第二章简单线性回归模型练习题.docx
《第二章简单线性回归模型练习题.docx》由会员分享,可在线阅读,更多相关《第二章简单线性回归模型练习题.docx(9页珍藏版)》请在冰豆网上搜索。
![第二章简单线性回归模型练习题.docx](https://file1.bdocx.com/fileroot1/2022-10/24/c6ab335e-10c8-49c5-bf50-2a73cd4869f8/c6ab335e-10c8-49c5-bf50-2a73cd4869f81.gif)
第二章简单线性回归模型练习题
第二章简单线性回归模型练习题
一、术语解释
1解释变量
2被解释变量
3线性回归模型
4最小二乘法
5方差分析
6参数估计
7控制
8预测
二、填空
1在经济计量模型中引入反映()因素影响的随机扰动项,目的在于使模型更符合()活动。
2在经济计量模型中引入随机扰动项的理由可以归纳为如下几条:
(1)因为人的行为的()、社会环境与自然环境的()决定了经济变量本身的( );(2)建立模型时其他被省略的经济因素的影响都归入了( )中;(3)在模型估计时,( )与归并误差也归入随机扰动项中;(4)由于我们认识的不足,错误的设定了()与()之间的数学形式,例如将非线性的函数形式设定为线性的函数形式,由此产生的误差也包含在随机扰动项中了。
3()是因变量离差平方和,它度量因变量的总变动。
就因变量总变动的变异来源看,它由两部分因素所组成。
一个是自变量,另一个是除自变量以外的其他因素。
()是拟合值的离散程度的度量。
它是由自变量的变化引起的因变量的变化,或称自变量对因变量变化的贡献。
()是度量实际值与拟合值之间的差异,它是由自变量以外的其他因素所致,它又叫残差或剩余。
4回归方程中的回归系数是自变量对因变量的()。
某自变量回归系数的意义,指的是该自变量变化一个单位引起因变量平均变化()个单位。
5模型线性的含义,就变量而言,指的是回归模型中变量的();就参数而言,指的是回归模型中的参数的();通常线性回归模型的线性含义是就()而言的。
6样本观察值与回归方程理论值之间的偏差,称为(),我们用残差估计线性模型中的()。
三、简答题
1在线性回归方程中,“线性”二字如何理解?
2用最小二乘法求线性回归方程系数的意义是什么?
3一元线性回归方程的基本假设条件是什么?
4方差分析方法把数据总的平方和分解成为两部分的意义是什么?
5试叙述t检验法与相关系数检验法之间的联系。
6应用线性回归方程控制和预测的思想。
7线性回归方程无效的原因是什么?
8回归分析中的随机误差项有什么作用?
它与残差项有何区别?
9判断如下模型,哪些是线性模型,哪些不是。
以及它们经过怎样的变化能够变成线性模型?
模型描述性名称
倒数
半对数
反半对数
对数或双对数
对数倒数
10如下模型是线性回归模型吗?
并说出原因。
四计算题
1给定如下表第一列的假设,说明第二列中的假定是与之等效的。
关于经典模型的假设
(1)
(2)
2下表给出了美国30所知名学校的MBA学生1994年基本年薪(ASP)、GPA分数(1-4共四个等级)、GMAT分数以及每年学费的数据。
a.用双变量回归模型分析GPA是否对ASP有影响?
b.用合适的回归模型分析GMAT分数是否与ASP有关系?
c.每年的学费与ASP有关吗?
你是如何知道的?
如果两变量之间正相关,是否意味着进到最高费用的商业学校是有利的。
d.你同意高学费的商业学校意味着高质量的MBA成绩吗?
为什么?
1994年MBA毕业生平均初职薪水
学校
ASP/美元
GPA
GMAT
学费/美元
Harvard
102630
3.4
650
23894
Stanford
100800
3.3
665
21189
Columbian
100480
3.3
640
21400
Dartmouth
95410
3.4
660
21225
Wharton
89930
3.4
650
21050
Northwestern
84640
3.3
640
20634
Chicago
83210
3.3
650
21656
Mit
80500
3.5
650
21690
Virginia
74280
3.2
643
17893
Ucla
74010
3.5
640
14496
Berkeley
71970
3.2
647
14361
Cornell
71970
3.2
630
20400
Nyu
70660
3.2
630
20276
Duke
70490
3.3
623
21910
Carriegiemellon
59890
3.2
635
20600
NorthCarolina
69880
3.2
621
10132
Michigan
67820
3.2
630
20196
Texax
61890
3.3
625
8580
Indiana
58520
3.2
615
14036
Purdue
54720
3.2
581
9556
Casewestern
57200
3.1
591
17600
Georgetown
69830
3.2
619
19584
Michiganstate
41820
3.2
590
16057
Pennstate
49120
3.2
580
11400
Southernmethodist
60910
3.1
600
18034
Tulane
44080
3.1
600
19550
Illinois
47130
3.2
616
12628
Lowa
41620
3.2
590
9361
Minnesota
48250
3.2
600
12618
Washington
44140
3.3
617
11436
3你的朋友将不同年度的债券价格作为该年利率(在相等的风险水平下)的函数,估计出的简单方程如下:
其中:
=第i年美国政府债券价格(每100美元债券)
=第i年联邦资金利率(按百分比)
请回答以下问题:
(1)解释两个所估系数的意义。
所估的符号与你所期望的符号一样吗?
