《計(jì)量經(jīng)濟(jì)學(xué)》期末考試試卷A

學(xué)院、系學(xué)院、系專業(yè)班級學(xué)號(hào)姓名······························密································封·······························線···································PAGE7-山東輕工業(yè)學(xué)院08/09學(xué)年第二學(xué)期《計(jì)量經(jīng)濟(jì)學(xué)》期末考試試卷（A卷）（本試卷共7頁）適用班級：經(jīng)管學(xué)院07級所有學(xué)生題號(hào)一二三四五總分得分

得分閱卷人一、單項(xiàng)選擇題（本大題共20小題，每小題1分，共20分）在每小題列出的四個(gè)備選項(xiàng)中只有一個(gè)是正確的，請將其代碼填寫在下面相應(yīng)的答題框中。錯(cuò)選、多選或未選均無分。題號(hào)12345678910答案題號(hào)11121314151617181920答案1.計(jì)量經(jīng)濟(jì)學(xué)是（）、經(jīng)濟(jì)學(xué)、數(shù)學(xué)相結(jié)合的一門綜合性學(xué)科。A.統(tǒng)計(jì)學(xué)B.信息科學(xué)C.概率論D.生物計(jì)量學(xué)2.在經(jīng)濟(jì)計(jì)量學(xué)中，把用來擬合計(jì)量經(jīng)濟(jì)模型的數(shù)據(jù)分為（）A.時(shí)期數(shù)據(jù)和時(shí)點(diǎn)數(shù)據(jù) B.時(shí)序數(shù)據(jù)和橫截面數(shù)據(jù)C.歷史數(shù)據(jù)和預(yù)測數(shù)據(jù) D.絕對數(shù)據(jù)和相對數(shù)據(jù)3.在對x與y的相關(guān)分析中（）A.x是隨機(jī)變量 B.y是隨機(jī)變量C.x與y都是隨機(jī)變量 D.x與y都是非隨機(jī)變量4.在二元線性回歸模型：中，表示（）A.當(dāng)不變、變動(dòng)一個(gè)單位時(shí)，的平均變動(dòng)B.當(dāng)不變、變動(dòng)一個(gè)單位時(shí)，的平均變動(dòng)C.當(dāng)和都保持不變時(shí)，的平均變動(dòng)D.當(dāng)和都變動(dòng)一個(gè)單位時(shí)，的平均變動(dòng)5.普通最小二乘法確定一元線性回歸模型的參數(shù)和的準(zhǔn)則是使（）A.最小 B.最小C.最大 D.最大6.對于回歸模型，的估計(jì)式為（）A.B.C.D.7.多元線性回歸模型Y=X+U的參數(shù)的最小二乘估計(jì)量為（）A.B.C.D.8.一個(gè)三元回歸模型中求出殘差平方和為1000，樣本容量n＝14，則（）A.22B.10C.8D.2009.設(shè)為回歸模型中的解釋變量個(gè)數(shù),為樣本容量。則對總體回歸模型進(jìn)行顯著性檢驗(yàn)時(shí)構(gòu)造的F統(tǒng)計(jì)量為（）A.B.C.D.10.下列不屬于異方差檢驗(yàn)的方法是（）。A.F檢驗(yàn)B.戈德菲爾德－夸特檢驗(yàn)C.LM（BG）檢驗(yàn)法D.White檢驗(yàn)11.在線性回歸模型中，如果存在異方差，則常用的估計(jì)方法是（）A.廣義差分法 B.工具變量法C.一階差分法 D.加權(quán)最小二乘法12.在線性回歸模型中，若解釋變量和的觀測值成比例，即，其中為常數(shù)，則表明模型中存在（）A.異方差性B．自相關(guān)性C．多重共線性D．設(shè)定誤差13.如果回歸模型的DW值越接近于2，則（）A.則表明存在著正的自相關(guān)B.則表明存在著負(fù)的自相關(guān)C.則表明無自相關(guān)D.無法表明任何意義14.下面哪一個(gè)因素不是自相關(guān)的來源（）。A.測量誤差B.經(jīng)濟(jì)變量的慣性C.模型形式不妥D.略去重要解釋變量15.研究某種商品銷售的季節(jié)性（分一年四季考慮），建立有截距項(xiàng)的線性回歸模型，應(yīng)選擇（）個(gè)虛擬變量。A.4B.3C.216.下列哪一個(gè)模型是不可線性化的非線性回歸模型（）。A.B.C.D.17.（）不僅可以檢驗(yàn)多重共線性，而且可以解決多重共線性問題。A.相關(guān)性檢驗(yàn)B.逐步回歸法C.戈里瑟檢驗(yàn)D.White檢驗(yàn)18.在回歸模型中，檢驗(yàn)H0∶β1=0時(shí)所用的統(tǒng)計(jì)量服從的分布為（）A.χ2(n-2)B.t(n-1)C.χ2(n-1)D.t(n-2)19.總體回歸模型的樣本回歸方程為，則在X=X0時(shí)Y0的點(diǎn)預(yù)測為（）A.B.C.D.20.設(shè)截距和斜率同時(shí)變動(dòng)模型為,其中D為虛擬變量。如果經(jīng)檢驗(yàn)該模型為斜率變動(dòng)模型，則下列假設(shè)成立的是（）A.，B.，C.， D.，得分閱卷人二、多項(xiàng)選擇題（本題共5小題，每小題2分，共10分）在每小題列出的五個(gè)備選項(xiàng)中有二個(gè)至五個(gè)是符合題目要求的，請將其代碼填寫在下面相應(yīng)的答題框內(nèi)。錯(cuò)選、多選、少選或未選均無分。題號(hào)12345答案1.計(jì)量經(jīng)濟(jì)學(xué)的主要應(yīng)用有：（）A.

