《计量经济学》期末试卷09-10(1)1

第一学期期末考试试卷《计量经济学》试卷、单项选择题（1分X20题=20分）在回归分析中下列有关解释变量和被解释变量的说法中正确的是（c）被解释变量和解释变量均为随机变量被解释变量和解释变量均为非随机变量被解释变量为随机变量,解释变量为非随机变量被解释变量为非随机变量,解释变量为随机变量下面哪一个必定是错误的（a）。rr=-0.96XYAA.Y=30+0.2Xr二0.8TOC\o"1-5"\h\ziXYAC.Y=5-2.1Xr=0.78iXY

AB.Y=75+1.5Xr=0.91iXYAD.YA=-12-3.5Xi判断模型参数估计量的符号、大小、相互之间关系的合理性属于（b）准则。A.计量经济B.经济理论C.统计D.统计和经济理论4.判定系数r2=0.8，说明回归直线能解释被解释变量总变差的：（a）B.64%A.80%B.64%C.20%D.89%C.20%5•下图中“{”所指的距离是（b）

八八八y=B+Bx0iA.随机误差项B.残差C.Y的离差D.Y.的离差ii已知DW统计量的值接近于2,则样本回归模型残差的一阶自相关系数°近似等于（a）。A.0B.-1C.1D.0.57•已知含有截距项的三元线性回归模型估计的残差平方和为工e2=800，估t计用样本容量为n=24，则随机误差项£的方差估计量为（b）。tA.33.3B.40C.38.09D.36.368•反映由模型中解释变量所解释的那部分离差大小的是（b）。A.总体平方和B.回归平方和C.残差平方和D.离差和某企业的生产决策是由模型S二卩+卩P+u描述（其中S为产量，P为t01tttt价格），又知：如果该企业在t-1期生产过剩，决策者会削减t期的产量。由此判断上述模型存在（b）。A.异方差问题B.序列相关问题C.多重共线性问题D.随机解释变量问题产量（X,台）与单位产品成本（Y,元/台）之间的回归方程为Y=356-1.5X，这说明（d）。A.产量每增加一台,单位产品成本增加356元这说明（d）。A.产量每增加一台,单位产品成本增加356元B.产量每增加一台,单位产品成本减少1.5元C.产量每增加一台,单位产品成本平均增加356元D.产量每增加一台,单位产品成本平均减少1.5元11.回归模型Y=0+0X+£,i二1,25，中，总体方差未知，检验i01iiHo：卩广0时’所用的检验统计量0-0十严服从（d）。S（01）A.X2(n—Ho：卩广0时’所用的检验统计量0-0十严服从（d）。S（01）A.X2(n—2)B.t(n-1)C.X2(n-1)D.t(n-2)12.线性回归模型的参数估计量Q是随机变量Yi的函数，即Q二（X'X）-1X'Y。所以0是（a）。A.随机变量B.非随机变量C.确定性变量D.常量13.如果回归模型中的随机误差项存在异方差,则模型参数的普通最小二乘估计量（b）。A.无偏且有效B.无偏但非有效C.有偏但有效D.有偏且非有效14.G-Q检验法可用于检验（a）。A.异方差性B.多重共线性C.序列相关D.随机解释变量当模型中的解释变量存在完全多重共线性时,参数估计量的方差为：c)B.1A.0B.1C.00D.最小(b)是具有一定概率分布的随机变量，它的数值由模型本身决定。A.外生变量B.内生变量C.先决变量D.滞后变量在Eviews命令中，X(—1)表示(c)A.X乘以一1B.X减1C.X的滞后一期变量D.X的倒数在双对数线性模型InY二B+PInX+u中，参数叭的含义是(d)。011A.Y关于X的增长量B.Y关于X的发展速度C.Y关于X的边际倾向D.Y关于X的弹性根据20个观测值估计的结果，一元线性回归模型的DW=2.6，在a=0.05的显著性水平下查得样本容量n=20，解释变量k=1个时，dL=1.20,dU=1.41，则可以判断：(d)A.不存在一阶自相关B.存在正的一阶自相关C.存在负的一阶自相关D.无法确定下列模型中不属于线性模型的是(c)A.Y二B+PInX+ub.Y二B+PX+PZ+u01012C.Y=B0+XBi+uD.Y=卩++u二、填空题(1分X20空=20分)1．计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立来研究经济数量关系和规律的一门经济学科。计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，要解决达到上述目的的理论和方法问题。这样计量经济学分成了两种类型：和两大类。研究经济问题时，可用于参数估计的数据主要有：数据、数据、数据和。计量经济学模型的检验主要从检验、检验、检验和检验这么四个方面进行。被解释变量的观测值Y与其回归理论值E(Y)之间的偏差，称为i；被解释变量的观测值Y与其回归估计值Yi之间的偏差，称为ii6•对线性回归模型»邛0+卩込+ui进行最小二乘估计，最小二乘准则是方程显著性检验的检验对象是8•以双变量线性回归模型为例，总体回归函数均值形式为：个别值形式为:；样本回归函数的均值形式为：个别值形式为：。9•在回归分析中，解释变量一般是按照变量来处理的。三、判断题(1分X5=5分)回归模型方程的显著性检验与方程的拟合优度检验是相同的()。参数估计量的优良性指的是线性、无偏性最有效性，简称BLUE()。可决系数和相关系数是两个不同的概念，无任何联系（）。在多元线性回归分析中，调整样本决定系数R2与样本决定系数R2之间的关系是R2<R2（）。在多元回归中，根据通常的t检验，如果每个参数都是统计上不显著的，就不会得到一个高的R2值。（）。四、简答题（17分）（7分）请简要叙述计量经济学的研究步骤。（10分）什么是OLS估计量的线性性和无偏性？试加以证明（以一元线性回归模型为例）。五、计算题（18分）（10分）从某公司分布在11个地区的销售点的销售量（Y）和销售价格（X）观测值得出以下结果：X=519.8Y=217.82工X2=3134543i工XY=1296836工Y2=539512iii（1）作销售额对价格的回归分析，并解释其结果。（2）回归直线未解释的销售变差部分是多少？（8分）已知消费模型Y二卩+卩X+u,i二1,n，其中：Y：个人i011iii消费支出；X:个人可支配收入；已知E（u）=0;E（u）=O;var（u）=b2X21iii,i—si1i请进行适当的变换消除异方差，并给与证明。六、案例分析题（20分）分析财政支农资金结构对农民收入的影响，令Y（元）表示农民人均纯收入。X1（亿元）表示财政用于农业基本建设的支出，X2（亿元）表示财政用于农村基本建设支出，X3（亿元）表示农业科技三项费用，X4（亿元）表示农村救济费。建立如下回归模型Y二B+PX+PX+PX+PX+8011223344Eviews输出结果如下：表1：DependentVariable:YSample:19852003Includedobservations:19VariableientCoefficStd.t-StatistiProb.ErrorcC134.57200.6420.670710.51333491X11.64740.609852.701390.01724708X2-0.3542.19956-0.16090.8744037858X314.738127.5430.115550.90965928X415.0767.986321.887780.08004896

