孫敬水《中級計量經(jīng)濟學》習題與參考答案

孫敬水《中級計量經(jīng)濟學》習題與參

考答案

一、選擇題

1.下列哪個假設(shè)是線性回歸模型必須滿足的？

A.獨立性假設(shè)

B.線性性假設(shè)

C.零條件均值假設(shè)

D.同方差性假設(shè)

答案：B.線性性假設(shè)

2.下列哪個統(tǒng)計量用于檢驗回歸模型的整體顯著性？

A.F統(tǒng)計量

B.t統(tǒng)計量

C.R方

D.調(diào)整R方

答案：A.F統(tǒng)計量

3.下列哪個統(tǒng)計量用于檢驗參數(shù)的顯著性？

A.F統(tǒng)計量

B.t統(tǒng)計量

C.R方

I).調(diào)整R方

答案：B.t統(tǒng)計量

4.在計量經(jīng)濟學中，解釋變量的內(nèi)生性指的是什么？

A.解釋變量和誤差項之間存在相關(guān)關(guān)系

B.解釋變量之間存在相關(guān)關(guān)系

C.誤差項之間存在相關(guān)關(guān)系

I).解釋變量和因變量之間存在相關(guān)關(guān)系

答案：A.解釋變量和誤差項之間存在相關(guān)關(guān)系

5.下列哪個統(tǒng)計量用于度量回歸模型的擬合優(yōu)度？

A.F統(tǒng)計量

B.t統(tǒng)計量

C.R方

D.調(diào)整R方

答案：C.R方

二、填空題

1.線性回歸模型的一般形式為：Y=a+BX+￡，其中￡是項。

答案：誤差

2.在線性回歸模型中，解釋變量與被解釋變量之間的關(guān)系可以通過來表

zjxo

答案：回歸系數(shù)

3.在回歸模型中，如果解釋變量之間存在多重共線性，會導致回歸系數(shù)的

答案：不穩(wěn)定

4.在回歸模型中，如果解釋變量的內(nèi)生性問題沒有得到解決，會導致回歸系數(shù)

的O

答案：有偏

5.在回歸模型中，如果誤差項滿足零條件均值假設(shè)，那么回歸模型的項

就是零。

答案：截距

三、解答題

1.請簡要說明線性回歸模型的基本假設(shè)。

答案：線性回歸模型的基本假設(shè)包括：線性性假設(shè)、獨立性假設(shè)、零條

件均值假設(shè)和同方差性假設(shè)。線性性假設(shè)指的是因變量和解釋變量之間存在

線性關(guān)系；獨立性假設(shè)指的是誤差項之間相互獨立；零條件均值假設(shè)指的是

在給定解釋變量的條件下，誤差項的平均值為零；同方差性假設(shè)指的是誤差

項具有相同的方差。

2.請簡要說明如何檢驗回歸模型的整體顯著性。

答案：可以使用F統(tǒng)計量來檢驗回歸模型的整體顯著性。F統(tǒng)計量的計

算公式為：F=：SSR/k)/(SSEZ(n-k-l)),其中SSR是回歸平方和,SSE

是殘差平方和，k是解釋變量的個數(shù)，n是樣本容量。在零假設(shè)成立的情況

下，F(xiàn)統(tǒng)計量服從自由度為k和n-k-1的F分布。如果F統(tǒng)計量的值大于F

分布臨界值，則可以拒絕零假設(shè)，認為回歸模型是整體顯著的。

3.請簡要說明如何檢驗回歸模型中各個參數(shù)的顯著性。

答案：可以使用t統(tǒng)計量來檢驗回歸模型中各個參數(shù)的顯著性。t統(tǒng)計

量的計算公式為：t=(B-0)/SE(B),其中B是回歸系數(shù)，SE(B)是

回歸系數(shù)的標準誤。在零假設(shè)成立的情況下，t統(tǒng)計量服從自由度為n-kT

的t分布。如果t統(tǒng)計量的絕對值大于t分布臨界值，則可以拒絕零假設(shè)，

認為回歸系數(shù)是顯著的。

4.請簡要說明解釋變量的內(nèi)生性問題及其可能的解決方法。

答案：解釋變量的內(nèi)生性指的是解釋變量和誤差項之間存在相關(guān)關(guān)系。

解決解釋變量的內(nèi)生性問題的方法包括：儀器變量法、差分法、面板數(shù)據(jù)方

法和傾向得分匹配法。儀器變量法是通過引入一個外生變量來解決內(nèi)生性問

題；差分法是通過對變量進行差分來消除內(nèi)生性；面板數(shù)據(jù)方法可以利用時

間和個體維度的變異來解決內(nèi)生性問題；傾向得分匹配法則是通過匹配方法

來解決內(nèi)生性問題。

5.請簡要說明回歸模型的擬合優(yōu)度如何度量。

答案：回歸模型的擬合優(yōu)度可以通過R方來度量。R方的取值范圍為0

到1,表示回歸模型中因變量的變異程度能夠被解釋變量解釋的比例。R方

越接近1,說明回歸模型的擬合優(yōu)度越好；R方越接近0