計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(一)一、判斷正誤1在研究經(jīng)濟(jì)變量之間的非確定性關(guān)系時(shí)，回歸分析是唯一可用的分析方法。（ ）2最小二乘法進(jìn)行參數(shù)估計(jì)的基本原理是使殘差平方和最小。（ ）3無(wú)論回歸模型中包括多少個(gè)解釋變量，總離差平方和的自由度總為（n-1）。（ ）4當(dāng)我們說(shuō)估計(jì)的回歸系數(shù)在統(tǒng)計(jì)上是顯著的，意思是說(shuō)它顯著地異于0。（ ）5總離差平方和（TSS）可分解為殘差平方和（ESS）與回歸平方和（RSS）之和，其中殘差平方和（ESS）表示總離差平方和中可由樣本回歸直線解釋的部分。（ ）6多元線性回歸模型的F檢驗(yàn)和t檢驗(yàn)是一致的。（ ）7當(dāng)存在嚴(yán)重的多重共線性時(shí)，普通最小二乘估計(jì)往往會(huì)低估參數(shù)估計(jì)量的方差。（ ）8如果隨機(jī)誤差項(xiàng)的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤差項(xiàng)的自相關(guān)。（ ）9在存在異方差的情況下，會(huì)對(duì)回歸模型的正確建立和統(tǒng)計(jì)推斷帶來(lái)嚴(yán)重后果。（ ）10檢驗(yàn)只能檢驗(yàn)一階自相關(guān)。（ ）二、單選題1樣本回歸函數(shù)（方程）的表達(dá)式為（ ）。A= B=C= D=2下圖中“”所指的距離是（ ）。A隨機(jī)干擾項(xiàng) B殘差C的離差 D的離差3在總體回歸方程=中，表示（ ）。A當(dāng)增加一個(gè)單位時(shí)，增加個(gè)單位 B當(dāng)增加一個(gè)單位時(shí)，平均增加個(gè)單位C當(dāng)增加一個(gè)單位時(shí)，增加個(gè)單位D當(dāng)增加一個(gè)單位時(shí)，平均增加個(gè)單位4可決系數(shù)是指（ ）。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5已知含有截距項(xiàng)的三元線性回歸模型估計(jì)的殘差平方和為=800，估計(jì)用的樣本容量為24，則隨機(jī)誤差項(xiàng)的方差估計(jì)量為（ ）。A33.33 B40C38.09 D36.366設(shè)為回歸模型中的參數(shù)個(gè)數(shù)（不包括截距項(xiàng)），為樣本容量，為殘差平方和，為回歸平方和。則對(duì)總體回歸模型進(jìn)行顯著性檢驗(yàn)時(shí)構(gòu)造的統(tǒng)計(jì)量為（ ）。A= B=C= D=7對(duì)于模型=，以表示與之間的線性相關(guān)系數(shù)（），則下面明顯錯(cuò)誤的是（ ）。A=0.8，=0.4 B=0.8，=0.4C=0，=2 D=1，=08在線性回歸模型 ；如果，則表明模型中存在（ ）。A異方差 B多重共線性 C自相關(guān) D模型誤設(shè)定9根據(jù)樣本資料建立某消費(fèi)函數(shù) =，其中為需求量，為價(jià)格。為了考慮“地區(qū)”（農(nóng)村、城市）和“季節(jié)”（春、夏、秋、冬）兩個(gè)因素的影響，擬引入虛擬變量，則應(yīng)引入虛擬變量的個(gè)數(shù)為（ ）。A2 B4 C5 D610某商品需求函數(shù)為=，其中為消費(fèi)，為收入，虛擬變量，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= B=C= D=三、多選題1一元線性回歸模型=的基本假定包括（ ）。A=0 B=（常數(shù)）C=0 D E為非隨機(jī)變量，且=02由回歸直線=估計(jì)出來(lái)的（ ）。A是一組平均數(shù) B是實(shí)際觀測(cè)值的估計(jì)值 C是實(shí)際觀測(cè)值均值的估計(jì)值 D可能等于實(shí)際觀測(cè)值 E與實(shí)際觀測(cè)值之差的代數(shù)和等于零3異方差的檢驗(yàn)方法有（ ）A圖示檢驗(yàn)法 B檢驗(yàn)C檢驗(yàn) D檢驗(yàn) E檢驗(yàn)4下列哪些非線性模型可以通過(guò)變量替換轉(zhuǎn)化為線性模型（ ）。A= B=C= D= E=5在線性模型中引入虛擬變量，可以反映（ ）。A截距項(xiàng)變動(dòng) B斜率變動(dòng) C斜率與截距項(xiàng)同時(shí)變動(dòng)D分段回歸 E以上都可以四、簡(jiǎn)答題1隨機(jī)干擾項(xiàng)主要包括哪些因素？它和殘差之間的區(qū)別是什么？2簡(jiǎn)述為什么要對(duì)參數(shù)進(jìn)行顯著性檢驗(yàn)？試說(shuō)明參數(shù)顯著性檢驗(yàn)的過(guò)程。3簡(jiǎn)述序列相關(guān)性檢驗(yàn)方法的共同思路。五、計(jì)算分析題1下表是某次線性回歸的EViews輸出結(jié)果，根據(jù)所學(xué)知識(shí)求出被略去部分的值（用大寫(xiě)字母標(biāo)示），并寫(xiě)出過(guò)程（保留3位小數(shù)）。