1內(nèi)蒙古財經(jīng)學(xué)院2023—2023學(xué)年其次學(xué)期《計量經(jīng)濟學(xué)》期末試卷姓名： 班級： 學(xué)號：題號題號一二三四總分核分人得分一、單項選擇題〔120＝20〕請將答案填寫到下面的表格中。題號答案12345678910合計評卷人題號11121314151617181920答案1、為了分析隨著解釋變量變動一個單位，因變量的增長率變化狀況，模型應(yīng)當設(shè)定為〔 〕A.lnY=+1 2

lnX+u B.Y0

lnXu1C.lnY

Xu D.Y=Xu0 1 i 1 2 i ix,x2、設(shè)1 2為解釋變量，則完全多重共線性是〔 〕1A.x x1 2 1

0 B.xex 02122C.x x21 2

v0(v為隨機誤差項〕 D.x1

ex 03tR2(或R2)F著，這說明模型存在〔 〕A．多重共線性 B．異方差 C．自相關(guān) D．設(shè)定偏誤4、DW檢驗中要求有假定條件，在以下條件中不正確的選項是〔 〕解釋變量為非隨機的隨機誤差項為一階自回歸形式線性回歸模型中不應(yīng)含有滯后內(nèi)生變量為解釋變量線性回歸模型為一元回歸形式5、假設(shè)估量出的庫伊克模型如下：則〔 〕Y6.9 0.35X 0.76Yt t t(2.6521) (4.70) (11.91)R20.897 F143 DW1.9160.34在顯著性水平0.05下，DWdl斷模型擾動項存在自相關(guān)

1.3d1.916dl

1.30.3510.35收入對消費的長期影響乘數(shù)為Y

0.766、Goldfeld-Quandt檢驗法可用于檢驗( )A.異方差性B.多重共線性 C.序列相關(guān) D.設(shè)定誤差7、用于檢驗序列相關(guān)的DW統(tǒng)計量的取值范圍是( )A.0≤DW≤1 B.－1≤DW≤1 C.－2≤DW≤2 D.0≤DW≤48、20、回歸分析中定義的( )解釋變量和被解釋變量都是隨機變量解釋變量為非隨機變量，被解釋變量為隨機變量C.解釋變量和被解釋變量都為非隨機變量D.解釋變量為隨機變量，被解釋變量為非隨機變量Y X X u9、在模型t 1 2 2t 3 3t t的回歸分析結(jié)果報告中，有F263489.23 Fp值0000000， ，則說明〔 〕A、解釋變量X2tYt的影響是顯著的B、解釋變量

對Yt

的影響是顯著的tCX2tX3t對YttDX2tX3t對Yt

的聯(lián)合影響是顯著的.的影響是均不顯著10、假設(shè)回歸模型中解釋變量之間存在完全的多重共線性，則最小二乘估量量〔 〕A.不確定，方差無限大 B.確定，方差無限大C.不確定，方差最小 D.確定，方差最小11、關(guān)于可決系數(shù)R2，以下說法中錯誤的選項是〔D 〕R2的定義為被回歸方程已經(jīng)解釋的變差與總變差之比R2的大小不受到回歸模型中所包含的解釋變量個數(shù)的影響R2反映了樣本回歸線對樣本觀測值擬合優(yōu)劣程度的一種描述

12、在具體運用加權(quán)最小二乘法時,假設(shè)變換的結(jié)果是y 1 xux 1x 2 x xx則Var(u)是以下形式中的哪一種?( )xA.2x B.2x2

