计量经济学复习资料

一、单选题：

1．拉格朗日乘数检验法适用于检验( c )

A. 异方差性

B. 多重共线性

C. 序列相关

D. 设定误差 2．解释变量X 的回归系数为β，下列哪种情况表明变量X 是显著的？( b ) A. t 统计量大于临界值 B. t 统计量的绝对值大于临界值 C. t 统计量小于临界值 D. t 统计量的绝对值小于临界值 3．回归分析中定义的( b )

A. 解释变量和被解释变量都是随机变量

B. 解释变量为非随机变量，被解释变量为随机变量

C. 解释变量和被解释变量都为非随机变量

D. 解释变量为随机变量，被解释变量为非随机变量 4．下列样本模型中，哪一个模型通常是无效的?( b )

A. C(消费)=500+0.8I(收入)

B. Q D (商品需求)=10+0.8I(收入)-0.9P(价格)

C. Qs(商品供给)=20-0.75P(价格)

D. Y(产出量)=0.65K 0.6(资本)L 0.4(劳动) 5．判定系数R 2=0.75，说明回归直线能解释被解释变量总离差的：( b ) A. 80% B. 64% C. 20% D. 75%

6．根据20个观测值估计的结果，一元线性回归模型的DW=0.6,在α=0.05的显著性水 平下查得样本容量n=20，解释变量k=1个时，d L =1.20,d U =1.41，则可以判断：( d ) A.不存在一阶自相关 B.存在正的一阶自相关C.存在负的一阶自相关 D.无法判断

7．普通最小二乘法确定一元线性回归模型Y i

=i i 10e X ˆˆ+β+β的参数0ˆβ和1ˆ

β的准则是使

（ b ） A ．∑e i 最小

B ．∑e i 2最小

C ．∑e i 最大

D ．∑e i 2最大

8．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 )

A. 多重共线性

B. 异方差性

C. 序列相关

D. 高拟合优度 9．拟合优度检验是检验 (b )

A ．模型对总体回归线的拟合程度 B. 模型对样本观测值的拟合程度 C. 模型对回归参数的拟合程度 D. 模型对解释变量的观测值的拟合程度 10．根据样本资料已估计得出人均消费支出Y 对人均收入X 的回归模型是

t t t LnX LnY μ++=76.05.3，这表明人均收入每增加1％，人均消费支出将( d )

A.增加24％

B.增加76％

C.增加0.24％

D.增加0.76％ 二、填空题：

1. 杜宾—沃森检验法可用于诊断序列相关性 。

2． 在给定的显著性水平之下，若DW 统计量临界值的上、下限分别为d U 和d L ,则当

d U

U

时，可认为随机误差项不存在一阶序列相关性。

3. 容易产生序列相关的数据为时间序列数据。

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，但模型的判

定系数R2却很高，这说明模型可能存在多重共线。

5. 同一时间点不同个体的数据集合是截面数据。

三、判断题：

1.相关系数r的取值范围为-1≤r≤1 。 ( y )

2.多元回归模型中F检验的原假设为:偏回归系数不全为0。 ( y )

3.根据判定系数R2与F统计量的关系可知，当R2=1时，有F=0 。 ( y )

4.在给定的显著性水平之下，若DW统计量的下和上临界值分别为d L和d U,则当d L

5.如果一个非平稳时间序列经过K-1次差分后为平稳时间序列，则该序列为K阶单整序列。

( )

四、简答题：

简述模型出现异方差性的后果。

答：（1）参数估计量非有效；

（2）t检验和F检验失效；

（3）模型预测失效。

五、应用分析题：

1. 某地区1993-2010年居民消费水平Y、人均GDP X1、城乡居民平均可支配收入X2、居民消费者价格指数X3和城乡居民家庭平均恩格尔系数X4的相关数据进行分析，试根据EVIEWS结果回答问题：（14分）

表8 OLS参数估计结果

Variable Coefficient Std. Error t-Statistic Prob.

C 3492.003 893.1026 3.909968 0.0018

X1 0.257521 0.030844 8.349222 0.0000

X2 0.087844 0.042958 2.044893 0.0617

X3 2.227280 7.581211 0.293789 0.2736

X4 -57.88742 19.17187 -3.019393 0.0099

R-squared 0.990111 Mean dependent var 3354.611

Adjusted R-squared 0.992122 S.D. dependent var 1806.047

S.E. of regression 160.2966 Akaike info criterion 13.22206

Sum squared resid 334035.2 Schwarz criterion 13.46939

Log likelihood -113.9986 F-statistic 536.2585

Durbin-Watson stat 1.106099 Prob(F-statistic) 0.000000