2026年河南财经政法大学《计量经济学》试卷及答案

2026年河南财经政法大学《计量经济学》试卷及答案考试时间：______分钟总分：______分姓名：______一、选择题（每小题2分，共20分。请将正确选项的代表字母填在题干后的括号内）1.在经典线性回归模型中，若存在异方差，则OLS估计量（）。A.仍然是无偏的，但不再是最有效的B.是有偏且不一致的C.仍然是无偏且有效的D.是无偏的，但方差不再最小2.下列关于多重共线性的描述，错误的是（）。A.它会导致OLS估计量方差增大B.它会使系数估计值的符号可能错误C.它不影响OLS估计量的无偏性D.它可以通过增加样本容量来完全消除3.在进行简单线性回归分析时，决定系数（R-squared）的取值范围是（）。A.(-1,1)B.[0,1]C.(0,1)D.(-∞,+∞)4.如果一个时间序列变量的自相关系数ρ₁≠0，但ρ₂=ρ₃=...=0，则该序列可能是（）。A.马尔可夫链B.白噪声C.一阶自回归过程AR(1)D.二阶自回归过程AR(2)5.在使用F检验判断线性回归模型的整体显著性时，其原假设H₀是（）。A.回归系数β₁=0B.回归系数β₀=0C.所有回归系数同时为零（β₁=β₂=...=βk=0）D.模型存在异方差6.对于非线性回归模型，如果希望得到与模型结构无关的无偏估计量，通常需要采用（）。A.OLS估计B.WLS估计C.GLS估计D.非参数估计方法7.已知样本容量n=30，样本均值Ā=15，样本方差S²=9，则样本标准差s=（）。A.15B.9C.3D.308.在多元线性回归模型中，修正自由度后的决定系数（AdjustedR-squared）会（）。A.总是大于未修正的R-squaredB.总是小于未修正的R-squaredC.可能大于也可能小于未修正的R-squaredD.总是等于19.如果OLS回归模型的残差序列呈现为正相关，则说明模型可能存在（）。A.异方差B.多重共线性C.自相关D.随机解释变量10.BLUE定理成立的前提条件不包括（）。A.解释变量是非随机变量B.模型满足线性假设C.存在完全多重共线性D.残差与解释变量不相关二、填空题（每小题2分，共20分。请将答案填在题干后的横线上）1.在简单线性回归模型y=β₀+β₁x+ε中，ε是一个满足期望为0的随机误差项，其与解释变量x（）。2.当回归模型存在异方差时，OLS估计量虽然仍然是无偏和一致的，但其方差不再是最小的，此时应考虑使用________来得到更有效的估计量。3.多重共线性是指回归模型中两个或多个解释变量之间存在________的现象。4.若一个随机变量只依赖于当前时刻的值和过去某个时刻的值，则称其为________。5.在进行t检验判断回归系数的显著性时，我们通常假设残差项服从________分布。6.如果一个变量的值完全由另一个变量的线性函数决定，则称这两个变量之间存在________。7.样本协方差是衡量两个样本变量之间线性关系强度和方向的统计量，其公式为sₓᵧ=________。8.广义最小二乘法（GLS）是OLS的一种推广，主要用于处理存在________或________的情况。9.在进行模型选择时，常用的信息准则包括________和________。10.设样本容量为n，样本均值为Ā，样本方差为S²，则样本标准差s=________。三、简答题（每小题5分，共25分）1.请简述经典线性回归模型（CLRM）的五个基本假设。2.解释什么是异方差，并说明异方差存在时会对OLS估计量产生什么主要影响。3.在实际应用中，如何检验回归模型是否存在自相关？4.请说明多重共线性可能带来哪些主要问题？5.简述OLS估计量具有最佳线性无偏估计量（BLUE）性质的条件。四、计算题（每小题10分，共30分）1.假设根据5组观测数据，得到如下回归结果（手工计算或简化计算过程）：n=5,Σx=15,Σy=25,Σx²=55,Σy²=125,Σxy=75。要求：根据最小二乘法，估计回归方程β₀+β₁x的参数β₀和β₁。