計(jì)量經(jīng)濟(jì)學(xué)題(答案)

1、計(jì)量經(jīng)濟(jì)學(xué)要點(diǎn)一、單項(xiàng)選擇題知識(shí)點(diǎn)：第一章若干定義、概念時(shí)間序列數(shù)據(jù)定義橫截面數(shù)據(jù)定義同一統(tǒng)計(jì)指標(biāo)按時(shí)間順序記錄的數(shù)據(jù)稱為( b )。a、橫截面數(shù)據(jù)b、時(shí)間序列數(shù)據(jù)c、修勻數(shù)據(jù)d、原始數(shù)據(jù)同一時(shí)間，不同單位相同指標(biāo)組成的觀測(cè)數(shù)據(jù)稱為（b）a原始數(shù)據(jù)b橫截面數(shù)據(jù)c時(shí)間序列數(shù)據(jù)d修勻數(shù)據(jù)變量定義（被解釋變量、解釋變量、內(nèi)生變量、外生變量、前定變量） 單方程中可以作為被解釋變量的是（控制變量、前定變量 、內(nèi)生變量、外生變 量）；在回歸分析中，下列有關(guān)解釋變量和被解釋變量的說(shuō)法正確的有（ c）a、 被解釋變量和解釋變量均為隨機(jī)變量b、 被解釋變量和解釋變量均為非隨機(jī)變量c、 被解釋變量為隨機(jī)變量，解釋

2、變量為非隨機(jī)變量d、 被解釋變量為非隨機(jī)變量，解釋變量為隨機(jī)變量什么是解釋變量、被解釋變量？從變量的因果關(guān)系上，模型中變量可分為解釋變量（ explanatory variable ）和被解釋變量 (explained variable)。在模型中，解釋變量是變動(dòng)的原因，被解釋變量是變動(dòng)的結(jié)果。被解釋變量是模型要分析研究的對(duì)象，也常稱為“應(yīng)變量”(dependent variable)、“回歸子” （regressand）等。解釋變量也常稱為“自變量”(independent variable)、“回歸元”（regressor）等，是說(shuō)明應(yīng)變 量變動(dòng)主要原因的變量。因此，被解釋變量只能由內(nèi)生變

3、量擔(dān)任，不能由非內(nèi)生變量擔(dān)任。單方程計(jì)量經(jīng)濟(jì)模型中可以作為被解釋變量的是（ c ）a、控制變量 b、前定變量 c、內(nèi)生變量單方程計(jì)量經(jīng)濟(jì)模型的被解釋變量是（ a ）a、內(nèi)生變量 b、政策變量 c、控制變量d、外生變量d、外生變量在回歸分析中，下列有關(guān)解釋變量和被解釋變量的說(shuō)法正確的有（c）a、 被解釋變量和解釋變量均為隨機(jī)變量b、 被解釋變量和解釋變量均為非隨機(jī)變量c、 被解釋變量為隨機(jī)變量，解釋變量為非隨機(jī)變量d、 被解釋變量為非隨機(jī)變量，解釋變量為隨機(jī)變量 雙對(duì)數(shù)模型中參數(shù)的含義；雙對(duì)數(shù)模型 ln y =ln b +bln x +m中，參數(shù) b0 11的含義是（ d ）a . x 的相對(duì)變

4、化，引起 y 的期望值絕對(duì)量變化b y 關(guān)于 x 的邊際變化c x 的絕對(duì)量發(fā)生一定變動(dòng)時(shí)，引起因變量 y 的相對(duì)變化率 d、y 關(guān)于 x 的彈性雙對(duì)數(shù)模型ln y =ln b +b ln x +m0 1中，參數(shù) b1的含義是 （ c ）a. y 關(guān)于 x 的增長(zhǎng)率 b .y 關(guān)于 x 的發(fā)展速度c. y 關(guān)于 x 的彈性 d. y 關(guān)于 x 的邊際變化計(jì)量經(jīng)濟(jì)學(xué)研究方法一般步驟四步 12 點(diǎn)計(jì)量經(jīng)濟(jì)學(xué)的研究方法一般分為以下四個(gè)步驟（ b ）a 確定科學(xué)的理論依據(jù)、模型設(shè)定、模型修定、模型應(yīng)用b 模型設(shè)定、估計(jì)參數(shù)、模型檢驗(yàn)、模型應(yīng)用c 搜集數(shù)據(jù)、模型設(shè)定、估計(jì)參數(shù)、預(yù)測(cè)檢驗(yàn)d 模型設(shè)定、檢驗(yàn)