理論研究

B.

樣本分析

C.

經(jīng)濟(jì)預(yù)測D.

結(jié)構(gòu)分析

E.

政策評價(jià)2.在經(jīng)典假設(shè)下，最小二乘估計(jì)量所具有的小樣本統(tǒng)計(jì)性質(zhì)為（）A.一致性B.線性性C.無偏性D.有效性E.漸近性3.如果線性回歸模型中存在異方差，則參數(shù)的最小二乘估計(jì)量（）A.仍具有線性無偏性B.不存在C.不再具有最小方差性D.參數(shù)的顯著性檢驗(yàn)失去意義E.模型的預(yù)測失效4.線性回歸模型中的隨機(jī)誤差項(xiàng)存在自相關(guān)的判別和檢驗(yàn)方法有（）A.圖示法B.DW檢驗(yàn)法C.LM檢驗(yàn)法D.回歸檢驗(yàn)法E.斯皮爾曼等級相關(guān)檢驗(yàn)法5.關(guān)于多重共線性正確的有（）A.完全的多重共線性和近似的多重共線性統(tǒng)稱為共線性B.完全的多重共線性下，模型的參數(shù)估計(jì)量無法唯一確定C.完全共線性的情況并不多見，一般出現(xiàn)的是近似共線性D.多重共線性一般與時(shí)間序列相關(guān)，但在截面數(shù)據(jù)也經(jīng)常出現(xiàn)E.近似共線下參數(shù)估計(jì)量的方差變大，使得參數(shù)的顯著性檢驗(yàn)失去意義得分閱卷人三、簡答題（本大題共3小題，每小題6分，共18分）1.簡述多元回歸模型的基本假設(shè)。2.在回歸分析中用什么評價(jià)擬合程度，其含義是什么?多元回歸分析中這一指標(biāo)有何缺陷，如何修正？3.計(jì)量經(jīng)濟(jì)學(xué)的檢驗(yàn)包括幾個(gè)方面，具體含義是什么？得分得分閱卷人四、分析題（本大題共3小題，每小題10分，共30分）1.線性回歸模型，隨機(jī)項(xiàng)方差，經(jīng)典假定的其他條件都滿足，如何對該模型進(jìn)行參數(shù)估計(jì)？2.線性回歸模型Y=X+U，其中n=50，k=4，其中自相關(guān)系數(shù)ρ=0.5，求DW統(tǒng)計(jì)量的值，并以此檢驗(yàn)?zāi)Ｐ褪欠袷且浑A自相關(guān)，如果存在可以什么方法克服。（α=0.05時(shí)，=1.38,=1.42）3.某地區(qū)供水部門利用最近15年的用水年度數(shù)據(jù)得出如下模型：（1）根據(jù)經(jīng)濟(jì)理論，估計(jì)回歸系數(shù)的符號(hào)是什么（不包括常數(shù)項(xiàng)）？觀察估計(jì)的符號(hào)與分析是否相符？（4分）（2）在5%的顯著水平下，請進(jìn)行變量和方程的顯著性檢驗(yàn)，分析出現(xiàn)這種檢驗(yàn)結(jié)果的可能原因。（6分）（已知，）得分得分閱卷人五、綜合題（本大題共22分）我們根據(jù)中國人均消費(fèi)CT與人均GDP1978－2000的數(shù)據(jù)進(jìn)行消費(fèi)函數(shù)的一元回歸，結(jié)果如下：DependentVariable:CTMethod:LeastSquaresDate:11/28/06Time:14:26Sample:19782000Includedobservations:23VariableCoefficientStd.Errort-StatisticProb.

C201.118914.8840213.512410.0000GDP0.3861800.00722253.474710.0000R-squared0.992710

Meandependentvar905.3304AdjustedR-squared0.992363

S.D.dependentvar380.6334S.E.ofregression33.26450

Akaikeinfocriterion9.929800Sumsquaredresid23237.06

Schwarzcriterion10.0