期货投资分析分类模拟24有答案Word文档下载推荐.docx

期货投资分析分类模拟24有答案Word文档下载推荐.docx

《期货投资分析分类模拟24有答案Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《期货投资分析分类模拟24有答案Word文档下载推荐.docx（10页珍藏版）》请在冰豆网上搜索。

有些时间序列在其趋势线上是平稳的，因此，将该时间序列对时间做回归，回归后的残差项将是平稳的。

2.DF检验的线性回归模型有______。

A.yt=α+βt+μt

B.yt=γyt-1+μt

C.yt=α+γyt-1+μt

D.yt=α+βt+γyt-1+μt

BCD

3.ADF检验的模型形式有______。

A．

B．

C．

D．Δyt=α+βt+λyt-1+μt

ABC

4.对于两个变量x、y，格兰杰因果关系检验的方程主要有______。

D．

BC

[解答]对于两个变量x、y，格兰杰因果关系检验主要有如下两个方程：

其中，若式

（1）中αi显著不为零，则表示x格兰杰引起y；

同理，当式

（2）中γi显著不为零，则表示y格兰杰引起x；

若αi、γi均显著不为零，则表示x与y互为格兰杰因果关系。

5.根据误差修正模型，下列说法正确的是______。

A.若变量之间存在长期均衡关系，则表明这些变量间存在着协整关系

B.建模时需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程

C.变量之间的长期均衡关系是在短期波动过程中的不断调整下得以实现的

D.传统的经济模型通常表述的是变量之间的一种“长期均衡”关系

[解答]传统的经济模型通常表述的是变量之间的一种“长期均衡”关系，而实际经济数据却是由“非均衡过程”生成的。

因此，建模时需要用数据的动态非均衡过程来逼近经济理论的长期均衡过程，于是产生了误差修正模型。

误差修正模型的基本思想是，若变量间存在协整关系，则表明这些变量间存在着长期均衡关系，而这种长期均衡关系是在短期波动过程中的不断调整下得以实现的。

二、判断题A对B错

1.检验时间序列的平稳性方法通常采用White检验。

B

[解答]检验时间序列的平稳性方法通常采用单位根检验，常用的单位根检验方法有DF检验和ADF检验。

White检验是用于检验异方差的方法之一。

2.若一个随机过程的均值和方差不随时间改变，且在任何两期之间的协方差仅依赖于时间，则该随机过程称为平稳性随机过程。

[解答]若一个随机过程的均值和方差不随时间的改变而改变，且在任何两期之间的协方差值仅依赖于两期的距离或滞后的长度，而不依赖于时间，这样的随机过程称为平稳性随机过程。

反之，称为非平稳随机过程。

3.若非平稳序列{yt}，通过d次差分成为一个平稳序列，而这个序列的d-1次差分序列是不平稳的，则称该序列{yt}为d阶单整序列。

A

[解答]如果非平稳序列{yt}，通过d次差分成为一个平稳序列，而这个序列的d-1次差分序列是不平稳的，那么称序列{yt}为d阶单整序列，记为yt～I（d）。

4.在建立多元回归模型时，增加与实际问题有关的解释变量，模型的R2增大。

[解答]一般来说，在多元线性回归方程中，如果模型中增加一个自变量，即使这个自变量在统计上并不显著，R2值也会变大。

为避免增加自变量而高估R2，需要用样本量与自变量的个数去修正R2的值。

5.在多元回归模型中，进入模型的解释变量越多，模型会越好。

[解答]进入模型的解释变量越多，产生多重共线性的可能性越大，会影响模型的结果。

6.总体相关系数可简称相关系数，记为r。

[解答]相关系数分为总体相关系数和样本相关系数。

若相关系数是根据总体全部数据计算出来的，称为总体相关系数，记为ρ；

根据样本数据计算出来的，称为样本相关系数，简称相关系数，记为r。

7.得到回归方程后，应该马上投入应用，做分析和预测。

[解答]回归分析作为有效方法应用在经济或者金融数据分析中，具体遵循以下步骤：

①模型设定；

②参数估计；

③模型检验；

④模型应用。

在得到回归方程后，还不能马上用来做分析和预测，还需要对估计出的回归系数进行显著性检验，以确认自变量对因变量的影响是否显著。

8.相关系数r的取值范围为：

0≤r≤1。

[解答]根据样本数据计算出来的相关系数，称为样本相关系数，简称相关系数，记为r。

r的取值范围为：

-1≤r≤1。

当|r|越接近于1时，表示两者之间的相关关系越强；

当|r|越接近于0时，表示两者之间的相关关系越弱。

9.当相关系数r=0时，表示两者之间没有关系。

[解答]当r=0时，并不表示两者之间没有关系，而是两者之间不存在线性关系。

10.相关系数r越接近于1时，表示两者之间的相关关系越强。

11.一元线性回归模型yi=α+βxi+μi，（i=，2，3，…，n）中，yi称为解释变量，xi称为被解释变量。

[解答]一元线性回归模型yi=α+βxi+μi中，yi称为因变量或被解释变量；

xi称为自变量或解释变量；

μi是一个随机变量，称为随机（扰动）项；

α和β是两个常数，称为回归参数；

下标i表示变量的第i个观察值或随机项。

12.一元线性回归模型yt=α+βxt+μt中，μt为残差项，是不能由xt和yt之间的线性关系所解释的变异部分。

[解答]μt为随机扰动项，反映了除解释变量xt和被解释变量yt之间的线性关系之外的随机因素对被解释变量yt的影响，是不能由xt和yt之间的线性关系所解释的变异部分。