R-squared0.9205Meandependent1391.35317varAdjusted0.8978S.D.dependent822.1371R-squared07varS.E.ofregression262.81Akaikeinfo14.2017373criterionSumsquaredresid96702Schwarzcriterion14.450271.0Loglikelihood-129.9F-statistic40.53451164Durbin-Watson0.5074Prob(F-statistic)0.000000stat06表2：DependentVariable:YSample:19852003Includedobservations:19VariableientCoefficStd.t-StatistiProb.ErrorcC159.66114.2221.397800.18113693X11.62800.390524.168800.00036857

X45514.8516.886952.1564760.04626R-squared0.9203Meandependent1391.51var353Adjusted0.9103S.D.dependent822.1R-squared94var371S.E.ofregression246.10Akaikeinfo13.9902criterion329Sumsquaredresid96904Schwarzcriterion14.144.5242Loglikelihood-129.9F-statistic92.44363012Durbin-Watson0.5422Prob(F-statistic)0.000stat00000表3：WhiteHeteroskedasticityTest:F-statistic5.6687Probability0.00686293Obs*R-squared11.747Probability0.01913334DependentVariable:RESIDESample:19852003

Includedobservations:19VariableCoefficStd.t-StatistiProb.ientErrorcC32945.52208.40.631030.53833742X168.272434.5160.157120.87713924X1A2-0.0770.27959-0.27860.7849209866X4-2938.7375.75-0.39840.6967807383X4A278.46968.93671.138280.27490581R-squared0.6182Meandependent510070var2.34Adjusted0.5092S.D.dependent8009R-squared04var7.16S.E.ofregression56113.Akaikeinfo24.9251criterion908Sumsquaredresid4.41E+Schwarzcriterion25.1710761Loglikelihood-231.8F-statistic5.668262262786Durbin-Watson2.8725Prob(F-statistic)0.006stat06293表4：DependentVariable:LOG(Y)Sample:19852003Includedobservations:19ientErrorcC2.12090.270187.850220.00082110LOG(X1)0.65630.114255.744780.00081730LOG(X4)0.31720.148542.135930.04881495R-squared0.9712Meandependent7.03633var373Adjusted0.9676S.D.dependent0.683R-squared37var879S.E.ofregression0.1230Akaikeinfo-1.2028criterion8867Sumsquaredresid0.2421Schwarzcriterion-1.05VariableCoefficStd.t-StatistiProb.

