计量经济学（安徽财经大学）智慧树知到期末考试答案章节答案2024年安徽财经大学VIP

计量经济学（安徽财经大学）智慧树知到期末考试答案+章节答案2024年安徽财经大学DW检验有运用的前提条件，只有符合这些条件DW检验才是有效的。（）

答案:对模型中引入解释变量的多个滞后项容易产生多重共线性。（）

答案:对变量变换法与加权最小二乘法实际是等价的。（）

答案:对只有满足基本假设条件的计量经济模型的普通最小二乘参数估计量才具有无偏性和有效性。（）

答案:对单方程模型都是随机方程。（）

答案:对拟合优度R2检验和F检验是没有区别的。（）

答案:错在拟合优度检验中拟合优度高，则解释变量对被解释变量的解释程度就高，可以推测模型总体线性关系成；反之亦然。（）

答案:错在简单线性回归模型中对变量和模型的假定有（）

答案:X虽然是随机的，但与随机误差项也是不相关；###模型对变量和函数形式的设定是正确的，即不存在设定误差。###模型中的变量没有测量误差；###解释变量X是确定的，非随机的；下列说法不正确的是（）

答案:多重共线性是完全可以避免的###只有完全多重共线性一种类型###多重共线性是总体现象两变量X与Y间线性相关关系达到最高时，相关系数r可能等于()

答案:1###-1

答案:G—Q检验法的应用条件是（）

答案:除了异方差外，其他假定条件均满足###随机误差项服从正态分布###将观测值按解释变量的大小顺序排列###样本容量尽可能大###将排列在中间的约1/4的观测值删除掉检验自相关的方法有（）

答案:偏相关系数检验法###图形法###DW检验法###BG检验法如果模型中解释变量之间存在共线性，则会引起如下后果（）

答案:参数的经济意义不正确###参数估计值不确定###参数估计值的方差趋于无限大应用DW检验方法时应满足该方法的假定条件，下列不是其假定条件的为（）

答案:被解释变量为非随机的在序列自相关的情况下，参数估计值仍是无偏的，其原因是（）

答案:零均值假定成立在多元线性回归模型中，加入一个新的假定是（）

答案:无多重共线性F检验属于经济计量模型评价中的（）

答案:统计准则对样本的相关系数r，以下结论错误的是（）

答案:︱r︱越接近0，X与Y之间线性相关程度高下列说法正确的是()

答案:偏相关系数检验可用于检验模型是否存在一阶自相关###拉格朗日乘数检验可用于检验模型是否存在一阶自相关###DW检验可用于检验模型是否存在一阶自相关要使得计量经济模型拟合的好，就必须增加解释变量。（）

答案:错在实际中，一元回归几乎没什么用，因为因变量的行为不可能由一个解释变量来解释。（）

答案:错如果模型对样本有较高的拟合优度，F检验一般都能通过。（）

答案:对在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。（）

答案:错计量经济学是一门经济学科，不是数学或其他。（）

答案:对计量后经济学模型解释经济活动中各种因素之间的理论关系，用确定性的数学方程加以描述。（）

答案:错在多回归分析中，F检验显著，不必进行t检验。（）

答案:错虚拟变量原则上只能取0和1。（）

答案:对在异方差性的情况下，若采用Eviews软件中常用的OLS法，必定高估了估计量的标准误差。（）

答案:错在对参数进行最小二乘估计之前，没有必要对模型提出古典假定。（）

答案:错计量经济模型的检验一般包括内容有（）

答案:统计推断的检验###经济意义的检验###预测检验###计量经济学的检验可决系数的公式为（）

答案:ESS/TSS###1-RSS/TSS###ESS/(ESS+RSS)对于德宾——瓦森DW检验，下列结论中正确的是()。

答案:模型不能含有滞后的因变量###当DW＜dL时，认为随机误差项存在一阶正自相关###适用于一阶自回归形式的序列相关性检验计量经济模型中存在多重共线性的主要原因是（）