5、、 結(jié)構(gòu)分析、模型應(yīng)用對(duì)計(jì)量經(jīng)濟(jì)模型應(yīng)當(dāng)進(jìn)行哪些方面的檢驗(yàn)？經(jīng)濟(jì)意義檢驗(yàn)：檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果，尤其是參數(shù)估計(jì)，是否符合經(jīng)濟(jì)理論。2統(tǒng)計(jì)推斷檢驗(yàn)：檢驗(yàn)參數(shù)估計(jì)值是否抽樣的偶然結(jié)果，運(yùn)用數(shù)理統(tǒng)計(jì)中的統(tǒng)計(jì)推斷方法，對(duì) 模型及參數(shù)的統(tǒng)計(jì)可靠性做出說(shuō)明。主要有 t，f ，r 等檢驗(yàn)；計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)：檢驗(yàn)?zāi)Ｐ褪欠穹嫌?jì)量經(jīng)濟(jì)方法的基本假定，例如檢驗(yàn)?zāi)Ｐ褪欠翊嬖诙嘀?共線性，檢驗(yàn)?zāi)Ｐ椭械碾S機(jī)擾動(dòng)項(xiàng)是否存在自相關(guān)和異方差性等等。預(yù)測(cè)檢驗(yàn)：模型預(yù)測(cè)的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際結(jié)果相對(duì)比，以此檢驗(yàn)?zāi)Ｐ偷挠行浴?在使用計(jì)量經(jīng)濟(jì)模型分析問(wèn)題時(shí)，通常會(huì)使用哪些類型數(shù)據(jù)？使用這些類型數(shù)據(jù) 各自應(yīng)該注意哪些問(wèn)題？（1）時(shí)間序列數(shù)

6、據(jù)（time series data）把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時(shí)間順序和時(shí)間間隔（如月度、季度、年度）排列起來(lái)，這樣的統(tǒng)計(jì)數(shù)據(jù)稱為時(shí)間序列數(shù) 據(jù)；（2）截面數(shù)據(jù)(cross-section data)同一時(shí)間（時(shí)期或時(shí)點(diǎn)）某個(gè)指標(biāo)在不同空間的觀測(cè)數(shù)據(jù)，稱為截面數(shù)據(jù)；（3）面板數(shù)據(jù)（panel data）面板數(shù)據(jù)指時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù)相結(jié)合的數(shù)據(jù)，對(duì)若干個(gè)體進(jìn)行多期觀測(cè)。例如在居民收支調(diào)查中收集的對(duì)各個(gè)固定調(diào)查戶在不同時(shí)期的調(diào)查數(shù)據(jù)， 又如全國(guó)各省市不同年份的經(jīng)濟(jì)發(fā)展?fàn)顩r的統(tǒng)計(jì)數(shù)據(jù)，就都是面板數(shù)據(jù)；（4）虛擬變量數(shù)據(jù)(dummy variables data)。時(shí)間序列數(shù)

7、據(jù)若是非平穩(wěn)的，可能造成“偽回歸”；截面數(shù)據(jù)往往存在異方差；利用面板數(shù)據(jù)的計(jì)量經(jīng)濟(jì)模型已成為計(jì)量經(jīng)濟(jì)學(xué)研究的專門(mén)問(wèn)題，容易產(chǎn)生異方差、自 相關(guān)性。計(jì)量經(jīng)濟(jì)模型檢驗(yàn)通常包含哪些檢驗(yàn)？每種檢驗(yàn)基本思想是什么？經(jīng)濟(jì)意義檢驗(yàn)：檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果，尤其是參數(shù)估計(jì)，是否符合經(jīng)濟(jì)理論。統(tǒng)計(jì)推斷檢驗(yàn)：檢驗(yàn)參數(shù)估計(jì)值是否抽樣的偶然結(jié)果，運(yùn)用數(shù)理統(tǒng)計(jì)中的統(tǒng)計(jì)推斷方法，對(duì) 模型及參數(shù)的統(tǒng)計(jì)可靠性作出說(shuō)明。計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)：檢驗(yàn)?zāi)Ｐ褪欠穹嫌?jì)量經(jīng)濟(jì)方法的基本假定，例如檢驗(yàn)?zāi)Ｐ褪欠翊嬖诙嘀?共線性，檢驗(yàn)?zāi)Ｐ椭械碾S機(jī)擾動(dòng)項(xiàng)是否存在自相關(guān)和異方差性等等。預(yù)測(cè)檢驗(yàn)：模型預(yù)測(cè)的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際結(jié)果相對(duì)比，以此檢驗(yàn)?zāi)Ｐ偷挠行浴?/p>

