1、1.结构式模型中的每一个方程都称为结构式方程，在结构方程中，解释变量可以是前定变量，也可以是( C )A.外生变量 B.滞后变量 C.内生变量 D.外生变量和内生变量4.戈德菲尔德匡特检验法可用于检验( A )A.异方差性 B.多重共线性 C.序列相关 D.设定误差7.设 k 为回归模型中的参数个数,n 为样本容量。则对总体回归模型进行显著性检验(F 检验)时构造的 F 统计量为( )A. B. C. D.10.容易产生异方差的数据为( C )A.时序数据 B.修匀数据 C.横截面数据 D.年度数据13.koyck 变换模型参数的普通最小二乘估计量一般是( D )A.无偏且一致 B.有偏但一致
2、 C.无偏但不一致 D.有偏且不一致16.若回归模型中的随机误差项存在一阶自回归形式的序列相关，则估计模型参数应采用( C )A.普通最小二乘法 B.加权最小二乘法 C.广义差分法 D.工具变量法19.线性模型 Yi=0+1X1i+2X2i+i 不满足哪一假定称为异方差现象 ?( B )A.Cov(i,j)=0 B.var(i)=2C.Cov(Xi,i)=0 D.Cov(X1i,X2i)=022.根据 20 个观测值估计的结果，一元线性回归模型的 DW=2.6,在 =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.
3、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.无法确定25.联立方程模型中的非随机方程是：( D )A.行为方程 B.技术方程 C.制度方程 D.平衡方程28在分布滞后模型 t2t1tt0t uxxy 中210i 称为（ A ）A长期影响乘数 B过渡性乘法数 C短期影响乘法 D可加性乘数31在经济计量模型中，被解释变量一定是（ A ）A内生变量 B滞后变量 C政策变量 D外生变量34先用最小二乘法估计简化参数、再由简化参数的估计量得到结构参数估计量的估计方法被称为（ B ）A二阶段最小二乘法 B间接最小二乘法 C三阶段最小二乘法 D普通最小二乘法37在联立方程模型中，一
4、个方程不能识别是因为（ A ）A该方程中无外生变量 B该方程中包含的变量太少 C该方程与其它方程有相同的统计形式 D该方程中包含的变量太多40在某简单线性回归分析中，斜率系数的置信度为 95%的置信区间为(0.67,0.73)，则下列判断中正确的是 BA斜率系数的真值以 95%的概率落在置信区间(0.67,0.73)中。B斜率系数的真值落在置信区间(0.67,0.73)中的概率不是零就是1。C 区间(0.67,0.73) 以 95%的概率包括斜率系数的真值。D以上判断均不对。43在多元线性回归模型中，若令 ，其中 SSR，SSE 分别为回归平方和与残差平方和，k 为回归模型)/(SE1RknF
5、中回归系数的个数，n 为样本容量，那么 F 统计量与拟合优度 的关系为 ( A )2A )/(12knRFB21RC )/(2D nk/)(1246设某一有限分布滞后模型的最大滞后期为 11，经过计算得如下表格：滞后长度从 0-11 的 AIC 值滞后长度 AIC 滞后长度 AIC0 15.42132 6 12.784321 14.98896 7 12.767852 14.44824 8 12.755743 13.80839 9 12.763494 13.27461 10 12.808415 13.01327 11 12.81967那么，该模型的滞后长度应该为 DA0 B5 c6 d849已知
6、三元线性回归模型估计的残差平方和为 ，估计用样本容量为 ，则随机误差项 的方差估02te24ntu计量 为( B )。2SA、33.33 B、 40 C、 38.09 D 、36.3652在经济发展发生转折时期，可以通过引入虚拟变量方法来表示这种变化。例如，研究中国城镇居民消费函数时。1991 年前后，城镇居民商品性实际支出 Y 对实际可支配收入 X 的回归关系明显不同。现以 1991 年为转折时期，设虚拟变量，数据散点图显示消费函数发生了结构性变化：基本消费部分下降了，边际消费倾向变大了。则； 反 常 年 份； 正 常 年 份01tD城镇居民线性消费函数的理论方程可以写作：（ D ） 。A、
