計量經濟學期末模擬試題2及答案

1、第 七 套一 、單項選擇題1、用模型描述現實經濟系統(tǒng)的原則是( B A. 以理論分析作先導,包括的解釋變量越多越好B. 以理論分析作先導,模型規(guī)模大小要適度C. 模型規(guī)模越大越好;這樣更切合實際情況D. 模型規(guī)模大小要適度,結構盡可能復雜2、ARCH 檢驗方法主要用于檢驗( A A.異方差性 B. 自相關性C.隨機解釋變量 D. 多重共線性3、在古典假設成立的條件下用 OLS 方法估計線性回歸模型參數,則參數 估計量具有( C 的統(tǒng)計性質。A.有偏特性 B. 非線性特性C.最小方差特性 D. 非一致性特性4、 將一年四個季度對因變量的影響引入到含截距的回歸模型中, 則需要引 入虛擬變量的個數為

2、( B A. 4 B. 3 C. 2 D. 15、廣義差分法是對( D 用最小二乘法估計其參數。1211211121121. . (1 (t t t t t t t t t t t t t t A y x u B y x u C y x u D y y x x u u 1 t =+=+=+=+6、在序列自相關的情況下,參數估計值的方差不能正確估計的原因是( B 22. ( . ( 0( . ( 0. ( 0i i i i i j A E u B E u u i j C E x u D E u 7、設回歸模型為 i i i i u x x y +=33221,下列表明變量之間具有不完 全多重共線

3、性的是( B 123123123123.0200. 020.20. 0000. 000A x x x B x x x v C x x x D x x x v +=+=+=+=08、在有 M 個方程的完備聯(lián)立方程組中,當識別的階條件為 (H為聯(lián)立方程組中內生變量和前定變量的總數, 為第 i 個方程中內生變量 和前定變量的總數時,在可識別的條件下,則表示( C 1i H N M >i NA.第 i 個方程恰好識別 B.第 i 個方程不可識別C.第 i 個方程過度識別 D.第 i 個方程識別狀態(tài)不能確定9、簡化式模型就是把結構式模型中的內生變量表示為( D A. 外生變量和內生變量的函數關系B

4、. 外生變量和隨機誤差項的函數模型C. 滯后變量和隨機誤差項的函數模型D. 前定變量和隨機誤差項的函數模型10、在 DW 檢驗中,當 d 統(tǒng)計量為 4時,表明( B A.存在完全的正自相關 B.存在完全的負自相關C.不存在自相關 D.不能判定11、輔助回歸法(又稱待定系數法 主要用于檢驗( D A.異方差性 B.自相關性C.隨機解釋變量 D.多重共線性12、對自回歸模型進行自相關檢驗時,下列說法正確的有( C A.使用 DW 檢驗有效B.使用 DW 檢驗時,DW 值往往趨近于 0C.使用 DW 檢驗時,DW 值往往趨近于 2D.使用 DW 檢驗時,DW 值往往趨近于 413、雙對數模型 +=X

5、 Y ln ln ln 10中,參數 1的含義是 ( C A. Y關于 X 的增長率 B .Y關于 X 的發(fā)展速度C. Y關于 X 的彈性 D. Y關于 X 的邊際變化14、假設用 OLS 法得到的樣本回歸直線為 ,以下說法不 正確的是( D i i i e X Y +=21A. B. 0=i e , (一定在回歸直線上 C. Y = D. 0 , (i i e X COV15、在有 M 個方程的完備聯(lián)立方程組中,當識別的階條件為 (H為聯(lián)立方程組中內生變量和前定變量的總數, 為第 i 個方程中內生變量和 前定變量的總數時,在可識別的條件下,則表示( B 1i H N M =i N A.第 i

6、 個方程不可識別 B.第 i 個方程恰好識別C.第 i 個方程過度識別 D.第 i 個方程的識別狀態(tài)不能確定16、在修正異方差的方法中,不正確的是( D A.加權最小二乘法 B.對原模型變換的方法C.對模型的對數變換法 D.兩階段最小二乘法17、下列說法正確的是( B A.序列自相關是樣本現象 B.序列自相關是一種隨機誤差現象C.序列自相關是總體現象 D.截面數據更易產生序列自相關18、滿足經典假定的回歸分析中, ( B A、解釋變量和被解釋變量都是隨機變量B、解釋變量為非隨機變量,被解釋變量為隨機變量C、解釋變量和被解釋變量都為非隨機變量D、解釋變量為隨機變量,被解釋變量為非隨機變量19、對