8、第二章若干基本概念總體、樣本回歸方程、模型古典線性回歸模型的普通最小二乘估計(jì)量滿足的統(tǒng)計(jì)性質(zhì)（最佳線性無(wú)偏估計(jì)）； 古典線性回歸模型的普通最小二乘估計(jì)量滿足的統(tǒng)計(jì)性質(zhì)(a)a、最佳線性無(wú)偏估計(jì) 樣本回歸直線( x , y )b、僅滿足線性性c.非有效性d 有偏性設(shè) ols 法得到的樣本回歸直線為 y =ib1+b2x + e ，則點(diǎn) i i( x , y )( b )a、一定不在回歸直線上c、不一定在回歸直線上b、一定在回歸直線上d、在回歸直線上方 經(jīng)典線性計(jì)量模型的假定有哪些？假定 1：零均值假定; 假定 2：同方差假定; 假定 3：無(wú)自相關(guān)假定; 假定 4：隨機(jī)擾動(dòng)項(xiàng)u 解釋變量 x 不相

9、關(guān); 假定 5：正態(tài)性假定；（假定 6：無(wú)多重共線性）i下圖中符號(hào)“ ”所代表的是（ b ）i與yyiy =b +bx 0 1xa. 隨機(jī)誤差項(xiàng) b. 殘差 c. y 的離差 d. y 的離差i it 檢驗(yàn)通?？梢杂糜跈z驗(yàn) （ d）a 模型擬合優(yōu)度 b 模型整體顯著性 c 正態(tài)性d 個(gè)體參數(shù)顯著性以下模型中不屬于變量線性回歸模型是( a )。a、 i ic、 i itt e (y x ) =b+bx 21 2 ib、y =b +i 1xib2+uie (y x ) =b+ b xe (y x ) =b+b2xi i 1 21 2 id、用最小二乘法作回歸分析時(shí)提出了古典假定，這是為了（ib）a

10、. 使回歸方程更簡(jiǎn)化c. 使解釋變量更容易控制b. 得到總體回歸系數(shù)的最佳線性無(wú)偏估計(jì) d. 使被解釋變量更容易控制在一元線性回歸模型中，樣本回歸方程可表示為：（ c）a、y =b +bx +u t 0 1 ttb、y =e (y / x ) +mic、y =b +bx t 0 1 td、e (yt/ x t )=b0+b1xt第三章多元線性回歸模型整體的讀解（對(duì)回歸結(jié)果全過(guò)程的讀解分析）根據(jù) f 值判斷整體顯著性的規(guī)則（ p 值接近于零表示整體顯著）； 多元線性回歸模型 rss 反映了應(yīng)變量觀測(cè)值與估計(jì)值之間的總變差多元線性回歸分析中的 rss（剩余平方和）反映了（c）a應(yīng)變量觀測(cè)值總變差的

11、大小b應(yīng)變量回歸估計(jì)值總變差的大小c應(yīng)變量觀測(cè)值與估計(jì)值之間的總變差 多元線性回歸模型 ess 自由度為 k-1dy 關(guān)于 x 的邊際變化多元線性回歸分析中的 ess 的自由度是( dak bncn-k dk-1），則表x yx yx x y調(diào)整后的判定系數(shù) r2與判定系數(shù) r2之間的關(guān)系有關(guān)調(diào)整后的判定系數(shù) r2 與判定系數(shù) r 2之間的關(guān)系敘述正確的是（ c）abr 2 等于 r 2r 2 與 r 2 沒(méi)有數(shù)量關(guān)系c一般情況下 r2r2dr 2 大于 r 2在模型 y =b +bx +bx +u 的回歸分析結(jié)果報(bào)告中，有 f =2634.23， t 1 2 2t 3 3 t tf的p值 =

12、0.0000明（d）a、 解釋變量 2 t 對(duì) t 的影響是顯著的b、 解釋變量 3 t 對(duì) t 的影響是顯著的c、 解釋變量 2 t 和 3t 對(duì) t 的影響是均不顯著x x yd、解釋變量 2 t 和 3t 對(duì) t 的聯(lián)合影響是顯著的第四章多重共線性（1）定義、產(chǎn)生原因；（2）后果；（3）檢測(cè)；（4）彌補(bǔ)。 參數(shù)的最小二乘估計(jì)量的性質(zhì)簡(jiǎn)單相關(guān)系數(shù)矩陣方法主要用于檢驗(yàn)（ d ）a異方差性 b.自相關(guān)性 c隨機(jī)解釋變量d.多重共線性能夠檢驗(yàn)多重共線性的方法有aa.簡(jiǎn)單相關(guān)系數(shù)矩陣法 b. dw 檢驗(yàn)法 c. white 檢驗(yàn) d.arch 檢驗(yàn)法如果模型中的解釋變量存在完全的多重共線性，參數(shù)的

