计量经济学试题库_第1页
计量经济学试题库_第2页
计量经济学试题库_第3页
计量经济学试题库_第4页
计量经济学试题库_第5页
已阅读5页,还剩22页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

第二章复习重点

1、最小二乘法对随机误差项做了哪些假定?说明在证明最小二乘估计量的无偏性和有效性

中,哪些假定条件发挥作用了

(1)E(如=0,t=l,2,…,

(2)D(〃。=E[z/f-E(s)]2=E(ZA)2=cr2,t=l,2,,•­,称ut具有同方差性。

(3)Cov(ih,s)=E[(s-E(出))(//;-E(s))]二E(〃/,s)=0,(/w/)。

含义是不同观测值所对应的随机项相互独立。称为S的非自相关性。

(4)£,是非随机的,Cov(z/;,xd=E[(〃/-E(口))(xi-E(x/))]=E[s(H-E(x>)]

=E[z/;Xi-Ui]=E(〃,xr)=0,%,与方相互独立。否则,分不清是谁对『的贡献。

(5)ut为正态分布~N(0,cr2)0

在证明最小二乘估计量的无偏性中,利用了解释变量与随机误差项不相关的假定和随机

误差项期望为0的假定,在证明有效性时用了随机项独立同方差的假定。

2、在一元线性回归模型匕=4+/?1工+%中,证明参数A的估计量«具备无偏性

°=Z(%一-)(%-%)=Z(aF%-%2(々一万)=

'£(巧-元)22(为一元)22(“,尸

令kt=」巧一工)2,代入上式,得A=Xktyt

Z(%-X)

Aktyt

=£kt(。+/3\Xt+Ut)

二仇工kt+y5iSktxt\Ektut

而Zkt=o,Z左…=4”当二氏一君(x,1)+*x/u=1+0=1

Z(-)2Z(DZ(D

Bi=仇+2ktut

E(A)="+E(Xktut)=伙+EktE(ut)=/3i

3、在一元线性回归模型Y=4+注X,+%中,求参数夕i的方差

@=2(々一万)(%-丹)=2(匕一为)%=z(巧一可)〉

'E(巧-T)2-X)2Z(巧-无产

令kt=,巧一工\,代入上式,得A=Z太口

£(%-x)~

A立ktyt

=EktQ仇+/3iXt+Ut)

=仇工kt+伏工ktxA工ktth

工、1nv,22(%,-%)%,z(x—君«—元)z(x,一三沅

而'kt=O‘Lktxt=Z^(--—-----)2丁二Z(-­-----)2%——+等Z-(-—------)2=1+0=1

A二夕i+£ktlit

Var(3i)=Var("+工ktUt)=VarQ工ktUt)

=Y.kt2Var(ut)=Var(5)Xkt2

又因为k=a一吊)a—a,

所以Zk/=£k;=——

乙(Z4—君)Za—君

2

Var(3i)=Var(s)Zkt?十一一->其中是〃,的方差。

于)

4'根据下面的回归结果,回答下列问题

DependentVariable:Y

Method:LeastSquares

Date:02/12/07Time:08:46

Sample:19881998

Includedobservations:11

VariableCoefficientStd.Errort-StatisticProb.

C10.766161.3967360.0000

X0.0050690.0011834.2833280.0020

R-squared0.670895Meandependentvar16.57273

AdjustedR-squared0.634328S.D.dependentvar1.845042

S.E.ofregression1.115713Akaikeinfocriterion3.219829

Sumsquaredresid11.20333Schwarzcriterion3.292174

Loglikelihood-15.70906F-statistic18.34690

Durbin-Watsonstat1.320391Prob(F-statistic)0.002040

(1)、写出回归方程g=10.7662+0.005IX,

(2)、写出R2的表达式,并之验算R?还可以由哪些值间接计算出来

RSS_TSS-ESS_ESS_L8450?xlO—1L2033

ZSS-—TSS—-—S.D.2X(11-1)—―1.84502X10

(3)、写出t-stastic的表达式,并将结果中空白地方的数据补上

:必=且=3=7.7。82

,闻,闻13967

(4)写出参数用和用的置信95%区间,临界值to.025(9)=2.26

P{4二区<心(八2)}=1-。

SW

由大括号内不等式得回的置信区间

[血-5(加%(T-2),P\+s(A)%(T-2)]

人U.UU乙什

用的置信区间:或1±3而(7—2)=。.。。51±2.26x0.0012=100078

八f7.6097

。的置信区间:A±s(/Ja(T—2)=10.7662±2.26x1.3967=<]39227

(5)统计量S.E.ofregression的含义是什么?

