计量经济学导论知到智慧树章节测试课后答案2024年秋对外经济贸易大学

计量经济学导论知到智慧树章节测试课后答案2024年秋对外经济贸易大学第一章单元测试

计量经济学研究中，不需要用到：

A:统计学B:经济学C:医学D:数学

答案:医学_____对_____有因果影响？

A:收入，消费B:收入，失业率C:年龄，智商D:身高，健康

答案:收入，消费下列那些指标可用于描述两个变量之间的关系？

A:方差B:均值

C:协方差D:中位数

答案:协方差下列哪条不是横截面数据的特征？

A:每一条观察值都是一个不同的个体，可视为独立样本B:横截面数据往往来自于宏观经济调查C:在横截面数据分析中，观察值的顺序并不重要D:横截面数据常见的计量问题是异方差

答案:横截面数据往往来自于宏观经济调查研究金砖四国2001-2019年的GDP增长率需要用到下列哪种数据？

A:横截面数据B:面板数据C:时间序列数据D:混合截面数据

答案:面板数据在经济学的分析中，因果关系只能通过实验数据来估计。

A:对B:错

答案:错时间序列数据又被称为纵向数据。

A:错B:对

答案:错建立计量经济学模型时，只需考虑我们感兴趣的变量。

A:对B:错

答案:错相关系数只能描述两个变量之间的线性关系。

A:对B:错

答案:对建立预测模型不需要严格的因果关系。

A:对B:错

答案:对

第二章单元测试

在简单回归模型中，u一般用来表示

A:系数

B:误差项

C:变量

D:残差项

答案:误差项

OLS估计量是通过（）推导的：

A:将对应Xi的最小值的Yi与对应Xi的最大值的Yi相连B:最小化残差的平方之和C:最小化残差之和D:最小化残差绝对值之和

答案:最小化残差的平方之和将因变量的值扩大10，将自变量的值同时扩大100，则：

A:OLS估计量的方差不变B:截矩的估计值不变C:回归的R^2不变D:斜率的估计值不变

答案:回归的R^2不变在一个带截矩项的一元线性模型中，下列哪条OLS的代数性质不成立？

A:解释变量与残差之间的样本协方差为零B:回归线总是经过样本均值()C:误差项的均值为0D:残差项的和为0

答案:误差项的均值为0估计量具有抽样分布的原因是：

A:在现实数据中你往往会重复得到多组样本B:在给定X的情况下，误差项的不同实现会导致Y的取值有所不同C:经济数据是不精确的D:不同的人可能有不同的估计结果

答案:在给定X的情况下，误差项的不同实现会导致Y的取值有所不同误差项的异方差会影响OLS估计量的

A:无偏性

B:一致性C:线性性D:最优性

答案:最优性

回归模型

不可以用OLS估计，因为它是一个非线性模型。

A:对B:错

答案:错过原点的回归模型中，残差项之和也一定等于0。

A:对B:错

答案:错拟合优度没有单位。

A:对B:错

答案:对

第三章单元测试

在回归方程中，如果斜率系数的t-统计量为-4.38,则它的标准误是（）？

A:-1.96B:4.38C:0.52D:1.96

答案:0.52在假设检验中，如果得到一个很小的p-值（比如小于5%），则

A:该结果不利于原假设；

B:说明t统计量小于1.96;

C:

该结果有利于原假设；

D:该结果出现的概率大约为5%。

答案:该结果不利于原假设；

如果

一个假设在5%的显著水平下不能被拒绝，则它

A:在1%的显著水平下一定不会被拒绝B:在10%的显著水平下一定被拒绝；C:在10%的显著水平下一定不会被拒绝；D:在1%的显著水平下可能被拒绝；

答案:在1%的显著水平下一定不会被拒绝下列哪个现象会使得通常的OLS中t

统计量无效？

A:回归方程没有常数项；

B:误差项没有正态分布，但是数据满足中心极限定理要求；

C:

