计量经济学复习地训练题目

《计量经济学复习地训练题目》由会员分享，可在线阅读，更多相关《计量经济学复习地训练题目（10页珍藏版）》请在装配图网上搜索。

1、实用标准文案计量经济学试题绪论部分：1. 下列属于时间序列数据的有（ACDE）A.1980 1990年某省的人口数B.1990 年某省各县市国民生产总值C.1990 1995年某厂的工业总产值D.1990 1995 年某厂的职工人数E.1990 1995年某厂的固定资产总额2. 在同一时间，不同统计单位的相同统计指标组成的数据列是( D)A. 时期数据B.混合数据C.时序数据D.截面数据3 下面属于截面数据的是（D）A 19811990 年各年某地区20 个乡镇的平均工业产值B 19811990 年各年某地区20 个乡镇的各镇工业产值C 某年某地区 20 个乡镇的工业产值的总量D 某年某地区

2、20 个乡镇的各镇的工业产值第 2 章：一元线性回归1利用普通最小二乘法估计得到的样本回归直线Y i01 X i ，必然通过 (A)A.点( X,Y )B.点 (0，0)C.点( X ，0)D.点(0， Y )2根据样本资料已估计得出人均消费支出Y 对人均收入X 的回归模型为?Y=5+0.75L?X,L nn这表明人均收入每增加1%，人均消费支出将预期增加（B）A 0.2%B 0.75%C 5%D 7.5%3 普通最小二乘法确定一元线性回归模型?Xie的参数?的准则是使Yi=01i0 和1（ B）A ei最小B ei2 最小 C ei 最大D ei2 最大第 2 章：一元线性回归1回归分析中，

3、用来说明拟合优度的统计量为(B)A. 相关系数B.判定系数C.回归系数D.标准差2对于随机误差项u , Var(u)=E(u22B）ii )=内涵指（iA随机误差项的均值为零B所有随机误差都有相同的方差C两个随机误差互不相关D误差项服从正态分布3判定系数 R2 的取值范围为 ( B )A.0 R2 2B.0 R2 1C.0 R24D.1R244以 Y 表示实际观测值，Y 表示估计值，则普通最小二乘法估计参数的准则是使（D）精彩文档实用标准文案A(YiY i ) 0 B(Yi Y i )20 C(Yi Y i ) 最小 D(Yi Y i ) 2 最小5普通最小二乘法估计回归参数的基本准则是使（C

4、 ）最小。A总变差B、参数平方和C 、残差平方和D 、回归平方和6已知某一直线回归方程的可决系数为0.81 ，则解释变量与被解释变量间的线性相关系数为（ B）A、 0.81B、0.9C、 0.405D、 0.6541第 3 章：多元回归分析1多元回归模型 Yi12 X 2 i3 X 3iui 通过了整体显著性F 检验，则可能的情况为(BCD)A.20,30B. 2 0，3 0C.2=0， 30D.20， 3=0E.1 =0， 2 =0，3 =02多元回归模型中F 检验的备择假设为（ B）A偏回归系数全为OB. 偏回归系数不全为OC.常数项不为 OD.偏回归系数都不为 0第 8 章：虚拟变量回归

5、1 设个人消费函数Yi=C0+C1Xi+ui 中，消费支出 Y 不仅同收入X 有关，而且与消费者年龄构成有关，年龄构成可分为青年、中年和老年三个层次，假设边际消费倾向不变，则考虑年龄因素的影响，该消费函数引入虚拟变量的个数应为( B )有截距，则引入 n-1个A.1 个B.2个 C.3个D.4个2 根据虚拟变量D 取值的变化，回归模型Yi=0+ 1D+ 1Z i +2 （ DZi） +ui 可以表示成的形式有（）AYi=0+1 Zi+uiB Yi= 0+(12 ) Zi +uiCYi=(0+1)+ 1Z i +uiD C Yi=(0+1)+(12 )Z i +uiEYi=0+1 Zi3 在回归

