計(jì)量經(jīng)濟(jì)學(xué)習(xí)題及答案

計(jì)量經(jīng)濟(jì)學(xué)習(xí)題及答案1計(jì)量經(jīng)濟(jì)學(xué)習(xí)題及答案1/計(jì)量經(jīng)濟(jì)學(xué)習(xí)題及答案1習(xí)題講解（一）一、選擇題1、樣本回歸函數(shù)（方程）的表達(dá)式為（D）A.B.C.D.2、反映由模型中解釋變量所解釋的那部分離差大小的是（B）A.總離差平方和B.回歸平方和C.殘差平方和D.都不是3、設(shè)k為回歸模型中的參數(shù)個(gè)數(shù)（不包括常數(shù)項(xiàng)），n為樣本容量，RSS為殘差平方和，ESS為回歸平方和，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（B）A.B.C.D.4、對于某樣本回歸模型，已求得DW的值為l，則模型殘差的自相關(guān)系數(shù)近似等于（C）A.-0.5B.0C.0.55、下列哪種方法不能用來檢驗(yàn)異方差（D）A.戈德菲爾特——匡特檢驗(yàn)B.懷特檢驗(yàn)C.戈里瑟檢驗(yàn)D.D-W檢驗(yàn)6、根據(jù)一個(gè)=30的樣本估計(jì)后計(jì)算得D.W.=1.2，已知在5%的顯著水平下，，，則認(rèn)為原模型（C）。A.不存在一階序列相關(guān)B.不能判斷是否存在一階序列相關(guān)C.存在正的一階序列相關(guān)D.存在負(fù)的一階序列相關(guān)7、某商品需求函數(shù)模型為，其中Y為需求量，X為價(jià)格。為了考慮“地區(qū)”（農(nóng)村、城市）和“季節(jié)”（春、夏、秋、冬）兩個(gè)因素的影響，擬引入虛擬變量，則應(yīng)引入虛擬變量的個(gè)數(shù)為（B）A.2B.4C.8、可以用于聯(lián)立方程計(jì)量模型方程間誤差傳遞性檢驗(yàn)的統(tǒng)計(jì)量是（C）A.均方百分比誤差B.F檢驗(yàn)統(tǒng)計(jì)量C.均方根誤差D.滾動(dòng)預(yù)測檢驗(yàn)9、下列屬于有限分布滯后模型的是（D）A.B.C.D.10、估計(jì)模型Yt=β0+β1Xt+β2Yt-1+μt（其中μt滿足線性模型的全部假設(shè)）參數(shù)的適當(dāng)方法是（D）A.二階段最小二乘法B.間接最小二乘法C.廣義差分法D.工具變量法11、考察某地區(qū)農(nóng)作物種植面積與農(nóng)作物產(chǎn)值的關(guān)系,建立一元線性回歸模型(X表示農(nóng)作物種植面積、Y表示農(nóng)作物產(chǎn)值)，采用30個(gè)樣本，根據(jù)OLS方法得，對應(yīng)標(biāo)準(zhǔn)差，則，對應(yīng)的統(tǒng)計(jì)量為（）A.12B.0.0243C.2.04812、一無線性回歸模型的最小二乘回歸結(jié)果顯示，殘差平方和RSS=40.32，樣本容量為25，則回歸模型的標(biāo)準(zhǔn)差為（B）A.1.270B.1.324C13、表示模型系統(tǒng)中先決變量的個(gè)數(shù)（含常數(shù)項(xiàng)），表示第個(gè)方程中先決變量的個(gè)數(shù)（含常數(shù)項(xiàng)），表示第個(gè)方程中內(nèi)生變量的個(gè)數(shù)，識別的階條件為，表示（B）A.第個(gè)方程恰好識別B.第個(gè)方程不可識別C.第個(gè)方程過度識別D.第個(gè)方程具有唯一的統(tǒng)計(jì)形式14、當(dāng)隨機(jī)誤差項(xiàng)存在序列相關(guān)時(shí)，單位根檢驗(yàn)采用的是（B）。