計量經濟學判斷題

1、1. 總離差平方和可分解為回歸平方和與殘差平方和。2. 整個多元回歸模型在統計上是顯著的意味著模型中任何一個單獨的解釋變量均是統計顯著的。（錯 ）3. 多重共線性只有在多元線性回歸中才可能發(fā)生。（對 ）4. 通過作解釋變量對時間的散點圖 可大致判斷是否存在自相關。（錯 ）5. 在計量回歸中，如果 估計量的方差有偏，則可推斷模型應該存在異方差（錯）6. 存在異方差時，可以用 廣義差分法 來進行補救。（錯 ）7. 當經典假設不滿足時，普通最小二乘估計 一定不是最優(yōu)線性無偏估計量。（錯）8. 判定系數檢驗中，回歸平方和占的比重越大，判定系數也越大。（對 ）9. 可以作殘差對某個解釋變量的散點圖來大致

2、判斷是否存在自相關。（錯 ）做殘差 的當期值與其滯后期的值的散點圖來判斷是否存在自相關10. 遺漏變量會導致計量估計結果有偏。（錯）只影響有效性1. 正態(tài)分布是 以均值為中心 的對稱分布。（ V ）彈性。（V2. 當經典假設滿足時，普通最小二乘估計量具有最優(yōu)線性無偏特征。（ V ）5. 在對數線性模型中，解釋變量的系數表示被解釋變量對解釋變量的6. 虛擬變量用來表示某些具有若干屬性的變量。（V ）8.存在異方差時，可以用加權最小二乘法來進行補救。（V）10.戈雷瑟檢驗 是用來檢驗異方差的（ V ）直接運用于實際的計量1、在經濟計量分析中，模型參數一旦被估計出來，就可將估計模型經濟分析。錯，參數

3、一經估計，建立了樣本回歸模型，還需要對模型進行檢驗，包括經濟意義檢驗、統計檢驗、計量經濟專門檢驗等。2、假定個人服裝支出同收入水平和性別有關，由于性別是具有兩種屬性（男、女）的定性因素，因此，用虛擬變量回歸方法分析性別對服裝支出的影響時，需要引入兩個虛擬變量。錯，是否引入兩個虛擬變量，應取決于模型中是否有截距項。如果有截距項則引入一個虛擬 變量；如果模型中無截距項，則可引入兩個虛擬變量。3、雙變量模型 中，對樣本回歸函數 整體的顯著性檢驗與斜率 系數的顯著性檢驗是 一致的。 正確，一元線性回歸僅有一個解釋變量，因此對斜率系數的 T檢驗等價于對方程的整體性檢驗。4、隨機擾動項的 方差與隨機擾動項

4、方差的 無偏估計沒有區(qū)別。錯，隨機擾動項的 方差反映 總體的波動情況，對一個特定的總體而言，是一個確定的值。在最小二乘估計中，由于總體方差在大多數情況下并不知道，所以用樣本數據去估計e2 /(n k)。其中 n為樣本數，k為待估參數的個數。?2是2線性無偏估計，為一個隨機變量。5、經典線性回歸模型（CLRM中的干擾項不服從正態(tài)分布的， OLS估計量將有偏的。 錯， 即使經典線性回歸模型（CLRM中的干擾項不服從正態(tài)分布的， OLS古計量仍然是無偏的o 因為E（2） E（ 2Ki i） 2，該表達式 成立與否與正態(tài)性無關。1、在簡單線性回歸中 可決系數R2與斜率系數的t檢驗的沒有關系。錯誤，在簡

5、單線性回歸中，由于解釋變量只有一個，當t檢驗顯示解釋變量的影響顯著時，必然會有該回歸模型的可決系數大，擬合優(yōu)度高。2、異方差性、自相關性都是隨機誤差現象，但兩者是有區(qū)別的。正確，異方差的出現總是與模型中某個解釋變量的變化有關。自相關性是各回歸模型的隨機誤差項之間具有相關關 系。 3、通過虛擬變量將屬性因素引入計量經濟模型，引入虛擬變量的個數與模型 有無截距項無關。錯誤，模型有截距項時，如果被考察的定性因素有 m個相互排斥屬性，則模型中引 入m- 1個虛擬變量，否則會陷入“虛擬變量陷阱”；模型無截距項時，若被考察的定性因素 有m個相互排斥屬性，可以引入 m個虛擬變量，這時不會出現多重共線性。4、

