計量經(jīng)濟學(xué)題(答案)

1、計量經(jīng)濟學(xué)要點一、單項選擇題知識點：第一章 若干定義、概念時間序列數(shù)據(jù)定義橫截面數(shù)據(jù)定義1.同一統(tǒng)計指標(biāo)按時間順序記錄的數(shù)據(jù)稱為( B )。A、橫截面數(shù)據(jù) B、時間序列數(shù)據(jù) C、修勻數(shù)據(jù) D、原始數(shù)據(jù)2.同一時間，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變量 B、被解釋變量和解釋變量均為非隨機變量C、被解釋變量為隨機變量，解

2、釋變量為非隨機變量D、被解釋變量為非隨機變量，解釋變量為隨機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，被解釋變量只能由內(nèi)生變量擔(dān)任，不

3、能由非內(nèi)生變量擔(dān)任。4.單方程計量經(jīng)濟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.單方程計量經(jīng)濟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變量 B、被解釋變量和解釋變量均為非隨機變量C、被解釋變量為隨機變量，解釋變量為非隨機變量D、被解釋變量為非隨機變量，解釋變量為隨機變量雙對數(shù)模型中參數(shù)的含義；7.雙對數(shù)模型中，參數(shù)的含義是（ D ）A .X的相對變化，引起Y的期望值絕對量變化 B.Y關(guān)于X的邊際變化C.

4、X的絕對量發(fā)生一定變動時，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 中，參數(shù)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 的邊際變化計量經(jīng)濟學(xué)研究方法一般步驟 四步12點9.計量經(jīng)濟學(xué)的研究方法一般分為以下四個步驟（ 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、估計參數(shù)、模型檢驗、模型應(yīng)用C搜集數(shù)據(jù)、模型設(shè)定、估計參數(shù)、預(yù)測檢驗D模型設(shè)定、檢驗、 結(jié)構(gòu)分析、模型應(yīng)用對計量經(jīng)濟模型應(yīng)當(dāng)進行哪些方面的檢驗？經(jīng)濟意義檢驗：檢驗?zāi)Ｐ凸烙嫿Y(jié)果，尤其是參數(shù)估計，是否符合經(jīng)濟理論。統(tǒng)計推斷檢驗：檢驗參數(shù)

5、估計值是否抽樣的偶然結(jié)果，運用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型及參數(shù)的統(tǒng)計可靠性做出說明。主要有t，F(xiàn) ，R2等檢驗；計量經(jīng)濟學(xué)檢驗：檢驗?zāi)Ｐ褪欠穹嫌嬃拷?jīng)濟方法的基本假定，例如檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性，檢驗?zāi)Ｐ椭械碾S機擾動項是否存在自相關(guān)和異方差性等等。預(yù)測檢驗：模型預(yù)測的結(jié)果與經(jīng)濟運行的實際結(jié)果相對比，以此檢驗?zāi)Ｐ偷挠行?。在使用計量?jīng)濟模型分析問題時，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）時間序列數(shù)據(jù)（Time Series Data）把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時間順序和時間間隔（如月度、季度、年度）排列起來，這樣的統(tǒng)計數(shù)據(jù)稱為時間序列

6、數(shù)據(jù)；（2）截面數(shù)據(jù)(Cross-Section Data)同一時間（時期或時點）某個指標(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)，對若干個體進行多期觀測。例如在居民收支調(diào)查中收集的對各個固定調(diào)查戶在不同時期的調(diào)查數(shù)據(jù)，又如全國各省市不同年份的經(jīng)濟發(fā)展?fàn)顩r的統(tǒng)計數(shù)據(jù)，就都是面板數(shù)據(jù)；（4）虛擬變量數(shù)據(jù)(Dummy Variables Data)。時間序列數(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)的計量經(jīng)濟模型已成為計量經(jīng)濟學(xué)研究的專門問題，容易產(chǎn)生異方差、自相關(guān)性。計量經(jīng)濟模型檢驗通常

