計(jì)量經(jīng)濟(jì)學(xué)題(答案)參考_第1頁
計(jì)量經(jīng)濟(jì)學(xué)題(答案)參考_第2頁
計(jì)量經(jīng)濟(jì)學(xué)題(答案)參考_第3頁
計(jì)量經(jīng)濟(jì)學(xué)題(答案)參考_第4頁
計(jì)量經(jīng)濟(jì)學(xué)題(答案)參考_第5頁
已閱讀5頁,還剩10頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、計(jì)量經(jīng)濟(jì)學(xué)要點(diǎn)一、單項(xiàng)選擇題知識點(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1. 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)2.同一時(shí)間,不同單位相同指標(biāo)組成的觀測數(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)單方程中可以作為被解釋變量的是(控制變量、內(nèi)生變量 、外生變量);3.在回歸分析中,下列有關(guān)解釋變量和被解釋變量的說法 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

2、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,解釋變量是變動的原因,被解釋變量是變動的結(jié)果。被解釋變量是模型要分析研究的對象,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,是說明應(yīng)變量變動主要原因的變量。因此

3、,被解釋變量只能由內(nèi)生變量擔(dān)任,不能由非內(nèi)生變量擔(dān)任。4.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D、外生變量5.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6. 在回歸分析中,下列有關(guān)解釋變量和被解釋變量的說法正確的有( 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)變量雙對數(shù)模型中參數(shù)的含義;7.雙對數(shù)模型 ln Yln01 ln X中,參數(shù)1 的含義是(D )A .X 的相對變化

4、,引起 Y 的期望值絕對量變化B.Y 關(guān)于 X 的邊際變化 C.X 的絕對量發(fā)生一定變動時(shí),引起因變量 Y的相對變化率D.Y 關(guān)于 X 的彈性8. 雙對數(shù)模型ln Yln01 ln X中,參數(shù)1 的含義是 ( C ) A. Y 關(guān)于 X 的增長率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)9.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)測檢驗(yàn)D模型設(shè)定、檢驗(yàn)、 結(jié)構(gòu)分析、模型應(yīng)用對

5、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。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,對模型及參數(shù)的統(tǒng)計(jì)可靠性做出說明。主要有 t, F , R2 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褪欠翊嬖诙嘀毓簿€性,檢驗(yàn)?zāi)P椭械碾S機(jī)擾動項(xiàng)是否存在自相關(guān)和異方差性等等。預(yù)測檢驗(yàn) :模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際結(jié)果相對比,以此檢驗(yàn)?zāi)P偷挠行?。在使用?jì)量經(jīng)濟(jì)模型分析問題時(shí), 通常會使用哪些類型數(shù)據(jù)?使用這些類型數(shù)據(jù)各自應(yīng)該注意哪些問題?( 1)時(shí)間序列數(shù)據(jù) (Time

6、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,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),對若干個(gè)體進(jìn)行多期觀測。例如在居民收支調(diào)查中收集的對各個(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

7、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)研究的專門問題,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,對模型及參數(shù)的統(tǒng)計(jì)可靠性作出說明。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褪欠翊嬖诙嘀毓簿€性,檢驗(yàn)?zāi)P椭械碾S機(jī)擾動項(xiàng)是否存在自相關(guān)和異方差性等等。word預(yù)測檢驗(yàn):模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際結(jié)果相對比,以此檢驗(yàn)?zāi)P偷挠行?。第?/p>

8、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)(最佳線性無偏估計(jì)) ;1.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 無偏 估計(jì)B. 僅滿 足線性性C.非有效性D.有偏性樣本回歸直線 ( X , Y )2. 設(shè) OLS法 得 到 的 樣 本 回 歸 直 線 為Yi12 X iei, 則 點(diǎn) ( X , Y )(B)A 、一定不在回歸直線上B、一定在回歸直線上C、不一定在回歸直線上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:無自相關(guān)假定 ; 假定 4:隨機(jī)擾動項(xiàng)