A.DF檢驗(yàn)B.ADF檢驗(yàn)C.EG檢驗(yàn)D.DW檢驗(yàn)15、考慮AR（1）過程的平穩(wěn)性，則該過程（A）A.一定是平穩(wěn)的B.一定是非平穩(wěn)的C.不一定是平穩(wěn)的D.無法判斷16、時(shí)間序列平穩(wěn)性檢驗(yàn)的方法有（ABCDE）A.變量的時(shí)間路徑圖B.自相關(guān)系數(shù)時(shí)間路徑圖C.單位根檢驗(yàn)D.ADF檢驗(yàn)E.DF檢驗(yàn)17、序列相關(guān)性的檢驗(yàn)方法有（CDE）A.戈里瑟檢驗(yàn)B.White檢驗(yàn)C.圖示法D.回歸檢驗(yàn)E.D.W.檢驗(yàn)18、異方差性的檢驗(yàn)方法有（ABCE）A.圖示法B.GlejserC.White檢驗(yàn)D.D.W.檢驗(yàn)E.Goldeld-Quandt檢驗(yàn)二、簡述題1、應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)方法研究經(jīng)濟(jì)現(xiàn)象的一般步驟是什么？建立理論模型，包括確定模型中的變量，確定模型的函數(shù)形式。樣本數(shù)據(jù)的收集。模型參數(shù)的估計(jì)。模型的檢驗(yàn)，包括參數(shù)的顯著性檢驗(yàn)、模型整體顯著性的檢驗(yàn)、異方差性的檢驗(yàn)、序列相關(guān)性的檢驗(yàn)及多重共線性的檢驗(yàn)。經(jīng)濟(jì)計(jì)量模型的應(yīng)用。2、計(jì)量經(jīng)濟(jì)學(xué)模型主要有哪些應(yīng)用領(lǐng)域？各自的原理是什么？答：計(jì)量經(jīng)濟(jì)學(xué)模型主要有以下幾個(gè)方面的用途：（1）結(jié)構(gòu)分析，即研究一個(gè)或幾個(gè)經(jīng)濟(jì)變量發(fā)生變化及結(jié)構(gòu)參數(shù)的變動(dòng)對其他變量以至整個(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生何種影響。其原理是彈性分析、乘數(shù)分析與比較靜力分析。（2）經(jīng)濟(jì)預(yù)測，即進(jìn)行中短期經(jīng)濟(jì)的因果預(yù)測。其原理是模擬歷史，從已經(jīng)發(fā)生的經(jīng)濟(jì)活動(dòng)中找出變化規(guī)律。（3）政策評價(jià)，即利用計(jì)量經(jīng)濟(jì)學(xué)模型定量分析政策變量變化對經(jīng)濟(jì)系統(tǒng)運(yùn)行的影響，是對不同政策執(zhí)行情況的模擬仿真。（4）檢驗(yàn)與發(fā)展經(jīng)濟(jì)理論，即利用計(jì)量經(jīng)濟(jì)學(xué)模型和實(shí)際統(tǒng)計(jì)資料實(shí)證分析某個(gè)理論假說正確與否。其原理是如果按照某種經(jīng)濟(jì)理論建立的計(jì)量經(jīng)濟(jì)學(xué)模型可以很好的擬合實(shí)際觀察數(shù)據(jù)，，則意味著該理論是符合客觀事實(shí)的，否則，則表明該理論不能解釋客觀事實(shí)。3、在計(jì)量經(jīng)濟(jì)模型中為什么要引入隨機(jī)誤差項(xiàng)？對模型中省略的變量用隨機(jī)誤差項(xiàng)來統(tǒng)統(tǒng)反映，因?yàn)樵诮?jīng)濟(jì)系統(tǒng)中影響某個(gè)變量的因素很多，在建模時(shí)不能全部列入，所以，對一些非主要影響因素忽略，而這因素所產(chǎn)生的影響由隨機(jī)項(xiàng)來反映。