C.2

D.2

logx13、時間序列數(shù)據(jù)大多存在序列相關(guān)性，在分布滯后模型中，這種序列相關(guān)性就轉(zhuǎn)化為〔 〕異方差問題 B.多重共線性問題C．序列相關(guān)性問題 D.模型設(shè)定誤差14、依據(jù)可決系數(shù)R2與F統(tǒng)計量的關(guān)系可知，當R2=1時有〔 。A.F=1 B.F=－1 C.F→+∞ D.F=015、設(shè)某地區(qū)消費函數(shù)中，消費支出不僅與收入x有關(guān)，而且與消費者的年齡構(gòu)成有關(guān)，假設(shè)將年齡構(gòu)成分為小孩、青年人、成年人和老年人4個層次。假設(shè)邊際消費傾向不變，考慮上述年齡構(gòu)成因素的〔〕個B.2C.3D.4Y16、個人保健支出的計量經(jīng)濟模型為：i

D1 2 2i

X Y i i ，其中i為保健年度支出；

i為個1D 2i人年度收入；虛擬變量為〔 〕

大學(xué)及以上大學(xué)以下；i滿足古典假定。則大學(xué)以上群體的平均年度保健支出E(YA.

/X,Di

0)1

i

E(Yi

/X,Di

1 Xi C.1 2 D.117、邊際本錢函數(shù)為C0有〔 〕

Q1

Q2〔CQ表示產(chǎn)量，則以下說法正確的2A.模型為非線性模型 B.模型為線性模型C.模型中可能存在多重共線性 D.模型中不應(yīng)包括Q2作為解釋變量18、以下宏觀經(jīng)濟計量模型中投資〔I〕類型為( )A.內(nèi)生變量 B.外生變量 C.預(yù)定得生變量 D.確定變量19、對樣本的相關(guān)系數(shù)，以下結(jié)論錯誤的選項是〔 〕| |0，X與Y之間線性相關(guān)程度高||1X與Y之間線性相關(guān)程度高11 D、0X與Y相互獨立20、以下是簡化的三部門宏觀經(jīng)濟計量模型，則模型中預(yù)定〔前定〕變量的個數(shù)( )A.3 B.4 C.2 D.6二、多項選擇題〔2分×5=10〕請將答案填寫到下面的表格中。題號題號12345合計評卷人答案1、計量經(jīng)濟模型的檢驗一般包括內(nèi)容有〔 〕A、經(jīng)濟意義的檢驗 B、統(tǒng)計推斷的檢驗 C、計量經(jīng)濟學(xué)的檢驗D、推測檢驗 E、比照檢驗2、以下變量中可以作為解釋變量的有〔 〕A.外生變量 B.滯后內(nèi)生變量 C.虛擬變量前定變量 E.內(nèi)生變量3、希斯特〔Shisko〕爭論了什么因素影響兼職工作者的兼職收入，模型及其估量結(jié)果為：w 37.070.403wm 0

90.06race113.64reg2.26age(0.062)R20.74

(24.47) (27.62) (0.94)df 311其中：w為兼職工薪〔美元/小時〕；w為主業(yè)工薪〔美元/小時〕；race為虛擬變量，假設(shè)是白人取值m 00，1；regreg0，當被訪者是西部地區(qū)人時，reg取值為1；age為年齡；關(guān)于這個估量結(jié)果，以下說法正確的有〔 〕A.在其他因素保持不變條件下，非白人的兼職工薪每小時比白人約低90美元B.在其他因素保持不變條件下，白人的兼職工薪每小時比白人約低90C.在其他因素保持不變條件下，非西部人的兼職工薪每小時比西部人約高出113.64美元D.在其他因素保持不變條件下，非西部人的兼職工薪每小時比西部人約低出113.64美元E.5%顯著性水平下統(tǒng)計上是顯著的4、假設(shè)模型中解釋變量之間存在共線性，則會引起如下后果〔〕A.參數(shù)估量值確定 B.參數(shù)估量值不確定C.參數(shù)估量值的方差趨于無限大D.參數(shù)的經(jīng)濟意義不正確E.DW5、Goldfeld-Quandt〔〕將觀測值按解釋變量的大小挨次排列樣本容量盡可能大隨機誤差項聽從正態(tài)分布1/4E、除了異方差外，其它假定條件均滿足得分評卷人〔25得分評卷人1、可決系數(shù)為什么可以檢驗樣本回歸直線與樣本觀測點之間的擬合程度？〔5〕2、針對一般最小二乘法，線性回歸摸型的根本假設(shè)有哪些？〔6〕3、簡述相關(guān)分析與回歸分析的聯(lián)系與區(qū)分〔8〕4、寫出Yi