9、 ui 與解釋變量 X i 不相關(guān) ; 假定 5:正態(tài)性假定;(假定 6:無多重共線性)3.下圖中符號 “ ”所代表的是(B)Yi?Y01 XYXA. 隨機(jī)誤差項(xiàng)B.殘差C. Yi 的離差D.Yi 的離差wordt 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4. 以 下 模型 中不 屬 于變 量線 性 回 歸模 型是( A)。A、 E(YiX i )12 X i2Yi1X iuiB、2C、 E(Yi X i )122 X iE(Yi Xi )12 X iD、5.用最小二乘法作回歸分析時(shí)提出了古典假定,這是為了( B )A. 使回歸方程更簡化B.

10、得到總體回歸系數(shù)的最佳線性無偏估計(jì)C. 使解釋變量更容易控制D. 使被解釋變量更容易控制6. 在一元線性回歸模型中,樣本回歸方程可表示為:( c )A、Yt01 X tutB、 YtE(Yt / X )iC、?Yt01 X tD、 E Yt / X t01 X t第三章多元線性回歸模型整體的讀解 (對回歸結(jié)果全過程的讀解分析)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)變量觀測值總變差的大小B應(yīng)變量回歸估計(jì)值總變差的大小 C 應(yīng)變量觀測值與估計(jì)值之

11、間的總變差DY 關(guān)于 X 的邊際變化多元線性回歸模型ESS 自由度為 k-1多元線性回歸分析中的ESS 的自由度是(D)A KBnC n-KD k-1調(diào)整后的判定系數(shù)R 2 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)R 2 與判定系數(shù) R2 之間的關(guān)系敘述正確的是(C)A R 2 等于 R2B R 2 與 R2 沒有數(shù)量關(guān)系C 一般情況下 R 2 R2D R 2 大于 R2在模型 Yt12 X 2t3 X 3tut的回歸分 析 結(jié) 果 報(bào) 告 中 , 有 F2634.23 ,F(xiàn)的 p值 0.0000 ,則表明(D)A 、解釋變量 X 2t 對 Yt 的影響是顯著的B、解釋變量 X 3t

12、對 Yt 的影響是顯著的C、解釋變量 X 2t 和 X 3t 對 Yt 的影響是均不顯著D、解釋變量 X 2t 和 X 3 t 對 Yt 的聯(lián)合影響是顯的第四章多重共線性( 1)定義、產(chǎn)生原因;(2)后果;(3)檢測;( 4)彌補(bǔ)。參數(shù)的最小二乘估計(jì)量的性質(zhì)簡單相關(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A A.簡單相關(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)的最小二乘估計(jì)量是(C)A 無偏的B. 有偏的C. 無法估計(jì)D. 無正確答案如果模型中的解釋

13、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無偏的B.有偏的wordC. 無法估計(jì)D.無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 無偏的B. 有偏的C. 無法估計(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;(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 )ADW 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)(

14、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D.多重共線性加 權(quán) 最小 二 乘 可 以 解 決 下 列 哪個(gè) 問 題( D)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?/p>

15、異方差性的方法有 ( 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,擾動項(xiàng)的方差會隨著某個(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。回歸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)誤的。A、參數(shù)估計(jì)值是無偏非有效的B、 Var ?i 仍具有最小方差C、常用的 t 和 F 檢驗(yàn)失效D、預(yù)測區(qū)間增大,精度下

16、降第六章自相關(guān)性( 1)定義、產(chǎn)生原因;( 2)后果;( 3)檢測;( 4)彌補(bǔ)。違背自相關(guān)造成后果(無偏非有效) ;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)B.存在完全的負(fù)自相關(guān)C.不存在自相關(guān) D.不能判定如果回歸模型違背了無自相關(guān)假定,最小二乘估計(jì)量是 ( A )A 無偏的,非有效的B. 有偏的,非有效的C無偏的,有效的D. 有偏的,有效的如果在模型 yt12 xtut 中,隨機(jī)擾動項(xiàng)違背了無自相關(guān)假定,則下列說法正確的是 ( A )A 最小二乘估計(jì)量?2 是無偏

