计量经济学判断题()

1、神1.总离差平方和可分解为回归平方和与残差平方和.对曹2.整个多元回归模型在统计上是显着的意味着模型中任何一个单独的解释变量均是统计显着的.错芾3.多重共线性只有在多元线性回归中才可能发生.对荽4.通过作解释变量对时间的散点图可大致判断是否存在自相关.错蚂5.在计量回归中,如果估计量的方差有偏,那么可推断模型应该存在异方差错奠6.存在异方差时,可以用广义差分法来进行补救.错勘7.当经典假设不满足时,普通最小二乘估计一定不是最优线性无偏估计量.错蜜8.判定系数检验中,回归平方和占的比重越大,判定系数也越大.对错做残差的当期值与其滞后期的值的第9.可以作残差对某个解释变量的散点图来大致判断是否存在

2、自相关.散点图来判断是否存在自相关方10.遗漏变量会导致计量估计结果有偏.错只影响有效性勘1.正态分布是以均值为中央的对称分布.,肃2.当经典假设满足时,普通最小二乘估计量具有最优线性无偏特征.,腿5.在对数线性模型中,解释变量的系数表示被解释变量对解释变量的弹性.,肇6.虚拟变量用来表示某些具有假设干属性的变量.,藏8.存在异方差时,可以用加权最小二乘法来进行补救.V蔻10.戈雷瑟检验是用来检验异方差的,蒙1、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

3、门检验等.w2、假定个人服装支出同收入水平和性别有关,由于性别是具有两种属性男、女的定性因素,因此,用虚拟变量回归方法分析性别对服装支出的影响时,需要引入两个虚拟变量.错,是否引入两个虚拟变量,应取决于模型中是否有截距项.如果有截距项那么引入一个虚拟变量；如果模型中无截距项,那么可引入两个虚拟变量.薇3、双变量模型中,对样本回归函数整体的显着性检验与斜率系数的显着性检验是一致的.正确,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.袅4、随机扰动项的方差与随机扰动项方差的无偏估计没有区别.错,随机扰动项的方差反映总体的波动情况,对一个特定的总体而言,是一个确定的值

4、.在最小二乘估计中,由于总体方差在大多数情况下并不知道,所以2用样本数据去估计.2：J=£e2/(n-k).其中n为样本数,k为待估参数的个数.出2是口2线性无偏估计,为一个随机变量.羁5、经典线性回归模型(CLRM中的干扰项不服从正态分布的,OLS估计量将有偏的.错,即使经典线性回归模型(CLRM中的干扰项不服从正态分布的,OLS估计量仍然是无偏的.由于E(%)=E(P2+£KU)=B2,该表达式成立与否与正态性无关.神1、在简单线性回归中可决系数R2与斜率系数的t检验的没有关系.错误,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着时,必然会有该回

5、归模型的可决系数大,拟合优度高.蜗2、异方差性、自相关性都是随机误差现象,但两者是有区别的.正确,异方差的出现总是与模型中某个解释变量的变化有关.自相关性是各回归模型的随机误差项之间具有相关关系.3、通过虚拟变量将属性因素引入计量经济模型,引入虚拟变量的个数与模型有无截距项无关.错误,模型有截距项时,如果被考察的定性因素有m个相互排斥属性,那么模型中引入m-1个虚拟变量,否那么会陷入“虚拟变量陷阱；模型无截距项时,假设被考察的定性因素有m个相互排斥属性,可以引入m个虚拟变量,这时不会出现多重共线性.辐4、满足阶条件的方程一定可以识别.错误,阶条件只是一个必要条件,即满足阶条件的的方程也可能是不

6、可识别的.蜜5、库依克模型、自适应预期模型与局部调整模型的最终形式是不同的.错误,库依克模型、自适应预期模型与局部调整模型的最终形式是相同的,其最终形式都是一阶自回归模型.第2、多重共线性问题是随机扰动项违背古典假定引起的.错误,应该是解释变量之间高度相关引起的.蟆3、在*II型Yt=3+P2X2t+P3X3t+Ut的回归分析结果报告中,有第F=263489.23,FWp值=0.000000,那么说明解释变量Xt对Yt的影响是显着的.错误,解释变量X2t和X3txYt的联合影响是显着的赚4、结构型模型中的每一个方程都称为结构式方程,结构方程中,解释变量只可以是前定变量.错误,结构方程中,解释变

