计量经济学题(答案).doc

《计量经济学》要点
一、单项选择题
知识点：
第一章
若干定义、概念
时间序列数据定义
横截面数据定义
同一统计指标按时间顺序记录的数据称为( B )。
A、横截面数据     B、时间序列数据    C、修匀数据    D、原始数据
同一时间，不同单位相同指标组成的观测数据称为（ B ）
A．原始数据 B．横截面数据 C．时间序列数据 D．修匀数据
变量定义（被解释变量、解释变量、内生变量、外生变量、前定变量）
单方程中可以作为被解释变量的是（控制变量、前定变量 、内生变量、外生变量）；
在回归分析中，下列有关解释变量和被解释变量的说法正确的有（ C ）
A、被解释变量和解释变量均为随机变量
B、被解释变量和解释变量均为非随机变量
C、被解释变量为随机变量，解释变量为非随机变量
D、被解释变量为非随机变量，解释变量为随机变量
什么是解释变量、被解释变量？
从变量的因果关系上，模型中变量可分为解释变量（Explanatory variable）和被解释变量(Explained variable)。
在模型中，解释变量是变动的原因，被解释变量是变动的结果。
被解释变量是模型要分析研究的对象，也常称为“应变量”(Dependent variable)、“回归子”（Regressand）等。
解释变量也常称为“自变量”(Independent variable)、“回归元”（Regressor）等，是说明应变量变动主要原因的变量。
因此，被解释变量只能由内生变量担任，不能由非内生变量担任。
单方程计量经济模型中可以作为被解释变量的是（ C ）
A、控制变量 B、前定变量 C、内生变量 D、外生变量
单方程计量经济模型的被解释变量是（ A ）
A、内生变量 B、政策变量 C、控制变量 D、外生变量
在回归分析中，下列有关解释变量和被解释变量的说法正确的有（C）
A、被解释变量和解释变量均为随机变量
B、被解释变量和解释变量均为非随机变量
C、被解释变量为随机变量，解释变量为非随机变量
D、被解释变量为非随机变量，解释变量为随机变量
双对数模型中参数的含义；
双对数模型中，参数的含义是（ D ）
A . X的相对变化，引起Y的期望值绝对量变化
B．Y关于X的边际变化
C．X的绝对量发生一定变动时，引起因变量Y的相对变化率
D、Y关于X的弹性
双对数模型 中，参数的含义是 （ C ）
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
计量经济学研究方法一般步骤
四步12点
计量经济学的研究方法一般分为以下四个步骤（ B ）
A．确定科学的理论依据、模型设定、模型修定、模型应用
B．模型设定、估计参数、模型检验、模型应用
C．搜集数据、模型设定、估计参数、预测检验
D．模型设定、检验、 结构分析、模型应用
对计量经济模型应当进行哪些方面的检验？
经济意义检验：检验模型估计结果，尤其是参数估计，是否符合经济理论。
统计推断检验：检验参数估计值是否抽样的偶然结果，运用数理统计中的统计推断方法，对模型及参数的统计可靠性做出说明。主要有t，F ，R2等检验；
计量经济学检验：检验模型是否符合计量经济方法的基本假定，例如检验模型是否存在多重共线性，检验模型中的随机扰动项是否存在自相关和异方差性等等。
预测检验：模型预测的结果与经济运行的实际结果相对比，以此检验模型的有效性。
在使用计量经济模型分析问题时，通常会使用哪些类型数据？使用这些类型数据各自应该注意哪些问题？
（1）时间序列数据（Time Series Data）把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔（如月度、季度、年度）排列起来，这样的统计数据称为时间序列数据；
（2）截面数据(Cross-Section Data)同一时间（时期或时点）某个指标在不同空间的观测数据，称为截面数据；
（3）面板数据（Panel Data）面板数据指时间序列数据和截面数据相结合的数据，对若干个体进行多期观测。例如在居民收支调查中收集的对各个固定调查户在不同时期的调查数据，又如全国各省市不同年份的经济发展状况的统计数据，就都是面板数据；
（4）虚拟变量数据(Dummy Variables Data)。
时间序列数据若是非平稳的，可能造成“伪回归”；
截面数据往往存在异方差；
利用面板数据的计量经济模型已成为计量经济学研究的专门问题，容易产生异方差、自相关性。

