内容发布更新时间 : 2024/12/25 22:10:43星期一 下面是文章的全部内容请认真阅读。
8．满足基本假设情况下，应用OLS法估计模型，回归平方和与
随机误差项的方差之比ESS/?2服从 （ ） A．t分布 B．F分布 C．?2分布 D．正态分布
9．下列检验方法中，可用于检验序列相关性的是 （ ）
A．Gleiser检验 B．回归检验 C．G-Q检验 D．White检验
10．下列选项中，对线性回归模型基本假设表述不正确的是 （ A．Cov(?)??2I B．?~N(0,?2I) C．E(X??)?0 D．Cov(?i,?j)?0 i,j?1,2,,n
11．如果模型中出现了与随机误差项相关的随机解释变量，
最常用的参数估计方法是 （ A．加权最小二乘法 B．广义最小二乘法 C．差分法 D．工具变量法
12．假定月收入水平在1000元以内时，居民边际消费倾向维持在
某一水平，当月收入水平达到或超过1000元时，边际消费 倾向将明显下降，则描述消费（C）依收入（I）变动的
线性关系宜采用 （ A．C??ID???0 I<1000元t0??1t??2DIt??t, ?1 I?1000元
B．C??0 I<1000元t??0?1D??2It??t, D???1 I?1000元
C．C??*?*?0 I<1000元t??01(It?I)D?t, I?1000元, D???1 I?1000元
D．C?I*)D???0 I<1000元t??0?1It??2(It?t, I*?1000元, D???1 I?1000元
13．下列模型中，属于有限分布滞后模型的是 （ A．Yt????0Xt??1Yt?1??2Yt?2???t
B．Yt????0Xt??1Yt?1??2Yt?2??kYt?k??t
C．Yt????0Xt??1Xt?1??2Xt?2???t
D．Yt????0Xt??1Xt?1??2Xt?2??kXt?k??t
14．联立方程模型可识别的条件是其中的（ ）随机方程都可识别。 （ A．所有 B．三个或以上
） ） ） ） ）
C．二个 D．一个
15．先决变量是（ ）的合称。 （ ）
A．外生变量和滞后内生变量 B．内生变量和外生变量 C．外生变量和虚拟变量 D．解释变量和被解释变量
本题 得分 二、判断题（共10小题，每题1分，共计10分）
答题要求：正确的在题后括号中打 ? ，错误的打 ×
1．满足基本假设条件下，一元线性回归模型的被解释变量及
参数?0、?1的普通最小二乘估计量都服从正态分布。 （ ）
2．经典计量经济方法中的线性函数，意味着参数是线性的，
变量可以是非线性的。 （ ） 3．样本回归函数给出了对应于每一组解释变量的取值的
被解释变量的总体均值。 （ ） 4．通常情况下，对模型施加约束条件可提高模型的解释能力。 （ ） 5．拟合优度检验不能得出模型总体线性关系
在某一显著性水平下是否显著成立的结论。 （ ） 6．存在多重共线情况下，多元线性回归模型的结构参数的
普通最小二乘估计量不再是最佳线性无偏估计。 （ ） 7．广义最小二乘法可同时克服异方差性、序列相关性对
参数估计的影响。 （ ） 8．模型Yi??0??1Xi??2Di??i中，如果虚拟变量Di的取值为
0或2，而非通常情况下的0或1，那么，参数?2的估计值将减半。 （ ） 9．对于联立方程模型，可利用阶条件判断方程是否可识别，
进而利用秩条件判断方程是恰好可识别还是过度可识别。 （ ） 10．结构式方程中没有内生变量作为被解释变量。 （ ） 本题 得分 三、名词解释题（共5小题，每题3分，共计15分）
1．总体回归曲线
2．D-W检验
3．虚拟变量陷阱
4．自回归模型
5．参数关系体系 本题 得分 四、简答题（共3小题，每题5分，共计15分）
1．为什么计量经济学模型的理论方程中必须包含随机误差项？
2．假设某投资函数
It????0Xt??1Xt?1??2Xt?2?倒V型，如何设计权数估计此模型。
??5Xt?5??t
其中，It为t期的投资，Xt表示t期的销售量。假定滞后变量的权数类型为
3．联立方程计量经济学模型中的结构式方程为什么不能直接用OLS法估计？ 1．在对某国 “实际通货膨胀率（Y）”与 “失业率（X1）” 、“预期通货膨胀率（X2）”的关系的研究中，建立模型Yi??0??1X1i??2X2i??i，利用EViews软件进行参数估计，得到了如下估计结果：
Dependent Variable: Y Method: Least Squares Date: 12/25/06 Time: 18:38 Sample: 1990 2005 Included observations: 16 本题 得分 五、计算分析题（共2小题，每题15分，共计30分）
Variable X1 X2 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient -1.300848 1.378710 7.113945 Std. Error 0.264774 0.160571 1.398664 t-Statistic -4.913042
① 5.086244 Prob. 0.0003 0.0000 0.0002 8.074375 2.786592 3.293023 3.437884 37.17412 0.000004 0.851170 Mean dependent var
② S.D. dependent var 1.154760 Akaike info criterion 17.33513 Schwarz criterion -23.34419 F-statistic 1.353544 Prob(F-statistic) 要求回答下列问题：
（1） ① 、 ② 处所缺数据各是多少？
（2） “失业率” 、“预期通货膨胀率”各自对“实际通货膨胀率”的影响
是否显著？为什么？（显著性水平取1%）
（3）“实际通货膨胀率”与“失业率” 、“预期通货膨胀率”之间的线性关
系是否显著成立？为什么？（显著性水平取1%） （4）随机误差项的方差的普通最小二乘估计值是多少？
（5）可否判断模型是否存在一阶自相关？为什么？（显著性水平?取5%，
已知?=5%、n=16、k=2时，dL=0.98，dU=1.54）
2．根据美国1961年第一季度至1977年第二季度的季度数据，得咖啡需求函数回归方程：
??1.2789?0.1647lnP?0.5115lnI?0.1483lnP??0.0089T?0.0961D lnQtttt1t(?2.14) (1.23) (0.55) (?3.36) (?3.74)
?0.1570D2t?0.0097D3t R2?0.80
(?6.03) (?0.37)
其中：Q——人均咖啡消费量（单位：磅）
P——咖啡的价格
I——人均收入 P?——茶的价格
T——时间趋势变量（1961年一季度为1，……1977年二季度为66）
D1=??1?0第一季度其它1； D2=??第二季度其它?01； D3=??第三季度其它?0
要求回答下列问题：
（1）模型中P、I和P?的系数的经济含义是什么？
（2）咖啡的价格需求是否很有弹性？（3）咖啡和茶是互补品还是替代品？ （4）如何解释时间变量T的系数？（5）如何解释模型中虚拟变量的作用？ （6）哪些虚拟变量在统计上是显著的？（7）咖啡的需求是否存在季节效应？