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. QD(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)=0.65K0.6(资本)L0.4(劳动) 5．判定系数R2=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，dL=1.20,dU=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=?0??1Xi?ei的参数?0和?1的准则是使（b）

i

A．∑ei最小

B．∑ei2最小C．∑ei最大 D．∑ei2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

LnYt?3.5?0.76LnXt??t，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dU和dL,则当

dU

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R与F统计量的关系可知，当R=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dL和dU,则当dL

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 C X1 X2 X3 X4

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient 3492.003 0.257521 0.087844 2.227280 -57.88742

Std. Error 893.1026 0.030844 0.042958 7.581211 19.17187

t-Statistic 3.909968 8.349222 2.044893 0.293789 -3.019393

Prob. 0.0018 0.0000 0.0617 0.2736 0.0099 3354.611 1806.047 13.22206 13.46939 536.2585 0.000000

2

2

0.990111 Mean dependent var 0.992122 S.D. dependent var 160.2966 Akaike info criterion 334035.2 Schwarz criterion -113.9986 F-statistic 1.106099 Prob(F-statistic)

(1)检验变量间是否存在多重共线？（4分）

答：根据表8，R2为0.99011，拟合优度很高，但X3对应的Prob.值为0.2736，大于0.1，t统计值很小，即X3对Y的影响不显著，可以认为模型存在多重共线。

（2）利用逐步回归法消除多重共线时，一般选择最优初始回归模型的依据是什么？（4分） 答：拟合优度R2最大，该解释变量对被解释变量影响显著，且根据经济理论分析影响也是很大的。

（3）确定最优初始回归模型之后对于新加入的解释变量如何决定其去留？（6分） 答：一、若新引进的解释变量使R2得到提高，而其他参数回归系数在统计上和经济理论上仍然合理，则可以作为解释变量予以保留；（2分）

二、若新引进的解释变量对R2改进不明显，对其他回归系数也没多大影响，则不必保留在回归模型中；（2分）

三、若新引进的解释变量不仅改变了R2，而且对其他回归系数的数值或符号有明显影响，则新引进的变量不能简单舍弃，而是应研究改善模型的形式。（2分）

2.表1给出了利用2010年我国31个地区就业人数(X)与地区生产总值(Y)数据进行回归分析的结果，根据结果回答以下问题：（14分）

Variable C X

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficint 48.6446 5.280359

表1 OLS估计结果

Std. Error t-Statistic 1733.357 0.607022

0.258445 9.051402

Prob. 0.7826 0.0000 10555.48 8855.166 20.11300 20.20552 89.72227 0.000000

0.831616 Mean dependent var 0.618913 S.D. dependent var 5466.490 Akaike info criterion 7.6E+08 Schwarz criterion -309.752 F-statistic 1.707937 Prob(F-statistic)

表2 White检验结果

White Heteroskedasticity Test: F-statistic

12.23120 Probability 16.45481 Probability Coefficiet 8574576.

Std. Error 13234048

t-Statistic 0.647918

0.000152 0.000026 Prob. 0.5223

Obs*R-squared

Variable C

X X^2

-1583.372 2.833745

11256.08 1.909624

-2.240668 2.183928

0.0291 0.0349

表3 White检验结果

White Heteroskedasticity Test: F-statistic

0.868746 Probability 1.711258 Probability Coefficiet -1.655936 0.644278 -0.051052

Std. Error 3.323644 0.952315 0.067332 t-Statistic -0.498229 3.676539 -3.758210

0.430479 0.504288 Prob. 0.6222 0.0022 0.0017

Obs*R-squared

Variable C LOG(X) (LOG(X))^2

（1）写出创建工作文件、建立数据文档、作X与Y关系的散点图及用最小二乘法估计模型

参数的命令。(4分)

答：创建工作文件：CREATE U 1 31 （1分）建立数据文档：DATA Y X （1分） 关系的散点图：SCAT X Y （1分）最小二乘法估计模型参数：LS Y C X（1分） （2）根据表1结果写出地区生产总值与就业人数的一元回归模型。(2分)

Yt?48.64?5.28Xt??t答：

(0.258)(9.051)R2?0.8316，D.W.?1.71，F?89.72

（3）解释斜率参数的经济意义。(2分)

答：就业人数增加一个单位时地区生产总值增加5.28个单位。 （4）判定系数R2及RSS各为多少？(2分)

答：判定系数R2=0.8316（1分）残差平方和RSS=7.6E+08（1分）

（5）表2为用White检验进行异方差检验的结果，根据结果分析模型是否存在异方差。答：由于统计量nR2=16.45481大于临界值，且对应的Prob.小于0.01，X和X2的参数估计值显著不为零，所以在1%的显著水平下拒绝原假设，认为存在异方差。(2分) （6）表3为用对数变换法消除异方差后再进行White检验的结果，根据结果分析模型是否

存在异方差。(2分)

答：由于统计量nR2=1.711258小于临界值，且对应的Prob.为0.5大于0.1，所以在10%的

显著水平下接受原假设，认为不存在异方差。