1、計(jì)量經(jīng)濟(jì)學(xué)判斷題Final approval draft on November 5(CLRM)中的干擾項(xiàng)不服從正態(tài)分布的OLS 佔(zhàn)量將有 偏。錯(cuò)，即使經(jīng)典線性回歸模型(CLRM)中干擾項(xiàng)不服從正態(tài)分布 的， OLS 估量仍然是無偏的因?yàn)?E(p2)= 02,該表達(dá)式成立與 否與正態(tài)性無關(guān)。K在簡單線性回歸中可決系數(shù)/與斜率系數(shù)的 t檢驗(yàn)的沒有關(guān)系。錯(cuò)誤，在簡單線性回歸中，由于解釋變量只有一個(gè)，當(dāng) t 檢驗(yàn)顯示解釋變量的影響顯著 時(shí)，必然會有該回歸模型的可決系數(shù)大，擬合優(yōu)度高。2、 方差性、自相關(guān)性都是隨機(jī)誤差現(xiàn)象，但兩者是有區(qū)別的。確，異方差的出現(xiàn)總是與模型中某個(gè)解釋變量的變化有關(guān)。自相關(guān)性

2、是各回歸模型的隨機(jī) 誤差項(xiàng)之間具有相關(guān)關(guān)系。3通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引 入虛擬變量的個(gè)數(shù)與模型冇無截距項(xiàng)無關(guān)。錯(cuò)誤，模有截距項(xiàng)時(shí)，如果被考察的定性因素有 m個(gè)相互排斥屬性，則模型中引入 ml個(gè)虛擬變量，否則會 陷入“虛擬變量陷阱”;模型無截距項(xiàng)時(shí)，若被考察的定性因素有 個(gè)相互排 斥屬 性，可以引入 m 個(gè)虛擬變量，這時(shí)不會出現(xiàn)多重共線性。4、滿足階條件的方程一定可以識別。錯(cuò)誤，階條件只是一個(gè)必要條件，即滿足階條件的的方程也可能是不可識別的。3、 依克模型、自適應(yīng)預(yù)期模型與局部調(diào)整模型的終形式是不同的。錯(cuò)誤，庫依克模型.自適應(yīng)預(yù)期模型與局部調(diào)整模型的最終形式是相同的，其最終形

3、式 都是一階自回歸模型。2、 重共線性問題是隨機(jī)擾動項(xiàng)違背古典假定引起的。錯(cuò)誤，應(yīng)是解釋變量之間高度相關(guān)引起的.3、 模型 I 的回歸分析結(jié)果報(bào)告中，有F = 的卩值= 則表明解釋變量紅對匕的影響是顯著的。錯(cuò)誤，解釋變量 ， X/嶺的聯(lián)合影響是顯著的4、結(jié)構(gòu)型模型中的每一個(gè)方程都稱為結(jié)構(gòu)式方程，結(jié)構(gòu)方程中，解釋變量只可以是前定變量錯(cuò)誤，結(jié)構(gòu)方程中， 變 量。解釋變量可以是前定變量，也可以是內(nèi)生1.在實(shí)際中，一元回歸沒什么用，因?yàn)橐蜃兞康男袨椴豢赡軆H由一個(gè)解釋變量來解釋。錯(cuò)，在實(shí)際中，一元回歸是很多經(jīng)濟(jì)現(xiàn)象的近似，能夠較好的反映回 歸的核心思想，是很有的。3在異方差性的情況下，常用的 必定高估了

4、 估計(jì)量的標(biāo)準(zhǔn)誤。錯(cuò)，有可能高估也有可能低估。5、設(shè)估計(jì)模型為PCE, =-171.4412 0.9672PZ ）/f/ =（-7.4809） （119.8711）錯(cuò),2=0.9940 = 0.5316由于 R2 .9940,表模型有很好的擬合優(yōu)度，則模型不存在偽（虛假）回歸。 存在虛假回歸可能，因?yàn)榕卸ㄏ禂?shù)高于 值。（1）（2）（3）隨機(jī)誤差項(xiàng) 與殘項(xiàng) e,一回事。（錯(cuò)）總體回歸函數(shù)給出了對應(yīng)于每個(gè)自量的因變量的值。（錯(cuò)） 線性回歸模型意味著因變量是自變量線性函數(shù)。（錯(cuò)）（4） 在性回歸模型中，解釋變量是原因，被解釋變量是結(jié)果。對）1、 擬變量的取值只能取 或 1（對）21、 過引入虛擬變量