S.E.ofregression:1=1.1157,代表回归模型的残差标准差

(T2=1.11572=1.2448

(X向2J(T—2)

32是02的无偏估计量。因为均是残差,拼又称作误差均方。

a2可用来考察观测值对回归直线的离散程度。

名词解释:

样本可决系数

选择题

1•表示x和y之间真实线性关系的是(C)。

A.R=A+«x,B-E“)=0°”XtC.工=4+片X,+%

D-YHX,

2•参数夕的估计量6具备有效性是指(B)°

A-var()3)=0B-var(£)为最小C.(*0=0

D•(6一£)为最小

3•设样本回归模型为X=A+«Xj+ei,则普通最小二乘法确定的4的公式中,

错误的是(D)。

A.6=Z(x「可(工可nEx.Y.-Ex^Y

B-A=1i

Z(x.-x)2

D.股立小一二有

c记泮吧

x<nX

Si%

4•对回归模型丫=4+注Xj+uj进行检验时,通常假定Uj服从(C)。

A­N(0,4)B-t(n-2)C-N(0,a2)D-t(n)

5•以Y表示实际观测值,Y表示回归估计值,则普通最小二乘法估计参数的准

则是使(D)°

A­z(丫—YHB-z(X一幻之刃c•Z(X—YA最小

D-Z(Y「幻二最小

6•设Y表示实际观测值,V表示OLS估计回归值,则下列哪项成立(D)°

A-Y=YB-Y=YC-Y=YD-Y=Y

7-用OLS估计经典线性模型丫=4+环&+uj,则样本回归直线通过点D_。

A-(X,Y)B-(X,Y)C-(X,Y)D-(X,Y)

8•以Y表示实际观测值,V表示OLS估计回归值,则用OLS得到的样本回归直

线满足(A)。

A-*)=0B-丫—*)2=0C-2(丫―幻2=0

D-

33•判定系数R2的取值围是(C)。

A-R2^-lB-R2^1OOWR2W1D——1WR2W1

34•某一特定的X水平上,总体Y分布的离散度越大,即小越大,则(A)。

A•预测区间越宽,精度越低B•预测区间越宽,预测误差越小

C预测区间越窄,精度越高D•预测区间越窄,预测误差越大

第三章复习重点

1、在多元线性回归模型中,最小二乘法对随机误差项做了哪些假定?说明在证明最小

二乘估计量的无偏性和有效性中,哪些假定条件发挥作用了

为保证得到最优估计量,回归模型应满足如下假定条件;

假定(2):误差项同方差、非自相关

Var(H)=E(MH,)=O-2I=O-200=00

00ij[_000-2

假定(3):解释变量与误差项相互独立。E(X'M)=O

假定(4):解释变量之间线性无关。rk(X'X)=rk(J)=*+1

假定(5):解释变量是非随机的,且当Tts时,TxX'X^Q

其中。是一个有限值的非退化矩阵。

在证明最小二乘估计量的无偏性中,利用了解释变量与随机误差项不相关的假定和随机

误差项期望为0的假定,在证明有效性时用了随机项独立同方差的假定。

2、在多元线性回归模型中,系数的最小二乘求解结果是?

丫=自+自用+”/…+豳或丫=即+u,参数的求解式是:

P=(X'X]AX'Y

3、名词解释:调整的判定系数豆2与多重判定系数R2是如何定义的,他们之间

有和关系?

1.多重确定系数(多重可决系数)

Y=Xfi+u=Y+u,TSS=RSS+ESS

TSS=RSS+ESS,*=里=I*-T

TSSY^-Ty2

有0<R2<LR2fL拟合优度越好。

2.调整的多重确定系数

-o,ESS/(T-k-l),/T-1、/TSS—RSS、

R-=l----------------------=1-(----------)(---------------)

TSS/(T-r)T-k-1TSS

4.假设投资函数模型估计的回归方程为(括号内的效子为t

统计量值)

7,=5.0+0.4匕+0.6/.],/?2=0.8,。卬=20.5,n=24,

(4.0)(3.2)

其中I,和Y.分别为第t期投资和国民收入。

(1)对总体参数氏,氏的显著性进行检验(a=0.05);

(2)若总离差平方和7SS=25,试求随机误差项u.方差的估

计量;

(3)计算尸统计量,并对模型总体的显著性进行检验(a=

0.05)o

(1)回归系数t检验t=4,远大于2,所以回归系数显著的不等于0.