残差项是指

13.回归系数检验中提出的原假设H0:

β≠0。

[解答]t检验又称为回归系数检验，提出的原假设为H0:

β=0，备择假设为H1:

14.F分布可以用来检验单个回归系数的显著性。

[解答]t检验称为回归系数检验；

F检验又称为回归方程的显著性检验或回归模型的整体性检验，反映的是多元线性回归模型中被解释变量与所有解释变量之间线性关系在总体上是否显著。

15.采用最小二乘原理进行多元参数估计时，当出现可决系数R2较大，模型参数的联合检验（F检验）显著性明显，但单个参数的t检验可能不显著，可以认为模型存在异方差问题。

[解答]采用最小二乘原理进行参数估计时，当出现可决系数R2较大，模型参数的联合检验（F检验）显著性明显，但单个参数的t检验可能不显著，甚至可能得出估计的回归系数与实际的符号相反的结论时，可以认为模型存在多重共线性问题。

16.增加样本容量可以消除模型中的多重共线性。

[解答]增加样本容量虽然没有消除模型中的多重共线性，但可以消除多重共线性造成的后果。

17.实际应用中，岭回归估计量能兼顾最小方差和无偏性。

[解答]岭回归估计量为

η为岭回归参数。

从上述参数估计量可以看出，η越大，

的偏倚越大，方差会越小。

这表明若得到较小方差的效应，就要以牺牲参数估计的无偏性为代价。

18.时间序列数据比横截面数据更容易产生异方差。

[解答]由于同一时点不同对象的差异通常会大于同一对象不同时间上的差异，因此横截面数据比时间序列数据更容易产生异方差。

19.计量经济学模型一旦出现异方差性，OLS估计量就不再具备无偏性了。

[解答]计量经济学模型一旦出现异方差性，如果仍采用OLS估计模型参数，OLS估计量仍然具有无偏性，但OLS估计的方差不再是最小的。

20.怀特检验辅助回归需要进行两次回归，用残差的平方项

对解释变量x1t、x2t、

或引入x1tx2t交叉项做回归。

21.拉格朗日乘数检验可以用来检验异方差。

[解答]检验异方差的方法很多，常用的方法有帕克检验与戈里瑟检验、戈德菲尔德-匡特检验（G-Q检验）、怀特检验、ARCH检验等。

拉格朗日乘数检验是检验序列相关性的方法。

22.用德宾两步法来估计模型可以消除自相关的影响。

[解答]消除自相关影响的方法包括：

①广义差分法；

②一阶差分法；

③科克伦-奥克特迭代法；

④德宾两步法。

23.通常情况下，若解释变量之间的简单相关系数|r|越接近1，则可以认为多重共线性的程度越高。

[解答]对于多重共线性检验，可以采用简单相关系数检验法，通过求出解释变量之间的简单相关系数r作出判断，通常情况下，若|r|接近1，则可以认为多重共线性的程度越高。

24.一般情况下，异方差的产生主要是因为测量误差，与模型的设定无关。

[解答]产生异方差的主要原因有：

①模型的设定问题；

②测量误差；

③横截面数据中各单位的差异。

25.相关关系表示变量之间存在一一对应的确定关系。

[解答]确定性函数关系表示变量之间存在一一对应的确定关系；

相关关系表示一个变量的取值不能由另外一个变量惟一确定，即当变量x取某一个值时，变量y对应的不是一个确定的值，而是对应着某一种分布，各个观测点对应在一条直线上。

26.运用加权最小二乘法（WLS）对异方差模型进行回归不需要用到OLS。

[解答]当模型检验出存在异方差性时，常用加权最小二乘法（WLS）进行估计。

其基本思想为：

加权最小二乘法是对原模型加权，使之变成一个新的不存在异方差性的模型，然后采用OLS估计其参数。

27.序列相关是指回归模型的随机误差项之间存在某种相关性。

[解答]如果对于不同的样本点，随机误差项之间存在某种相关性，则出现序列相关性。

其他条件不变时，序列相关性表示Cov（μi，μj）≠0（i≠j）。

28.常见的自相关为一阶自相关，其表示形式为μi=ρμi-1+vi。

29.序列相关性检验不需要用到OLS。

[解答]序列相关性检验方法有多种，但基本思路相同：

首先采用OLS对模型做估计，获得随机误差项的估计量；

再通过分析这些估计量之间的相关性，以判断随机误差项是否具有序列相关性。

30.最常用的序列相关性检验是LM检验。

[解答]常用的序列相关性检验的方法有：

图示检验法、回归检验法、杜宾-瓦森（DW）检验法、拉格朗日乘数（LM）检验等，其中较多使用的是杜宾-瓦森检验（DW检验）。

31.图示检验法是一种直观的判断方法，它通过直接观察回归模型X与Y的散点图来判断是否存在随机误差项的序列相关性。

[解答]图示检验法是一种直观的判断方法，它通过OLS估计出的参数，得到残差项，再通过观察残差项的散点图来判断随机误差项的序列相关性。

32.杜宾-瓦森检验法一般使用较多，它可以满足任何类型序列相关性检验。