6、模型 Yi1D12 D 23 Xiui 中， D 为性别因素， D11男00，女,精彩文档实用标准文案1 女D2，则会产生的问题为（D）0男A. 异方差B.序列相关C.不完全共线性D.完全共线性4 以加法的方式引进虚拟变量，将会改变（A）A 模型的截距B模型的斜率C同时改变截距和斜率D误差项第 5 章：异方差性1 在线性回归模型中，如果存在异方差，则常用的估计方法是（D）A广义差分法B 工具变量法C 一阶差分法D 加权最小二乘法2 怀特检验适用于检验 (B )A. 序列相关B.异方差C. 多重共线性D.设定误差3 下列可说明存在异方差的情况是（D）A. E(ui )0 B.E(uiu j )0

7、 ij C.2)22)2E(ui（常数）D. E(uii4 名词解释：异方差：对于不同的样本点，随机误差项的方差不是常数。5 下面那种方法不是检验异方差的方法（D）A图示法B WHITE检验法C Glejser检验D方差膨胀因子法第 6 章：序列相关性1 当 DW4-dL，则认为随机误差项ui （D）A不存在一阶负自相关B无一阶序列相关C存在一阶正自相关D存在一阶负自相关2 对于大样本，德宾- 瓦森（ DW）统计量的近似计算公式为（C）A DW 2（2- ? ） B DW 3（1- ?） C DW2（ 1- ?）D DW2（ 1+ ?）3 对于某样本回归模型，已求得 DW的值为 l ，则模型残

8、差的自相关系数近似等于（ C）A.-0.5B.0C.0.5D.14 以下选项中，正确表达了序列相关的是（A）A.Cov(u i ，uj ) 0， i jB.Cov(u i ， uj )=0 ， i jC.Cov(xi ， xj ) 0， i=jD.Cov(x i ， uj ) 05 已知样本回归模型残差的一阶自相关系数接近于-1 ，则 DW统计量近似等于 ( D)A.0B.1C.2D.46 若使用普通最小二乘法估计的模型残差的一阶自相关系数为0.8 ，则 DW统计量的值近似为（B）A0.2B0.4C0.8D1.67 如果 dLDWdu，则 ()A. 随机误差项存在一阶正自相关B. 随机误差项存

9、在一阶负自相关C. 随机误差项不存在一阶自相关D. 不能判断随机误差项是否存在一阶自相关8 序列相关是指回归模型中( D)A. 解释变量 X 的不同时期相关B. 被解释变量Y 的不同时期相关C. 解释变量 X 与随机误差项u 之间相关D.随机误差项u 的不同时期相关精彩文档实用标准文案9 DW 检验适用于检验 ( B )A. 异方差B.序列相关C.多重共线性D. 设定误差10若计算的 DW 统计量接近4，则表明该模型（C ）A. 不存在一阶序列相关B.存在一阶正序列相关C. 存在一阶负序列相关D.存在高阶序列相关11最可能出现序列相关的样本数据类型是（A）A时间序列数据B. 虚拟变量数据C.截

10、面数据D.混合数据12计量经济模型中序列相关的主要检验方法有（AD ）A残差图法B. 方差比检验法C.ADF 检验法 D.DW检验法 E. Glejser检验法名词解释：一阶自相关：随机误差项u与滞后一期的误差项u相关，即 u=p ut-1+v。tt-1tt简答题： 试用图示的方法说明DW检验的判断区间和判断标准。13模型存在序列相关时，适宜的参数估计方法是（C ）A 加权最小二乘法B间接最小二乘法C广义差分法D工具变量法14当 DW=4时，说明（D）A. 不存在序列相关B.不存在一阶自回归形式的序列相关C. 存在完全的正的一阶自回归形式的序列相关D.存在完全的负的一阶自回归形式的序列相关14