7、 B、ttt uXY10 tttt uXDY210C、 D、tttt2 ttttt 31 时间序列数据:是由一个或几个变量不同时间的观测值的构成。2 横截面数据:就是在给定时点对个人、家庭、企业、城市、省、国家或一系列其它单位采集的样本所构成的数据。3 普通最小二乘法: 在简单线性样本回归模型中，使残差平方和最小的回归系数的估计称为最小二乘估计 (LSE 或 OLS)。4 拟合优度：能够用解释变量来解释的部分占应变量的总变差的比例就是表示样本回归线对应变量的样本值拟合程度的一个量度。5 双对数模型：对柯布道格拉斯生产函数321iiiXY的左边乘以一个在 1 上下波动的随机变量iue，其中 iu
8、满足经典假设，则产生出指数回归模型iuiii e32，对上式两边取对数，得iiii uXY32lnlln式为一线性模型，称这样的模型为对数线性模型或双对数模型。6 交互效应：同时具备两个虚变量所表示的特征时所产生的效应。如方程中的 就是交互效应。iiiii uXDD32321 237 自相关性：在一个多元线性回归模型中，不同观测点的随机扰动项之间存在相关关系。.8DW 统计量：用以检验一阶自相关的现在被称为 DW 统计量或 d 统计量的统计量。它定义为： nttttud121)(其中 为残差。)(21ktttt XYu8 内生变量和前定变量：研究者所要研究的变量且这些变量决定于其它不能由经济系
9、统本身所决定的变量，这类变量称为内生变量；决定于经济系统之外的用来说明第一类变量的变量，这类变量称为前定变量。9 联立方程的两个问题：识别问题和估计问题。10随机步游和带飘移的随机步游：如果时间序列 tY的每一次变化均来自于一个白噪声，即 tttuY1，其中 t为白噪声过程。则称时间序列 tY为一个随机步游。如果时间序列 tttuc1，其中 c 是一常数， tu为白噪声过程。则称这样的随机时间序列为带飘移的随机步游。1 什么是实验数据？什么是非实验数据？它们有何本质区别？实验数据指通常是在实验环境中获得的数据。非实验数数据：从对个人、企业或经济系统中的某些部分的控制实验或观测得到的数据。区别：
10、实验数据一般是在相同环境中重复试验得出的，而非实验数据一般是观测得到的.2 令 C 表示某家庭某月的消费，Y 表示该家庭同期的收入，消费对收入的简单线性回归模型为，其中 u 为随机扰动项。(1) u 中可能包含哪些因素？它们可能与收入水平相关吗？ (2) 21简单回归分析能够揭示在其它条件不变下的影响吗？为什么？答：本题之(1)问没有固定答案， (2)问的答案是：不能，因为简单线性回归中，解释变量对应变量的影响不仅包括直接影响还包括间接影响，这就不能保证其它因素不变了。用最大似然估计法对简单线性回归模型的扰动项方差进行估计，其表达形式是什么？它是无偏的吗？如果不是，试举出一无偏估计量。答：随机
11、扰动项的方差 的最大似然估计为平均平方残差，即 。2 nunXYnini ii 121212 )(随机扰动项的方差的最大似然估计是有偏的，但它是渐进无偏的。下列估计量是无偏估计量： 22)( 11212 nunXYnini ii。 3 双对数模型有哪些优点？答：第一，回归方程中解释变量前的系数有明确的含义，第二，如果应变量以对数形式出现，那么改变度量单位就不会影响斜率系数。对没有取对数的线性回归模型而言，当我们改变因变量或解释变量的度量单位时，一般而言，回归系数的值会发生变化，但当应变量对数形式出现时，改变应变量的度量单位仍不会影响任何一个斜率估计值。这是基于如下简单的事实：对于任何一个常数
12、01c，都有)ln(l)ln(11ii YcY。新的截距将是 01)ln(c。与此类似，对任何一个 jX，当它在回归中以)ln(jX出现时，改变其度量单位只能改变其截距。第三，由于对变量取对数后，其值的大小会大大减小，往往会使模型更接近经典假设。但要注意的是，对数模型对原始数据有一个基本要求：原始数据不能为零和负。4 线性概率模型有哪些不足？答：第一，当解释变量的值足够大或足够小使应变量的预测值超出0,1的范围时，预测无意义，所以人们常以式代替线性概率模型，即如果应变量的估计值大于 1，则以 1 代 1 ，10 0212ii ii XP当 当当，替，如果估计值小于 0 则以 0 代替。但这样做