答案:滞后变量的引入###样本资料的限制###经济变量相关的共同趋势对分布滞后模型直接采用普通最小二乘法估计参数时，会遇到的困难有（）

答案:滞后期长而样本小时缺乏足够自由度###解释变量间存在多重共线性问题###难以预先确定最大滞后长度###无法估计无限分布滞后模型参数在回归模型中引入虚拟变量的作用有（）

答案:提高模型的精度###检验属性类型对被解释变量的作用###反映质的因素的影响###分离异常因素的影响常见的滞后结构类型有（）

答案:递减滞后结构###不变滞后结构###倒V型滞后结构降低多重共线性的经验方法有（）

答案:横截面与时间序列数据并用###增大样本容量###变量或模型变换###利用外部或先验信息关于虚拟变量，下列表述正确的有（）

答案:取值为1和0###是质的因素的数量化###在有些情况下可代表数量因素###代表质的因素虚拟变量取值为0和1分别代表某种属性是否存在，其中（）

答案:1表示存在这种属性###0表示不存在这种属性在一元线性回归模型中，样本回归方程可表示为（）

答案:下列各种数据中，以下不应该作为经济计量分析所用数据的是（）

答案:计算机随机生成的数据时间序列资料中，大多存在序列相关问题，对于分布滞后模型，这种序列相关问题就转化为（）

答案:多重共线性问题在简单线性回归模型中，认为具有一定概率分布的变量是（）

答案:内生变量在下列引起序列自相关的原因中，不正确的是（）

答案:解释变量之间的共线性回归分析中，用来说明拟合优度的统计量为（）

答案:可决系数回归分析的目的是（）

答案:根据解释变量数值来估计或预测被解释变量的总体均值；在回归模型中，正确表达了随机误差项序列相关的是（）

答案:data:image/png;base64,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

答案:0狭义的模型设定误差不包括（）

答案:模型中有关随机误差项的假设有误时间序列平稳时()。

答案:均值函数是常数###自协方差函数仅依赖于滞后期k,与起始终了期无关###方差函数是常数检验序列平稳性的方法有()。

答案:ADF检验###DF检验###散点图###自相关函数检验data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAJIAAAAZCAYAAADaDHeVAAALLklEQVRoBe2ZaVBUVxbH+TJf5sNMZWpSU0klqTEkKScmMYkxC4kx6CQxmnImmsU1cUHLNRCXcdSQgKJGUFBBUVFA2QQiCA02okALgrIvsiPNJjQI3Sy9d7/u31Q3LiSxpYMkZip9q269V3c595z/+99zzr3PCUdxIDAKCDiNggyHCAcCOIjkIMGoIOAg0qjA6BDiIJKDA6OCgINIowKjQ4iDSP+XHDCDyYggGNHoBQyC+YFb4SDSA/8EI1DApIXWFMoKk/k4JJfYQvkIhIzuFAeRRhfPX0eaoIS6I1QUxDLWNwfftM5fZ917rDJIJFM7AxWxhB3ajU/AKYKz2+nTAEYFqpKTxAYGsfNgBuK6fh48939sTQs9RQmE+ezAZ/dp4ioH6DTeGqOFnhKy4+PYuy+ZpLIeBiE3w0ARtRkh+Ozwwycih4xG0+Ck3nyqRUH4bj9GSGoDVwdAd0vcb+UpqKAhnJwLx3naK5UDGV0j1EyFqrWC0lARl9NqqFKC5bOjb0VeI+FUaj7xRd106G9ic49VnKCD1joJtdG72Pn5ZP4xbTl/chcjqr2OoU9CetA61s79kkXrTxFW1IPsHsLu3mUCUyc9pdlkhIQQHhJCiB01KimdsxVdtCrvLhUE9NpuuirFNMV6s/mDSTg7z2O2Vx5pMrMVEKE3n96ITwle747Lwkh2Z7bTggqttomG7Ciy96xg1vtv8pc5gfwrvB5ZfyM9lScI2rCCubO3sjW0lFzFTXBtqfGg2m/EU55/irG7szlWoB+BFpa8qoG+i5EcfnE9ITtKSOyFfoukjmSq4zbwoWc004NqqFXe3pk213GCQrIulRJ9NIvr4gNE7vPkpZlerPPbQ2Z1MYHiFooaDDYFDN9hxGwopvboN6wfN47Xxo1jnB3Vdd6XuIWXkd1hawUdSoWUsrMF5IpOU5F7kF3TP2fOxG85lKtAgYbu0iMErnBhu28w4VUgs5rRgVxRjCi1FklEAk0p23Bb6YnLgm2EicJJq5FxUqKgZ+DBJ7Bg0UGDrrsF6eU8Ci5d4pKlZl/g0qmtHNq3mceW+OGxXzTYfrP/SlEZ5S0KutS2sLO0CyDkUhsfjNvkAHz2llM12IpQFsH5wFnMDkrALa4dpXZ4LJxAj05vRKMRwFRDe/wW3B8bg/M4NxZHNZAnN1nNuZdKw/cZETQqlHI5CrkcuR21t19Jv9aIwaZXNWM2WbySAYO+B5UsleT57nhM9OJwZis9rRmUph7AdWc8vmlt3NkKAiaTHo3WhEGnxNB5hvQV03B96Fmenx9CUIWO7uE34PAmj8qIQa/RIQrA5/lxvOHsjLOzM08+OYYnH3+YRx95mD889Ah/ffTv1nZLn6W+5DqTT/Zn8X39IBXvrooJc1MUheJ9vO6dyg6RzEIta+mV+JH07Vg2hifgk2tEZwceP0q2+xnI8iZ01lMs3xzCnhIDirtr8RtrVaGWiTm7YCOb397CwbQCTh85ScquUEJK2ymzGR7B2JdL5a538fr0XRYfLif9xm/JtF/QIxkNdInWkxI8i9mHLxBaeotG/cjTtxK56nm+CRVz4hrY4ZCG/mvTQXsK9TErWLNkFgsOSgi+agtULejLaZF1ckzcQYc1sNoaawltFVyL9GObqyszXF1xtaN+vNqTDXFV5NuVR8oZ6DhP0oIgdk1YS3KiP1F5JQQlttGsNGDTqWmlGAr9iPWayXz3LSyJbSLHJpHa0feWkFYgI7lQZctYO9oFei76kS/eQ8D5Ogp+ftI5uMZ95kgmbStNJ+cQ+p+38DiZzxkrzhroPEPWHk+mv70BryQpVXdNvxrR9DUQkd7MpdrBATc9Uj9Cdy7pCRFE7N6E/7cevLkpjsURJXQoKpB2yJBc1aK0Hl9k9FbFIvL+gjVLlvPYuBlM//dWAmOKyesS+Onmt8TiRq6nxxDu7s4md3fc7ajfBBzjUFYT1b12fBsGUMvOkrZoDW5PTOOTLTsJruvmSi+YbYZ3KbL6DE7u8yV612rWbt3BC1+nE3alHLW6AUmpjKutlsk6UFcgPb+XEPf5vPvhIp55ZS6r1x0nPr8TqRHbRL2tuoXKMjrzvidpjRsHPh3P3uP7mBVWQ2KDTZrfnv2Tl/s+tRkxaPKp9tvIrhkrOJDRQxsCps5kzuz5nA/eWIPLjBiSCgqQqZu5UCJHat1gKsw3ciiJ3orv6sW88s48Xp60lmXLAnHqzAlAdPo7