體性 檢驗(yàn)。 5?如果聯(lián)立方程模型中莫格結(jié)構(gòu)方程包含了所有的變量，則這方程不可識別。 正確，沒有唯一的統(tǒng)計形式

4、。 1 ?在實(shí)際中，一元線性回歸幾乎沒有什么用，因?yàn)樽兞康男袨椴豢赡軆H由一個解釋變量來 解釋。 錯，在實(shí)際中，在一定條件下一元線性回歸是很多經(jīng)濟(jì)現(xiàn)象是近似，能夠較好的反映回歸 分析的基本思想，在某些情況下還是有用的。 2?虛擬變量只能作為解釋變量 錯，虛擬變量還能作為解釋變量。 3 ? 5、設(shè)估計模型為 PCE 171.4412 0.9672PDI t=（ -7.4809）（119.8711） R 2=09940 DW 0.5316 由于R 0.9940,表明模型有很好的擬合優(yōu)度， 則模型不存在偽 （虛假）回歸。 錯可能存在偽（虛假）回歸，因?yàn)榭蓻Q系數(shù)較高，而 DW值過低。

5、1 ?隨機(jī)擾動項的方差與隨機(jī)擾動項方差的無偏估計沒有區(qū)別。 錯，隨機(jī)擾動項的方差反映總體的波動情況，對一個特定的總體而言，是一個確 定的值。在最小二乘估計中，由于總體方差在大多數(shù)情況下并不知道，所以用樣本數(shù) 2 據(jù)去估計 ： e /（ n k ）。其中n為樣本數(shù)，k為待估參數(shù)的個數(shù)。 ？是？線 性無偏估計，為一個隨機(jī)變量。 2 ?經(jīng)典線性回歸模型（CLRM ）中的干擾項不服從正態(tài)分布的 ，OLS估計量將有偏的 錯，即使經(jīng)典線性回歸模型 （C L RM）中的干擾項不服從正態(tài)分布的O L S估計量仍然 是無偏的。因?yàn)镋（B? 2 ） E（ 2 K ） 2 ，該表達(dá)式的成立與否與正態(tài)

6、性無 關(guān)。 3 虛擬變量的取值原則上只能取0或1 對，虛擬變量的值是人為設(shè)定的， 主要表征某種屬性或特征或者其它的存在與否， ?；?正 好描述了這種特征。當(dāng)然，依據(jù)研究問題的特殊性，有時也可以取其他值。 4 擬合優(yōu)度檢驗(yàn)和F檢驗(yàn)師沒有區(qū)別的 錯，（1 ） F檢驗(yàn)中使用的統(tǒng)計量有精確地分布，而擬合優(yōu)度檢驗(yàn)沒有， （2 ）對是否通過 檢驗(yàn)，可決系數(shù)（修正可決系數(shù)）職能給出一個模糊的推測， 而F檢驗(yàn)可以在給定顯著水平 下，給出統(tǒng)計上的嚴(yán)格結(jié)論。 5 聯(lián)立方程組模型根本不能直接用O L S方法估計參數(shù) 錯，遞歸方程可以用O L s方法估計參數(shù)， 而其他的聯(lián)立方程組模型不能直接用O

7、L S方 法估計參數(shù)。 1 ?在對參數(shù)進(jìn)行最小二乘估計之前，沒必要對模型提出古典假定。 錯，在古典假定條件下，OL S估計得到參數(shù)量的最佳線性無偏估計（具有線性 ？無偏 性？有效性）?？傊?，提出古典假定是為了使所做出的估計量具有較好的統(tǒng)計性質(zhì)和方便地 進(jìn)行統(tǒng)計推斷。 當(dāng)異方差出現(xiàn)時，常用的 和F檢驗(yàn)失效 正確，由于異方差類，似于 比值的統(tǒng)計量所遵從的分布未知，即使遵從 分布，由于方差 不再具有最小性。 這是往往會夸大 檢驗(yàn)，使 檢驗(yàn)失效，由于F分布為兩個獨(dú)立的 變量之 間，故依然存在類似于 分布中的問題。 解釋變量與隨機(jī)誤差項相關(guān)，是產(chǎn)生多重線性的主要原因。 錯誤，產(chǎn)生多重共線

8、性的主要原因是：經(jīng)濟(jì)本變量大多存在共同變化趨勢：模型中大量采 用滯后變量；認(rèn)識上的局限使得選擇變量不當(dāng)。 由間接最小二乘法與兩階段最小二乘法得到的估計量都是無偏估計。 錯，間接最小二乘法適用于恰好識別方程的估計， 其估計量為無偏估計， 而兩階段最小二 乘法不僅適用于恰好識別方程， 也適用于過度識別方程。 兩階段最小二乘法得到的估計量為 有偏L致估計。 1、在異方差性的情況下，常用的 OLS法必定高估了估計量的標(biāo)準(zhǔn)誤。 錯誤。有可能高估也有可能低估；如：考慮一個非常簡單的具有異方差 性的線性回 歸模型： 2 秩條件是充要條件，因此，單獨(dú)利用秩條件就可以完成聯(lián)立方程識別狀態(tài)的確定。