13、的一个后果是估计值是有偏的。第二，随机扰动项不满足同方差性，从而使回归系数的最小二乘估计的效率降低。由于 iiiPY21)(而随机扰动项的值为 0),(1)2121iiii YXXu所以)1()( )(1)( 0)( 212 221212ii i iii iiiiPXX XYPPE 可见，随机扰动项不是同方差的。5 简述异方差性的来源。答：答：1） 、按照边错边改学习模型(error-learning models)，人们在学习的过程中，其行为误差随时间而减少。在这种情形中，预料2i会减小。2） 、随着收入增长，人们有更多的可支配收入，从而如何支配他们的收入有更大的选择范围。因此，在做储蓄对收
14、入的回归时，很可能发现，由于人们对其储蓄行为有更多的选择，2i与收入俱增。同理，利润较丰厚的公司在分红政策方面和利润微薄的公司相比，一般均可预料有较大的变化。而且以增长为导向的公司比之于发展定型的公司，在红利支付方面也可能表现更多的变异。这些表明随着解释变量的变化，2i可能会发生变化。3） 、 异方差性还可能因为异常值(outliers)的出现而产生。一个超越正常范围的观测值或称异常值，是指和其他观测值相比差很多(非常小或非常大)的观测值。4） 、 随着数据采集技术的改进，2i可能减小。5） 、 异方差性的另一来源来自是回归模型的设定错误。6 简述帕克(Park)检验的程序。答：帕克检验是一个
15、两阶段程序：在第一阶段中，不考虑异方差性问题直接对原回归模型做最小二乘回归，从而得到残差 iu。帕克提出2i是解释变量 iX的某个函数，他的建议的函数形式是：ivieX2或iii vlnlln2。其中 i是随机干扰项。在第二阶段，用最小二乘法做 式的回归，根据 的iiiii vXvXulnlnlln22 统计显著性状况，以决定是否存在异方差性。如果 表现为统计上显著的，就表明数据中有异方差性。如果它不显著，则可接受同方差假设。显然，帕克检验还决定了2i与解释变量之间的结构关系式。7 简述自相关的来源。答：1） 、经济变量的惯性:大多数经济时间序列都有一个明显的特点，就是它的惯性或者说粘性。时间
16、序列本身的惯性是自相关性的第一个来源。2)、经济变量中的滞后性：经济变量中所存在的滞后性也是自相关的一个重要原因。例如，收入对消费的影响不仅仅是当前的，而且对以后的消费也有影响，这就导致当前消费关于当前收入的关系模型中，因其忽视了前期收入对本期消费的影响就产生了自相关问题。3） 、蛛网现象：许多农产品的供给表现出被称为蛛网现象的范式。供给对价格的反应要滞后一个时期，是因为供给需要经过一定的时间才能实现(有一孕育期)。例如，今年年初的作物种植是受去年流行的价格影响的。因此，相关的供给函数是： ttt u121价 格供 给 假如时期 t 的期末价格低于 t-1 期的期末价格，农民就很可能决定在时期
17、t+1 生产比时期 t 更少的产品。在这种情形中，农民由于在年度 t 的过量生产很可能在年度 t+1 减少他们的产量。诸如此类的现象，就不能期望干扰项是不相关的。4） 、数据的“编造”：在经验分析中原始数据往往是经过“编造”的。例如，在用季度数据的时间序列回归中，这些数据通常来自每月数据，不过是把 3 个月的数据综合在一起后经过平均罢了。这种平均的计算减弱了每月数据的波动而增加了数据的匀滑性。因此，用季度数据描绘的图形要比用月度数据看起来匀滑得多。这种匀滑性本身就能使相邻两个时期的数据中包含有一定的共同因素，从而产生自相关性。一般来说，在时间序列中出现自相关性的可能性比在横截面数据中出现自相关
18、性的可能性大。在横截面数据的回归中如果出现自相关，也称为空间自相关。5） 、模型的误设 模型的误设是指回归模型采用了不正确的函数形式。例如在成本产出研究中，如果正确的函数形式为 iiii uqMC2321其中 MC 表示边际成本，q 表示产出量。但如果我们错误地用如下模型来进行回归分析 iii v21则由于在正确模型是的二次项和随机扰动项都进入到错误模型中的干扰项中了，所以错误模型中的干扰项就存在自相关。8 DW 检验有何局限性。答：虽然 DW 检验应用十分广泛，但是，它的应用须以如下条件为前提：1） 、原回归模型中含有截距项；2） 、诸解释变量 X 是非随机的；3） 、干扰项是按一阶自回归模
