計(jì)量經(jīng)濟(jì)學(xué)試題卷和答案

1.計(jì)量經(jīng)濟(jì)學(xué)模型：提醒經(jīng)濟(jì)現(xiàn)象中客觀存在的因果關(guān)系，主要采用回歸分析方法的經(jīng)

濟(jì)數(shù)學(xué)模型。

2.參數(shù)估計(jì)的無(wú)偏性：它的均值或期望值是否等于總體的真實(shí)值。

3.參數(shù)估計(jì)量的有效性：它是否在所有線性無(wú)偏估計(jì)量中具有最小方差。估計(jì)量的期

望方差越大說明用其估計(jì)值代表相應(yīng)真值的有效性越差；否那么越好，越有效。不同的

估計(jì)量具有不同的方差，方差最小說明最有效。

4.序列相關(guān)：即模型的隨即干擾項(xiàng)違背了相互獨(dú)立的根本假設(shè)。

5.工具變量：在模型估計(jì)過程中被作為工具使用，以替代與隨即干擾項(xiàng)相關(guān)的隨機(jī)解釋

變量。

6.構(gòu)造式模型：根據(jù)經(jīng)濟(jì)理論和行為規(guī)律建立的描述經(jīng)濟(jì)變量之間直接關(guān)系構(gòu)造的計(jì)量

經(jīng)濟(jì)學(xué)方程系統(tǒng)。

7.內(nèi)生變量：具有某種概率分布的隨機(jī)變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估計(jì)的元素，

內(nèi)生變量是由模型系統(tǒng)決定的，同時(shí)也對(duì)模型系統(tǒng)產(chǎn)生影響。內(nèi)生變量一般都是經(jīng)濟(jì)變

量。

8.異方差：對(duì)于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)的方差不再是常數(shù)，而是互不一樣，那么認(rèn)

為出現(xiàn)了異方差性。

9.回歸分析：研究一個(gè)變量關(guān)于另一個(gè)〔些〕變量的依賴關(guān)系的計(jì)算方法和理論。其

目的在于通過后者的或設(shè)定值，去估計(jì)和預(yù)測(cè)前者的〔總體)均值。前一變量稱為被解

釋變量或應(yīng)變量，后一變量稱為解釋變量或自變量。

以下不屬于線性回歸模型經(jīng)典假設(shè)的條件是〕

1.???1A

A.被解釋變量確定性變量，不是隨B.隨機(jī)擾動(dòng)項(xiàng)服從均值為0，方差恒定

機(jī)變量。且協(xié)方差為Oo

C.隨機(jī)擾動(dòng)項(xiàng)咽從正態(tài)分布。D.解釋變量之間不存在多重共線性。

2.參數(shù)/的估計(jì)量/具備有效性是指〔

B),

AVar(fi)=0B.%一(應(yīng)為最小

D.4方一戶)為最小

C.E⑺叫=b

3.設(shè)Q為居民的豬肉需求量,I為居民收入，PP為豬肉價(jià)格，PB為牛肉價(jià)格，且牛

肉和豬肉是苗代魚品，那么建立如下的計(jì)量經(jīng)濟(jì)學(xué)模型：

根據(jù)理論預(yù)期，上述計(jì)量經(jīng)濟(jì)學(xué)模型中的估計(jì)參數(shù)功、

必和氏應(yīng)該是[C[

A.a<0,生<0,%>°B.由<0,42>0,%<°

C,?>0,魚<0,%>0D.4>0,必>0，&3<°

4.利用OLS估計(jì)模型工=%+/匕+自求得的樣本回歸線，以下哪些結(jié)論是不正確的

(D)

A.樣本用歸線通過〔元門〕點(diǎn)B.Z從=0

-A

c.y=yD甘=+ax,

5.用一組有20個(gè)觀測(cè)值的樣本估計(jì)模型匕=A+4X,+M后，在0.1的顯著

性水平下對(duì)向的顯著性作t檢驗(yàn)，那么A顯著地不等于零的條件是t統(tǒng)計(jì)

量絕對(duì)值大于1D)

A.to.i(2O)B.to.o5(2O)C.to.i(18)D.to.os(18)

6.對(duì)模型匕=凡+/7”療+凡*2,?+從進(jìn)展總體線性顯著性檢驗(yàn)的原假設(shè)是

(C)

A.4=4=%=。B.凡=0,其中/=0,1,2

C./3、=/?2=0D.用=。,其中/=1,2

7.對(duì)于如下的回歸模型MK=ao+aJnXj+M中，參數(shù)名的含義是(D)

A.X的相對(duì)變化，引起Y的期望B.Y關(guān)于X的邊際變化率

值的絕對(duì)變化量

C.X的絕對(duì)量發(fā)生一定變動(dòng)時(shí)，D.Y關(guān)于X的彈性

引起Y的相對(duì)變化率

8.如果回歸模型為背了無(wú)序列相關(guān)的假定，那么OLS估計(jì)量［A)