9、 錯誤，雖然秩條件是充要條件，但其前提是，只有通過了階條件的條件，在對聯(lián)立方程 進(jìn)行識別時，還應(yīng)結(jié)合階條件判斷是過度識別，還是恰好識別。 1 ?在經(jīng)濟(jì)計量分析中，模型參數(shù)一旦被估計出來，就可將估計模型直接運(yùn)用于實(shí)際的計量 經(jīng)濟(jì)分析。 錯，參數(shù)一經(jīng)估計，建立了樣本回歸模型，還需要對模型進(jìn)行檢驗(yàn)，包括經(jīng)濟(jì)意義檢驗(yàn)?統(tǒng) 計檢驗(yàn)?計量經(jīng)濟(jì)專門檢驗(yàn)等。 2 ?假定個人服裝支出同收入水平和性別有關(guān)，由于性別是具有兩種屬性（男 女）的定性 因素，因此，用虛擬變量回歸方法分析性別對服裝支出的影響時，需要引入兩個虛擬變量 錯，是否引入兩個虛擬變量，應(yīng)取決于模型中是否有截距項。如果有截距項則引入一個

10、虛擬變量：如果模型中沒有截距項，則引入兩個虛擬變量。 3、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性 檢驗(yàn)是一致的。 正確 要求最好能夠?qū)懗鲆辉€性回歸中， F 統(tǒng)計量與 T 統(tǒng)計量的關(guān)系，即F t 2的 來歷；或者說明一元線性回歸僅有一個解釋變量，因此對斜率系 數(shù)白T T檢驗(yàn)等價于對方 程的整體性檢驗(yàn)。 1、在簡單線性回歸中可決系數(shù) R與斜率系數(shù)的t檢驗(yàn)的沒有關(guān)系。 錯，可決系數(shù)是對模型擬合優(yōu)度的綜合度量，其值越大，說明在 Y的總變差中由模型作 出了解釋的部分占的比重越大， 模型的擬合優(yōu)度越高， 模型總體線性關(guān)系的顯著性越強(qiáng)。 反 之亦然。斜率系數(shù)的

11、t檢驗(yàn)是對回歸方程中的解釋變量的顯著性的檢驗(yàn)。在簡單線性回歸 中，由于解釋變量只有一個，當(dāng) t檢驗(yàn)顯示解釋變量的影響顯著時，必然會有該回歸模型 的可決系數(shù)大，擬合優(yōu)度高。 2、異方差性、自相關(guān)性都是隨機(jī)誤差現(xiàn)象，但兩者是有區(qū)別的 正確。異方差的出現(xiàn)總是與模型中某個解釋變量的變化有關(guān)自，相關(guān)性是各回歸模型的 隨機(jī)誤差項之間具有相關(guān)關(guān)系 3、通過虛擬變量將屬性因素引入計量經(jīng)濟(jì)模型，引入虛擬變量的個數(shù)與模型有無截距項無 關(guān)。 錯，模型有截距項時，如果被考察的定性因素有 m個相互排斥屬性，則模型中引入 m -1個虛擬變量，否則會陷入"虛擬變量陷阱”；模型無截距項時，若被考察的定性因素有 m

12、 個相互排斥屬性，可以引入 m個虛擬變量，這時不會出現(xiàn)多重共線性。 4、滿足階條件的方程一定可以識別。 錯，階條件只是一個必要條件，即滿足階條件的的方程也可能是不可識別的。 5、庫依克模型、自適應(yīng)預(yù)期模型與局部調(diào)整模型的最終形式是不同的。 錯，庫依克模型、自適應(yīng)預(yù)期模型與局部調(diào)整模型的最終形式是相同的，其最終 形式都是一階自回歸模型。 1、半對數(shù)模型Y 0 1 ln X 中，參數(shù) 1的含義是 X的絕對量變化，引起 Y的 絕對量變化 0 1 1 錯，半對數(shù)模型的參數(shù) 1的含義是當(dāng) X的相對變化時，絕對量發(fā)生變化，引起因變量 Y的平均值絕對量的變動。 2、對已經(jīng)估計出參數(shù)的模型

13、不需要進(jìn)行檢驗(yàn)。 錯，有必要進(jìn)行檢驗(yàn)。 首先，因?yàn)槲覀冊谠O(shè)定模型時， 對所研究的經(jīng)濟(jì)現(xiàn)象的規(guī)律性有必 要進(jìn)行檢驗(yàn)?？赡苷J(rèn)識并不充分，所依據(jù)的得經(jīng)濟(jì)理論對研究對象也許還不能做出正確的解 釋和說明?；蛘唠m然經(jīng)濟(jì)理論是正確的， 但可能我們對問題的認(rèn)識只是從某些局部出發(fā)， 或 只是考察了某些特殊的樣本，以局部去說明全局的變化規(guī)律，必然會導(dǎo)致偏差。其 次，我們用以及參數(shù)的統(tǒng)計數(shù)據(jù)或其他信息可能并不十分可靠， 或者較多采用了經(jīng)濟(jì)突變時 期的數(shù)據(jù)，不能真實(shí)代表所研究的經(jīng)濟(jì)關(guān)系， 也可能由于樣本太小， 所估計的參數(shù)只是抽樣 的某些偶然結(jié)果。另外，我們所建立的模型，所用的方法，所用的統(tǒng)計數(shù)據(jù)，還可能違反

