发布时间 : 星期日 文章经济计量学习题更新完毕开始阅读9c34391ab7360b4c2e3f64c2
故接受零假设，拒绝备择假设。说明此期间IBM的股票不是易变证券。 (10分) 经济计量学3
一、判断题（每小题2分，共20分）
1.在实际中，一元回归没什么用，因为因变量的行为不可能仅由一个解释变量来解释。
( )
2.OLS方法不适用于估计联立方程模型中的结构方程。（）
3.D-W值在0和4之间，数值越小说明正相关的程度越大，数值越大说明负相关的程度越大。
4.在线性回归模型中，解释变量是原因，被解释变量是结果。（） 5.当存在序列相关时，OLS估计量是有偏的并且也是无效的。（ ） 6. 存在完全多重共线性时，模型参数无法估计。（）
7.识别的阶条件仅仅是判别模型是否可识别的必要条件而不是充分条件。（）
8.为了避免陷入虚拟变量陷阱，如果一个定性变量有m类，则要引入m个虚拟变量。（） 9.消除自相关的一阶差分变换假定自相关系数?必须等于1。（）
210.双对数模型的R值可以与对数线性模型的相比较，但不能与线性对数模型的相比较。 1.× 2.× 3.√ 4.× 5.√6.√ 7.√ 8.× 9.√ 10.×
二、简答题（每小题6分，共24分）
21.可决系数R说明了什么？在简单线性回归中它与斜率系数的t检验的关系是什么？ 2.什么是随机误差项和残差，它们之间的区别是什么？
3.什么是总体回归函数和样本回归函数，它们之间的区别是什么？
4.假如你是中国人民银行的顾问，需要你对增加货币供应量促进经济增长提出建议，你将考虑哪些因素？你认为可以怎样运用计量经济学的研究方法？
1. 答：可决系数是对模型拟合优度的综合度量，其值越大，说明在Y的总变差中由模型作出了解释的部分占得比重越大，模型的拟合优度越高，模型总体线性关系的显著性越强。反之亦然。斜率系数的t检验是对回归方程中的解释变量的显著性的检验。在简单线性回归中，由于解释变量只有一个，当t检验显示解释变量的影响显著时，必然会有该回归模型的可决系数大，拟合优度高。
2. 答：随机误差项ui=Yi-E(Y/Xi)。当把总体回归函数表示成Yi?Yi?ei时，其中的ei就是残差。它是用Yi估计Yi时带来的误差ei?Yi?Yi，是对随机误差项ui的估计。
3.答：将总体应变量的条件期望表示为解释变量的某种函数，这个函数就称为总体回归函数，其一般表达式为：E(Y/Xi)?f(Xi)，当然通常的表达式为：Yi?f(Xi)?ui，其中ui为随即扰动项。样本回归函数：将应变量Y的样本观测值的条件均值表示为解释变量的某种函数。 样本回归函数是总体回归函数的一个近似。总体回归函数具有理论上的意义，但其具体的参数不可能真正知道，只能通过样本估计。样本回归函数就是总体回归函数的参数用估计的值替代之后的形式。
4. 答：可以考虑以下因素：投资规模、通货膨胀、物价总水平、失业率、就业者人数及其受教育程度、资本存量、技术进步，国民生产总值等等；
我们从这些所有因素中选择一些因素，比如投资规模、劳动人口数、技术进步速度、通货膨胀率对国民生产总值回归，建立回归方程；收集数据；作回归；然后检验、修正。
???三、（20分）为什么对已经估计出参数的模型还要进行检验？你能举一个例子说明各种检验的必要性吗？
答： 首先，这是因为我们在设定模型时，对所研究的经济现象的规律性可能认识并不充分，所依据的得经济理论对研究对象也许还不能做出正确的解释和说明。或者虽然经济理论是正确的，但可能我们对问题的认识只是从某些局部出发，或者只是考察了某些特殊的样本，以局部去说明全局的变化规律，必然会导致偏差。 （6分） 其次，我们用以及参数的统计数据或其他信息可能并不十分可靠，或者较多采用了经济突变时期的数据，不能真实代表所研究的经济关系，也可能由于样本太小，所估计的参数只是抽样的某些偶然结果。 （4分） 另外，我们所建立的模型，所用的方法，所用的统计数据，还可能违反计量经济的基本假定，这是也会导致错误的结论。 从上面可以看出，检验时必要的。 （4分） 举个例子：建立居民消费Ct和居民储蓄St、居民的收入Yt的一个消费函数模型：
Ct??1??2St???3Yt?ut 从已经认识的经济理论出发，选择居民的储蓄余额合居民的收入作为居民的消费的解释变量，会觉得是完全合理的，但是我们作变量的协整检验就会知道，居民消费和居民储蓄的单整阶数是不同的，所以它们不是协整的，即它们之间不存在一个长期稳定的比例关系。从而以上模型是不合理的。
四、（16分）假设某人通过一容量为19的样本估计了消费函数 (3.1) (18.7) (1)利用值检验假设(取显著水平为5%)。 (2)确定参数估计量的标准差。
，并获得下列
(3)构造的95%的置信区间，这个区间包括0吗? 五、（20分）试指出在目前建立中国宏观计量经济模型时，下列内生变量应由哪些变量来解释，简单说明理由，并拟定关于每个解释变量的待估参数的正负号。
⑴ 轻工业增加值 ⑵ 衣着类商品价格指数 ⑶农业生产资料进口额 四、（16分）答：(1) t值的绝对值为18.7，明显大于2，故拒绝零假设，从而在统计上是显著的。(2) 参数?估计量的标准差为4.84，参数估计量的标准差为0.043. （5分）(3) 由(2)的结果知b的95％的置信区间为
