一、判斷正誤（正確劃“√”，錯誤劃“×”）（×）1、在研究經濟變量之間的非確定性關系時，回歸分析是惟一可用的分析方法。（×）2、對應于自變量的每一個觀察值，利用樣本回歸函數可以求出因變量的真實值。（√）3、OLS回歸方法的基本準則是使殘差平方和最小。（×）4、在存在異方差的情況下，OLS法總是高估了估計量的標準差。（√）5、無論回歸模型中包括多少個解釋變量，總離差平方和的自由度總為（n-1）。（√）6、線性回歸分析中的“線性”主要是指回歸模型中的參數是線性的，而變量則不一定是線性的。（√）7、當我們說估計的回歸系數在統計上是顯著的，意思是說它顯著異于0。（×）8、總離差平方和（TSS）可分解為殘差平方和（RSS）與回歸平方和（ESS）之和，其中殘差平方（RSS）表示總離差平方和可由樣本回歸直線解釋的部分。（×）9、所謂OLS估計量的無偏性，是指回歸參數的估計值與真實值相等。（×）10、當模型中解釋變量均為確定性變量時，則可以用DW統計量來檢驗模型的隨機誤差項所有形式的自相關性。（×）11、一般情況下，在用線性回歸模型進行預測時，個值預測與均值預測結果相等，且它們的置信區間也相同。（√）12、對于模型Yi=β0+β1X1i+β2X2i+……+βkXki+μi，i=1,2,……,n；如果X2=X5+X6，則模型必然存在解釋變量的多重共線性問題。（√）13、在隨機誤差項存在正自相關的情況下，OLS法總是低估了估計量的標準差。（√）14、一元線性回歸模型的F檢驗和t檢驗是一致的。p88（×）15、如果隨機誤差項的方差隨解釋變量變化而變化，則線性回歸模型存在隨機誤差項的序列相關。（√）16、在近似多重共線性下，只要模型滿足OLS的基本假定，則回歸系數的最小二乘估計量仍然是一BLUE估計量。（×）17、所謂參數估計量的線性性，是指參數估計量是解釋變量的線性組合。（√）18、擬合優度的測量指標是可決系數R2或調整過的可決系數，R2越大，說明回歸方程對樣本的擬合程度越高。二、單項選擇1、回歸直線=+Xt必然會通過點（B）A、（0，0）；B、（，）；C、（，0）；D、（0，）。2、針對經濟指標在同一時間所發生結果進行記錄的數據列，稱為（B）A、面板數據；B、截面數據；C、時間序列數據；D、時間數據。3、如果樣本回歸模型殘差的一階自相關系數ρ接近于0，那么DW統計量的值近似等于（C）

A、0B、1

C、2

D、44、若回歸模型的隨機誤差項存在自相關，則參數的OLS估計量（D）

A、無偏且有效

B、有偏且非有效

C、有偏但有效

D、無偏但非有效5、下列哪一種檢驗方法不能用于異方差檢驗（B）

A、戈德菲爾德－夸特檢驗；B、DW檢驗；C、White檢驗；D、戈里瑟檢驗。6、當多元回歸模型中的解釋變量存在完全多重共線性時，下列哪一種情況會發生（D）A、OLS估計量仍然滿足無偏性和有效性；

B、OLS估計量是無偏的，但非有效；

C、OLS估計量有偏且非有效；

D、無法求出OLS估計量。7、DW檢驗法適用于（A）的檢驗A、一階自相關B、高階自相關C、多重共線性D都不是8、在隨機誤差項的一階自相關檢驗中，若DW＝1.92，給定顯著性水平下的臨界值dL=1.36，dU=1.59，則由此可以判斷隨機誤差項（C）

A、存在正自相關B、存在負自相關C、不存在自相關D、無法判斷9、在多元線性線性回歸模型中，解釋變量的個數越多，則可決系數R2（A）

A、越大；

B、越小；

C、不會變化；

D、無法確定10、在某線性回歸方程的估計結果中，若殘差平方和為10，回歸平方和為40，則回歸方程的擬合優度為（C）

A、0.2

B、0.6

C、0.8

D、無法計算。11、在多元線性回歸模型中，若兩個自變量之間的相關系數接近于1，則在回歸分析中需要注意模型的（D）問題。A、自相關；B、異方差；C、模型設定偏誤；D、多重共線性。12、在異方差的眾多檢驗方法中，既能判斷隨機誤差項是否存在異方差，又能給出異方差具體存在形式的檢驗方法是（C）A、圖式檢驗法；B、DW檢驗；C、戈里瑟檢驗；D、White檢驗。13、如果樣本回歸模型殘差的一階自相關系數ρ接近于1，那么DW統計量的值近似等于（A）