6、滿足階條件的方程一 定可以識別 。 錯誤，階條件只是一個必要條件，即滿足階條件的的 方程也可能是不可識別的。5、 庫依克模型、自適應預期模型與局部調整模型的最終形式 是不同 的。錯誤， 庫依克模型、 自適應預期模型與局部調整模型的最終形式是相同的，其最終形式都是一階自回歸模型。2、多重共線性問題是 隨機擾動項 違背古典假定引起的。 錯誤，應該是 解釋變量 之間高度相 關引起的 .3、 在模型 Yt12X 2t 3X3t ut 的回歸分析結果報告中，有F 263489 .23 , F的P值. ，則表明解釋變量X2t對Y t的影響是顯著的。錯誤，解釋變量X 2t和X 3t對Yt的聯合影響是顯著的4

7、、結構型模型中的每一個方程都稱為結構式方程，結構方程中，解釋變量只可以是前定變量. 錯誤，結構方程中， 解釋變量可以是前定變量，也可以是內生變量。1. 在實際中，一元回歸沒什么用，因為因變量的行為不可能僅由一個解釋變量來解釋。錯，在實際中， 一元回歸是很多經濟現象的近似， 能夠較好的反映回歸的核心思想，是很有的。3、在異方差性的情況下，常用的OLS法必定高估了估計量的標準誤。錯，有可能高估也有可能低估 。5、設估計模型為PC?Et 171.4412 0.9672PDItt （ 7.4809）（119.8711）錯，2R2 0.9940 DW 0.5316由于R2 0.9940表明模型有很好的擬

8、合優(yōu)度，則模型不存在偽（虛假）回歸。存在虛假回歸可能，因為判定系數高于DW值。（1）隨機誤差項 ui 與殘差項 ei 是一回事。（錯）（2）總體回歸函數給出了對應于 每一個 自變量的因變量的值。 （錯）（3）線性回歸模型意味著因變量是自變量的 線性函數 。（錯）（4）在線性回歸模型中， 解釋變量是原因，被解釋變量是結果 。（對）1、虛擬變量的取值 只能取 0 或 1（對）2、通過引入虛擬變量，可以對模型的 參數變化 進行檢驗 （對）1、 簡單線性回歸模型與多元線性回歸模型的基本假定是相同的 。 錯在多元線性回歸模型里除了對隨機誤差項提出假定外，還對解釋變量之間提出無多重共線性的假定。2、在模型

9、中引入解釋變量的 多個滯后項容易產生多重共線性 。 對 在分布滯后模型里多引進解釋變量的滯后項，由于變量的 經濟意義一樣 ，只 是時間不一致，所以很容易引起多重共線性。3、DW檢驗中的DW值在0到4之間，數值越小說明模型隨機誤差項的自相關度越小，數 值越大說明模型隨機誤差項的自相關度越大。 錯DW值在0 到4 之間，DW落在最左邊 0 DW d L )最右邊(4 - d L DW 4 ) 時, 分別為正自相關、負自相關 ;中間( dU DW 4- dU ) 為不存在自相關區(qū)域 ;其次為兩個不能判定區(qū)域。3、通過虛擬變量將屬性因素引入計量經濟模型，引入虛擬變量的個數與樣本容量大小有關 。 錯,引

10、入虛擬變量的個數樣本容量大小無關，與變量屬性，模型有無截距項有關 。5、如果聯立方程模型中某個結構方程包含了所有的變量 , 則這個方程不可識別。正確 沒有唯一的統計形式3、在異方差性的情況下，若采用 Eviews 軟件中常用的 OLS 法，必定高估了 估計量的 標準誤。 錯 , 有可能高估也有可能低估。4、擬合優(yōu)度檢驗和 F 檢驗是沒有區(qū)別的。 錯5、聯立方程組模型 根本不能直接用 OLS 方法估計參數。 錯 遞歸方程 可以用 OLS 方法估計參數，而其它的聯立方程組模型不能直 接用 OLS 方法估計參數。1、 在對參數進行最小二乘估計之前，沒有必要對模型提出古典假定。錯誤在古典假定條件下，

11、OLS 估計得到的參數估計量是該參數的最佳線性無 偏估計(具有線性、無偏性、有效性)。 總之，提出古典假定是為了使所作出的估計量具有較好的統計性質和方便地進行統計推斷。2、當異方差出現時， 常用的 t 和 F 檢驗失效 ； 正確 由于異方差類似于 t 比值的統計量所遵從的分布未知；即使遵從 t- 分布，由于方差不在具有最小性。這時往往會夸大 t- 檢驗，使得 t 檢驗失效； 由于F-分布為兩個獨立的 x2變量之比，故依然存在類似于 t-分布中的問題。3、 解釋變量與隨機誤差項相關，是產生多重共線性的主要原因。錯誤 產生多重共線性的主要原因是： 經濟本變量大多存在共同變化趨勢；模 型中大量采用滯