14、計 量經(jīng)濟(jì)的基本假定，這是也會導(dǎo)致錯誤的結(jié)論。 內(nèi)生變量和前定變量的總數(shù), 4、在有M個方程的完備聯(lián)立方程組中，當(dāng)識別的階條件為 H N i (H為聯(lián)立方程組中 iN 為第i個方程中內(nèi)生變量和前定變量的總數(shù))時, 則表示第i個方程不可識別。 錯誤。表示第i個方程過度識別 5、隨機(jī)誤差項和殘差是有區(qū)別的。 正確, 隨機(jī)誤差項隨機(jī)誤差項u E（Y / X i ）。當(dāng)把總體回歸函數(shù)其中的 ei表示 成丫 i Y i e _時 它是用Y i估計丫 i時帶來的誤差 e i Y i Y i ,是對隨機(jī) 誤差項 u i的估計。 1 .樣本回歸函數(shù) （方程） 的表達(dá)式為

15、 A. Y = 1Xi Ui B. E(Y/XJ= 0 1Xi c. Y = 1Xi ei 2.下圖中“ {" 所指的距離是（B A.隨機(jī)干擾項 B.殘差 C. Y的離差 D. Y?的離差 3.在總體回歸方程 E（Y/X）= 0 1X中，1表示（B ）。 A .當(dāng)X增加一個單位時, Y增加1個單位 B.當(dāng)X增加一個單位時, Y平均增加1個單位 C.當(dāng)Y增加一個單位時, X增加1個單位 D .當(dāng)Y增加一個單位時, X平均增加 1個單位 4.可決系數(shù)R2是指（C ）。 A .剩余平方和占總離差平方和的比重 C.回歸平方和占總離差平方和

16、的比重 B.總離差平方和占回歸平方和的比重 D.回歸平方和占剩余平方和的比重 e2 =800,估計用的樣本容 5 .已知含有截距項的三元線性回歸模型估計的殘差平方和為 量為24,則隨機(jī)誤差項ui的方差估計量為（B ）。 A. 33.33 B. 40 C. 38.09 D. 36.36 6 .設(shè)k為回歸模型中的參數(shù)個數(shù)（不包括截距項），n為樣本容量，ESS為殘差平方和，RSS 為回歸平方和。則對總體回歸模型進(jìn)行顯著性檢驗(yàn)時構(gòu)造的 F統(tǒng)計量為（B ）。 RSS RSS/k A . F = B. F = TSS ESS(n k 1) C. F =1 RS

17、S/k TSS(n k 1) l ESS D. F = TSS 7.對于模型Y= 0 ?Xj q ,以 表示e與e 1之間的線性相關(guān)系數(shù)（ t 2,3,L ,n), 則下面明顯錯誤的是（B ）。 A . =0.8, DW . =0.4 B. = 0.8, DW.= 0.4 C. =0, DW.=2 D. =1 , DW.=0 8.在線性回歸模型 Y 0 1X〔i kXki 5 k 3；如果X2 X3 X1,則表明 模型中存在（B ）。 D .模型誤設(shè)定 A.異方差 B.多重共線性C.自相關(guān) 9.根據(jù)樣本資料建立某消費(fèi)函數(shù)

18、Y= 0 1Xi 5,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(yīng)引入虛擬變量的個數(shù)為（ B ）。 A. 2 B. 4 C. 5 D. 6 10 .某商品需求函數(shù)為 a = 100.50 55.35Di 0.45Xi ,其中C為消費(fèi)，X為收入，虛擬 1城鎮(zhèn)家庭 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. （? = 155.85 0.45Xi B, @ = 100.50 0.45Xj C. （? =100.50 55.35Xi D. （? = 100.95 5

19、5.35Xi 11 .針對同一經(jīng)濟(jì)指標(biāo)在不同時間發(fā)生的結(jié)果進(jìn)行記錄的數(shù)據(jù)稱為（ C ） A.面板數(shù)據(jù) B.截面數(shù)據(jù)C.時間序列數(shù)據(jù) D.以上都不是 12 .下圖中“ {”所指的距離是（A ） A.隨機(jī)干擾項 B.殘差 C. Y的離差 D. Y?的離差 13 .在模型Y = 0 1 ln Xi Ui中，參數(shù)1的含義是(C ) A. X的絕對量變化，引起 Y的絕對量變化 B. Y關(guān)于X的邊際變化 C. X的相對變化，引起Y的平均值絕對量變化 D. Y關(guān)于X的彈性 14 .已知含有截距項的三元線性回歸模型估計的殘差平方和為 e2 =90,估計用的樣本容 量為19,則隨機(jī)