Dependent Variable: YMethod: Least SquaresIncluded observations: 13VariableCoefficientStd. Errort-StatisticProb.C7.105975A4.3903210.0014X1-1.3931150.310050-4.4931960.0012X21.4806740.1801858.2175060.0000R-squared0.872759Mean dependent var7.756923Adjusted R-squaredBS.D. dependent var3.041892S.E. of regression1.188632Akaike info criterion3.382658Sum squared residCSchwarz criterion3.513031F分布百分位表（=0.05） 分子自由度10111213分母自由度93.143.103.073.01102.982.942.912.85112.852.822.792.72122.752.722.692.62132.672.632.602.532用方法檢驗(yàn)下列模型是否存在異方差。模型形式如下：=其中樣本容量=40，按從小到大排序后，去掉中間10個(gè)樣本，并對(duì)余下的樣本按的大小等分為兩組，分別作回歸，得到兩個(gè)殘差平方和=0.360、=0.466，寫(xiě)出檢驗(yàn)步驟（=0.05）。3有人用廣東省19782005年的財(cái)政收入（）作為因變量，用三次產(chǎn)業(yè)增加值作為自變量，進(jìn)行了三元線性回歸。第一產(chǎn)業(yè)增加值，第二產(chǎn)業(yè)增加值，第三產(chǎn)業(yè)增加值，結(jié)果為：= =0.993，=1189.718（0.540） （1.613） （7.475） =2.063試簡(jiǎn)要分析回歸結(jié)果。五、證明題求證：一元線性回歸模型因變量模擬值的平均值等于實(shí)際觀測(cè)值的平均值，即=。計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(二)一、判斷正誤（正確劃“”，錯(cuò)誤劃“”）1殘差（剩余）項(xiàng)的均值=0。（ ）2所謂OLS估計(jì)量的無(wú)偏性，是指參數(shù)估計(jì)量的數(shù)學(xué)期望等于各自的真值。（ ）3樣本可決系數(shù)高的回歸方程一定比樣本可決系數(shù)低的回歸方程更能說(shuō)明解釋變量對(duì)被解釋變量的解釋能力。（ ）4多元線性回歸模型中解釋變量個(gè)數(shù)為，則對(duì)回歸參數(shù)進(jìn)行顯著性檢驗(yàn)的統(tǒng)計(jì)量的自由度一定是。（ ）5對(duì)應(yīng)于自變量的每一個(gè)觀察值，利用樣本回歸函數(shù)可以求出因變量的真實(shí)值。（ ）6若回歸模型存在異方差問(wèn)題，可以使用加權(quán)最小二乘法進(jìn)行修正。（ ）7根據(jù)最小二乘估計(jì)，我們可以得到總體回歸方程。（ ）8當(dāng)用于檢驗(yàn)回歸方程顯著性的統(tǒng)計(jì)量與檢驗(yàn)單個(gè)系數(shù)顯著性的統(tǒng)計(jì)量結(jié)果矛盾時(shí)，可以認(rèn)為出現(xiàn)了嚴(yán)重的多重共線性（ ）9線性回歸模型中的“線性”主要是指回歸模型中的參數(shù)是線性的，而變量則不一定是線性的。（ ）10一般情況下，用線性回歸模型進(jìn)行預(yù)測(cè)時(shí)，單個(gè)值預(yù)測(cè)與均值預(yù)測(cè)相等，且置信區(qū)間也相同。（ ）二、單選題1針對(duì)同一經(jīng)濟(jì)指標(biāo)在不同時(shí)間發(fā)生的結(jié)果進(jìn)行記錄的數(shù)據(jù)稱為（ ）A面板數(shù)據(jù) B截面數(shù)據(jù)C時(shí)間序列數(shù)據(jù) D以上都不是2下圖中“”所指的距離是（ ）A隨機(jī)干擾項(xiàng) B殘差C的離差 D的離差3在模型=中，參數(shù)的含義是（ ）A的絕對(duì)量變化，引起的絕對(duì)量變化 B關(guān)于的邊際變化C的相對(duì)變化，引起的平均值絕對(duì)量變化 D關(guān)于的彈性4已知含有截距項(xiàng)的三元線性回歸模型估計(jì)的殘差平方和為=90，估計(jì)用的樣本容量為19，則隨機(jī)誤差項(xiàng)方差的估計(jì)量為（ ）A4.74 B6 C5.63 D55已知某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（ ）A0.64 B0.8 C0.4 D0.326用一組有20個(gè)觀測(cè)值的樣本估計(jì)模型=，在0.05的顯著性水平下對(duì)的顯著性作檢驗(yàn)，則顯著異于零的條件是對(duì)應(yīng)統(tǒng)計(jì)量的取值大于（ ）A B C D7對(duì)于模型=，統(tǒng)計(jì)量服從（ ）A B C D8如果樣本回歸模型殘差的一階自相關(guān)系數(shù)為零，那么統(tǒng)計(jì)量的值近似等于（ ）。A1 B2 C4 D0.59根據(jù)樣本資料建立某消費(fèi)函數(shù)如下=，其中為需求量，為價(jià)格。為了考慮“地區(qū)”（農(nóng)村、城市）和“季節(jié)”（春、夏、秋、冬）兩個(gè)因素的影響，擬引入虛擬變量，則應(yīng)引入虛擬變量的個(gè)數(shù)為（ ）A2 B4 C5 D610設(shè)消費(fèi)函數(shù)為=，其中為消費(fèi)，為收入，虛擬變量，當(dāng)統(tǒng)計(jì)檢驗(yàn)表明下列哪項(xiàng)成立時(shí)，表示城鎮(zhèn)家庭與農(nóng)村家庭具有同樣的消費(fèi)行為（ ）A=0，=0 B=0，0 C0，=0 D0，0三、多選題 1以表示實(shí)際觀測(cè)值，表示用法回歸后的模擬值，表示殘差，則回歸直線滿足（ ）A通過(guò)樣本均值點(diǎn) B=0C=0 D= E=0 2對(duì)滿足所有假定條件的模型=進(jìn)行總體顯著性檢驗(yàn)，如果檢驗(yàn)結(jié)果顯示總體線性關(guān)系顯著，則可能出現(xiàn)的情況包括（ ）A=0 B，=0 C， D=0， E=03下列選項(xiàng)中，哪些方法可以用來(lái)檢驗(yàn)多重共線性（ ）。