1、計量經濟學要點一、單項選擇題知識點：第一章 若干定義、概念時間序列數據定義橫截面數據定義1.同一統計指標按時間順序記錄的數據稱為( B )。A、橫截面數據 B、時間序列數據 C、修勻數據 D、原始數據2.同一時間，不同單位相同指標組成的觀測數據稱為（ B ）A原始數據 B橫截面數據 C時間序列數據 D修勻數據變量定義（被解釋變量、解釋變量、內生變量、外生變量）單方程中可以作為被解釋變量的是（控制變量、內生變量、外生變量）；3.在回歸分析中，下列有關解釋變量和被解釋變量的說法正確的有（ C ）A、被解釋變量和解釋變量均為隨機變量 B、被解釋變量和解釋變量均為非隨機變量C、被解釋變量為隨機變量，解

2、釋變量為非隨機變量D、被解釋變量為非隨機變量，解釋變量為隨機變量什么是解釋變量、被解釋變量？從變量的因果關系上，模型中變量可分為解釋變量（Explanatory variable）和被解釋變量(Explained variable)。在模型中，解釋變量是變動的原因，被解釋變量是變動的結果。被解釋變量是模型要分析研究的對象，也常稱為“應變量”(Dependent variable)、“回歸子”（Regressand）等。解釋變量也常稱為“自變量”(Independent variable)、“回歸元”（Regressor）等，是說明應變量變動主要原因的變量。因此，被解釋變量只能由內生變量擔任，不

3、能由非內生變量擔任。4.單方程計量經濟模型中可以作為被解釋變量的是（ C ）A、控制變量 B、前定變量 C、內生變量 D、外生變量5.單方程計量經濟模型的被解釋變量是（ A ）A、內生變量 B、政策變量 C、控制變量 D、外生變量6.在回歸分析中，下列有關解釋變量和被解釋變量的說法正確的有（C）A、被解釋變量和解釋變量均為隨機變量 B、被解釋變量和解釋變量均為非隨機變量C、被解釋變量為隨機變量，解釋變量為非隨機變量D、被解釋變量為非隨機變量，解釋變量為隨機變量雙對數模型中參數的含義；7.雙對數模型中，參數的含義是（ D ）A .X的相對變化，引起Y的期望值絕對量變化 B.Y關于X的邊際變化C.

4、X的絕對量發生一定變動時，引起因變量Y 的相對變化率 D.Y關于X的彈性 8.雙對數模型 中，參數的含義是 （ C ）A. Y關于X的增長率 B .Y關于X的發展速度C. Y關于X的彈性 D. Y關于X 的邊際變化計量經濟學研究方法一般步驟 四步12點9.計量經濟學的研究方法一般分為以下四個步驟（ B ）A確定科學的理論依據、模型設定、模型修定、模型應用B模型設定、估計參數、模型檢驗、模型應用C搜集數據、模型設定、估計參數、預測檢驗D模型設定、檢驗、 結構分析、模型應用對計量經濟模型應當進行哪些方面的檢驗？經濟意義檢驗：檢驗模型估計結果，尤其是參數估計，是否符合經濟理論。統計推斷檢驗：檢驗參數

5、估計值是否抽樣的偶然結果，運用數理統計中的統計推斷方法，對模型及參數的統計可靠性做出說明。主要有t，F ，R2等檢驗；計量經濟學檢驗：檢驗模型是否符合計量經濟方法的基本假定，例如檢驗模型是否存在多重共線性，檢驗模型中的隨機擾動項是否存在自相關和異方差性等等。預測檢驗：模型預測的結果與經濟運行的實際結果相對比，以此檢驗模型的有效性。在使用計量經濟模型分析問題時，通常會使用哪些類型數據？使用這些類型數據各自應該注意哪些問題？（1）時間序列數據（Time Series Data）把反映某一總體特征的同一指標的數據，按照一定的時間順序和時間間隔（如月度、季度、年度）排列起來，這樣的統計數據稱為時間序列

