计量经济学简答题及其规范标准答案

计量经济学31个简答参考答案来源：皮卡箱1.什么是计量经济学？它与经济学、统计学和数学的关系怎样？答:1、计量经济学是一门运用经济理论和统计技术来分析经济数据的科学和艺术，它以经济理论为指导，以客观事实为依据，运用数学、统计学的方法和计算机技术，研究带有随机影响的经济变量之间的数量关系和规律。

2、经济理论、数学和统计学知识是在计量经济学这一领域进行研究的必要前提，这三者中的每一个对于真正理解现代经济生活中的数量关系是必要的，但不充分，只有结合在一起才行。

2计量经济学三个要素是什么？经济理论、经济数据和统计方法。

3.计量经济学模型的检验包括哪几个方面？其具体含义是什么？答:(1)经济意义检验，即根据拟定的符号、大小、关系，对参数估计结果的可靠性进行判断(2)统计检验，由数理统计理论决定。

包括:拟合优度检验、总体显著性检验。

(3)计量经济学检验，由计量经济学理论决定。

包括:异方差性检验、序列相关性检验、多重共线性检验。

(4)模型预测检验，由模型应用要求决定。

包括:稳定性检验:扩大样本重新估计;预测性能检验:对样本外一点进行实际预测。

4.计量经济学方法与一般经济数学方法有什么区别？答:计量经济学揭示经济活动中各因素之间的定量关系，用随机性的数学方程加以描述;一般经济数学方法揭示经济活动中各因素之间的理论关系，用确定性的数学方程加以描述。

5.计量经济学模型研究的经济关系有那两个基本特征？答：一是随机关系，二是因果关系6.计量经济学研究的对象和核心内容是什么？答：计量经济学的研究对象是经济现象，是研究经济现象中的具体数量规律。

计量经济学的核心内容包括两个方面:一是方法论，即计量经济学方法或者理论计量经济学。

二是应用，即应用计量经济学。

无论是理论计量经济学还是应用计量经济学，都包括理论、方法和数据三种要素。

7.计量经济学中应用的数据类型怎样？举例解释其中三种数据类型的结构。

答：计量经济模型:WA GE=f(EDU,EXP,GEND,μ)1)时间序列数据是按时间周期收集的数据，如年度或季度的国民生产总值。

计量经济学试题与答案一、选择题（每题5分，共25分）1. 以下哪个选项是计量经济学的基本任务？A. 建立经济模型B. 进行经济预测C. 分析经济现象的规律性D. 所有以上选项答案：D2. 以下哪个方法不属于计量经济学的研究方法？A. 最小二乘法B. 最大似然法C. 线性规划D. 广义矩估计答案：C3. 在线性回归模型中，以下哪个选项表示随机误差项的方差？A. σ²B. μC. εD. β答案：A4. 在计量经济学模型中，以下哪个选项表示解释变量与被解释变量之间的关系？A. 相关性B. 因果关系C. 联合分布D. 条件分布答案：B5. 在实证研究中，以下哪个选项可以用来检验模型的稳定性？A. 残差分析B. 异方差性检验C. 单位根检验D. 联合检验答案：C二、填空题（每题5分，共25分）1. 计量经济学是一门研究______、______和______的科学。

答案：经济模型、经济数据、经济预测2. 最小二乘法的原理是使______的平方和最小。

答案：回归残差3. 在线性回归模型中，回归系数的估计值是______的线性函数。

答案：解释变量4. 异方差性检验的方法有______检验、______检验和______检验。

答案：Breusch-Pagan检验、White检验、Goldfeld-Quandt检验5. 在实证研究中，单位根检验的目的是检验______。

答案：时间序列数据的平稳性三、计算题（每题20分，共40分）1. 设线性回归模型为：Y = β0 + β1X + ε，其中Y表示被解释变量，X表示解释变量，ε表示随机误差项。

给定以下数据：Y: 2, 3, 4, 5, 6X: 1, 2, 3, 4, 5求：回归系数β0和β1的估计值。

答案：首先，计算X和Y的均值：X̄ = (1 + 2 + 3 + 4 + 5) / 5 = 3Ȳ = (2 + 3 + 4 + 5 + 6) / 5 = 4然后，计算回归系数β1的估计值：β1̄= Σ[(Xi - X̄)(Yi - Ȳ)] / Σ[(Xi - X̄)²]= [(1-3)(2-4) + (2-3)(3-4) + (3-3)(4-4) + (4-3)(5-4) + (5-3)(6-4)] / [(1-3)² + (2-3)² + (3-3)² + (4-3)² + (5-3)²]= 4 / 10= 0.4最后，计算回归系数β0的估计值：β0̄ = Ȳ - β1̄X̄= 4 - 0.4 3= 2.2所以，回归系数β0和β1的估计值分别为2.2和0.4。

计量经济学简答题第一章绪论（一）基本知识类题型1-1．什么是计量经济学？1-2．简述当代计量经济学发展的动向。

1-3．计量经济学方法与一般经济数学方法有什么区别？1-4．为什么说计量经济学是经济理论、数学和经济统计学的结合？试述三者之关系。

1-5．为什么说计量经济学是一门经济学科？它在经济学科体系中的作用和地位是什么？1-6．计量经济学的研究的对象和内容是什么？计量经济学模型研究的经济关系有哪两个基本特征？1-7．试结合一个具体经济问题说明建立与应用计量经济学模型的主要步骤。

1-8．建立计量经济学模型的基本思想是什么？1-9．计量经济学模型主要有哪些应用领域？各自的原理是什么？1-10．试分别举出五个时间序列数据和横截面数据，并说明时间序列数据和横截面数据有和异同？1-11．试解释单方程模型和联立方程模型的概念，并举例说明两者之间的联系与区别。

1-12．模型的检验包括几个方面？其具体含义是什么？1-13．常用的样本数据有哪些？1-14．计量经济模型中为何要包括随机误差项？简述随机误差项形成的原因。

1-15．估计量和估计值有何区别？哪些类型的关系式不存在估计问题？1-16．经济数据在计量经济分析中的作用是什么？1-20．模型参数对模型有什么意义？习题参考答案第一章绪论1-1．答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。

1-2．答：计量经济学自20年代末、30年代初形成以来，无论在技术方法还是在应用方面发展都十分迅速，尤其是经过50年代的发展阶段和60年代的扩张阶段，使其在经济学科占据重要的地位，主要表现在：①在西方大多数大学和学院中，计量经济学的讲授已成为经济学课程表中有权威的一部分；②从1969~2003年诺贝尔经济学奖的XX位获奖者中有XX位是与研究和应用计量经济学有关；著名经济学家、诺贝尔经济学奖获得者萨缪尔森甚至说：“第二次世界大战后的经济学是计量经济学的时代”。

