上海财经大学计量经济学试卷

1、装 订 线诚实考试吾心不虚 ，公平竞争方显实力，考试失败尚有机会 ，考试舞弊前功尽弃。上海财经大学计量经济学 课程考试卷（A）闭卷课程代码 课程序号 20082009 学年第 1 学期姓名 学号 班级 题号一二三四五六七八总分得分得分一、单选题(每小题2分，共计40分)1. 如果模型中变量在10%的显著性水平下是显著的，则（D）A、 该变量在5%的显著性水平下是也显著的B、 该变量在1%和5%的显著性水平下都是显著的C、 如果P值为12%，则该变量在15%的显著性水平下也是显著的D、 如果P值为2%，则该变量在5%的显著性水平下也是显著的2.高斯马尔可夫是( D )A. 摇滚乐队 B. 足球运

2、动员 C. 鲜美的菜肴 D. 估计理论中的著名定理，来自于著名的统计学家：Johann Carl Friedrich Gauss和Andrey Andreevich Markov。3. 以下关于工具变量的说法不正确的是（B）。A. 与随机干扰项不相关B.与所替代的随机解释变量不相关C. 与所替代的随机解释变量高度相关D. 与模型中其他解释变量不相关4. 在含有截距项的多元回归中，校正的判定系数与判定系数R2的关系有：（B）A. R2B. R2C. R2D. R2与的关系不能确定5.根据样本资料估计得出人均消费支出Y对人均收入X的回归模型为lnYi=2.00+0.75lnXi+ei，这表明人均收

3、入每增加1%，人均消费支出将大约增加（B）A. 0.2% B.0.75% C.2% D.7.5%6.在存在异方差的情况下，普通最小二乘法（OLS）估计量是（B）A.有偏的，非有效的B.无偏的，非有效的C.有偏的，有效的D.无偏的，有效的7.已知模型的普通最小二乘法估计残差的一阶自相关系数为0，则DW统计量的近似值为（C）A.0B.1C.2D.48.在多元回归模型中，若某个解释变量对其余解释变量回归后的判定系数接近1，则表明原模型中存在（C）A.异方差性B.自相关C.多重共线性D.拟合优度低9.设某商品需求模型为：Yi01XiUi，其中Y是商品的需求量，X是商品的价格，为了考虑全年12个月份季节

4、变动的影响，假设模型中引入了12个虚拟变量，则会产生的问题是（D）A.异方差性B.自相关C.不完全的多重共线性D.完全的多重共线性10.下列表述不正确的是（D）A. 尽管存在不完全的多重共线性，普通最小二乘估计量仍然是最优线性无偏估计量B. 双对数模型的R2可以与对数线性模型的R2相比较，但不能与线性对数模型的R2相比较。C. 无论模型中包括多少个解释变量，总离差平方和的自由度总为(n-1)。D. 整个多元回归模型在统计上是显著的意味着模型中任何一个单独的变量均是统计显著的。11. 对于线性回归模型Yi =+Xi +Ui，有关的方差的估计量的说法错误的是：(D )A.残差平方和越大，的方差的估

5、计量越大。B.样本容量越大，的方差的估计量越小。C. Xi的方差越大，的方差的估计量越小。D. Xi的方差越大，的方差的估计量越大。12.考虑下面回归模型，Di是虚拟变量，对上述方程中的参数来讲，哪个是正确的？ ( D )A. B. C. D. 13. 计量模型中，C代表个人消费支出，x表示收入，则的含义是什么？（A）A意味着消费变量的95.4%可以用收入变量解释B回归系数的95.4%可以解释消费C意味着收入变量的95.4%可以用消费变量解释D以上都不对14.考试成绩取决于学习时间和学习效率。学习时间可以测量，但效率却不能。如果在做考试成绩对时间回归的时候不能控制效率变量，且如果学习时间和学习

6、效率负相关，那么，上述回归中，学习时间系数可能会出现什么偏差？( A )A. 系数存在向下的偏差，可能为负 B. 系数存在向下的偏差，但不能为负C. 系数存在向上的偏差 D. 系数不会存在偏差15.在线性概率模型(LPM)估计中，rain是虚拟变量（如果下雨为1，否则为0），winter为虚拟变量（1表示冬天，0表示其他季节），latitude为所描述区域的纬度，winter的参数系数解释是什么？ ( C )A.平均下来，在冬天里，其他条件不变的情况下下雨的可能性会增加30%B.平均下来，在冬天里，其他条件不变的情况下下雨的可能性会增加0.3%C.平均下来，在冬天里，其他条件不变的情况下下雨的