计量经济模型检验通常包含哪些检验？每种检验基本思想是什么？
经济意义检验：检验模型估计结果，尤其是参数估计，是否符合经济理论。
统计推断检验：检验参数估计值是否抽样的偶然结果，运用数理统计中的统计推断方法，对模型及参数的统计可靠性作出说明。
计量经济学检验：检验模型是否符合计量经济方法的基本假定，例如检验模型是否存在多重共线性，检验模型中的随机扰动项是否存在自相关和异方差性等等。
预测检验：模型预测的结果与经济运行的实际结果相对比，以此检验模型的有效性。

第二章
若干基本概念
总体、样本回归方程、模型
古典线性回归模型的普通最小二乘估计量满足的统计性质（最佳线性无偏估计）；
古典线性回归模型的普通最小二乘估计量满足的统计性质(A)
A、最佳线性无偏估计 B、仅满足线性性 C.非有效性 D有偏性
样本回归直线
设OLS法得到的样本回归直线为，则点 ( B )
A、一定不在回归直线上 B、一定在回归直线上
C、不一定在回归直线上 D、在回归直线上方
经典线性计量模型的假定有哪些？
假定1：零均值假定; 假定2：同方差假定; 假定3：无自相关假定; 假定4：随机扰动项与解释变量不相关; 假定5：正态性假定；（假定6：无多重共线性）
下图中符号“”所代表的是（ B ）

A. 随机误差项 B. 残差 C.的离差 D. 的离差
t检验通常可以用于检验 （ D ）
A 模型拟合优度 B 模型整体显著性 C 正态性 D 个体参数显著性
以下模型中不属于变量线性回归模型是( A )。
A、 B、
C、 D、
用最小二乘法作回归分析时提出了古典假定，这是为了（ B ）
A. 使回归方程更简化 B. 得到总体回归系数的最佳线性无偏估计
C. 使解释变量更容易控制 D. 使被解释变量更容易控制
在一元线性回归模型中，样本回归方程可表示为：（ c）
A、 B、
C、 D、

第三章
多元线性回归模型整体的读解（对回归结果全过程的读解分析）

根据F值判断整体显著性的规则（p值接近于零表示整体显著）；
多元线性回归模型RSS反映了应变量观测值与估计值之间的总变差
多元线性回归分析中的 RSS（剩余平方和）反映了（ C ）
A．应变量观测值总变差的大小 B．应变量回归估计值总变差的大小
C．应变量观测值与估计值之间的总变差 D．Y关于X的边际变化
多元线性回归模型ESS自由度为k-1
多元线性回归分析中的 ESS的自由度是( D ）
A．K B．n
C．n-K D．k-1
调整后的判定系数与判定系数之间的关系
有关调整后的判定系数与判定系数之间的关系叙述正确的是（ C ）
A 等于
B 与没有数量关系
C 一般情况下
D 大于
在模型的回归分析结果报告中，有，，则表明（ D ）
A、解释变量对的影响是显著的
B、解释变量对的影响是显著的
C、解释变量和对的影响是均不显著
D、解释变量和对的联合影响是显著的

第四章
多重共线性（1）定义、产生原因；（2）后果；（3）检测；（4）弥补。
参数的最小二乘估计量的性质
简单相关系数矩阵方法主要用于检验（ D ）
A．异方差性 B.自相关性 C．随机解释变量 D.多重共线性
能够检验多重共线性的方法有＿A＿＿＿
A.简单相关系数矩阵法 B. DW检验法C. White检验 D.ARCH检验法
如果模型中的解释变量存在完全的多重共线性，参数的最小二乘估计量是（ C ）
A．无偏的 B. 有偏的 C. 无法估计 D. 无正确答案
如果模型中的解释变量存在不完全的多重共线性，参数的最小二乘估计量是（ A ）
A．无偏的 B. 有偏的 C. 无法估计 D. 无正确答案
如果模型中的解释变量存在完全的多重共线性，参数的最小二乘估计量是（ C ）
A．无偏的 B. 有偏的 C. 无法估计 D. 确定的