6、數據；（2）截面數據(Cross-Section Data)同一時間（時期或時點）某個指標在不同空間的觀測數據，稱為截面數據；（3）面板數據（Panel Data）面板數據指時間序列數據和截面數據相結合的數據，對若干個體進行多期觀測。例如在居民收支調查中收集的對各個固定調查戶在不同時期的調查數據，又如全國各省市不同年份的經濟發展狀況的統計數據，就都是面板數據；（4）虛擬變量數據(Dummy Variables Data)。時間序列數據若是非平穩的，可能造成“偽回歸”；截面數據往往存在異方差；利用面板數據的計量經濟模型已成為計量經濟學研究的專門問題，容易產生異方差、自相關性。計量經濟模型檢驗通常

7、包含哪些檢驗？每種檢驗基本思想是什么？ 經濟意義檢驗：檢驗模型估計結果，尤其是參數估計，是否符合經濟理論。統計推斷檢驗：檢驗參數估計值是否抽樣的偶然結果，運用數理統計中的統計推斷方法，對模型及參數的統計可靠性作出說明。計量經濟學檢驗：檢驗模型是否符合計量經濟方法的基本假定，例如檢驗模型是否存在多重共線性，檢驗模型中的隨機擾動項是否存在自相關和異方差性等等。預測檢驗：模型預測的結果與經濟運行的實際結果相對比，以此檢驗模型的有效性。第二章 若干基本概念總體、樣本回歸方程、模型古典線性回歸模型的普通最小二乘估計量滿足的統計性質（最佳線性無偏估計）；1.古典線性回歸模型的普通最小二乘估計量滿足的統計性

8、質(A)A.最佳線性無偏估計 B.僅滿足線性性 C.非有效性 D.有偏性樣本回歸直線2.設OLS法得到的樣本回歸直線為，則點 ( B ) A、一定不在回歸直線上 B、一定在回歸直線上C、不一定在回歸直線上 D、在回歸直線上方經典線性計量模型的假定有哪些？假定1：零均值假定; 假定2：同方差假定; 假定3：無自相關假定; 假定4：隨機擾動項與解釋變量不相關; 假定5：正態性假定；（假定6：無多重共線性）3.下圖中符號“”所代表的是（ B ）A. 隨機誤差項 B. 殘差 C.的離差 D.的離差t檢驗通常可以用于檢驗 （ D ）A 模型擬合優度 B 模型整體顯著性 C 正態性 D 個體參數顯著性4.

9、以下模型中不屬于變量線性回歸模型是( A )。A、 B、C、 D、5.用最小二乘法作回歸分析時提出了古典假定，這是為了（ B ） A. 使回歸方程更簡化 B. 得到總體回歸系數的最佳線性無偏估計 C. 使解釋變量更容易控制 D. 使被解釋變量更容易控制6.在一元線性回歸模型中，樣本回歸方程可表示為：（ c）A、 B、 C、 D、 第三章 多元線性回歸模型整體的讀解（對回歸結果全過程的讀解分析）根據F值判斷整體顯著性的規則（p值接近于零表示整體顯著）；多元線性回歸模型RSS反映了應變量觀測值與估計值之間的總變差l 多元線性回歸分析中的 RSS（剩余平方和）反映了（ C ）A應變量觀測值總變差的大

10、小 B應變量回歸估計值總變差的大小 C應變量觀測值與估計值之間的總變差 DY關于X的邊際變化多元線性回歸模型ESS自由度為k-1l 多元線性回歸分析中的 ESS的自由度是( D ） AK Bn Cn-K Dk-1調整后的判定系數與判定系數之間的關系l 有關調整后的判定系數與判定系數之間的關系敘述正確的是（ C ）A 等于 B 與沒有數量關系C 一般情況下D 大于l 在模型的回歸分析結果報告中，有，則表明（ D ）A、解釋變量對的影響是顯著的B、解釋變量對的影響是顯著的C、解釋變量和對的影響是均不顯著D、解釋變量和對的聯合影響是顯著的第四章 多重共線性（1）定義、產生原因；（2）后果；（3）檢測

