BTSS二RSS+ESS
DTSS2二RSS2+ESS2
13.对于随机误差项ei,Var（ei）=E（e=内涵指（B）
A.随机误差项的均值为零B.所有随机误差都有相同的方差
C.两个随机误差互不相关D.误差项服从正态分布
二、判断题
1•随机误差项5与残差项耳是一回事。
（X）
2.对两变量回归模型，假定误差项5服从正态分布。
（V）
3.线性回归模型意味着因变量是自变量的线性函数。
（V）
4.在线性回归模型中，解释变量是原因，被解释变量是结果。
（V）
5.在实际中，两变量回归没什么用，因为因变量的行为不可能仅由一个解释变量来解
释。
（X）
三、填空题
1•在汁量经济模型中引入误差项N，是因为经济变量关系一般是随机函数关系。
2.样本观测值与回归理论值之间的偏差，称为残差，我们用残差估讣线性回归模型
中的误差项°
3._SST_反映样本观测值总体离差的大小;—SSR_反映山模型中解释变量所解释的那部分离差的大小；_一SSE—反映样本观测值与估计值偏离的大小,也是模型中解释变量未解释的那部分离差的大小。
4.拟合优度（判定系数）心裟亠黑。
它是由亠—引起的离差占总体离
差的一比重一-若拟合优度，越趋近于_，则回归直线拟合越好；反之，若拟合优度F越趋近于_0_,则回归直线拟合越差。
四、简答题
1•什么是随机误差项影响随机误差项的主要因素有哪些它和残差之间的区别是什么
影响Y的较小因素的集合；被忽略的因素、测量误差、随机误差等；通过残差对误差项的方差进行佔计。
2.决定系数/说明了什么它与相关系数的区别和联系是什么
P53和P56
3.最小二乘估计具有什么性质
P37线性、无偏性和有效性（或最小方差性）
4.在回归模型的基本假定中，E（q）=0的意义是什么
该假设的含义是：
如果两变量之间确实是线性趋势占主导地位，随机误差只是次要因素时，那么虽然随机扰动会使个别观测值偏离线性函数，但给定解释变量时多次重复观测被解释变量，概率均值会消除随机扰动的影响，符合线性函数趋势。
第三章多元线性回归模型
一、单项选择题
1•决定系数/是指【C]
A剩余平方和占总离差平方和的比重
B总离差平方和占回归平方和的比重
C回归平方和占总离差平方和的比重
D回归平方和占剩余平方和的比重
2.在山n二30的一组样本估计的、包含3个解释变量的线性回归模型中，计算的决定系数为，则调整后的决定系数为【D]
B0.8389
3•对于兀=00+叭+02%+…+卩皿+%检验Ho：
A=0{i=0,1,…卫）时,所用的统
计耐侖服从【A】
4•调整的判定系数亘2与多重判定系数R2之间有如下关系【D]
5•用一组有30个观测值的样本估计模型儿=仇+0內,+02心+£后，在的显着性水平
下对A的显着性作t检验，则A显着地不等于零的条件是其统讣量大于等于【C]
6•对模型进行总体显着性F检验，检验的零假设是（A）
A.Bi二B2=0B.BfO
C.P2=0D.B。
二0或BfO
7.在多元线性回归中，判定系数R‘随着解释变量数口的增加而（B）
A.减少B.增加
C.不变D.变化不定
2.判断题
1•在多元回归模型的检验中，判定系数R'—定大于调整的R：
。
（V）
2•在EVIEWS中，genr命令是生成新的变量。
（V）
3•在EVIEWS中，建立非线性模型的方法只有将非线性模型线性化的方法。
（X）
3.填空题
I•调整的可决系数的作用是消除由解释变量数目差异造成的影响
2.在多元线性回归模型中，F统计量与可决系数之间有如下关系：
F土
n-k-\