2.假设对于一个简单的线性回归模型，得到了以下输出部分信息：样本量n=20，回归系数β₁的估计值为2，标准误为0.5，回归系数β₀的估计值为1，标准误为1.5。假设残差平方和（SSE）为40。请计算回归模型的R-squared，并解释其含义。（提示：无需计算F统计量）3.假设你发现一个回归模型的残差序列呈现如下模式：e₁=1,e₂=-1,e₃=1,e₄=-1,...（即交替正负）。请根据此现象判断该模型可能存在什么问题，并简要说明理由。五、论述题（15分）试述在计量经济学研究中，如何判断一个回归模型是否存在多重共线性问题？如果确认存在多重共线性，研究者应该采取哪些措施来处理这个问题？请结合实际说明。试卷答案一、选择题1.A2.D3.B4.C5.C6.C7.C8.B9.C10.C解析思路：1.A:异方差会使OLS估计量的方差增大，但不会影响其无偏性和一致性。BLUE要求满足同方差性。2.D:多重共线性不影响OLS估计量的无偏性，但可能导致估计量方差增大、不显著、符号错误。增加样本容量只能在一定程度上缓解，但不能完全消除。3.B:R-squared是回归平方和占总平方和的比例，取值范围在0到1之间。4.C:AR(1)过程定义为yₜ=ρyₜ₋₁+εₜ，其中ρ是自回归系数。若ρ≠0且ρ₂=ρ₃=...=0，则表示序列依赖于自身前一期的值，符合AR(1)定义。白噪声要求所有自相关系数ρᵏ=0。马尔可夫链和AR(2)的定义更复杂，不直接符合题干描述。5.C:F检验的原假设是所有解释变量的系数同时为零，即模型不显著。6.C:GLS通过加权最小二乘法处理异方差或自相关，得到更有效的估计量。OLS在非同方差或自相关条件下无效。7.C:样本标准差是样本方差的平方根。s=sqrt(S²)=sqrt(9)=3。8.B:AdjustedR-squared考虑了模型中解释变量的个数，会随着变量加入而下降（除非该变量显著提高模型解释力）。因此，通常小于未修正的R-squared。9.C:残差序列正相关是自相关的一种表现，违反了CLRM的独立同分布假设。10.C:BLUE的条件包括线性、随机抽样、零条件均值、同方差性、解释变量非随机、无完全多重共线性。完全多重共线性是假设条件，而非违反条件。二、填空题1.不相关2.加权最小二乘法(WLS)或广义最小二乘法(GLS)3.高度相关4.一阶自回归过程5.标准正态6.函数关系7.(Σ(xᵢ-Ā)(yᵢ-Ā))/(n-1)8.异方差，自相关9.AIC，BIC10.sqrt(S²)或sqrt([Σ(yᵢ-Ā)²]/(n-1))三、简答题1.答：经典线性回归模型（CLRM）的五个基本假设是：(1)线性假设：模型在未知的参数上是线性的。(2)严格外生性假设：解释变量是确定性变量，与随机误差项不相关。(3)零条件均值假设：随机误差项的期望值为零，即E(εᵢ|x₁,x₂,...,xk)=0。(4)同方差性假设：随机误差项的方差恒定，即Var(εᵢ|x₁,x₂,...,xk)=σ²，对所有i都相同。(5)无自相关假设：随机误差项之间相互独立，即Cov(εᵢ,εⱼ|x₁,x₂,...,xk)=0,对所有i≠j都成立。2.答：异方差是指回归模型中随机误差项的方差随着解释变量的值变化而变化的现象。其存在主要影响如下：(1)OLS估计量不再是最佳线性无偏估计量（BLUE），即存在更有效的估计量。(2)基于OLS标准误差计算的t检验和F检验的统计量不再服从标准分布，导致假设检验结果不可靠。(3)OLS估计量的方差随异方差程度增大而增大，在解释变量取值范围广时，预测精度会降低。3.答：检验回归模型是否存在自相关的方法主要有：(1)图形法：绘制残差与时间（或解释变量）的散点图，观察是否存在明显模式（如线性趋势、周期性或交替模式）。(2)DW检验（德宾-沃森检验）：计算DW统计量d，并根据n,k,H₀（无自相关）下临界值判断。需注意d在不同区间对应的结论。