759745Loglikelihood14.484F-statistic270.024943Durbin-Watson0.6796Prob(F-statistic)0.000stat33000表5：WhiteHeteroskedasticityTest:F-statistic2.7678Probability0.06983259Obs*R-squared8.3903Probability0.07858281DependentVariable:RESIDESample:19852003Includedobservations:19VariableientCoefficStd.t-StatistiProb.ErrorcC-0.0070.24568-0.03250.9749912275LOG(X1)0.00390.126410.031630.97599022(L0G(X1)F2-0.0020.01032-0.19640.8470284731

LOG(X4)-0.0010.14559-0.00720.9940519153(LOG(X4)F20.00640.020290.318780.75471956R-squared0.4415Meandependent0.01298var746Adjusted0.2820S.D.dependent0.017R-squared54var859S.E.ofregression0.0151Akaikeinfo-5.3232criterion3050Sumsquaredresid0.0032Schwarzcriterion-5.07064514Loglikelihood55.568F-statistic2.76798883Durbin-Watson2.0098Prob(F-statistic)0.069stat47259表6：DependentVariable:LOG(Y)Sample(adjusted):19892003Includedobservations:15afteradjustingendpointsConvergenceachievedafter6iterationsVariableCoefficStd.t-StatistiProb.

ientErrorcC1.57410.258216.096230.00014263LOG(X1)0.90940.06904（1）0.0000983LOG(X4)0.0326（2）6.484630.0001309AR(1)0.83800.131586.368590.00010547AR(4)-0.5880.17034-3.45270.0062152423R-squared0.9904Meandependent7.2812691var1Adjusted（3）S.D.dependent0.54047R-squaredvar4S.E.ofregression0.0623Akaikeinfo-2.4506059criterion9Sumsquaredresid0.0388Schwarzcriterion-2.21459872Loglikelihood23.379F-statistic260.415576Durbin-Watson2.1120Prob(F-statistic)0.0000045stat45问题：通过表1的结果能初步发现什么问题？为什么？应该用什么方法处理该问题？如果理想的方程如表2所示，写出该方程。表3的意义何在？结果怎样？表4和表5意图是什么？是如何处理的？结果怎样？表6对什么问题作了处理？如何处理的？结果怎么样？填写表6中（1）、（2）、（3）空，写出最终的理想方程，并解释各系数的经济意义。一、单项选择题（1分x20=20分）1-5:CCBAB6-10:ABBBD11-15:DABAC16-20:BCDDC二、填空题（1分X20空=20分）1、数学模型2、理论计量经济学，应用计量经济学3、时间序列，截面，面板、虚拟变量4、经济意义，统计，计量经济学、预测5、随机扰动项，残差min工e2=min工（Y-Y）2=min工（Y-0-0X）26、017、模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立8、E（Y）=卩+卩X,Y=B+BX+卩,Y=0+0X,12i12iii12iY=0+0X+ei12ii9、确定性三、判断题（1分X5=5分）15:X、v、X、v、X四、简答题（19分）1（7分）.答:计量经济学的研究步骤是:第一步:设定模型第二步:估计参数第三步:检验模型第四步:应用模型2.（10分）答：一元线性回归模型Y=0+0X+卩的最小二乘估计量具有线性、无偏i12ii性和最小方差性，简称BLUE。线性是指估计量是被解释变量的线性函数。证明入工xy工x(Y-Y)工xY工xY匸x0=yii=——=yii-\i=乙kY(k=pi)2乙x2乙x2乙x2乙x2iii乙x2iiiii无偏性是指估计量的均值等于参数本身。即E(0)=0kk证明：0丄k(0+0X+卩)=0工k+0工kX+工k卩=0+工k卩2iii12ii1i2iiii2iiE（0）二E（卩+工k卩）二卩+工kE（E（0）二E（卩+工k卩）二卩+工kE（卩）二卩22ii2ii2同理E（0）=011五、计算题（18分）1.（10分（1）总体回归模型为：Y=b+bX+ui01iiAAb=Y—bX=217.82—0.3119x519.18=55.8401入工xy工b=yij二———1乙x2乙X2—nX2iix一nXY1296836-11x519・18x217・82=0.3123134543-11x(519.