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 1981~1990 年各年

2、某地区 20 个乡镇的平均工业产值 B 1981~1990 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 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 i 0 1 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

3、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 n n 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 ? ? X i e 的参数 ? ? 的准则是使 Yi= 01 i 0 和 1 （ B ）

4、 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，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(u 2 2 B ） i i )= 内涵指（

5、 i A．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≤ 2 B.0 ≤ R2≤ 1 C.0 ≤ R2≤4 D.1 ≤R2≤4 4 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

6、的准则是使（ D ） 精彩文档 实用标准文案 A (Yi Y i ) 0 B (Yi Y i )2 0 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 ）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、 0.81 B 、0.

7、9C 、 0.405 D 、 0.6541 第 3 章：多元回归分析 1 多元回归模型 Yi 1 2 X 2 i 3 X 3i ui 通过了整体显著性 F 检验，则可能的情况为 (BCD) A. 20,30 B. 2 ≠0， 3 ≠ 0 C. 2=0， 3≠0 D.2≠0， 3=0 E. 1 =0， 2 =0， 3 =0 2 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 O B. 偏回归系数不全为

8、O C.常数项不为 O D. 偏回归系数都不为 0 第 8 章：虚拟变量回归 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

9、 Yi= 0+ 1D+ 1Z i + 2 （ DZi） +ui 可以表示 成的形式有（ ＡＤ ） A．Yi= 0+ 1 Zi +ui B ．Yi= 0+( 1 2 ) Zi +ui C．Yi=( 0+ 1)+ 1Z i +ui D． C． Yi=( 0+ 1)+(1 2 )Z i +ui E．Yi= 0+ 1 Zi 3 在回归模型 Yi 1D1 2 D 2 3 Xi ui 中， D 为性别因素， D1 1 男 0

10、0 ， 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

11、 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 i j C. 2 ) 2 2 ) 2 E(ui （常数） D. E(ui i 4 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

12、 D 方差膨胀因子法 第 6 章：序列相关性 1 当 DW>4-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 ． DW≈2（ 1- ?） D． DW≈2（ 1+ ?） 3 对于某样本回归模型， 已求得 DW的值为 l ，则模型残差的自相关系数 近似等于（ C ） A.-0.5 B.0 C.0.5 D.1

13、 4 以下选项中，正确表达了序列相关的是（ A ） A.Cov(u i ，uj ) ≠ 0， i ≠j B.Cov(u i ， uj )=0 ， i ≠ j C.Cov(x i ， xj ) ≠0， i=j D.Cov(x i ， uj ) ≠0 5 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.0 B.1 C.2 D.4 6 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 ） A．0.2 B ．0.4 C ．0.8 D ．1.6 7 如果 dL

14、W

15、 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

16、 ） 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 u t-1 +v 。 t t-1 t t 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

17、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 列那种形式的序列相关可用 DW统计量检验（ A ） A  t t 1 vt B  2 vt t t 1 t 2 C t vt D  t vt 1 2 vt 2 第 4 章：多重共线性

18、 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 ）

19、 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 ( ＡＢＣＤ ) 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

20、 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。

21、 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

22、经过两次差分后成为平稳时间序列，此时间序列为（ A ） A．2 阶单整 B ． 3 阶单整 C ．4 阶单整 D ．5 阶单整 4 如果△ Yt 为平稳时间序列，则 Yt 为 ( Ｂ ) 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

23、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: CM Method: Least Squares Date: 12/20/07 Time: 22:50 Sample: 1 25 Included observations: 25 Variable Coefficie Std. Error t-Statisti Prob. nt c C 2.8

24、00515 1.206548 2.321097 0.0299 I 1.062805 0.037887 28.05167 0.0000 A 1.056913 0.227511 4.645556 0.0001 R-squared 0.997426 Mean dependent var 70.76000 Adjusted R-squared 0.997192 S.D. dependent var 50.49115 S.E. of regression 2.675554 Akaike info 4.918357 criterion

25、 Sum squared resid 157.4890 Schwarz criterion 5.064622 精彩文档 实用标准文案 Log likelihood -58.47946 F-statistic 4262.507 Durbin-Watson stat 1.313753 Prob(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（α =0.01 ）。 解： （ 1）CM=2.80+1.06I+1.06A （ 2） A

26、-R2=0.997192 （ 3）自变量 I 对应的概率 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: E Method: Least Squares

27、 Date: 12/20/07 Time: 23:31 Sample: 1 20 Included observations: 20 Variable Coefficie Std. Error t-Statisti Prob. nt c C 14.45007 3.177297 4.547914 0.0002 P -0.249300 0.113945 -2.187902 0.0421 R-

28、squared 0.210073 Mean dependent var 8.155260 Adjusted R-squared 0.166188 S.D. dependent var 6.602665 S.E. of regression 6.029111 Akaike info 6.525716 criterion Sum squared resid 654.3033 Schwarz criterion 6.625289 Log likelihood -63.25716 F-statist