17、的且非有效B. 最小二乘估計(jì)量?2 是有偏的且有效C最小二乘估計(jì)量?2 是無偏的且有效D. 最小二乘估計(jì)量 ?2 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.0ddL , 4d Ld4wordB. dUd4dUC. dLddU , 4dUd4dLD. 上述都不對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.0B.1C.2D.4第七章分布滯后模型的意義分布滯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)無限分布滯后模型為Yt0 X t1X t 12 X t 2ut,則短期影響乘數(shù)為()A 0B、k01k0D、C、101對于有限分布

18、滯后模型Yt0 X t1 X t 12 X t 2s X t K在一定條件下,參數(shù)i 可近似用一個(gè)關(guān)于i的多項(xiàng)式表示( i=0 ,1,2, ,K),下列說法中不正確的是( )A、多項(xiàng)式的階數(shù) m 小于 KB、可采用 Almon 法對此模型進(jìn)行估計(jì)C、該模型比較容易產(chǎn)生多重共線性D、以上說法都不對第八章虛擬變量的定義、作用以及規(guī)則虛擬變量 ( )A. 主要來代表質(zhì)的因素,但在有些情況下可以用來代表數(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 ( )AmBm-1Cm

19、+1Dm-k簡述虛擬變量設(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?、水平?,在有截距項(xiàng)的模型中只能引入 m1 個(gè)虛擬變量,否則會陷入所謂“虛擬變量陷阱” ,產(chǎn)生完全的多重共線性。在無截距項(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)虛擬變量不會導(dǎo)致完全多重共線性,不過這時(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

20、:YiDi ui ,其中 Yi 大學(xué)教授年薪,1男教授,Di女教授0則對于參數(shù) 、的含義,下列解釋 不正確 的 ut 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)互斥的屬性,對于一個(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 mB m-1C m+1D 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

21、變換成平穩(wěn)時(shí)間序列,此時(shí)間序列稱為()A 1 階單整B2 階單整C K 階單整D以上答案均不正確簡述時(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)過程的聯(lián)合分布函數(shù)與時(shí)間的位移無關(guān);廣義平穩(wěn)性是指隨機(jī)過程的均值、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、

22、簡答題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,對模型及參數(shù)的統(tǒng)計(jì)可靠性作出說明。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褪欠翊嬖诙嘀毓簿€性,檢驗(yàn)?zāi)P椭械碾S機(jī)擾動項(xiàng)是否存在自相關(guān)和異方差性等等。預(yù)測檢驗(yàn):模型預(yù)測的結(jié)果與經(jīng)濟(jì)運(yùn)行的實(shí)際結(jié)果相對比,以此檢驗(yàn)?zāi)P偷挠行浴ord2、在使用計(jì)量經(jīng)濟(jì)模型分析問題時(shí),通常會使用哪些類型數(shù)據(jù)?使用這些類型數(shù)據(jù)各自應(yīng)該注意哪些問題?(1)、時(shí)間序列數(shù)據(jù)( Time S

23、eries 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,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),對若干個(gè)體進(jìn)行多期觀測。例如在居民收支調(diào)查中收集的對各個(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

24、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)研究的專門問題,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(Explained variable)。在模型中,解釋變量是變動的原因,被解釋變量是變動的結(jié)果。被解釋變量是模型要分析研究的對象,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”(Independentvariable)、“

25、 回歸元”(Regressor )等,是說明應(yīng)變量變動主要原因的變量。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:無自相關(guān)假定 ; 假定 4:隨機(jī)擾動項(xiàng) ui 與解釋變量 X i 不相關(guān) ; 假定 5:正態(tài)性假定;假定6:無多重共線性word5、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?,

26、在有截距項(xiàng)的模型中只能引入 m 1 個(gè)虛擬變量,否則會陷入所謂“虛擬變量陷阱” ,產(chǎn)生完全的多重共線性。在無截距項(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)虛擬變量不會導(dǎo)致完全多重共線性,不過這時(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