20、誤差項ui方差的估計量為(B ) A . 4.74 B. 6 C. 5.63 D. 5 15 .已知某B 一線性回歸方程的樣本可決系數(shù)為 0.64,則解釋變量與被解釋變量間的相關(guān) 系數(shù)為( ) A . 0.64 B. 0.8 C, 0.4 D, 0.32 16 .用一組有20個觀測值的樣本估計模型 Y= 0 1Xi 5,在0.05的顯著性水平下對 1 的顯著性作t檢驗(yàn)，則1顯著異于零的條件是對應(yīng) t統(tǒng)計量的取值大于( D ) A - t0.05 (20) B - t0.025 (20) C - t0.05(18) D - t0.025 (18) O o o O (Y? Y)2/

21、k 一 17 .對于模型 Yi= ?0 ?X1i ?2X2i l ?Xki e,統(tǒng)計量 服 (Yi Y?)2/(n k 1) 從(D ) A. t(n k) B. t(n k 1) C. F(k 1,n k) D. F(k,n k 1) 18 .如果樣本回歸模型殘差的一階自相關(guān)系數(shù) 為零，那么 DW.統(tǒng)計量的值近似等于 (B )。 A. 1 B. 2 C. 4 D. 0.5 19 .根據(jù)樣本資料建立某消費(fèi)函數(shù)如下 Y= 0 1Xi Ui,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(yīng)引入虛擬變量

22、的個數(shù)為（ B ） A. 2 B. 4 C. 5 D. 6 20 .設(shè)消費(fèi)函數(shù)為 G= 0 1Xi 2DiXi 5,其中C為消費(fèi)，X為收入，虛擬變量 1城鎮(zhèn)家庭 D 當(dāng)統(tǒng)計檢驗(yàn)表明下列哪項成立時，表示城鎮(zhèn)家庭與農(nóng)村家庭具有 0農(nóng)村家庭 同樣的消費(fèi)行為（C ） A. 1=0, 2=0 B. 1=0, 2 0 C. 1 0, 2=0 D. 1 0, 2 0 21、回歸直線 Yt= ?0+ ?1Xt必然會通過點(diǎn)（B ） A、（0, 0）; B、（X, Y）; C、（X, 0）; D、（0, Y）。 22、針對經(jīng)濟(jì)指標(biāo)在同一時間所發(fā)生結(jié)果進(jìn)行記錄的數(shù)據(jù)列，稱為（ B ） A、面板

23、數(shù)據(jù)；B、截面數(shù)據(jù)；C、時間序列數(shù)據(jù)；D、時間數(shù)據(jù)。 23、如果樣本回歸模型殘差的一階自相關(guān)系數(shù) p接近于0,那么DW統(tǒng)計量的值近似等于 （C ） A、0 B、1 C、2 D、4 24、若回歸模型的隨機(jī)誤差項存在自相關(guān)，則參數(shù)的 OLS估計量（D ） A、無偏且有效 B、有偏且非有效 C、有偏但有效 D、無偏但非有效 25、下列哪一種檢驗(yàn)方法不能用于異方差檢驗(yàn)（ B ） A、戈德菲爾德—夸特檢驗(yàn)； B、DW檢驗(yàn)；C、White檢驗(yàn)；D、戈里瑟檢驗(yàn)。 26、當(dāng)多元回歸模型中的解釋變量存在完全多重共線性時，下列哪一種情況會發(fā)生（ D ） A、OLS估計量仍然滿足無偏性和有效性； B

24、、OLS估計量是無偏的，但非有效； C、OLS估計量有偏且非有效； D、無法求出OLS估計量。 27、DW檢驗(yàn)法適用于（A ）的檢驗(yàn) A、一階自相關(guān) B、高階自相關(guān) C、多重共線性 D都不是 28、在隨機(jī)誤差項的一階自相關(guān)檢驗(yàn)中， 若DW= 1.92,給定顯著性水平下的臨界值 dL=1.36, dU=1.59,則由此可以判斷隨機(jī)誤差項（ C ） A、存在正自相關(guān) B、存在負(fù)自相關(guān) C、不存在自相關(guān) D、無法判斷 29、在多元線性線性回歸模型中，解釋變量的個數(shù)越多，則可決系數(shù) R2 （A ） A、越大； B、越小； C、不會變化； D、無法確定 30、在某線性回歸方程的估計結(jié)果

25、中，若殘差平方和為 10,回歸平方和為 40,則回歸方程 的擬合優(yōu)度為（C ） A、0.2 B、0.6 C、0.8 D、無法計算。 31.在多元線性回歸模型中，若兩個自變量之間的相關(guān)系數(shù)接近于 1,則在回歸分析中需要 注意模型的（D ）問題。 A、自相關(guān)；B、異方差；C、模型設(shè)定偏誤；D、多重共線性。 32、在異方差的眾多檢驗(yàn)方法中，既能判斷隨機(jī)誤差項是否存在異方差， 又能給出異方差具 體存在形式的檢驗(yàn)方法是（C ） A、圖式檢驗(yàn)法；B、DW檢驗(yàn)；C、戈里瑟檢驗(yàn)；D、White檢驗(yàn)。 33、如果樣本回歸模型殘差的一階自相關(guān)系數(shù) p接近于1,那么DW統(tǒng)計量的值近似等于（A ）