7、包含哪些檢驗？每種檢驗基本思想是什么？ 經(jīng)濟意義檢驗：檢驗?zāi)Ｐ凸烙嫿Y(jié)果，尤其是參數(shù)估計，是否符合經(jīng)濟理論。統(tǒng)計推斷檢驗：檢驗參數(shù)估計值是否抽樣的偶然結(jié)果，運用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型及參數(shù)的統(tǒng)計可靠性作出說明。計量經(jīng)濟學(xué)檢驗：檢驗?zāi)Ｐ褪欠穹嫌嬃拷?jīng)濟方法的基本假定，例如檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性，檢驗?zāi)Ｐ椭械碾S機擾動項是否存在自相關(guān)和異方差性等等。預(yù)測檢驗：模型預(yù)測的結(jié)果與經(jīng)濟運行的實際結(jié)果相對比，以此檢驗?zāi)Ｐ偷挠行?。第二?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量滿足的統(tǒng)計性質(zhì)（最佳線性無偏估計）；1.古典線性回歸模型的普通最小二乘估計量滿足的統(tǒng)計性

8、質(zhì)(A)A.最佳線性無偏估計 B.僅滿足線性性 C.非有效性 D.有偏性樣本回歸直線2.設(shè)OLS法得到的樣本回歸直線為，則點 ( 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：隨機擾動項與解釋變量不相關(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 ）A. 隨機誤差項 B. 殘差 C.的離差 D.的離差t檢驗通?？梢杂糜跈z驗 （ D ）A 模型擬合優(yōu)度 B 模型整體顯著性 C 正態(tài)性 D 個體參數(shù)顯著性4.

9、以下模型中不屬于變量線性回歸模型是( A )。A、 B、C、 D、5.用最小二乘法作回歸分析時提出了古典假定，這是為了（ B ） A. 使回歸方程更簡化 B. 得到總體回歸系數(shù)的最佳線性無偏估計 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、 B、 C、 D、 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)變量觀測值與估計值之間的總變差l 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

10、小 B應(yīng)變量回歸估計值總變差的大小 C應(yīng)變量觀測值與估計值之間的總變差 DY關(guān)于X的邊際變化多元線性回歸模型ESS自由度為k-1l 多元線性回歸分析中的 ESS的自由度是( D ） AK Bn Cn-K Dk-1調(diào)整后的判定系數(shù)與判定系數(shù)之間的關(guān)系l 有關(guān)調(diào)整后的判定系數(shù)與判定系數(shù)之間的關(guān)系敘述正確的是（ C ）A 等于 B 與沒有數(shù)量關(guān)系C 一般情況下D 大于l 在模型的回歸分析結(jié)果報告中，有，則表明（ D ）A、解釋變量對的影響是顯著的B、解釋變量對的影響是顯著的C、解釋變量和對的影響是均不顯著D、解釋變量和對的聯(lián)合影響是顯著的第四章 多重共線性（1）定義、產(chǎn)生原因；（2）后果；（3）檢測

11、；（4）彌補。參數(shù)的最小二乘估計量的性質(zhì)l 簡單相關(guān)系數(shù)矩陣方法主要用于檢驗（ D ）A異方差性 B.自相關(guān)性 C隨機解釋變量 D.多重共線性l 能夠檢驗多重共線性的方法有AA.簡單相關(guān)系數(shù)矩陣法 B. DW檢驗法C. White檢驗 D.ARCH檢驗法l 如果模型中的解釋變量存在完全的多重共線性，參數(shù)的最小二乘估計量是（ C ）A無偏的 B. 有偏的 C. 無法估計 D. 無正確答案l 如果模型中的解釋變量存在不完全的多重共線性，參數(shù)的最小二乘估計量是（ A ）A無偏的 B. 有偏的 C. 無法估計 D. 無正確答案l 如果模型中的解釋變量存在完全的多重共線性，參數(shù)的最小二乘估計量是（ C

12、）A無偏的 B. 有偏的 C. 無法估計 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。檢驗異方差的方法；修正異方差的方法；l ARCH檢驗方法主要用于檢驗（ A ）A異方差性 B.自相關(guān)性 C隨機解釋變量 D.多重共線性l 下列方法可以用于檢驗?zāi)Ｐ椭挟惙讲钚缘姆椒ㄓ?（ D ）A DW檢驗 B 相關(guān)系數(shù)矩陣 C 判定系數(shù)法 D White檢驗l Goldfeld-Quandt方法用于檢驗（ A ）A異方差性 B.自相關(guān)性 C隨機解釋變量 D.多重共線性l 在模型有異方差的情況下,常用的估計方法是( D )A. 廣義差分法 B. 工具變量法 C. 逐步回