13、最小二乘估計(jì)量是（ c ）a無(wú)偏的b. 有偏的c. 無(wú)法估計(jì)d. 無(wú)正確答案如果模型中的解釋變量存在不完全的多重共線性，參數(shù)的最小二乘估計(jì)量是（ a ） a無(wú)偏的 b. 有偏的 c. 無(wú)法估計(jì) d. 無(wú)正確答案如果模型中的解釋變量存在完全的多重共線性，參數(shù)的最小二乘估計(jì)量是（c ）a無(wú)偏的b. 有偏的c. 無(wú)法估計(jì)d. 確定的第五章異方差性（ 1）定義、產(chǎn)生原因；（2）后果；（3）檢測(cè)；（4）彌補(bǔ)。 檢驗(yàn)異方差的方法；修正異方差的方法；arch 檢驗(yàn)方法主要用于檢驗(yàn)（ a ）a異方差性 b.自相關(guān)性 c隨機(jī)解釋變量 d.多重共線性下列方法可以用于檢驗(yàn)?zāi)Ｐ椭挟惙讲钚缘姆椒ㄓ?（ d ）a dw

14、檢驗(yàn)b 相關(guān)系數(shù)矩陣 c 判定系數(shù)法 d white 檢驗(yàn)goldfeld-quandt 方法用于檢驗(yàn)（ a ）a異方差性 b.自相關(guān)性 c隨機(jī)解釋變量 d.多重共線性 在模型有異方差的情況下,常用的估計(jì)方法是( d )a. 廣義差分法 b. 工具變量法 c. 逐步回歸法 d. 加權(quán)最小二乘法 white 檢驗(yàn)可用于檢驗(yàn)（ b ）a自相關(guān)性 b. 異方差性 c解釋變量隨機(jī)性加權(quán)最小二乘可以解決下列哪個(gè)問(wèn)題 ( d )d.多重共線性a多重共線性b. 誤差項(xiàng)非正態(tài)性 c自相關(guān)性 d. 異方差性關(guān)于 goldfeld-quandt 檢驗(yàn)，下列說(shuō)法正確的是（ c ）a它是檢驗(yàn)?zāi)Ｐ褪欠翊嬖谧韵嚓P(guān) b.該

15、檢驗(yàn)所需要的樣本容量較小c該檢驗(yàn)需要去掉部分樣本 d. 它是檢驗(yàn)?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性下列方法可以用于檢驗(yàn)?zāi)Ｐ椭挟惙讲钚缘姆椒ㄓ?（ d ）a dw 檢驗(yàn) b 相關(guān)系數(shù)矩陣 c 判定系數(shù)法 d white 檢驗(yàn)如果模型中存在異方差現(xiàn)象，則普通最小二乘估計(jì)量仍然滿足的性質(zhì)（ a ）a. 無(wú)偏性b. 最小方差性c. 有效性d 非線性性什么是異方差性？有哪些方法可以檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖诋惙讲钚?違背同方差假定，擾動(dòng)項(xiàng)的方差會(huì)隨著某個(gè)（些）因素而發(fā)生變化。觀察殘差圖、white 檢驗(yàn)、arch 檢驗(yàn)、golden-quant 檢驗(yàn)等?；貧w模型具有異方差性時(shí)，仍用最小二乘法估計(jì)參數(shù)，則以下（ b ）是錯(cuò)誤

16、的。 a、參數(shù)估計(jì)值是無(wú)偏非有效的 b、var 仍具有最小方差ic、常用的 t 和 f 檢驗(yàn)失效 d、預(yù)測(cè)區(qū)間增大，精度下降第六章自相關(guān)性（ 1）定義、產(chǎn)生原因；（2）后果；（3）檢測(cè)；（4）彌補(bǔ)。 違背自相關(guān)造成后果（無(wú)偏非有效）；在 dw 檢驗(yàn)中，當(dāng) d 統(tǒng)計(jì)量為 2 時(shí)，表明無(wú)自相關(guān)性存在； dw 判斷區(qū)域規(guī)則；在 dw 檢驗(yàn)中，當(dāng) d 統(tǒng)計(jì)量為 2 時(shí)，表明（ c ）a.存在完全的正自相關(guān) c.不存在自相關(guān)b.存在完全的負(fù)自相關(guān) d.不能判定如果回歸模型違背了無(wú)自相關(guān)假定，最小二乘估計(jì)量是( a )a無(wú)偏的，非有效的c無(wú)偏的，有效的b. 有偏的，非有效的d. 有偏的，有效的如果在模型

17、y =b +bx +u 中，隨機(jī)擾動(dòng)項(xiàng)違背了無(wú)自相關(guān)假定，則下列說(shuō)法正確的是( a )t 1 2 t ta最小二乘估計(jì)量 b2是無(wú)偏的且非有效b. 最小二乘估計(jì)量 b2是有偏的且有效c最小二乘估計(jì)量 b 是無(wú)偏的且有效2d. 最小二乘估計(jì)量 b2是有偏的但非有效在 dw 檢驗(yàn)中，不能判定的區(qū)域是（ c ）a.0 d d , 4 -d d 4l lb.d d 4 -d u uc.d d d , 4 -d d 4 -d l u uld. 上述都不對(duì)已知樣本回歸模型殘差的一階自相關(guān)系數(shù)接近于 1，則 dw 統(tǒng)計(jì)量近似等于( a ) a. 0 b. 1 c. 2 d. 4第七章分布滯后模型的意義分布滯

