2026计量经济公共课考试试题及快速答题答案

2026计量经济公共课考试试题及快速答题答案

一、单项选择题（每题2分，共10题）1.在经典线性回归模型中，最小二乘估计量（OLS）是BLUE估计量的前提条件不包括以下哪项？A.线性于参数B.随机抽样C.无多重共线性(严格外生性下的满秩)D.同方差性2.若存在异方差性，但对模型进行OLS估计，可能导致：A.参数估计值有偏B.参数估计值非一致C.标准误估计有偏，t检验失效D.模型拟合优度下降3.用于检验时间序列是否存在单位根（非平稳性）的常用检验方法是：A.White检验B.Breusch-Pagan检验C.Dickey-Fuller检验D.Durbin-Watson检验4.在多元线性回归中，若自变量之间高度相关，会导致：A.异方差性B.序列相关性C.多重共线性D.设定偏误5.虚拟变量陷阱（DummyVariableTrap）是指：A.使用了过多的虚拟变量B.将虚拟变量与截距项一起引入时，包含了完全多重共线性C.虚拟变量只能取0或1D.虚拟变量会导致模型非线性6.工具变量法（IV）用于解决内生性问题时，对工具变量的核心要求是：A.与内生解释变量强相关，与误差项相关B.与内生解释变量弱相关，与误差项相关C.与内生解释变量强相关，与误差项不相关D.与内生解释变量弱相关，与误差项不相关7.对于模型Y=β0+β1X1+β2X2+u，如果遗漏了重要变量X3（与X1相关），则OLS估计量β^1通常：A.无偏且一致B.有偏但一致C.无偏但不一致D.有偏且不一致8.DW（Durbin-Watson）统计量主要用于检验：A.异方差性B.一阶序列自相关C.多重共线性D.正态性9.在解释变量存在内生性的情况下，OLS估计量最可能存在的问题是：A.有效性降低B.有偏性和非一致性C.难以计算D.违背正态性假设10.进行Granger因果检验的主要目的是判断：A.一个时间序列能否预测另一个序列的未来变化B.两个变量之间的真实因果关系C.模型是否存在异方差D.序列是否平稳二、填空题（每题2分，共10题）1.在简单线性回归模型Yi=β0+β1Xi+ui中，OLS估计量β^1的计算公式是________。2.衡量模型整体拟合优度的指标R²等于________与总平方和（SST）的比值。3.若误差项ui的方差Var(ui)随Xi的增大而增大，则存在________问题。4.用于判断模型是否存在设定偏误的常见检验是________检验。5.建立分布滞后模型时，为避免参数过多可能带来的多重共线性，常使用________方法。6.在时间序列分析中，若一个序列的均值和自协方差函数不随时间变化，则称该序列是________。7.遗漏重要变量或包含了无关变量都属于________误差。8.AR(p)模型表示________。9.用于估计联立方程模型参数的常用方法是________。10.若某变量作为分类变量有k个类别，为避免完全多重共线性，需要引入的虚拟变量个数应为________个。三、判断题（每题2分，共10题）1.OLS估计量在所有线性无偏估计量中方差最小，这一性质被称为无偏性。（）2.即使随机误差项u不服从正态分布，只要样本量足够大，OLS估计量仍然近似服从正态分布。（）3.多重共线性会导致OLS估计量的方差减小。（）4.修正的拟合优度（AdjustedR²）总是小于等于未修正的R²。（）5.异方差性会影响OLS估计量的无偏性和一致性。（）6.序列相关性通常只会影响OLS估计量的方差，不影响其无偏性。（）7.Durbin-Watson统计量的值越接近0，表明存在正的序列相关的可能性越大。（）8.面板数据模型固定效应估计的核心思想是允许个体截距项可以不同。（）9.Johansen检验是用于检验两个时间序列之间是否存在协整关系的常用方法。（）10.Hausman检验可以用来判断固定效应模型和随机效应模型哪个更合适。（）四、简答题（每题5分，共4题）1.简述异方差性对普通最小二乘法（OLS）估计结果的主要影响，并列举一种检验异方差性的常用方法。2.解释什么是内生性？其产生的常见原因有哪些？3.简述虚拟变量的作用，并举例说明其如何应用于截距变动分析。4.解释多重共线性的概念，并说明其在计量经济分析中可能导致的问题。