3.有k个解释变量的多元回归模型的误差项方差o'的无偏估计是s2=W_。
n-k-\
4.在总体参数的各种线性无偏估计中，最小二乘佔计量具有___最小方差的特性。
四、简答题
1•在多元线性回归分析中，为什么用修正的决定系数衡量佔汁模型对样本观测值的拟合优度
P121III于没调整的决定系数只与被解释变量的观测值，以及回归残差有关，而与解释变量无直接关系。
但多元线性回归模型解释变量的数U有多有少，数学上可以证明，决定系数是解释变量数U的增函数，意味着不管增加的解释变量是否真是影响被解释变量的重要因素，都会提高决定系数的数值，解释变量个数越多，决定系数一定会越大。
因此，用该决定系数衡量多元线性回归模型的拟合程度是有问题的，会导致片面追求解释变量数量的错误倾向。
正是山于存在这种缺陷，决定系数在多元线性回归分析拟合度评价方面的作用受到很大限制，需要修正。
2.回归模型的总体显着性检验与参数显着性检验相同吗是否可以互相替代
多元线性回归模型每个参数的显着性与模型总体的显着性并不一定一致，因此除了各个参数的显着性检验以处，，还需要进行模型总体显着性，也就是全体解释变量总体对被解释变量是否存在明显影响的检验，称为“回归显着性检验”。
总体显着性检验是多元回归分析特有的，两变量线性回归解释变量系数的显着性检验与模型的总体显着性检验一致，不需要进行总体显着性检验。
第四章异方差性
一、单项选择题
1.下列哪种方法不是检验异方差的方法【D]
A戈德菲尔特一一夸特检验B残差序列图检验
C戈里瑟检验D方差膨胀因子检验
2.当存在异方差现象时，佔计模型参数的适当方法是【A】
A加权最小二乘法B工具变量法
5•如果戈徳菲尔特一一夸特检验显着，则认为什么问题是严重的[A
6•容易产生异方差的数据是【C]
7•若回归模型中的随机误差项存在异方差性，则估计模型参数应采用【B]
C广义差分法
&假设回归模型为+其中v吐（®）二/屛，则使用加权最小二乘法估计
模型时，应将模型变换为【C]
9•设回归模型为处=0卩+斫，其中v吐（即二＜7工，则的最小二乘估计量为【B]
三、判断题
1.当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性。
（X）
2.在异方差悄况下，通常预测失效。
（V）
3.在异方差悄况下，通常OLS估计一定高估了估计量的标准差。
（X）
4.如果OLS回归的残差表现出系统性，则说明数据中有异方差性。
（X）
5.如果回归模型遗漏一个重要的变量，则OLS残差必定表现出明显的趋势。
（V）
6.当异方差出现时，常用的t检验和F检验失效。
（V）
7.用截面数据建立模型时，通常比时间序列资料更容易产生异方差性。
（V）
四、简答题
1.什么是异方差性试举例说明经济现象中的异方差性。
两变量和多元回归线性回归模型的第三条假设都要求误差项是同方差的，就是误差项的方差是常数，即var（«f）=<72不随t变化。
这条假设也不一定满足，也就是线性回归模型误差项的方差var（/A）=o;有可能随t变化，这时候称线性回归模型存在“异方差”或“异方差性”。
举例P162经济中不同收入家庭消费的分散度。
2.如何发现和判断线性回归模型是否存在异方差问题
P166—P174
3.克服和处理异方差问题有哪些方法
P174—P180
第五章自相关性
一、单项选择题
1.如果模型兀=仇+%兀+名存在序列相关，则[D]
Acov（xz,）=0Bcov（£t,ss）二0（ts）
2.
D-W检验的零假设是（为随机项的一阶自相关系数）【B]
3.