(2)回归平方和二25粕.8二20,残差平方和二5,随机误差项的方差的估计二5/21

(3)F检验=(25/2)/(5/21)

4.在多元线性回归分析中,为什么用修正的决定系数衡量估计模型对样本观测值的拟合优

度?

解答:因为人们发现随着模型中解释变量的增多,多重决定系数A?的值往往会变大,从而

增加了模型的解释功能。这样就使得人们认为要使模型拟合得好,就必须增加解释变量(2

分)。但是,在样本容量一定的情况下,增加解释变量必定使得待估参数的个数增加,从而

损失自由度,而实际中如果引入的解释变量并非必要的话可能会产生很多问题,比如,降低

预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合

优度(3分)

1、在由〃=3°的一组样本估计的、包含3个解释变量的线性回归模型中,计算

得多重决定系数为0.8500,则调整后的多重决定系数为(1-0.15*29/26=D)

A.0.8603B,0.8389C.0.8655D.0.8327

2.用一组有30个观测值的样本估计模型/=d+4&+%芍+%后,在0.05的显

著性水平上对白的显著性作,检验,则4显著地不等于零的条件是其统计量t大于

等于(C)

A%().05(3°)B‘0025(28)c,0.025(27)D4).025(1,28)

3.线性回归模型乂=b0+bxxit+b2x2t+……+bkxkt+ut中,检验

A

.Bi

%:2=0«=0,1,2,…幻时,所用的统计量回良)服从(C)

A.t(n-k+l)B.t(n-k-2)C.t(n-k-l)D.t(n-k+2)

54.调整的判定系数目?与多重判定系数R?之间有如下关系(D)

A.R'=IR-B.R2=l——R-

n—k—1n—k—1

22

C.R2=1——(1+7?)D.R2=l——(1-7?)

n-k-1n-k-1

5、设上为回归模型中的参数个数(包括截距项),则总体线性回归模型进行显著

性检验时所用的F统计量可表示为(BC)。

£(/.-W)2/(i)Z(£—"2/(左—1)内仆1)(1_火2)/(〃_左)

ABZe;/(九一左)c(1一尺2)/(〃一左)D尺2/(左—1)

第四章复习重点

根据下面的回归结果写出表达式。

Dependentvariable:L0G(101/Y-1)

Method:LeastSquares

Date:08/26/07Time:17:05

Sample:113

Includedobservations:13

CoefficientStd.Errort-StatisticProb.

C-4.3107840.292251-14.750300.0000

T0.7652770.04133018.516050.0000

R-squared0.968913Meandependentvar0.280878

AdjustedR-squared0.966087S.D.dependentvar3.027759

S.E.ofregression0.557579Akaikeinfocriterion1.810212

Sumsquaredresid3.419833Schwarzcriterion1.897127

Loglikelihood-9.766376Hannan-Quinncriter.1.792347

F-statistic342.8440Durbin-Watsonstat1.356033

Prob(F-statistic)0.000000

Aini

估计式是:log(--1)=-4.3108+0.7653t

yt

(-14.8)(18.5)R2=0.97

.101

则逻辑函数的估计结果是“i+一™%

2、在eview中拟合逻辑斯蒂曲线。j+;«)+*=]+'实现步骤为:

求出k,因为L加%=左,所以可以根据y的序列分析出其最大上限,即为K。

f—>00

转化为线性回归的形式,

k/yt=1+be-at+Ut

移项,k/yt-1=be-at+Ut

取自然对数,Ln(k/yt-1)=Lnb-at\ut

令/*=LnQk/yt-1),排=Lnb,贝4

p冰二卅一H方+5

此时可用最小二乘法估计邠和a°

第五章复习重点

1、什么是异方差?