Ys5lEpDRS1FxPaaa43y7dAWuH3oQmJxKtgISi9T0aSzAXqdTEkjA9L8xdcKTPOMyk7enrcUrOJcL7cJg1v8Ty3/pBg2ariQyF37AvKc+4mVPCfHNd7Kioavr24uozPAnOtqX4xIpx3K66W+8RGW8NzOnurHQYweieinJ16Cw8SaRVMWUBC5lyTNOvPiaC+OnfsbHn/tzTNJF/VDh93xv5fqFUKLmz+bo2gXsjRUzN6KBlAY7EpAfy73veyQlRvlZxEvdmPNnV75Yt4dQ8XkSM7/nwEk/3BesYtWUlWzb5kdiQzthV/qotR56BjC3ZyDe9B6fPvtHxr76DhPfW8H06d44VQWMZ8NXy5junUFCvdaqstAnIWvdHL54dQZTVscR02BgsGfQIo20lOLdU0hPCeVoneUC4UEXOco2EYlLPNn9WRjRxX202VBJVXqCRJ/JzF23m5URjbRYx/Uhy9jP4fenMuWNNSwLqyZfMZSIZrrSAjnv808icitJ6b4lfAB1Rx1XL2aRmZ5O+l1qbsU1qrt0qG7zRQm1R6kvSWbRySpO19zuuCV0+Of93mzrW1CXHSTO0403nx7PCy+8yKuu7ny8X0Juz1Xqz3iz/a2pTJrmzddpFq97x62bBQMtkeuRHFpK4KUWrtyM8k6CpheVSoVKY+TOeAGTVoXG0q4y8IP7KPMAiso8zm4J4mxCPmXAgOXYaLiVrA2Pw6iPEGrpLgnB1+sEG3cWUiRT2zxpmgUdek0/SrUO1RDDzIIeo9VeNSqdaUi4spxmryM9IyJ201Ey62RW8gkGPWZNEU1ndrLOZQLjb56Ybp2cbj3fc9/HFnEn127HfD1IQ2muFLM0poFk6UjQuL9/beaWLOoiFnA86Qwr45oob+0b5IBWGLRb0KGzYqFFY7hDIssJX99XQ2lwFPE7T5HZIbfeKxp0hqHJtj0GmcFYiqwwge0eMfgfz6Za3U5OcR35lxsxPBAymTG3pFIcvphlB79ndkg9rb0j2OU2zVdA91lyYhL5alUcouJKrilvID5XStO1ZrTyNpoqyikrLqb4LrVK2kGzQo/OkgqZTZg0XQjlQdQUJbEwrILYqzoEwYzJbLZJfpuqjbBDXZFI1ran2R97Avd0HTK74WpD1RBHbEA8GzclcVFaS6G0lpjoKz+XSIBJiqoqnIMffsTk515nzvIgjhaoyJP1YzINZe8IrfzZ0zQo8/wQb3qVr8NEeF5W03/Xk8bPFnxzgga0EuqjfHB74jUmuXzC5tBCgvM6aR0YGv6Gk69EX3eahA3vMG/i40xyeZlHnpuE8/iVrPHMIaNDzT3vD4cTb3e/AVXJEVK+HMN/v9vLymQFjZaQYldRoOs6TfZ2Dz4aMwHXycvYHF5AqpwREMni3nrKqY4M5pC/P/4BKVxoUNJjlyK/xCAd2rbLVKeFUVhWR73S4oBHu/SgrDzPOYu9/gGEJldS0c8P8sbhV9Ri7LjClYhtBHz3Hf5WWf54e4dw7FQNFQrdr/RPT8DYXUb9hQjOZeVxsVlHv937wXIJ3MaN7NPEWfU/QuT5OmoZEZGGh8wx4veHwI9utn9/ADgsHh0EHEQaHRx/91L+B1Hr5i7TpGImAAAAAElFTkSuQmCC