26、 A、0 B、1 C、2 D、4 34、若回歸模型的隨機(jī)誤差項存在異方差，則參數(shù)的 OLS估計量（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 35、下列哪一個方法是用于補(bǔ)救隨機(jī)誤差項自相關(guān)問題的（ D ） A、OLS; B、ILS; C、WLS; D、GLS。 36、計量經(jīng)濟(jì)學(xué)的應(yīng)用不包括： （C ） A、預(yù)測未來； B、政策評價；C、創(chuàng)建經(jīng)濟(jì)理論；D、結(jié)構(gòu)分析。 37、LM檢驗(yàn)法適用于（B ）的檢驗(yàn) A、異方差； B、自相關(guān)； C、多重共線性； D都不是 38、在隨機(jī)誤差項的一階自相關(guān)檢驗(yàn)中， 若DW= 0.92,給定顯著性水平下的臨界值 d

27、L=1.36, du=1.59,則由此可以判斷隨機(jī)誤差項（ A ） A、存在正自相關(guān) B、存在負(fù)自相關(guān) C、不存在自相關(guān) D、無法判斷 39、在多元線性線性回歸模型中，解釋變量的個數(shù)越多，則調(diào)整可決系數(shù) R2 （D ） A、越大； B、越?。?C、不會變化； D、無法確定 40、在某線性回歸方程的估計結(jié)果中，若殘差平方和為 10,總離差平方和為100,則回歸方 程的擬合優(yōu)度為（B ） A、0.1; B、0.90; C、0.91; D、無法計算。 41、回歸直線Y? ? ^Xi必然會通過點(diǎn)（ B ） A、（0, 0） B、（ X , Y ） C、（ X , 0） D、（0, Y

28、 ） 42、某線性回歸方程的估計的結(jié)果，殘差平方和為 20,回歸平方和為80,則回歸方程的擬 合優(yōu)度為（C ） A、0.2 B、0.6 C、0.8 D、無法計算 43、針對經(jīng)濟(jì)指標(biāo)在同一時間所發(fā)生結(jié)果進(jìn)行記錄的數(shù)據(jù)列，稱為（ B ） A、面板數(shù)據(jù) B、截面數(shù)據(jù) C、時間序列數(shù)據(jù) D、時間數(shù)據(jù) 44、對回歸方程總體線性關(guān)系進(jìn)行顯著性檢驗(yàn)的方法是（ C ） A、Z檢驗(yàn) B、t檢驗(yàn) C、F檢驗(yàn) D、預(yù)測檢驗(yàn) 45、如果DW統(tǒng)計量等于2,那么樣本回歸模型殘差的一階自相關(guān)系數(shù) p近似等于（A ） A、0 B、-1 C、1 D、0.5 46、若隨機(jī)誤差項存在異方差，則參數(shù)的普通最小二乘

29、估計量（ D ） A、無偏且有效 B、有偏且非有效 C、有偏但有效 D、無偏但非有效 47、下列哪一種方法是用于補(bǔ)救隨機(jī)誤差項的異方差問題的（ C ） A、OLS; B、ILS; C、WLS D、GLS 48、如果某一線性回歸方程需要考慮四個季度的變化情況， 那么為此設(shè)置虛擬變量的個數(shù)為 （C ） A、1 B、2 C、3 D、4 49、樣本可決系數(shù) R2越大，表示它對樣本數(shù)據(jù)擬合得（ A ） A、越好 B、越差 C、不能確定 D、均有可能 50、多元線性回歸模型中，解釋變量的個數(shù)越多，可決系數(shù) R2 （A ） A、越大； B、越??； C、不會變化； D、無法確定 1、計量

30、經(jīng)濟(jì)學(xué)是_經(jīng)濟(jì)學(xué)—的一個分支學(xué)科，是以揭示 經(jīng)濟(jì)活動 中的客觀存在 的—數(shù)量關(guān)系 為內(nèi)容的分支學(xué)科。挪威經(jīng)濟(jì)學(xué)家弗里希將它定義為 —經(jīng)濟(jì)理論、 統(tǒng)計學(xué)___和—數(shù)學(xué)_三者的結(jié)合。 2、數(shù)理經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動中各個因素之間的 —理論關(guān)系一用 確定性 的數(shù) 學(xué)方程加以描述；計量經(jīng)濟(jì)學(xué)模型揭示經(jīng)濟(jì)活動中各個因素之間的 定量關(guān)系 ,用 —隨機(jī)性_的數(shù)學(xué)方程加 以描述。 3、廣義計量經(jīng)濟(jì)學(xué)是利用經(jīng)濟(jì)理論、 數(shù)學(xué)及統(tǒng)計學(xué)定量研究經(jīng)濟(jì)現(xiàn)象的經(jīng)濟(jì)計量方法的統(tǒng) 稱，包括_回歸分析方法——投入產(chǎn)出分析方法——時間序列分析方法—等。狹義的計量 經(jīng)濟(jì)學(xué)以揭示經(jīng)濟(jì)現(xiàn)象中的 —因果關(guān)系為目的，在數(shù)學(xué)上主要