第五章
异方差性（1）定义、产生原因；（2）后果；（3）检测；（4）弥补。
检验异方差的方法；
修正异方差的方法；
ARCH检验方法主要用于检验（ A ）
A．异方差性 B.自相关性 C．随机解释变量 D.多重共线性
下列方法可以用于检验模型中异方差性的方法有 （ D ）
A DW检验 B 相关系数矩阵 C 判定系数法 D White检验
Goldfeld-Quandt方法用于检验（ A ）
A．异方差性 B.自相关性 C．随机解释变量 D.多重共线性
在模型有异方差的情况下,常用的估计方法是( D )
A. 广义差分法 B. 工具变量法 C. 逐步回归法 D. 加权最小二乘法
White检验可用于检验（ B ）
A．自相关性 B. 异方差性 C．解释变量随机性 D.多重共线性
加权最小二乘可以解决下列哪个问题 ( D )
A．多重共线性 B. 误差项非正态性 C．自相关性 D. 异方差性
关于Goldfeld-Quandt检验，下列说法正确的是（ C ）
A．它是检验模型是否存在自相关 B.该检验所需要的样本容量较小
C．该检验需要去掉部分样本 D. 它是检验模型是否存在多重共线性
下列方法可以用于检验模型中异方差性的方法有 （ D ）
A DW检验 B 相关系数矩阵 C 判定系数法 D White检验
如果模型中存在异方差现象，则普通最小二乘估计量仍然满足的性质（ A ）
A. 无偏性 B. 最小方差性 C. 有效性 D 非线性性
什么是异方差性？有哪些方法可以检验模型中是否存在异方差性?
违背同方差假定，扰动项的方差会随着某个（些）因素而发生变化。观察残差图、White检验、ARCH检验、Golden-Quant检验等。
回归模型具有异方差性时，仍用最小二乘法估计参数，则以下（ B ）是错误的。
A、参数估计值是无偏非有效的 B、仍具有最小方差
C、常用的t和F检验失效 D、预测区间增大，精度下降

第六章
自相关性（1）定义、产生原因；（2）后果；（3）检测；（4）弥补。
违背自相关造成后果（无偏非有效）；
在DW检验中，当d统计量为2时，表明无自相关性存在；
DW判断区域规则；
在DW检验中，当d统计量为2时，表明（ C ）
A.存在完全的正自相关 B.存在完全的负自相关
C.不存在自相关 D.不能判定
如果回归模型违背了无自相关假定，最小二乘估计量是( A )
A．无偏的，非有效的 B. 有偏的，非有效的
C．无偏的，有效的 D. 有偏的，有效的
如果在模型中，随机扰动项违背了无自相关假定，则下列说法正确的是( A )
A．最小二乘估计量是无偏的且非有效
B. 最小二乘估计量是有偏的且有效
C．最小二乘估计量是无偏的且有效
D. 最小二乘估计量是有偏的但非有效
在DW检验中，不能判定的区域是（ C ）
A. B.
C. D. 上述都不对
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 )
A. 0 B. 1 C. 2 D. 4

第七章
分布滞后模型的意义
分布滞后模型的分类及各个类型的特点
分布滞后模型短期影响乘数
设无限分布滞后模型为
，则短期影响乘数为（ ）
A． B、 C、 D、
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的多项式表示（i=0，1，2，…，K），下列说法中不正确的是（ ）
A、多项式的阶数小于
B、可采用Almon法对此模型进行估计
C、该模型比较容易产生多重共线性
D、以上说法都不对

第八章
虚拟变量的定义、作用以及规则
虚拟变量( )
A.主要来代表质的因素，但在有些情况下可以用来代表数量因素
B.只能代表质的因素 C.只能代表数量因素
D.只能代表季节影响因素
对于含有截距项的计量经济模型，若想将含有m个互斥类型的定性因素引入到模型中，则应该引入虚拟变量个数为 （ ）
A m B m-1 C m+1 D m-k
简述虚拟变量设置规则
什么是虚拟变量？在设定虚拟变量时，应该注意什么问题？设置规则是什么？
虚拟变量是将定性因素数量化取值为0或1的一类特殊人工变量。主要作用：在模型中引入定性因素；分段回归等。注意避免虚拟变量陷阱。
虚拟变量个数的设置规则是：若定性因素有m个相互排斥的类型（或属性、水平），在有截距项的模型中只能引入m－1个虚拟变量，否则会陷入所谓“虚拟变量陷阱”，产生完全的多重共线性。在无截距项的模型中，定性因素有m个相互排斥的类型时，引入m个虚拟变量不会导致完全多重共线性，不过这时虚拟变量参数的估计结果，实际上是D=1时的样本均值。
设某计量经济模型为：，其中大学教授年薪，，则对于参数α、β的含义，下列解释不正确的是 （ ）
A. α表示大学女教授的平均年薪； B. β表示大学男教授的平均年薪；
C. α+ β表示大学男教授的平均年薪；
D. β表示大学男教授和女教授平均年薪的差额
对于一个含有截距项的计量经济模型，若某定性因素有m个互斥的属性，