13、歸法 D. 加權(quán)最小二乘法l White檢驗可用于檢驗（ B ）A自相關(guān)性 B. 異方差性 C解釋變量隨機性 D.多重共線性l 加權(quán)最小二乘可以解決下列哪個問題 ( D )A多重共線性 B. 誤差項非正態(tài)性C自相關(guān)性 D. 異方差性l 關(guān)于Goldfeld-Quandt檢驗，下列說法正確的是（ C ）A它是檢驗?zāi)Ｐ褪欠翊嬖谧韵嚓P(guān) B.該檢驗所需要的樣本容量較小 C該檢驗需要去掉部分樣本 D. 它是檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性l 下列方法可以用于檢驗?zāi)Ｐ椭挟惙讲钚缘姆椒ㄓ?（ D ）A DW檢驗 B 相關(guān)系數(shù)矩陣 C 判定系數(shù)法 D White檢驗l 如果模型中存在異方差現(xiàn)象，則普通最小二乘估計量

14、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?zāi)Ｐ椭惺欠翊嬖诋惙讲钚?違背同方差假定，擾動項的方差會隨著某個（些）因素而發(fā)生變化。觀察殘差圖、White檢驗、ARCH檢驗、Golden-Quant檢驗等。l 回歸模型具有異方差性時，仍用最小二乘法估計參數(shù)，則以下（ B ）是錯誤的。 A、參數(shù)估計值是無偏非有效的 B、仍具有最小方差C、常用的t和F檢驗失效 D、預(yù)測區(qū)間增大，精度下降第六章自相關(guān)性（1）定義、產(chǎn)生原因；（2）后果；（3）檢測；（4）彌補。違背自相關(guān)造成后果（無偏非有效）；在DW檢驗中，當(dāng)d統(tǒng)計量為2時，表明無自

15、相關(guān)性存在；DW判斷區(qū)域規(guī)則；l 在DW檢驗中，當(dāng)d統(tǒng)計量為2時，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l 如果回歸模型違背了無自相關(guān)假定，最小二乘估計量是( 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l 如果在模型中，隨機擾動項違背了無自相關(guān)假定，則下列說法正確的是( A )A最小二乘估計量是無偏的且非有效 B. 最小二乘估計量是有偏的且有效C最小二乘估計量是無偏的且有效D. 最小二乘估計量是有偏的但非有效l 在DW檢驗中，不能判定的區(qū)域是（ C ）A. B. C. D. 上述都不對l 已知樣本

16、回歸模型殘差的一階自相關(guān)系數(shù)接近于1，則DW統(tǒng)計量近似等于( A ) A. 0 B. 1 C. 2 D. 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類型的特點分布滯后模型短期影響乘數(shù)l 設(shè)無限分布滯后模型為 ，則短期影響乘數(shù)為（ ）A B、 C、 D、 l 對于有限分布滯后模型在一定條件下，參數(shù)可近似用一個關(guān)于i的多項式表示（i=0，1，2，K），下列說法中不正確的是（ ）A、多項式的階數(shù)小于 B、可采用Almon法對此模型進行估計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l 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

17、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l 對于含有截距項的計量經(jīng)濟模型，若想將含有m個互斥類型的定性因素引入到模型中，則應(yīng)該引入虛擬變量個數(shù)為 （ ） A m B m-1 C m+1 D m-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，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數(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。虛擬變量個數(shù)的設(shè)置規(guī)則是：若定性因素有m個相互排斥的類型（或?qū)傩?、水平），在有截距項的模型中只能引入m1個虛擬變量，否則會陷入所謂“虛擬變量陷阱”，產(chǎn)生

18、完全的多重共線性。在無截距項的模型中，定性因素有m個相互排斥的類型時，引入m個虛擬變量不會導(dǎo)致完全多重共線性，不過這時虛擬變量參數(shù)的估計結(jié)果，實際上是D=1時的樣本均值。l 設(shè)某計量經(jīng)濟模型為：，其中大學(xué)教授年薪，則對于參數(shù)、的含義，下列解釋不正確的是 （ ）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l 對于一個含有截距項的計量經(jīng)濟模型，若某定性因素有m個互斥的屬性，對于一個含有截距項的計量經(jīng)濟模型，若某定性因素有m個互斥的類型，為將其引入模型中，則需要引入虛擬變量個數(shù)為 （ ） A m