5、，可以對模型的參數(shù)變化進(jìn)行檢 （對） 、 單線性回歸模型與多元線性回歸模型的基本假定相同的。錯(cuò)在多元線性回歸模型里除了對隨機(jī)誤差項(xiàng)提出假定外，還對解釋變量之間提 出 無多重共線性的假定。、 在模型中引入解釋變量的多個(gè)滯后項(xiàng)容易產(chǎn) 多匝共線性。在分布滯后模型里多引進(jìn)解釋變量的滯后項(xiàng)，由于變量的經(jīng)濟(jì)意義一樣， 是 時(shí)間不一致，所以很容易引起多重共線性。3、 檢驗(yàn)中的 DW值在 到 之間，數(shù)值越小說明模型隨機(jī)誤差項(xiàng)的自相關(guān) 度小，數(shù)值越大說明模型隨機(jī)誤差項(xiàng)的自相關(guān)度越大。錯(cuò)DW 值在 到 間，DW 在最左邊 0 DW d L ）右邊（ d L DW ）時(shí)， 分別為正自相關(guān).負(fù)自相關(guān);中間（dU 4

6、dU ）為不存在 自關(guān)區(qū)域;其次 為兩個(gè)不能判定區(qū)域。3、通過虛擬變量將屬性因素引入計(jì)量經(jīng)濟(jì)模型，引入虛擬變量的個(gè)與樣 本容量大小仃關(guān)。錯(cuò)，引入虛擬變量:的個(gè)數(shù)樣本容量大小無關(guān)，與變量屬性，模 型 有無截距項(xiàng)有關(guān)。5、如果聯(lián)立方程模型中某個(gè)結(jié)構(gòu)方程包含了所有的變量，則這個(gè)方程不可識別。正確沒有唯一的統(tǒng)計(jì)形式3、 異方差性的情況下，若采用 Eviews 軟中常用的 ，必定高估了 估量的標(biāo)準(zhǔn)誤。錯(cuò),有可能高估也有可能低估。4、 合優(yōu)度檢驗(yàn)和 檢驗(yàn)是沒有區(qū)別的。錯(cuò)3、聯(lián)立方程組模型根本不能直接用 0LS方法估 il參數(shù)。 錯(cuò)遞歸方程可以用 OLS 法估計(jì)參數(shù)。方法估計(jì)參數(shù)，而其它的聯(lián)立方程組模型不能

7、直 接 0LS方1、 對參數(shù)進(jìn)行最小二乘估計(jì)之前，沒有必要對模型提出古典假定。錯(cuò)誤 在古典假定條件下，OLS估計(jì)得到的參數(shù)估計(jì)量是該參數(shù)的最佳線性無 偏計(jì)（具有線性、無偏性、有效性）。總之，提出古典假定是為了使所作 出的估計(jì)量具有 較好的統(tǒng)計(jì)性質(zhì)和方便地進(jìn)行統(tǒng)計(jì)推斷。、 當(dāng)異方差岀現(xiàn)時(shí)，常用的 t 和 F 驗(yàn)失效;正確由于異方差類似于 比值的統(tǒng)計(jì)量所遵從的分布未知；即使遵從 t- 布由于方差不在具有最小性。這時(shí)往往會夸大 t-檢驗(yàn)，使得 檢驗(yàn)失效； 由于 F-分布為兩個(gè)獨(dú)立的 x 變量之比，故依然存在類似于 t-分布中的問 。3、 釋變量與隨機(jī)誤差項(xiàng)相關(guān)，是產(chǎn)生多重共線性的主要原因。錯(cuò)誤 產(chǎn)生