A檢驗(yàn) B兩個(gè)解釋變量間的相關(guān)性檢驗(yàn)C參數(shù)估計(jì)值的經(jīng)濟(jì)檢驗(yàn) D參數(shù)估計(jì)值的統(tǒng)計(jì)檢驗(yàn) E檢驗(yàn)4線性回歸模型存在異方差時(shí)，對(duì)于回歸參數(shù)的估計(jì)與檢驗(yàn)正確的表述包括（ ）A參數(shù)估計(jì)量仍具有線性性B參數(shù)估計(jì)量仍具有無(wú)偏性C參數(shù)估計(jì)量不再具有效性（即不再具有最小方差）D一定會(huì)低估參數(shù)估計(jì)值的方差5關(guān)于虛擬變量設(shè)置原則，下列表述正確的有（ ）A當(dāng)定性因素有個(gè)類型時(shí)，引入個(gè)虛擬變量B當(dāng)定性因素有個(gè)類型時(shí)，引入個(gè)虛擬變量會(huì)產(chǎn)生多重共線性問(wèn)題C虛擬變量的值只能取0和1D在虛擬變量的設(shè)置中，基礎(chǔ)類別一般取值為0E以上說(shuō)法都正確四、簡(jiǎn)答題1簡(jiǎn)述計(jì)量經(jīng)濟(jì)學(xué)研究問(wèn)題的方法。2簡(jiǎn)述異方差性檢驗(yàn)方法的共同思路。3簡(jiǎn)述多重共線性的危害。五、計(jì)算分析題1下表是某次線性回歸的EViews輸出結(jié)果，被略去部分?jǐn)?shù)值（用大寫(xiě)字母標(biāo)示），根據(jù)所學(xué)知識(shí)解答下列各題（計(jì)算過(guò)程保留3位小數(shù)）。（本題12分）Dependent Variable: YMethod: Least SquaresIncluded observations: 18VariableCoefficientStd. Errort-StatisticProb.C-50.0163849.46026-1.0112440.3279X10.0864500.029363A0.0101X252.370315.20216710.067020.0000R-squared0.951235Mean dependent var755.1222Adjusted R-squaredBS.D. dependent var258.7206S.E. of regression60.82273Akaike info criterion11.20482Sum squared resid55491.07Schwarz criterion11.35321F-statistic146.2974Durbin-Watson stat2.605783(1)求出A、B的值。（2）求TSS2有人用美國(guó)1960-1995年36年間個(gè)人實(shí)際可支配收入（）和個(gè)人實(shí)際消費(fèi)支出（）的數(shù)據(jù)（單位：百億美元）建立收入消費(fèi)模型 =，估計(jì)結(jié)果如下：=檢驗(yàn)臨界值表（=0.05）nk=1k=2dLdUdLdU351.40 1.52 1.34 1.58 361.41 1.52 1.35 1.59 371.42 1.53 1.36 1.59 381.43 1.54 1.37 1.59 ： (-3.77) (125.34)= 0.998， = 15710.39，=0.52（1）檢驗(yàn)收入消費(fèi)模型的自相關(guān)狀況（5%顯著水平）；（2）用適當(dāng)?shù)姆椒ㄏＰ椭写嬖诘膯?wèn)題。五、證明題證明：用于多元線性回歸方程顯著性檢驗(yàn)的統(tǒng)計(jì)量與可決系數(shù)滿足如下關(guān)系： 計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(三)一、判斷對(duì)錯(cuò) （ ）1、在研究經(jīng)濟(jì)變量之間的非確定性關(guān)系時(shí)，回歸分析是惟一可用的分析方法。（ ）2、對(duì)應(yīng)于自變量的每一個(gè)觀察值，利用樣本回歸函數(shù)可以求出因變量的真實(shí)值。（ ）3、OLS回歸方法的基本準(zhǔn)則是使殘差平方和最小。（ ）4、在存在異方差的情況下，OLS法總是高估了估計(jì)量的標(biāo)準(zhǔn)差。（ ）5、無(wú)論回歸模型中包括多少個(gè)解釋變量，總離差平方和的自由度總為（n-1）。 （ ）6、線性回歸分析中的“線性”主要是指回歸模型中的參數(shù)是線性的，而變量則不一定是線性的。（ ）7、當(dāng)我們說(shuō)估計(jì)的回歸系數(shù)在統(tǒng)計(jì)上是顯著的，意思是說(shuō)它顯著異于0。（ ）8、總離差平方和（TSS）可分解為殘差平方（ESS）和與回歸平方和（RSS），其中殘差平方（ESS）表示總離差平方和可由樣本回歸直線解釋的部分。（ ）9、所謂OLS估計(jì)量的無(wú)偏性，是指回歸參數(shù)的估計(jì)值與真實(shí)值相等。（ ）10、當(dāng)模型中解釋變量均為確定性變量時(shí)，則可以用DW統(tǒng)計(jì)量來(lái)檢驗(yàn)?zāi)Ｐ偷碾S機(jī)誤差項(xiàng)所有形式的自相關(guān)性。二、單項(xiàng)選擇1、回歸直線=+Xt必然會(huì)通過(guò)點(diǎn)（ ） A、（0，0）； B、（，）；C、（，0）；D、（0，）。