計量經(jīng)濟學_期末考試試卷_第1頁
計量經(jīng)濟學_期末考試試卷_第2頁
計量經(jīng)濟學_期末考試試卷_第3頁
計量經(jīng)濟學_期末考試試卷_第4頁
全文預覽已結(jié)束

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),請進行舉報或認領(lǐng)

文檔簡介

1、 大學考試試題 A卷計量經(jīng)濟學(經(jīng)濟學院2007級國貿(mào)及國教本科生)題號一二三四五六總分題分一 簡答題: ( 30 分,每小題6 分)1請表述馬爾科夫定理的內(nèi)容,即多元線性回歸模型的經(jīng)典假設及結(jié)論2如何用white 檢驗進行異方差的檢驗方法? 3 什么是工具變量法?(何時使用,選擇工具變量的要求)4 驗證 一階MA過程 ;是否是弱平穩(wěn)過程?5如何應用Engle-Granger法檢驗是否存在協(xié)整?二 ( 總分10分,每小題5 分)有人利用中國1978年-1997年的財政收入Y和國內(nèi)生產(chǎn)總值X的數(shù)據(jù),得到以下計算結(jié)果: 利用以上 E-views 計算結(jié)果: (1)建立財政收入對國內(nèi)生產(chǎn)總值的簡單線

2、性回歸模型,并解釋斜率系數(shù)的經(jīng)濟意義; (2)判定該線性回歸模型是否存在序列相關(guān)。 第一頁三(10分)四 考慮以下凱恩斯收入決定模型:(15 分,每小題5 分)(1)導出模型的簡化型方程(2)判定上述方程中哪些是可識別的(恰好或過度)。 (3)你將用什么方法估計過度可識別方程和恰好可識別方程中的參數(shù)。五 (10分,每小題5 分)Sen和Srivastava(1971)在研究貧富國之間期望壽命的差異時,利用101個國家的數(shù)據(jù),建立了如下的回歸模型: R2=0.752 (括號內(nèi)的數(shù)值為對應參數(shù)估計值的t-值)其中:X是以美元計的人均收入; Y是以年計的期望壽命;Sen和Srivastava 認為人

3、均收入的臨界值為1097美元,若人均收入超過1097美元,則被認定為富國;若人均收入低于1097美元,被認定為貧窮國。(1)分別討論對貧窮國和對富國進行回歸的計算結(jié)果。(2)回歸方程中引入的原因是什么?如何解釋這個回歸解釋變量? 第二頁六 綜合分析題 : (25分,每小題5 分)Tom and John, 兩位大四學生研究費城地區(qū)房價的空間變化。他們建立下面簡單線性回歸模型分析鐵路對房價的影響: 這里,Yi 是第 i住宅房價的自然對數(shù)(log) , Xi 是第 i所住宅離鐵路的距離。通過對 2231個住宅回歸,得到以下數(shù)據(jù): ; ; ; a)基于以上數(shù)據(jù),計算 模型1 的最佳擬合線方程。b)計算模型1中的擾動項方差的估計量 and 修正決定系數(shù)。c) 確定斜率系數(shù)1的95% 置信區(qū)間。他們在模型1中加入反映住宅特征的解釋變量(住宅面積,臥房數(shù)目,浴室數(shù)目,反應有無壁爐的虛擬變量,反應住宅建造時間的T)和時間趨勢變量t來構(gòu)造一個多元回歸模型,并得到以下回歸結(jié)果: d) 請用F檢驗驗證這個多元回歸模型是否比一元回歸模型有很大改進。e) 當加入反映住宅特征的解釋變量之后,TOM發(fā)現(xiàn)住宅離鐵路的距離X的斜率系數(shù)1的估計

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

最新文檔

評論

0/150

提交評論