27、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)過程的聯(lián)合分布函數(shù)與時(shí)間的位移無關(guān);廣義平穩(wěn)性是指隨機(jī)過程的均值、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。word三、計(jì)算題題干已給出一個(gè)估計(jì)結(jié)果,問:系數(shù)的經(jīng)濟(jì)意義;估計(jì)出來的系數(shù)是否符合經(jīng)濟(jì)意義; t 值計(jì)算(已給出系數(shù)及

28、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 R2 , 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)(會看 DW 表)為研究中國各地區(qū)入境旅游狀況, 建立了各省市旅游外匯收入 ( Y ,百萬美元)、旅行社職工人數(shù) (X1 ,人)、國際旅游人數(shù)( X2,萬人次)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:?151.0263 0.1179X1i 1.5452X 2iYit=(-3.066806)(6.652983)(3.378064)R2

29、=0.934331F=191.1894n=31( 1) 從經(jīng)濟(jì)意義上考察估計(jì)模型的合理性。( 2) X1、 X 2 兩個(gè)變量是否顯著?模型的整體是否顯著?理由是?某公司想決定在何處建造一個(gè)新的百貨店,對已有的30 個(gè)百貨店的銷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能銷售額,估計(jì)得出(括號內(nèi)為估計(jì)的標(biāo)準(zhǔn)差)?10.0 X 3t3.0 X 4tYt 30 0.1 X1t 0.01 X 2t( 0.02)( 0.01)(1.0)(1.0)其中: Yt 第 i 個(gè)百貨店的日均銷售額(百美元) ;X1t 第 i 個(gè)百貨店前每小時(shí)通過的汽車數(shù)量(10 輛)

30、;X 2t 第 i 個(gè)百貨店所處區(qū)域內(nèi)的人均收入(美元);X 3t 第 i 個(gè)百貨店內(nèi)所有的桌子數(shù)量;X 4t 第 i 個(gè)百貨店所處地區(qū)競爭店面的數(shù)量;請回答以下問題:1、說出本方程中系數(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)的符號是否與期望的符號一致?3、在0.05 的顯著性水平下檢驗(yàn)變量X1t 的顯著性。word(臨界值 t0.025 ( 25)2.06 , t0.025 (26)2.056 , t 0.05 (25)1.708 , t 0.05 (26)1.706 )運(yùn)用計(jì)量模型研究 1990 年到 2007年我國糧食產(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=

31、a +a X+a X2t+a X+a X4t+a X+a X+utt011t233t455t66tY t- 我國歷年糧食總產(chǎn)量 (單位:萬噸 )X 1t- 農(nóng)業(yè)化肥施用量(萬噸)X 2t- 糧食播種面積(千公頃)X 3t- 成災(zāi)面積(千公頃)X 4t- 農(nóng)業(yè)機(jī)械年末擁有量(億瓦特)X 5t- 農(nóng)林牧漁業(yè)總勞動力(萬人)X 6t- 有效灌溉面積(千公頃)Ut- 其它影響糧食產(chǎn)量的因素(隨機(jī)誤差項(xiàng))模型估計(jì)結(jié)果如下:Dependent Variable: YMethod: Least SquaresDate: 05/25/09Time: 21:03Sample: 1990 2007Included

32、 observations: 18VariableCoefficieStd. Errort-StatisticProb.ntX15.1837341.657000()0.0096X20.3922160.2215751.7701230.1044X3-0.226070.107385-2.1052430.05912X4-0.067810.148659-0.4561900.65716X5-0.111080.401499-0.2766850.78729X60.2967090.4869080.6093750.5547C-17495.327898.47-0.6271070.54343R-squared0.95

33、2012Mean dependent44127.1var3Adjusted0.925837S.D. dependent4408.96R-squaredvar7S.E. of regression1200.687Akaike info17.3044criterion8Sum squared1585813Schwarz criterion17.6507resid33Log likelihood-148.740F-statistic36.370934Durbin-Watson2.019087Prob(F-statistic)0.00000stat1根據(jù)此估計(jì)結(jié)果,是回答下列問題:( 1) 計(jì)算 X