答案:错产生虚假回归的原因是()

答案:序列非平稳下面可以做协整性检验的有()。

答案:EG检验###JJ检验平稳的时间序列数据从图形上看表现为一条围绕其均值上下波动的曲线。()

答案:对对于平稳的时间序列,下列说法不正确的是()

答案:序列的自协方差是与时间间隔和时间均无关的常数协整性检验可以避免伪回归问题的产生。()

答案:对单位根检验包括()

答案:DF检验和ADF检验有关EG检验的说法正确的是()。

答案:拒绝回归残差为零原假设说明被检验变量之间存在协整关系回归模型中,虚拟变量的引入数量,要根据定性变量的个数、每个定性变量的类型及有无截距项来确定。()

答案:对计量经济模型中,加入虚拟变量的途径有那几种()

答案:乘法型###加法和乘法的组合###加法类型若干年的某经济变量月度数据,假定一年有2月、3月、10月表现出季节变动,则应引入4个虚拟变量。()

答案:错关于虚拟变量,下列表述正确的有()

答案:代表质的因素###可取值为1和0###在有些情况下可代表数量因素###是质的因素的数量化对于含有截距项的计量经济模型,若想将含有m个互斥类型的定性因素引入到模型中,则应该引入虚拟变量个数为()。

答案:引入虚拟变量的主要作用()

答案:模型结构变化的检验###将属性因素引入到模型中###进行分段线性回归###提高模型的精度当质的因素引进经济计量模型时,需要使用()。

答案:虚拟变量虚拟变量只能代表质的因素。()

答案:错data:image/png;base64,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

答案:完全的多重共线性虚拟变量()。

答案:主要来代表质的因素,但在有些情况下可以用来代表数量因素AIC和SC是用于衡量回归模型优良性的两种准则。（）

答案:对在估计分布滞后模型中,互相关分析一般用于初步判断滞后期长度（）

答案:对对无限分布滞后模型直接采用普通最小二乘法估计参数时,会遇到的最主要困难为()

答案:无法估计无限分布滞后模型参数无限分布滞后模型无法直接应用最小二乘法（）

答案:对下列属于一般滞后模型的是()

答案:data:image/png;base64,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阿尔蒙估计法具有()特点

答案:减少估计参数个数###缓减多重共线性###原理巧妙、简单###滞后期长度和多项式次数易受主观影响data:image/png;base64,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

答案:data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABEAAAAXCAYAAADtNKTnAAAAg0lEQVQ4Ed2SCQoAIQhFvf+lHYz5oD9lEgpignBJnwuJbjiygaF/h4iI2u2cNPoOSLcLG3saBxCT0L/2k0J8stcrWIBkCZmPYech3IXZ7AuL5UdO8O9eD5BhvJU4aNoB/eiwEw6ubC7ShjBgTFBVy/wAQCJmuRNL9BcAk8sQn8T6PZAHxReqnPgd2McAAAAASUVORK5CYII=###data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAAA8AAAAXCAYAAADUUxW8AAAAcUlEQVQ4Ed2S2woAIQhE/f+fdvFhljHHCGIRNojM5ngj84tlF6z/BTYzj32ypGoGPs0abZWyAccJu+tfwgyxvQZJsBIqH4J8B3PWsPmeBlYelHj5PKVsleHtcQdD1J2luk6o/DMwZsHZ08BUqTvfHPwAWfT8PNw5GNsAAAAASUVORK5CYII=###data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABEAAAAYCAYAAAAcYhYyAAAAfklEQVQ4Ed2SgQrAIAhE/f+fbtzgwszDNRqMAlFDn2dkbcOxDYx2OsTMGmzlpNX/gKyqwNrTOoTAM67eJ4X4Zh8r2ADJGrK7CPseQhXwtKgCeVfCBhapplg3QO6kmih+cldCBcorZZMSBfD35Tq+WMWvIVwlA2DY4zdRyg6EXETh8VXGDmZGAAAAAElFTkSuQmCC分布滞后模型中的滞后效应产生的原因有()

答案:心理因素###制度因素###技术因素data:image/png;base64,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

答案:滞后期的适当次多

答案:模型产生自相关性的主要原因有()

答案:经济活动的滞后效应###模型中遗漏了重要解释变量###模型函数形式的设定误差###经济系统的惯性data:image/png;base64,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