计量经济学习题一一、判断正误1．在研究经济变量之间的非确定性关系时,回归分析是唯一可用的分析方法; 2．最小二乘法进行参数估计的基本原理是使残差平方和最小;3．无论回归模型中包括多少个解释变量,总离差平方和的自由度总为n -1; 4．当我们说估计的回归系数在统计上是显着的,意思是说它显着地异于0; 5．总离差平方和TSS 可分解为残差平方和ESS 与回归平方和RSS 之和,其中残差平方和ESS 表示总离差平方和中可由样本回归直线解释的部分; 6．多元线性回归模型的F 检验和t 检验是一致的;7．当存在严重的多重共线性时,普通最小二乘估计往往会低估参数估计量的方差; 8．如果随机误差项的方差随解释变量变化而变化,则线性回归模型存在随机误差项的自相关;9．在存在异方差的情况下,会对回归模型的正确建立和统计推断带来严重后果; 10．..DW 检验只能检验一阶自相关; 二、单选题1．样本回归函数方程的表达式为 ;A ．i Y =01i i X u ββ++B ．(/)i E Y X =01i X ββ+C ．i Y =01ˆˆi i X e ββ++D ．ˆi Y =01ˆˆiX ββ+ 2．下图中“｛”所指的距离是 ;A ．随机干扰项B ．残差C ．i Y 的离差D ．ˆiY 的离差 3．在总体回归方程(/)E Y X =01X ββ+中,1β表示 ;A ．当X 增加一个单位时,Y 增加1β个单位B ．当X 增加一个单位时,Y 平均增加1β个单位C ．当Y 增加一个单位时,X 增加1β个单位D ．当Y 增加一个单位时,X 平均增加1β个单位 4．可决系数2R 是指 ;A ．剩余平方和占总离差平方和的比重B ．总离差平方和占回归平方和的比重C ．回归平方和占总离差平方和的比重D ．回归平方和占剩余平方和的比重 5．已知含有截距项的三元线性回归模型估计的残差平方和为2i e ∑=800,估计用的样本容量为24,则随机误差项i u 的方差估计量为 ;A ．B ．40C ．D ．6．设k 为回归模型中的参数个数不包括截距项,n 为样本容量,ESS 为残差平方和,RSS 为回归平方和;则对总体回归模型进行显着性检验时构造的F 统计量为 ;A ．F =RSSTSSB ．F =/(1)RSS k ESS n k --C ．F =/1(1)RSS k TSS n k --- D ．F =ESSTSS7．对于模型i Y =01ˆˆi iX e ββ++,以ρ表示i e 与1i e -之间的线性相关系数2,3,,t n =,则下面明显错误的是 ;A ．ρ=,..DW =B ．ρ=-,..DW =-C ．ρ=0,..DW =2D ．ρ=1,..DW =08．在线性回归模型 011...3i i k ki i Y X X u k βββ=++++≥；如果231X X X =-,则表明模型中存在 ;A ．异方差B ．多重共线性C ．自相关D ．模型误设定9．根据样本资料建立某消费函数 i Y =01i i X u ββ++,其中Y 为需求量,X 为价格;为了考虑“地区”农村、城市和“季节”春、夏、秋、冬两个因素的影响,拟引入虚拟变量,则应引入虚拟变量的个数为 ;A ．2B ．4C ．5D ．610．某商品需求函数为ˆi C =100.5055.350.45i i D X ++,其中C 为消费,X 为收入,虚拟变量10D ⎧=⎨⎩城镇家庭农村家庭,所有参数均检验显着,则城镇家庭的消费函数为 ;A ．ˆi C =155.850.45i X +B ．ˆiC =100.500.45i X + C ．ˆi C =100.5055.35i X +D ．ˆiC =100.9555.35i X + 三、多选题1．一元线性回归模型i Y =01i i X u ββ++的基本假定包括 ;A ．()i E u =0B ．()i Var u =2σ常数C ．(,)i j Cov u u =0 ()i j ≠D ．(0,1)iu NE ．X 为非随机变量,且(,)i i Cov X u =02．由回归直线ˆi Y =01ˆˆi X ββ+估计出来的ˆiY ; A ．是一组平均数 B ．是实际观测值i Y 的估计值 C ．是实际观测值i Y 均值的估计值 D ．可能等于实际观测值i Y E ．与实际观测值i Y 之差的代数和等于零 3．异方差的检验方法有A ．图示检验法B ．Glejser 检验C ．White 检验D ．..DW 检验E ．Goldfeld Quandt -检验4．下列哪些非线性模型可以通过变量替换转化为线性模型 ;A ．i Y =201i i X u ββ++B ．1/i Y =01(1/)i i X u ββ++C ．ln i Y =01ln i i X u ββ++D ．i Y =iui i AK L e αβE ．i Y =1122012iiX X i e e u ββααα+++5．在线性模型中引入虚拟变量,可以反映 ;A ．截距项变动B ．斜率变动C ．斜率与截距项同时变动D ．分段回归E ．以上都可以 四、简答题1．随机干扰项主要包括哪些因素它和残差之间的区别是什么2．简述为什么要对参数进行显着性检验试说明参数显着性检验的过程;3．简述序列相关性检验方法的共同思路; 五、计算分析题1．下表是某次线性回归的EViews 输出结果,根据所学知识求出被略去部分的值用大写字母标示,并写出过程保留3位小数;Dependent Variable: Y Method: Least Squares Included observations: 132．用Goldfeld Quandt -方法检验下列模型是否存在异方差;模型形式如下：i Y =0112233 i i i i X X X u ββββ++++其中样本容量n =40,按i X 从小到大排序后,去掉中间10个样本,并对余下的样本按i X 的大小等分为两组,分别作回归,得到两个残差平方和1ESS =、2ESS =,写出检验步骤α=;F 分布百分位表α=3．有人用广东省1978—2005年的财政收入AV 作为因变量,用三次产业增加值作为自变量,进行了三元线性回归;第一产业增加值——1VAD ,第二产业增加值——2VAD ,第三产业增加值——3VAD ,结果为：AV =12335.1160.0280.0480.228VAD VAD VAD +-+2R =,F =- ..DW =试简要分析回归结果; 五、证明题求证：一元线性回归模型因变量模拟值ˆi Y 的平均值等于实际观测值i Y 的平均值,即ˆiY =i Y ; 计量经济学习题二一、判断正误正确划“√”,错误划“×” 1．残差剩余项i e 的均值e =()i e n ∑=0;2．所谓OLS 估计量的无偏性,是指参数估计量的数学期望等于各自的真值; 3．样本可决系数高的回归方程一定比样本可决系数低的回归方程更能说明解释变量对被解释变量的解释能力;4．多元线性回归模型中解释变量个数为k ,则对回归参数进行显着性检验的t 统计量的自由度一定是1n k --;5．对应于自变量的每一个观察值,利用样本回归函数可以求出因变量的真实值; 6．若回归模型存在异方差问题,可以使用加权最小二乘法进行修正;7．根据最小二乘估计,我们可以得到总体回归方程;8．当用于检验回归方程显着性的F 统计量与检验单个系数显着性的t 统计量结果矛盾时,可以认为出现了严重的多重共线性9．线性回归模型中的“线性”主要是指回归模型中的参数是线性的,而变量则不一定是线性的;10．一般情况下,用线性回归模型进行预测时,单个值预测与均值预测相等,且置信区间也相同; 二、单选题1．针对同一经济指标在不同时间发生的结果进行记录的数据称为A ．面板数据B ．截面数据C ．时间序列数据D ．以上都不是 2．下图中“｛”所指的距离是A ．随机干扰项B ．残差C ．i Y 的离差D ．ˆiY 的离差 3．在模型i Y =01ln i i X u ββ++中,参数1β的含义是A ．X 的绝对量变化,引起Y 的绝对量变化B ．Y 关于X 的边际变化C ．X 的相对变化,引起Y 的平均值绝对量变化D ．Y 关于X 的弹性4．已知含有截距项的三元线性回归模型估计的残差平方和为2i e ∑=90,估计用的样本容量为19,则随机误差项i u 方差的估计量为A ．B ．6C ．D ．55．已知某一线性回归方程的样本可决系数为,则解释变量与被解释变量间的相关系数为A ．B ．0.8C ．D ．6．用一组有20个观测值的样本估计模型i Y =01i i X u ββ++,在的显着性水平下对1β的显着性作t 检验,则1β显着异于零的条件是对应t 统计量的取值大于 A ．0.05(20)t B ．0.025(20)t C ．0.05(18)t D ．0.025(18)t7．对于模型i Y =01122ˆˆˆˆi ik ki iX X X e ββββ+++++,统计量22ˆ()/ˆ()/(1)ii i Y Y kY Y n k ----∑∑服从A ．()t n k -B ．(1)t n k --C ．(1,)F k n k --D ．(,1)F k n k --8．如果样本回归模型残差的一阶自相关系数ρ为零,那么..DW 统计量的值近似等于 ;A ．1B ．2C ．4D ．9．根据样本资料建立某消费函数如下i Y =01i i X u ββ++,其中Y 为需求量,X 为价格;为了考虑“地区”农村、城市和“季节”春、夏、秋、冬两个因素的影响,拟引入虚拟变量,则应引入虚拟变量的个数为A ．2B ．4C ．5D ．610．设消费函数为i C =012i i i i X D X u βββ+++,其中C 为消费,X 为收入,虚拟变量10D ⎧=⎨⎩城镇家庭农村家庭,当统计检验表明下列哪项成立时,表示城镇家庭与农村家庭具有同样的消费行为A ．1β=0,2β=0B ．1β=0,2β≠0C ．1β≠0,2β=0D ．1β≠0,2β≠0 三、多选题1．以i Y 表示实际观测值,ˆiY 表示用OLS 法回归后的模拟值,i e 表示残差,则回归直线满足A ．通过样本均值点(,)X YB ．2ˆ()i iY Y -∑=0 C ．(,)i i Cov X e =0 D ．i Y ∑=ˆiY ∑ E ．i i e X ∑=0 2．对满足所有假定条件的模型i Y =01122i i i X X u βββ+++进行总体显着性检验,如果检验结果显示总体线性关系显着,则可能出现的情况包括A ．1β=2β=0B ．10β≠,2β=0C ．10β≠,20β≠D ．