11、；（4）彌補。參數的最小二乘估計量的性質l 簡單相關系數矩陣方法主要用于檢驗（ D ）A異方差性 B.自相關性 C隨機解釋變量 D.多重共線性l 能夠檢驗多重共線性的方法有AA.簡單相關系數矩陣法 B. DW檢驗法C. White檢驗 D.ARCH檢驗法l 如果模型中的解釋變量存在完全的多重共線性，參數的最小二乘估計量是（ C ）A無偏的 B. 有偏的 C. 無法估計 D. 無正確答案l 如果模型中的解釋變量存在不完全的多重共線性，參數的最小二乘估計量是（ A ）A無偏的 B. 有偏的 C. 無法估計 D. 無正確答案l 如果模型中的解釋變量存在完全的多重共線性，參數的最小二乘估計量是（ C

12、）A無偏的 B. 有偏的 C. 無法估計 D. 確定的第五章 異方差性（1）定義、產生原因；（2）后果；（3）檢測；（4）彌補。檢驗異方差的方法；修正異方差的方法；l ARCH檢驗方法主要用于檢驗（ A ）A異方差性 B.自相關性 C隨機解釋變量 D.多重共線性l 下列方法可以用于檢驗模型中異方差性的方法有 （ D ）A DW檢驗 B 相關系數矩陣 C 判定系數法 D White檢驗l Goldfeld-Quandt方法用于檢驗（ A ）A異方差性 B.自相關性 C隨機解釋變量 D.多重共線性l 在模型有異方差的情況下,常用的估計方法是( D )A. 廣義差分法 B. 工具變量法 C. 逐步回

13、歸法 D. 加權最小二乘法l White檢驗可用于檢驗（ B ）A自相關性 B. 異方差性 C解釋變量隨機性 D.多重共線性l 加權最小二乘可以解決下列哪個問題 ( D )A多重共線性 B. 誤差項非正態性C自相關性 D. 異方差性l 關于Goldfeld-Quandt檢驗，下列說法正確的是（ C ）A它是檢驗模型是否存在自相關 B.該檢驗所需要的樣本容量較小 C該檢驗需要去掉部分樣本 D. 它是檢驗模型是否存在多重共線性l 下列方法可以用于檢驗模型中異方差性的方法有 （ D ）A DW檢驗 B 相關系數矩陣 C 判定系數法 D White檢驗l 如果模型中存在異方差現象，則普通最小二乘估計量

14、仍然滿足的性質（ A ）A. 無偏性 B. 最小方差性 C. 有效性 D 非線性性什么是異方差性？有哪些方法可以檢驗模型中是否存在異方差性?違背同方差假定，擾動項的方差會隨著某個（些）因素而發生變化。觀察殘差圖、White檢驗、ARCH檢驗、Golden-Quant檢驗等。l 回歸模型具有異方差性時，仍用最小二乘法估計參數，則以下（ B ）是錯誤的。 A、參數估計值是無偏非有效的 B、仍具有最小方差C、常用的t和F檢驗失效 D、預測區間增大，精度下降第六章自相關性（1）定義、產生原因；（2）后果；（3）檢測；（4）彌補。違背自相關造成后果（無偏非有效）；在DW檢驗中，當d統計量為2時，表明無自

15、相關性存在；DW判斷區域規則；l 在DW檢驗中，當d統計量為2時，表明（ C ）A.存在完全的正自相關 B.存在完全的負自相關 C.不存在自相關 D.不能判定l 如果回歸模型違背了無自相關假定，最小二乘估計量是( A )A無偏的，非有效的 B. 有偏的，非有效的C無偏的，有效的 D. 有偏的，有效的l 如果在模型中，隨機擾動項違背了無自相關假定，則下列說法正確的是( A )A最小二乘估計量是無偏的且非有效 B. 最小二乘估計量是有偏的且有效C最小二乘估計量是無偏的且有效D. 最小二乘估計量是有偏的但非有效l 在DW檢驗中，不能判定的區域是（ C ）A. B. C. D. 上述都不對l 已知樣本