对于一个含有截距项的计量经济模型，若某定性因素有m个互斥的类型，为将其引入模型中，则需要引入虚拟变量个数为 （ ）
A m B m-1 C m+1 D m-k

第十章
时间序列数据特有属性
平稳的概念、产生的后果、检验的方法
非平稳时间序列数据的建模技术要点
某一时间序列经一次差分变换成平稳时间序列，此时间序列称为（　　　）
A．1阶单整 B．2阶单整 C．K阶单整 D．以上答案均不正确

简述时间序列平稳性的含义
时间序列平稳性分严格平稳和广义平稳性。
严格平稳是指随机过程的联合分布函数与时间的位移无关；
广义平稳性是指随机过程的均值、方差不随时间变化，自协方差函数仅是时间间隔的函数，又称为弱平稳性
什么是伪回归？其产生的原因是？
所谓“伪回归”，是指变量间本来不存在有意义的关系，但回归结果却得出存在有意义关系的错误结论。造成“伪回归”的根本原因在于时间序列变量的非平稳性。
下列方法可以用于检验时间序列平稳性的是（ ）
A. ARCH检验 B. White检验 C. ADF检验 D. DW检验

二、简答题
1、计量经济模型检验通常包含哪些检验？每种检验基本思想是什么？
经济意义检验：检验模型估计结果，尤其是参数估计，是否符合经济理论。
统计推断检验：检验参数估计值是否抽样的偶然结果，运用数理统计中的统计推断方法，对模型及参数的统计可靠性作出说明。
计量经济学检验：检验模型是否符合计量经济方法的基本假定，例如检验模型是否存在多重共线性，检验模型中的随机扰动项是否存在自相关和异方差性等等。
预测检验：模型预测的结果与经济运行的实际结果相对比，以此检验模型的有效性。

2、在使用计量经济模型分析问题时，通常会使用哪些类型数据？使用这些类型数据各自应该注意哪些问题？
（1）、时间序列数据（Time Series Data）把反映某一总体特征的同一指标的数据，按照一定的时间顺序和时间间隔（如月度、季度、年度）排列起来，这样的统计数据称为时间序列数据。（2）、截面数据(Cross-Section Data)同一时间（时期或时点）某个指标在不同空间的观测数据，称为截面数据。（3）、面板数据（Panel Data）面板数据指时间序列数据和截面数据相结合的数据，对若干个体进行多期观测。例如在居民收支调查中收集的对各个固定调查户在不同时期的调查数据，又如全国各省市不同年份的经济发展状况的统计数据，就都是面板数据。（4）、虚拟变量数据(Dummy Variables Data)。
时间序列数据若是非平稳的，可能造成“伪回归”；截面数据往往存在异方差；利用面板数据的计量经济模型已成为计量经济学研究的专门问题，容易产生异方差、自相关性。

3、什么是解释变量、被解释变量？
从变量的因果关系上，模型中变量可分为解释变量（Explanatory variable）和被解释变量(Explained variable)。在模型中，解释变量是变动的原因，被解释变量是变动的结果。被解释变量是模型要分析研究的对象，也常称为“应变量”(Dependent variable)、“回归子”（Regressand）等。解释变量也常称为“自变量”(Independent variable)、“回归元”（Regressor）等，是说明应变量变动主要原因的变量。

4、经典线性计量模型的假定有哪些？
假定1：零均值假定; 假定2：同方差假定; 假定3：无自相关假定; 假定4：随机扰动项与解释变量不相关; 假定5：正态性假定；假定6：无多重共线性

