计量试卷新模板1_图文

《计量试卷新模板1_图文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、201?—201?学年第二学期计量经济学课程期末考试试卷（大院A卷）考试时间：—年—月—日，共需时间：120分钟组题：数量经济教研室审题：院系部领导：二.判断题.（每题1分，共13分）1.随机误差项習与残差项◎是一回事。题号—・-五总分核分人复核人得分2.只要模型A的比/模型b的/人，模型A就比模型B好。3.如果存在异方差，通常用的t检验和F检验是无效的。up一•填空题（每空1分，共7分）1.在模型中lnrz=B1+B2lnX2/4-B3X3Z4-w/：,当吐我们称规模报酬递减，其屮Y对X?的偏弹性系数为o2.

2、半对数模型InY产B1+B2牡（其中B]=lnY°,B2=ln（l+r））中，瞬吋增长率为，复合增长率为o3.根据某地区数据得回归方程：n=30Yt=-23.4+O.85X2z-1.84X3rY—个人消费支出，X?—可支配收入Xs—银行利率（%）则边际消费倾向（MPC）=o4.在回归方程中，若计算得到的卩

3、于临界值滋⑺-2）,则X对Y影响显著。5.在半对数模型屮，斜率测度。4.如果仅为预测，则多重共线性并无妨碍。（）5.当我们说估计的回归系数在统计上是显著的，意思是说它显著为Oo（）6.较高的两两相关系数并不一

4、定表明着高度多重共线性。（）7.在存在高度多重共线性的情况下，无法估计一个或多个偏回归系数的无偏估计量。（）&如果OLS回归中估计的残差呈现系统模式，则意味着数据中一定存在异方差。（）9.在实际中，双变量的回归没什么用，因为因变量不能仅由一个解释变量来解释。（）10.在模型近=B°+dX/+B20.+u中，卩的作用是影响截矩。（）9.异方差通常出现在时间序列中。（）10.校正判定系数斤彳用于修正r2,以消除引入自变量个数增多的影响。（）11.双对数模型的斜率和弹性系数相同。（）三.单项选择题（每题I分，共10分

5、）a改变解释变量形式b增加样本容量c增加解释变量的个数d利用已知信息2、各扰动项存在自相关，即有()a)cov(均上/•)工0b)cov(%,X/)=()(i=l,2---n)c)cov(“”Uj)=0d)Var(ui)=01、以下修正多重共线性方法哪一个不正确。5、当质的因素引进经济计量模型时，需要使用6、a）.外生变量b）.前定变量c）.内生变量d）.虚拟变量Ho：A=-O.3,码：屈工-0・3，则选用的统计量为a)b}-0.3SE(bJb、+0.3SE(bJd)0.3SE(b「7、若回归模型中随机扰动项与

6、解释变量成比例，则我们说存在（）a）异方差性b）同方差性c）自相关性d）非正态8、OLS估计的基本思想是使。a.习引最小C.工（乙―£尸最小（）b.耳引最大d.工（乙―£•）最小3.同一统计指标按时间顺序记录的数据列称为（）A.横截面数据B.时间序列数据C.修匀数据D.原始数据3、多重共线性讨论的是（）a）随机扰动项与解释变量之间的关系b）随机变量与解释变量之间的关系c）解释变量与解释变量的关系d）解释变量与被解释变量之间的关系9、在消除异方差中，使用加权最小二乘法的思想是（）A•给扰动项方差大的项以较大权数，

7、方差小的项以较小权数。A.方差小的项以较大权数，方差大以较小权数。B.给扰动项方差以不变权数。C.使扰动项的方差变小。页页24第共A.残差图检验B.游程检验C.JB检验D.杜宾一瓦尔森d检验10＞下面属于正态性检验的是：（）页页34第共五、分析题（共50分）W=7.5+0・009*N(1)t=(16.1)R2=0.9八7F=0.008+7.8*—N⑵t=(14.43)(76.58)R2=0.991.（13分）在平均工资（W）对就业人数（N）的回归分析中，得到如下回归结果:（1）如何解释这两个回归（6分）；（2）

8、从模型1到模型2做了哪些假定（2分）？是否担心存在异方差（1分）;（3）能否把两个方程中的斜率和截距联系起来（1分）；⑷能否比较两个模型中的疋（1分）？为什么（2分）？2.（12分）根据墨西哥1955-1974年间美国数据，得到如下回归结果:Inf；二-1.6524+0.3397*lnx2t+0.8460*Inx3tse(0.6062)t=(273)p=(0.014)R2=0.995(0J857)(0.09343)(1.83)(9.06)(0.085)(0.000)F=1719.23其中，Y—产出；X2T—劳动

9、投入X3（—资本投入。（1）劳动投入X2t的系数显著不为1吗（3分）？⑵资本投入X3t的系数显著不为0还是1（6分）?（3）截距-1.6524有什么意义（3分）？3.（25分）莱顿•托马斯在研究英国1961-1981年间砖、瓷、玻璃和水泥行业的生产函数时，得到如下结果:1.logQ二-5.04+0.887*logK+0.893*logHSe=(1.04)(0.087)(0.137)RM