X有异常值；

D:异方差；

答案:异方差；

在一个普通商品的需求函数中，需求数量是商品价格的线性函数。在进行价格的显著性检验时，你应该：

A:对斜率项进行双侧检验；

B:对截矩项进行双侧检验；

C:对截矩项进行单侧检验；

D:对斜率项进行单侧检验。

答案:对斜率项进行单侧检验。

计量经济学里，显著性包括经济显著性和统计显著性两个维度。

A:对B:错

答案:对对于单侧和双侧的备择假设，t统计量的构造是相同的。

A:对B:错

答案:对当经典线性回归模型去掉误差服从正态分布的假设时，仍然可以使用最小二乘法来估计未知参数，但是这时检验某个参数是否等于0的统计量不再服从t分布。

A:错B:对

答案:错如果一个解释变量的系数不能拒绝的原假设，该变量应当从模型里删除。

A:错B:对

答案:错当t分布的自由度很大时，t分布可以由正态分布近似。

A:错B:对

答案:对

第四章单元测试

下表是使用加州学区数据获得描述统计量和一元回归分析的结果：从表中可以看出，这个样本有（）个观测值；

A:420B:400

C:14

答案:420下表是使用加州学区数据获得描述统计量和一元回归分析的结果：变量str的样本均值为（

）

A:19.64B:19.26C:67.44D:18.58

答案:19.64下表是使用加州学区数据获得描述统计量和一元回归分析的结果：最小的一个班生师比为（

）

A:16B:12C:14D:18

答案:14选项r可用于控制异方差性。

A:对B:错

答案:对R2很小意味着解释变量不显著。

A:错B:对

答案:错

第五章单元测试

如果因为遗漏变量导致假设条件E(ui|Xi)=0不成立，则：

A:加权最小二乘是BLUE的B:OLS估计量不一致C:残差与解释变量乘积的和不为0D:残差的和不为0

答案:OLS估计量不一致对于一个二元线性回归模型，这里的是一个________.

A:斜率参数B:因变量C:截距项

D:自变量

答案:斜率参数在一个有截距项的回归模型估计结果中，已知总的离差平方和SST=49，归直线所能解释的离差平方和SSE=35，

那么可知残差平方和SSR等于：

A:10B:18C:14D:12

答案:14在一个二元线性回归模型中，X1和X2都是因变量的影响因素。先用Y仅对X1回归，发现没有相关性。接着用Y对X1和X2回归，发现斜率系数有较大变化，这说明第一个模型中存在：

A:异方差B:遗漏变量偏差

C:虚拟变量陷阱

D:完全多重共线

答案:遗漏变量偏差

不完全多重共线时：

A:两个或以上的解释变量高度共线

B:误差项是高度相关的，但不是完全共线的C:即使是n>100时，OLS估计量仍然是有偏的

D:OLS估计量无法计算

答案:两个或以上的解释变量高度共线

调整的，即的计算公式为：

A:B:C:D:

答案:模型有7个自变量，现有20个观测值，那么此时回归模型的自由度是：

A:12B:7C:17D:13

答案:12多元线性回归模型中的“线性”指的是对参数是线性的。

A:错B:对

答案:对当多元模型中加入一个新的自变量，新得到的会减小

A:错B:对

答案:错两个回归用的是不同的数据集，即使其中一个模型用了更少的自变量，我们仍然能用来比较两个模型。

A:错B:对

答案:错

第六章单元测试

多元回归模型单个系数的假设检验,我们构造的检验统计量服从：

A:t统计量B:F统计量C:残差平方和D:卡方统计量

答案:t统计量假设检验的显著性水平是：

A:当原假设为真时，我们拒绝它的概率B:当原假设不为真时，我们能拒绝它的最小概率C:当原假设不为真时，我们拒绝它的概率D:当原假设为真时，我们能拒绝它的最小概率

答案:当原假设为真时，我们拒绝它的概率对于单个约束而言，F统计量：

A:是t统计量的平方B:临界值为1.96C:是t统计量的平方根D:是负的

答案:是t统计量的平方整体显著性的F统计量是检验：

A:所有斜率系数和截距为0B:所有斜率系数为0C:截距项及部分斜率系数为0D:目标解释变量的斜率系数为0，其他的不为0

答案:所有斜率系数为0同方差下的F统计量可以用如下公式计算：

A:B:C:D:

答案:同方差下的F统计量和异方差下的F统计量通常是：

A:线性相关的B:异方差下的F统计量通常是同方差下的F统计量的1.96倍C:相同的D:不同的

答案:不同的以下哪组原假设不能采用F检验：

A:β2=0.B:β0

=β1且β1=0.C:β1

+β2

=1且β3

=-2β4.D:β2

=1且β3=β4/β5.

答案:β2

=1且β3=β4/β5.检验一个包含两个约束条件的原假设，其中无约束的R2和有约束的R2分别为0.4366和0.4149。总的观测值为420个，则F统计量为：

A:4.61

B:8.01C:10.34D:7.71

答案:8.01多元回归模型中，OLS估计量是一致估计量的充分条件是：

A:样本量小于模型中的参数个数B:因变量和随机误差项不相关C:自变量和随机误差项完全相关D:自变量和随机误差项不相关

答案:自变量和随机误差项不相关如果和是回归模型中未知参数的估计量，那么可得

A:对B:错

答案:错

第七章单元测试

请问下列哪一个不能化为参数线性的回归模型：

A:B:C:D:

答案:一元对数线性模型的形式为：

A:B:C:D:

答案:在模型中，参数的含义是：

A:自变量每增加一个单位，因变量的均值成比例变化100%B:自变量每变化一个单位，因变量的均值变化C:自变量每增加1%，因变量的均值变化0.01D:自变量每增加1%，因变量的均值成比例变化100%

答案:自变量每增加1%，因变量的均值变化0.01据回归结果=607.3+3.85Income–0.0423Income2,当收入值为多少时考试成绩能取到最大值：

A:45.50

B:607.3

C:无法计算D:91.02

答案:45.50

非线性模型中，当其他自变量保持不变，X1

变化△X1，因变量的期望值的变化量为：

A:△Y=f(X1

+△X1,X2,...,Xk)-f(X1,X2,...Xk).

B:△Y=f(X1

+△X1,X2

+△X2,...,Xk+△Xk)-f(X1,X2,...Xk).C:△Y=f(X1

+X1,X2,...,Xk)-f(X1,X2,...Xk).D:△Y=f(X1

+X1,X2,...Xk).

答案:△Y=f(X1

+△X1,X2,...,Xk)-f(X1,X2,...Xk).

根据回归结果

=686.3–1.12STR–0.67PctEL+0.0012(STR×PctEL），当PCTEL保持不变，STR增加一个单位会使得平均考试成绩变化：

A:–0.67PctEL+0.0012PctELB:686.3-1.12PctELC:-1.12+0.0012PctELD:-1.12-0.67PctEL

答案:-1.12+0.0012PctEL为了判断模型是线性回归模型还是r阶的多项式回归模型，我们可以：

A:看多项式回归的R2

是否大于线性回归模型的R2B:用F统计量检验多项式回归中的(r-1)个高阶次项前面的系数是否全都为0C:比较两个模型的残差平方和D:比较两个回归模型的TSS

答案:用F统计量检验多项式回归中的(r-1)个高阶次项前面的系数是否全都为0根据回归结果=557.8+36.42ln(Income).收入增加1%使得平均成绩增加：

A:无法计算

B:36.42分

C:557.8分

D:0.36分

答案:0.36分回归结果是内部有效的，指的是：

A:所有的假设检验都是显著的B:有关因果效应的统计推断对研究总体是正确的C:参数的真实值被包含于置信区间内D:从研究总体及其环境中得到的相关推断和结论可推广到其他总体及其环境中