异方差性是指模型违反了古典假定中的同方差假定,它是计量经济分析中的一个专门问

题。在线性回归模型中,如果随机误差项的方差不是常数,即对不同的解释变量观测值彼此

不同,则称随机项上具有异方差性,即var(wz)=cr:W常数(t=l,2......n)。

2.产生异方差性的原因及异方差性对模型的OLS估计有何影响。

产生原因:(1)模型中遗漏了某些解释变量;(2)模型函数形式的设定误差;(3)样

本数据的测量误差;(4)随机因素的影响。

产生的影响:如果线性回归模型的随机误差项存在异方差性,会对模型参数估计、模型

检验及模型应用带来重大影响,主要有:(1)不影响模型参数最小二乘估计值的无偏性;

(2)参数的最小二乘估计量不是一个有效的估计量;(3)对模型参数估计值的显著性检验

失效;(4)模型估计式的代表性降低,预测精度精度降低。

3.检验异方差性的方法有哪些?

检验方法:(1)图示检验法;(2)戈德菲尔德一匡特检验;(3)怀特检验;(4)戈里瑟

检验和帕克检验(残差回归检验法);

4、以二元线性回归模型yt=%+仇XA+&xa+%为例。叙述怀特检验的步骤。

①首先对上式进行OLS回归,求残差点。

②做如下辅助回归式,

-6Zo\OL\Xt\+3xn+caxt\\C(Axn+/xt\xn+Vt

即用"2对原回归式中的各解释变量、解释变量的平方项、交叉积项进行OLS回归。注意,

上式中要保留常数项。求辅助回归式的可决系数々。

③White检验的零假设和备择假设是

Ho:yt=%Xti印zXa+〃,式中的Ur不存在异方差,

Hi:yt=fkXAxa+&式中的ur存在异方差

④在不存在异方差假设条件下统计量

TR1~%2⑸

其中7表示样本容量,V是辅助回归式的OLS估计式的可决系数。自由度5表示辅助回归式

中解释变量项数(注意,不包括常数项)。

⑤判别规则是

若TR"W/a⑸,接受H。(次具有同方差)

2

若TR>%a(5),拒绝Ho(〃具有异方差)

5.叙述戈德菲尔特一匡特检验的基本原理:

将样本分为容量相等的两部分,然后分别对样本1和样本2进行回归,并计算两个子样本

的残差平方和,如果随机误差项是同方差的,则这两个子样本的残差平方和应该大致相等;

如果是异方差的,则两者差别较大,以此来判断是否存在异方差。(3分)使用条件:(1)样

本容量要尽可能大,一般而言应该在参数个数两倍以上;(2)%服从正态分布>且除了异

方差条件外,其它假定均满足。(2分)

6、介绍戈里瑟检验的思想

检验|说|是否与解释变量不存在函数关系。若有,则说明存在异方差;若无,则说明不存

在异方差。通常应检验的几种形式是

|Uf|-Ho+OxXt

|Uj|=(3o+HiXt

||=ao+ai

Glejser检验的特点是:

①既可检验递增型异方差,也可检验递减型异方差。

②一旦发现异方差,同时也就发现了异方差的具体表现形式。

③计算量相对较大。

④当原模型含有多个解释变量值时,可以把\ut\拟合成多变量回归形式。

7、说明下面的截图中,所选中的命令的功能

CoefficientDiagnostics►

ResidualDiagnostics►Correlogram-Q-statistics...

StabilityDiagnostics►CorrelogramSquaredResiduals.

Histogram-NormalityTest

Label

SerialCorrelationLMTest...

HeteroskedastidtyTests...

残差检验里的异方差检验

8、下面的截图说明在作什么检验,右边的对号选中和不选中的区别是什么?

Hete।oskedastkityTestsx

Specification——

Testtype:

Breusch-Pagan-GodfreyDependentvariable:RESID人2

Harvey

GlejserTheWhiteTestregressesthesquared

ARCHresidualsonthethecrossproductof

Whitetheoriginalregressorsandaconstant.

CustomTestWizard.,,

0IncludeWhitecrossterms

异方差检验里的white检验,右边的对号选中表示包括交叉项,不选中就不包含交叉项。

9.异方差的解决方法有哪些?

(1)模型变换法;(2分)(2)加权最小二乘法;(2分)(3)模型的对数变换等(1分)

10、下面的截图说明在作什么检验,检验结果如何?

HeteroskedasticityTestWhite

F-statistic5.819690Prob.F(2,28)0.0077

Obs*R-squared9.102584Prob.Chi-Square⑵0.0106

ScaledexplainedSS7.485672Prob.Chi-Square(2)0.0237

l.Goldfeld-Quandt方法用于检验()

A.异方差性B.自相关性C.随机解释变量D.