(3)BG检验（Breusch-Godfrey检验）：使用LM统计量进行检验，适用于高阶自相关或存在滞后解释变量的情况。(4)残差序列相关系数检验：直接计算残差的一阶、二阶等自相关系数。4.答：多重共线性可能带来以下主要问题：(1)系数估计值方差增大，导致标准误变大，t检验难以通过，使得变量显著性难以判断。(2)系数估计值的符号可能错误，或与经济理论相悖。(3)系数估计值对样本数据的微小变动非常敏感，稳定性差。(4)难以准确解释单个解释变量对被解释变量的影响，因为变量间存在高度相关性。(5)基于共线性变量做出的预测可能不可靠。5.答：OLS估计量具有最佳线性无偏估计量（BLUE）性质的条件，即高斯-马尔可夫定理的假设条件为：(1)线性：模型在参数上满足线性。(2)随机抽样：样本观测值来自目标总体。(3)零条件均值：E(εᵢ|x₁,x₂,...,xk)=0。(4)同方差性：Var(εᵢ|x₁,x₂,...,xk)=σ²，对所有i都相同。(5)无自相关：Cov(εᵢ,εⱼ|x₁,x₂,...,xk)=0,对所有i≠j都成立。(6)解释变量非随机（或满足严格外生性）。(7)无完全多重共线性。四、计算题1.答：β₁=[nΣxy-ΣxΣy]/[nΣx²-(Σx)²]=[5*75-15*25]/[5*55-15²]=[375-375]/[275-225]=0/50=0β₀=Ā-β₁*Ā=Σy/n-0*Σx/n=Σy/n=25/5=5回归方程估计为：ŷ=5+0x2.答：SST=Σy²-(Σy)²/n=125-25²/5=125-125=0SSR=SST-SSE=0-40=-40（这里SSE=40是矛盾的，因为SST=0，SSE不可能大于SST，通常SSE为正。假设题目有误，或意指SST>0但未给出，无法计算。若按标准R²定义R²=1-SSE/SST，此处无法计算。）*修正思路：*如果假设回归模型正确，SST≠0。假设题目意在考察R²计算公式应用，但缺少SST。或假设SST=80。则R²=1-40/80=1-0.5=0.5。R-squared为0.5（基于假设SST=80）。其含义是模型解释了总变异的50%。3.答：该模型可能存在自相关问题。理由：残差序列eₜ呈现严格的交替正负模式（e₁=1,e₂=-1,e₃=1,...），这表明相邻的残差之间存在明显的正相关关系。根据CLRM假设，残差应相互独立。这种模式违反了无自相关假设，是自相关的一个典型特征。这可能导致OLS估计量无效。五、论述题答：判断回归模型是否存在多重共线性问题，通常采用以下方法：(1)方差膨胀因子（VIF）检验：计算每个解释变量的VIF=1/(1-Rᵢ²)，其中Rᵢ²是解释变量xᵢ与其他所有解释变量做回归得到的决定系数。若VIF>10（或更严格的5），则认为xᵢ与模型中其他变量存在严重多重共线性。VIF越大，共线性越严重。(2)容忍度（Tolerance）：容忍度是VIF的倒数，Tolerance=1-Rᵢ²。若Tolerance<0.1（或更严格的0.2），则认为存在严重多重共线性。(3)回归系数的符号和大小：如果回归系数的符号与经济理论预期相反，或者大小不稳定（对数据微小变动敏感），可能暗示存在共线性。(4)解释变量的共线性：如果两个或多个解释变量之间存在高度线性相关（例如，相关系数大于0.7或0.8），则可能存在共线性。(5)方差比检验（VarianceRatioTest）：计算某个解释变量与其他所有解释变量的方差比，若该比值较大，则可能存在共线性。(6)F检验：对某个解释变量进行t检验，如果变量本身显著，但在包含其他所有变量的模型中不显著，可能存在共线性。(7)条件数（ConditionNumber）：计算解释变量的设计矩阵（X）的条件数。条件数远大于30（或更严格的100）通常表示存在严重的共线性。如果确认存在多重共线性，研究者可以采取以下措施处理：(1)剔除高度相关的解释变量：从模型中删除一个或多个与主要解释变量高度相关的变量。(2)合并高度相关的解释变量：将高度相关的变量