11、列那种形式的序列相关可用DW统计量检验（A）Att 1vtB2vttt 1t 2CtvtDtvt 12 vt 2第 4 章：多重共线性1 在线性回归模型中，若解释变量X1 和 X2 的观测值成比例，即X1i=KX2i ，其中 K 为常数，则表明模型中存在 ( B)A. 方差非齐性B.多重共线性C. 序列相关D.设定误差2 检验多重共线性的方法有( ACD)A. 简单相关系数检测法B. 样本分段比较法C. 方差膨胀因子检测法D.判定系数增量贡献法E.工具变量法3 判定系数增量贡献法可用于检测（C）A方差非齐性问题B序列相关问题C多重共线性问题D回归系数是否显著异于零4 在对多元线性回归模型进行检

12、验时，发现各参数估计量的t检验值都很低，但模型的R2值却很高，这说明模型存在（C）A方差非齐性B 序列相关性C多重共线性D设定误差5 常用的处理多重共线性的方法有()A. 追加样本信息B. 使用非样本先验信息C. 进行变量形式的转换D. 逐步回归法E. 广义差分法6 计量经济模型中存在多重共线性的原因为( CDE)A. 模型中存在异方差B.模型中存在虚拟变量C.经济变量相关的共同趋势D. 滞后变量的引入E.样本资料的限制7 在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在 ( A)精彩文档实用标准文案A.多重共线性B.异方差性C.序列相关D.高拟合优度名词

13、解释：多重共线性：两个或多个解释变量之间出现的线性相关性。8、如果方差膨胀因子VIF 10，则认为（C）问题是严重的。A、异方差性B、序列相关性C、多重共线性D、解释变量与随机项的相关性第 10 章：时间序列的平稳性及其检验1 如果一个时间序列呈上升趋势，则这个时间序列是( B)A. 平稳时间序列B.非平稳时间序列C.一阶单整序列D.一阶协整序列2 平稳时间序列的均值和方差是固定不变的，它的协方差只与(A)A. 所考察的两期间隔长度有关B.时间 t 有关C. 时间序列的上升趋势有关D.时间序列的下降趋势有关3 某一时间序列经过两次差分后成为平稳时间序列，此时间序列为（A）A2 阶单整B 3 阶

14、单整C4 阶单整D5 阶单整4 如果 Yt 为平稳时间序列，则Yt 为 ( )A.0 阶单整B.1阶单整C.2阶单整D.协整5 名词解释平稳时间序列： 是指均值和方差固定不变， 协方差只与所考察的两期间隔长度有关， 而与时间的变化无关的时间序列。k 阶单整：如果一个非平稳时间序列经过 K 次差分后平稳，而 K-1 次差分却不平稳，则称这个时间序列是 K 阶单整的。分析题1 根据 25 户居民的可支配收入I 、家庭财产 A 与消费支出 CM间的数据。 以下是使用 Eviews估计模型得到的结果：Dependent Variable: CMMethod: Least SquaresDate: 12

15、/20/07 Time: 22:50Sample: 1 25Included observations: 25VariableCoefficieStd. Errort-StatistiProb.ntcC2.8005151.2065482.3210970.0299I1.0628050.03788728.051670.0000A1.0569130.2275114.6455560.0001R-squared0.997426Mean dependent var70.76000Adjusted R-squared0.997192S.D. dependent var50.49115S.E. of regr

16、ession2.675554Akaikeinfo4.918357criterionSum squared resid157.4890Schwarz criterion5.064622精彩文档实用标准文案Log likelihood-58.47946F-statistic4262.507Durbin-Watson stat1.313753Prob(F-statistic)0.000000要求：（ 1）写出回归方程； （2）写出调整的可决系数；（3）对变量进行显著性检验（=0.01 ）。解：（ 1）CM=2.80+1.06I+1.06A（ 2） A-R2=0.997192（ 3）自变量 I 对应的

17、概率p=0.0000 、 A 对应的概率 p=0.0001 ，均小于指定的显著性水平 0.01 。所以，变量都显著。2 依据能源消费量 EQ与能源价格 P 之间的20 组数据，以 OLS估计 EQ关于 P 的线性回归，计算残差序列。 然后以残差的绝对值为被解释变量，价格为解释变量建立先行回归，结果如下：Dependent Variable: EMethod: Least SquaresDate: 12/20/07 Time: 23:31Sample: 1 20Included observations: 20VariableCoefficieStd. Errort-StatistiProb.n