19、式 AR(1)产生；4） 、回归模型不把滞后应变量当作解释变量之一(若满足条件二，也就自然满足条件四，在这里之所以单独提出这个条件是为了强调)；5） 、没有缺落数据。9 简述适应性期望模型的产生机机制。答：适应性期望模型的行为基础是：一个简单线性回归模型中的应变量不是决定于解释变量的当前值，而是决定于解释变量未来一期的期望值。例如商品的需求可能决定于下一期的商品的期望价格(下一期的期望价格高，则现期的需求量就大；反之则小)。再如消费 Y 决定于“永久性”收入*X。将这种关系模型化： ttt uXY*10（1） ，其中 10,是总体参数，而 tu为随机扰动项。进一步，我们假定相邻两期预期的变化决
20、定于较前一期的实际价格与预期价格的差。即 )(*tttt XX（2） ，其中 10。称 为期望系数。称假定（2）式为适应性期望或前进式期望或错误中学习假设。它的经济含义是：经济行为主体将根据过去的经验修改其期望，特别是要从错误中学习。将(2) 式改写为*1)(ttt（3） ， （3）式的意义是：经济行为主体每期都按变量的当期的实际值与期望值的一个加权平均作为下一期的期望值。将(3)式代入(1) ，得 tttt uXY*110)(4)，将(1) 式滞后一个时期，并在两边同时乘以 )1(，得 1*01 )()()( ttt uXY(5)，用(4)式减去(5)式后整理，得tttt v10(6)，其中
21、 1)(ttt。通过对(6) 式与 的比较可知，按适应性期望产生的模型与考伊克模型在形tttt Y0)(式上是完全一样的，而且考伊克模型中的随机解释变量问题与随机扰动项的自相关问题在这里也出现了。10 简述部分调整模型的产生机制。答：部分调整模型的行为基础是应变量的意愿存量决定于解释变量的当期实际量。例如，厂商的意愿存货量决定于其商品的当期价格。再如，消费者意愿的消费量决定于他或她的当期财富等等。用线性关系来拟合就是： ttt uXY10*(1)，在上式中，由于应变量是意愿值，所以它是不可观测的，因而需要对意愿因变量的形成机理作进一步假定。假定经济行为主体试图根据实际解释变量(如厂商的价格)
22、的变化将实际应变量(如厂商的存货) 调整到意愿水平，但是由于行为上的惯性、技术上或制度上的原因，使这种调整不可能一次到位。也就是说实际调整的数量只是意愿调整数量的一部分，用关系式表示即为： 1(1*tttt YY(2)，其中 10。称系数 )1(为调整系数，因为它告诉了我们实际调整占意愿调整的比例。知道了调整系数，我们还能求出使因变量调整到意愿值*Y与实际值 之间的缺口的某个固定比例 p 所需要的时间。经过一个时期后，调整比例为 )(，还有比率为 的缺口；经过两个时期后，调整的比例为 21)(1；事实上，若解释变量经过一个时期的变化的后保持不变，则经过两个时期后的已调整的总量为 )(1)(11
23、*1ttttt YYY(3)，由于解释变量在第一期以后保持不变，由模型(6.27)知，应变量的意愿值也不变。故有 )()1(1* 1*tt tttttt Y(4)将(4)式代入(3)中，得 )(1() )(11* 1*11 tt ttt tttt YYY可见经过两个时期后的调整比率为1*ttY。由上述说明易知，经过 T 期后的调整比率为 )1(T。若要求调整比率为 p，则达到这样的比率所需要的调整时间决定于下列等式： p1故达到调整比率为 p 所需要的调整时间为ln)(T(5)，上面我们们讨论了部分调整模型的行为基础，但要对部分调整模型进行估计则需要运用部分调整关系(2) ，将模型中的不可观测
24、变量*tY化掉。将(1) 两边减去 1tY后两边再乘以调整系数 )1(，得ttttt uXY)()1()1()1(0* (6)，根据(2)式，用 )(1ttY来替代)(*tt后，经整理得 tttt vXYY)1(0 (7)，其中ttuv。部分调整模型经过演绎后可由(7)式表示。从中可以看出，其形式与考伊克模型是一样的，但由于部分调整模型(7)中的随机扰动项为 ttuv)1(，从而使部分调整模型与考伊克模型或适应性期望模型有很大的不同。在原模型中的随机扰动项满足经典假设的前提下，部分调整模型也满足经典假设。从而使我们可以直接利用普通最小二乘法得到部分调整模型(7)的回归系数的最优线性无偏估计量。