X 0 1 i

，Di

1, 男性，分別以加法方式、乘法方式和混合方式引入虛擬變0, 女性量的模型形式,并說明虛擬變量在其中的作用?！?分〕得分評卷人四、分析題〔45得分評卷人1〔4分〕通過建模覺察，某企業(yè)的某種產(chǎn)品價格P和可變本錢V之間滿足如下關(guān)系：lnP34.50.56lnV。目前可變本錢占產(chǎn)品價格的20％?，F(xiàn)在，企業(yè)可以改進該產(chǎn)品，但是改進要10％可變本錢〔其他費用保持不變。問，企業(yè)是否該選擇改進？2〔4分〕某公司想打算在何處建筑一個的百貨店，對已有的30個百貨店的銷售額作為其所處地理位〔括號內(nèi)為估量的標準差〕Y300.1X 0.01X 10.0X 3.0Xt 1t 2t 3t 4t〔0.02〕 〔0.01〕 〔1.0〕 〔1.0〕其中：Yt

＝第i個百貨店的日均銷售額〔百美元；X1t

＝第i個百貨店前每小時通過的汽車數(shù)量10輛；X ＝第i個百貨店前每小時通過的汽車數(shù)〔10輛；X1t 2t

＝第i個百貨店所處區(qū)域內(nèi)的人均收〔美元；X ＝第iX3t

＝第i個百貨店所處地區(qū)競爭店面的數(shù)量；4t請答復(fù)以下問題：0.10.01各個變量前參數(shù)估量的符號是否與期望的符號全都？在＝0.05X1t

的顯著性?！才R界值t

0.025

(25)2.06，t

0.025

(26)2.056，t

0.05

(25)1.708，t

0.05

(26)1.706〕3〔4〕1978——19982187.5211.6843xse340.010〔0.062〕1978——19851991——1998，分別建立兩個模型。1145.44150.3971xt〔-8.730〔25.426〕R2990,e1

1372.20224602.3651.9525xt〔-5.066〔18.409〕R2982,e2

5811189計算F統(tǒng)計量，即Fe22

e21

5811189 1372.2024334.9370，給定0.05F分布表，得臨界值F0.05

(6,6)4.28。答復(fù)所做的是一項什么工作，其結(jié)論是什么？4〔4〕考察以下分布滯后模型：ytab0xtb1xt1b2xt2b3xt3ut假設(shè)給定權(quán)數(shù)0.4、0.3、0.2、0.1，利用閱歷加權(quán)法得到y(tǒng)t

-940.554.592Wt求原模型中的各參數(shù)的估量值；計算x對y885〔4分〕假設(shè)要求你建立一個計量經(jīng)濟模型來說明在學(xué)校跑道上慢跑一英里或一英里以上的人數(shù)，以便打算是否修建其次條跑道以滿足全部的熬煉者。你通過整個學(xué)年收集數(shù)據(jù)，得到兩個可能的解釋性方程：方程A： 1 2