五、讨论题（每题5分，共4题）1.讨论时间序列数据与非平稳时间序列数据建模的主要区别和挑战。为什么对非平稳时间序列直接进行回归分析可能导致“伪回归”？2.工具变量法（IV）是解决内生性问题的主要方法之一。在实际应用中，寻找一个有效的工具变量往往面临哪些困难？请谈谈你的理解。3.面板数据模型相比单纯的横截面数据或时间序列数据模型有哪些优势？简要说明固定效应（FE）模型和随机效应（RE）模型的核心假设及适用场景的区别。4.请结合计量经济学的学习，讨论在构建和评估一个计量经济模型时，通常需要考虑哪些关键步骤和评价标准？---答案与解析一、单项选择题答案1.C.无多重共线性(严格外生性下的满秩)[解析：BLUE要求无完全多重共线性，保证解释变量矩阵列满秩，以便估计量存在且唯一。]2.C.标准误估计有偏，t检验失效[解析：异方差下OLS估计量仍无偏一致，但OLS标准误的估计不再有效，导致t检验、F检验不可靠。]3.C.Dickey-Fuller检验[解析：ADF检验是检验单位根（非平稳性）的标准方法。White和BP检验异方差，DW检验一阶自相关。]4.C.多重共线性[解析：自变量间高度相关即多重共线性，不直接影响估计值无偏性，但增大方差，影响估计精度和显著性检验。]5.B.将虚拟变量与截距项一起引入时，包含了完全多重共线性[解析：例如一个有m个类别的定性变量，若加入m个虚拟变量并保留截距项，则所有虚拟变量之和恒等于1，与截距项完全共线。]6.C.与内生解释变量强相关，与误差项不相关[解析：工具变量必须满足相关性和外生性两个关键条件。]7.D.有偏且不一致[解析：遗漏重要变量（且该变量与模型中其他解释变量相关）导致OLS估计量一般既有偏又不一致。]8.B.一阶序列自相关[解析：DW统计量是检验一阶序列自相关的经典方法。]9.B.有偏性和非一致性[解析：内生性使得解释变量与误差项相关，这是导致OLS有偏和非一致的关键原因。]10.A.一个时间序列能否预测另一个序列的未来变化[解析：Granger因果是预测意义上的因果，X是Y的Granger因意味着X的过去值有助于预测Y的未来值，并非必然指真实的因果机制。]二、填空题答案1.β^1=Σ(Xi-X̄)(Yi-Ȳ)/Σ(Xi-X̄)²[解析：这是简单OLS斜率估计量的标准公式。]2.回归平方和（SSR）[解析：R²=SSR/SST。]3.异方差性[解析：方差随解释变量值变化即异方差。]4.RamseyRESET(RegressionSpecificationErrorTest)[解析：RESET检验是常用的模型设定偏误检验。]5.Almon多项式分布滞后或Koyck[解析：通过设定滞后结构（如多项式衰减、几何衰减）来减少待估参数个数。]6.平稳的[解析：这是弱平稳时间序列的定义。]7.设定[解析：遗漏变量（Underfitting）和包含无关变量（Overfitting）都属于模型设定错误。]8.自回归模型，其当期值由其过去p期的值线性回归而得[解析：AR(p):Yt=c+φ1Yt-1+φ2Yt-2+...+φpYt-p+εt。]9.二阶段最小二乘法（2SLS）[解析：2SLS是估计联立方程模型结构式参数的最常用单一方程方法。]10.k-1[解析：对于k个类别，引入k-1个虚拟变量，并以其中一个类别作为基准组（截距项代表其效应）。]三、判断题答案1.错[解析：该性质被称为有效性（或最小方差性），无偏性指估计量的期望等于真值。]2.对[解析：根据中心极限定理，OLS估计量在大样本下具有渐近正态性。]3.错[解析：多重共线性会增大OLS估计量的方差。]4.对[解析：当引入新变量时，只有该变量带来的SSR增加足够“补偿”自由度的损失，AdjustedR²才会增大。]5.错[解析：异方差性不影响OLS估计量的无偏性和一致性，但影响其方差的有效性和标准误。]6.对[解析：序列相关下OLS估计量仍是无偏的（如果所有解释变量都是外生的），但方差估计通常有误。]7.对[解析：DW统计量取值范围0-4，值接近2表示无自相关，值接近0表示可能正相关，接近4表示可能负相关。]8.对[解析：固定效应模型通过允许每个个体有自己的截距项（个体效应）来捕捉不随时间变化但个体间有差异的特征影响。]