大学研究生考试题及答案

大学研究生考试题及答案1.单项选择题（每题2分，共20分）1.1在经典线性回归模型Y=Xβ+ε中，若E(ε|X)=0且Var(ε|X)=σ²Iₙ，则下列哪项一定成立A.OLS估计量β̂是β的无偏估计B.β̂是β的极大似然估计C.σ̂²=ε̂′ε̂/(n−k)是σ²的极大似然估计D.β̂的渐近分布为N(β,σ²(X′X)⁻¹)答案：A1.2设随机变量X~N(0,1)，Y=X²，则Cov(X,Y)=A.0B.1C.2D.不存在答案：A1.3在固定效应面板模型yᵢₜ=αᵢ+xᵢₜ′β+εᵢₜ中，若使用组内估计，则αᵢ的估计量A.与β̂同期获得B.需通过β̂残差再估计C.不可识别D.等价于随机效应估计答案：B1.4若某离散选择模型采用Logit设定，则其概率密度函数对参数θ的Score向量在θ₀处的期望A.等于0B.等于信息矩阵C.等于海塞矩阵D.不存在答案：A1.5在时间序列ADF单位根检验中，若滞后阶数k由AIC选择，则k越大A.检验尺寸(size)越小B.检验功效(power)越高C.渐进分布越接近DF分布D.有限样本扭曲越大答案：D1.6设矩阵Aₘ×ₙ(m>n)列满秩，则A⁺(Moore-Penrose广义逆)满足A.AA⁺A=A且A⁺AA⁺=A⁺B.A⁺A=IₙC.AA⁺=IₘD.A⁺=(A′A)⁻¹答案：A1.7在贝叶斯框架下，若先验为N(μ₀,Σ₀)，似然为N(μ,Σ)，则后验均值是A.(Σ₀⁻¹+Σ⁻¹)⁻¹(Σ₀⁻¹μ₀+Σ⁻¹μ)B.(Σ₀+Σ)⁻¹(Σ₀μ₀+Σμ)C.μ₀D.μ答案：A1.8在双重差分(DID)设计中，处理组在政策前后趋势突然变化，而对照组趋势不变，这违反了A.平行趋势假设B.SUTVAC.无混淆假设D.单调性假设答案：A1.9若使用LASSO进行变量选择，调节参数λ→∞，则系数估计A.全部趋于0B.全部趋于OLS估计C.无变化D.仅符号改变答案：A1.10在结构方程模型中，若某方程不可识别，则下列哪项一定成立A.秩条件不成立B.阶条件不成立C.工具变量不足D.残差异方差答案：A2.多项选择题（每题3分，共15分；每题至少两个正确答案，多选少选均不得分）2.1下列关于GMM估计的陈述正确的是A.最优权重矩阵是矩条件协方差阵之逆B.一步GMM与两步GMM渐近等价C.过度识别检验统计量服从χ²分布D.若矩条件恰好识别，GMM等于MM答案：ACD2.2在面板数据随机效应模型中，GLS估计量相对于组内估计量A.更有效率B.要求个体效应与解释变量不相关C.可使用Swamy-Arora估计方差成分D.在N→∞,T固定时仍一致答案：ABCD2.3关于Bootstrap置信区间，下列正确的是A.百分位区间不需要标准误B.BCa区间可修正偏度C.若统计量非光滑，需使用wildbootstrapD.非参数bootstrap要求数据i.i.d.答案：ABD2.4在机器学习集成方法中A.RandomForest通过降低方差提升预测B.AdaBoost通过加权残差迭代C.XGBoost使用二阶导信息D.Stacking允许异质算法组合答案：ABCD2.5关于因果图(DAG)中的d-分离，下列正确的是A.若路径被碰撞节点阻塞，则d-分离成立B.控制碰撞节点的后代可能打开路径C.若两变量被d-分离，则条件独立D.若两变量相邻，则永不d-分离答案：ABCD3.填空题（每空2分，共20分）3.1若X~Poisson(λ)，则E[X²]=λ²+λ。