1β=0,20β≠E ．1β=2β≠0 3．下列选项中,哪些方法可以用来检验多重共线性 ;A ．Glejser 检验B ．两个解释变量间的相关性检验C ．参数估计值的经济检验D ．参数估计值的统计检验E ．..DW 检验 4．线性回归模型存在异方差时,对于回归参数的估计与检验正确的表述包括A ．OLS 参数估计量仍具有线性性B ．OLS 参数估计量仍具有无偏性C ．OLS 参数估计量不再具有效性即不再具有最小方差D ．一定会低估参数估计值的方差5．关于虚拟变量设置原则,下列表述正确的有A ．当定性因素有m 个类型时,引入1m -个虚拟变量B．当定性因素有m个类型时,引入m个虚拟变量会产生多重共线性问题C．虚拟变量的值只能取0和1D．在虚拟变量的设置中,基础类别一般取值为0E．以上说法都正确四、简答题1．简述计量经济学研究问题的方法;2．简述异方差性检验方法的共同思路;3．简述多重共线性的危害;五、计算分析题1．下表是某次线性回归的EViews输出结果,被略去部分数值用大写字母标示,根据所学知识解答下列各题计算过程保留3位小数;本题12分Dependent Variable: YMethod: Least SquaresIncluded observations: 181求出A 、B 的值;2求TSS2．有人用美国1960-1995年36年间个人实际可支配收入X 和个人实际消费支出Y 的数据单位：百亿美元建立收入—消费模型 i Y =01i i X u ββ++,估计结果如下：ˆiY =9.4290.936i X -+ t ：2R = ,F = ,..DW =1检验收入—消费模型的自相关状况5%显着水平； 2用适当的方法消除模型中存在的问题; 五、证明题证明：用于多元线性回归方程显着性检验的F 统计量与可决系数2R 满足如下关系： 计量经济学习题三 一、判断对错1、在研究经济变量之间的非确定性关系时,回归分析是惟一可用的分析方法;2、对应于自变量的每一个观察值,利用样本回归函数可以求出因变量的真实值;DW 检验临界值表α=3、OLS 回归方法的基本准则是使残差平方和最小;4、在存在异方差的情况下,OLS 法总是高估了估计量的标准差;5、无论回归模型中包括多少个解释变量,总离差平方和的自由度总为n -1;6、线性回归分析中的“线性”主要是指回归模型中的参数是线性的,而变量则不一定是线性的;7、当我们说估计的回归系数在统计上是显着的,意思是说它显着异于0; 8、总离差平方和TSS 可分解为残差平方ESS 和与回归平方和RSS,其中残差平方ESS 表示总离差平方和可由样本回归直线解释的部分;9、所谓OLS 估计量的无偏性,是指回归参数的估计值与真实值相等; 10、当模型中解释变量均为确定性变量时,则可以用DW 统计量来检验模型的随机误差项所有形式的自相关性;二、单项选择1、回归直线t ^Y =0ˆβ+1ˆβX t 必然会通过点 A 、0,0； B 、_X ,_Y ；C 、_X ,0；D 、0,_Y ;2、针对经济指标在同一时间所发生结果进行记录的数据列,称为 A 、面板数据；B 、截面数据；C 、时间序列数据；D 、时间数据;3、如果样本回归模型残差的一阶自相关系数ρ接近于0,那么DW 统计量的值近似等于 A 、0 B 、1 C 、2 D 、44、若回归模型的随机误差项存在自相关,则参数的OLS 估计量A 、无偏且有效B 、有偏且非有效C 、有偏但有效D 、无偏但非有效 5、下列哪一种检验方法不能用于异方差检验A、戈德菲尔德－夸特检验；B、DW检验；C、White检验；D、戈里瑟检验;6、当多元回归模型中的解释变量存在完全多重共线性时,下列哪一种情况会发生A、OLS估计量仍然满足无偏性和有效性；B、OLS估计量是无偏的,但非有效；C、OLS估计量有偏且非有效；D、无法求出OLS估计量;7、DW检验法适用于的检验A、一阶自相关B、高阶自相关C、多重共线性 D都不是8、在随机误差项的一阶自相关检验中,若DW＝,给定显着性水平下的临界值d L=,d U=,则由此可以判断随机误差项A、存在正自相关B、存在负自相关C、不存在自相关D、无法判断9、在多元线性线性回归模型中,解释变量的个数越多,则可决系数R2A、越大；B、越小；C、不会变化；D、无法确定10、在某线性回归方程的估计结果中,若残差平方和为10,回归平方和为40,则回归方程的拟合优度为A、 B、 C、 D、无法计算;三、简答与计算1、多元线性回归模型的基本假设有哪些2、计量经济模型中的随机误差项主要包含哪些因素3、简答经典单方程计量模型的异方差性概念、后果以及修正方法;4、简述方程显着性检验F检验与变量显着性检验t检验的区别;5、对于一个三元线性回归模型,已知可决系数R2=,方差分析表的部份结果如下：1样本容量是多少2总离差平方和TSS为多少3残差平方和ESS为多少4回归平方和RSS和残差平方和ESS的自由度各为多少5求方程总体显着性检验的F统计量；四、案例分析下表是中国某地人均可支配收入INCOME与储蓄SAVE之间的回归分析结果单位：元：Dependent Variable: SAVEMethod: Least SquaresSample: 1 31Included observations: 31Variable CoefficientStd.Errort-Statistic Prob.CINCOME――――R-squared Mean dependent var AdjustedR-squared. dependent var. of regression Akaike info criterionSum squared resid1778097Schwarz criterion.Log likelihood F-statisticDurbin-Watsonstat ProbF-statistic1、请写出样本回归方程表达式,然后分析自变量回归系数的经济含义2、解释样本可决系数的含义3、写出t检验的含义和步骤,并在5%的显着性水平下对自变量的回归系数进行t 检验临界值: 29=;4、下表给出了White异方差检验结果,试在5%的显着性水平下判断随机误差项是否存在异方差;5、下表给出LM序列相关检验结果滞后1期,试在5%的显着性水平下判断随机误差项是否存在一阶自相关;计量经济学习题四一、判断对错1、一般情况下,在用线性回归模型进行预测时,个值预测与均值预测结果相等,且它们的置信区间也相同;2、对于模型Yi =β+β1X1i+β2X2i+……+βkXki+μi,i=1,2, ……,n；如果X2=X5+X6, 则模型必然存在解释变量的多重共线性问题;3、OLS回归方法的基本准则是使残差项之和最小;4、在随机误差项存在正自相关的情况下,OLS法总是低估了估计量的标准差;5、无论回归模型中包括多少个解释变量,总离差平方和的自由度总为n-1;6、一元线性回归模型的F检验和t检验是一致的;7、如果随机误差项的方差随解释变量变化而变化,则线性回归模型存在随机误差项的序列相关;8、在近似多重共线性下,只要模型满足OLS的基本假定,则回归系数的最小二乘估计量仍然是一BLUE估计量;9、所谓参数估计量的线性性,是指参数估计量是解释变量的线性组合;10、拟合优度的测量指标是可决系数R2或调整过的可决系数,R2越大,说明回归方程对样本的拟合程度越高;二、单项选择1．在多元线性回归模型中,若两个自变量之间的相关系数接近于1,则在回归分析中需要注意模型的问题;A、自相关；B、异方差；C、模型设定偏误；D、多重共线性;2、在异方差的众多检验方法中,既能判断随机误差项是否存在异方差,又能给出异方差具体存在形式的检验方法是A、图式检验法；B、DW检验；C、戈里瑟检验；D、White检验;3、如果样本回归模型残差的一阶自相关系数ρ接近于1,那么DW统计量的值近似等于A、0B、1C、2D、44、若回归模型的随机误差项存在异方差,则参数的OLS估计量A、无偏且有效B、无偏但非有效C、有偏但有效D、有偏且非有效5、下列哪一个方法是用于补救随机误差项自相关问题的A、OLS；B、ILS；C、WLS；D、GLS;6、计量经济学的应用不包括：A、预测未来；B、政策评价；C、创建经济理论；D、结构分析;7、LM检验法适用于的检验A、异方差；B、自相关；C、多重共线性； D都不是8、在随机误差项的一阶自相关检验中,若DW＝,给定显着性水平下的临界值d L=,d U=,则由此可以判断随机误差项A、存在正自相关B、存在负自相关C、不存在自相关D、无法判断9、在多元线性线性回归模型中,解释变量的个数越多,则调整可决系数2RA、越大；B、越小；C、不会变化；D、无法确定10、在某线性回归方程的估计结果中,若残差平方和为10,总离差平方和为100,则回归方程的拟合优度为A、；B、；C、；D、无法计算;三、简答与计算1、多元线性回归模型的基本假设有哪些2、简述计量经济研究的基本步骤3、简答经典单方程计量模型自相关概念、后果以及修正方法;4、简述对多元回归模型01122...i i i k ki i Y X X X u ββββ=+++++进行显着性检验F 检验的基本步骤5、对于一个五元线性回归模型,已知可决系数R 2=,方差分析表的部份结果如下：1样本容量是多少2回归平方和RSS 为多少3残差平方和ESS 为多少 4回归平方和RSS 和总离差平方和TSS 的自由度各为多少 5求方程总体显着性检验的F 统计量；四、实验下表是某国1967－1985年间GDP 与出口额EXPORT 之间的回归分析结果单位：亿美元：Dependent Variable: EXPORT Method: Least Squares Sample: 1967 1985Included observations: 19VariableCoefficientStd. Errort-Statist icProb. CGDP――――R-squaredMean dependent varAdjusted R-squared. dependent var. of regressionAkaike infocriterionSum squared residSchwarz criterion Log likelihoodF-statisticDurbin-Watson statProbF-statistic1、请写出样本回归方程表达式,然后分析自变量回归系数的经济含义2、解释样本可决系数的含义3、写出t 检验的含义和步骤,并在5%的显着性水平下对自变量的回归系数进行t 检验临界值: 17=;4、下表给出了White 异方差检验结果,试在5%的显着性水平下判断随机误差项是否存在异方差;5、下表给出LM 序列相关检验结果滞后1期,试在5%的显着性水平下判断随机误差项是否存在一阶自相关;计量经济学习题五一、判断正误正确划“√”,错误划“x ”1、最小二乘法进行参数估计的基本原理是使残差平方和最小;2、一般情况下,用线性回归模型进行预测时,个值预测与均值预测相等,且置信区间也相同;3、如果随机误差项的方差随解释变量变化而变化,则线性回归模型存在随机误差项的序列相关;4、若回归模型存在异方差问题,应使用加权最小二乘法进行修正;5、多元线性回归模型的F 检验和t 检验是一致的;6、DW 检验只能检验随机误差项是否存在一阶自相关;7、总离差平方和TSS 可分解为残差平方RSS 和与回归平方和ESS,其中残差平方RSS 表示总离差平方和可由样本回归直线解释的部分;8、拟合优度用于检验回归方程对样本数据的拟合程度,其测量指标是可决系数或调整后的可决系数;9、对于模型011... 