19、B m-1 C m+1 D m-k第十章 時間序列數(shù)據(jù)特有屬性平穩(wěn)的概念、產(chǎn)生的后果、檢驗的方法非平穩(wěn)時間序列數(shù)據(jù)的建模技術(shù)要點l 某一時間序列經(jīng)一次差分變換成平穩(wěn)時間序列，此時間序列稱為（）A1階單整 B2階單整 CK階單整 D以上答案均不正確簡述時間序列平穩(wěn)性的含義時間序列平穩(wěn)性分嚴(yán)格平穩(wěn)和廣義平穩(wěn)性。嚴(yán)格平穩(wěn)是指隨機過程的聯(lián)合分布函數(shù)與時間的位移無關(guān)；廣義平穩(wěn)性是指隨機過程的均值、方差不隨時間變化，自協(xié)方差函數(shù)僅是時間間隔的函數(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)系的錯誤結(jié)論。造成“偽回歸”的根本原因

20、在于時間序列變量的非平穩(wěn)性。l 下列方法可以用于檢驗時間序列平穩(wěn)性的是（ ）A. ARCH檢驗 B. White檢驗 C. ADF檢驗 D. DW檢驗二、簡答題1、計量經(jīng)濟模型檢驗通常包含哪些檢驗？每種檢驗基本思想是什么？經(jīng)濟意義檢驗：檢驗?zāi)Ｐ凸烙嫿Y(jié)果，尤其是參數(shù)估計，是否符合經(jīng)濟理論。統(tǒng)計推斷檢驗：檢驗參數(shù)估計值是否抽樣的偶然結(jié)果，運用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型及參數(shù)的統(tǒng)計可靠性作出說明。計量經(jīng)濟學(xué)檢驗：檢驗?zāi)Ｐ褪欠穹嫌嬃拷?jīng)濟方法的基本假定，例如檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性，檢驗?zāi)Ｐ椭械碾S機擾動項是否存在自相關(guān)和異方差性等等。預(yù)測檢驗：模型預(yù)測的結(jié)果與經(jīng)濟運行的實際結(jié)果相對比，以此檢驗

21、模型的有效性。2、在使用計量經(jīng)濟模型分析問題時，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）、時間序列數(shù)據(jù)（Time Series Data）把反映某一總體特征的同一指標(biāo)的數(shù)據(jù)，按照一定的時間順序和時間間隔（如月度、季度、年度）排列起來，這樣的統(tǒng)計數(shù)據(jù)稱為時間序列數(shù)據(jù)。（2）、截面數(shù)據(jù)(Cross-Section Data)同一時間（時期或時點）某個指標(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)，對若干個體進行多期觀測。例如在居民收支調(diào)查中收集的對各個固定調(diào)查戶在不同時期的調(diào)查數(shù)據(jù)，又如全國各

22、省市不同年份的經(jīng)濟發(fā)展?fàn)顩r的統(tǒng)計數(shù)據(jù)，就都是面板數(shù)據(jù)。（4）、虛擬變量數(shù)據(jù)(Dummy Variables Data)。時間序列數(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)的計量經(jīng)濟模型已成為計量經(jīng)濟學(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)、“

23、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。4、經(jīng)典線性計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：隨機擾動項與解釋變量不相關(guān); 假定5：正態(tài)性假定；假定6：無多重共線性5、什么是異方差性？有哪些方法可以檢驗?zāi)Ｐ椭惺欠翊嬖诋惙讲钚?違背同方差假定，擾動項的方差隨某個解釋變量在變化。觀察殘差圖、White檢驗、ARCH檢驗、Goldenfeld-Quandt檢驗等。6、簡述虛擬變量設(shè)置規(guī)則虛擬變量個數(shù)的設(shè)置規(guī)則是

24、：若定性因素有m個相互排斥的類型（或?qū)傩浴⑺剑?，在有截距項的模型中只能引入m1個虛擬變量，否則會陷入所謂“虛擬變量陷阱”，產(chǎn)生完全的多重共線性。在無截距項的模型中，定性因素有m個相互排斥的類型時，引入m個虛擬變量不會導(dǎo)致完全多重共線性，不過這時虛擬變量參數(shù)的估計結(jié)果，實際上是D=1時的樣本均值。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數(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

