（财务知识）计量经济学期末试卷

《（财务知识）计量经济学期末试卷》由会员分享，可在线阅读，更多相关《（财务知识）计量经济学期末试卷（11页珍藏版）》请在金锄头文库上搜索。

1、（财务知识）计量经 济学期末试卷 （财务知识）计量经 济学期末试卷 第一学期期末考试试卷 计量经济学试卷 一、单项选择题(1 分20 题20 分) 1在回归分析中下列有关解释变量和被解释变量的说法中正确的是(c) A.被解释变量和解释变量均为随机变量 B.被解释变量和解释变量均为非随机变量 C.被解释变量为随机变量,解释变量为非随机变量 D.被解释变量为非随机变量,解释变量为随机变量 2.下面哪一个必定是错误的（a） 。 A.B. C.D. 3判断模型参数估计量的符号、大小、相互之间关系的合理性属于（b） 准则。 A.计量经济 B.经济理论 C.统计 D.统计和经济理论 4.判定系数 r2=0

2、.8，说明回归直线能解释被解释变量总变差的：(a) A.80%B.64% C.20%D.89% 5.下图中“”所指的距离是（b） A.随机误差项 B.残差 C.的离差 D.的离差 6.已知 DW 统计量的值接近于 2，则样本回归模型残差的一阶自相关系数近 似等于（a） 。 A.0B.-1C.1D.0.5 7.已知含有截距项的三元线性回归模型估计的残差平方和为，估计用样本 容量为 n=24，则随机误差项的方差估计量为(b)。 A.33.3B.40C.38.09D.36.36 8.反映由模型中解释变量所解释的那部分离差大小的是(b)。 A.总体平方和 B.回归平方和 C.残差平方和 D.离差和 9

3、.某企业的生产决策是由模型描述（其中为产量，为价格） ，又知：如果该 企业在期生产过剩，决策者会削减期的产量。由此判断上述模型存在（b） 。 A.异方差问题 B.序列相关问题 C.多重共线性问题 D.随机解释变量问题 10.产量（X，台）与单位产品成本（Y，元/台）之间的回归方程为，这说 明（d） 。 A.产量每增加一台，单位产品成本增加 356 元 B.产量每增加一台，单位产品成本减少 1.5 元 C.产量每增加一台，单位产品成本平均增加 356 元 D.产量每增加一台，单位产品成本平均减少 1.5 元 11.回归模型，中，总体方差未知，检验时，所用的检验统计量服从（d） 。 A.B. C.

4、D. 12.线性回归模型的参数估计量是随机变量的函数，即。所以是（a） 。 A.随机变量 B.非随机变量 C.确定性变量 D.常量 13.如果回归模型中的随机误差项存在异方差，则模型参数的普通最小二乘 估计量（b） 。 A.无偏且有效 B.无偏但非有效 C.有偏但有效 D.有偏且非有效 14.G-Q 检验法可用于检验（a） 。 A.异方差性 B.多重共线性 C.序列相关 D.随机解释变量 15.当模型中的解释变量存在完全多重共线性时，参数估计量的方差为 ： (c) A.0B.1 C.D.最小 16.（b）是具有一定概率分布的随机变量，它的数值由模型本身决定。 A.外生变量 B.内生变量 C.先

5、决变量 D.滞后变量 17.在 Eviews 命令中，（）表示（c） A.乘以B.减 C.的滞后一期变量 D.的倒数 18.在双对数线性模型中，参数的含义是（d） 。 A.Y 关于 X 的增长量 B.Y 关于 X 的发展速度 C.Y 关于 X 的边际倾向 D.Y 关于 X 的弹性 19.根据 20 个观测值估计的结果，一元线性回归模型的 DW=2.6,在=0.05 的 显 著 性 水 平 下 查 得 样 本 容 量 n=20， 解 释 变 量 k=1 个 时 ， dL=1.20,dU=1.41，则可以判断：(d) A.不存在一阶自相关 B.存在正的一阶自相关 C.存在负的一阶自相关 D.无法确

6、定 20.下列模型中不属于线性模型的是（c） A.B. C.D. 二、填空题（1 分20 空20 分） 1计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学 的方法，通过建立 来研究经济数量关系和规律的一门经济学科。 2.计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加 以研究，要解决达到上述目的的理论和方法问题。这样计量经济学分成了 两种类型：_和_两大类。 3.研究经济问题时，可用于参数估计的数据主要有：_数据、 _数据、_数据和 。 4.计量经济学模型的检验主要从_检验、_检验、 _检验和_检验这么四个方面进行。 5.被解释变量的观测值与其回归理论值之间的偏差，