1,2,...,i i n ni i Y X X u i n βββ=++++=；如果231X X X =-,则模型必然存在解释变量的多重共线性问题;10、所谓OLS 估计量的无偏性,是指参数估计量的数学期望等于各自真值; 二、单项选择1、回归直线01ˆˆˆi iY X ββ=+必然会通过点A、0,0B、_X,_YC、_X,0D、0,_Y2、某线性回归方程的估计的结果,残差平方和为20,回归平方和为80,则回归方程的拟合优度为A、 B、C、 D、无法计算3、针对经济指标在同一时间所发生结果进行记录的数据列,称为A、面板数据B、截面数据C、时间序列数据D、时间数据4、对回归方程总体线性关系进行显着性检验的方法是A、Z检验B、t检验C、F检验D、预测检验5、如果DW统计量等于2,那么样本回归模型残差的一阶自相关系数ρ近似等于A、0B、-1C、1D、6、若随机误差项存在异方差,则参数的普通最小二乘估计量A、无偏且有效B、有偏且非有效C、有偏但有效D、无偏但非有效7、下列哪一种方法是用于补救随机误差项的异方差问题的A、OLS；B、ILS；C、WLSD、GLS8、如果某一线性回归方程需要考虑四个季度的变化情况,那么为此设置虚拟变量的个数为A、1B、2C、3D、49、样本可决系数R2越大,表示它对样本数据拟合得A、越好B、越差C、不能确定D、均有可能10、多元线性回归模型中,解释变量的个数越多,可决系数R2A、越大；B、越小；C、不会变化；D、无法确定三、简答题1、简述计量经济学的定义;2、多元线性回归模型的基本假设有哪些3、简答异方差概念、后果以及修正方法;4、简述t检验的目的及基本步骤;四、计算对于一个三元线性回归模型,已知可决系数20.8R ,方差分析表的部份结果如下：变差来源平方和自由度源于回归ESS 200源于残差RSS总变差TSS 221样本容量是多少2总变差TSS为多少3残差平方和RSS为多少4ESS和RSS的自由度各为多少5求方程总体显着性检验的F统计量值;计量经济学习题六-案例题一、根据美国各航空公司航班正点到达的比率X%和每10万名乘客投诉的次数Y 进行回归,EViews输出结果如下：Dependent Variable: YMethod: Least SquaresSample: 1 9Included observations: 91对以上结果进行简要分析包括方程显着性检验、参数显着性检验、DW值的评价、对斜率的解释等,显着性水平均取;2按标准书写格式写出回归结果;二、以下是某次线性回归的EViews输出结果,部分数值已略去用大写字母标示,但它们和表中其它特定数值有必然联系,分别据此求出这些数值,并写出过程;保留3位小数Dependent Variable: YMethod: Least SquaresSample: 1 13Included observations: 131求A 的值; 2求B 的值; 3求C 的值;三、用1970-1994年间日本工薪家庭实际消费支出Y 与实际可支配收入X 单位：103日元数据估计线性模型Y =01X u ββ++,然后用得到的残差序列t e 绘制以下图形; 1试根据图形分析随机误差项之间是否存在自相关若存在,是正自相关还是负自相关答：图形显示,随机误差项之间存在着相关性,且为正的自相关; 2此模型的估计结果为 试用DW 检验法检验随机误差项之间是否存在自相关;四、用一组截面数据估计消费Y —收入X 方程Y =01X u ββ++的结果为1根据回归的残差序列et 图分析本模型是否存在异方差注：abset 表示et 的绝对值;2其次,用White 法进行检验;EViews 输出结果见下表：附表：DW 检验临界值表α=White Heteroskedasticity Test:Dependent Variable: RESID^2 Method: Least Squares Sample: 1 60Included observations: 60若给定显着水平0.05α=,以上结果能否说明该模型存在异方差查卡方分布临界值的自由度是多少五、下图描述了残差序列{}t e 与其滞后一期值1{}t e -之间的散点图,试据此判断随机误差项之间是否存在自相关若存在,则是正自相关还是负自相关六、在一多元线性回归模型中,为检验解释变量之间是否存在多重共线性问题,以解释变量1x 作为被解释变量,对其余解释变量进行辅助回归,得到可决系数20.95R =;试计算变量1x 的方差扩大因子1VIF ,并根据经验判断解释变量间是否存在多重共线性问题七、下表是中国某地人均可支配收入INCOME 与储蓄SAVE 之间的回归分析结果单位：元：Sample: 1 31Included observations: 31VariableCoefficientStd. Errort-Statist ic Prob.CINCOME－－R-squaredMean dependent varAdjusted R-squared. dependent var. of regressionAkaike infocriterionSum squared resid 1778097. Schwarz criterion Log likelihoodF-statisticDurbin-Watson statProbF-statistic1、请写出样本回归方程表达式,然后分析自变量INCOME 回归系数的经济含义2、解释可决系数的含义3、若给定显着性水平5%α=,试对自变量INCOME 的回归系数进行显着性检验已知0.025(29) 2.045t =4、在5%α=的显着性水平下,查31n =的DW 临界值表得 1.363L d =, 1.496U d =,试根据回归结果判断随机误差项是否存在一阶自相关5、下表为上述回归的White 检验结果,在5%α=的显着性水平下,试根据P 值检验判断随机误差项是否存在异方差 White Heteroskedasticity Test:F-statisticProbabilityObsR-squaredProbability计量经济学习题一答案一、判断正误1． × 2． √ 3． √ 4． √ 5． × 6． × 7． ×8． × 9． √ 10． √ 二、单选题每小题分,共15分1． D ;2． B ;3． B ;4． C ;5． B ; 6． B ;7． B ;8． B ;9． B ;10． A ; 三、多选题1． ABCE 2． BCDE 3． ABCE 4． ABCD 5． ABCDE ; 四、简答题1．随机干扰项主要包括哪些因素它和残差之间的区别是什么答：随机干扰项包括的主要因素有：1众多细小因素的影响；2未知因素的影响；3数据测量误差或残缺；4模型形式不完善；5变量的内在随机性;随机误差项羽残差不同,残差是样本观测值与模拟值的差,即i e =ˆi iY Y -;残差项是随机误差项的估计;2．简述为什么要对参数进行显着性检验试说明参数显着性检验的过程;答：最小二乘法得到的回归直线是对因变量与自变量关系的一种描述,但它是不是恰当的描述呢一般会用与样本点的接近程度来判别这种描述的优劣,而当获得以上问题的肯定判断之后,还需要确定每一个参数的可靠程度,即参数本身以及对应的变量该不该保留在方程里,这就有必要进行参数的显着性检验;这种检验是确定各个参数是否显着地不等于零;检验分为三个步骤：①提出假设：原假设0:0i H β=；备择假设1:0i H β≠ ②在原假设成立的前提下构造统计量：()ˆ~(1)ˆiit t n k Se ββ=--③给定显着性水平α,查t 分布表求得临界值/2(1)t n k α--,把根据样本数据计算出的t 统计量值t *与/2(1)t n k α--比较：若/2(1)t t n k α*>--,则拒绝原假设0H ,即在给定显着性水平下,解释变量i X 对因变量有显着影响；若/2(1)t t n k α*<--,则不能拒绝原假设0H ,即在给定显着性水平下,解释变量i X 对因变量没有显着影响.3．简述序列相关性检验方法的共同思路;答：由于自相关性,使得相对于不同的样本点,随机干扰项之间存在相关关系,那么检验自相关性,首先根据OLS 法估计残差,将残差作为随机干扰项的近似估计值,然后检验这些近似估计值之间的相关性以判定随机干扰项是否存在序列相关;各种检验方法就是在这个思路下发展起来的;五、计算分析题1．下表是某次线性回归的EViews 输出结果,根据所学知识求出被略去部分的值用大写字母标示,Dependent Variable: Y Method: Least Squares Included observations: 13解：A=ˆ()Se β=ˆt β=7.10604.3903=；B=2R =211(1)1n R n k -----=1311(10.8728)1321-----=由公式2ˆσ=21ien k --∑,得C=2ie ∑=2ˆ(1)n k σ--=21.1886(1321)--=; 2．用Goldfeld Quandt -方法检验下列模型是否存在异方差;模型形式如下：i Y =0112233 i i i i X X X u ββββ++++其中样本容量n =40,按i X 从小到大排序后,去掉中间10个样本,并对余下的样本按i X 的大小等分为两组,分别作回归,得到两个残差平方和1ESS =、2ESS =,写出检验步骤α=;α。