2、針對(duì)經(jīng)濟(jì)指標(biāo)在同一時(shí)間所發(fā)生結(jié)果進(jìn)行記錄的數(shù)據(jù)列，稱為（ ） A、面板數(shù)據(jù)；B、截面數(shù)據(jù)；C、時(shí)間序列數(shù)據(jù)；D、時(shí)間數(shù)據(jù)。3、如果樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于0，那么DW統(tǒng)計(jì)量的值近似等于（ ） A、0 B、1 C、2 D、44、若回歸模型的隨機(jī)誤差項(xiàng)存在自相關(guān)，則參數(shù)的OLS估計(jì)量（ ）A、無(wú)偏且有效 B、有偏且非有效 C、有偏但有效 D、無(wú)偏但非有效5、下列哪一種檢驗(yàn)方法不能用于異方差檢驗(yàn)（ ） 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)。6、當(dāng)多元回歸模型中的解釋變量存在完全多重共線性時(shí)，下列哪一種情況會(huì)發(fā)生（ ） A、OLS估計(jì)量仍然滿足無(wú)偏性和有效性； B、OLS估計(jì)量是無(wú)偏的，但非有效； C、OLS估計(jì)量有偏且非有效； D、無(wú)法求出OLS估計(jì)量。7、DW檢驗(yàn)法適用于（ ）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 8、在隨機(jī)誤差項(xiàng)的一階自相關(guān)檢驗(yàn)中，若DW1.92，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(xiàng)（ ）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(wú)法判斷9、在多元線性線性回歸模型中，解釋變量的個(gè)數(shù)越多，則可決系數(shù)R2（ ） A、越大； B、越小； C、不會(huì)變化； D、無(wú)法確定10、在某線性回歸方程的估計(jì)結(jié)果中，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（ ） A、0.2 B、0.6 C、0.8 D、無(wú)法計(jì)算。三、簡(jiǎn)答與計(jì)算1、多元線性回歸模型的基本假設(shè)有哪些？ 2、計(jì)量經(jīng)濟(jì)模型中的隨機(jī)誤差項(xiàng)主要包含哪些因素？3、簡(jiǎn)答經(jīng)典單方程計(jì)量模型的異方差性概念、后果以及修正方法。4、簡(jiǎn)述方程顯著性檢驗(yàn)（F檢驗(yàn)）與變量顯著性檢驗(yàn)（t檢驗(yàn)）的區(qū)別？。5、對(duì)于一個(gè)三元線性回歸模型，已知可決系數(shù)R2=0.9，方差分析表的部份結(jié)果如下：方差來(lái)源 平方和(SS) 自由度(d.f.) 來(lái)自殘差(ESS) 來(lái)自回歸(RSS) 1800 總離差(TSS) 28（1）樣本容量是多少？（2）總離差平方和TSS為多少？（3）殘差平方和ESS為多少？（4）回歸平方和RSS和殘差平方和ESS的自由度各為多少？（5）求方程總體顯著性檢驗(yàn)的F統(tǒng)計(jì)量；四、案例分析下表是中國(guó)某地人均可支配收入（INCOME）與儲(chǔ)蓄（SAVE）之間的回歸分析結(jié)果（單位：元）：Dependent Variable: SAVEMethod: Least SquaresSample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb.C-695.1433118.0444-5.8888270.0000INCOME0.0877740.004893R-squared0.917336Mean dependent var1266.452Adjusted R-squared0.914485S.D. dependent var846.7570S.E. of regression247.6160Akaike info criterion13.92398Sum squared resid1778097.Schwarz criterion14.01649Log likelihood-213.8216F-statistic321.8177Durbin-Watson stat1.892420Prob(F-statistic)0.0000001、請(qǐng)寫(xiě)出樣本回歸方程表達(dá)式，然后分析自變量回歸系數(shù)的經(jīng)濟(jì)含義2、解釋樣本可決系數(shù)的含義3、寫(xiě)出t檢驗(yàn)的含義和步驟，并在5%的顯著性水平下對(duì)自變量的回歸系數(shù)進(jìn)行t檢驗(yàn)（臨界值: t0.025(29)=2.05）。4、下表給出了White異方差檢驗(yàn)結(jié)果，試在5%的顯著性水平下判斷隨機(jī)誤差項(xiàng)是否存在異方差。White Heteroskedasticity Test:F-statistic6.048005 Probability0.006558Obs*R-squared9.351960 Probability0.0093165、下表給出LM序列相關(guān)檢驗(yàn)結(jié)果（滯后1期），試在5%的顯著性水平下判斷隨機(jī)誤差項(xiàng)是否存在一階自相關(guān)。