答案:有关因果效应的统计推断对研究总体是正确的模型ln(Yi)=β0+β1ln(Xi)+ui，β1表示：

A:Y关于X的半弹性B:Y关于X的弹性C:X变化一个单位时，Y的均值变化D:X对Y的边际效应

答案:Y关于X的弹性

第八章单元测试

下述模型使用个人的收入和教育水平来解释个人的储蓄：其中变量Edu是一个二元变量，如果是受过高等教育的个体，Edu=1，否则Edu=0。请问该研究中，基准组是：

A:受过高等教育的群体B:未受过高等教育的群体C:低收入群体D:高收入群体

答案:未受过高等教育的群体下述模型使用个人的收入和教育水平来解释个人的储蓄：其中变量Edu是一个二元变量，如果是受过高等教育的个体，Edu=1，否则Edu=0。如果>0，我们把该系数解释为：

A:收入水平较高的群体储蓄更高B:给定收入水平，受过高等教育的群体的平均储蓄比没受过高等教育的群体高个单位C:给定收入水平，没受过高等教育的群体的平均储蓄比受过高等教育的群体高个单位D:收入水平较低的群体储蓄更高

答案:给定收入水平，受过高等教育的群体的平均储蓄比没受过高等教育的群体高个单位假设你要研究性别对个人收入的影响，于是你选择个人年收入为因变量，解释变量包括二元变量Male（当个体性别为男时取值1，否则为0）、二元变量Female（当个体性别为女时取值1，否则为0）以及常数项。因为女性的收入平均来说往往低于男性，因此，你预计的回归结果是：

A:Male和Female的系数数值相等B:回归系数无法估计，因为存在完全多重共线性C:Male系数为负，Female系数为正D:Male系数为正，Female系数为负

答案:回归系数无法估计，因为存在完全多重共线性下列涉及虚拟变量的回归方程，哪个形式是不对的？

A:B:C:D:

答案:在一个带虚拟变量和连续变量交互项的回归方程中，,要检验两个组别的回归是否相同，你需要：

A:B:C:D:

答案:虚拟变量陷阱是一种特殊的完全多重共线性。

A:对B:错

答案:对拒绝邹氏检验的原假设意味着两个组别之间存在差异。

A:错B:对

答案:对在进行项目评价或估计处理效应时，只要使用了双重差分，模型中不再需要控制其他因素的影响。

A:错B:对

答案:错

第九章单元测试

在简单回归模型中，如果X和u相关，则

A:OLS估计量仅在样本时有偏的B:OLS和2SLS的估计结果完全C:OLS估计量是不一致的D:X是外生的

答案:OLS估计量是不一致的下列哪个情形不会导致简单回归模型中X和u相关?

A:联立因果关系B:测量误差C:遗漏变量D:异方差

答案:异方差在一个完全竞争的市场中，市场均衡是由需求和供给决定的，如果使用商品数量-商品价格的数对来做回归：

A:可以跟据回归结果计算出供给的价格弹性B:需求函数和供给函数都无法估计C:可以估计出供给函数

D:可以估计出需求函数

答案:需求函数和供给函数都无法估计一个有效的工具变量应满足如下两个条件

A:corr(Zi,Xi)≠0andcorr(Zi,ui)≠0B:corr(Zi,Xi)=0andcorr(Zi,ui)≠0C:corr(Zi,Xi)=0andcorr(Zi,ui)=0.D:corr(Zi,Xi)≠0andcorr(Zi,ui)=0

答案:corr(Zi,Xi)≠0andcorr(Zi,ui)=0在简单回归模型中，如果X是内生变量，Z是一个合格的工具变量，则的计算公式可表述为：

A:B:C:D:

答案:弱工具变量造成的主要问题是：

A:工具变量不再具有外生性B:TSLS估计量不再具有正态分布C:TSLS估计量的值无法计算D:第一阶段无法计算内生变量的拟合值

答案:TSLS估计量不再具有正态分布模型结构式必须基于经济理论来构造。

A:对B:错

答案:对两阶段最小二乘估计量与OLS估计量相比的优点是更有效率

A:错B:对

答案:错如果我们只在乎一致性，则工具变量回归一定比OLS回归要好。

A:错B:对

答案:错只有在过度识别的情况下，才能进行工具变量的外生性假设检验

A:对B:错

答案:对

第十章单元测试

下面哪个说法可以很好的描述ARMA(1,4)的统计特点？

A:拖尾的acf和pacfB:acf和pacf都是4步截尾C:拖尾的pacf，4步截尾的acfD:拖尾的acf,4步截尾的pacf

答案:拖尾的acf和pacf假设数据满足AR(2)模型：，那么对变量进行前向100步预测，最接近的估计值是?

A:0.75B:-0.2C:-0.53

D:0.7

答案:-0.53

下面是几个模型,写出不满足平稳条件模型的标号：

A:Yt=0.75et-1–0.125et-2+etB:Yt=0.44Yt-1+etC:Yt=0.4Yt-1＋0.6Yt-2+et

D:Yt=0.1+0.5Yt-1+et

答案:Yt=0.4Yt-1＋0.6Yt-2+et

假设yt=0.4+et+0.5et-1-0.3et-2，yt的无条件均值等于？

A:0.5

B:0.4C:0.8D:0.3

答案:0.4用一个长度为121的平稳时间序列计算得到样本偏自相关系数：，，和。只基于这些信息，我们会为该序列试探性地设定什么样的模型？

A:AR(1)模型B:MA(2)模型C:AR(2)模型D:MA(1)模型

答案:AR(2)模型Yt=0.1＋0.4et-1-0.2et-2

+et，Yt的自相关系数最小值等于：

A:2/6

B:0

C:0.4

D:-1/6

答案:-1/6考虑下面的ARMA(1,1)模型：yt=0.1+0.7yt-1+0.2et-1+et对yt

的最优一步预测是(i.e.对时刻t假设t-1前包括t-1期的数据已知)其中et-1=0.01;

yt-1=0.12;

A:0.1B:0.086C:0.084

D:0.186

答案:0.186预测误差大小惩罚力度最大的指标是

A:符号正确预测百分率B:MSEC:无法确定知道D:MAE

答案:MSE白噪声过程是不相关平稳随机过程。

A:对B:错

答案:对AIC准则有较强的一致性，确定的阶数随着样本容量的增加收敛到真实滞后长度上去。

A:对B:错

答案:错

第十一章单元测试

TARCH与ARCH模型相比，优点是：

A:参数个数少

B:可以检验波动是否存在非对称性C:对参数没有非负的要求D:可以检验是否存在风险溢价

答案:可以检验波动是否存在非对称性下面模型对条件方差的2步预测等于？，其中=0.04,=0.2

A:0.02

B:0.06C:0.04D:0.08

答案:0.08关于下面的TGARCH模型，哪个说法是错误的?其中=1if<0=0,

其他

A:a1,b,a1+g

应该非负B:g在统计上显著如果存在非对称特征C:a1+b统计上显著小于g,如果存在非对称性D:该模型可以用来描述波动率聚类性

答案:a1+b统计上显著小于g,如果存在非对称性如果扰动项的平方服从ARMA(2，3)模型，那么对应的GARCH模型是：

A:GARCH(2，3)B:GARCH(2，2)C:GARCH(3，2)D:GARCH(3，3)

答案:GARCH(3，3)ARCH-LM检验使用的回归模型是：

A:B:C:D:

答案:对收益率建立AR(3)-EGARCH(1,1)模型，可以用来在如下应用，除了：

A:计算收益率的风险程度B:风险溢价的大小C:检验收益率是否可预测D:收益率的波动率对好消息和坏消息的响应是否对称

答案:风险溢价的大小假设ARCH-LM检验q=4，那么统计量服从的分布是？

A:c2(5)B:c2(1)C:无法确定D:c2(4)

答案:c2(4)某随机过程Yt无条件均值等于0，无条件方差是常数，条件均值等于0，条件方差随时间变化，该随机过程可能是：

A:B:C:

D:

答案:波动率聚类性表现在收益率的平方存在强自相关，收益率不相关或弱相关。

A:对B:错

答案:对GARCH(1,1)模型与ARCH(10)模型相比，优点是参数个数较少

A:错B:对

答案:对

第十二章单元测试

ADF单位根检验与DF单位根检验比较，错误的说法是?