18、tcC14.450073.1772974.5479140.0002P-0.2493000.113945-2.1879020.0421R-squared0.210073Mean dependent var8.155260Adjusted R-squared0.166188S.D. dependent var6.602665S.E. of regression6.029111Akaikeinfo6.525716criterionSum squared resid654.3033Schwarz criterion6.625289Log likelihood-63.25716F-statistic4.

19、786915Durbin-Watson stat0.534115Prob(F-statistic)0.042111据此可否认为模型存在异方差性（=0.05 ）？解：残差绝对值 E 对价格 P 的回归方程的 F 统计量的概率为 0.04211 、价格 P 对应的概率为 0.0421 ，均小于显著性水平0.05 ，所以模型存在异方差性。3 搜集 1960 至 1982 年 7 个 OECD国家（美国、西德、英国、意大利、日本和法国）的总能源需求指数（ Y，万吨）、实际 GDP（X1，亿美元）、实际能源价格（ X2）的数据（所有指数均以 1970 年为 100%计算）。采用 EViews 软件估计，

20、输出结果为：Dependent Variable: LOG(Y)Method: Least SquaresDate: 12/21/09 Time: 23:56Sample: 1960 1982Included observations: 23精彩文档实用标准文案VariableCoefficientStd. Errort-StatisticProb.C1.5145610.08528717.758450.0000LOG( X1)1.0207340.01808756.434940.0000LOG(X2)-0.3467200.023008-15.069650.0000MeandependentR-s

21、quared0.994951var4.409851S.D.dependentAdjusted R-squared0.994446var0.228688AkaikeinfoS.E. of regression0.017043criterion-5.185011Sum squared resid0.005809Schwarz criterion- 5.036903Hannan-QuinnLog likelihood62.62762criter.-5.147762Durbin-WatsonF-statistic1970.490stat1.099985Prob(F-statistic)0.000000

22、要求：（ 1）写出对数线性回归方程； （ 2）解释 Log(X 1) 系数的经济学意义； （3）检验解释变量的统计显著性。解：（ 1）对数线性模型为：lnY=1.51+1.02lnX 1-0.35lnX2（ 2）若价格保持不变，GDP提高 1%，能源需求量增加1.02%。（ 3）因为， lnX 1、lnX 2 对应的 t 统计量的概率在 4 位有效数内均为零，所以，GDP和能源价格对能源需求量的影响都显著。 （ 3 分）4 收集中国 1985 年 2003 年的实际 GDP（ X）与进口额（ Y）（单位：亿元） ，采用 OLS估计线性模型参数，结果 Durbin-Watson 统计量为 0.5

23、2385 。问（ 1）这一结果表明模型可能存在什么问题？由于怀疑模型存在古典假定违背的问题，又进行了拉格朗日乘数检验，结果为：Breusch-Godfrey Serial Correlation LM Test:Prob.F-statistic12.87670Prob. F(3,14)0.0003Prob.Obs*R-squared13.94586Chi-Square(3)0.0030Dependent Variable: RESIDCoefficienVariabletStd. Errort-StatisticProb.C-287.9183310.4565-0.9274030.3694X0.

24、0172600.0143281.2046820.2483RESID(-1)1.8115920.3478315.2082520.0001RESID(-2)-0.8047270.563530-1.4280110.1752精彩文档实用标准文案RESID(-3)-0.087452 0.437610-0.1998390.8445以及Breusch-Godfrey Serial Correlation LM Test:F-statistic20.62862Prob. F(2,15)0.0000（2）根据这两Prob.Obs*R-squared13.93398Chi-Square(2)0.0009个输出结果