7、量可以是前定变量,也可以是内生变量.芨1.在实际中,一元回归没什么用,由于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,一元回归是很多经济现象的近似,能够较好的反映回归的核心思想,是很有的.3、在异方差性的情况下,常用的OLS法必定高估了估计量的标准误.错,有可能高估也有可能低估.5、设估计模型为P(?E=-171.44120.9672PDItt=(7.4809)(119.8711)错,存在虚假回归可能,_2_R=0.9940DW=0.5316由于R2=0.9940说明模型有很好的拟合优度,那么模型不存在伪(虚假)回归.由于判定系数高于DW直.未(1)随机误差项Ui与残差项ei是一回

8、事.(错)蛔(2)总体回归函数给出了对应于每一个自变量的因变量的值.(错)裂(3)线性回归模型意味着因变量是自变量的线性函数.(错)蓬(4)在线性回归模型中,解释变量是原因,被解释变量是结果.(对)1、2、噩虚拟变量的取值只能取0或1(对)3、4、脑通过引入虚拟变量,可以对模型的参数变化进行检验(对)黄1、简单线性回归模型与多元线性回归模型的根本假定是相同的.错膀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照出无多重共线性的假定.菱2、在模型中引入解释变量的多个滞后项容易产生多重共线性.对建在分布滞后模型里多引进解释变量的滞后项,由于变量的经济意义一样,只量是时间不一致,

9、所以很容易引起多重共线性.肆3、DW检验中的DW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.错蚂DW值在0至IJ4之间,DW落在最左边0<DW<dL最右边(4?dL<DW<4)时,分别为正自相关、负自相关；中间(dU<DW<4?dU的不存在自相关区域；其次为两个不能判定区域.蟆3、通过虚拟变量将属性因素引入计量经济模型,引入虚拟变量的个数与样膘本容量大小有关.错,引入虚拟变量的个数样本容量大小无关,与变量属性,模型有无截距项有关.肃5、如果联立方程模型中某个结本方程包含了所有的变量,那么这个方程不可识别

10、.正确膂没有唯一的统计形式蜜3、在异方差性的情况下,假设采用Eviews软件中常用的OLS法,必定高估了黄估计量的标准误.错,有可能高估也有可能低估.蔻4、拟合优度检验和F检验是没有区别的.错蚀5、联立方程组模型根本不能直接用OLS方法估计参数.错覆递归方程可以用OLS方法估计参数,而其它的联立方程组模型不能直莆接用OLS方法估计参数.袅1、在对参数进行最小二乘估计之前,没有必要对模型提出古典假定.错误前在古典假定条件下,OLS估计得到的参数估计量是该参数的最正确线性无芨偏估计具有线性、无偏性、有效性.总之,提出古典假定是为了使所作菜出的估计量具有较好的统计性质和方便地进行统计推断.莆2、当异

11、方差出现时,常用的t和F检验失效；正确材由于异方差类似于t比值的统计量所遵从的分布未知；即使遵从t-分筮布,由于方差不在具有最小性.这时往往会夸大t-检验,使得t检验失效；薄由于F-分布为两个独立的2变量之比,故依然存在类似于t-分布中的问题.蒙3、解释变量与随机误差项相关,是产生多重共线性的主要原因.错误蔽产生多重共线性的主要原因是：经济本变量大多存在共同变化趋势；模膀型中大量采用滞后变量；熟悉上的局限使得选择变量不当薄5、由间接最小二乘法与两阶段最小二乘法得到的估计量都是无偏估计.错误袄间接最小二乘法适用于恰好识别方程的估计,其估计量为无偏估计；先而两阶段最小二乘法不仅适用于恰好识别方程,

12、也适用于过度识别方程.衿两阶段最小二乘法得到的估计量为有偏、一致估计.蛔5、秩条件是充要条件,因此,单独利用秩条件就可以完成联立方程识别状芍态确实定.蚁错误.虽然秩条件是充要条件,但其前提是,只有在通过了阶条件的条件妍下.在对联立方程进行识别时,还应该结合阶条件判断是过度识别,还是恰嵋好识别.期1、半对数模型丫=30+31lnX+科中,参数31的含义是X的绝对量变化,引起Y的绝对量变化.错误蒙半对数模型的参数31的含义是当X的相对变化时,绝对量发生变化,引起因变量Y的平均值绝对量的变动.蚀2、对已经估计出参数的模型不需要进行检验.错误袅有必要进行检验.我们所建立的模型,所用的方法,所用的统计数

