计量经济学复习题.doc

计量经济学试题绪论部分：1.下列属于时间序列数据的有（ ACDE ）A.19801990年某省的人口数B.1990年某省各县市国民生产总值C.19901995年某厂的工业总产值D.19901995年某厂的职工人数E.19901995年某厂的固定资产总额2.在同一时间，不同统计单位的相同统计指标组成的数据列是( D )A.时期数据 B.混合数据 C.时序数据 D.截面数据3下面属于截面数据的是（ D ）A 19811990年各年某地区20个乡镇的平均工业产值 B 19811990年各年某地区20个乡镇的各镇工业产值 C 某年某地区20个乡镇的工业产值的总量 D 某年某地区20个乡镇的各镇的工业产值第2章：一元线性回归1 利用普通最小二乘法估计得到的样本回归直线，必然通过( A )A.点() B.点(0，0) C.点(，0) D.点(0，)2 根据样本资料已估计得出人均消费支出Y对人均收入X的回归模型为LY=5+0.75LX,这表明人均收入每增加1%，人均消费支出将预期增加（B）A0.2% B0.75% C5% D7.5%3 普通最小二乘法确定一元线性回归模型Yi=的参数和的准则是使（ B ）Aei最小 Bei2最小 Cei最大 Dei2最大第2章：一元线性回归1 回归分析中，用来说明拟合优度的统计量为( B )A.相关系数 B.判定系数 C.回归系数 D.标准差2 对于随机误差项ui, Var(ui)=E(u)=2内涵指（B）A随机误差项的均值为零B所有随机误差都有相同的方差C两个随机误差互不相关D误差项服从正态分布3 判定系数R2的取值范围为( B )A.0R22 B.0R21 C.0R24 D.1R244 以Y表示实际观测值，表示估计值，则普通最小二乘法估计参数的准则是使（ D ）A B C 最小 D 最小5 普通最小二乘法估计回归参数的基本准则是使（C ）最小。A总变差 B、参数平方和 C、残差平方和 D、回归平方和6 已知某一直线回归方程的可决系数为0.81，则解释变量与被解释变量间的线性相关系数为（ B ）A、0.81 B、0.9 C、0.405 D、0.6541第3章：多元回归分析1 多元回归模型通过了整体显著性F检验，则可能的情况为( BCD )A.B.0，0 C.=0，0 D.0，=0E.=0，=0，=02 多元回归模型中F检验的备择假设为 （ B ）A偏回归系数全为O B.偏回归系数不全为O C.常数项不为O D.偏回归系数都不为0第8章：虚拟变量回归1 设个人消费函数Yi=C0+C1Xi+ui中，消费支出Y不仅同收入X有关，而且与消费者年龄构成有关，年龄构成可分为青年、中年和老年三个层次，假设边际消费倾向不变，则考虑年龄因素的影响，该消费函数引入虚拟变量的个数应为( B ) 有截距，则引入n-1个A.1个 B.2个 C.3个 D.4个2 根据虚拟变量D取值的变化，回归模型Yi=0+1D+（DZi）+ui可以表示成的形式有（ ）AYi=0+ui BYi=0+(+uiCYi=(0+1)+uiDCYi=(0+1)+uiEYi=0+3 在回归模型中，D为性别因素， ， ，则会产生的问题为（ D ）A.异方差 B.序列相关 C.不完全共线性 D.完全共线性4 以加法的方式引进虚拟变量，将会改变（ A ）A 模型的截距 B 模型的斜率 C 同时改变截距和斜率 D 误差项第5章：异方差性1在线性回归模型中，如果存在异方差，则常用的估计方法是（ D ）A广义差分法 B工具变量法 C一阶差分法 D加权最小二乘法2 怀特检验适用于检验( B )A.序列相关 B.异方差 C.多重共线性 D.设定误差3下列可说明存在异方差的情况是（ D ）A. B. C.（常数）D.4 名词解释：异方差：对于不同的样本点，随机误差项的方差不是常数。5下面那种方法不是检验异方差的方法（ D ）A 图示法 B WHITE检验法 C Glejser检验 D 方差膨胀因子法第6章：序列相关性1 当DW4-dL，则认为随机误差项ui（D）A不存在一阶负自相关 B无一阶序列相关 C存在一阶正自相关 D存在一阶负自相关2 对于大样本，德宾-瓦森（DW）统计量的近似计算公式为（C）ADW2（2-）BDW3（1-） CDW2（1-）DDW2（1+）3 对于某样本回归模型，已求得DW的值为l，则模型残差的自相关系数近似等于（ C ）A.-0.5 B.0 C.0.5 D.14 以下选项中，正确表达了序列相关的是（ A ）A.Cov(ui，uj)0，ij B.Cov(ui，uj)=0，ij C.Cov(xi，xj)0，i=j D.Cov(xi，uj)05 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( D )A.0 B.1 C.2 D.46 若使用普通最小二乘法估计的模型残差的一阶自相关系数为0.8，则DW统计量的值近似为（ B ）A0.2 B0.4 C0.8 D1.67 如果dLDWdu，则( )A.