18、后模型的分類及各個(gè)類型的特點(diǎn) 分布滯后模型短期影響乘數(shù)設(shè)無(wú)限分布滯后模型為y =a+bx +bxt 0 t 1t -1+bx2t -2+ +u ，則短期影響乘數(shù)為（ ）ta b0b、 lkb0c 、1 -lk1 -l0d、b01 -l對(duì)于有限分布滯后模型y =a+bx +bxt 0 t 1t -1+b x2t -2+ +b xst -k+ut在一定條件下，參數(shù) b中不正確的是（ ）i可近似用一個(gè)關(guān)于 i 的多項(xiàng)式表示（i=0，1，2，k），下列說(shuō)法a、 多項(xiàng)式的階數(shù) m 小于 kb、 可采用 almon 法對(duì)此模型進(jìn)行估計(jì)c、 該模型比較容易產(chǎn)生多重共線性 d、以上說(shuō)法都不對(duì)第八章虛擬變量的定

19、義、作用以及規(guī)則 虛擬變量( )a.主要來(lái)代表質(zhì)的因素，但在有些情況下可以用來(lái)代表數(shù)量因素b.只能代表質(zhì)的因素c.只能代表數(shù)量因素d.只能代表季節(jié)影響因素對(duì)于含有截距項(xiàng)的計(jì)量經(jīng)濟(jì)模型，若想將含有 m 個(gè)互斥類型的定性因素引入到模型中，則應(yīng)該 引入虛擬變量個(gè)數(shù)為 （ ）a m b m-1 c m+1 d m-k簡(jiǎn)述虛擬變量設(shè)置規(guī)則什么是虛擬變量？在設(shè)定虛擬變量時(shí)，應(yīng)該注意什么問(wèn)題？設(shè)置規(guī)則是什么？虛擬變量是將定性因素?cái)?shù)量化取值為 0 或 1 的一類特殊人工變量。主要作用：在模型中引入定 性因素；分段回歸等。注意避免虛擬變量陷阱。虛擬變量個(gè)數(shù)的設(shè)置規(guī)則是：若定性因素有 m 個(gè)相互排斥的類型（或?qū)傩?/p>

20、、水平），在有截距項(xiàng)的模型中只能引入 m1 個(gè)虛擬變量，否則會(huì)陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多重共線d =i性。在無(wú)截距項(xiàng)的模型中，定性因素有m 個(gè)相互排斥的類型時(shí)，引入 m 個(gè)虛擬變量不會(huì)導(dǎo)致完 全多重共線性，不過(guò)這時(shí)虛擬變量參數(shù)的估計(jì)結(jié)果，實(shí)際上是 d=1 時(shí)的樣本均值。設(shè)某計(jì)量經(jīng)濟(jì)模型為：y =ai+bd +u ，其中 y 大學(xué)教授年薪， i i i10男教授女教授，則對(duì)于參數(shù) 、 的含義，下列解釋不正確的是 （ ）a. 表示大學(xué)女教授的平均年薪； b. 表示大學(xué)男教授的平均年薪；c. + 表示大學(xué)男教授的平均年薪；d. 表示大學(xué)男教授和女教授平均年薪的差額對(duì)于一個(gè)含有截距項(xiàng)的計(jì)量

21、經(jīng)濟(jì)模型，若某定性因素有 m 個(gè)互斥的屬性，對(duì)于一個(gè)含有截距項(xiàng)的計(jì)量經(jīng)濟(jì)模型，若某定性因素有 m 個(gè)互斥的類型，為將其引入模型中， 則需要引入虛擬變量個(gè)數(shù)為 （ ）a m b m-1 c m+1 d m-k第十章時(shí)間序列數(shù)據(jù)特有屬性平穩(wěn)的概念、產(chǎn)生的后果、檢驗(yàn)的方法非平穩(wěn)時(shí)間序列數(shù)據(jù)的建模技術(shù)要點(diǎn)某一時(shí)間序列經(jīng)一次差分變換成平穩(wěn)時(shí)間序列，此時(shí)間序列稱為（ ）a1 階單整b2 階單整ck 階單整d以上答案均不正確簡(jiǎn)述時(shí)間序列平穩(wěn)性的含義時(shí)間序列平穩(wěn)性分嚴(yán)格平穩(wěn)和廣義平穩(wěn)性。嚴(yán)格平穩(wěn)是指隨機(jī)過(guò)程的聯(lián)合分布函數(shù)與時(shí)間的位移無(wú)關(guān)；廣義平穩(wěn)性是指隨機(jī)過(guò)程的均值、方差不隨時(shí)間變化，自協(xié)方差函數(shù)僅是時(shí)間間隔