四、简答题（每小题5分）欧阳歌谷（2021.02.01）1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。

2．计量经济模型有哪些应用？3．简述建立与应用计量经济模型的主要步调。

4．对计量经济模型的检验应从几个方面入手？5．计量经济学应用的数据是怎样进行分类的？6．在计量经济模型中，为什么会存在随机误差项？7．古典线性回归模型的基本假定是什么？8．总体回归模型与样本回归模型的区别与联系。

9．试述回归阐发与相关阐发的联系和区别。

10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？11．简述BLUE 的含义。

12．对多元线性回归模型，为什么在进行了总体显著性F 检验之后，还要对每个回归系数进行是否为0的t 检验？13.给定二元回归模型：01122t t t t y b b x b x u =+++，请叙述模型的古典假定。

14.在多元线性回归阐发中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？15.修正的决定系数2R 及其作用。

16.罕见的非线性回归模型有几种情况？17.观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

①t t t u x b b y ++=310②t t t u x b b y ++=log 10 ③t t t u x b b y ++=log log 10④t t t u x b b y +=)/(1018. 观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

①t t t u x b b y ++=log 10②t t t u x b b b y ++=)(210 ③t t t u x b b y +=)/(10④t b t t u x b y +-+=)1(1119.什么是异方差性？试举例说明经济现象中的异方差性。

20.产生异方差性的原因及异方差性对模型的OLS 估计有何影响。

21.检验异方差性的办法有哪些？22.异方差性的解决办法有哪些？23.什么是加权最小二乘法？它的基本思想是什么？24.样天职段法（即戈德菲尔特——匡特检验）检验异方差性的基来源根基理及其使用条件。

计量经济学期末考试简答题1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。

2．计量经济模型有哪些应用？3．简述建立与应用计量经济模型的主要步骤。

4．对计量经济模型的检验应从几个方面入手？5．计量经济学应用的数据是怎样进行分类的？6．在计量经济模型中，为什么会存在随机误差项？7．古典线性回归模型的基本假定是什么？8．总体回归模型与样本回归模型的区别与联系。