用隨機(jī)誤差項(xiàng)來反映一些隨機(jī)因素的影響。因?yàn)榻?jīng)濟(jì)系統(tǒng)中包含有很多的隨機(jī)因素，這引起因素有時(shí)又非常重要而又無法準(zhǔn)確地加以測度，因此，引入隨機(jī)誤差項(xiàng)，由這誤差項(xiàng)來反映這些因素的影響。用隨機(jī)誤差項(xiàng)來反映統(tǒng)計(jì)誤差。因?yàn)樵趯ψ兞繕颖居^測值的收集過程中會(huì)存有統(tǒng)計(jì)上的誤差，這部分誤差，有時(shí)也通過隨機(jī)誤差項(xiàng)來反映。模型形式的誤差。在設(shè)定模型的理論形式時(shí)，有時(shí)存有設(shè)定形式的誤差，所以，這時(shí)也可引入隨機(jī)誤差項(xiàng)來加以考慮。4、以二元線性回歸模型為例，闡述運(yùn)用White檢驗(yàn)法檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲钚缘幕具^程。依據(jù)變量的樣本觀測值首先用OLS法對原模型進(jìn)行回歸，并計(jì)算出模型的殘差平方。估計(jì)輔助模型：這里，交叉項(xiàng)也可以不包括在輔助模型中。對輔助模型利用在第一步所得的的樣本數(shù)據(jù)及原模型的解釋變量的樣本數(shù)據(jù)對輔助模型進(jìn)行OLS回歸，算出輔助回歸模型的判定系數(shù)。對于給定的顯著水平，若，（此，為上輔助模型中的解釋變量的個(gè)數(shù)，此為5，可能查表得出。），則認(rèn)為模型存在異方差性，反之則認(rèn)為不存在異方差性。5、試述聯(lián)立方程模型參數(shù)估計(jì)的二段最小二乘估計(jì)法的原理和估計(jì)過程①二段最小二乘法的原理是：尋找一個(gè)變量來替代模型方程中解釋變量中的內(nèi)生變量，然后對替代后的結(jié)構(gòu)方程用OLS法進(jìn)行估計(jì)。②二段法估計(jì)的過程是：⑴利用OLS法估計(jì)結(jié)構(gòu)方程中所有內(nèi)生變量的簡化式方⑵利用估計(jì)出的簡化式方程計(jì)算內(nèi)生變量的估計(jì)值；⑶用內(nèi)生變量的估計(jì)值替代解釋變量中的內(nèi)生變量，再利用OLS法估計(jì)變量替代后的結(jié)構(gòu)方程。6、模型存在多重共線性可能產(chǎn)生的后果主要有哪些（1）各個(gè)解釋變量對被解釋變量的影響很難精確鑒別；(2)模型回歸系數(shù)估計(jì)量的方差會(huì)很大，從而使模型參數(shù)的顯著性檢驗(yàn)失效；(3)模型參數(shù)的估計(jì)量對刪除或增添少量的觀測值及刪除一個(gè)不顯著的解釋變量都可能非常敏感。7、計(jì)量模型的檢驗(yàn)包括幾個(gè)方面？其具體含義是什么？答：模型的檢驗(yàn)主要包括經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)和模型的預(yù)測檢驗(yàn)四個(gè)方面。在經(jīng)濟(jì)意義檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ褪欠穹辖?jīng)濟(jì)意義，檢驗(yàn)求得的參數(shù)估計(jì)值符號與大小是否與根據(jù)人們的經(jīng)驗(yàn)和經(jīng)濟(jì)理論所擬訂的期望值相符合；在統(tǒng)計(jì)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)值的可靠性，即檢驗(yàn)?zāi)Ｐ偷慕y(tǒng)計(jì)學(xué)性質(zhì)；在計