22、的函數(shù)，又 稱為弱平穩(wěn)性什么是偽回歸？其產(chǎn)生的原因是？所謂“偽回歸”，是指變量間本來(lái)不存在有意義的關(guān)系，但回歸結(jié)果卻得出存在有意義關(guān)系的錯(cuò) 誤結(jié)論。造成“偽回歸”的根本原因在于時(shí)間序列變量的非平穩(wěn)性。下列方法可以用于檢驗(yàn)時(shí)間序列平穩(wěn)性的是（ ）a. arch 檢驗(yàn) b. white 檢驗(yàn)c. adf 檢驗(yàn) d. dw 檢驗(yàn)二、簡(jiǎn)答題1、計(jì)量經(jīng)濟(jì)模型檢驗(yàn)通常包含哪些檢驗(yàn)？每種檢驗(yàn)基本思想是什么？經(jīng)濟(jì)意義檢驗(yàn)：檢驗(yàn)?zāi)Ｐ凸烙?jì)結(jié)果，尤其是參數(shù)估計(jì)，是否符合經(jīng)濟(jì)理論。統(tǒng)計(jì)推斷檢驗(yàn)：檢驗(yàn)參數(shù)估計(jì)值是否抽樣的偶然結(jié)果，運(yùn)用數(shù)理統(tǒng)計(jì)中的統(tǒng)計(jì)推斷方法，對(duì)模型及參數(shù)的統(tǒng)計(jì)可靠性作出 說(shuō)明。計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)：檢驗(yàn)?zāi)Ｐ?/p>

23、是否符合計(jì)量經(jīng)濟(jì)方法的基本假定，例如檢驗(yàn)?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性，檢驗(yàn)?zāi)Ｐ椭械碾S機(jī)擾 動(dòng)項(xiàng)是否存在自相關(guān)和異方差性等等。預(yù)測(cè)檢驗(yàn)：模型預(yù)測(cè)的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際結(jié)果相對(duì)比，以此檢驗(yàn)?zāi)Ｐ偷挠行浴?、在使用計(jì)量經(jīng)濟(jì)模型分析問(wèn)題時(shí)，通常會(huì)使用哪些類型數(shù)據(jù)？使用這些類型 數(shù)據(jù)各自應(yīng)該注意哪些問(wèn)題？（1）、時(shí)間序列數(shù)據(jù)（time series data ）把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時(shí)間順序和時(shí)間間隔（如月 度、季度、年度）排列起來(lái)，這樣的統(tǒng)計(jì)數(shù)據(jù)稱為時(shí)間序列數(shù)據(jù)。（2）、截面數(shù)據(jù)(cross-section data)同一時(shí)間（時(shí)期或時(shí) 點(diǎn)）某個(gè)指標(biāo)在不同空間的觀測(cè)數(shù)據(jù)，稱為截面數(shù)據(jù)

24、。（3）、面板數(shù)據(jù)（panel data）面板數(shù)據(jù)指時(shí)間序列數(shù)據(jù)和截面數(shù)據(jù) 相結(jié)合的數(shù)據(jù)，對(duì)若干個(gè)體進(jìn)行多期觀測(cè)。例如在居民收支調(diào)查中收集的對(duì)各個(gè)固定調(diào)查戶在不同時(shí)期的調(diào)查數(shù)據(jù)，又如 全國(guó)各省市不同年份的經(jīng)濟(jì)發(fā)展?fàn)顩r的統(tǒng)計(jì)數(shù)據(jù)，就都是面板數(shù)據(jù)。（4）、虛擬變量數(shù)據(jù)(dummy variables data)。時(shí)間序列數(shù)據(jù)若是非平穩(wěn)的，可能造成“偽回歸”；截面數(shù)據(jù)往往存在異方差；利用面板數(shù)據(jù)的計(jì)量經(jīng)濟(jì)模型已成為計(jì)量經(jīng)濟(jì)學(xué)研究的專門(mén)問(wèn)題，容易產(chǎn)生異方差、自相關(guān)性。3、什么是解釋變量、被解釋變量？從變量的因果關(guān)系上，模型中變量可分為解釋變量（explanatory variable）和被解釋變量(e

25、xplained variable)。在 模型中，解釋變量是變動(dòng)的原因，被解釋變量是變動(dòng)的結(jié)果。被解釋變量是模型要分析研究的對(duì)象，也常稱為“應(yīng)變量” (dependent variable)、“回歸子”（regressand）等。解釋變量也常稱為“自變量”(independent variable)、“回歸元” （regressor）等，是說(shuō)明應(yīng)變量變動(dòng)主要原因的變量。4、經(jīng)典線性計(jì)量模型的假定有哪些？假定 1：零均值假定; 假定 2：同方差假定; 假定 3：無(wú)自相關(guān)假定; 假定 4：隨機(jī)擾動(dòng)項(xiàng)ui與解釋變量xi不相關(guān); 假定 5：正態(tài)性假定；假定 6：無(wú)多重共線性5、什么是異方差性？有哪些方