Breusch-Godfrey Serial Correlation LM Test:F-statistic0.030516Probability0.862582Obs*R-squared0.033749Probability0.854242計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(四)一、判斷對(duì)錯(cuò) （ ）1、一般情況下，在用線性回歸模型進(jìn)行預(yù)測(cè)時(shí)，個(gè)值預(yù)測(cè)與均值預(yù)測(cè)結(jié)果相等，且它們的置信區(qū)間也相同。 （ ）2、對(duì)于模型Yi=0+1X1i+2X2i+kXki+i，i=1,2, ,n；如果X2=X5 +X6， 則模型必然存在解釋變量的多重共線性問(wèn)題。（ ）3、OLS回歸方法的基本準(zhǔn)則是使殘差項(xiàng)之和最小。（ ）4、在隨機(jī)誤差項(xiàng)存在正自相關(guān)的情況下，OLS法總是低估了估計(jì)量的標(biāo)準(zhǔn)差。（ ）5、無(wú)論回歸模型中包括多少個(gè)解釋變量，總離差平方和的自由度總為（n-1）。 （ ）6、一元線性回歸模型的F檢驗(yàn)和t檢驗(yàn)是一致的。（ ）7、如果隨機(jī)誤差項(xiàng)的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤差項(xiàng)的序列相關(guān)。（ ）8、在近似多重共線性下，只要模型滿足OLS的基本假定，則回歸系數(shù)的最小二乘估計(jì)量仍然是一BLUE估計(jì)量。（ ）9、所謂參數(shù)估計(jì)量的線性性，是指參數(shù)估計(jì)量是解釋變量的線性組合。（ ）10、擬合優(yōu)度的測(cè)量指標(biāo)是可決系數(shù)R2或調(diào)整過(guò)的可決系數(shù)，R2越大，說(shuō)明回歸方程對(duì)樣本的擬合程度越高。二、單項(xiàng)選擇 1在多元線性回歸模型中，若兩個(gè)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（）問(wèn)題。A、自相關(guān)；B、異方差；C、模型設(shè)定偏誤；D、多重共線性。2、在異方差的眾多檢驗(yàn)方法中，既能判斷隨機(jī)誤差項(xiàng)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（） A、圖式檢驗(yàn)法；B、DW檢驗(yàn)；C、戈里瑟檢驗(yàn)；D、White檢驗(yàn)。3、如果樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于1，那么DW統(tǒng)計(jì)量的值近似等于（ ） A、0 B、1 C、2 D、44、若回歸模型的隨機(jī)誤差項(xiàng)存在異方差，則參數(shù)的OLS估計(jì)量（ ）A、無(wú)偏且有效 B、無(wú)偏但非有效 C、有偏但有效 D、有偏且非有效5、下列哪一個(gè)方法是用于補(bǔ)救隨機(jī)誤差項(xiàng)自相關(guān)問(wèn)題的（ ） A、OLS； B、ILS； C、WLS； D、GLS。6、計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用不包括：（ ） A、預(yù)測(cè)未來(lái)； B、政策評(píng)價(jià)；C、創(chuàng)建經(jīng)濟(jì)理論；D、結(jié)構(gòu)分析。7、LM檢驗(yàn)法適用于（ ）的檢驗(yàn)A、異方差； B、自相關(guān)； C、多重共線性； D都不是 8、在隨機(jī)誤差項(xiàng)的一階自相關(guān)檢驗(yàn)中，若DW0.92，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(xiàng)（ ）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(wú)法判斷9、在多元線性線性回歸模型中，解釋變量的個(gè)數(shù)越多，則調(diào)整可決系數(shù)（ ） A、越大； B、越??； C、不會(huì)變化； D、無(wú)法確定10、在某線性回歸方程的估計(jì)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（ ） A、0.1；B、0.90；C、0.91；D、無(wú)法計(jì)算。三、簡(jiǎn)答與計(jì)算1、多元線性回歸模型的基本假設(shè)有哪些？ 2、簡(jiǎn)述計(jì)量經(jīng)濟(jì)研究的基本步驟3、簡(jiǎn)答經(jīng)典單方程計(jì)量模型自相關(guān)概念、后果以及修正方法。4、簡(jiǎn)述對(duì)多元回歸模型進(jìn)行顯著性檢驗(yàn)（F檢驗(yàn)）的基本步驟5、對(duì)于一個(gè)五元線性回歸模型，已知可決系數(shù)R2=0.6，方差分析表的部份結(jié)果如下：方差來(lái)源 平方和(SS) 自由度(d.f.) 來(lái)自殘差(ESS) 25 來(lái)自回歸(RSS) 總離差(TSS) 3000 （1）樣本容量是多少？（2）回歸平方和RSS為多少？（3）殘差平方和ESS為多少？（4）回歸平方和RSS和總離差平方和TSS的自由度各為多少？