8、多重共線性的主要原因是：經(jīng)濟(jì)本變量大多存在共同變化趨勢；模 型中大量采用滯 后變量；認(rèn)識上的局限使得選擇變量不當(dāng)、由間援最小 與兩階段最小二乘法得到的估計(jì)都是無偏佔(zhàn)訃。錯(cuò)誤 間接最小二乘法適用于恰好識別方程的估計(jì)，其估計(jì)量無偏估計(jì)； 而兩階段最 小二乘法不僅適用于恰好識別方程，也適用于過度識別方程。 兩階段最小二乘 法得到的估計(jì)量為有偏.一致估計(jì)。5.秩條件是充要條件，因此，獨(dú)利用秩條件就可以完成聯(lián)立方程識別狀 態(tài)的確定。錯(cuò)誤。雖然秩條件是充要條件，但其前提是，只有在通過了階條件條件 下。 在對聯(lián)立方程進(jìn)行識別時(shí)，還應(yīng)該結(jié)合階條件判斷是過度識別，還是恰 好識 別。1、 對數(shù)模型 二 BO+Bl

9、lnX+u ，參數(shù) Bl 含義是 X 的 對量變化，引起 Y 的絕對量變化。錯(cuò)誤半對數(shù)模型的參數(shù) 1 的含義是當(dāng) X 的對變化時(shí)，絕對量發(fā)生變化，起 因 變量 Y 的平均值絕對量的變動。2、 已經(jīng)估計(jì)出參數(shù)的模型不需要進(jìn)行檢驗(yàn)。誤有必要進(jìn)行檢驗(yàn)。我們所建立的模型，所用的方法，所用的統(tǒng)計(jì)數(shù)據(jù)，還可能 違反計(jì)量經(jīng)濟(jì)的基本假定，這是也會導(dǎo)致錯(cuò)誤的結(jié)論。4、 有 個(gè)方程的完備聯(lián)立方程組中，當(dāng)識別的階條件為 N i 為聯(lián)立 方程組中內(nèi)生變量和前定變量的總數(shù)，i 為第 i 個(gè)方程中內(nèi)生變量和前定變 量的總 數(shù)）N 時(shí)，則表示第 個(gè)方程不可識別。錯(cuò)誤。表示第 個(gè)方程過度識別。1.在研究經(jīng)濟(jì)變量之間的非確定性

10、關(guān)系時(shí)，回歸分析是唯一可用的分析方法。 ）2.3.最小二乘法進(jìn)行參數(shù)估計(jì)的基本原理是使殘差平方和最小。（Y） 無論回歸模型中包括多少個(gè)解釋變量，總離差平方和的自由度總為（曠1） o （Y 4.當(dāng)我們說估訃的回歸系數(shù)在統(tǒng)訃上是顯著的，意思是說它顯著地異于 05 ）總離差平方和 可分解為殘差平方和 與回歸平方和 之 和，其中殘差平方和（）表示總離差平方和中可由樣本回歸直線解釋的 部 分。 ）6多元線性回歸模型的尸檢驗(yàn)和方檢驗(yàn)是一致的。 ）7.8.當(dāng)存在嚴(yán)重的多重共線性時(shí)，普通最小二乘估計(jì)往往會低估參數(shù)估計(jì)量的方 差。（X）如果隨機(jī)誤差項(xiàng)的方差隨解釋變量變化而變化，則線性回歸模型存在隨機(jī)誤 差項(xiàng)的自

11、相關(guān)。（X）9.在存在異方差的情況下，會對回歸模型的正確建立和統(tǒng) 推斷帶來嚴(yán)重后果。 ） ） 101驗(yàn)只能檢驗(yàn)一階自相關(guān)。Y ）殘差（剩余）項(xiàng)的均值臣二（工） /二 0。（ Y）2.所謂血 估訃量的無偏性，是指參數(shù)估訃量的數(shù)學(xué)期望等于各自的真值。 ）3.樣本可決系數(shù)高的回歸方程一定比樣本可決系數(shù)低的回歸方程更能說明解釋變量對被解釋變量的解釋能力。（X）4.5.6.多元線性回歸模型中解釋變量個(gè)數(shù)為則對回歸參數(shù)進(jìn)行顯著性檢驗(yàn)的 統(tǒng)計(jì) 量的自由度一定是 n-k-o （ Y ）對應(yīng)于自變量的每一個(gè)觀察值，利用樣本回歸函數(shù)可以求出因變量的真實(shí) 值。 ）若回歸模型存在異方差問題，可以使用加權(quán)最小二乘法進(jìn)行