12、后變量；認識上的局限使得選擇變量不當5、由 間接最小二乘法 與兩階段最小二乘法 得到的估計量 都是無偏估計 。 錯誤 間接最小二乘法 適用于恰好識別方程的估計， 其估計量為無偏估計； 而兩階段最小二乘法 不僅適用于恰好識別方程，也適用于過度識別方程。 兩階段最小二乘法得到的 估計量為有偏、一致估計 。5、秩條件是充要條件，因此， 單獨 利用秩條件就可以完成聯立方程識別狀 態(tài)的確定。錯誤。雖然 秩條件 是充要條件，但其 前提是，只有在通過了 階條件 的條件 下。在對聯立方程進行識別時，還應該結合階條件判斷是過度識別，還是恰 好識別。1半對數模型 Y = 30 + 31 ln X + 中，參數 3

13、1的含義是X的絕對量變化，引起Y 的絕對量變化。 錯誤半對數模型的參數 31 的含義是 當 X 的相對變化時， 絕對量發(fā)生變化 ，引起因變量 Y 的平 均值絕對量的變動。2、對已經估計出參數的模型 不需要進行檢驗 。錯誤 有必要進行檢驗。 我們所建立的模型， 所用的方法， 所用的統計數據， 還可能違反計量經濟5的基本假定，這是也會導致錯誤的結論。4、在有M個方程的完備聯立方程組中，當識別的階條件為H - N i （ H為聯立方程組中內生變量和前定變量的總數，i為第i個方程中內生變量和前定變量的總數）示第i個方程不可識別。錯誤 。表示第i個方程過度識別在研究經濟變量之間的非確定性關系時，回歸分析

14、是唯一可用的分析方法。 最小二乘法進行參數估計的基本原理是使殘差平方和最小。（Y ）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（ 當我們說估計的回歸系數在統計上是顯著的，意思是說它顯著地異于 總離差平方和（TSS可分解為殘差平方和（ESS與回歸平方和 平方和（ESS表示總離差平方和中可由樣本回歸直線解釋的部分。多元線性回歸模型的 F檢驗和t檢驗是一致的。（X ）當存在嚴重的多重共線性時，普通最小二乘估計往往會低估參數估計量的方差。 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 自相關。（X在存在異方差的情況下，會對回歸模型的正確建立和統計推斷帶來嚴重

15、后果。N時，則表1.2.3.4.5.6.7.&9.(X )o (Y )(Y )RSS之和，其中殘差(X )n-10o(Y )10. DW.檢驗只能檢驗一階自相關。（Y ）1.殘差（剩余）項 e的均值e = （ e）jn =0o （ Y ）所謂OLS古計量的無偏性，是指參數估計量的數學期望等于各自的真值。 樣本可決系數高的回歸方程一定 釋變量的解釋能力。（X ）多元線性回歸模型中解釋變量個數為k，則對回歸參數進行顯著性檢驗的由度一定是n k 1o（y ）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。 若回歸模型存在異方差問題，可以使用加權最小二乘法進行修正。根據最小二乘估計

16、，我們可以得到總體回歸方程。（X ）當用于檢驗回歸方程顯著性的F統計量與檢驗單個系數顯著性的時，可以認為出現了嚴重的多重共線性（Y ）線性回歸模型中的“線性”主要是指回歸模型中的參數是線性的，而變量則不 性的。（Y ）10. 一般情況下，用線性回歸模型進行預測時，單個值預測與均值預測相等，且置信區(qū)間也 相同。（X ）2.3.5.6.7.9.（-比樣本可決系數低的回歸方程更能說明解釋變量對被解t統計量的自t統計量結果矛盾（X ） 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。（X ） 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。Y ） 3、OL

17、S回歸方法的基本準則是使殘差平方和最小。（X ） 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。Y ） 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 ）。（Y ） 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。（Y ） 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0oX ） 8總離差平方和（TSS）可分解為殘差平方（ESS和與回歸平方和（RSS ,其中殘差平方（ESS表示總離差平方和可由樣本回歸直線解釋的部分。（X ） 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。(X ) 1

18、0、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。( X ) 1 、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(qū)間也相同。(Y )2、對于模型 Y = 3 0+ 3 iXh + B 2X2i + + 3 kXki +3, i=1,2, ,n ;如果 =% +%,則模型必然存在解釋變量的多重共線性問題。(X ) 3、OLS回歸方法的基本準則是使殘差項之和最小。(Y ) 4、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。(Y ) 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)。( Y ) 6、一元線性回歸模型的 F 檢驗和 t 檢驗是一致的。( X ) 7、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。(