7、可能性会增加30个百分点D.以上都不对。16.有如下联立方程模型。其中，qd和qs分别表示牛奶的需求量和供给量，p表示牛奶价格，x为收入水平。则关于模型识别中正确的是（B）：A. 需求模型可以识别B. 供给模型可以识别C. 供求模型都可以识别D. 供求模型都不可以识别17.要使高斯马尔可夫定理成立，即普通最小二乘估计量是最佳线性无偏估计量，下列基本假设中，哪个假设是不需要的。（D）A随机干扰项同方差B随机干扰项零均值C随机干扰项与解释变量之间不相关D随机干扰项服从正态分布18.在有k个解释变量的经典多元线性回归模型Y=X+U中，OLS的估计值可以写作（D）A.=(XTX)-1XTXB. =+(

8、XTX)-1XTUC. =(I-X(XTX)XT)YD. =(XTX)-1XTY19. 如果对一个简单的线性回归模型进行显著性检验时，如，则备择假设为（D）A、 ，并运用F检验B、 ，并运用F检验C、 ，运用T检验D、 B和C都是正确的，可以仍选其一进行检验20.假设你想估计学生到学校所花费的平均时间，你确定了5种相互独立的交通方式：公交车、小汽车、地铁、火车、步行，你为每种交通方式分别定义了一个虚拟变量。例如dbus=1，如果某同学基本上使用公交车上学，否则为0，你将选择以下哪个模型来完成你的目标（B）A. timei=0+1dbusi+2dcari+3dsubwayi+4dtraini+5

9、dfooti+uiB. timei=0+1dbusi+2dcari+3dsubwayi+4dtraini+uiC. timei=0+1dbusi+2dcari+3dsubwayi+uiD. timei=1dbusi+2dcari+3dsubwayi+4dtraini+ui得分二、判断题(每小题1.5分，共计15分) 1) 如果存在异方差，通常使用的t检验和F检验是无效的；( 对 )2) 在存在异方差情况下，常用的OLS法总是高估了估计量的标准差；( 错 )3) 如果从OLS回归中估计的残差呈现系统模式，则意味着数据中存在着异方差；( 对 )4) 当存在序列相关时，OLS估计量是有偏的并且也是无

10、效的；( 错 )5) 消除序列相关的一阶差分变换假定自相关系数必须等于1；( 对 )6) 两个模型，一个是一阶差分形式，一个是水平形式，这两个模型的R2值是不可以直接比较的。( 对 )7) 在对横截面数据的计量分析中，若我们确保样本是随机抽样的，则可保证随机干扰项的同方差性假定得以满足。( 错 )8) 最小二乘估计量的线性性是指估计量是解释变量Xi的线性组合。( 错 )9) Logit模型和Probit模型的区别主要源于对模型中随机干扰项的概率分布假设不同。（对）10) 在对误差项是否存在一阶序列相关进行DW检验时，存在无法判断的情形。( 对 )得分四、简答题二(每个小题2分，共计10分) 简

11、短回答问题a） 考虑下面的估计方程 Log（）=5.65 + 0.047educ + 0.00078educ*pareduc + 0.019exper + 0.01tenure方程中，wage指个人的每小时工资，educ指个人的受教育程度（按年计），pareduc指一个人父母的受教育程度（按年计），exper指个人的工龄，tenure指个人任现职以来的工作年限。当一个学生的父母受过24年的教育时，每增加一年的教育会带来大约多少的回报？b） 考虑下面的回归方程 Log（）= 0.321 + 0.213marrmale 0.198marrfem 0.110singfem + 0.079educ +