量甘1,显着性水平二时，查得clL=l,d严则可以判断【A]
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无法确定
6.当模型存在序列相关现象时，适宜的参数佔汁方法是【C]
A加权最小二乘法B间接最小二乘法
C广义差分法D工具变量法
7.采用一阶差分模型克服一阶线性自相关问题使用于下列哪种情况【B]
A0B1C-l«0D0«1
&假定某企业的生产决策是山模型S严描述的（其中亠为产量，巴为价格）,乂知：
如果该企业在t-l期生产过剩，经济人员会削减t期的产量。
山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9•根据一个n=30的样本佔计比=盼洽+©后计算得DW=,已知在5%得的置信度
下，dL=,du=9则认为原模型【B]
A不存在一阶序列自相关B不能判断是否存在一阶自相关
C存在完全的正的一阶自相关D存在完全的负的一阶自相关
10.对于模型以表示耳与j之间的线性相关系数（t=l,2,,n）,
则下面明显错误的是【B]
C二0,DW二2D二1,DW二0
11•已知DW统讣量的值接近于2,则样本回归模型残差的一阶自相关系数近似等于【A]
A0B-1C1D
12.已知样本回归模型残差的一阶自相关系数接近于-1,则DW统计•量近似等于【D]
A0B1C2D4
13.戈德菲尔德一夸特检验法可用于检验【A】
A异方差性B多重共线性
C序列相关D设定误差
14•在给定的显着性水平之下，若DW统计•量的下和上临界值分别为dL和du,则当dLA存在一阶正自相关B存在一阶负相关
C不存在序列相关D存在序列相关与否不能断定
三、判断题
1.当模型存在高阶自相关时，可用D-W法进行自相关检验。
（X）
2.DW值在0和4之间，数值越小说明正相关程度越大，数值越大说明负相关程度越大。
（V）
3.假设模型存在一阶自相关，其他条件均满足，则仍用0LS法估计未知参数，得到的估
计量是无偏的，不再是有效的，显着性检验失效，预测失效。
（V）
4.当存在自相关时，0LS估计量是有偏的，而且也是无效的。
（X）
5•消除自相关的一阶差分变换假定自相关系数必须等于一1。
（X）
6.发现模型中存在误差自相关时，都可以利用差分法来消除自相关。
（X）
四、简答题
1.自相性对线性回归分析有什么影响
P196—P198
2.发现和检验自相关性有哪些方法
P198—P2088
3.克服自相关性有哪些方法
P208—P215
第六章多重共线性
一、单项选择题
1•当模型存在严重的多重共线性时，OLS估计量将不具备【C】
A线性B无偏性C有效性D一致性
2.经验认为，某个解释变量与其他解释变量间多重共线性严重的惜况是这个解释变量的
VIF[C]
A大于1B小于1C大于10D小于5
3•如果方差膨胀因子VIF=10,则认为什么问题是严重的【C】
A异方差问题B序列相关问题
C多重共线性问题D解释变量与随机项的相关性
4.在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1,则表明模型中存在【A】
A多重共线性B异方差性C序列相关D高拟合优度
5.在线性回归模型中，若解释变量乙和兀的观测值成比例，即有X.=kX2if其中k为
非零常数，则表明模型中存在【B]
A方差非齐性B多重共线性C序列相关D设定误差
二、判断题
1.尽管有完全的多重共线性，OLS佔汁量仍然是最优线性无偏佔计•量。
（X）
2.变量的两两高度相关并不表示高度多重共线性。
（X）
3•在多元回归中，根据通常的t检验，每个参数都是统计上不显着的，你就不会得到一
个高的，值。
（X）
4.变量不存在两两高度相关表示不存在高度多重共线性。
（X）
三、填空题
1•强的近似多重共线性会对多元线性回归的』产生严重的不利影响。
2.第k个解释变量与其他解释变量之间相关系数平方越大，方差膨胀因子（VIF）越
3.存在完全多重共线性时，多元回归分析是无法进行°
4.检验样本是否存在多重共线性的常见方法有：
一方差扩大因子法一和逐步回归检验法。
5.处理多重共线性的方法有：
保留重要解释变量、去掉不重要解释变量、—增加样本
容量一、_—差分模型_，
四、简答题
1.什么是多重共线性多重共线性是山什么原因造成的
多重共线性是指多元线性回归模型中，模型的解释变量之间存在某种程度的线性关
系（或P226—P227）,原因见P227—228）。
2.如何发现和判断多重共线性
P230—P235
3.克服多重共线性有哪些方法
P235—P244
第七章计量经济分析建模与应用
