《计量》复习题

一、填空题1.计量经济学是一个迅速发展的经济学分支。2.计量经济学是一个迅速发展的经济学分支。3.计量经济学可定义为实际经济现象的定量分析。4.计量经济学是一个有关经济关系的经验估计的经济学分支。5.德国数学家高斯首先提出的估计模型参数最常用的方法是普通最小二乘法6.残差平方和=7.最小二乘法就是选择一条直线，使其残差平方和达到最小值的方法。8.普通最小二乘估计量是最佳线性无偏估计量。9.拟合优度介于（0,1）之间越接近1拟合优度越高。10.TSS=ESS+RSS11.=+（都有可能是空）12.决定系数==1-13.DW检验值是说明扰动项是否存在自相关14.DW值接近于2序列无相关性15.在回归方程含有常数项的情况下，若定性变量有m个类别，则仅需引入m-1个虚拟变量。16.Y的现期值不仅依赖于X的现期值，还依赖于X的若干期滞后值，这类模型称为分布滞后模型17.滞后的因变量作为解释变量出现在方程的右端，这种包含了内生变量滞后项的模型称为自回归模型18.工具变量法是利维顿提出的。19.工具变量法是利维顿提出的。20.科克（Koyck）分布假定滞后解释变量的系数按几何级数递减21.相关并不意味着必定存在因果关系。22.白噪声是一个纯随机过程。23.随机漫步是一个非平稳的时间序列。24.带漂移项的随机漫步时间序列是非平稳的时间序列。25.如果一个序列不管差分多少次，也不能变为平稳序列，则称为非单整。26.两变量间这种短期不均衡关系的动态结构可以由误差修正模型描述。27.某一时间序列经一次差分变换成平稳时间序列，此时间序列称为一阶单整的。28.如果同阶单整的线性组合是平稳时间序列，则这些变量之间的关系是协整关系。29.多重共线性不改变参数估计量的无偏性。30.格里瑟检验法的思路是假设扰动项方差与解释变量之间存在幂次关系。31.对于仅存在异方差性的问题，通常采用加权最小二乘法。32.异方差性主要发生在截面数据的情形。而同一时点收集的不同个体的数据是截面数据数据，另外，面板数据是混合数据的一种特殊类型。33.若解释变量之间不存在线性关系，则称无多重共线性。34.线性回归模型的随机误差项必须满足零均值和同方差的前提假设，否则，该模型的随机误差项存在异方差现象。35.总体回归模型的随机误差项iu之间存在的相关关系称为自相关。36.怀特异方差检验的原假设是假设残差序列无异方差。37.可用可行广义最小二乘法消除残差序列的异方差性和自相关性。38.ttttvYXY1210是自回归模型。39.双变量线性回归模型tttuXY中，若2的无偏估计量为2ˆ，则与0X对应的0Y的95%预测区间为220025.0011ˆˆˆtxXXntX；40.检验线性回归模型是否存在误设定的方法叫拉姆齐RESET法。二、判断1.OLS法是使残差平方和最小化的估计方法（）2.=TSS/ESS（）3.怀特异方差检验的原假设存在异方差（）4.最小二乘斜率系数的假设检验所依据的是t分布，要求的抽样分布是正态分布。（）5.若线性回归模型满足假设条件（1）~（4），但扰动项不服从正态分布，则尽管OLS估计量不再是BLUE，但仍为无偏估计量。（）6.拟合优度介于（0,1）之间越接近1，拟合优度越低（）7.在回归方程含有常数项的情况下，若定性变量有m个类别，则需引入（m-1）个虚拟变量。（）8.解释变量取值变动幅度大时，常数方差的假设往往难以成立。（）9.部分调整模型既是有偏又一致。（）10.格兰杰因果关系检验，检验的是X和Y间单项因果关系的。（）11.相关并不意味着必定存在因果关系。（）12.所有计量经济模型实质上都是动态模型。（）13.对于小样本，部分调整模型的OLS估计量是有偏的。（）14.任何情况下严格平稳就是弱平稳。（）15.如果两个序列都是一阶单整的，则这两个变量一定存在协整关系。（）16.如果分布滞后系数中，有的为正有的为负，则科克模型不适合使用。（）17.解释变量中包括滞后因变量的情况下，用德宾-沃森d统计量来检测自相关是没有实际用处的。（）18.VIF越高，多重共线性的影响越严重（）19.当应用时间序列数据时，往往会碰到自相关的问题（）20.怀特检验法的原假设是存在异方差性（）21.DW值越接近2，自相关性越大（）22.尽管存在严重多重共线性，普通最小二乘估计量仍然是最佳线性无偏估计量（）23.如果分析的目的仅仅是为了预测，则多重共线性并无妨碍（）24.如果解释变量两两之间的相关系数都很低，则一定不存在多重共线性（）25.如果存在异方差性，通常用的T检验和F检验是无效的（）26.当存在自相关是，OLS估计量既不是无偏的，也不是有效的（）27.若消除一阶自相关时采用的是一阶差分变换法而不是广义差分，则相当于假定自相关系数必须等于1（）28.模型中包括无关的解释变量，参数估计量会有偏，并且会增大估计量的方差，即增大误差（）29.多元回归中，如果全部“斜率”系数各自经T检验都不显著，则R2值也高不了（）30.存在异方差性的情况下，OLS法总是高估计系数估计量的标准误差（）31.如果你相信扰动项存在着与解释变量成比例的异方差性，因而你在应用OLS之前将所有数据都除以X。如果事实上不存在异方差性，那么你的上述做法将会导致OLS估计量有偏（）三、计算题1.设回归方程为=6.70+0.58且,,,,n=10求β的95%的置信区间。解：==所以置信区间为0.21即为0.10~1.06，也就是说有95%的把握说β在0.10~1.06之间。2.设根据样本估计的回归直线为且n=5,,,=40求时Y的预测值及的95%的置信区间。解：=1+1.7510=18.5的95%的置信区间为：+(3)=18.5=18.5±3.26即15.24~21.76。也就是说，我们有95%的把握预测将位于15.24~21.76之间。3.设有10名工人的数据如下X1071058867910Y11101261079101110其中，X为劳动工时，Y为产量。（1）试估计Y=（要求列出计算表格）；（2）提供回归结果（按标准格式）并适当说明；（3）检验原假设解：（1）nXYx=X-y=Y-xy1101121.42.841.961002710-10.4-0.410.16493101222.44.845.76100456-3-3.610.8912.9625581000.4000.16646870-2.6006.7664769-2-0.61.240.36368710-10.4-0.410.1649991111.41.411.968110101020.40.840.16100212830.4668==8==9.6==21/28=0.75=-=9.6-0.758=3.6=3.6+0.75X（2）==（30.4-0.75）/8=1.83（）===0.26==2.09==1.838=14.64===1-0.48=0.52t==0.75/0.26=2.88t==3.6/2.09=1.72=3.6+0.75X0.52t（1.72）（2.88）（3）原假设:1备择假设:t===-0.96=0.96（8）=2.306接受原假设