13、据,还可能违反计量经济的根本假定,这是也会导致错误的结论.螂4、在有M个方程的完备联立方程组中,当识别的阶条件为H?NiH为联立方程组中内生变量和前定变量的总数,i为第i个方程中内生变量和前定变量的总数N时,那么表示第i个方程不可识别.错误.袁表示第i个方程过度识别.>1.在研究经济变量之间的非确定性关系时,回归分析是唯一可用的分析方法.X箍2.最小二乘法进行参数估计的根本原理是使残差平方和最小.Y膈3.无论回归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.Y放4.当我们说估计的回归系数在统计上是显着的,意思是说它显着地异于0.Y肄5.总离差平方和TSS可分解为残差平方和ES

14、S与回归平方和RSS之和,其中残差平方和ESS表示总离差平方和中可由样本回归直线解释的局部.X肄6.多元线性回归模型的F检验和t检验是一致的.X蔗7.当存在严重的多重共线性时,普通最小二乘估计往往会低估参数估计量的方差.X蟆8.如果随机误差项的方差随解释变量变化而变化,那么线性回归模型存在随机误差项的赣自相关.X肄9.在存在异方差的情况下,会对回归模型的正确建立和统计推断带来严重后果.Y腿10.DW,检验只能检验一阶自相关.Y菌1.残差乘U余项ei的均值e=Ze/n=0.Y蟆2.所谓OLS古计量的无偏性,是指参数估计量的数学期望等于各自的真值.Y艘3.样本可决系数高的回归方程一定比样本可决系数

15、低的回归方程更能说明解释变量对被解释变量的解释水平.X膂4.多元线性回归模型中解释变量个数为k,那么对回归参数进行显着性检验的t统计量的自由度一定是n-k-1.丫赣5.对应于自变量的每一个观察值,利用样本回归函数可以求出因变量的真实值.X薄6.假设回归模型存在异方差问题,可以使用加权最小二乘法进行修正.Y充7.根据最小二乘估计,我们可以得到总体回归方程.X芳8.当用于检验回归方程显着性的F统计量与检验单个系数显着性的t统计量结果矛盾票时,可以认为出现了严重的多重共线性Y英9.线性回归模型中的“线性主要是指回归模型中的参数是线性的,而变量那么不一定是线性的.Y差10.一般情况下,用线性回归模型进

16、行预测时,单个值预测与均值预测相等,且置信区间也相同.X蚀X1、在研究经济变量之间的非确定性关系时,回归分析是惟一可用的分析方法.滕X2、对应于自变量的每一个观察值,利用样本回归函数可以求出因变量的真实值.勘Y3、OLS回归方法的根本准那么是使残差平方和最小.蔻X4、在存在异方差的情况下,OLS法总是高估了估计量的标准差.聿Y5、无论回归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.袈Y6、线性回归分析中的“线性主要是指回归模型中的参数是线性的,而变量那么不一定是线性的.瞧Y7、当我们说估计的回归系数在统计上是显着的,意思是说它显着异于0.薄X8、总离差平方和TSS可分解为残差平方

17、ESS和与回归平方和RSS,蓬其中残差平方ESS表示总离差平方和可由样本回归直线解释的局部.黄X9、所谓OLS估计量的无偏性,是指回归参数的估计值与真实值相等.袄X10、当模型中解释变量均为确定性变量时,那么可以用DW院计量来检验模型的随机误差项所有形式的自相关性.妨X1、一般情况下,在用线性回归模型进行预测时,个值预测与均值预测结果相等,且它们的置信区间也相同.#Y2、对于模型Yi=30+31X1+32X2+3kXki+1,i=1,2,n;如果X2=X5+Xs,那么模型必然存在解释变量的多重共线性问题.«X3、OLS回归方法的根本准那么是使残差项之和最小.蜜Y4、在随机误差项存在正

18、自相关的情况下,OLS法总是低估了估计量的标准差.蜜Y5、无论回归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.聿Y6、一兀线性回归模型的F检验和t检验是一致的.荽X7、如果随机误差项的方差随解释变量变化而变化,那么线性回归模型存在随机误差项的序列相关.蜗Y8、在近似多重共线性下,只要模型满足OLS的根本假定,那么回归系数的最小二乘估计量仍然是一BLUE估计量.螃X9、所谓参数估计量的线性性,是指参数估计量是解释变量的线性组合.蔓Y10、拟合优度的测量指标是可决系数F2或调整过的可决系数,F2越大,说明回归方程对样本的拟合程度越高.膈Y1、最小二乘法进行参数估计的根本原理是使残差平方和最小.菜X2、一般情况下,用线性回归模型进行预测时,个值预测与均值预测相等,且置信区间也相同.裂X3、如果随机误差项的方差随解释变量变化而变化,那么线性回归模型存在随机误差项的序列相关.袁Y4、假设