26、法可以檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖诋惙讲钚??違背同方差假定，擾動(dòng)項(xiàng)的方差隨某個(gè)解釋變量在變化。觀察殘差圖、white 檢驗(yàn)、arch 檢驗(yàn)、goldenfeld-quandt 檢驗(yàn) 等。6、簡(jiǎn)述虛擬變量設(shè)置規(guī)則虛擬變量個(gè)數(shù)的設(shè)置規(guī)則是：若定性因素有 m 個(gè)相互排斥的類型（或?qū)傩?、水平），在有截距?xiàng)的模型中只能引入 m1 個(gè)虛擬變量，否則會(huì)陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多重共線性。在無(wú)截距項(xiàng)的模型中，定性因素有m 個(gè)相互排斥的類型時(shí)，引入 m 個(gè)虛擬變量不會(huì)導(dǎo)致完全多重共線性，不過(guò)這時(shí)虛擬變量參數(shù)的估計(jì)結(jié)果，實(shí)際上是 d=1 時(shí)的樣本 均值。7、什么是虛擬變量、設(shè)置虛擬變量應(yīng)該注意什么？虛擬變量是

27、將定性因素?cái)?shù)量化取值為 0 或 1 的一類特殊人工變量。主要作用：在模型中引入定性因素；分段回歸等。注 意避免虛擬變量陷阱。8、將虛擬變量引入到模型中，通常有哪些方式？各自具有什么作用？加入虛擬解釋變量的途徑有兩種基本類型：一是加法類型；二是乘法類型。不同的途徑引入虛擬變量有不同的作用，加 法方式引入虛擬變量改變的是截距；乘法方式引入虛擬變量改變的是斜率。9、什么是偽回歸？其產(chǎn)生的原因是？所謂“偽回歸”，是指變量間本來(lái)不存在有意義的關(guān)系，但回歸結(jié)果卻得出存在有意義關(guān)系的錯(cuò)誤結(jié)論。造成“偽回歸”的 根本原因在于時(shí)間序列變量的非平穩(wěn)性。10、簡(jiǎn)述時(shí)間序列平穩(wěn)性的含義時(shí)間序列平穩(wěn)性分嚴(yán)格平穩(wěn)和廣義平

28、穩(wěn)性。 嚴(yán)格平穩(wěn)是指隨機(jī)過(guò)程的聯(lián)合分布函數(shù)與時(shí)間的位移無(wú)關(guān)；廣義平穩(wěn)性 是指隨機(jī)過(guò)程的均值、方差不隨時(shí)間變化，自協(xié)方差函數(shù)僅是時(shí)間間隔的函數(shù)，又稱為弱平穩(wěn)性。三、計(jì)算題題干已給出一個(gè)估計(jì)結(jié)果，問(wèn)：系數(shù)的經(jīng)濟(jì)意義；估計(jì)出來(lái)的系數(shù)是否符合經(jīng)濟(jì) 意義；t 值計(jì)算（已給出系數(shù)及標(biāo)準(zhǔn)誤）；或者根據(jù)已給的 t 值、f 值判斷顯著性（不需 要查表，根據(jù)經(jīng)驗(yàn)即可判斷）；根據(jù)已給出的 r 2，y 的總離差中被回歸方程解釋的部分及未被回歸方程解釋的部分所占比例分別是多少；模型中是否存在多重共線性（利用綜合判斷法）； 模型是否存在自相關(guān)（會(huì)看 dw 表）為研究中國(guó)各地區(qū)入境旅游狀況，建立了各省市旅游外匯收入（ y，

29、百萬(wàn)美元）、旅行社職工人數(shù)（ x1，人）、2i國(guó)際旅游人數(shù)（ x2，萬(wàn)人次）的模型，用某年 31 個(gè)省市的截面數(shù)據(jù)估計(jì)結(jié)果如下：y =-151.0263 +0.1179 x +1.5452 x i 1i2it=(-3.066806) (6.652983) (3.378064)r =0.934331 f=191.1894 n=31（1） 從經(jīng)濟(jì)意義上考察估計(jì)模型的合理性。（2） x 、 x 兩個(gè)變量是否顯著？模型的整體是否顯著？理由是？1 2某公司想決定在何處建造一個(gè)新的百貨店，對(duì)已有的 30 個(gè)百貨店的銷(xiāo)售額作為其所處地理位置特征的函數(shù) 進(jìn)行回歸分析，并且用該回歸方程作為新百貨店的不同位置的可