5、什么是异方差性？有哪些方法可以检验模型中是否存在异方差性?
违背同方差假定，扰动项的方差随某个解释变量在变化。观察残差图、White检验、ARCH检验、Goldenfeld-Quandt检验等。
6、简述虚拟变量设置规则
虚拟变量个数的设置规则是：若定性因素有m个相互排斥的类型（或属性、水平），在有截距项的模型中只能引入m－1个虚拟变量，否则会陷入所谓“虚拟变量陷阱”，产生完全的多重共线性。在无截距项的模型中，定性因素有m个相互排斥的类型时，引入m个虚拟变量不会导致完全多重共线性，不过这时虚拟变量参数的估计结果，实际上是D=1时的样本均值。

7、什么是虚拟变量、设置虚拟变量应该注意什么？
虚拟变量是将定性因素数量化取值为0或1的一类特殊人工变量。主要作用：在模型中引入定性因素；分段回归等。注意避免虚拟变量陷阱。
8、将虚拟变量引入到模型中，通常有哪些方式？各自具有什么作用？
加入虚拟解释变量的途径有两种基本类型：一是加法类型；二是乘法类型。不同的途径引入虚拟变量有不同的作用，加法方式引入虚拟变量改变的是截距；乘法方式引入虚拟变量改变的是斜率。

9、什么是伪回归？其产生的原因是？
所谓“伪回归”，是指变量间本来不存在有意义的关系，但回归结果却得出存在有意义关系的错误结论。造成“伪回归”的根本原因在于时间序列变量的非平稳性。

10、简述时间序列平稳性的含义
时间序列平稳性分严格平稳和广义平稳性。 严格平稳是指随机过程的联合分布函数与时间的位移无关；广义平稳性是指随机过程的均值、方差不随时间变化，自协方差函数仅是时间间隔的函数，又称为弱平稳性。

三、计算题
题干已给出一个估计结果，问：系数的经济意义；估计出来的系数是否符合经济意义；
t值计算（已给出系数及标准误）；或者根据已给的t值、F值判断显著性（不需要查表，根据经验即可判断）；
根据已给出的，Y的总离差中被回归方程解释的部分及未被回归方程解释的部分所占比例分别是多少；
模型中是否存在多重共线性（利用综合判断法）；
模型是否存在自相关（会看DW表）

为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下：

t=(-3.066806) (6.652983) (3.378064)
R2=0.934331 F=191.1894 n=31
（1） 从经济意义上考察估计模型的合理性。
（2） X1、 X2两个变量是否显著？模型的整体是否显著？理由是？
某公司想决定在何处建造一个新的百货店，对已有的30个百货店的销售额作为其所处地理位置特征的函数进行回归分析，并且用该回归方程作为新百货店的不同位置的可能销售额，估计得出（括号内为估计的标准差）

（0.02） （0.01） （1.0） （1.0）
其中：＝第个百货店的日均销售额（百美元）；
＝第个百货店前每小时通过的汽车数量（10辆）；
＝第个百货店所处区域内的人均收入（美元）；
＝第个百货店内所有的桌子数量；
＝第个百货店所处地区竞争店面的数量；
请回答以下问题：
1、说出本方程中系数0.1和0.01的经济含义。
2、各个变量前参数估计的符号是否与期望的符号一致？
3、在＝0.05的显著性水平下检验变量的显著性。
（临界值，，，）