16、回歸模型殘差的一階自相關系數接近于1，則DW統計量近似等于( A ) A. 0 B. 1 C. 2 D. 4第七章 分布滯后模型的意義分布滯后模型的分類及各個類型的特點分布滯后模型短期影響乘數l 設無限分布滯后模型為 ，則短期影響乘數為（ ）A B、 C、 D、 l 對于有限分布滯后模型在一定條件下，參數可近似用一個關于i的多項式表示（i=0，1，2，K），下列說法中不正確的是（ ）A、多項式的階數小于 B、可采用Almon法對此模型進行估計C、該模型比較容易產生多重共線性D、以上說法都不對第八章 虛擬變量的定義、作用以及規則l 虛擬變量( ) A.主要來代表質的因素，但在有些情況下可以用來代

17、表數量因素 B.只能代表質的因素 C.只能代表數量因素 D.只能代表季節影響因素l 對于含有截距項的計量經濟模型，若想將含有m個互斥類型的定性因素引入到模型中，則應該引入虛擬變量個數為 （ ） A m B m-1 C m+1 D m-k簡述虛擬變量設置規則什么是虛擬變量？在設定虛擬變量時，應該注意什么問題？設置規則是什么？虛擬變量是將定性因素數量化取值為0或1的一類特殊人工變量。主要作用：在模型中引入定性因素；分段回歸等。注意避免虛擬變量陷阱。虛擬變量個數的設置規則是：若定性因素有m個相互排斥的類型（或屬性、水平），在有截距項的模型中只能引入m1個虛擬變量，否則會陷入所謂“虛擬變量陷阱”，產生

18、完全的多重共線性。在無截距項的模型中，定性因素有m個相互排斥的類型時，引入m個虛擬變量不會導致完全多重共線性，不過這時虛擬變量參數的估計結果，實際上是D=1時的樣本均值。l 設某計量經濟模型為：，其中大學教授年薪，則對于參數、的含義，下列解釋不正確的是 （ ）A. 表示大學女教授的平均年薪； B. 表示大學男教授的平均年薪； C. + 表示大學男教授的平均年薪； D. 表示大學男教授和女教授平均年薪的差額l 對于一個含有截距項的計量經濟模型，若某定性因素有m個互斥的屬性，對于一個含有截距項的計量經濟模型，若某定性因素有m個互斥的類型，為將其引入模型中，則需要引入虛擬變量個數為 （ ） A m

19、B m-1 C m+1 D m-k第十章 時間序列數據特有屬性平穩的概念、產生的后果、檢驗的方法非平穩時間序列數據的建模技術要點l 某一時間序列經一次差分變換成平穩時間序列，此時間序列稱為（）A1階單整 B2階單整 CK階單整 D以上答案均不正確簡述時間序列平穩性的含義時間序列平穩性分嚴格平穩和廣義平穩性。嚴格平穩是指隨機過程的聯合分布函數與時間的位移無關；廣義平穩性是指隨機過程的均值、方差不隨時間變化，自協方差函數僅是時間間隔的函數，又稱為弱平穩性什么是偽回歸？其產生的原因是？所謂“偽回歸”，是指變量間本來不存在有意義的關系，但回歸結果卻得出存在有意義關系的錯誤結論。造成“偽回歸”的根本原因

20、在于時間序列變量的非平穩性。l 下列方法可以用于檢驗時間序列平穩性的是（ ）A. ARCH檢驗 B. White檢驗 C. ADF檢驗 D. DW檢驗二、簡答題1、計量經濟模型檢驗通常包含哪些檢驗？每種檢驗基本思想是什么？經濟意義檢驗：檢驗模型估計結果，尤其是參數估計，是否符合經濟理論。統計推斷檢驗：檢驗參數估計值是否抽樣的偶然結果，運用數理統計中的統計推斷方法，對模型及參數的統計可靠性作出說明。計量經濟學檢驗：檢驗模型是否符合計量經濟方法的基本假定，例如檢驗模型是否存在多重共線性，檢驗模型中的隨機擾動項是否存在自相關和異方差性等等。預測檢驗：模型預測的結果與經濟運行的實際結果相對比，以此檢驗