A、0B、1

C、2

D、414、若回歸模型的隨機誤差項存在異方差，則參數的OLS估計量（B）

A、無偏且有效

B、無偏但非有效

C、有偏但有效

D、有偏且非有效

15、計量經濟學的應用不包括：（C）A、預測未來；

B、政策評價；C、創建經濟理論；D、結構分析。16、在隨機誤差項的一階自相關檢驗中，若DW＝0.92，給定顯著性水平下的臨界值dL=1.36，dU=1.59，則由此可以判斷隨機誤差項（A）

A、存在正自相關B、存在負自相關C、不存在自相關D、無法判斷17、在多元線性回歸模型中，解釋變量的個數越多，則調整可決系數（D）

A、越大；

B、越小；

C、不會變化；

D、無法確定18、在某線性回歸方程的估計結果中，若殘差平方和為10，總離差平方和為100，則回歸方程的擬合優度為（B）

A、0.1；B、0.90；C、0.91；D、無法計算。三、簡答與計算1、多元線性回歸模型的基本假設有哪些？包括：（1）隨機誤差項期望值或均值為零；（2）對應每個解釋變量的所有觀測值，隨機誤差項有相同的方差；（3）隨機誤差項彼此之間不相關；（4）解釋變量是確定性變量，與隨機誤差項不相關；（5）解釋變量之間不存在精確（完全的）線性關系；（6）隨機誤差項服從正態分布。2、計量經濟模型中的隨機誤差項主要包含哪些因素？計量經濟模型中的隨機誤差項一般包括以下幾方面的因素：（1）非重要解釋變量的省略（或回歸模型中省略了部分解釋變量）；（2）人的隨機行為；（3）模型設定不夠完善；（4）經濟變量之間的合并誤差；（5）測量誤差。3、簡答經典單方程計量模型的異方差性概念、后果以及修正方法。（1）異方差性指隨機誤差項的方差隨樣本點的不同而變化的現象；（2）后果：參數的最小二乘估計量仍然滿足線性性和無偏性，但不再具有有效性。此時參數的顯著性檢驗失效、方程的顯著性檢驗失效、模型預測失效。（3）加權最小二乘法(WLS)。4、簡述方程顯著性檢驗（F檢驗）與變量顯著性檢驗（t檢驗）的區別？。（1）方程的顯著性檢驗，旨在對模型中被解釋變量與解釋變量之間的線性關系在總體上是否顯著成立作出推斷。（2）方程的總體線性關系顯著1每個解釋變量對被解釋變量的影響都是顯著的。（3）因此，必須對每個解釋變量進行顯著性檢驗，以決定是否作為解釋變量被保留在模型中，這一檢驗是由對變量的t檢驗完成的。5、對于一個三元線性回歸模型，已知可決系數R2=0.9，方差分析表的部份結果如下：方差來源平方和(SS)自由度(d.f.)來自殘差(RSS)————來自回歸(ESS)1800——總離差(TSS)――28（1）樣本容量是多少？（2）總離差平方和TSS為多少？（3）殘差平方和RSS為多少？（4）回歸平方和ESS和殘差平方和RSS的自由度各為多少？（5）求方程總體顯著性檢驗的F統計量；5、（1）n=29;（2）由R2=ESS/TSS=>TSS=ESS/R2=2000(3)RSS=TSS-ESS=200(4)ESS的自由度為3，RSS的自由度為25（5）。6、簡述計量經濟研究的基本步驟。計量經濟研究的基本步驟可分為以下四步：（1）建立模型；（2）估計參數；（3）模型檢驗：主要進行經濟計量檢驗（檢驗模型是否違反OLS估計的基本假定，主要包括異方差、自相關和多重共線性檢驗）、統計檢驗（主要包括擬合優度檢驗、參數的顯著性檢驗和方程的顯著性檢驗）和經濟意義檢驗等。（4）經濟預測。7、簡答經典單方程計量模型自相關概念、后果以及修正方法。（1）隨機誤差項存在自相關，又稱序列相關，指回歸模型中隨機誤差項與其滯后項線性相關。（2）后果：參數的最小二乘估計量仍然滿足線性性和無偏性，但不再具有有效性；此時參數的顯著性檢驗失效、方程的顯著性檢驗失效、模型預測失效。（3）廣義最小二乘法(GLS)、廣義差分法，。8、簡述對多元回歸模型進行顯著性檢驗（F檢驗）的基本步驟多元回歸線性模型的顯著性檢驗步驟如下：（1）提出假設；原假設備擇假設:至少有一個不等于零（）（2）構造統計量：～（3）給定顯著性水平，查表得到臨界值，確定拒絕域>（4）利用樣本觀測值計算出F統計量，并進行判斷：若>，則拒絕原假設，即認為回歸方程的線性關系顯著成立；否則接受原假設，即認為回歸方程不存在顯著的線性關系9、對于一個五元線性回歸模型，已知可決系數R2=0.6，方差分析表的部份結果如下：方差來源平方和(SS)自由度(d.f.)來自殘差(RSS)——25來自回歸(ESS)――總離差(TSS)3000――（1）樣本容量是多少？（2）回歸平方和ESS為多少？（3）殘差平方和RSS為多少？（4）回歸平方和ESS和總離差平方和TSS的自由度各為多少？（5）求方程總體顯著性檢驗的F統計量；5、（1）n=31;（2）由R2=ESS/TSS=>ESS=TSS*R2=1800(3)RSS=TSS-ESS=1200(4)ESS的自由度為5，TSS的自由度為30（5）；實驗一下表是中國某地人均可支配收入（INCOME）與儲蓄（SAVE）之間的回歸分析結果（單位：元）：DependentVariable:SAVEMethod:LeastSquaresSample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.