随机误差项存在一阶正自相关B.随机误差项存在一阶负自相关C.随机误差项不存在一阶自相关D.不能判断随机误差项是否存在一阶自相关8 序列相关是指回归模型中( D )A.解释变量X的不同时期相关B.被解释变量Y的不同时期相关C.解释变量X与随机误差项u之间相关D.随机误差项u的不同时期相关9 DW检验适用于检验( B )A.异方差 B.序列相关 C.多重共线性 D.设定误差10 若计算的统计量接近4，则表明该模型（ C ）A.不存在一阶序列相关 B.存在一阶正序列相关C.存在一阶负序列相关 D.存在高阶序列相关11 最可能出现序列相关的样本数据类型是（ A ）A时间序列数据 B.虚拟变量数据 C.截面数据 D.混合数据12 计量经济模型中序列相关的主要检验方法有 （ AD ）A残差图法 B.方差比检验法 C.ADF检验法D.DW检验法 E. Glejser检验法名词解释：一阶自相关：随机误差项ut与滞后一期的误差项ut-1相关，即ut=p ut-1+vt。简答题：试用图示的方法说明DW检验的判断区间和判断标准。13 模型存在序列相关时，适宜的参数估计方法是（ C ）A 加权最小二乘法 B 间接最小二乘法 C 广义差分法 D 工具变量法14 当DW=4时，说明（ D ）A.不存在序列相关 B.不存在一阶自回归形式的序列相关C.存在完全的正的一阶自回归形式的序列相关 D. 存在完全的负的一阶自回归形式的序列相关14 列那种形式的序列相关可用DW统计量检验（ A ）A B C D 第4章：多重共线性1 在线性回归模型中，若解释变量X1和X2的观测值成比例，即X1i=KX2i，其中K为常数，则表明模型中存在( B )A.方差非齐性 B.多重共线性 C.序列相关 D.设定误差2 检验多重共线性的方法有( ACD )A.简单相关系数检测法 B.样本分段比较法 C.方差膨胀因子检测法D.判定系数增量贡献法 E.工具变量法3 判定系数增量贡献法可用于检测（ C ）A方差非齐性问题B序列相关问题C多重共线性问题D回归系数是否显著异于零4在对多元线性回归模型进行检验时，发现各参数估计量的t检验值都很低，但模型的R2值却很高，这说明模型存在（ C ）A方差非齐性 B序列相关性 C多重共线性 D设定误差5 常用的处理多重共线性的方法有( )A.追加样本信息 B.使用非样本先验信息 C.进行变量形式的转换 D.逐步回归法E.广义差分法6 计量经济模型中存在多重共线性的原因为( CDE )A.模型中存在异方差 B.模型中存在虚拟变量 C.经济变量相关的共同趋势D.滞后变量的引入 E.样本资料的限制7在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在( A ) A.多重共线性 B.异方差性 C.序列相关 D.高拟合优度名词解释：多重共线性：两个或多个解释变量之间出现的线性相关性。8、如果方差膨胀因子VIF10，则认为（ C ）问题是严重的。A、异方差性 B、序列相关性C、多重共线性 D、解释变量与随机项的相关性第10章：时间序列的平稳性及其检验1 如果一个时间序列呈上升趋势，则这个时间序列是( B )A.平稳时间序列 B.非平稳时间序列 C.一阶单整序列 D.一阶协整序列2 平稳时间序列的均值和方差是固定不变的，它的协方差只与( A )A.所考察的两期间隔长度有关 B.时间t有关C.时间序列的上升趋势有关 D.时间序列的下降趋势有关3 某一时间序列经过两次差分后成为平稳时间序列，此时间序列为（A）A2阶单整 B3阶单整 C4阶单整 D5阶单整4 如果Yt为平稳时间序列，则Yt为( )A.0阶单整 B.1阶单整 C.2阶单整 D.协整5 名词解释平稳时间序列：是指均值和方差固定不变，协方差只与所考察的两期间隔长度有关，而与时间的变化无关的时间序列。k阶单整：如果一个非平稳时间序列经过K次差分后平稳，而K-1次差分却不平稳，则称这个时间序列是K阶单整的。分析题1 根据25户居民的可支配收入I、家庭财产A与消费支出CM间的数据。