运用计量模型研究1990年到2007年我国粮食产量与主要影响因素之间的数量关系，模型设定如下：
Yt=a0+a1X1t+a2X2t+a3X3t+a4X4t+a5X5t+a6X6t+ut
Yt------我国历年粮食总产量(单位：万吨)
X1t-----农业化肥施用量（万吨）
X2t-----粮食播种面积（千公顷）
X3t-----成灾面积（千公顷）
X4t----农业机械年末拥有量（亿瓦特）
X5t-----农林牧渔业总劳动力（万人）
X6t-----有效灌溉面积（千公顷）
Ut------其它影响粮食产量的因素（随机误差项）
模型估计结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 05/25/09 Time: 21:03
Sample: 1990 2007
Included observations: 18
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X1
5.183734
1.657000
（ ）
0.0096
X2
0.392216
0.221575
1.770123
0.1044
X3
-0.226072
0.107385
-2.105243
0.0591
X4
-0.067816
0.148659
-0.456190
0.6571
X5
-0.111089
0.401499
-0.276685
0.7872
X6
0.296709
0.486908
0.609375
0.5547
C
-17495.33
27898.47
-0.627107
0.5434
R-squared
0.952012
Mean dependent var
44127.13
Adjusted R-squared
0.925837
S.D. dependent var
4408.967
S.E. of regression
1200.687
Akaike info criterion
17.30448
Sum squared resid
15858133
Schwarz criterion
17.65073
Log likelihood
-148.7403
F-statistic
36.37094
Durbin-Watson stat
2.019087
Prob(F-statistic)
0.000001
根据此估计结果，是回答下列问题：
（1） 计算X1的t统计量值；
（2） 模型整体是否显著？ 理由是？
（3） 各变量的系数估计值是否符合经济意义？ 如果不符合，你觉得是什么原因造成的？

家庭消费支出（Y）、可支配收入（）、家庭财富（）设定模型如下：

回归分析结果为：
LS // Dependent Variable is Y
Date: 18/11/09 Time: 15:18
Sample: 1 10
Included observations: 10
Variable Coefficient Std. Error T-Statistic Prob.
C 24.4070 6.9973 ________ 0.0101
- 0.3401 0.4785 ________ 0.5002
0.0823 0.0458 0.1152
R-squared 0.9615 Mean dependent var 111.1256
Adjusted R-squared 0.9505 S.D. dependent var 31.4289
S.E. of regression ________ Akaike info criterion 4.1338
Sum squared resid 342.5486 Schwartz criterion 4.2246
Log likelihood - 31.8585 F-statistic 87.4062
Durbin-Watson stat 2.4382 Prob(F-statistic) 0.0001
回答下列问题（11分）：
①、 请根据上表中已由数据，填写表中画线处缺失结果（注意给出计算步骤）；
②、 模型是否存在多重共线性？为什么？
③、 模型中是否存在自相关？为什么？

下表是三因素Fama&French模型估计输出结果，模型中被解释变量（R1）是某证券投资基金收益率，解释变量有三个，RM是市场组合收益率，SMB是规模因子，HML是价值因子。根据此估计结果，试回答下列问题。

Dependent Variable: R1

Method: Least Squares

Date: 04/23/08 Time: 09:18

Sample: 2003M06 2005M05

Included observations: 24

Newey-West HAC Standard Errors & Covariance (lag truncation=2)

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

RM
0.899919
0.083481
10.77996
0.0000
SMB
-0.536892
0.133720
-4.015048
0.0007
HML
-0.100292
0.220450
-0.454940
0.6541
C
0.004991
0.002843
1.755742
0.0944

R-squared
0.859666
    Mean dependent var
-0.000949
Adjusted R-squared
0.838616
    S.D. dependent var
0.045197
S.E. of regression
0.018157
    Akaike info criterion
-5.028524
Sum squared resid
0.006593
    Schwarz criterion
-4.832182
Log likelihood
64.34229
    F-statistic
40.83896
Durbin-Watson stat
1.937618
    Prob(F-statistic)
0.000000

（1）、模型解释变量哪些是显著的？为什么？
（2）、表中的F统计量（F-statistic）可以说明什么？
（3）、该模型中是否存在自相关性？
（4）、你觉得该模型估计效果如何？
为了解释中国对进口的需求，根据19年的数据得到下面的回归结果

se = (0.0092) (0.0074) R2=0.96 =0.95
其中：Y=进口量（百万美元），X1=个人消费支出（美元/年），X2=进口价格/国内价格。
（1）解释截距项，及X1和X2系数的经济意义；
（2）Y的总离差中被回归方程解释的部分及未被回归方程解释的部分所占比例分别是多少？；
（3）对参数进行显著性检验,并解释检验结果；

四、问答题
主要考察自己结合实际谈学习了《计量》后的体会，如那章比较难？实际工作中是否用到？建模的基本步骤等

计量经济分析在你的实际工作中有哪些应用？在应用中，基本分析步骤是什么？
在学习计量经济课程过程中，你觉得那部分内容较难？哪部分内容对你的实际工作比较有用？