计量经济学试卷汇总

卷(一)

选择题（单选题1－10每题1分，多选题11－15每题2分，共20分）

1、在多元线性回归中，判定系数 R2随着解释变量数目的增加而B

A.减少B．增加

C．不变D．变化不定

2、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 1，则表明模型中存在C

A．异方差性B．序列相关

C．多重共线性D．拟合优度低

3、经济计量模型是指D

A.投入产出模型

B.数学规划模

C.模糊数学模型

D.包含随机方程的经济数学模型

4、当质的因素引进经济计量模型时，需要使用D

A.外生变量

B.前定变量

C.内生变量

D.虚拟变量

5、将内生变量的前期值作解释变量，这样的变量称为D

A.虚拟变量

B.控制变量

C.政策变量

D.滞后变量

6、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

Ln Y=5+0.75LnX,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%

7、对样本相关系数 r，以下结论中错误的是D

A．越接近于 1，Y 与 X 之间线性相关程度越高

B．越接近于 0，Y 与 X 之间线性相关程度越弱

1

ˆ ˆ C ．-1≤r≤1

D ．若 r=0,则 X 与 Y 独立 8、当 DW>4-d L ，则认为随机误差项 εi

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

9、如果回归模型包含二个质的因素，且每个因素有两种特征，则回归模型中需要引入

A ．一个虚拟变量

B ．两个虚拟变量

C ．三个虚拟变量

D ．四个虚拟变量

10、线性回归模型

中，检验 H 0:

βi =0（i=1，2，…,k）时，所用的统计量 t =

βi var(β

i )

服从

A.t(n-k+1)

B.t(n-k-2)

C .t(n-k-1) D.t(n-k+2) 11、对于经典的线性回归模型，各回归系数的普通最小二乘法估计量具有的优良特性有 ABC

A ．无偏性

B ．有效性

C ．一致性

D ．确定性

E ．线性特性

12、经济计量模型主要应用于 ABCD

A ．经济预测

B ．经济结构分析

C ．评价经济政策

D ．政策模拟

13、常用的检验异方差性的方法有 ABC A ．戈里瑟检验 B ．戈德菲尔德-匡特检验 C ．怀特检验

D ．DW 检验

E ．方差膨胀因子检测

14、对分布滞后模型直接采用普通最小二乘法估计参数时，会遇到的困难有 BCE A ．不能有效提高模型的拟合优度

B ．难以客观确定滞后期的长度

C ．滞后期长而样本小时缺乏足够自由度

D ．滞后的解释变量存在序列相关问题

E ．解释变量间

存在多重共线性问题

2

ˆ ˆ ˆ ˆ ˆ

ˆ χ （n - 2)

15、常用的检验自相关性的方法有 BCD

A ．特征值检验

B ．偏相关系数检验

C ．布罗斯－戈弗雷检验

D ．DW 检验

E ．怀特检验

二、判断正误（正确打√，错误打×，每题 1 分，共 10 分， 答案填入下表）

1、在存异方差情况下采用的普通最小二乘回归估计是有偏估计

2、DW 统计量的值接近于 2，则样本回归模型残差的一阶自相关系数 ρ 近似等于 0

3、方差膨胀因子检测法可以检测模型的多重共线性

4、设有样本回归直线 Y = β 0 + β1 X , X 、Y

为均值。则点( , )一定在回归直线上

5、回归模型 Y i = b 0 + b 1 X 1i + b 2 X 2i + ε i 中，检验 H 0: b 1 = 0 时，所用

的统计量

b 1 - b 1

s (b 1 )

服从于

2

6、用一阶差分变换消除自相关性是假定自相关系数为 1。

7、解释变量 x 为非随机变量，则解释变量与随机误差项相关。

8、在 Eviews 中，常利用 SCAT 命令绘制趋势图。 9、怀特检验是检验模型是否存在自相关性的方法之一。 10、多重共线性的存在会降低 OLS 估计的方差。

三、填空题（每空 2 分，共 20 分）

1、古典回归模型假定中的随机扰动项的方差等于常数的假定被破坏，则称模型出现了 异方差性

。

2、方差膨胀因子(VIF)的倒数称为

容许度

3、采用 DW 检验自相关时，DW 值的范围是

0－d L

时，认为存在正自相关。

4、判定系数 R 2 可以判定回归直线拟合的优劣，又称为 模型的可解释程度 。

5、在 Eviews 软件中，建立工作文件的命令是___create____________。

6、 在古典回归模型假定中，要求随机误差项之间

互不相关

。

7、若一元线性回归模型

Y i = b 0 + b 1 X i + ε i