3.2在OLS中，若存在异方差，White稳健协方差矩阵估计量为(X′X)⁻¹X′Ω̂X(X′X)⁻¹，其中Ω̂对角线元素为ε̂ᵢ²。3.3设AR(1)过程yₜ=ρyₜ₋₁+εₜ，|ρ|<1，则其长期方差为σ²/(1−ρ)²。3.4在分位数回归中，目标函数为∑ᵢρₜ(yᵢ−xᵢ′β)，其中ρₜ(u)=u(τ−I(u<0))。3.5若使用核密度估计，最优带宽h按Silverman规则选择为1.06σ̂n^(−1/5)。3.6在结构VAR中，若冲击识别采用Cholesky分解，则要求下三角矩阵且变量排序外生决定。3.7若使用EM算法估计混合模型，M步更新权重πₖ^(new)=1/n∑ᵢγᵢₖ，其中γᵢₖ为责任值。3.8在随机森林中，节点分裂准则常用CART，其杂质函数对分类问题采用Gini指数。3.9若使用双重机器学习估计ATE，第一阶段需交叉拟合，以防止过拟合偏差。3.10在贝叶斯模型比较中，边际似然又称为证据，其计算公式∫p(y|θ)p(θ)dθ。4.简答题（封闭型，每题8分，共24分）4.1证明：在经典线性回归中，若误差项服从正态分布，则OLS估计量β̂与残差向量ε̂独立。答案：β̂=(X′X)⁻¹X′Y=β+(X′X)⁻¹X′ε，ε̂=Y−Xβ̂=(I−H)ε，其中H=X(X′X)⁻¹X′。Cov(β̂,ε̂)=E[(β̂−β)ε̂′]=E[(X′X)⁻¹X′εε′(I−H)]=(X′X)⁻¹X′E[εε′](I−H)=σ²(X′X)⁻¹X′(I−H)=0。由于(β̂,ε̂)联合正态，协方差为0即独立。4.2写出Newey-WestHAC协方差矩阵公式，并说明其保证半正定的机制。答案：Ω̂_NW=Γ̂₀+∑ⱼ=1^Lw(j,L)(Γ̂ⱼ+Γ̂ⱼ′)，其中Γ̂ⱼ=1/T∑ₜ=j+1^Tε̂ₜε̂ₜ₋ⱼxₜxₜ₋ⱼ′，w(j,L)=1−j/(L+1)。Bartlett核保证w(j,L)非负且随j递减，使Ω̂_NW为实对称且对角占优，从而半正定。4.3说明双重差分(DID)估计量β̂_DID可写成回归模型yᵢₜ=α+γTreatᵢ+λPostₜ+β(Treatᵢ×Postₜ)+εᵢₜ，并给出β的解释。答案：β度量处理组在政策实施后相对于对照组的额外变化，即政策因果效应；α为基准组对照期均值，γ为处理组基线差异，λ为时间趋势共同变化。5.简答题（开放型，每题10分，共20分）5.1请讨论在高维回归(p≫n)中，OLS估计存在哪些问题，并比较Ridge、LASSO、ElasticNet在偏差-方差权衡与变量选择上的差异。答案：OLS无法唯一估计，方差无穷大；Ridge通过ℓ₂惩罚降低方差但不进行变量选择，偏差小；LASSO通过ℓ₁惩罚实现稀疏，变量选择一致，但可能过压缩大系数；ElasticNet结合ℓ₁与ℓ₂，解决共线并成组选择，偏差介于两者之间。5.2某研究者欲评估最低工资上调对就业的因果效应，但担心存在州级时间变化混淆。请设计一个结合合成控制法与事件研究法的实证策略，并讨论识别假设与稳健性检验。答案：步骤：1.选取处理州，构建合成对照权重w使预处理协变量与结果轨迹匹配；2.绘制事件研究图比较处理后就业路径差异；3.进行安慰剂检验：对控制州虚构处理，构建伪p值；4.检验预处理平行趋势；5.替换结果变量(如工资)做证伪检验；6.使用LASSO重选权重。识别假设：合成权重线性组合可捕捉未观测时变混淆，且无干扰交叉效应。6.