9.对[解析：Johansen检验是用于分析多个时间序列是否存在协整关系及其个数的常用方法。]10.对[解析：Hausman检验通过检验个体效应与解释变量是否相关（即是否满足随机效应所需的严格外生性）来选择FE还是RE模型。]四、简答题答案1.主要影响：普通最小二乘（OLS）估计量仍是无偏和一致的。但OLS估计量的方差通常不是最小的，不再是有效的（BLUE）。基于OLS得到的标准误估计是有偏的。这导致常规的t统计量和F统计量不再服从t分布和F分布，使得假设检验（如变量的显著性检验）和置信区间构造失效。检验方法：常用的检验方法包括：图示法（看残差平方与解释变量或拟合值的散点图）、Breusch-Pagan检验（BP检验）、White检验（更一般化，能检验多种形式的异方差）、Glejser检验等。2.内生性：当模型中的一个或多个解释变量与随机误差项相关（即Cov(Xj,u)≠0）时，就存在内生性问题。常见原因：遗漏变量：模型中遗漏了重要的解释变量，且该变量与模型中已包含的解释变量相关。测量误差：解释变量存在测量误差。联立性偏差/双向因果关系：被解释变量（Y）反过来也影响解释变量（X）。例如，在“收入影响消费”模型中，消费也可能影响收入（如通过投资）。自选择偏差：个体根据其可观测或不可观测的特征自我选择进入某个组别或状态，导致该状态变量与影响结果的关键不可观测因素相关（常见于政策评估）。3.虚拟变量作用：虚拟变量（通常取0或1）的主要作用是将定性（分类）变量引入回归模型，从而定量地研究这些定性因素对被解释变量的影响。截距变动分析举例：研究性别对工资的影响（假设斜率相同）。设工资为W，工龄为Exp，性别为Sex（男=1，女=0）。模型设定为：W=β0+β1Exp+β2Sex+uβ0：当Sex=0（即女性）且Exp=0时的期望工资（基准组截距）。β2：在其他条件（如工龄）相同的情况下，男性与女性在期望工资上的平均差异。它衡量了“性别”这个定性因素带来的截距变动。正的β2表明男性有工资优势（截距更高），负的β2表明女性有工资优势（截距更高）。4.多重共线性：指在多元线性回归模型中，两个或多个解释变量之间存在高度线性相关关系。通常指严重的接近完全的线性相关。可能导致的问题：OLS估计量的方差变大：精确度下降，难以区分各个解释变量的单独影响。t检验失效：高方差导致t统计量值变小，使得原本可能显著的解释变量变得统计上不显著（容易犯第二类错误）。OLS估计量对样本微小变动敏感：模型稳定性差。难以解释系数含义：单个系数的符号和大小可能变得不合理或难以解释，因为其反映的是在控制其他高度相关的变量不变时的“净”影响，这种控制在现实中可能难以实现。不影响预测能力：只要共线性模式在预测期保持不变，模型的整体预测能力可能仍较好。五、讨论题答案1.主要区别与挑战：平稳时间序列的统计特性（均值、方差、自相关）不随时间变化，模型估计和预测相对稳健。非平稳序列（如带趋势或单位根）的统计特性随时间变化，直接建模（如OLS回归）可能发现显著但虚假的统计关系（伪回归）。伪回归原因：当两个或多个非平稳序列（尤其是具有共同趋势）被直接回归时，即使它们之间没有真实的经济联系，OLS估计也可能产生高R²、显著的t统计量，但残差序列本身可能是非平稳的（意味着模型不成立）。这源于非平稳序列自身的特性主导了回归结果，而非真实的因果关系。解决方法是检验序列平稳性（ADF等），如果非平稳则尝试差分使其平稳，或检验协整关系（长期均衡）。2.工具变量法（IV）的困难：寻找强相关的工具：找到与内生解释变量（X）强相关的工具变量（Z）常常困难。弱工具变量问题（Z与X相关性强但不够强）会导致IV估计量存在严重偏误（即使在大样本下）且缺乏效率，标准误极大，检验功效很低。确保外生性：满足工具变量外生性要求（Cov(Z,u)=0）尤其困难且具有争议。需要强有力的理论依据或自然实验背景来支撑工具变量与误差项无关的假设。现实中很多所谓的工具变量可能只是部分有效或存在争议，很难严格证明其完全外生。过度识别检验的局限性：当有多个工具变量时，过度识别检验（如Sargan检验）只能检验部分工具的外生性，但不能保证所有工具都外生。一个无效的工具会污染所有估计。局部平均处理效应（LATE）：IV