9．试述回归分析与相关分析的联系和区别。

10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？11．简述BLUE的含义。

12．对于多元线性回归模型，为什么在进行了总体显着性F检验之后，还要对每个回归系数进行是否为0的t检验？13.给定二元回归模型：，请叙述模型的古典假定。

14.在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？15.修正的决定系数及其作用。

16.常见的非线性回归模型有几种情况？17. 18观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

19.什么是异方差性？试举例说明经济现象中的异方差性。

20.产生异方差性的原因及异方差性对模型的OLS估计有何影响。

21.检验异方差性的方法有哪些？22.异方差性的解决方法有哪些？23.什么是加权最小二乘法？它的基本思想是什么？24.样本分段法（即戈德菲尔特——匡特检验）检验异方差性的基本原理及其使用条件。

25．简述DW检验的局限性。

26．序列相关性的后果。

27．简述序列相关性的几种检验方法。

28．广义最小二乘法（GLS）的基本思想是什么？29．解决序列相关性的问题主要有哪几种方法？30．差分法的基本思想是什么？31．差分法和广义差分法主要区别是什么？32．请简述什么是虚假序列相关。

33．序列相关和自相关的概念和范畴是否是一个意思？34．DW值与一阶自相关系数的关系是什么？35．什么是多重共线性？产生多重共线性的原因是什么？36．什么是完全多重共线性？什么是不完全多重共线性？37．完全多重共线性对OLS估计量的影响有哪些？38．不完全多重共线性对OLS估计量的影响有哪些？39．从哪些症状中可以判断可能存在多重共线性？40．什么是方差膨胀因子检验法？41．模型中引入虚拟变量的作用是什么？42．虚拟变量引入的原则是什么？43．虚拟变量引入的方式及每种方式的作用是什么？44．判断计量经济模型优劣的基本原则是什么？45．模型设定误差的类型有那些？46．工具变量选择必须满足的条件是什么？47．设定误差产生的主要原因是什么？48．在建立计量经济学模型时，什么时候，为什么要引入虚拟变量？49．估计有限分布滞后模型会遇到哪些困难50．什么是滞后现像？产生滞后现像的原因主要有哪些？51．简述koyck模型的特点。

Econometrics (60 points)Question 7: Short Answers (30 points)Answer parts 1-6 with a brief explanation.1. Suppose the model of interest is Y i = β0 + β1X 1i + β2X 2i + u i , where E(u |X)=0 and E(u 2|X)= and X 1 and X 2 are uncorrelated in your sample. Will the bivariate regression of Y on X i have thesame coefficient estimate and standard error for 1ˆβ as the multivariate regression of Y on X 1 and X 2? [6 points]Answer: The coefficient estimates will be the same but the standard error will be smaller in the multivariate regression. Let be the coefficient on X 1 in the bivariate regression. Using the formula for omitted variables bias, we know thatBy assumption, and and so .The value of β1 in the multivariate regression can be written as ̃ ̃ where ̃ ̅̅̅ since . Thus̃ ̃ ̅̅̅̅ ̅̅̅̅ .The standard error of the vector is given by where is the variance of the error term and is the vector of independent variables. Including X 2 reduces the standard error on the estimate of because it reduces but leaves the relevant term of unchanged since and are uncorrelated.Point Values :2 points: The estimates will be the same2 points: A reason1 point for a reasonable reason1 point if it includes any mathematical derivation1 point: The standard error will decrease 1 point: Some reasonable reasonParts 2 to 5 refer to the demand curve,ln(Q t ) = β0 + β1ln(P t ) + β2ln(Y t ) + u t ,(1)where Q t and P t are the quantity (number) and price of haircuts obtained in Cambridge in year t and Y t is mean income in Cambridge in year t.2.Express the price elasticity of demand in terms of the coefficients in (1). [6 points]Answer: The price elasticity of demand is β1, which is the derivative of ln(Q t) with respect toln(P t).Suppose you have annual data on Q_t, P_t, and Y_t in Cambridge for 30 years, and that you have some other annual data available too. You are interested in estimating the coefficients of equation (1). Assume price and quantity are simultaneously determined in a market equilibrium. Would the following variables plausibly be valid instruments for ln(Pt)?3.ln(Y t). [6 points]Answer: This is not valid. If the econometrician does not control for ln(Y t), then the instrument is not exogenous, since clearly corr(β2ln(Y t) + u t, ln(Y t)) ≠ 0. If the econometrician does control for ln(Y t), then the instrument is collinear with the controls.Points: 1.5 points for the instrument not being valid1.5 points for it not being exogenous3 points for a reasonmercial rental price (dollars/square foot/month) in Cambridge in that year. [6 points]Answer: I could see an argument either way for this one. The instrument is plausibly relevant, since an increase in commercial rents could lead to haircutting salons increasing prices of haircuts even controlling for mean income. I can see an argument either way for exogeneity: It is plausibly exogenous controlling for mean income, since controlling for mean income controls for general economic conditions which might impact both commercial rents and demand for haircuts.It is not necessarily exogenous. Suppose that all the major investment banks decide to move from New York to Cambridge. Then this might cause an increase in commercial rents due toincreased demand for space and also an increase in demand for haircuts as individuals shift from working at biotech startups (and having long hair) to working at investment banks.Points: 1 point for valid or not1 point for relevance1.5 points for the reason why it is relevant1 point for whether it is exogenous1.5 points for the reason5.The average length of hair of individuals appearing in People magazine in that year. [6 points]Answer: This is not a valid instrument. It is not correlated with the price of haircuts and iscorrelated with unobservables that impact the demand for haircuts.Point Values: 1 point for not valid1.5 points for it not being relevant1.5 points for it not being exogenous2 points for reasoningQuestion 8: Performance-linked pay (30 points)Table IV from Lemieux, MacLeod, and Parent (Quarterly Journal of Economics, 2009; see the following page) shows results from a regression of log wages on a dummy for whether a job has pay linked to performance (e.g. salespeople paid on commission) and other variables. The data are panel data on workers. In addition to the reported coefficients, the regressions include industry, occupation, and year dummies; county unemployment; and marital status, race dummies, and union status. Standard errors are in parentheses.The model also includes quadratic functions of experience (number of years in the workforce) and tenure (number of years at this specific job). The row labeled “Experience x performance-pay” is the effect of experience at 20 years interacted with performance pay. Similarly, the row labeled “Tenure x performance pay” is the effect of tenure (evaluated at ten years) interactedwith performance pay.1.Based on column (3), is the return to education higher at performance pay jobs or non-performance pay jobs? What is the difference and is it statistically significant? [6 points]Answer: The returns to education are higher in performance pay jobs. The coefficient oneducation x performance pay is 0.0365 with a standard error of 0.007. The t statistic for the test that the coefficient is equal to zero is 5.214 which has a p value of 0.000.Points: 1 point for higher1 point for the coefficient1 point for the standard error1 points for the t statistic1 point for the p value1 point for stating it is statistically significant at 5% or 1%.2.Again using column (3), what is the return to having a performance pay job for somebody with acollege degree (16 years of education), 20 years of experience, and 10 years of tenure? [6 points] Answer: The difference in log wages between a performance pay job and a non performancepay job for a person with the given characteristics is given by{}{}{}The person will earn a staggering 61.7% more in log wages in a performance pay job than not.Points: 1 point for1 point for {}1 point for {}1 points for {}1 point for getting the correct sum1 point for interpreting the answer.3.Regression (4) includes worker-level fixed effects. The coefficient on years of education fallsfrom .0637 in (3) to .0167 in (4). Is this a large change in economic terms? Explain. [6 points] Answer: This is a large effect. A coefficient of 0.06 indicates that, all other things equal, a one year increase in education increases expected log wage by 6%. A coefficient of 0.0167 indicates that an additional year of education increases expected wage by less than 2%, which is less thana third of the first effect. The wage returns to education appear much smaller in this secondestimate. In addition, the coefficient is no longer statistically significant at 5%.Points: 6 points for reasonable reasoning4.Provide an explanation for the difference in the coefficients discussed in question 3 (.0637 vs..0167). Be concrete. [6 points]Answer: Including fixed effects controls for individual unobservables which would impact both educational attainment and log wages. For example, suppose that more able workers get more education and also are hired by more productive firms (and have higher wages as aconsequence). Then regression 3 would suffer from omitted variables bias and this would lead to the coefficient on education being biased upward. Including individual fixed effects eliminates this OVB problem.Points: 2 points for mentioning unobservables or omitted variables bias2 points for giving an example of an omitted variable2 points for explaining why this example variable would bias the coefficient upward5.Consider three possible ways to compute standard errors for the regressions in Table IV:homoskedasticity-only; heteroskedasticity-robust; and clustered at the individual-job level.Which is the most appropriate method, and why? [6 points]Answer: Standard errors should be clustered at the individual-job level. This is because even controlling for individual and industry characteristics, idiosyncratic portions of wages (such as firm-specific shocks that impact wages) may be correlated for an individual over time. Thus the error terms are not iid and the standard errors need to be corrected for this fact.Points: 1 point for not picking homoscedastic1 point for a reasonable explanation if they pick heteroscedastic2 points for picking individual-job level3 points for an explanation of why individual-job clustering is required。