29、ic 4.786915 Durbin-Watson stat 0.534115 Prob(F-statistic) 0.042111 据此可否认为模型存在异方差性（α =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

30、）、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，输出结果为： Dependent Variable: LOG(Y) Method: Least Squares Date: 12/21/09 Time: 23:56 Sample: 1960 1982 Included observations: 23 精彩文档 实用标准文案 Variable Coefficient Std. Error t-Statistic

31、 Prob. C 1.514561 0.085287 17.75845 0.0000 LOG( X1) 1.020734 0.018087 56.43494 0.0000 LOG(X2) -0.346720 0.023008 -15.06965 0.0000 Mean dependent R-squared 0.994951 var 4.409851 S.D. dependent Adjusted R-squared 0.994446 var 0.228688

32、 Akaike info S.E. of regression 0.017043 criterion -5.185011 Sum squared resid 0.005809 Schwarz criterion - 5.036903 Hannan-Quinn Log likelihood 62.62762 criter. -5.147762 Durbin-Watson F-statistic 1970.490 stat 1.099985 Prob(F-statistic)

33、 0.000000 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 1-0.35lnX 2 （ 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～ 2

34、003 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 0.52385 。 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-statistic 12.87670 Prob. F(3,14) 0.0003 Prob. Obs*R-squared 13.94586 Chi-Square(3) 0

35、.0030 Dependent Variable: RESID Coefficien Variable t Std. Error t-Statistic Prob. C -287.9183 310.4565 -0.927403 0.3694 X 0.017260 0.014328 1.204682 0.2483 RESID(-1) 1.811592 0.347831 5.208252 0.0001 RESID(-2) -0.804727 0.563530 -1.428011 0.1752 精

36、彩文档 实用标准文案 RESID(-3) -0.087452 0.437610 -0.199839 0.8445 以及 Breusch-Godfrey Serial Correlation LM Test: F-statistic 20.62862 Prob. F(2,15) 0.0000 （2）根据这两 Prob. Obs*R-squared 13.93398 Chi-Square(2) 0.0009 个输出结果可 以得出什么结 Dependent Variable: RE

37、SID 论？ Coefficien 解：（1）∵ Durbin-Watso Variable t Std. Error t-Statistic Prob. n 统 计 量 为 C -310.6548 289.1968 -1.074199 0.2997 0.52385 ，接近 于零，表明模 X 0.018386 0.013191 1.393843 0.1837 型可能存在序 RESID(-1) 1.850017 0.290193 6.375124 0.0000 列相关性。

38、 RESID(-2) -0.891581 0.359128 -2.482630 0.0254 （2）在 2 阶 LM检验中， Obs*R-squared 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

39、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： Variable Coefficie Std. Error t-Statisti Prob. nt c C 106.5475 12.20155 8.732295 0.0000 X 0.600204 0.021354 28.10737 0.0000 R-squared 0.9

40、78935 Mean dependent var 437.6942 Adjusted R-squared 0.977696 S.D. dependent var 92.63808 S.E. of regression 13.83511 Akaike info 8.191596 criterion Sum squared resid 3253.973 Schwarz criterion 8.291011 Log likelihood -75.82017 F-stati

41、stic 790.0243 Durbin-Watson stat 0.766390 Prob(F-statistic) 0.000000 由于怀疑这个模型存在问题，于是又做了 Variable Coefficie Std. Error t-Statisti Prob. nt c C 114.9393 15.03763 7.643443 0.0000 精彩文档 实用标准文案 X 0.588212 0.025463 23.10066 0.0000 AR(1)

42、 0.794051 0.245694 3.231871 0.0066 AR(2) -0.430509 0.210667 -2.043557 0.0618 与 Variable Coefficie Std. Error t-Statisti Prob. nt c C 116.0979 13.33516 8.706150 0.0000 X 0.586144 0.022731 25.78621 0.0000 AR(1) 0.705278 0.292529 2.410966 0.0

43、346 AR(2) -0.361055 0.347039 -1.040388 0.3205 AR(3) -0.162030 0.255710 -0.633647 0.5393 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，模型存在二阶序列相关。 （ 2） Y=114.939+0.588X 6 收集贷款余额 Y（亿元）与贷款年

44、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: Y Method: Least Squares Date: 12/16/08 Time: 01:05 Sample: 1 12 Included observations: 12 Variable Coefficie Std. Error t-Statisti Prob. nt c C 933.8327 151.0356 6.182866 0.0002 R 6.

45、292058 8.602912 0.731387 0.4831 I -90.85233 16.70357 -5.439098 0.0004 R-squared 0.986866 Mean dependent var 430.8333 Adjusted R-squared 0.983947 S.D. dependent var 135.8782 S.E. of regression 17.21585 Akaike info 8.741856 criterion Sum squared resid 2667.471 Schwarz

46、criterion 8.863083 Log likelihood -49.45114 F-statistic 338.1139 Durbin-Watson stat 1.325082 Prob(F-statistic) 0.000000 要求：（ 1）写出回归方程。 （2）检验变量显著性（α =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

47、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