1.5X 3

0.75Y?B：

123.014.0X 5.5X 3.7X R2 0.731 2 4Y——某天慢跑者的人數(shù)X1——該天降雨的英寸數(shù)X2——該天日照的小時數(shù)X3——該天的最高溫度〔按華氏溫度〕X4——其次天需交學(xué)期論文的班級數(shù)〔〕這兩個方程你認為哪個更合理些，為什么？〔2〕為什么用一樣的數(shù)據(jù)去估量一樣變量的系數(shù)得到不同的符號？6〔25〕爭論我國每年發(fā)電量與工農(nóng)業(yè)總產(chǎn)值之間的關(guān)系，選擇以下變量：Y：發(fā)電量〔億千瓦/小時，農(nóng)業(yè)總產(chǎn)值〔億元X：輕工業(yè)總產(chǎn)值〔億元，X：重工業(yè)總產(chǎn)值〔億元Eviews輸出結(jié)果如下：1：DependentVariable:YSample:19711994Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C-1783.299211.0376-8.4501490.0000X16.3584420.214590 29.630600.0000R-squared0.975555Meandependentvar4067.083AdjustedR-squared0.974444S.D.dependentvar2283.552Loglikelihood-174.6116F-statistic877.9726Durbin-Watsonstat0.907751Prob(F-statistic)0.0000002：DependentVariable:YSample:19711994Includedobservations:24VariableCoefficientStd.Errort-StatisticProb.C1390.131148.1771 9.3815490.0000X20.6703320.028710 23.348450.0000R-squared0.961210Meandependentvar4067.083AdjustedR-squared0.959446S.D.dependentvar2283.552Loglikelihood-180.1525F-statistic545.1501Durbin-Watsonstat0.542475Prob(F-statistic)0.0000003DependentVariable:YSample:19711994Includedobservations:24VariableCoefficieStd.Errort-StatistiProb.ntcC1455.981194.0228 7.5041720.0000X30.5824400.033354 17.462140.0000R-squared0.932707Meandependentvar4067.083AdjustedR-squared0.929648S.D.dependentvar2283.552Loglikelihood-186.7632F-statistic304.9263Durbin-Watsonstat0.269242Prob(F-statistic)0.0000004：DependentVariable:YSample:19711994Includedobservations:24VariableCoefficieStd.Errort-StatistiProb.ntcC-940.5504307.8680-3.0550440.0060X14.5924600.559999 8.2023310.0000X30.1744630.052462 3.3255420.0032R-squared0.983987Meandependentvar4067.083AdjustedR-squared0.982462S.D.dependentvar2283.552S.E.ofregression302.4092Akaikeinfo14.37791

criterionSumsquaredresid 1920478. Schwarzcriterion14.52516Loglikelihood -169.5349 F-statistic 645.2370Durbin-Watsonstat 0.688811 Prob(F-statistic) 0.000000DependentVariable:YSample:19711994Includedobservations:24Variable CoefficieStd.Errort-Statistint c

Prob.10C-491.4463308.7338-1.5918120.1271X13.6709270.581047 6.3177840.0000X3-0.1658800.127359-1.3024650.2076X20.4819290.168552 2.8592290.0097R-squared0.981634Meandependentvar4067.083AdjustedR-squared0.980929S.D.dependentvar2283.552S.E.ofregression261.0786Akaikeinfo14.11853criterionSumsquaredresid1363240.Schwarzcriterion14.31487Loglikelihood-165.4224F-statistic579.8576Durbin-Watsonstat0.903651Prob(F-statistic)0.0000006：WhiteHeteroskedasticityTest:7：

F-statisticObs*R-squared

5.101151 Probability9.479837 Probability

0.0202360.010163DependentVariable:LOG(Y)Sample(adjusted):19821999Includedobservations:18afteradjustingendpointsConvergenceachievedafter8iterationsVariableCoefficientStd.Errort-StatisticProb.C-12.048584.775274-2.5231180.0244LOG(X1)1.6312850.085643 3.5025980.0552LOG(X2)0.1487680.007773 5.2101920.0065LOG(X3)0.5660430.189904 2.9806740.0099R-squared0.983602Meandependentvar5.684788AdjustedR-squared0.980088S.D.dependentvar1.614003S.E.ofregression0.227752Akaikeinfocriterion0.072023Sumsquaredresid0.726195Schwarzcriterion0.269874Loglikelihood3.351877F-statistic279.9177Durbin-Watsonstat0.057053Prob(F-statistic)0.0000008：WhiteHeteroskedasticityTest:F-statisticObs*R-squared

1.474742 Probability5.632473 Probability

0.2623880