计量经济学题库（超完整版）及答案四、简答题（每⼩题5分）1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。

2．计量经济模型有哪些应⽤？3．简述建⽴与应⽤计量经济模型的主要步骤。

4．对计量经济模型的检验应从⼏个⽅⾯⼊⼿？5．计量经济学应⽤的数据是怎样进⾏分类的？ 6．在计量经济模型中，为什么会存在随机误差项？7．古典线性回归模型的基本假定是什么？ 8．总体回归模型与样本回归模型的区别与联系。

9．试述回归分析与相关分析的联系和区别。

10．在满⾜古典假定条件下，⼀元线性回归模型的普通最⼩⼆乘估计量有哪些统计性质？ 11．简述BLUE 的含义。

12．对于多元线性回归模型，为什么在进⾏了总体显著性F 检验之后，还要对每个回归系数进⾏是否为0的t 检验？13.给定⼆元回归模型：01122t t t t y b b x b x u =+++，请叙述模型的古典假定。

14.在多元线性回归分析中，为什么⽤修正的决定系数衡量估计模型对样本观测值的拟合优度？15.修正的决定系数2R 及其作⽤。

16.常见的⾮线性回归模型有⼏种情况？17.观察下列⽅程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

①t t t u x b b y ++=310 ②t t t u x b b y ++=log 10③ t t t u x b b y ++=log log 10 ④t t t u x b b y +=)/(1018. 观察下列⽅程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。

①t t t u x b b y ++=log 10 ②t t t u x b b b y ++=)(210③ t t t u x b b y +=)/(10 ④t b t t u x b y +-+=)1(11019.什么是异⽅差性？试举例说明经济现象中的异⽅差性。