7、樣本的相關系數 ,以下結論錯誤的是( A A. |越接近 0, X 與 Y 之間線性相關程度高B. |越接近 1, X 與 Y 之間線性相關程度高C. 11 D、 0=,在正態(tài)條件下,則 X 與 Y 相互獨立20、在經濟發(fā)展發(fā)生轉折時期,可以通過引入虛擬變量方法來表示這種變 化。例如,研究中國城鎮(zhèn)居民消費函數時。1991年前后,城鎮(zhèn)居民商品性實際 支出 Y 對實際可支配收入 X 的回歸關系明顯不同?，F以 1991年為轉折時期,設虛擬變量 ,數據散點圖顯示消費函數發(fā)生了結構性變化:基本消費部分下降了, 邊際消費傾向變大了。 則城鎮(zhèn)居民線性消費函數的理 論方程可以寫作( D =年以后 ; 年以前

8、; 1991019911t D A.t t t u X Y +=10 B.t t t t t u X D X Y +=210C.t t t t u D X Y +=210 D.t t t t t t u X D D X Y +=3210二、多項選擇題1、如果模型中存在異方差現象,則下列說法正確的是( B C D E A. 參數估計值有偏 B. 參數估計值的方差不能正確確定C. 變量的顯著性檢驗失效 D. 預測精度降低E. 參數估計值仍是無偏的2、廣義最小二乘法的特殊情況是( B D A. 對模型進行對數變換 B. 加權最小二乘法C. 數據的結合 D. 廣義差分法E. 增加樣本容量3、 調整后的

9、判定系數 2與判定系數 2R 之間的關系敘述正確的有 ( C D E A. 2與 2R 均非負 B. 2有可能大于 2R C.判斷多元回歸模型擬合優(yōu)度時,使用 2 D.模型中包含的解釋變量個數越多, 2與 2R 就相差越大E.只要模型中包括截距項在內的參數的個數大于 1,則 22R <4、 關于聯(lián)立方程模型識別問題,以下說法不正確的有 ( A B A. 滿足階條件的方程則可識別B. 如果一個方程包含了模型中的全部變量,則這個方程恰好識別C. 如果一個方程包含了模型中的全部變量,則這個方程不可識別D. 如果兩個方程包含相同的變量,則這兩個方程均不可識別E. 聯(lián)立方程組中的每一個方程都是可識

10、別的,則聯(lián)立方程組才可識別 F. 聯(lián)立方程組中有一個方程不可識別,則聯(lián)立方程組不可識別5、下列說法不正確的是( A B D E A. 多重共線性是總體現象B. 多重共線性是完全可以避免的C. 多重共線性是一種樣本現象D. 在共線性程度不嚴重的時候可進行結構分析E. 只有完全多重共線性一種類型三、判斷題 (判斷下列命題正誤,并說明理由1、在異方差性的情況下,常用的 OLS 法必定高估了估計量的標準誤。錯誤。有可能高估也有可能低估;如:考慮一個非常簡單的具有異方差 性的線性回歸模型:i i i Y X u =+2( i i Var u ; =22i Z =,則:2222( ( ( ( i i i

11、i i i X u X Var u Var Var X X =2、 即使經典線性回歸模型(CLRM中的干擾項不服從正態(tài)分布的,OLS 估計量仍然是無偏的。正確。 222( ( i i E E K =+=,該表達式成立與否與正態(tài)性無關。3、雙變量模型中,對樣本回歸函數整體的顯著性檢驗與斜率系數的顯著性檢驗是一致的。正確。 要求最好能夠寫出一元線性回歸中, F 統(tǒng)計量與 T 統(tǒng)計量的關系, 即 的來歷;或者說明一元線性回歸僅有一個解釋變量,因此對斜率系 數的 T 檢驗等價于對方程的整體性檢驗。2F t =4、多重共線性問題是隨機擾動項違背古典假定引起的;錯誤。應該是解釋變量之間高度相關引起的 。5