21、模型的有效性。2、在使用計量經濟模型分析問題時，通常會使用哪些類型數據？使用這些類型數據各自應該注意哪些問題？（1）、時間序列數據（Time Series Data）把反映某一總體特征的同一指標的數據，按照一定的時間順序和時間間隔（如月度、季度、年度）排列起來，這樣的統計數據稱為時間序列數據。（2）、截面數據(Cross-Section Data)同一時間（時期或時點）某個指標在不同空間的觀測數據，稱為截面數據。（3）、面板數據（Panel Data）面板數據指時間序列數據和截面數據相結合的數據，對若干個體進行多期觀測。例如在居民收支調查中收集的對各個固定調查戶在不同時期的調查數據，又如全國各

22、省市不同年份的經濟發展狀況的統計數據，就都是面板數據。（4）、虛擬變量數據(Dummy Variables Data)。時間序列數據若是非平穩的，可能造成“偽回歸”；截面數據往往存在異方差；利用面板數據的計量經濟模型已成為計量經濟學研究的專門問題，容易產生異方差、自相關性。3、什么是解釋變量、被解釋變量？從變量的因果關系上，模型中變量可分為解釋變量（Explanatory variable）和被解釋變量(Explained variable)。在模型中，解釋變量是變動的原因，被解釋變量是變動的結果。被解釋變量是模型要分析研究的對象，也常稱為“應變量”(Dependent variable)、“

23、回歸子”（Regressand）等。解釋變量也常稱為“自變量”(Independent variable)、“回歸元”（Regressor）等，是說明應變量變動主要原因的變量。4、經典線性計量模型的假定有哪些？假定1：零均值假定; 假定2：同方差假定; 假定3：無自相關假定; 假定4：隨機擾動項與解釋變量不相關; 假定5：正態性假定；假定6：無多重共線性5、什么是異方差性？有哪些方法可以檢驗模型中是否存在異方差性?違背同方差假定，擾動項的方差隨某個解釋變量在變化。觀察殘差圖、White檢驗、ARCH檢驗、Goldenfeld-Quandt檢驗等。6、簡述虛擬變量設置規則虛擬變量個數的設置規則是

24、：若定性因素有m個相互排斥的類型（或屬性、水平），在有截距項的模型中只能引入m1個虛擬變量，否則會陷入所謂“虛擬變量陷阱”，產生完全的多重共線性。在無截距項的模型中，定性因素有m個相互排斥的類型時，引入m個虛擬變量不會導致完全多重共線性，不過這時虛擬變量參數的估計結果，實際上是D=1時的樣本均值。7、什么是虛擬變量、設置虛擬變量應該注意什么？虛擬變量是將定性因素數量化取值為0或1的一類特殊人工變量。主要作用：在模型中引入定性因素；分段回歸等。注意避免虛擬變量陷阱。8、將虛擬變量引入到模型中，通常有哪些方式？各自具有什么作用？加入虛擬解釋變量的途徑有兩種基本類型：一是加法類型；二是乘法類型。不同

25、的途徑引入虛擬變量有不同的作用，加法方式引入虛擬變量改變的是截距；乘法方式引入虛擬變量改變的是斜率。9、什么是偽回歸？其產生的原因是？所謂“偽回歸”，是指變量間本來不存在有意義的關系，但回歸結果卻得出存在有意義關系的錯誤結論。造成“偽回歸”的根本原因在于時間序列變量的非平穩性。10、簡述時間序列平穩性的含義時間序列平穩性分嚴格平穩和廣義平穩性。 嚴格平穩是指隨機過程的聯合分布函數與時間的位移無關；廣義平穩性是指隨機過程的均值、方差不隨時間變化，自協方差函數僅是時間間隔的函數，又稱為弱平穩性。三、計算題題干已給出一個估計結果，問：系數的經濟意義；估計出來的系數是否符合經濟意義；t值計算（已給出系

