计量经济学考试习题及答案.doc

一、单项选择题 1、双对数模型 中，参数的含义是（） A.Y关于X的增长率 B.Y关于X的发展速度 C. Y关于X的弹性 D. Y关于X 的边际变化2、设k为回归模型中的参数个数，n为样本容量。则对多元线性回归方 程进行显著性检验时，所用的F统计量可表示为（） 3、 回归模型中具有异方差性时，仍用OLS估计模型，则以下说法正确的是（） A. 参数估计值是无偏非有效的 B. 参数估计量仍具有最小方差性 C. 常用F 检验失效 D. 参数估计量是有偏的4、利用德宾h检验自回归模型扰动项的自相关性时，下列命题正确的是（） A. 德宾h检验只适用一阶自回归模型 B. 德宾h检验适用任意阶的自回归模型 C. 德宾h 统计量渐进服从t分布 D. 德宾h检验可以用于小样本问题5、一元线性回归分析中的回归平方和ESS的自由度是（） A. n B. n-1 C. n-k D. 16、已知样本回归模型残差的一阶自相关系数接近于1，则DW统计量近似等于( ) A. 0 B. 1 C. 2 D. 47、更容易产生异方差的数据为 ( ) A. 时序数据 B. 修匀数据 C. 横截面数据 D. 年度数据8、设M为货币需求量，Y为收入水平，r为利率，流动性偏好函数为，又设分别是 、的估计值，则根据经济理论，一般来说(A ) A. 应为正值，应为负值 B. 应为正值，应为正值 C. 应为负值，应为负值 D. 应为负值，应为正值9、以下选项中，正确地表达了序列相关的是（） 10、在一元线性回归模型中，样本回归方程可表示为（ ） A. B. C. D. 11、对于有限分布滞后模型 在一定条件下，参数 可近似用一个关于i的阿尔蒙多项式表示（，其中多项式的阶数m必须满足（ ） Amk D12、设为随机误差项，则一阶线性自相关是指（ ）A B. C. D. 13、把反映某一总体特征的同一指标的数据，按一定的时间顺序和时间间隔排列起来，这样的数据称为（ ） A. 横截面数据 B. 时间序列数据 C. 修匀数据 D. 原始数据14、多元线性回归分析中，调整后的可决系数R与可决系数R2之间的关系（ ）A B. C. D. 15、Goldfeld-Quandt检验法可用于检验( ) A.异方差性 B.多重共线性 C.序列相关 D.设定误差16、用于检验序列相关的DW统计量的取值范围是( )A BC D17、如果回归模型中解释变量之间存在完全的多重共线性，则最小二乘估计量的值为（ ）A.不确定，方差无限大 B.确定，方差无限大 C.不确定，方差最小 D.确定，方差最小18、应用DW检验方法时应满足该方法的假定条件，下列不是其假定条件的为（ ） A.解释变量为非随机的 B.被解释变量为非随机的 C.线性回归模型中不能含有滞后内生变量 D.随机误差项服从一阶自回归二、多项选择题1、古典线性回归模型的普通最小二乘估计量的特性有（） A. 无偏性 B. 线性性 C. 最小方差性 D. 不一致性 E. 有偏性2、如果模型中存在自相关现象，则会引起如下后果（） A.参数估计值有偏 B.参数估计值的方差不能正确确定 C.变量的显著性检验失效 D.预测精度降低 E.参数估计值仍是无偏的3、利用普通最小二乘法求得的样本回归直线的特点（） A. 必然通过点（） B. 可能通过点（） C. 残差的均值为常数 D. 的平均值与的平均值相等E. 残差与解释变量之间有一定的相关性4、广义最小二乘法的特殊情况是（）A对模型进行对数变换 B.加权最小二乘法C.数据的结合 D.广义差分法 E.增加样本容量5、计量经济模型的检验一般包括内容有 （） A、经济意义的检验 B、统计推断的检验 C、计量经济学的检验 D、预测检验 E、对比检验三、判断题（判断下列命题正误，并说明理由） 1、 在实际中，一元回归几乎没什么用，因为因变量的行为不可能仅由一个解释变量来解释。 错。在实际中，在一定条件下一元回归是很多经济现象的近似，能够较好地反映回归分析的基本思想，在某些情况下还是有用的。 2、简单线性回归模型与多元线性回归模型的基本假定是相同的。错。在多元线性回归模型里除了对随机误差项提出假定外，还对解释变量之间提出无多重共线性的假定。3、多重共线性问题是随机扰动项违背古典假定引起的； 错。应该是解释变量之间高度相关引起的。4、DW检验中的d值在0到4之间，数值越小说明模型随机误差项的自相关度越小，数值越 大说明模型随机误差项的自相关度越大。错。DW值在0到4之间，当DW落在最左边0ddL、最右边(4-dLd4)时，分别为正自相关，负自相关；中间dud4-du为不存在自相关区域；其次为两个不能判定区域。5、在计量经济模型中，随机扰动项与残差项无区别。 错。它们均为随机项，但随机误差项表示总体模型的误差，残差表示样本模型的误差；另外，残差=随机误差项+参数估计误差。6、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。错。参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。7、线性回归模型意味着因变量是自变量的线性函数。 错。线性回归模型本质上指的是参数线性，而不是变量线性。同时，模型与函数不是同一回事。8、双变量模型中，对样本回归函数整体的显著性检验与斜率系数的显著性验是一致的。 正确。要求最好能够写出一元线性回归中， F统计量与t 统计量的关系， 即F=t2的来历；或者说明一元线性回归仅有一个解释变量，因此对斜率系数的 t 检验等价于对方程的整体性检验。 四、计算题 1、（练习题6.2）在研究生产中劳动所占份额的问题时，古扎拉蒂采用如下模型模型1 模型2 其中，Y为劳动投入，t为时间。据1949-1964年数据，对初级金属工业得到如下结果：模型1 t = （-3.9608）R2 = 0.5284 DW = 0.8252模型2 t = （-3.2724）(2.7777)R2 = 0.6629DW = 1.82其中，括号内的数字为t统计量。