（5）求方程總體顯著性檢驗(yàn)的F統(tǒng)計(jì)量；四、實(shí)驗(yàn)下表是某國(guó)19671985年間GDP與出口額（EXPORT）之間的回歸分析結(jié)果（單位：億美元）：Dependent Variable: EXPORTMethod: Least SquaresSample: 1967 1985Included observations: 19VariableCoefficientStd. Errort-StatisticProb.C-2531.831270.8792-9.3467140.0000GDP0.2817620.009355R-squared0.981606Mean dependent var5530.842Adjusted R-squared0.980524S.D. dependent var1295.273S.E. of regression180.7644Akaike info criterion13.33157Sum squared resid555487.9Schwarz criterion13.43098Log likelihood-124.6499F-statistic907.2079Durbin-Watson stat0.950536Prob(F-statistic)0.0000001、請(qǐng)寫(xiě)出樣本回歸方程表達(dá)式，然后分析自變量回歸系數(shù)的經(jīng)濟(jì)含義2、解釋樣本可決系數(shù)的含義3、寫(xiě)出t檢驗(yàn)的含義和步驟，并在5%的顯著性水平下對(duì)自變量的回歸系數(shù)進(jìn)行t檢驗(yàn)（臨界值: t0.025(17)=2.11）。4、下表給出了White異方差檢驗(yàn)結(jié)果，試在5%的顯著性水平下判斷隨機(jī)誤差項(xiàng)是否存在異方差。White Heteroskedasticity Test:F-statistic5.376588 Probability0.016367Obs*R-squared7.636863 Probability0.0219625、下表給出LM序列相關(guān)檢驗(yàn)結(jié)果（滯后1期），試在5%的顯著性水平下判斷隨機(jī)誤差項(xiàng)是否存在一階自相關(guān)。Breusch-Godfrey Serial Correlation LM Test:F-statistic3.236705Probability0.090893Obs*R-squared3.196877Probability0.073779計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(五)一、判斷正誤（正確劃“”，錯(cuò)誤劃“x”）（）1、最小二乘法進(jìn)行參數(shù)估計(jì)的基本原理是使殘差平方和最小。（）2、一般情況下，用線性回歸模型進(jìn)行預(yù)測(cè)時(shí)，個(gè)值預(yù)測(cè)與均值預(yù)測(cè)相等，且置信區(qū)間也相同。（）3、如果隨機(jī)誤差項(xiàng)的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤差項(xiàng)的序列相關(guān)。（）4、若回歸模型存在異方差問(wèn)題，應(yīng)使用加權(quán)最小二乘法進(jìn)行修正。（）5、多元線性回歸模型的F檢驗(yàn)和t檢驗(yàn)是一致的。（）6、DW檢驗(yàn)只能檢驗(yàn)隨機(jī)誤差項(xiàng)是否存在一階自相關(guān)。（）7、總離差平方和（TSS）可分解為殘差平方（RSS）和與回歸平方和（ESS），其中殘差平方（RSS）表示總離差平方和可由樣本回歸直線解釋的部分。（）8、擬合優(yōu)度用于檢驗(yàn)回歸方程對(duì)樣本數(shù)據(jù)的擬合程度，其測(cè)量指標(biāo)是可決系數(shù)或調(diào)整后的可決系數(shù)。（）9、對(duì)于模型；如果，則模型必然存在解釋變量的多重共線性問(wèn)題。（）10、所謂OLS估計(jì)量的無(wú)偏性，是指參數(shù)估計(jì)量的數(shù)學(xué)期望等于各自真值。二、單項(xiàng)選擇1、回歸直線必然會(huì)通過(guò)點(diǎn)（）A、（0，0） B、（，） C、（，0） D、（0，）2、某線性回歸方程的估計(jì)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（ ） A、0.2 B、0.6 C、0.8 D、無(wú)法計(jì)算3、針對(duì)經(jīng)濟(jì)指標(biāo)在同一時(shí)間所發(fā)生結(jié)果進(jìn)行記錄的數(shù)據(jù)列，稱為（ ） A、面板數(shù)據(jù)B、截面數(shù)據(jù)C、時(shí)間序列數(shù)據(jù)D、時(shí)間數(shù)據(jù)4、對(duì)回歸方程總體線性關(guān)系進(jìn)行顯著性檢驗(yàn)的方法是（ ）A、Z檢驗(yàn) B、t檢驗(yàn) C、F檢驗(yàn) D、預(yù)測(cè)檢驗(yàn)5、如果DW統(tǒng)計(jì)量等于2，那么樣本回歸模型殘差的一階自相關(guān)系數(shù)近似等于（ ）A、0 B、-1 C、1 D、0.56、若隨機(jī)誤差項(xiàng)存在異方差，則參數(shù)的普通最小二乘估計(jì)量（ ） A、無(wú)偏且有效 B、有偏且非有效 C、有偏但有效D、無(wú)偏但非有效7、下列哪一種方法是用于補(bǔ)救隨機(jī)誤差項(xiàng)的異方差問(wèn)題的（ ） A、OLS； B、ILS； C、WLS D、GLS8、如果某一線性回歸方程需要考慮四個(gè)季度的變化情況，那么為此設(shè)置虛擬變量的個(gè)數(shù)為（ ） A、1 B、2 C、3 D、49、樣本可決系數(shù)R2越大，表示它對(duì)樣本數(shù)據(jù)擬合得（ ） A、越好 B、越差C、不能確定D、均有可能10、多元線性回歸模型中，解釋變量的個(gè)數(shù)越多，可決系數(shù)R2（ ）A、越大； B、越?。?C、不會(huì)變化； D、無(wú)法確定三、簡(jiǎn)答題1、簡(jiǎn)述計(jì)量經(jīng)濟(jì)學(xué)的定義。