C-695.1433118.0444-5.8888270.0000INCOME0.0877740.004893――――R-squared0.917336

Meandependentvar1266.452AdjustedR-squared0.914485

S.D.dependentvar846.7570S.E.ofregression247.6160

Akaikeinfocriterion13.92398Sumsquaredresid1778097.

Schwarzcriterion14.01649Loglikelihood-213.8216

F-statistic321.8177Durbin-Watsonstat1.892420

Prob(F-statistic)0.0000001、請寫出樣本回歸方程表達式，然后分析自變量回歸系數的經濟含義2、解釋樣本可決系數的含義3、寫出t檢驗的含義和步驟，并在5%的顯著性水平下對自變量的回歸系數進行t檢驗（臨界值:t0.025(29)=2.05）。4、下表給出了White異方差檢驗結果，試在5%的顯著性水平下判斷隨機誤差項是否存在異方差。WhiteHeteroskedasticityTest:F-statistic6.048005Probability0.006558Obs*R-squared9.351960Probability0.009316解答：1、樣本回歸方程為：自變量Income前回歸系數的經濟含義是：個人可支配收入每增加1元，其儲蓄會相應增加0.08774元（即個人的邊際儲蓄傾向為0.08774）2、R2=0.9173，表明在儲蓄的變動中，91.73%可由個人可支配收入的變動得到解釋。3、在計量經濟分析中，t檢驗主要用于判斷自變量是否對因變量具有顯著影響。通常用t統計量檢驗真實總體參數是否顯著異于零。檢驗步驟：①提出假設：原假設H0：b1=0，備擇假設H1：b110②構造統計量：～③給定顯著性水平a，查t分布表得臨界值，并確定拒絕域>④根據樣本數據計算t統計量值，并進行比較判斷：若>，則拒絕原假設H0；若，則接受原假設H0。在本題中，==>t0.025(29)=2.05，因此在5%的顯著性水平下拒絕回歸系數為零的原假設。4、White檢驗的原假設為隨機誤差項不存在異方差，由回歸結果知，邊際顯著性水平（或伴隨概率）為0.93%＜5%，則在5%的顯著性水平下可以拒絕原假設，即隨機誤差項存在異方差。實驗二下表是某國1967－1985年間GDP與出口額（EXPORT）之間的回歸分析結果（單位：億美元）：DependentVariable:EXPORTMethod:LeastSquaresSample:19671985Includedobservations:19VariableCoefficientStd.Errort-StatisticProb.

C-2531.831270.8792-9.3467140.0000GDP0.2817620.009355――――R-squared0.981606

Meandependentvar5530.842AdjustedR-squared0.980524

S.D.dependentvar1295.273S.E.ofregression180.7644

Akaikeinfocriterion13.33157Sumsquaredresid555487.9

Schwarzcriterion13.43098Loglikelihood-124.6499

F-statistic907.2079Durbin-Watsonstat0.950536

Prob(F-statistic)0.0000001、請寫出樣本回歸方程表達式，然后分析自變量回歸系數的經濟含義2、解釋樣本可決系數的含義3、寫出t檢驗的含義和步驟，并在5%的顯著性水平下對自變量的