问：（1）模型1和模型2中是否有自相关；（2）如何判定自相关的存在？ （3）怎样区分虚假自相关和真正的自相关。 练习题6.2参考解答:（1）模型1中有自相关，模型2中无自相关。（2）通过DW检验进行判断。模型1：dL=1.077, dU=1.361, DWdU, 因此无自相关。（3）如果通过改变模型的设定可以消除自相关现象，则为虚假自相关，否则为真正自相关。2、根据某地区居民对农产品的消费y和居民收入x的样本资料，应用最小二乘法估计模型，估计结果如下。Se=(1.8690) (0.0055)R2=0.9966 ,DW=0.6800,F=4122.531由所给资料完成以下问题： (1) 在n=16，=0.05的条件下，查D-W表得临界值分别为=1.106,=1.371，试判断模型中是否存在自相关； (2) 如果模型存在自相关，求出相关系数，并利用广义差分变换写出无自相关的广义差分模型。 因为DW=0.681.106，所以模型中的随机误差存在正的自相关。由DW=0.68，计算得=0.66，所以广义差分表达式为3、（练习题2.7）设销售收入X为解释变量，销售成本Y为被解释变量。现已根据某百货公司某年12个月的有关资料计算出以下数据：（单位：万元） （1） 拟合简单线性回归方程，并对方程中回归系数的经济意义作出解释。（2） 计算可决系数和回归估计的标准误差。（3） 对进行显著水平为5%的显著性检验。练习题2.7参考解答：(1)建立回归模型: 用OLS法估计参数: 估计结果为: 说明该百货公司销售收入每增加1元,平均说来销售成本将增加0.7863元。(2)计算可决系数和回归估计的标准误差可决系数为： 由 可得 回归估计的标准误差: (3) 对进行显著水平为5%的显著性检验 查表得 时,，说明该模型的随机误差项存在异方差。其次，用White法进行检验。具体结果见下表White Heteroskedasticity Test:F-statistic6.301373 Probability0.003370Obs*R-squared10.86401 Probability0.004374Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 08/05/05 Time: 12:37Sample: 1 60Included observations: 60VariableCoefficientStd. Errort-StatisticProb. C-10.03614131.1424-0.0765290.9393X0.1659771.6198560.1024640.9187X20.0018000.0045870.3924690.6962R-squared0.181067 Mean dependent var78.86225Adjusted R-squared0.152332 S.D. dependent var111.1375S.E. of regression102.3231 Akaike info criterion12.14285Sum squared resid596790.5 Schwarz criterion12.24757Log likelihood-361.2856 F-statistic6.301373Durbin-Watson stat0.937366 Prob(F-statistic)0.003370给定，在自由度为2下查卡方分布表，得。比较临界值与卡方统计量值，即，同样说明模型中的随机误差项存在异方差。 （2）用权数，作加权最小二乘估计，得如下结果 Dependent Variable: YMethod: Least SquaresDate: 08/05/05 Time: 13:17Sample: 1 60Included observations: 60Weighting series: W1VariableCoefficientStd. Errort-StatisticProb. C10.370512.6297163.9435870.0002X0.6309500.01853234.046670.0000Weighted StatisticsR-squared0.211441 Mean dependent var106.2101Adjusted R-squared0.197845 S.D. dependent var8.685376S.E. of regression7.778892 Akaike info criterion6.973470Sum squared resid3509.647 Schwarz criterion7.043282Log likelihood-207.2041 F-statistic1159.176Durbin-Watson stat0.958467 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.946335 Mean dependent var119.6667Adjusted R-squared0.945410 S.D. dependent var38.68984S.E. of regression9.039689 Sum squared resid4739.526Durbin-Watson stat0.800564用White法进行检验得如下结果：White Heteroskedasticity Test:F-statistic3.138491Probability0.050925Obs*R-squared5.951910Probability0.050999给定，在自由度为2下查卡方分布表，得。比较临界值与卡方统计量值，即，说明加权后的模型中的随机误差项不存在异方差。其估计的书写形式为