12、修正。（Y ）根據(jù)最小二乘估計(jì)，我們可以得到總體回歸方程。）8當(dāng)用于檢驗(yàn)回歸方程顯著性的 F 矛盾統(tǒng)汁量與檢驗(yàn)單個(gè)系數(shù)顯著性的統(tǒng)訃量結(jié) 果時(shí)，可以認(rèn)為出現(xiàn)了嚴(yán)重的多重共線性（Y）9.線性回歸模型中的“線性”主要是指回歸模型中的參數(shù)是線性的，而變量則不一定是線性的。（Y）10一般情況下，用線性回歸模型進(jìn)行預(yù)測時(shí)，單個(gè)值預(yù)測與均值預(yù)測相等， 置信區(qū)間也相同。 ） ） 1、在研究經(jīng)濟(jì)變量之間的非確定性關(guān)系時(shí)，回歸分析是惟一可用的分析方法。 ） 2對應(yīng)于自變量的每一個(gè)觀察值，利用樣本回歸函數(shù)可以求岀因 變量的真實(shí)值。3 0LS 回歸方法基本準(zhǔn)則是使殘差平方和最小。、 在存異方差的情況下，0LS 法總是

13、高估了佔(zhàn)計(jì)量的標(biāo)準(zhǔn)差。 4 無論回歸模型中包括多少個(gè)解釋變量，總離差平和的自山度（Y）、總為（）6 性回歸分析中的“線性”主要是指回歸模型中的參數(shù)是線性 的，而變量則不一定是線性的。(Y 7異于 0o、當(dāng)我們說估計(jì)的回歸系數(shù)在統(tǒng)訃上是顯著的，意思是說它顯著(X ) 8、總離差方和（）分解為殘差平方（）與回歸平方 和(RSS),其中殘差平方（）表示總離差平方和可山樣本回歸直線解釋的部分。9、所謂 0LS估計(jì)量的無偏性，是指回歸參數(shù)的佔(zhàn)計(jì)值與真實(shí)值相等。 10、當(dāng)模型中解釋變量均為確定性變量時(shí)，則可以用 DW 驗(yàn)?zāi)Ｐ偷碾S機(jī)誤差項(xiàng)所有形式的自相關(guān)性。統(tǒng)計(jì)量來 檢） 1、一般情況下，在用線性回歸模型進(jìn)

14、行預(yù)測時(shí)，個(gè)值預(yù)測與均值預(yù)測 結(jié)果相等，且它們的置信區(qū)間也相同。 對于模型 Yi= IXH+ B2+ 0Xi+ “i 二 1,2,果 X：=X +X , 則模型必然存在解釋變量的多重共線性問5 6題。） 3. OLS回歸方法的基本準(zhǔn)則是使殘差項(xiàng)之和最小。（Y） 4、在隨機(jī)誤差項(xiàng)存在正自相關(guān)的情況下，法總是低估了估計(jì)量的標(biāo)準(zhǔn)差。 ） 無論回歸模型中包括多少個(gè)解釋變量，總離差平方和的自由度 總為（） O（Y ） 6一元線性回歸模型的 F 檢和 t 檢是一致的。（X） 7、如果隨機(jī)誤差項(xiàng)的方差隨解釋變量變化而變化，則線性回歸模 型存在隨機(jī)誤差項(xiàng)的序列相關(guān)。（Y ） 8在近似多重共線性下，只要模型滿足

15、 OLS 的基本假定，則回歸系數(shù)的最小二乘估計(jì)量仍然是一 BLUE估計(jì)量。（X） 9組合。、所謂參數(shù)估計(jì)量的線性性，是指參數(shù)估計(jì)量是解釋變量的線性（Y） 10、擬合優(yōu)度的測量指標(biāo)是可決系數(shù) R：或調(diào)整過的可決系數(shù)，） 1越 大，說明回歸方程對樣本的擬合程度越高。 R：、最小二乘法進(jìn)行參數(shù)估計(jì)的基本原理是使殘差平方和最小。 ） 一般情況下，用線性回歸模型進(jìn)行預(yù)測時(shí)，個(gè)值預(yù)測與均值預(yù)測 相等，且置信區(qū)間也相同。 ） 如果隨機(jī)誤差項(xiàng)的方差隨解釋變量變化而變化，則線性回歸模型 存在隨機(jī)誤差項(xiàng)的序列相關(guān)。（） 4.若回歸模型存在異方差問題，應(yīng)使用加權(quán)最小二乘法進(jìn)行修正。 ） 5、多元線性回歸模型的尸檢驗(yàn)和上檢