(2)为何方程左边的变量是而不是Y?
(3)你朋友在估计的方程中是否遗漏了随机误差项?
(4)此方程的经济意义是什么?
对此模型你有何评论?
(提示:
联邦资金利率是一种适用于银行间隔夜持有款项的利率)
4对于家庭收入X影响家庭消费支出Y的问题,如果通过调查得到一组数据,如下表所示。
家庭收入X
家庭消费支出Y
1
800
770
2
1200
1100
3
2000
1300
4
3000
2200
5
4000
2100
6
5000
2700
7
7000
3800
8
9000
3900
9
10000
5500
10
12000
6600
(1)试建立Y与X之间的样本回归方程。
(2)预测收入为6000元这类家庭的平均消费支出(显著性水平)
(3)以95%的概率预测某个收入为6000元的家庭的消费支出。
5中国的人均GDP(元/人,用Y表示)与人均钢产量(千克/人,用X表示)如下表所示:
年度
Y
X
1985
853
44.52
1986
956
48.93
1987
1104
51.92
1988
1355
53.95
1989
1512
55.05
1990
1634
58.45
1991
1879
61.70
1992
2287
69.47
1993
2939
76.00
1994
3923
77.70
1995
4854
79.15
1996
5576
83.15
1997
6054
88.57
1998
6038
93.05
1999
6551
99.12
2000
7086
101.77
2001
7651
119.22
2002
8184
142.43
资料来源:
《中国统计年鉴2003》,北京,中国统计出版社,2003。
(1)试建立样本回归方程,并在5%的水平下进行显著性检验。
(2)求简单相关系数。
(3)如果=200千克,以90%的概率对和进行预测。
6下表给出了1977-1991年期间美国的黄金价格、消费者指数和纽约股票交易所指数数据。
NYSE指数包括在NYSE上市的大多数股票,约有1500多种。
年份
在纽约每盎司黄金的美元价格
消费者价格指数
1982-1984=100
纽约股票交易所指数
1965.121.31=100
1977
147.98
60.6
53.69
1978
193.44
65.2
53.70
1979
307.62
72.6
58.32
1980
612.51
82.4
68.10
1981
459.61
90.9
74.02
1982
376.01
96.5
68.93
1983
423.83
99.6
92.63
1984
360.29
103.9
92.46
1985
317.30
107.6
108.90
1986
367.87
109.6
136.00
1987
446.50
113.6
161.70
1988
436.93
118.3
149.91
1989
381.28
124.0
180.02
1990
384.08
130.7
183.46
1991
362.04
136.2
206.33
a.在同一散布图中描绘黄金价格,CPI和NYSE指数。
b.一种投资,如果它的价格和(或)回报率至少赶得上通货膨胀,就被认为是(对通货膨胀)保值(能抵御通货膨胀)的。
为检验这一假设:
投资是保值的,假定a中的散点图表明拟合以下模型是最适宜的:
7下表给出了,1959-1997年间美国国内总产值数据
年份
NGDP
RGDP
年份
NGDP
RGDP
1959
507.2000
2210.200
1979
2557.500
4630.600
1960
526.6000
2262.900
1980
2784.200
4615.000
1961
544.8000
2314.300
1981
3115.900
4720.700
1962
585.2000
2454.800
1982
3242.100
4620.300
1963
617.4000
2559.400
1983
3514.500
4803.700
1964
663.0000
2708.400
1984
3902.400
5140.100
1965
719.1000
2881.100
1985
4180.700
5323.500
1966
787.7000
3069.200
1986
4422.200
5487.700
1967
822.6000
3147.200
1987
4692.300
5649.500
1968
910.6000
3293.900
1988
5049.600
5865.200
1969
982.2000
3393.600
1989
5438.700
6062.00
1970
1035.600
3397.600
1990
5743.800
6136.300
1971
1125.400
3510.000
1991
5916.70
6079.400
1972
1237.300
3702.300
1992
6244.400
6244.400
1973
1382.600
3916