25、可以得出什么结Dependent Variable: RESID论？Coefficien解：（1）Durbin-WatsoVariabletStd. Errort-StatisticProb.n 统 计 量 为C-310.6548289.1968-1.0741990.29970.52385 ，接近于零，表明模X0.0183860.0131911.3938430.1837型可能存在序RESID(-1)1.8500170.2901936.3751240.0000列相关性。RESID(-2)-0.8915810.359128-2.4826300.0254（2）在 2 阶LM检验中， Obs*R-sq

26、uared 对应的 Prob 值为 0.0009 ，非常接近于1（小于 0.1 ），说明存在序列相关， RESID(-1) 和 RESID(-2) 都显著成立，说明存在2 阶序列相关性。但在3 阶 LM检验中， RESID(-3) 的系数不显著，说明不存在3 阶序列相关性。故模型存在2 阶序列相关。5 根据中国1985 年 2003 年农村居民的人均实际纯收入X( 单位：元，按 1985 年可比价 )与人均消费性支出Y（单位：元，按1985 年可比价计算） ，使用 Eviews软件估计模型得到如下结果：VariableCoefficieStd. Errort-StatistiProb.ntcC

27、106.547512.201558.7322950.0000X0.6002040.02135428.107370.0000R-squared0.978935Mean dependent var437.6942Adjusted R-squared0.977696S.D. dependent var92.63808S.E. of regression13.83511Akaikeinfo8.191596criterionSum squared resid3253.973Schwarz criterion8.291011Log likelihood-75.82017F-statistic790.024

28、3Durbin-Watson stat0.766390Prob(F-statistic)0.000000由于怀疑这个模型存在问题，于是又做了VariableCoefficieStd. Errort-StatistiProb.ntcC114.939315.037637.6434430.0000精彩文档实用标准文案X0.5882120.02546323.100660.0000AR(1)0.7940510.2456943.2318710.0066AR(2)-0.4305090.210667-2.0435570.0618与VariableCoefficieStd. Errort-StatistiPro

29、b.ntcC116.097913.335168.7061500.0000X0.5861440.02273125.786210.0000AR(1)0.7052780.2925292.4109660.0346AR(2)-0.3610550.347039-1.0403880.3205AR(3)-0.1620300.255710-0.6336470.5393问：（ 1）模型存在什么问题？（2）写出采取补救措施之后的方程（Y 为被解释变量） 。解：（1）因为 AR(1) 与 AR(2) 的 t 统计量的Prob 值都不大（小于 0.1 ），但添加 AR(3) 后 AR(2)与 AR(3) 都不显著，所以

30、，模型存在二阶序列相关。（ 2） Y=114.939+0.588X6 收集贷款余额 Y（亿元）与贷款年利率 I（%）、资金平均利润率 R（ %）间的数据， 并以 Eviews 软件估计模型，输出结果为：Dependent Variable: YMethod: Least SquaresDate: 12/16/08Time: 01:05Sample: 1 12Included observations: 12VariableCoefficieStd. Errort-StatistiProb.ntcC933.8327151.03566.1828660.0002R6.2920588.6029120.

31、7313870.4831I-90.8523316.70357-5.4390980.0004R-squared0.986866Mean dependent var430.8333Adjusted R-squared0.983947S.D. dependent var135.8782S.E. of regression17.21585Akaikeinfo8.741856criterionSum squared resid2667.471Schwarz criterion8.863083Log likelihood-49.45114F-statistic338.1139Durbin-Watson stat1.325082Prob(F-statistic)0.000000要求：（ 1）写出回归方程。 （2）检验变量显著性（ =0.05 ）。（ 3）解释 R 的偏回归系数的意义。解：（ 1） Y=933.83+6.29R-90.85I（ 2）资金平均利润率R的 Prob 值 0.431 0.05, 所以资金利润率对贷款额的影响不显著。精彩文档实用标准文案贷款利率I 的 Prob 值 0.0004 0.05 ，, 所以贷款利率对贷款额的影响显著。（ 3）贷款利率保持不变，资金利润率增加1%，贷款额将增加6.29 亿元。精彩文档