25、但是，如上所述，我们不能利用普通最小二乘法对考伊克模型或适应性期望模型进行估计。这就需要找出一个可行的估计方法。其中之一就是工具变量法。11 简述两阶段最小二乘法。答：两阶段最小二乘法适用于联立方程中过度识别的结构方程的估计，实际上是一种特殊的工具变量法。它的第一阶段就是用最小二乘法创造一组工具变量，第二阶段是用所得工具变量替换原结构方程式中右边的内生变量后再用最小二乘法进行估计得出结构系数的估计值。具体来说，它的二个阶段是：阶段 1 先将结构方程中所有内生解释变量对模型中所有前定变量（即此时的工具变量）进行 OLS 回归，求出内生解释变量的拟合值。阶段 2 再用结构方程左边的被解释变量对该结
26、构方程的内生解释变量的拟合值以及前定变量的观测值进行 OLS 回归，所得回归系数即为所估计系数。12 设有一封闭的宏观经济系统： tttt ttttGICYuIT21321)(其中 消费， 投资， 政府购买， 国内生产总值， 税收总量。tCtItGt t(1) 消费方程可以识别吗？如果可以，是否为过度识别？(2) 投资方程可以识别吗？如果是，它是为恰好识别还是为过度识别？(3) 如果用普通最小二乘法估计消费方程，结果会对边际消费倾向的估计值产生什么影响？答：1） 不可识别2） 是， 过度识别 3） 使边际消费倾向 偏小计算题：1以15个家庭某月的收入和消费数据，进行回归分析得样本回归线为 (1
27、6.8) 3. 047ii YC表示第 个家庭的消费， 表示第 个家庭的收入，括号里的数字表示相应参数的t 值。iCiY经计算，其残差平方和为2059，根据这些资料，填写该回归模型的方差分析表。解 根据 22ixS及 2St得，回归平方和为SSR= 22i)/(nuti 5.4702152098.16由此填写方差分析表如下表2.4 方差分析表变差来源 变差 自由度 均方回归 44702.5 1 44702.5残差 2059 13 158.4总 46761.5 14 3340956.02R28F2表 1 是苹果销量、价格与广告支出的数据表。设苹果销量不仅与的价格(元/千克)有关，而且与相应的广告
28、支出有关。用 表示价格， 表示广告支出(元)，Y 表示需求量( 千克)，设在任意价格水平上超市有满足任意需求的能力。那X3么，这 12 天的数据就是需求函数的表现。若假设需求量平均来看是价格和广告支出的线性函数。试估计该需求函数。表 1销售量(千克) 价格(元/千克) 广告支出(元/千克 )55 10 0.5570 9 0.6390 8 0.72100 7 0.790 7 0.63105 7 0.73580 7 0.56110 6.5 0.715125 6 0.75115 6 0.69130 5.5 0.715130 5 0.65解 设需求量 )12,(iY关于价格 )12,(2iX和广告支出
29、 )12,(3iX的线性回归模型为 , 321 iuXiii 令 恒等于 1，则由表 3.1 中的资料计算得 65.0171.9.5.06173.0172863.95 65.071.69.075.1.056.73.06.7.02.63.05.89111X16.708.50.94.12 13052108591075 6.715.069.75.01.56.073.6.07.2.063.5.089111YX=03.817452所以 817.03452 6.078.50.94.12)( 11YX 6.81.故样本回归模型为 )2,( 4.12.316. 3iuXiii上式初步说明在价格水平不变的条件下
30、广告有较大的边际效应。3某公司想决定在何处建造一个新的百货店，对已有的 30 个百货店的销售额作为其所处地理位置特征的函数进行回归分析，并且用该回归方程作为新百货店的不同位置的可能销售额，估计得出（括号内为估计的标准差） ttttt XY 4321 0.10.30 （0.02） （0.01） （1.0） （1.0）其中 第 个百货店的日均销售额（百美元） ；ti第 个百货店前每小时通过的汽车数量；X1第 个百货店所处区域内的平均收入；t2i第 个百货店内所有的桌子数量3第 个百货店所处地区竞争店面的数量t4i请回答以下问题：(1) 各个变量前参数估计的符号是否与期望的符号一致？(2) 计算每个变量参数估计值的 T 值；(3) 在 0.05 的显著性水平下检验各变量的显著性。答:(1)除了 tX4与预期的不一致以外，其余均一致。(2)t 值分别为： 5，1，10，3。(3) 1、 、 和 4显著， 2X不显著。