多重共线性

2.在异方差性情况下,常用的估计方法是()

A.一阶差分法B.广义差分法C.工具变量法D.加权最

小二乘法

3.White检验方法主要用于检验()

A.异方差性B.自相关性C.随机解释变量D.多

重共线性

4.Glejser检验方法主要用于检验()

A.异方差性B.自相关性C.随机解释变量D.

多重共线性

5.下列哪种方法不是检验异方差的方法()

A.戈德菲尔特一一匡特检验B.怀特检验C.戈里瑟检验D.方

差膨胀因子检验

6.当存在异方差现象时,估计模型参数的适当方法是()

A.加权最小二乘法B.工具变量法C.广义差分法D.使用非样本先验信息

第六章复习重点

1、什么是自相关?

对于模型

yi=A)+4勺+22苫2,―+…+练税.+4i=l,2.,—,n

随机误差项互相独立的基本假设表现为Cov(〃i,〃j)=0t丰j,i,j=1,2,…,11

如果出现Cov(4,勺)#0Aj工j=1,2,…,n

即对于不同的样本点,随机误差项之间不再是完全互相独立,而是存在某种相关性,则认为

出现了序列相关性(SerialCorrelation)°

2•自相关性产生的原因有那些?

答:(1)经济变量惯性的作用引起随机误差项自相关;(2)经济行为的滞后性引起随机误差

项自相关;(3)一些随机因素的干扰或影响引起随机误差项自相关;(4)模型设定误差引起

随机误差项自相关;(5)观测数据处理引起随机误差项自相关。

3•序列相关性的后果。

答:(1)模型参数估计值不具有最优性;(1分)(2)随机误差项的方差一般会低估;(1

分)(3)模型的统计检验失效;(1分)(4)区间估计和预测区间的精度降低。(1分)

(全对即加1分)

4•简述序列相关性的几种检验方法。

答:(1)图示法;(1分)(2)D-W检验;(1分)(3)LM检验法;(1分)

5、介绍LM检验法的步骤

统计量既可检验一阶自相关,也可检验高阶自相关。

LM检验是通过一个辅助回归式完成的,具体步骤如下。

丫尸侪+仇X]‘+PiXit+...+13kXkt+ut

考虑误差项为n阶自回归形式ut=piutA+...+pnut.„+vt

Ho:pi=>P2=...=p„=O

用多元回归式得到的残差建立辅助回归式,

et=Pxet.i+...+pnet.H+向+AXi,+^>X2,+...+j3kXkl+vt

估计并计算确定系数总构造LM统计量,LM=TR2

若2M八班接受Ho;若LM=TR2>八〃),拒绝H。。

6、介绍DW检验的原理

它是利用残差er构成的统计量推断误差项"是否存在自相关。使用2版检验,应首先满

足如下三个条件。

(1)误差项"的自相关为一阶自回归形式。

(2)因变量的滞后值小T不能在回归模型中作解释变量。

(3)样本容量应充分大(7>15)

2历检验步骤如下。给出假设

Ho:0=0(th不存在自相关)

Hi:0*0("存在一阶自相关)

用残差值er计算统计量2a

TTTT

2(/-矶)22工et-l2-2Xerer-l]/矶

DW=-------弋上2_-_匕------=2(1-W-----)=2(I-P).

2丁2丁2

Ef=lt=2t=2

根据样本容量和被估参数个数,在给定的显著性水平下,给出了检验用的上、下两个临

界值源和di。判别规则如下:

(1)若取值在(0,应)之间,拒绝原假设Ho,认为ut存在一阶正自相关。

(2)若〃T取值在(4-&,4)之间,拒绝原假设Ho,认为ut存在一阶负自相关。

(3)若取值在(du,4-du)之间,接受原假设Ho,认为ut非自相关。

(4)若取值在(龙,儿)或(4-血4-龙)之间,这种检验没有结论,即不能判

ut是否存在一阶自相关。判别规则可用图1.2表示。

不确不确

拒绝Ho定区接受Ho定区拒绝Ho

0didu4一巾4一应4

7、已知

Yt=函+BiXit+P2X2广…+BkXkt+“t,Ut=put.1+vt(匕满足假定条件)

如何进行广义差分?