26、數及標準誤）；或者根據已給的t值、F值判斷顯著性（不需要查表，根據經驗即可判斷）；根據已給出的，Y的總離差中被回歸方程解釋的部分及未被回歸方程解釋的部分所占比例分別是多少；模型中是否存在多重共線性（利用綜合判斷法）；模型是否存在自相關（會看DW表）為研究中國各地區入境旅游狀況，建立了各省市旅游外匯收入（Y，百萬美元）、旅行社職工人數（X1，人）、國際旅游人數（X2，萬人次）的模型，用某年31個省市的截面數據估計結果如下： t=(-3.) (6.) (3.) R2=0. F=191.1894 n=31（1）從經濟意義上考察估計模型的合理性。（2）X1、 X2兩個變量是否顯著？模型的整體是否顯著？

27、理由是？某公司想決定在何處建造一個新的百貨店，對已有的30個百貨店的銷售額作為其所處地理位置特征的函數進行回歸分析，并且用該回歸方程作為新百貨店的不同位置的可能銷售額，估計得出（括號內為估計的標準差） （0.02） （0.01） （1.0） （1.0）其中：第個百貨店的日均銷售額（百美元）；第個百貨店前每小時通過的汽車數量（10輛）； 第個百貨店所處區域內的人均收入（美元）； 第個百貨店內所有的桌子數量； 第個百貨店所處地區競爭店面的數量；請回答以下問題：1、說出本方程中系數0.1和0.01的經濟含義。2、各個變量前參數估計的符號是否與期望的符號一致？3、在0.05的顯著性水平下檢驗變量的顯著

28、性。（臨界值，）運用計量模型研究1990年到2007年我國糧食產量與主要影響因素之間的數量關系，模型設定如下：Yt=a0+a1X1t+a2X2t+a3X3t+a4X4t+a5X5t+a6X6t+utYt-我國歷年糧食總產量(單位：萬噸)X1t-農業化肥施用量（萬噸）X2t-糧食播種面積（千公頃）X3t-成災面積（千公頃）X4t-農業機械年末擁有量（億瓦特）X5t-農林牧漁業總勞動力（萬人）X6t-有效灌溉面積（千公頃）Ut-其它影響糧食產量的因素（隨機誤差項）模型估計結果如下：Dependent Variable: YMethod: Least SquaresDate: 05/25/09 Ti

29、me: 21:03Sample: 1990 2007Included observations: 18VariableCoefficientStd. Errort-StatisticProb. X15.1.（ ）0.0096X20.0.1.0.1044X3-0.0.-2.0.0591X4-0.0.-0.0.6571X5-0.0.-0.0.7872X60.0.0.0.5547C-17495.3327898.47-0.0.5434R-squared0. Mean dependent var44127.13Adjusted R-squared0. S.D. dependent var4408.967

30、S.E. of regression1200.687 Akaike info criterion17.30448Sum squared resid Schwarz criterion17.65073Log likelihood-148.7403 F-statistic36.37094Durbin-Watson stat2. Prob(F-statistic)0.根據此估計結果，是回答下列問題：（1） 計算X1的t統計量值；（2） 模型整體是否顯著？ 理由是？（3） 各變量的系數估計值是否符合經濟意義？ 如果不符合，你覺得是什么原因造成的？家庭消費支出（Y）、可支配收入（）、家庭財富（）設定模型

31、如下：回歸分析結果為：LS / Dependent Variable is YDate: 18/11/09 Time: 15:18Sample: 1 10Included observations: 10 Variable Coefficient Std. Error T-Statistic Prob. C 24.4070 6.9973 _ 0.0101 - 0.3401 0.4785 _ 0.5002 0.0823 0.0458 0.1152R-squared 0.9615 Mean dependent var 111.1256 Adjusted R-squared 0.9505 S.D. dependent var 31.4289 S.E. of regression _ Akaike info criterion 4.1338 Sum squared resid 342.5486 Schwartz criterion 4.2246 Log likelihood - 31.8585 F-statistic 87.4062 Durbin-Watson stat 2.4382 Prob(F-statistic) 0.0001回答下列問題（11分）：、 請根據上表中已由數據，填寫表中畫線處缺失結果（注意給出計算步驟）；、 模型是否存在多重共