12、、秩條件是充要條件,因此,單獨利用秩條件就可以完成聯(lián)立方程識別狀 態(tài)的確定。錯誤。雖然秩條件是充要條件,但其前提是,只有在通過了階條件的條件 下。在對聯(lián)立方程進行識別時,還應該結合階條件判斷是過度識別,還是恰 好識別。四、計算題1、組合證券理論的資本市場線(CML表明期望收益 與風險 i E i 之間存在線 性關系如下:i i E 21+=根據 19902000年間美國 34只共同基金的期望回報及其標準差數據, 得出如下 回歸結果, 請根據有關運算關系填寫表中空白處的數值, 并判斷此結果是否支持 了上述理論。Dependent Variable: YMethod: Least SquaresS

13、ample: 134Included observations: 34VariableCoefficient Std. Errort-Statistic Prob. C5.5409400.968608 0.0000 X0.4745140.055077 0.0000 R-squaredMean dependent var 13.64118 Adjusted R-squaredS.D. dependent var 2.436480 S.E. of regressionAkaike info criterion 3.506937 Sum squared resid59.01394 Schwarz c

14、riterion 3.596723 Log likelihood-57.61793 F-statistic Durbin-Watson stat 1.796718 Prob(F-statistic 0.000000解: Dependent Variable: Y Method: Least Squares Sample: 134 Included observations: 34 Variable C X R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson

15、stat Coefficient Std. Error 5.540940 0.474514 0.6987 0.6893 1.358008 59.01394 -57.61793 1.796718 0.968608 0.055077 t-Statistic 5.7205 8.6155 Prob. 0.0000 0.0000 13.64118 2.436480 3.506937 3.596723 74.227 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statist

16、ic Prob(F-statistic 模型結果支持了理論,因為期望回報及其標準差之間存在顯著的線性 關系. 2,下面結果是利用某地財政收入對該地第一,二,三產業(yè)增加值的回 歸結果,根據這一結果試判斷該模型是否存在多重共線性,說明你的理由. Dependent Variable: REV Method: Least Squares Sample: 1 10 Included observations: 10 Variable C GDP1 GDP2 GDP3 R-squared Adjusted R-squared S.E. of regression Sum squared resid Lo

17、g likelihood Durbin-Watson stat Coefficient 17414.63 -0.277510 0.084857 0.190517 Std. Error 14135.10 0.146541 0.093532 0.151680 t-Statistic 1.232013 -1.893743 0.907252 1.256048 Prob. 0.2640 0.1071 0.3992 0.2558 63244.00 54281.99 20.25350 20.37454 320.4848 0.000001 0.993798 Mean dependent var 0.99069

18、7 S.D. dependent var 5235.544 Akaike info criterion 1.64E+08 Schwarz criterion -97.26752 F-statistic 1.208127 Prob(F-statistic 解:存在嚴重多重共線性.因為方程整體非常顯著,表明三次產業(yè) GDP 對財政收入的解釋能力非常強,但是每個個別解釋變量均不顯著,且存在負 系數,與理論矛盾,原因是存在嚴重共線性. 3,以廣東省東莞市的財政支出作為被解釋變量,財政收入作為解釋變量做 6 計量經濟模型,即 Y = + X + ,方程估計,殘差散點圖及 ARCH 檢驗輸出結果 分別如下

19、: 方程估計結果: Dependent Variable: Y Method: Least Squares Date: 05/31/04 Time: 12:42 Sample: 1980 1997 Included observations: 18 Variable C X R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -2457.310 0.719308 0.996168 0.995929 2234.939 7991

20、9268 -163.2963 2.181183 Std. Error 680.5738 0.011153 t-Statistic -3.610644 64.49707 Prob. 0.0023 0.0000 25335.11 35027.97 18.36626 18.46519 4159.872 0.000000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic 殘差與殘差滯后 1 期的散點圖: ARCH 檢驗輸出結果: ARCH

21、Test: F-statistic Obs*R-squared 2.886465 7.867378 Probability Probability 0.085992 0.096559 Test Equation: Dependent Variable: RESID2 7 Method: Least Squares Date: 06/10/04 Time: 00:33 Sample(adjusted: 1984 1997 Included observations: 14 after adjusting endpoints Variable C RESID2(-1 RESID2(-2 RESID2(-3 RESID2(-4 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -9299857. 0.033582 -0.