Yt=函+dXit+氐Xzt+…+/3kXkt+putA+vt

求(f-l)期关系式,并在两侧同乘/

pYtl=P再+PP氏Xzt-1+…+p/3kXkt.1+put-1

上两式相减:匕卬匕』=A(l-P)+氏(Xt-pXi<4)+…+氏(Xkt-pXkQ+Vt

作广义差分变换:

Yt*=Yt-pYt.i,Xjt*=Xjt-pXjt,i,j=1,2,k,=PQ(1-p)

匕*=4*+d为产+外X2产+…+^X〃产+匕a=2,3,…T)

匕满足通常假定条件,上式可以用OLS法估计。

1•当DW=4时,说明()。

A•不存在序列相关B•不能判断是否存在一阶自相关

C•存在完全的正的一阶自相关D•存在完全的负的一阶自相关

2根据20个观测值估计的结果,一元线性回归模型的DW=2.3。在样本容量n=20,

解释变量k=l,显著性水平为0.05时喳得dl=l,du=l.41,则可以决断()。

A•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

D•无法确定

3•当模型存在序列相关现象时,适宜的参数估计方法是()。

A•加权最小二乘法B•间接最小二乘法C•广义差分法D•工具变量法

4.于模型丫1=氐+6内+*以p表示et与ei之间的线性相关关系(t=l,2,…T),

则下列明显错误的是()。

A-p=0.8>DW=0.4B-p=-0.8,DW=-0.4

C-p=0>DW=2D-Q=1,DW=0

5、下面的截图是什么检验的结果?检验结果如何?

Breusch-GodfreySerialCorrelationLMTest:

F-statistic7.348402Prob.F(2,19)0.0043

Obs*R-squared10.03141Prob.Chi-Square(2)0.0066

是残差自相关检验,LM=7kq10.03141,

若口1=7E24/⑺,接受H。(小非自相关)

若LM=T22>/⑺,拒绝H。(“自相关)

22

又从表可以看出自由度为2,且PS%>TK)=0.0237,所以TR>^005(2)

从而拒绝Ho,认为ut存在自相关。

6、下面的截图中所选中的命令的作用是什么?

CoefficientTests►I

ResidualTestsICorrelogram-Q-statistics

StabilityTests►CorrelogramSquaredResiduals

Histogram-NormalityTest

Label

SerialCorrelationLMTest...

_HeteroskedasticityTests...

残差检验里的自相关检验

7•DW值与一阶自相关系数的关系是什么?DW=2(l-p)

71•如果模型yt=bo+bixt+ut存在序列相关,则()。

:

A.cov(xt,ut)=0B.cov(ut,us)=0(t#s)C.cov(xt,ut)K0D.

COV(Ut,Us)T^O(t^S)

72•DW检验的零假设是(p为随机误差项的一阶相关系数)()。

A-DW=0B♦0=0C-DW=1D♦0=1

73•下列哪个序列相关可用DW检验(vt为具有零均值,常数方差且不存在序列

相关的随机变量)()°

A-ut=put-i+vtB-ut=put-i+p2ut-2+**-+vtC•ut=pvt

D-ut=pvt+p2vt-i+•••

74­DW的取值围是()。

A・—1WDWW0B・—1WDWW1C・—2WDWW2D-OWDWW4

第七章复习重点

35•什么是多重共线性?产生多重共线性的原因是什么?

答:多重共线性是指解释变量之间存在完全或近似的线性关系。

产生多重共线性主要有下述原因:

(1)样本数据的采集是被动的,只能在一个有限的围得到观察值,无法进行重复试验。(2

分)(2)经济变量的共同趋势(1分)(3)滞后变量的引入(1分)(4)模型的解释变量选

择不当(1分)

36•什么是完全多重共线性?什么是不完全多重共线性?

答:完全多重共线性是指对于线性回归模型

Y=AX1+AX2+……+凤Xk+u

若C]X]j+c?X2j+…+CkXkj=0,…,n

其中CpC2,…,Ck是不全为0的常数

则称这些解释变量的样本观测值之间存在完全多重共线性。(2分)

不完全多重共线性是指对于多元线性回归模型

Y=Axi+AX2+...+Axk+u

若C[X]j+c2X2j+...+ckXkj+v=O,j=l,2,...,n

其中5,是不全为0的常数,v为随机误差项

则称这些解释变量的样本观测之间存在不完全多重共线性。(3分)

37•完全多重共线性对OLS估计量的影响有哪些?