2、多元線性回歸模型的基本假設(shè)有哪些？3、簡(jiǎn)答異方差概念、后果以及修正方法。4、簡(jiǎn)述檢驗(yàn)的目的及基本步驟。四、計(jì)算對(duì)于一個(gè)三元線性回歸模型，已知可決系數(shù)，方差分析表的部份結(jié)果如下：變差來(lái)源平方和自由度源于回歸（ESS）200源于殘差（RSS）總變差（TSS）22（1）樣本容量是多少？（2）總變差TSS為多少？（3）殘差平方和RSS為多少？（4）ESS和RSS的自由度各為多少？（5）求方程總體顯著性檢驗(yàn)的F統(tǒng)計(jì)量值。 計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(六)-案例題一、根據(jù)美國(guó)各航空公司航班正點(diǎn)到達(dá)的比率X（%）和每10萬(wàn)名乘客投訴的次數(shù)Y進(jìn)行回歸，EViews輸出結(jié)果如下：Dependent Variable: YMethod: Least SquaresSample: 1 9Included observations: 9VariableCoefficientStd. Errort-StatisticProb.C6.0178321.0522605.7189610.0007X-0.0704140.014176-4.9672540.0016R-squared0.778996Prob(F-statistic)0.001624Durbin-Watson stat2.5270(1)對(duì)以上結(jié)果進(jìn)行簡(jiǎn)要分析（包括方程顯著性檢驗(yàn)、參數(shù)顯著性檢驗(yàn)、值的評(píng)價(jià)、對(duì)斜率的解釋等，顯著性水平均取0.05）。（2）按標(biāo)準(zhǔn)書(shū)寫(xiě)格式寫(xiě)出回歸結(jié)果。 二、以下是某次線性回歸的EViews輸出結(jié)果，部分?jǐn)?shù)值已略去（用大寫(xiě)字母標(biāo)示），但它們和表中其它特定數(shù)值有必然聯(lián)系，分別據(jù)此求出這些數(shù)值，并寫(xiě)出過(guò)程。（保留3位小數(shù)）Dependent Variable: YMethod: Least SquaresSample: 1 13Included observations: 13VariableCoefficientStd. Errort-StatisticProb.C5.7304880.605747A0.0000X-0.3139600.048191-6.5149640.0000R-squared0.794180Mean dependent var1.962965Adjusted R-squaredBS.D. dependent var1.372019S.E. of regression0.650127Akaike info criterion2.117340Sum squared residCSchwarz criterion2.204256（1）求A的值。（2）求B的值。（3）求C的值。三、用1970-1994年間日本工薪家庭實(shí)際消費(fèi)支出Y與實(shí)際可支配收入X（單位：103日元）數(shù)據(jù)估計(jì)線性模型=，然后用得到的殘差序列繪制以下圖形。（1）試根據(jù)圖形分析隨機(jī)誤差項(xiàng)之間是否存在自相關(guān)？若存在，是正自相關(guān)還是負(fù)自相關(guān)？答：圖形顯示，隨機(jī)誤差項(xiàng)之間存在著相關(guān)性，且為正的自相關(guān)。附表：檢驗(yàn)臨界值表（=0.05）nk=1k=2dLdUdLdU241.271.45 1.19 1.55 251.29 1.45 1.21 1.55261.30 1.461.22 1.55 271.31 1.47 1.241.56 （2）此模型的估計(jì)結(jié)果為試用檢驗(yàn)法檢驗(yàn)隨機(jī)誤差項(xiàng)之間是否存在自相關(guān)。四、用一組截面數(shù)據(jù)估計(jì)消費(fèi)(Y)收入(X)方程=的結(jié)果為 （1）根據(jù)回歸的殘差序列e(t)圖分析本模型是否存在異方差？注：abse(t)表示e(t)的絕對(duì)值。（2）其次，用White法進(jìn)行檢驗(yàn)。EViews輸出結(jié)果見(jiàn)下表：White Heteroskedasticity Test:F-statistic6.301373 Probability0.003370Obs*R-squared10.86401 Probability0.004374Dependent Variable: RESID2Method: Least SquaresSample: 1 60Included observations: 60VariableCoefficientStd. Errort-StatisticProb. C-10.03614131.1424-6.0765290.0045X0.1659771.6198565.1024640.0064X20.0018000.0045878.3924690.0002若給定顯著水平，以上結(jié)果能否說(shuō)明該模型存在異方差？查卡方分布臨界值的自由度是多少？