计算题（共30分）6.1设线性模型yᵢ=β₀+β₁xᵢ+εᵢ，i=1,…,5，数据如下：x:12345y:24545(1)计算OLS估计β̂₁；(2)计算σ̂²；(3)若x₆=6，给出y₆的95%预测区间。答案：(1)x̄=3，ȳ=4，Sxx=10，Sxy=6，β̂₁=6/10=0.6，β̂₀=4−0.6×3=2.2。(2)ε̂=[−0.8,0.2,−0.6,−0.4,0.6]，SSE=1.2，σ̂²=1.2/(5−2)=0.4。(3)预测ŷ₆=2.2+0.6×6=5.8，se_pred=√[0.4(1+1/5+(6−3)²/10)]=√0.4×2.1=0.916，t₀.₀₂₅,₃=3.182，区间5.8±3.182×0.916=[2.89,8.71]。6.2考虑面板模型yᵢₜ=α+βxᵢₜ+μᵢ+εᵢₜ，N=100，T=5，已知组内估计β̂_Within=0.8，组间估计β̂_Between=1.2，总平方和TSS=2000，组内平方和WSS=800，组间平方和BSS=1200。Hausman检验统计量H=(β̂_B−β̂_W)²/[Var(β̂_B)−Var(β̂_W)]，若Var(β̂_W)=0.01，Var(β̂_B)=0.04，计算H并判断固定或随机效应。答案：H=(1.2−0.8)²/(0.04−0.01)=0.16/0.03=5.33>χ²₀.₀₅,1=3.84，拒绝原假设，选择固定效应模型。6.3在时间序列VAR(1)Yₜ=AYₜ₋₁+uₜ，其中Yₜ=[y₁ₜ,y₂ₜ]′，A=[[0.4,0.2],[0,0.7]]，Σᵤ=I₂。给定Y₀=[1,1]′，计算(1)Y₁₀的期望；(2)Y₁₀的协方差矩阵；(3)判断系统是否稳定。答案：(1)E[Yₜ]=AᵗY₀，A¹⁰特征值分解，Aᵗ=PΛᵗP⁻¹，Λ=diag(0.4,0.7)，E[Y₁₀]=[0.4¹⁰,0.7¹⁰]′≈[1.05×10⁻⁴,2.82×10⁻²]′。(2)Cov(Yₜ)=∑ⱼ=0^{t−1}AʲΣᵤA′ʲ，当t→∞收敛于vec⁻¹[(I−A⊗A)⁻¹vec(Σᵤ)]，有限t=10数值求和得Cov(Y₁₀)≈[[0.19,0.08],[0.08,1.13]]。(3)特征值均<1，系统稳定。7.综合应用题（共35分）7.1某电商平台欲评估“直播带货”对商品日销量(件)的因果效应。平台于2023年3月1日对随机抽取的1000款商品开通直播，其余4000款保持原状。数据包含2022全年日至2023-06-30的日度面板，协变量包括价格、折扣率、搜索排名、节假日虚拟变量。任务：(1)设计随机实验检验模型，写出回归方程并说明识别假设；(2)若担心直播开通非完全随机，部分商家可能通过竞价获得资格，请利用工具变量法重新识别，提出一个可行的IV并论证其有效性；(3)给出双重稳健估计(DoublyRobust)步骤；(4)若结果变量存在大量零值(约40%)，请提出合适的计量模型并写出似然函数。答案：(1)方程：log(1+Salesᵢₜ)=α+γPostₜ+βLiveᵢ×Postₜ+Xᵢₜ′δ+μᵢ+λₜ+εᵢₜ；假设：随机分配使Liveᵢ与εᵢₜ不相关，且对照组提供反事实。(2)IV：利用平台技术故障导致部分商家意外无法开通直播作为工具Zᵢₜ，满足相关性(故障与直播负相关)且外生性(故障与销量无直接路径)。(3)DR步骤：Step1用PS模型估计倾向得分p̂(X)=P(Live=1|X)；Step