以下是使用Eviews估计模型得到的结果：Dependent Variable: CMMethod: Least SquaresDate: 12/20/07 Time: 22:50Sample: 1 25Included observations: 25VariableCoefficientStd. Errort-StatisticProb. C2.8005151.2065482.3210970.0299I1.0628050.03788728.051670.0000A1.0569130.2275114.6455560.0001R-squared0.997426 Mean dependent var70.76000Adjusted R-squared0.997192 S.D. dependent var50.49115S.E. of regression2.675554 Akaike info criterion4.918357Sum squared resid157.4890 Schwarz criterion5.064622Log likelihood-58.47946 F-statistic4262.507Durbin-Watson stat1.313753 Prob(F-statistic)0.000000要求：（1）写出回归方程；（2）写出调整的可决系数；（3）对变量进行显著性检验（=0.01）。解： （1）CM=2.80+1.06I+1.06A （2）A-R2=0.997192 （3）自变量I对应的概率p=0.0000、A对应的概率p=0.0001，均小于指定的显著性水平0.01。所以，变量都显著。 2 依据能源消费量EQ与能源价格P之间的20组数据，以OLS估计EQ关于P的线性回归，计算残差序列。然后以残差的绝对值为被解释变量，价格为解释变量建立先行回归，结果如下：Dependent Variable: EMethod: Least SquaresDate: 12/20/07 Time: 23:31Sample: 1 20Included observations: 20VariableCoefficientStd. Errort-StatisticProb. C14.450073.1772974.5479140.0002P-0.2493000.113945-2.1879020.0421R-squared0.210073 Mean dependent var8.155260Adjusted R-squared0.166188 S.D. dependent var6.602665S.E. of regression6.029111 Akaike info criterion6.525716Sum squared resid654.3033 Schwarz criterion6.625289Log likelihood-63.25716 F-statistic4.786915Durbin-Watson stat0.534115 Prob(F-statistic)0.042111据此可否认为模型存在异方差性（=0.05）？解： 残差绝对值E对价格P的回归方程的F统计量的概率为0.04211、价格P对应的概率为0.0421，均小于显著性水平0.05，所以模型存在异方差性。 3 搜集1960至1982年7个OECD国家（美国、西德、英国、意大利、日本和法国）的总能源需求指数（Y，万吨）、实际GDP（X1，亿美元）、实际能源价格（X2）的数据（所有指数均以1970年为100%计算）。采用EViews软件估计，输出结果为：Dependent Variable: LOG(Y)Method: Least SquaresDate: 12/21/09 Time: 23:56Sample: 1960 1982Included observations: 23VariableCoefficientStd. Errort-StatisticProb.C1.5145610.08528717.758450.0000LOG( X1)1.0207340.01808756.434940.0000LOG(X2)-0.3467200.023008-15.069650.0000R-squared0.994951 Mean dependent var4.409851Adjusted R-squared0.994446 S.D. dependent var0.228688S.E. of regression0.017043 Akaike info criterion-5.185011Sum squared resid0.005809 Schwarz criterion-5.036903Log likelihood62.62762 Hannan-Quinn criter.-5.147762F-statistic1970.490 Durbin-Watson stat1.099985Prob(F-statistic)0.000000要求：（1）写出对数线性回归方程；（2）解释Log(X1)系数的经济学意义；（3）检验解释变量的统计显著性。解：（1）对数线性模型为：lnY=1.51+1.02lnX1-0.35lnX2 （2）若价格保持不变，GDP提高1%，能源需求量增加1.02%。 （3）因为，lnX1、lnX2对应的t统计量的概率在4位有效数内均为零，所以，GDP和能源价格对能源需求量的影响都显著。