A.無(wú)偏的，非有效的B.有偏的，非有效的

C.無(wú)偏的，有效的D.有偏的，有效的

9.以下檢驗(yàn)方法中，不能用來檢驗(yàn)異方差的是1D)

A.格里瑟檢驗(yàn)B.戈德菲爾德?匡特檢驗(yàn)

C.懷特檢驗(yàn)D.杜賓-沃森檢驗(yàn)

10.在對(duì)多元線性回歸模型進(jìn)展檢驗(yàn)時(shí)，發(fā)現(xiàn)各參數(shù)估計(jì)量的t檢驗(yàn)值都很低，

但模型的擬合優(yōu)度很高且F檢驗(yàn)顯著，這說明模型很可能存在［C)

A.方差非齊性B,序列相關(guān)性

C.多重共線性D.模型設(shè)定誤差

11.包含截距項(xiàng)的回歸模型中包含一個(gè)定性變量，且這個(gè)定性變量有3種特征,

那么，如果我們?cè)诨貧w模型中納入3個(gè)虛擬變量將會(huì)導(dǎo)致模型出現(xiàn)(A)

A.序列相關(guān)B.異方差

C.完全共線性D.隨機(jī)解釋變量

12.以下條件中，哪條不是有效的工具變量需要滿足的條件(B〕

A.與隨機(jī)解釋變量高度相關(guān)B.與被解釋變量高度相關(guān)

C.與其它解釋變量之間不存在多D.與隨機(jī)誤差項(xiàng)不同期相關(guān)

重共線性

13.當(dāng)模型中存在隨機(jī)解釋變量時(shí)QLS估計(jì)參數(shù)仍然是無(wú)偏的要求〔A〕

A.隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)獨(dú)B.隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)同

立期不相關(guān)，而異期相關(guān)

C.隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)同D.不管哪種情況，OLS估計(jì)量

期相關(guān)都是有偏的

14.在分布滯后模型工=片+4％+見中，解釋變量對(duì)被解釋變量的長(zhǎng)期影響

乘數(shù)為［C)

A.B\B.夕2c,P,+%D.夕。+夕i+不

15.在聯(lián)立方程模型中，外生變量共有多少個(gè)(B〕

A.1B.2C.3AAD.4

1.普通最小二乘法確定一元線性回歸模型K=&+gXj+q的參數(shù)Bo和I的準(zhǔn)那么是

使(B)

A.Sei最小B.2ei2最小C.最大D.￡ei2最大

2、普通最小二乘法(OLS)要求模型誤差項(xiàng)從滿足某些根本假定。以下不正確的選項(xiàng)是

(B)1

A年…。B.%；)=/

CE(〃/j)=0,i0j口從?N(0,/)

3.調(diào)整后的判定疊整針與判定系數(shù)R2螃系是(k是待估參數(shù)的個(gè)數(shù))〔B〕

A.B.9二1心赤2)口

C.記2=(1-R2)"^D.R2=(1-R2)-i?Zk

4.箜聲截距喳三元簪里歸模網(wǎng)隨機(jī)誤差項(xiàng)的無(wú)偏估計(jì)量是1D)

A.nB.n-lC.n-2D.n-3

人人

5.設(shè)OLS法得到的樣本回歸直線為匕=&+四X,+",以下說法不正確的選項(xiàng)是

(D)

A.26二。B.(兄"落在回歸直線上

QY=YDCov(Xj,q)*0

6.根據(jù)樣本資料估計(jì)得到如下的人均產(chǎn)出Y對(duì)人均資本存量K的樣本回歸模

型：lnX=5+0.7lnKj。這說明人均資本存量每增加1％,人均產(chǎn)出預(yù)期將增加(B)

A.0.3%B.0.7%C.3%D.7%

7.設(shè)M為貨幣需求量，Y為收入水平,r為利率。根據(jù)凱恩斯流動(dòng)性偏好理論，建立

如下的貨幣需求計(jì)量經(jīng)濟(jì)學(xué)模型：根據(jù)理論預(yù)期，上述計(jì)量經(jīng)

濟(jì)學(xué)模型中的估計(jì)參數(shù)必和也應(yīng)該是［C)

A.d<0,色<0B.4<0,22>0

ca,>0<0D.4>0,匿>0

8.逐步回歸法既可檢驗(yàn)又可修正［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

9.懷特檢驗(yàn)方法可以檢驗(yàn)［C)

A.多重共線性B.自相關(guān)性

C.異方差性D.隨機(jī)解釋變量

10.DW檢驗(yàn)中，存在負(fù)自相關(guān)的區(qū)域是(A)