12、 0.027exper方程中，marrmale指代表已婚男性的虚拟变量，marrfem代表已婚女性的虚拟变量，singfem代表单身女性的虚拟变量。请问：这个回归的“基础群体（比较基准）”是什么？结婚男性比未结婚男性平均薪水高出多少的（近似）百分点？单身和已婚的女性有什么不同，哪个有更高的薪水，高出多少（近似）百分点？为了检验单身女性和已婚女性的薪水没有统计意义上的不同，写出你的零假设？答案：a) 0.0470.00078*240.0657，所以教育回报率上升6.57%。b) 基础群体是单身男性；21.3%；单身女性比已婚女性高出8.8%；假设这两个参数相等。得分五、分析题一(每小题5分，共计

13、20分) 你对吸烟对新生儿健康的影响非常感兴趣。最好的测量新生儿的健康的标准是他的体重。（身体健康和体重是正相关）所以，你先做了以下的回归分析： Log（bwght）= + log（faminc）+ packs+u (1)Log（bwght）是新生儿体重的对数，log（faminc）是家庭的收入的对数，packs是在怀孕期母亲每天吸烟的平均包数。请试着尽可能使你的答案简短。（1）在高斯(经典)假设下的具体解释是什么？（2）在做了回归分析后，你得知出生的顺序（parity，第一个出生值为1，第二个为2）和男婴（male，如果是男婴值为1）必须包括在模型中，因为以前的研究已经表明它们会影响体重。

14、Log（bwgth）=+male+parity+log（faminc）+packs+u （2）运用表格一做一个检验来确定哪个模型最合适。方程（1）和（2）谁是不受约束模型，哪个是受约束模型? 运用表格一的结果在5%的置信度下做一个检验来决定你是否可以拒绝约束模型而选择不受约束模型。（经查表：F0.05(2,1383)=3,F0.05(4,1383)=2.38）表格一：方程(1)和方程(2)的回归结果Included observations: 1388因变量：LOG(BWGTHT)方程(1)方程(2)自变量CoefficientStd. ErrorCoefficientStd. ErrorC4

15、.7185940.0182444.6756180.021881MALE0.0262410.010089PARITY0.0147290.005665LOG(FAMINC)0.0162660.0055830.0180500.005584PACKS-0.0816320.017164-0.0837280.017121R-squared0.025759R-squared0.035038残差平方和(SSR)49.12155残差平方和(SSR)48.65370（3）一个关于方程（2）的潜在问题是我们不能对遗传的影响做任何的控制。如果你相信相同母亲的基因影响着新生儿的体重和母亲吸烟的习惯，那么误差项u将会违背

16、哪个经典假设？这对Packs前的系数 的估计结果有何影响？（4）表格二是packs对其工具变量香烟的价格（cigprice）回归的结果。表格三是对方程(2)用工具变量法回归的结果。假设置信度为5%，从给定的结果中可以得知香烟的价格对吸烟习惯（packs）有解释能力吗？也就是说它是一个好的工具变量吗？为什么?表格二Dependent Variable: PACKSIncluded observations: 1388VariableCoefficientStd. Errort-StatisticProb. C0.0674260.1025380.6575660.5109CIGPRICE0.0002

17、830.0007830.3612940.7179R-squared0.000094 Mean dependent var0.104359Durbin-Watson stat1.960391 Prob(F-statistic)0.717935表格三Dependent Variable: LOG(BWGHT)Method: Two-Stage Least SquaresIncluded observations: 1388Instrument list: MALE PARITY LOG(FAMINC) CIGPRICEVariableCoefficientStd. Errort-Statistic

18、Prob. C4.4678610.25882917.261830.0000MALE0.0298210.0177791.6772880.0937PARITY-0.0012390.021932-0.0564960.9550LOG(FAMINC)0.0636460.0570131.1163450.2645PACKS0.7971061.0862750.7337980.4632R-squared-1.811770 Mean dependent var4.760031F-statistic2.391203 Durbin-Watson stat1.920894Prob(F-statistic)0.048957答案：(1)怀孕母亲每天吸烟的平均包数增加一包，则新生儿体重增加100*%。(2) 方程(1)是受约束模型，方程(2)是不受约束模型，F（SSRr-SSRur）*(n-kur-1)/q/SSRur(49.12155-48.6537)*(1388-4-1)/2/48.6537=6.6494，F值显著大于临界值F0.05(2,1383)=3，拒绝原假设，即应该选择不受约束模型。(3)U会违背与X不相关的经典假设，这