五、下圖描述了殘差序列與其滯后一期值之間的散點(diǎn)圖，試據(jù)此判斷隨機(jī)誤差項(xiàng)之間是否存在自相關(guān)？若存在，則是正自相關(guān)還是負(fù)自相關(guān)？六、在一多元線性回歸模型中，為檢驗(yàn)解釋變量之間是否存在多重共線性問(wèn)題，以解釋變量作為被解釋變量，對(duì)其余解釋變量進(jìn)行輔助回歸，得到可決系數(shù)。試計(jì)算變量的方差擴(kuò)大因子，并根據(jù)經(jīng)驗(yàn)判斷解釋變量間是否存在多重共線性問(wèn)題？ 七、下表是中國(guó)某地人均可支配收入（INCOME）與儲(chǔ)蓄（SAVE）之間的回歸分析結(jié)果（單位：元）： Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-StatisticProb.C-695.1433118.0444-5.8888270.0000INCOME0.0877740.004893R-squared0.917336Mean dependent var1266.452Adjusted R-squared0.914485S.D. dependent var846.7570S.E. of regression247.6160Akaike info criterion13.92398Sum squared resid1778097.Schwarz criterion14.01649Log likelihood-213.8216F-statistic321.8177Durbin-Watson stat1.892420Prob(F-statistic)0.0000001、請(qǐng)寫(xiě)出樣本回歸方程表達(dá)式，然后分析自變量（INCOME）回歸系數(shù)的經(jīng)濟(jì)含義2、解釋可決系數(shù)的含義3、若給定顯著性水平，試對(duì)自變量（INCOME）的回歸系數(shù)進(jìn)行顯著性檢驗(yàn)（已知）4、在的顯著性水平下，查的DW臨界值表得，試根據(jù)回歸結(jié)果判斷隨機(jī)誤差項(xiàng)是否存在一階自相關(guān)？5、下表為上述回歸的White檢驗(yàn)結(jié)果，在的顯著性水平下，試根據(jù)P值檢驗(yàn)判斷隨機(jī)誤差項(xiàng)是否存在異方差？White Heteroskedasticity Test:F-statistic5.819690Probability0.007699Obs*R-squared9.102584Probability0.010554計(jì)量經(jīng)濟(jì)學(xué)習(xí)題(一)答案一、判斷正誤1（ ）2（ ）3（ ）4（ ）5（ ）6（ ）7（ ）8（ ）9（ ）10（ ）二、單選題（每小題1.5分，共15分）1（ D ）。2（ B ）。3（ B ）。4（ C ）。5（ B ）。6（ B ）。7（ B ）。8（ B ）。9（ B ）。10（ A ）。三、多選題1（ ABCE ）2（ BCDE ）3（ ABCE ）4（ ABCD ）5（ ABCDE ）。四、簡(jiǎn)答題1隨機(jī)干擾項(xiàng)主要包括哪些因素？它和殘差之間的區(qū)別是什么？答：隨機(jī)干擾項(xiàng)包括的主要因素有：（1）眾多細(xì)小因素的影響；（2）未知因素的影響；（3）數(shù)據(jù)測(cè)量誤差或殘缺；（4）模型形式不完善；（5）變量的內(nèi)在隨機(jī)性。 隨機(jī)誤差項(xiàng)羽殘差不同，殘差是樣本觀測(cè)值與模擬值的差，即=。殘差項(xiàng)是隨機(jī)誤差項(xiàng)的估計(jì)。2簡(jiǎn)述為什么要對(duì)參數(shù)進(jìn)行顯著性檢驗(yàn)？試說(shuō)明參數(shù)顯著性檢驗(yàn)的過(guò)程。答：最小二乘法得到的回歸直線是對(duì)因變量與自變量關(guān)系的一種描述，但它是不是恰當(dāng)?shù)拿枋瞿?？一般?huì)用與樣本點(diǎn)的接近程度來(lái)判別這種描述的優(yōu)劣，而當(dāng)獲得以上問(wèn)題的肯定判斷之后，還需要確定每一個(gè)參數(shù)的可靠程度，即參數(shù)本身以及對(duì)應(yīng)的變量該不該保留在方程里，這就有必要進(jìn)行參數(shù)的顯著性檢驗(yàn)。這種檢驗(yàn)是確定各個(gè)參數(shù)是否顯著地不等于零。檢驗(yàn)分為三個(gè)步驟：提出假設(shè)：原假設(shè)；備擇假設(shè)在原假設(shè)成立的前提下構(gòu)造統(tǒng)計(jì)量：給定顯著性水平，查分布表求得臨界值，把根據(jù)樣本數(shù)據(jù)計(jì)算出的統(tǒng)計(jì)量值與比較：若，則拒絕原假設(shè) ，即在給定顯著性水平下，解釋變量對(duì)因變量有顯著影響；若，則不能拒絕原假設(shè) ，即在給定顯著性水平下，解釋變量對(duì)因變量沒(méi)有顯著影響.3簡(jiǎn)述序列相關(guān)性檢驗(yàn)方法的共同思路。答：由于自相關(guān)性，使得相對(duì)于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)之間存在相關(guān)關(guān)系，那么檢驗(yàn)自相關(guān)性，首先根據(jù)OLS法估計(jì)殘差，將殘差作為隨機(jī)干擾項(xiàng)的近似估計(jì)值，然后檢驗(yàn)這些近似估計(jì)值之間的相關(guān)性以判定隨機(jī)干擾項(xiàng)是否存在序列相關(guān)。各種檢驗(yàn)方法就是在這個(gè)思路下發(fā)展起來(lái)的。五、計(jì)算分析題1 解：A