30、能銷(xiāo)售額，估計(jì)得出（括號(hào)內(nèi)為估計(jì)的標(biāo) 準(zhǔn)差）y =30 +0.1 x +0.01 x +10.0 x +3.0 xt 1t 2 t 3t 4 t（0.02） （0.01） （1.0） （1.0）其中：yt第 i 個(gè)百貨店的日均銷(xiāo)售額（百美元）；x1t第 個(gè)百貨店前每小時(shí)通過(guò)的汽車(chē)數(shù)量（10 輛）；xxx2 t2 t2 t第 i 個(gè)百貨店所處區(qū)域內(nèi)的人均收入（美元）； 第 i 個(gè)百貨店內(nèi)所有的桌子數(shù)量；第 i 個(gè)百貨店所處地區(qū)競(jìng)爭(zhēng)店面的數(shù)量；xat (25) =1.708請(qǐng)回答以下問(wèn)題：1、 說(shuō)出本方程中系數(shù) 0.1 和 0.01 的經(jīng)濟(jì)含義。2、 各個(gè)變量前參數(shù)估計(jì)的符號(hào)是否與期望的符號(hào)一致？

31、3、在 0.05 的顯著性水平下檢驗(yàn)變量 1t的顯著性。（臨界值t0.025(25) =2.06，t0.025(26) =2.056， 0.05 ，t0.05(26) =1.706）運(yùn)用計(jì)量模型研究 1990 年到 2007 年我國(guó)糧食產(chǎn)量與主要影響因素之間的數(shù)量關(guān)系，模型設(shè)定如下：y =a +a x +a x +a x +a x +a x +a x +ut 0 1 1t 2 2t 3 3t 4 4t 5 5t 6 6t ty -我國(guó)歷年糧食總產(chǎn)量(單位：萬(wàn)噸)tx -農(nóng)業(yè)化肥施用量（萬(wàn)噸）1tx -糧食播種面積（千公頃）2tx -成災(zāi)面積（千公頃）3tx -農(nóng)業(yè)機(jī)械年末擁有量（億瓦特）4tx

32、 -農(nóng)林牧漁業(yè)總勞動(dòng)力（萬(wàn)人）5tx -有效灌溉面積（千公頃）6tu -其它影響糧食產(chǎn)量的因素（隨機(jī)誤差項(xiàng)）t模型估計(jì)結(jié)果如下：dependent variable: ymethod: least squaresdate: 05/25/09 time: 21:03sample: 1990 20071included observations: 18variablex1x2x3x4x5x6ccoefficient5.1837340.392216-0.226072-0.067816-0.1110890.296709-17495.33std. error1.6570000.2215750.10738

33、50.1486590.4014990.48690827898.47t-statistic（ ）1.770123-2.105243-0.456190-0.2766850.609375-0.627107prob.0.00960.10440.05910.65710.78720.55470.5434r-squared0.952012 mean dependent var 44127.13adjusted r-squareds.e. of regressionsum squared residlog likelihooddurbin-watson stat0.925837 s.d. dependent

34、var1200.687 akaike info criterion15858133 schwarz criterion-148.7403 f-statistic2.019087 prob(f-statistic)4408.96717.3044817.6507336.370940.000001根據(jù)此估計(jì)結(jié)果，是回答下列問(wèn)題：（1） 計(jì)算 x 的 t 統(tǒng)計(jì)量值；（2） 模型整體是否顯著？ 理由是？（3） 各變量的系數(shù)估計(jì)值是否符合經(jīng)濟(jì)意義？ 如果不符合，你覺(jué)得是什么原因造成的？ 家庭消費(fèi)支出（y）、可支配收入（ x ）、家庭財(cái)富（ x ）設(shè)定模型如下：1 2y =b +bx +b x +m i 0

35、 1 1i 2 2 ii回歸分析結(jié)果為：ls / dependent variable is ydate: 18/11/09 time: 15:18sample: 1 10included observations: 10variable coefficient std. error t-statistic prob.c 24.4070 6.9973 _ 0.0101x1- 0.3401 0.4785 _0.5002x20.0823 0.0458 0.1152r-squared 0.9615adjusted r-squared 0.9505mean dependent var 111.1256

36、s.d. dependent var 31.4289s.e. of regression _ akaike info criterion4.1338sum squared resid 342.5486 schwartz criterion 4.2246 log likelihood - 31.8585 f-statistic 87.4062durbin-watson stat 2.4382prob(f-statistic) 0.0001回答下列問(wèn)題（11 分）：、請(qǐng)根據(jù)上表中已由數(shù)據(jù)，填寫(xiě)表中畫(huà)線處缺失結(jié)果（注意給出計(jì)算步驟）；2、 模型是否存在多重共線性？為什么？3、 模型中是否存在自相關(guān)？為什么？在0.05顯著性水平下，dl和du的顯著性點(diǎn) k=1 k=2n dl du dl du910110.824 1.32 0.629 1.6990.879 1.32 0.697 1.6410.927 1.324 0.658 1.604下表是三因素 fama&french 模型估計(jì)