（3分）4 收集中国1985年2003年的实际GDP（X）与进口额（Y）（单位：亿元），采用OLS估计线性模型参数，结果Durbin-Watson统计量为0.52385。问（1）这一结果表明模型可能存在什么问题？由于怀疑模型存在古典假定违背的问题，又进行了拉格朗日乘数检验，结果为：Breusch-Godfrey Serial Correlation LM Test: Prob.F-statistic12.87670Prob. F(3,14)0.0003Obs*R-squared13.94586Prob. Chi-Square(3)0.0030Dependent Variable: RESIDVariableCoefficientStd. Errort-StatisticProb.C-287.9183310.4565-0.9274030.3694X0.0172600.0143281.2046820.2483RESID(-1)1.8115920.3478315.2082520.0001RESID(-2)-0.8047270.563530-1.4280110.1752RESID(-3)-0.0874520.437610-0.1998390.8445以及Breusch-Godfrey Serial Correlation LM Test:F-statistic20.62862Prob. F(2,15)0.0000Obs*R-squared13.93398Prob. Chi-Square(2)0.0009Dependent Variable: RESIDVariableCoefficientStd. Errort-StatisticProb.C-310.6548289.1968-1.0741990.2997X0.0183860.0131911.3938430.1837RESID(-1)1.8500170.2901936.3751240.0000RESID(-2)-0.8915810.359128-2.4826300.0254 （2）根据这两个输出结果可以得出什么结论？解：（1）Durbin-Watson统计量为0.52385，接近于零，表明模型可能存在序列相关性。 （2）在2阶LM检验中，Obs*R-squared对应的Prob值为0.0009，非常接近于1（小于0.1），说明存在序列相关，RESID(-1)和RESID(-2)都显著成立，说明存在2阶序列相关性。但在3阶LM检验中，RESID(-3)的系数不显著，说明不存在3阶序列相关性。故模型存在2阶序列相关。 5 根据中国1985年2003年农村居民的人均实际纯收入X(单位：元， 按1985年可比价)与人均消费性支出Y（单位：元，按1985年可比价计算），使用Eviews软件估计模型得到如下结果：VariableCoefficientStd. Errort-StatisticProb. C106.547512.201558.7322950.0000X0.6002040.02135428.107370.0000R-squared0.978935 Mean dependent var437.6942Adjusted R-squared0.977696 S.D. dependent var92.63808S.E. of regression13.83511 Akaike info criterion8.191596Sum squared resid3253.973 Schwarz criterion8.291011Log likelihood-75.82017 F-statistic790.0243Durbin-Watson stat0.766390 Prob(F-statistic)0.000000由于怀疑这个模型存在问题，于是又做了VariableCoefficientStd. Errort-StatisticProb. C114.939315.037637.6434430.0000X0.5882120.02546323.100660.0000AR(1)0.7940510.2456943.2318710.0066AR(2)-0.4305090.210667-2.0435570.0618与VariableCoefficientStd. Errort-StatisticProb. C116.097913.335168.7061500.0000X0.5861440.02273125.786210.0000AR(1)0.7052780.2925292.4109660.0346AR(2)-0.3610550.347039-1.0403880.3205AR(3)-0.1620300.255710-0.6336470.5393问：（1）模型存在什么问题？（2）写出采取补救措施之后的方程（为被解释