31、應(yīng)用 —回歸分析方法 ―。 4、計量經(jīng)濟(jì)學(xué)模型包括單方程模型和聯(lián)立方程模型兩類。 單方程模型的研究對象是—單一 經(jīng)濟(jì)現(xiàn)象 ,揭示存在其中的 單項因果關(guān)系 __。聯(lián)立方程模型研究的對象是 —— 個經(jīng)濟(jì)系統(tǒng) 揭示存在其中的 —復(fù)雜的因果關(guān)系 —。 5、 “經(jīng)驗(yàn)表明，統(tǒng)計學(xué)、經(jīng)濟(jì)理論和數(shù)學(xué)這三者對于真正了解現(xiàn)代經(jīng)濟(jì)生活的數(shù)量關(guān)系來 說，都是必要的，但本身并非是充分條件。三者結(jié)合起來，就是力量，這種結(jié)合便構(gòu)成了 —計量經(jīng)濟(jì)學(xué) 我們不妨把這種結(jié)合稱之為 —定量化的經(jīng)濟(jì)學(xué) —或—經(jīng)濟(jì)學(xué)的定 量化—。 6、建立計量經(jīng)濟(jì)學(xué)模型的步驟：1—理論模型的設(shè)計 __2 樣本數(shù)據(jù)的收集 3 模型參數(shù)的估計 —

32、4 模型的檢驗(yàn) ―。 7、常用的三類樣本數(shù)據(jù)是 _時間序列數(shù)據(jù)、―截面數(shù)據(jù)_和__虛變量數(shù)據(jù)_。 8、計量經(jīng)濟(jì)學(xué)模型的四級檢驗(yàn)是—經(jīng)濟(jì)意義檢驗(yàn)__、—統(tǒng)計本金驗(yàn)—、計量經(jīng)濟(jì)學(xué)檢 驗(yàn) 和 預(yù)測檢驗(yàn) 。 9、計量經(jīng)濟(jì)學(xué)模型成功的三要素是 _理論—、方法_和_數(shù)據(jù)_。 10、計量經(jīng)濟(jì)學(xué)模型的應(yīng)用可以概括為四個方面：結(jié)構(gòu)分析、 經(jīng)濟(jì)預(yù)測、 政策評價、檢驗(yàn) 和發(fā)展經(jīng)濟(jì)理論。 1、在計量經(jīng)濟(jì)模型中引入反映 —其他隨機(jī)—因素影響的隨機(jī)擾動項科 ，目的在于使模 型更 符合—經(jīng)濟(jì)一活動。 2、樣本觀測值與回歸理論值之間的偏差，稱為 ―殘差項_,我們用殘差估計線性回歸模型 中的―隨機(jī)誤差項__

33、。 3、對于隨機(jī)擾動項我們作了 5項基本假定。為了進(jìn)行區(qū)間估計，我們對隨機(jī)擾動項作了它 服從—經(jīng)典—的假定。如果不滿足 2-5項之一，最小二乘彳t計量就不具有 —最佳線性無偏性 O 4、TSS―反映樣本觀測值總體離差的大小； ESS_反映由模型中解釋變量所解釋的那部 分離差的大??； —RSS_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。 6、回歸方程中的回歸系數(shù)是自變量對因變量的 —凈影響 。某自變量回歸系數(shù)3的意 義，指的是該自變量變化一個單位引起因變量平均變化 __3 。 1、在模型古典假定成立的情況下，多元線性回歸模型參數(shù)的最小二乘估計

34、具有線性、無偏 性和有效性。 3、高斯一馬爾可夫定理是指 —如果滿足五個經(jīng)典假設(shè)，則最小二乘估計量 B是B的最優(yōu) 線性無偏估計量。 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 方差最小 —的特性。 1、存在近似多重共線性時，回歸系數(shù)的標(biāo)準(zhǔn)差趨于 0, —,T趨于 —8。 2、方差膨脹因子（VIF ）越大，OLS估計彳1的—方差—將越大。 3、存在完全多重共線性時， OLS估計彳1是—不存在 。 4、檢驗(yàn)樣本是否存在多重共線性的常見方法有： ―相關(guān)系數(shù)檢驗(yàn)—和逐步回歸檢驗(yàn)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、—逐步回歸法 增加樣本容量。

35、 填空題： 1、計量經(jīng)濟(jì)模型中，參數(shù)估計的方法應(yīng)符合 盡可能地接近總體參數(shù)真實(shí)值 的原則。 2 .在計量經(jīng)濟(jì)模型中，加入虛擬變量的途徑有兩種基本類型：一是 加法方式；二是乘法方 式。 3所謂模型檢驗(yàn) 就是要對模型和所估計的參數(shù)加以評判，判定在理論上是否有意義，在統(tǒng)計 上是否有足夠的可靠性。 4 .被解釋變量的變化僅僅依賴于解釋變量當(dāng)期影響， 沒有考慮變量之間的前后聯(lián)系， 這樣的 模型稱為靜態(tài)模型。 5 .所謂滯后變量，是指過去時期的，對當(dāng)前被解釋變量產(chǎn)生影響的變量。 6 .無偏性保證了參數(shù)估計值是在參數(shù)真實(shí)值的左右波動， 并且“平均位置”就是參數(shù)的真實(shí) 值。 7 .應(yīng)用計