答:(1)无法估计模型的参数,即不能独立分辨各个解释变量对因变量的影响。(3分)

(2)参数估计量的方差无穷大(或无法估计)(2分)

38•不完全多重共线性对OLS估计量的影响有哪些?

答:(1)可以估计参数,但参数估计不稳定。(2分)(2)参数估计值对样本数据的略

有变化或样本容量的稍有增减变化敏感。(1分)(3)各解释变量对被解释变量的影响难

精确鉴别。(1分)(4)t检验不容易拒绝原假设。(1分)

39•从哪些症状中可以判断可能存在多重共线性?

答:(1)模型总体性检验F值和X值都很高,但各回归系数估计量的方差很大,t值很

低,系数不能通过显著性检验。(2分)

(2)回归系数值难以置信或符号错误。(1分)

(3)参数估计值对删除或增加少量观测值,以及删除一个不显著的解释变量非常敏感。(2

分)

84•当模型存在严重的多重共线性时,OLS估计量将不具备()

A,线性B,无偏性C,有效性D,一致

第八章复习重点

1•在建立计量经济学模型时,什么时候,为什么要引入虚拟变量?

答案:在现实生活中,影响经济问题的因素除具有数量特征的变量外,还有一类变量,这类

变量所反映的并不是数量而是现象的某些属性或特征,即它们反映的是现象的质的特征。这

些因素还很可能是重要的影响因素,这时就需要在模型中引入这类变量。(4分)引入的方

式就是以虚拟变量的形式引入。(1分)

2•模型中引入虚拟变量的作用是什么?

答案:(1)可以描述和测量定性因素的影响;(2分)

(2)能够正确反映经济变量之间的关系,提高模型的精度;(2分)

(3)便于处理异常数据。(1分)

3•虚拟变量引入的原则是什么?

答案:(1)如果一个定性因素有m方面的特征,则在模型中引入m-1个虚拟变量;(1分)

(2)如果模型中有m个定性因素,而每个定性因素只有两方面的属性或特征5则在模型中

引入m个虚拟变量;如果定性因素有两个及以上个属性,则参照“一个因素多个属性”的设

置虚拟变量。(2分)

(3)虚拟变量取值应从分析问题的目的出发予以界定;(1分)

(4)虚拟变量在单一方程中可以作为解释变量也可以作为被解释变量。(1分)

4•虚拟变量引入的方式及每种方式的作用是什么?

答案:(1)加法方式:其作用是改变了模型的截距水平;(2分)

(2)乘法方式:其作用在于两个模型间的比较、因素间的交互影响分析和提高模型的描述

精度;(2分)

(3)一般方式:即影响模型的截距有影响模型的斜率。(1分)

二、已知某市羊毛衫的销售量1995年第一季度到2000年第四季度的数据。

假定回归模型为:

Yt=j8\X\ti2Xitilit

式中:丫=羊毛衫的销售量

X尸居民收入

X2=羊毛衫价格

如果该模型是用季度资料估计,试向模型中加入适当的变量反映季节因素的影响。(仅

考虑截距变动。

答:可以往模型里加入反映季节因素的虚拟变量D。由于共有四个季节,所以可以将

此虚拟变量分为三个类别。设基础类别是夏季,于是虚拟变量可以如下引入:

即人―〉/〈秋)%平冬,

I。(夏、秋、冬》10(春、夏、冬)1o(春、夏、秋)

此时建立的模型为Yt=o/iXit-F2X2tiDiiD2+Ds/ut

第十一章复习重点

1•模型设定误差的类型有那些?

答案:(1)模型中添加了无关的解释变量;(2)模型中遗漏了重要的解释变量;(3)模型使

用了不恰当的形式。

(5)以左元线性回归模型yt=用+"XH+鱼¥笈+・・・+自上左+〃才(无约束模型)为例,检验勿

个线性约束条件是否成立的少统计量定义为

/、口(SSE-SSE)/m八、厂(SSE-SSE)/(m-l)

(a)r=-----r-------u----°(b)t1—-------r---------u-----------°

SSEu/(T-k-Y)SSEu/(T-k-\)

F_(SSEr-SSEu)/mqF'SES"。

SSEul(T-k)SST/(T-k-l)

2、下面有两个回归结果,根据这两个回归结果回答下面的问题:

DependentVariable:DEBT

Method:LeastSquares

Date:01/20/07Time:23:46DependentVariable:DEBT

Sample:19802001

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论