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ偷挠?jì)量經(jīng)濟(jì)學(xué)性質(zhì)，包括隨機(jī)干擾項(xiàng)的序列相關(guān)性檢驗(yàn)、異方差性檢驗(yàn)、解釋變量的多重共線性檢驗(yàn)和模型的設(shè)定偏誤性檢驗(yàn)等；模型的預(yù)測檢驗(yàn)主要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)量的穩(wěn)定性及樣本容量發(fā)生變化時(shí)的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。8、一元線性回歸模型的基本假設(shè)主要有哪些？違背基本假設(shè)的計(jì)量經(jīng)濟(jì)學(xué)模型是否就不可以估計(jì)？答：線性回歸模型的基本假設(shè)有兩大類：一類是關(guān)于隨機(jī)干擾項(xiàng)的，包括零均值，同方差，不序列相關(guān)，滿足正態(tài)分布等假設(shè)；另一類是關(guān)于解釋變量的，主要有，解釋變量是非隨面的，如果是隨機(jī)變量，則與隨機(jī)干擾項(xiàng)不相關(guān)。實(shí)際上，這些假設(shè)都是針對普通最小二乘法的。在違背這些基本假設(shè)的情況下，普通最小二乘估計(jì)量就不再是最佳線性無偏估計(jì)量，因此使用普通最小二乘法進(jìn)行估計(jì)已無多大意義。但模型本身還是可以估計(jì)的，尤其是可以通過最大似然法等其他原理進(jìn)行估計(jì)。9、當(dāng)模型存在異方差性時(shí)，會(huì)產(chǎn)生什么樣的影響？（1）模型參數(shù)的最小二乘估計(jì)量是線性的，無偏的，但不是有效的。（2）t檢驗(yàn)的可靠性降低（3）增大模型的預(yù)測誤差10、試述用DW檢驗(yàn)法檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖谛蛄邢嚓P(guān)性的基本過程。DW法的檢驗(yàn)步驟：①建立原假設(shè)：不存在序列相關(guān)性備假設(shè)：存在序列相關(guān)性②用OLS法估計(jì)模型，求出隨機(jī)誤差項(xiàng)的估計(jì)值③計(jì)算DW值：④查DW臨界值表，得出；⑤將計(jì)算的實(shí)際值與臨界值進(jìn)行比較：DW值結(jié)論拒絕原假設(shè)，存在負(fù)一階序列相關(guān)性無法確定接受原假設(shè)，無一階序列相關(guān)性無法確定拒絕原假設(shè)，存在一階正序列相關(guān)性12什么是序列相關(guān)性，其表現(xiàn)形式是什么？①序列相關(guān)性是對于模型的隨機(jī)誤差項(xiàng)來說的，當(dāng)模型的隨機(jī)誤差項(xiàng)在不同的樣本點(diǎn)之間是不相互獨(dú)立的，也即當(dāng)模型違背了基本假定3的時(shí)候，這此就稱模型存在序列相關(guān)性。②序列相關(guān)性表現(xiàn)于一階序列相關(guān)性和高階序列相關(guān)性，此二種情況下的表現(xiàn)形式可以表示如下三、綜合分析題1利用下面的樣本數(shù)據(jù)：X61117813Y13524要求完成以下工作：對一元線性回歸模型：進(jìn)行最小二乘法估計(jì)計(jì)算決定系數(shù)解：答：①由題中樣本觀測值數(shù)據(jù)可以計(jì)算出=（6+11+17+8+13）/5=11，同理可求出，=3，利用樣本數(shù)據(jù)還可以算出，，從而得到，=3－0.365×11=－1.01因此這個(gè)行業(yè)線性總成本函數(shù)模型為②=0.9852、令Y表示一名婦女生育孩子的生育率，X表示該婦女接受過教育的年數(shù)。