显然这个区间不包括0。 （6分）
五、答： ⑴ 轻工业增加值应该由反映需求的变量解释。包括居民收入（反映居民对轻工业的消费需求，参数符号为正）、国际市场轻工业品交易总额（反映国际市场对轻工业的需求，参数符号为正）等。 ⑵ 衣着类商品价格指数应该由反映需求和反映成本的两类变量解释。主要包括居民收入（反映居民对衣着类商品的消费需求，参数符号为正）、国际市场衣着类商品交易总额（反映国际市场对衣着类商品的需求，参数符号为正）、棉花的收购价格指数（反映成本对价格的影响，参数符号为正）等。 ⑶ 农业生产资料进口额应该由国内第一产业增
加值（反映国内需求，参数符号为正）、国内农业生产资料生产部门增加值（反映国内供给，参数符号为负）、国际市场价格（参数符号为负）、出口额（反映外汇支付能力，参数符号为正）等变量解释。 经济计量学4
一、（10分，每小题1分）判断正误（正确的打对号，错误的划叉，将答案填入下面的表格中）
1 2 3 4 5 6 7 8 9 10 × × × × √ × × × × √ 1．最小二乘法是使误差平方和最小化的估计过程。
2．在联合检验中，若计算得到的 F统计量的值超过临界的 F值，我们将接受整个模型在统计上是不显著的零假设。
3. 线性－对数模型的R2值可与对数－线性模型的相比较，但不能与线性模型的相比较。 4. 无论模型中包含多少个解释变量，回归平方和的自由度总等于n-1。 5. 总体回归函数给出了对应于每一个自变量的因变量的均值。
6. 如果模型中包含虚拟变量，则对应于虚拟变量的样本数据值只能是0或1。 7. 在存在自相关的情况下， OLS估计量仍然是最优线性无偏估计。 8. White异方差检验的原假设是模型存在异方差。
9. 较高的两两相关系数表明模型一定存在多重共线性。
10. 在联立方程模型中，取值独立于模型的变量称为外生变量或前定变量。 二、（20分，每小题2分）选择题（将所选答案的字母填入下面的表格中） 1 2 3 4 5 6 7 8 9 10 B D C D B A B D D A 1．既包含时间序列数据又包含截面数据的数据集合称为：
A．原始数据 B．Pool数据 C．时间序列数据 D．截面数据 2．双对数模型lnY?ln?0??1lnX?u中，参数?1的含义是： 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
3．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是： 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
4．一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．1 5．DW检验方法用于检验：
A．异方差性 B．自相关性 C．随机解释变量 D．多重共线性 6．如果回归模型违背了无自相关假定，最小二乘估计量是： 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
7. 对于含有截距项的计量经济模型，若想将一个含有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 8．在异方差性情况下，常用的估计方法是：
A．普通最小二乘法 B．广义差分法 C．工具变量法 D．加权最小二乘法 9．如果联立方程模型中的第k个方程包含了模型中的全部变量，则第k个方程是： A．可识别的 B．恰好识别 C．过度识别 D．不可识别 10．前定变量是（ ）的合称。
A．外生变量和滞后变量 B．内生变量和外生变量 C．外生变量和虚拟变量 D．解释变量和被解释变量
三、（20分）根据下面Eviews回归结果回答问题。 Dependent Variable: DEBT Method: Least Squares
Date: 05/31/06 Time: 08:35 Sample: 1980 1995
Included observations: 16 Variable Coefficient Std. Error t-Statistic Prob. C 155.6083 578.3793 0.269042 0.7921 INCOME 0.825816 0.063573 12.99003 0.0000 COST -56.43329 31.45720 -1.793971 0.0961 R-squared 0.989437 Mean dependent 2952.175 var
Adjusted 0.987811 S.D. dependent 1132.051 R-squared var S.E. of regression 124.9807 Akaike info 12.66156
criterion
Sum squared 203062.2 Schwarz criterion 12.80642 resid
Log likelihood -98.29245 F-statistic 608.8292