36、量經(jīng)濟(jì)學(xué)是運(yùn)用理論計量經(jīng)濟(jì)學(xué)提供的工具，研究經(jīng)濟(jì)學(xué)中某些特定領(lǐng)域的經(jīng)濟(jì) 數(shù)量問題。 8 .當(dāng)總體回歸模型的隨機(jī)誤差項在不同觀測點(diǎn)上彼此相關(guān)時就產(chǎn)生了 自相關(guān)或序列相關(guān) 問題。 9 .經(jīng)濟(jì)變量的內(nèi)在聯(lián)系 是產(chǎn)生多重共線性的根本原因。 10 .只有兩個變量的相關(guān)關(guān)系，稱為 簡單相關(guān)。三個或三個以上變量的相關(guān)關(guān)系，稱為 多重 相關(guān)或復(fù)相關(guān)。 1 .數(shù)理經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動中各個因素之間的理論關(guān)系，用確定性的數(shù)學(xué)方程加以描述， 計量經(jīng)濟(jì)模型揭示經(jīng)濟(jì)活動中各因素之間的關(guān)系，用 隨機(jī)性的數(shù)學(xué)方程加以描述。 2 .經(jīng)濟(jì)計量學(xué)對模型“線性”含義有兩種解釋，一種是模型就變量而言是線性的；另一種 是

37、模型就參數(shù)而言是線性的。通常線性回歸更關(guān)注第二種解釋。 3 .理論計量經(jīng)濟(jì)學(xué)研究如何建立合適的方法去測定有計量經(jīng)濟(jì)模型所確定的經(jīng)濟(jì)關(guān)系。 4 .模型設(shè)定或建立理論模型是計量經(jīng)濟(jì)學(xué)研究的起點(diǎn)，也是整個計量經(jīng)濟(jì)分析過程中最關(guān) 鍵的一步。 5 .計量經(jīng)濟(jì)學(xué)研究的經(jīng)濟(jì)關(guān)系具有兩個特征：一是 隨機(jī)關(guān)系；二是因果關(guān)系。 6 .構(gòu)成計量經(jīng)濟(jì)模型的基本要素有：經(jīng)濟(jì)變量、待確定的參數(shù)和 隨機(jī)誤差項。 8 .無偏性保證了參數(shù)估計值是在參數(shù)真實(shí)值的左右波動，并且“平均位置”就是參數(shù)的真 實(shí)值。 9 .計量經(jīng)濟(jì)學(xué)研究中，人們通常使用人為構(gòu)造的 虛擬變量表示客觀存在的定性現(xiàn)象或特征。 10 .被解釋變量受

38、自身或其他經(jīng)濟(jì)變量過去值影響的現(xiàn)象稱為 滯后效應(yīng)。 1.計量經(jīng)濟(jì)學(xué)分為理論計量經(jīng)濟(jì)學(xué)和應(yīng)用計量經(jīng)濟(jì)學(xué) 。 4 .阿爾蒙提出利用 多項式來逼近滯后參數(shù)變化結(jié)構(gòu)，從而減少待估參數(shù)的數(shù)目。 5 .滯后變量可分為滯后解釋變量和和滯后被解釋變量兩類。 6 .一般來說，多重共線性是指各個解釋變量 X之間有精確或近似的線性關(guān)系。 9.各種經(jīng)濟(jì)變量相互之間的依存關(guān)系有兩種不同的類型： 一種是確定性的函數(shù)關(guān)系； 另一種 是不確定的統(tǒng)計關(guān)系，也成為相關(guān)關(guān)系。 1 .計量經(jīng)濟(jì)學(xué)的主體是經(jīng)濟(jì)現(xiàn)象及其發(fā)展規(guī)律。 2 .在殘差et的趨勢圖上，如果，殘差 et在連續(xù)幾個時期中，逐次變化并不斷地改變符號，

39、 即圖形呈鋸齒形 ，那么殘差et具有負(fù)自相關(guān)；如果，殘差et在連續(xù)幾個時期中，逐次 變化并不頻繁地改變符號，而是幾個負(fù)的殘差 et以后跟著幾個正的殘差 et ,然后又是幾個 負(fù)的殘差et,.…… ，那么殘差et具有正自相關(guān)。 3 .以時間序列數(shù)據(jù)為樣本建立起來的計量經(jīng)濟(jì)模型中的隨機(jī)誤差項往往存在 自相關(guān)或序列 相關(guān)。 4 .常用的三類樣本數(shù)據(jù)是時間序列數(shù)據(jù)、截面數(shù)據(jù)和虛擬變量數(shù)據(jù)。 7 .可以用回歸平方和ESS占總離差平方和 TSS的比重作為衡量模型對樣本數(shù)據(jù)擬合優(yōu)度的 指標(biāo)，該指標(biāo)稱為可決系數(shù)(或判定系數(shù)) 。 8 .一階差分法是模型存在完全 一階正自相關(guān) 時消除自相關(guān)的一種簡單