生育孩子對教育年數(shù)的簡單回歸模型為：隨機(jī)干擾項(xiàng)包含什么樣的因素？它們可能與教育水平相關(guān)嗎？上述簡單回歸分析能夠揭示教育對生育率在其他條件不變下的影響嗎？請解釋。答：①收入、年齡、家庭狀況、政府的相關(guān)政策等也是影響生育率的重要因素，在上述簡單回歸模型中，它們被包含在了隨機(jī)干擾項(xiàng)中。有些因素可能與教育水平相關(guān)，如收入水平與教育水平往往呈正相關(guān)，年齡大小與教育水平呈負(fù)相關(guān)等。②當(dāng)歸結(jié)在隨機(jī)干擾項(xiàng)中的重要影響因素與模型中的教育水平X相關(guān)時(shí)，上述回歸模型不能夠揭示教育對生育率在其他條件不變下的影響，因?yàn)檫@時(shí)出現(xiàn)解釋變量與隨機(jī)干擾項(xiàng)相關(guān)的情形，違背了基本假定。3某公司聘請你幫助他們決定在哪里建造下一個(gè)連鎖店。你決定對已有的30個(gè)連鎖店的銷售額作為他們所處地位置特征的函數(shù)進(jìn)行回歸分析，并且用這個(gè)回歸方程模型預(yù)測你考慮的新的連鎖店的不同位置的可能銷售額。你估計(jì)得出（括號內(nèi)為對應(yīng)參數(shù)估計(jì)量的估計(jì)標(biāo)準(zhǔn)差，即）（0.02）(0.01)(1.0)(1.0)其中：：表示第個(gè)分店的日均銷售額：表示第個(gè)分店前每小時(shí)通過的汽車數(shù)量第個(gè)分店所處區(qū)域內(nèi)的平均收入：第個(gè)分店內(nèi)所有的桌子數(shù)量：第個(gè)分店所處地區(qū)競爭店面的數(shù)量請回答以下問題：①確定每個(gè)解釋變量前參數(shù)的期望符號，并計(jì)算統(tǒng)計(jì)量值，在1﹪的水平上檢驗(yàn)?zāi)Ｐ蛥?shù)的顯著性（注：）②回歸方程模型中可能存在什么問題？解：①第一、第二及第三個(gè)解釋變量前的參符號都期望為正，最后一個(gè)解釋變量前參數(shù)的符號期望為負(fù)。=>所以，對于物價(jià)水平這個(gè)變量可以通過顯著性檢驗(yàn)，即其前面的參數(shù)顯著的不為零。同理，=1<，故，對于模型中第二個(gè)解釋變量通不過檢驗(yàn)。=10>故，對于模型中第三個(gè)解釋變量可以通過檢驗(yàn)。=3>，故對模型中第四個(gè)解釋變量可以通過檢驗(yàn)。②的符號顯著地與期望符號不同，說明可能遺漏了產(chǎn)生正偏差的變量，遺漏的變量要么和正相關(guān)且有正的期望參數(shù)，要么和負(fù)相關(guān)且有負(fù)的期望參數(shù)。4、考慮以下模型：其中，。請進(jìn)行變量的差分變換消除此模型中的序列相關(guān)性？解：先將模型滯后一期再在二邊乘于得，再將愿模型與此新模型二邊相減得，此模型中的隨機(jī)誤差項(xiàng)滿足基本假定作差分變換處理后的模型為：此新模型不存在序列相關(guān)性5請將下列模型進(jìn)行適當(dāng)變換化為標(biāo)準(zhǔn)線性模型：①②③解：①設(shè)，則，原模型化為：②對原模型取對數(shù)：設(shè)，，則原模型化為：③對原模型取對數(shù)：設(shè)，則原模型化為：6設(shè)市場供求模型為：其中，為需求量，為供給量，為成交量，為價(jià)格，為時(shí)間，為收入，和為隨機(jī)項(xiàng)。請指出模型中的內(nèi)生變量、外生變量和先決變量。答：內(nèi)生變量：外生變量：先決