7、称为_；被 解释变量的观测值与其回归估计值之间的偏差，称为_。 6.对 线 性 回 归 模 型 进 行 最 小 二 乘 估 计 ， 最 小 二 乘 准 则 是 _。 7.方程显著性检验的检验对象是 _。 8.以 双 变 量 线 性 回 归 模 型 为 例 ， 总 体 回 归 函 数 均 值 形 式 为： ，个别值形式为： ；样本回归函数的 均值形式为： ，个别值形式为： 。 9.在回归分析中，解释变量一般是按照 变量来处理的。 三、判断题（1 分55 分） 1.回归模型方程的显著性检验与方程的拟合优度检验是相同的()。 2.参数估计量的优良性指的是线性、无偏性最有效性，简称 BLUE()。 3

8、.可决系数和相关系数是两个不同的概念，无任何联系()。 4.在多元线性回归分析中，调整样本决定系数与样本决定系数之间的关系 是()。 5.在多元回归中，根据通常的 t 检验，如果每个参数都是统计上不显著的， 就不会得到一个高的值。()。 四、简答题（17 分） 1.（7 分）请简要叙述计量经济学的研究步骤。 2.（10 分）什么是 OLS 估计量的线性性和无偏性？试加以证明（以一元线 性回归模型为例） 。 五、计算题（18 分） 1.（10 分）从某公司分布在 11 个地区的销售点的销售量（Y）和销售价格 （X）观测值得出以下结果： （1）作销售额对价格的回归分析，并解释其结果。 （2）回归直

9、线未解释的销售变差部分是多少？ 2.（8 分）已知消费模型，其中：个人消费支出；：个人可支配收入；已 知 请进行适当的变换消除异方差，并给与证明。 六、案例分析题（20 分） 分析财政支农资金结构对农民收入的影响， 令 Y（元） 表示农民人均纯收入。 X1（亿元）表示财政用于农业基本建设的支出，X2（亿元）表示财政用于 农村基本建设支出，X3（亿元）表示农业科技三项费用，X4（亿元）表示 农村救济费。建立如下回归模型 Eviews 输出结果如下： 表 1： DependentVariable:Y Sample:3 Includedobservations:19 VariableCoeffici

10、e nt Std.Errort-Statisti c Prob. C134.5734200.64290.6707110.5133 X11.6474470.6098502.7013980.0172 X2-0.354037 2.199568-0.1609580.8744 X314.73859127.54320.1155580.9096 X415.076487.9863291.8877860.0800 R-squared0.920517Meandependentvar1391.353 AdjustedR-squared0.897807S.D.dependentvar822.1371 S.E.ofre

11、gression262.8173Akaikeinfocriterion14.20173 Sumsquaredresid967021.0Schwarzcriterion14.45027 Loglikelihood-129.9164 F-statistic40.53451 Durbin-Watsonstat0.507406Prob(F-statistic)0.000000 表 2： DependentVariable:Y Sample:3 Includedobservations:19 VariableCoefficie nt Std.Errort-Statisti c Prob. C159.66

12、13114.22261.3978090.1813 X11.6280360.3905284.1688050.0007 X414.851556.8869522.1564760.0466 R-squared0.920351Meandependentvar1391.353 AdjustedR-squared0.910394S.D.dependentvar822.1371 S.E.ofregression246.1002Akaikeinfocriterion13.99329 Sumsquaredresid969044.5Schwarzcriterion14.14242 Loglikelihood-129

13、.9363 F-statistic92.44012 Durbin-Watsonstat0.542200Prob(F-statistic)0.000000 表 3： WhiteHeteroskedasticityTest: F-statistic5.668786Probability0.006293 Obs*R-squared11.74713Probability0.019334 DependentVariable:RESID2 Sample:3 Includedobservations:19 VariableCoefficie nt Std.Errort-Statisti c Prob. C3

14、2945.3352208.470.6310340.5382 X168.27213434.51690.1571220.8774 X12-0.077920 0.279599-0.2786860.7846 X4-2938.780 7375.757-0.3984380.6963 X4278.4699068.936751.1382880.2741 R-squared0.618270Meandependentvar51002.34 AdjustedR-squared0.509204S.D.dependentvar80097.16 S.E.ofregression56113.51Akaikeinfocrit

15、erion24.92908 Sumsquaredresid4.41E+10Schwarzcriterion25.17761 Loglikelihood-231.8262 F-statistic5.668786 Durbin-Watsonstat2.872506Prob(F-statistic)0.006293 表 4： DependentVariable:LOG(Y) Sample:3 Includedobservations:19 VariableCoefficie nt Std.Errort-Statisti c Prob. C2.1209820.2701817.8502210.0000 LOG(X1)0.6563810.1142575.7447830.0000 LOG(X4)0.3172810.1485442.1359390.0485 R-squared0.971233Meandependentvar7.036373 AdjustedR-squared0.967637S.D.dependentvar0.683879 S.E.ofregression0.123028Akaikeinfocriterion-1.20886 7 Sumsquaredresid0.242175Schwarzcriterion-1.05974 5 Loglikelihood14.48424F