-、单项选择题
1.某商品需求函数为”=%+也兀其中y为需求量，x为价格。
为了考虑"地区”（农村、城市）和“季节”（春、夏、秋、冬）两个因素的影响，拟引入虚拟变量，则应引入虚拟变量的个数为【B]
A2B4C5D6
2•根据样本资料建立某消费函数如下：
C二+0+»，其中C为消费，x为收入，虚拟变量D=F节警家号，所有参数均检验显着，则城镇家庭的消费函数为【A】
0农村冢庭
■
ACfBC=+xt
CCt—xfDG二+旺
二、填空题
1•在计•量经济建摸时，对非线性模型的处理方法之一是一线业一J
2•虚拟变量不同的引入方式有两种。
若要描述各种类型的模型在截距水平的差异，则以
加法方式引入虚拟解释变量；若要反映各种类型的模型的不同相对变化率
时，则以引入虚拟解释变量。
3•对于有m个不同属性的定性因素，应该设置m-l个虚拟变量来反映该因素的影
响。
三、简答题
1•什么是虚拟变量它在模型中有什么作用
P255
2.引入虚拟解释变量的两种基本方式是什么它们各适用于什么情况
P258—P260
四、综合分析计算
㈠设某商品的需求量Y（百件），消费者平均收入乙（百元），该商品价格*2
（元）。
经Eviews软件对观察的10个月份的数据用最小二乘法估计，结果如下：
（被
解释变量为丫）
VARIABLECOEFFICIENTT-STAT2-TAILSIG
C
XI
（）
X2-
（）
R-squared
Meanofdependentvar
AdjustedR-squared
（）・ofdependentvar
ofregression
Sumofsquaredresid
Durbin-Watsonstat
（）F-statistics
（）
完成以下问题：
（至少保留三位小数）
1.写出需求量对消费者平均收入、商品价格的线性回归佔计方程。
2.解释偏回归系数的统汁含义和经济含义。
3.对该模型做经济意义检验。
4.佔计调整的可决系数。
5.在95%的置信度下对方程整体显着性进行检验。
6.在95%的置信度下检验偏回归系数（斜率）的显着性。
7.检验随机误差项的一阶自相关性。
（工9-弘〉=300,心=1・08,
（lv=1.36）
解：
l.y=99.4693+2.5019易一6.5807x2
2•需求量和收入正相关，和价格负相关，收入每增加一个单位，需求量上升个单位，价格每增加一个单位，需求量下降个单位；
3.该模型经济意义检验通过；
4•乏=1一（1一F"=1-（1-0.9493）x"I=0.945
舁一£一110-2-1
R?
0.9493
吾=1^5^65.53,F检验通过n-k-\10-3
6.tl二,t2二,t检验通过
7.检验随机误差项的一阶自相关性。
DW=-=1.7163,=108,叽=136,不存在一阶自相关。
工皆174.79
㈡设某地区机电行业销售额Y（万元）和汽车产量/（万辆）以及建筑业产值X?
（千
万元）。
经Eviews软件对1981年一一1997年的数据分别建立线性模型和双对数模型进行最小二乘估计，结果如下：
表1
DependentVariable:
Y
VariableCoefficientStd.Errort-StatisticProb.
c
XI
X2
R-squared
Meandependentvar
AdjustedR-squared
・dependentvar
・ofregression
Akaikeinfocriterion
Sumsquaredresid
Schwarzcriterion
Loglikelihood
F-statistic
Durbin-Watsonstat
Prob（F-statistic）
表2
DependentVariable:
Ln（Y）
VariableCoefficient
Std.t-Statistic
Prob.
Error
c
Ln（XI）
Ln（X2）
R-squared
Meandependentvar
AdjustedR-
・dependentvar
squared
・ofregression
Akaikeinfocriterion
Sumsquaredresid
Schwarzcriterion
Loglikelihood
F-statistic
Durbin-Watson
Prob（F-statistic）
stat
1.写出机电行业销售额对汽车产量和建筑业产值的双对数线性回归佔计•方程。
Ln（y）=+（xl）+（x2）
2.对双对数模型进行经济意义检验和统汁意义检验。
机电行业销售额和汽车产量为正相关，和建筑业产值成正相关，经济意义检验通过；
R
升级会员 