A:检验使用的统计量相同B:检验的势都比较低C:回归方程相同D:统计量的临界值相同

答案:回归方程相同关于趋势平稳随机过程正确的说法是：

A:方差是时间t的函数B:通过差分平稳化

C:均值一定随时间变化

D:具有随机趋势

答案:均值一定随时间变化

下面是对几个时间序列做单位根检验的结果,哪个序列是I(1)的？

水平变量单位根检验临界值5%:-3.41

差分后临界值5%

:-2.86

A:对水平变量的单位根检验差分一次以后的单位根检验

-1.21

-7.56

B:对水平变量的单位根检验差分一次以后的单位根检验

-0.98

-1.17

C:对水平变量的单位根检验差分一次以后的单位根检验

1.23-0.5

D:对水平变量的单位根检验差分一次以后的单位根检验

-5.9

-11.76

答案:对水平变量的单位根检验差分一次以后的单位根检验

-1.21

-7.56

模型如下假设t期扰动项改变一个单位，t+2期的改变量是？

A:0.6

B:1C:0D:0.36

答案:0.36模型如下：那么的均值和方差的特点是：

A:均值随时间的变化而变化，方差不变B:均值随时间的变化而变化，方差也随时间的变化而变化C:均值不随时间变化，方差也不随时间变化D:均值不随时间变化，方差随时间的变化而变化

答案:均值随时间的变化而变化，方差也随时间的变化而变化关于协整说法错误的是？

A:如果存在协整关系，协整向量不唯一B:有n个非平稳序列，则最多有n个线性独立的协整向量C:如果存在协整关系，各变量的随机趋势一定不独立D:如果存在协整关系，说明变量见存在长期均衡关系

答案:有n个非平稳序列，则最多有n个线性独立的协整向量考虑下面的误差修正模型模型,错误的说法是：

A:b1描述的是x的变化与y的变化之间短期关系B:b2被称为调整速度参数述的是回到均衡水平的调整速度C:g是x与y的长期均衡关系D:使用OLS法估计未知参数是有效的，但是假设检验是无效的

答案:使用OLS法估计未知参数是有效的，但是假设检验是无效的假设

I(1),

I(1),

I(0)，

I(1),哪几组变量不可能存在协整关系？把标号写在括号中

A:与B:，和C:与D:与

答案:与如果两个变量存在协整关系，那么回归方程不再是伪回归。

A:对B:错

答案:对如果序列{}和{}单整阶数不同，那么两个变量间建立回归模型没有任何意义。

A:对B:错

答案:对

第十三章单元测试

以下哪个数据是面板数据？

A:少年侦探团所有成员2012-2015年每年体检的身高B:少年侦探团所有成员2012-2015年每年期末考试成绩的平均值C:暮木警官2015年的体重D:光明小学2年B班所有学生的身高