答案:对利用Durbin估计法得到的自相关系数是有偏估计。（）

答案:对如果模型存在自相关性,则模型参数的普通最小二乘估计量()

答案:无偏但非有效在下列引起自相关的原因中,不正确的是()

答案:解释变量之间的共线性布罗斯-戈弗雷检验通过建立残差项关于所有解释变量的辅助回归模型来判断原模型是否存在自相关性。（）

答案:错当模型存在自相关性时,有效的参数估计方法是()

答案:广义差分法模型出现自相关性带来的影响有()

答案:增大模型的预测误差###t检验可靠性降低在异方差情况下采用的普通最小二乘估计是无偏估计。（）

答案:对模型产生异方差性的主要原因有()

答案:随机因素影响###模型函数形式的设定误差###模型中遗漏了影响逐渐增大的因素常用的检验异方差性的方法有()

答案:戈里瑟检验###怀特检验###戈德菲尔德-匡特检验在White检验中,n与辅助回归模型的判定系数R2的乘积为6.27,给定显著水平下的卡方临界值为5.99,则所建立的模型不存在异方差性。（）

答案:错data:image/png;base64,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

答案:data:image/png;base64,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若模型具有异方差性,常用的估计方法是()

答案:加权最小二乘法若回归模型中的随机误差项存在异方差,则参数的OLS估计量()

答案:无偏但非有效当模型存在异方差性,仍然可以用t检验来判断解释变量影响的显著性。（）

答案:错关于异方差性的图示检验法,说法正确的是()

答案:data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABMAAAAZCAYAAADTyxWqAAAAl0lEQVRIDc2RgQrAIAhE/f+fdji4OMN2CLJNiLT0eZb5oNkgy7+FmZnHqqw+rTLdE6QCtmDc45+wSlWobo8JEPY0OgfKDwCvPb9U9lSwAzhOMECQEHHHUvZevMcKvGBcGD7HCoL7BFMQ1SDB0CF2Vci58BcMgJO60zlAdz0Hyldqk7LXYEpVa8zxN5PPoBI6960PUOBR2AVzlO1nobL3cwAAAABJRU5ErkJggg==###图示检验法主要有相关图、残差分布图###图示检验法只能粗略地判定模型是否存在异方差在异方差情况下,参数的OLS估计仍然具有无偏性的原因是()

答案:零均值假定成立下面属于多重共线性导致的直接后果是()

答案:回归系数参数估计的标准误差变大###估计值的稳定性降低###置信区间变宽###接受备择假设犯错的概率增大若某个解释变量的VIF(),则一般认为这个解释变量与其他解释变量间存在多重共线性

答案:大于10即使存在严重的多重共线性,OLS估计量仍是无偏估计量。()

答案:对多重共线性问题的实质是样本现象,因此可以通过增加样本信息得到改善。()

答案:对多重共线性产生的原因主要有()

答案:在建模过程中由于解释变量选择不当,引起了变量之间的多重共线性的判定系数为1###经济变量之间往往存在着密切的关联###经济变量之间往往存在同方向的变化趋势###在模型中采用滞后变量也容易产生多重共线性逐步回归就是先将解释变量全部引入模型,再逐个检验每个解释变量的显著性,并将不显著的解释变量予以剔除,直至模型中的解释变量都显著为止。（）

答案:错检验多重共线性的方法有()

答案:辅助回归模型检验###逐步回归法###方差膨胀因子法###简单相关系数法如果回归模型中解释变量之间存在完全的多重共线性,则最小二乘估计量的值为()

答案:不确定,方差无限大在下列产生多重共线性的原因中,不正确的是()

答案:解释变量与随机误差项相关data:image/png;base64,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

答案:1.33倍在多元回归分析中,F检验是用来检验()

答案:回归模型的总体线性关系是否显著常见的非线性回归模型主要有()

答案:半对数模型###对数模型###多项式模型###倒数模型若建立计量经济模型的目的是用于预测,则要求模型的远期拟合误差较小。（）

答案:错data:image/png;base64,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