34、1 的 t 統(tǒng)計(jì)量值;( 2) 模型整體是否顯著? 理由是?word( 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,你覺得是什么原因造成的?家庭消費(fèi)支出( Y)、可支配收入( X1 )、家庭財(cái)富(X 2 )設(shè)定模型如下:Yi01 X1i2 X 2 ii回歸分析結(jié)果為:LS / Dependent Variable is YDate: 18/11/09 Time: 15:18Sample: 1 10Included observations: 10VariableCoefficientStd. ErrorT-StatisticProb.C24.40706.9973_0.0101X 1-

35、 0.34010.4785_0.5002X 20.08230.04580.1152R-squared0.9615Mean dependent var111.1256Adjusted R-squared0.9505S.D. dependent var31.4289S.E. of regression_Akaike info criterion4.1338Sum squared resid342.5486Schwartz criterion4.2246Log likelihood- 31.8585F-statistic87.4062Durbin-Watson stat2.4382Prob(F-st

36、atistic)0.0001回答下列問題( 11 分):、請根據(jù)上表中已由數(shù)據(jù),填寫表中畫線處缺失結(jié)果(注意給出計(jì)算步驟);、 模型是否存在多重共線性?為什么?、 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=1k=2ndldudldu90.8241.320.6291.699100.8791.320.6971.641110.9271.3240.6581.604下表是三因素 Fama&French模型估計(jì)輸出結(jié)果, 模型中被解釋變量 (R1)是某證券投資基金收益率,解釋變量有三個(gè), RM 是市場組合收益率, SMB 是規(guī)模因子, HML 是價(jià)值因子。根據(jù)此估

37、計(jì)結(jié)果,試回答下列問題。Dependent Variable: R1Method: Least SquareswordDate: 04/23/08Time: 09:18Sample: 2003M06 2005M05Included observations: 24Newey-West HAC Standard Errors & Covariance (lagtruncation=2)CoefficieVariablentStd. Errort-StatisticProb.0.89991RM90.08348110.779960.0000-0.53689SMB20.133720-4.0150480

38、.0007-0.10029HML20.220450-0.4549400.65410.00499C10.0028431.7557420.09440.85966-0.00094R-squared6Mean dependent var9Adjusted0.838610.04519R-squared6S.D. dependent var70.01815-5.02852S.E. of regression7Akaike info criterion40.00659-4.83218Sum squared resid3Schwarz criterion264.342240.8389Log likelihoo

39、d9F-statistic61.937610.00000Durbin-Watson stat8Prob(F-statistic)0( 1)、模型解釋變量哪些是顯著的?為什么?( 2)、表中的 F 統(tǒng)計(jì)量( F-statistic )可以說明什么?( 3)、該模型中是否存在自相關(guān)性?( 4)、你覺得該模型估計(jì)效果如何?為了解釋中國對進(jìn)口的需求,根據(jù)19 年的數(shù)據(jù)得到下面的回歸結(jié)果?58.90.20X 1t0.10X 2tYtse =(0.0092)(0.0074)R2=0.96R 2 =0.95其中: Y= 進(jìn)口量(百萬美元), X 1=個(gè)人消費(fèi)支出(美元 /年),X 2=進(jìn)口價(jià)格 /國內(nèi)價(jià)格。(1)解釋截距項(xiàng),及X 1 和 X2 系數(shù)的經(jīng)濟(jì)意義;(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?;( 3)對參數(shù)進(jìn)行顯著性檢驗(yàn),并解釋檢驗(yàn)結(jié)果;word四、問答題主要考察自己結(jié)合實(shí)際談學(xué)習(xí)了計(jì)量后的體會,如那章比較難?實(shí)際工作中是否用到?建模的基本步驟等計(jì)量經(jīng)濟(jì)分析在你的實(shí)際工作中有哪些應(yīng)用?在應(yīng)用中,基

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論