答案:少年侦探团所有成员2012-2015年每年体检的身高面板数据可以解决以下哪个问题？

A:控制变量中存在的多重共线性问题B:误差项中存在的异方差带来的问题C:不随时间变化的个体固定效应带来的内生性问题D:双向因果关系带来的内生性问题

答案:不随时间变化的个体固定效应带来的内生性问题面板数据相对于截面数据最主要的优势是？

A:可以分析跨时期但是不跨个体的影响B:可以控制一些无法观测的遗漏变量的影响C:提供了更多的观察值D:可以分析既跨时期又跨个体的影响

答案:可以控制一些无法观测的遗漏变量的影响关于面板数据估计方法，以下哪个说法是正确的？

A:中心化的方法只能应用于平衡面板B:无需处理自相关问题C:中心化的方法和加入（n-1）个二值变量的固定效应回归会得到相同的结果D:无需处理异方差问题

答案:中心化的方法和加入（n-1）个二值变量的固定效应回归会得到相同的结果在只有两期的面板数据中：

A:中心化方法是最好的B:其余三个方法是一样好的C:加入（n-2）个二值变量的方法是最好的D:两期做差的方法是最好的

答案:其余三个方法是一样好的关于时间固定效应，以下说法正确的是：

A:如果面板数据T比较小，时间效应基本不需要考虑B:时间和个体固定效应可以同时加入模型中C:时间效应如果遗漏，估计量还依然是一致的D:时间固定效应在大部分应用问题中都不需要考虑

答案:时间和个体固定效应可以同时加入模型中个体固定效应中的个体：

A:是地区B:其余选项都正确

C:是个体

D:是公司

答案:其余选项都正确

如果固定效应估计与OLS估计存在较大差异，说明：

A:固定效应模型参数过多B:固定效应模型没有正确处理异方差问题C:OLS估计没有采用HAC标准误D:OLS估计存在遗漏变量偏差

答案:OLS估计存在遗漏变量偏差面板数据中，

A:一般非常关注时间固定效应的估计值B:一般不关注不随时间变化的变量前的系数估计值C:一般非常关注个体固定效应的估计值D:一般不关注连续变量前的系数估计值

答案:一般不关注不随时间变化的变量前的系数估计值面板数据回归中，变量只随个体变化并且不可观测，如果该变量和其他自变量存在相关性，意味着应该使用随机效应模型。

A:错B:对

答案:错

第十四章单元测试

用Logit模型估计得某一组变量作用结果如下：(其中F为logistic分布的累积分布函数，X为连续变量，Z为二值变量)对于该模型结果中X的系数解释正确的是

A:在Z=0的情况下，X每增加一个单位，Y=1的概率降低33%B:在Z=0的情况下，X每增加一个单位，Y=1的概率降低F（-0.33）C:在Z=0的情况下，初始值为0的X增加一个单位，Y=1的概率降低F（-0.22）-F(-0.55)D:X每增加一个单位，Y=1的概率降低33%

答案:在Z=0的情况下，初始值为0的X增加一个单位，Y=1的概率降低F（-0.22）-F(-0.55)用Logit模型估计得某一组变量作用结果如下：(其中F为logistic分布的累积分布函数，X为连续变量，Z为二值变量)X对Y取1概率的影响程度显著依赖于Z吗？

A:在5%显著性水平下依赖不显著B:在5%显著性水平下显著依赖C:在1%显著性水平下显著依赖D:在1%显著性水平下依赖不显著

答案:在5%显著性水平下显著依赖用Logit模型估计得某一组变量作用结果如下：(其中F为logistic分布的累积分布函数，X为连续变量，Z为二值变量)若Z=1，当X从0.3上升到0.4时，Y=1的概率预测值变化为：

A:降低0.5%

B:增加0.5%

C:降低2.1%D:增加2.1%

答案:降低0.5%

对于线性概率模型，唯一解释变量X的系数估计值为0.5，这意味着

A:X每增加1个单位，因变量取1的概率预测值增加0.5B:X取1时，因变量取1的概率预测值为0.5C:X每增加1个单位，因变量的预测取值增加0.5D:X取1时，因变量的取值为0.5

答案:X每增加1个单位，因变量取1的概率预测值增加0.5关于线性概率模型，正确的是

A:线性概率模型和多元回归模型的估计方法不一致B:线性概率模型预测出的概率总是合理的C:线性概率模型一定是异方差的D:线性概率模型的拟合好坏程度由R^2决定

答案:线性概率模型一定是异方差的下列关于伪的说法错误的是

A:伪通过对进行一些调整而得到B:伪可以用来度量线性概率模型的拟合状况C:伪可以用来度量probit模型和logit模型的拟合状况D:伪基于似然函数计算得出

答案:伪通过对进行一些调整而得到Probit模型的有效估计通常采用