20.产⽣异⽅差性的原因及异⽅差性对模型的OLS 估计有何影响。

计量经济学试题及答案一、选择题1. 计量经济学是研究经济现象的一种方法，其特点是（）。

A. 历史性B. 科学性C. 主观性D. 人文性答案：B. 科学性2. 下列哪个属于计量经济学的基本假设（）。

A. 完全竞争市场假设B. 政府干预市场假设C. 供需平衡假设D. 多元线性回归假设答案：D. 多元线性回归假设3. 计量经济学的数据分析方法一般可以分为（）。

A. 定性分析和定量分析B. 统计分析和经济分析C. 单元根分析和平稳性分析D. 截面数据分析和时间序列分析答案：D. 截面数据分析和时间序列分析二、填空题1. 计量经济学的核心方法之一是（）。

答案：回归分析2. 计量经济学中的“OLS”缩写代表（）。

答案：最小二乘法3. 计量经济学中用来衡量变量之间关系强度的指标是（）。

答案：相关系数三、简答题1. 请简要解释计量经济学中的“异方差性”问题，并提供解决方法。

答案：异方差性是指随着解释变量的变化，误差项的方差也会发生变化。

解决异方差性问题的方法包括加权最小二乘法、异方差稳健标准误差、变量转换等。

2. 请阐述计量经济学中的“内生性”问题及其影响。

答案：内生性是指解释变量与误差项之间存在相关性，会导致回归结果的系数估计具有偏误。

内生性问题的存在会使得回归结果失去解释力，并产生错误的推断结论。

四、论述题1. 计量经济学中，时间序列分析的应用范围及方法。

答案：时间序列分析适用于研究同一经济变量随时间变化的规律和趋势。

时间序列分析的方法包括平稳性检验、单位根检验、阶梯回归模型等。

2. 多元线性回归模型的基本原理和步骤。

答案：多元线性回归模型是通过建立多个解释变量与一个被解释变量之间的线性关系来描述经济现象。

步骤包括选择适当的解释变量、估计回归方程、检验回归方程的显著性、解释回归方程及进行诊断检验等。

这篇文章介绍了计量经济学的一些基本概念和方法。

通过选择题、填空题、简答题和论述题的形式给出了一些试题及相应的答案。

计量经济学重点简答题1．简述计量经济学与经济学、统计学、数理统计学学科间的关系;答：计量经济学是经济理论、统计学和数学的综合;经济学着重经济现象的定性研究,计量经济学着重于定量方面的研究;统计学是关于如何收集、整理和分析数据的科学,而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证;数理统计学作为一门数学学科,可以应用于经济领域,也可以应用于其他领域；计量经济学则仅限于经济领域;计量经济模型建立的过程,是综合应用理论、统计和数学方法的过程,计量经济学是经济理论、统计学和数学三者的统一;2、计量经济模型有哪些应用答：①结构分析②经济预测③政策评价④检验和发展经济理论3、简述建立与应用计量经济模型的主要步骤;答：模型设定估计参数模型检验模型应用或1经济理论或假说的陈述2 收集数据3建立数理经济学模型 4建立经济计量模型5模型系数估计和假设检验6模型的选择7理论假说的选择8经济学应用4、对计量经济模型的检验应从几个方面入手答：①经济意义检验②统计推断检验③计量经济学检验④模型预测检验5、计量经济学应用的数据是怎样进行分类的答：时间序列数据截面数据面板数据虚拟变量数据6、解释变量和被解释变量,内生变量和外生变量被解释变量是模型要研究的对象,被称为“因变量”,是变动的结果;解释变量是说明被解释变量变动的原因,被称为“自变量”,是变动的原因;内生变量是其数值由模型所决定的变量,是模型求解的结果;外生变量是其数值由模型以外决定的变量;7、计量经济学的含义计量经济学是以经济理论和经济数据的事实为依据,运用数学、统计学的方法,通过建立数学模型来研究经济数量关系和规律的一门经济学科;8.在计量经济模型中,为什么会存在随机误差项答：随机误差项是计量经济模型中不可缺少的一部分;产生随机误差项的原因有以下几个方面：①模型中被忽略掉的影响因素造成的误差；②模型关系认定不准确造成的误差；③变量的测量误差；④随机因素;9．对于多元线性回归模型,为什么在进行了总体显着性F检验之后,还要对每个回归系数进行是否为0的t检验答：多元线性回归模型的总体显着性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显着;通过了此F检验,就可以说模型中的全部解释变量对被解释变量的共同影响是显着的,但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显着的;因此还需要就每个解释变量对被解释变量的影响是否显着进行检验,即进行t检验;10.古典线性回归模型具有哪些基本假定;答：1 随机误差项与解释变量不相关; 2 随机误差项的期望或均值为零;3 随机误差项具有同方差,即每个随机误差项的方差为一个相等的常数;4 两个随机误差项之间不相关,即随机误差项无自相关;11.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度答：因为人们发现随着模型中解释变量的增多,多重决定系数2R的值往往会变大,从而增加了模型的解释功能;这样就使得人们认为要使模型拟合得好,就必须增加解释变量;但是,在样本容量一定的情况下,增加解释变量必定使得待估参数的个数增加,从而损失自由度,而实际中如果引入的解释变量并非必要的话可能会产生很多问题,比如,降低预测精确度、引起多重共线性等等;为此用修正的决定系数来估计模型对样本观测值的拟合优度;12.修正的决定系数2R及其作用;解答：222/11()/1tte n kRy y n--=---∑∑,其作用有：1用自由度调整后,可以消除拟合优度评价中解释变量多少对决定系数计算的影响；2对于包含解释变量个数不同的模型,可以用调整后的决定系数直接比较它们的拟合优度的高低,但不能用原来未调整的决定系数来比较;13.多重共线性含义：多重共线性是指解释变量之间存在完全或近似的线性关系;产生原因：1样本数据的采集是被动的,只能在一个有限的范围内得到观察值,无法进行重复试验;2经济变量的共同趋势3滞后变量的引入4模型的解释变量选择不当后果：（1）完全多重共线性产生的后果参数的估计值不确定、参数估计值的方差无限大（2）不完全多重共线性产生的后果参数估计值的方差无限大；对参数区间估计时,置信区间趋于变大；严重多重共线性时假设检验易作出错误判断；模型总体性检验F值和R2值都很高,但各回归系数估计量的方差很大,t 值很低,系数不能通过显着性检验检验：简单相关系数检验法、方差扩大因子法、直观判断法、逐步回归检验法 补救措施：剔出不重要变量；增加样本数量；改变模型形式；改变变量形式；利用先验信息,逐步回归法;14.异方差含义：异方差性是指模型中随机误差项的方差不是常量,而且它的变化与解释变量的变动有关;产生原因：1模型中遗漏了某些解释变量；2模型函数形式的设定误差；3样本数据的测量误差；4随机因素的影响;后果：如果线性回归模型的随机误差项存在异方差性,会对模型参数估计、模型检验及模型应用带来重大影响,主要有：1不影响模型参数最小二乘估计值的无偏性；2参数的最小二乘估计量不是一个有效的估计量；3对模型参数估计值的显着性检验失效；4模型估计式的代表性降低,预测精度精度降低;检验方法：1图示检验法；2GQ 检验；3怀特检验；4Glejser 检验5ARCH 检验 解决方法：1模型变换法；2加权最小二乘法；3模型的对数变换等15.加权最小二乘法的基本原理最小二乘法的基本原理是使残差平方和∑2t e 为最小,在异方差情况下,总体回归直线对于不同的t t e x ,的波动幅度相差很大;随机误差项方差2t σ越小,样本点t y 对总体回归直线的偏离程度越低,残差t e 的可信度越高或者说样本点的代表性越强；而2t σ较大的样本点可能会偏离总体回归直线很远,t e 的可信度较低或者说样本点的代表性较弱;因此,在考虑异方差模型的拟合总误差时,对于不同的2t e 应该区别对待;具体做法：对较小的2te给于充分的重视,即给于较大的权数；对较大的2te给于充分的重视,即给于较小的权数;更好的使 2t e反映)var(iu对残差平方和的影响程度,从而改善参数估计的统计性质;16.自相关含义：自相关是指总体回归模型的随机误差项u之间存在相关关系;产生原因：答：1经济变量惯性的作用引起随机误差项自相关；2经济行为的滞后性引起随机误差项自相关；3一些随机因素的干扰或影响引起随机误差项自相关；4模型设定误差引起随机误差项自相关；5观测数据处理引起随机误差项自相关;后果：1模型参数估计值不具有最优性；2随机误差项的方差一般会低估；3模型的统计检验失效；4区间估计和预测区间的精度降低;检验方法：1图示法；2DW检验；3LM检验法补救措施：广义差分法、CO迭代法17．简述DW检验的局限性;答：从判断准则中看到,DW检验存在两个主要的局限性：首先,存在一个不能确定的..DW值区域,这是这种检验方法的一大缺陷;其次：..DW检验只能检验一阶自相关;但在实际计量经济学问题中,一阶自相关是出现最多的一类序列相关,而且经验表明,如果不存在一阶自相关,一般也不存在高阶序列相关;所以在实际应用中,对于序列相关问题—般只进行..DW检验;18.试述D-W检验的适用条件及其检验步骤使用条件：1回归模型包含一个截距项;2变量X 是非随机变量;3扰动项的产生机制：1t t t u u v ρ-=+ 11ρ-≤≤;4因变量的滞后值不能作为解释变量出现在回归方程中;检验步骤1进行OLS 回归,并获得残差;2计算D 值;3已知样本容量和解释变量个数,得到临界值;4根据下列规则进行判断：19．广义最小二乘法GLS 的基本思想是什么答:基本思想就是对违反基本假定的模型做适当的线性变换,使其转化成满足基本假定的模型,从而可以使用OLS 方法估计模型;20．请简述什么是虚假序列相关,如何避免答：数据表现出序列相关,而事实上并不存在序列相关;要避免虚假序列相关,就应在做定量分析之间先进行定性分析,看从理论上或经验上是否有存在序列相关的可能,可能性是多大;21．在建立计量经济学模型时,为什么要引入虚拟变量答案：在现实生活中,影响经济问题的因素除具有数量特征的变量外,还有一类变量,这类变量所反映的并不是数量而是现象的某些属性或特征,即它们反映的是现象的质的特征;这些因素还很可能是重要的影响因素,这时就需要在模型中引入这类变量;引入的方式就是以虚拟变量的形式引入;22．模型中引入虚拟变量的作用是什么答：1可以描述和测量定性因素的影响；2能够正确反映经济变量之间的关系,提高模型的精度；3便于处理异常数据;23．虚拟变量引入的原则是什么答：1如果一个定性因素有m方面的特征,则在模型中引入m-1个虚拟变量；2如果模型中有m个定性因素,而每个定性因素只有两方面的属性或特征,则在模型中引入m个虚拟变量；如果定性因素有两个及以上个属性,则参照“一个因素多个属性”的设置虚拟变量;24．虚拟变量引入的方式及每种方式的作用是什么答：1加法模式：其作用是改变了模型的截距水平；2乘法模式：其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述精度；25.举例说明如何引进加法模式和乘法模式建立虚拟变量模型;答案：设Y为个人消费支出；X表示可支配收入,定义如果设定模型为此时模型仅影响截距项,差异表现为截距项的和,因此也称为加法模型;如果设定模型为此时模型不仅影响截距项,而且还影响斜率项;差异表现为截距和斜率的双重变化,因此也称为乘法模型;26．判断计量经济模型优劣的基本原则是什么答：1模型应力求简单；2模型具有可识别性；3模型具有较高的拟合优度；4模型应与理论相一致；5模型具有较好的超样本功能;27．设定误差产生的主要原因是什么答案：原因有四：1模型的制定者不熟悉相应的理论知识；1分2对经济问题本身认识不够或不熟悉前人的相关工作；1分3模型制定者缺乏相关变量的数据；1分4解释变量无法测量或数据本身存在测量误差;2分28.以一元回归为例叙述普通最小二乘回归的基本原理;解：依据题意有如下的一元样本回归模型：t t t e X b b Y ++=21 1 普通最小二乘原理是使得残差平方和最小,即∑∑--==2212)(min min min t t t X b b Y e Q 2根据微积分求极值的原理,可得0)(202111=---=∂∂⇔=∂∂∑t t X b b Y b Q b Q 30)(202122=---=∂∂⇔=∂∂∑t t t X X b b Y b Q b Q 4将3和4式称为正规方程,求解这两个方程,我们可得到：∑∑∑∑∑+=+=22121i i i i i iX b X b X Y Xb nb Y 5解得：其中Y Y y X X x i i i i -=-=,,表示变量与其均值的离差; 29.T 检验课本42页 30.F 检验课本76页31.结果报告的书写和预测区间的计算课本43页。