40、有效方法。 9.所謂經(jīng)濟(jì) 模型是指對經(jīng)濟(jì)現(xiàn)象或過程的一種數(shù)學(xué)模擬。 1 .計量經(jīng)濟(jì)學(xué)的核心內(nèi)容是建立和應(yīng)用 計量經(jīng)濟(jì)模型。 2 .計量經(jīng)濟(jì)學(xué)檢驗(yàn)主要是檢驗(yàn)?zāi)Ｐ褪欠穹嫌嬃拷?jīng)濟(jì)方法的基本假定。 3 .最小二乘法估計的理論依據(jù)是高斯一馬爾科夫定理。定理可以簡述如下，給定古典線性 回歸模型的假定下，在各種 b 1或b0的線性無偏估計量中，最小二乘估計量具有 方差最小 的特性，亦即BLUE估計量。 4 .計量經(jīng)濟(jì)學(xué)模型用于預(yù)測前必須通過的檢驗(yàn)分別是 經(jīng)濟(jì)、統(tǒng)計、計量經(jīng)濟(jì)、預(yù)測性能 的 檢驗(yàn)。 異方差或異方差 自相關(guān)或序列相關(guān)問 異方差性~異方差 5 .以橫截面數(shù)據(jù)為樣本建立起來的計量

41、經(jīng)濟(jì)模型中的隨機(jī)誤差項往往存在 性。 8.當(dāng)總體回歸模型的隨機(jī)誤差項在不同觀測點(diǎn)上彼此相關(guān)時就產(chǎn)生了 題。 1 .若所建模型的殘差分布呈現(xiàn)逐漸擴(kuò)大的趨勢，則表明模型可能存在 2 .假設(shè)有如下根據(jù)廣義差分變換的模型 yt a 1 yt 1b xt xt 1 vt ,若要利用 Durbin估計法估計 ，則相應(yīng)的 EVIEWS^令為LS Y C Y(-1) X X(-1) 3 .若有若干年的某經(jīng)濟(jì)變量月度數(shù)據(jù)，假定一年有 1月、5月、10月表現(xiàn)出季節(jié)變動，則應(yīng) 引入的虛擬變量個數(shù)為 3. 4 .二元線形回歸模型中，自變量的相關(guān)系數(shù)的平方值為 0.95 ,則則其方差膨脹因子數(shù)值為 20

42、。 1 .在Eviews軟件中，估計線性模型的命令是 LS。 2 .在Eviews軟件中，估計非線T模型的命令是 NLS 3 .被解釋變量的觀測值 丫與其回歸理論值 E(Y)之間的偏差，稱為隨機(jī)擾動項；被解釋變量 的觀測值Yi與其回歸估計值Y?之間的偏差，稱為殘差。 4 .對線性回歸模型Y 0 1X 進(jìn)行最小二乘估計，最小二乘準(zhǔn)則是 殘差平方和最 小。 5 .高斯一馬爾可夫定理證明在總體參數(shù)的各種無偏估計中， 普通最小二乘估計量具有方差最 小的特性，并由此才使最小二乘法在數(shù)理統(tǒng)計學(xué)和計量經(jīng)濟(jì)學(xué)中獲得了最廣泛的應(yīng)用。 9 .對計量經(jīng)濟(jì)學(xué)模型作統(tǒng)計檢驗(yàn)包括 R平方檢驗(yàn)、F檢驗(yàn)、T

43、檢驗(yàn)。 10 .判定系數(shù)R2可以判定回歸直線擬合的優(yōu)劣，又稱為 可決系數(shù)。 11 .可以利用線性回歸模型的系數(shù)直接進(jìn)行 邊際分析，利用雙對數(shù)模型的回歸系數(shù)進(jìn)行 彈性 分析。 12 .動態(tài)模型是在方程中引入 滯后變量。 1 修正R2的表達(dá)：. (Y Y)2 ( n k) (丫―Y )2-(nF 1 (1 R2) 多重共線性的檢驗(yàn)方法有：相關(guān)系數(shù)檢驗(yàn) 特征值檢驗(yàn) 輔助回歸模型檢驗(yàn) 方差膨脹因子檢驗(yàn) 逐步回歸法 直觀判斷法 修正：剔除變量增大樣本容量變換模型形式非樣本信息橫截面與實(shí)踐序列 自相關(guān)檢驗(yàn)：圖示dw bg篇相關(guān)系數(shù) 補(bǔ)救：廣義差分一階查分德賓柯克倫 異方差檢驗(yàn)：gq個栗色arch white 圖示 修正：甲醛最小二乘法 對元模型變換對模型對數(shù)的變幻 3、口陽驗(yàn)法：DW=2 =0, DW=0一階高度正相關(guān)，DW=4一階高度負(fù)相關(guān)。0 DW dl , 一階正相關(guān)，4 dl DW 4 , 一階負(fù)相關(guān)。