25、的途徑引入虛擬變量有不同的作用，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)系的錯誤結(jié)論。造成“偽回歸”的根本原因在于時間序列變量的非平穩(wěn)性。10、簡述時間序列平穩(wěn)性的含義時間序列平穩(wěn)性分嚴(yán)格平穩(wěn)和廣義平穩(wěn)性。 嚴(yán)格平穩(wěn)是指隨機過程的聯(lián)合分布函數(shù)與時間的位移無關(guān)；廣義平穩(wěn)性是指隨機過程的均值、方差不隨時間變化，自協(xié)方差函數(shù)僅是時間間隔的函數(shù)，又稱為弱平穩(wěn)性。三、計算題題干已給出一個估計結(jié)果，問：系數(shù)的經(jīng)濟意義；估計出來的系數(shù)是否符合經(jīng)濟意義；t值計算（已給出系

26、數(shù)及標(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)驗即可判斷）；根據(jù)已給出的，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個省市的截面數(shù)據(jù)估計結(jié)果如下： t=(-3.) (6.) (3.) R2=0. F=191.1894 n=31（1）從經(jīng)濟意義上考察估計模型的合理性。（2）X1、 X2兩個變量是否顯著？模型的整體是否顯著？

27、理由是？某公司想決定在何處建造一個新的百貨店，對已有的30個百貨店的銷售額作為其所處地理位置特征的函數(shù)進行回歸分析，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，估計得出（括號內(nèi)為估計的標(biāo)準(zhǔn)差） （0.02） （0.01） （1.0） （1.0）其中：第個百貨店的日均銷售額（百美元）；第個百貨店前每小時通過的汽車數(shù)量（10輛）； 第個百貨店所處區(qū)域內(nèi)的人均收入（美元）； 第個百貨店內(nèi)所有的桌子數(shù)量； 第個百貨店所處地區(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)濟含義。2、各個變量前參數(shù)估計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變量的顯著

28、性。（臨界值，）運用計量模型研究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：Yt=a0+a1X1t+a2X2t+a3X3t+a4X4t+a5X5t+a6X6t+utYt-我國歷年糧食總產(chǎn)量(單位：萬噸)X1t-農(nóng)業(yè)化肥施用量（萬噸）X2t-糧食播種面積（千公頃）X3t-成災(zāi)面積（千公頃）X4t-農(nóng)業(yè)機械年末擁有量（億瓦特）X5t-農(nóng)林牧漁業(yè)總勞動力（萬人）X6t-有效灌溉面積（千公頃）Ut-其它影響糧食產(chǎn)量的因素（隨機誤差項）模型估計結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 05/25/09 Ti

29、me: 21:03Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. X15.1.（ ）0.0096X20.0.1.0.1044X3-0.0.-2.0.0591X4-0.0.-0.0.6571X5-0.0.-0.0.7872X60.0.0.0.5547C-17495.3327898.47-0.0.5434R-squared0. Mean dependent var44127.13Adjusted R-squared0. S.D. dependent var4408.967

30、S.E. of regression1200.687 Akaike info criterion17.30448Sum squared resid Schwarz criterion17.65073Log likelihood-148.7403 F-statistic36.37094Durbin-Watson stat2. Prob(F-statistic)0.根據(jù)此估計結(jié)果，是回答下列問題：（1） 計算X1的t統(tǒng)計量值；（2） 模型整體是否顯著？ 理由是？（3） 各變量的系數(shù)估計值是否符合經(jīng)濟意義？ 如果不符合，你覺得是什么原因造成的？家庭消費支出（Y）、可支配收入（）、家庭財富（）設(shè)定模型

31、如下：回歸分析結(jié)果為：LS / Dependent Variable is YDate: 18/11/09 Time: 15:18Sample: 1 10Included observations: 10 Variable Coefficient Std. Error T-Statistic Prob. C 24.4070 6.9973 _ 0.0101 - 0.3401 0.4785 _ 0.5002 0.0823 0.0458 0.1152R-squared 0.9615 Mean dependent var 111.1256 Adjusted R-squared 0.9505 S.D. dependent var 31.4289 S.E. of regression _ Akaike info criterion 4.1338 Sum squared resid 342.5486 Schwartz criterion 4.2246 Log likelihood - 31.8585 F-statistic 87.4062 Durbin-Watson stat 2.4382 Prob(F-statistic) 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（注意給出計算步驟）；、 模型是否存在多重共