A.4-dL<DW值<4B,0<DW值<dL

C.du<DW值<4?duD.dL<DW值<du,4-du<DW值<4-dL

11.沒有截距項(xiàng)的回歸模型中包含一個(gè)定性變量，并且這個(gè)變量有三種特征，那么回歸

模型中需引入（C〕

A.一個(gè)虛擬變量B.二個(gè)虛擬變量

C.三個(gè)虛擬變量D.四個(gè)虛擬變量

12.工具變量法可以用來克制〔B

A.多重共線性B.隨機(jī)解釋變量

C.自相關(guān)D.異方差

13.如果回歸模型為背了同方差的假定，那么OLS估計(jì)量［A）

A.無(wú)偏的，非有效的B.有偏的，非有效的

C.無(wú)偏的，有效的D.有偏的，有效的

14.在有限分布滯后模型Yt=0.9+0.6Xt-0.5Xt?1+ut中，長(zhǎng)期影響乘數(shù)是（D）

A.0.6B.0.5C.0.1D.1.1

15.在聯(lián)立方程模型中，不屬于外生變量的前定變量共有多少個(gè)（A〕

A.1B.2C.3D.4

1.現(xiàn)有2021年中國(guó)31個(gè)省〔自治區(qū)、直轄市）的居民收入〔丫）和居民消費(fèi)支出［X）

數(shù)據(jù)。如果我們以上述樣本數(shù)據(jù)來估計(jì)中國(guó)居民的消費(fèi)函數(shù)，問：怎樣設(shè)定回歸方程來

能夠完全捕捉到中國(guó)東部、中部和西部地區(qū)居民消費(fèi)函數(shù)的差異？

2.有如下的計(jì)量經(jīng)濟(jì)學(xué)模型：Yi=Bo+B\Xi+也，且伙請(qǐng)問上述計(jì)量

經(jīng)濟(jì)學(xué)模型違背了哪條經(jīng)典假設(shè)？我們應(yīng)該照何修正上述模型？

3.對(duì)于如下的有限分布滯后模型：工=。+之力，我們?cè)诠烙?jì)這樣的模型時(shí)，

面臨著哪些主要的困難？請(qǐng)你說明有哪些方建可以克制上述困難？

4、有如下的聯(lián)立方程模型:

其中，C-消費(fèi)"一投資；丫一總收入；-利率；G-政府支出。請(qǐng)寫出上述聯(lián)立方程

模型的構(gòu)造式參數(shù)矩陣。

1.考慮如下過原點(diǎn)的線性回歸：匕對(duì)上述模型，是否仍然能

夠得到如下的結(jié)論：

2.在如下的計(jì)量經(jīng)濟(jì)學(xué)模型中：匕=&+四七+從，存在4=a%+《，請(qǐng)問如何修

正上述計(jì)量模型才能使得其系數(shù)的OLS估計(jì)量具有BLUE的性質(zhì)。

3.有如下的消費(fèi)計(jì)量模型:=為+四工+4,（其中S,為居民儲(chǔ)蓄，匕為居民收入）。如果

農(nóng)村居民和城鎮(zhèn)居民的邊際儲(chǔ)蓄傾向是不同的，那么我們應(yīng)該如何修正上述模型。

4.請(qǐng)將如下的隨機(jī)生產(chǎn)函數(shù)X=，轉(zhuǎn)化為線性的計(jì)量經(jīng)濟(jì)學(xué)模型，并說明參

數(shù)a和/7的經(jīng)濟(jì)意義。

1.下面的數(shù)據(jù)是對(duì)X和Y的觀察值得到的：

Wx=285.503,力.=118.790N底=1089.314,2胃=2663.893

=492.750；工七丫=T.708,=37,556,^y；=34.477

其中知為分別為兄,匕的離差；觀測(cè)值個(gè)數(shù)為31。問：

(1)用普通最小二乘法計(jì)算完成如下二元線性回歸模型的參數(shù)估計(jì)

X=Po+0\Xi+內(nèi)

(2)求擬合優(yōu)度R2

(3)在0.05的顯著性水平下檢驗(yàn)估計(jì)參數(shù)是否顯著

(4)求出用和自在0.95置信度下的置信區(qū)間

(附：魚25(30)=2.042,rOO5(3O)=1.697；r0025(29)=2.045,r()05(29)=1.699

2.現(xiàn)有2006年中國(guó)31個(gè)省(自治區(qū)、直轄市)的火災(zāi)經(jīng)濟(jì)損失Y(單位：億元)和保

費(fèi)收入X1單位：億元)的數(shù)據(jù)。我們的目的是估計(jì)中國(guó)的保費(fèi)收入對(duì)火災(zāi)經(jīng)濟(jì)損失的

影響，因此，我們建立了如下的回歸方程：皿匕=片+4lnX,+M

進(jìn)一步的，我們借助Eviews軟件完成了上述回歸方程的估計(jì)，Eviews軟件的輸出結(jié)

果如下：

DependentVariable:LN(Y)

Method:LeastSquares

Sample:131

Includedobservations:31

Coefficie

VariablentStd.Errort-StatisticProb.

-4.05473

C81.414064—0.0076

—

LN(X)0.1852866.2383440.0000

R-squared0.57300Meandependentvar4.71854

85

Adjusted0.558281.23583

R-squared4S.D.dependentvar0

0.82135