第1讲 回归分析概述第1讲单元测试1、回归分析中关于解释变量x和被解释变量y的说法正确的是：
a、解释变量x和被解释变量y都是随机变量
b、解释变量x和被解释变量y都是非随机变量
c、解释变量x是非随机变量，被解释变量y是随机变量
d、解释变量x是随机变量，被解释变量y是非随机变量
2、以下模型属于线性回归模型的是：
a、
b、
c、
d、
e、
3、在回归方程中，g代表性别虚拟变量，男性则为1，否则为0。若g的定义改变为女性为1，否则为0，则回归方程应为：
a、
b、
c、
d、
4、以下关于计量经济学用途的说法正确的有：
a、分析个人消费与个人可支配收入之间的关系。
b、检验边际效用递减在现实中是否成立。
c、预测未来经济走势，如国内生产总值（gdp）。
d、描述商品价格与需求量之间的因果关系。
e、分析父母身高与子女身高之间的函数关系。
5、计量经济学可用于描述商品需求曲线，即需求量与价格的关系。
6、计量经济学只能做定量研究，不能做定性研究，如个人的职业选择。
7、回归分析考察的是解释变量与被解释变量之间的函数关系。
8、回归方程中，被解释变量等于其估计值与随机误差项之和。
9、残差指的是被解释变量的真实值与估计值之差。
10、数据不准确可能导致回归分析的结论存在偏误。
第1讲单元作业1、为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程： 式中，s代表第i个州花费在每个公立学校学生身上的教育经费；y代表第i个州的资本收入；g代表第i个州公立学校学生的增长率。 1a 说明变量y与变量g的参数估计值的经济意义。
2、1b 你预期变量y和g的参数符号各是什么？请说明理由。估计结果与你的预期一致吗？
3、1c 变量g是用小数来衡量的，因此，当一个州的招生人数增加了10%时，g等于0.1。如果变量g用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，g等于10。此时，方程的参数估计值会如何变化？（文字说明即可）
4、jaime diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（pga）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（p）关于推杆距离（l，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，l的参数估计值为负。回归方程如下： 2a 说明l的参数估计值的经济意义。
5、2b 利用该方程估计一个pga高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实？
6、2c 上一题的答案说明回归分析时存在什么问题？
第2讲 普通最小二乘法第2讲单元测试1、讨论回归结果时不用花费太多时间去分析常数项的估计值，这主要依据的假设是：
a、误差项总体均值为0。
b、所有解释变量与误差项都不相关。
c、误差项与观测值互不相关 。
d、误差项具有同方差。
e、模型设定无误。
2、在关于身高和体重的模型中，新增qq号码这个变量后，以下说法错误的是：
a、身高的参数估计值可能发生变化。
b、判定系数可能减小。
c、调整的判定系数可能减小。
d、qq号码的参数估计值一定为0.
e、常数项的估计值可能发生变化。
3、一元回归方程的样本回归线必然通过的点为：
a、
b、
c、
d、
e、
4、以下关于最小二乘法的说法正确的有：
a、最小二乘法的目标是残差平方和最小。
b、所估计的对象是方程中的参数。
c、最小二乘法的目标是残差之和最小。
d、判定系数可以为负数
e、判定系数越大，模型越好。
f、判定系数并不是越大越好。
5、建立玉米产量y对施肥密度f和降雨量r的回归方程，估计结果为。则以下说法正确的有：
a、常数项-120意味着玉米产量可能为负。
b、若变量f的参数真实值为0.20，则参数估计值-0.10表明ols估计量是有偏的。
c、变量f的参数估计值的符号不符合预期，并不影响ols估计量的blue性质。
d、若方程不满足所有古典假设，变量r的参数真实值也可能等于5.33。
6、最小二乘法的目标是误差项之和最小。
7、若所有解释变量对被解释变量没有影响，回归方程的判定系数一定为0。
8、若某解释变量在理论上对被解释变量没有影响，该解释变量的参数估计值一定为0.
9、若采用两组样本估计同一回归方程，参数估计值的差异体现了数据的随机性。
10、若解释变量之间存在完全多重共线性，则参数估计值无法获得。
11、随机误差项的总体均值为0以及随机误差项与解释变量不相关保证了参数估计量的无偏性。
12、若随机误差项服从t分布，则ols估计量不再具有blue性质。
第2讲单元作业1、1 查尔斯·拉弗（charles lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为： 第一年： 第二年： 式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。 1a.考察变量的理论依据，给出其参数符号的预期。
2、1b.这两年的参数估计的差异是否值得重视？请说出你的理由。在什么情况下，应该关注这些差异呢？
3、1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数？调整的判定系数越高，回归方程越好吗？为什么？
4、假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程： 式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）；代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。 2a.为什么要假定“无限量的冷冻酸奶供给”？（提示：考虑模型是否满足经典假设）
5、2b.说明变量和变量的参数估计值的经济含义。
6、2c.你和店主对变量c的参数符号都很惊讶。你能解释为什么吗？
第3讲 假设检验第3讲单元测试1、以下不适用f检验的情形是
a、在含季节性虚拟变量的回归方程中，检验季节性是否存在。
b、在柯布—道格拉斯生产函数中，检验规模报酬是否不变。
c、在回归方程中，检验结构是否存在变化。
d、在回归方程中，检验误差项是否服从正态分布。
e、在回归方程中，检验某一参数是否异于零。
f、在回归方程中，检验某一参数是否大于零。
2、以下关于t检验的局限性的说法错误的是
a、t检验的结果是完全可信的。
b、t检验的统计显著性并不等同于理论有效性。
c、t检验不能考察相应变量在方程中的相对重要性。
d、随着样本容量的增大，t统计量的值会越来越大。
e、对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。
f、在回归方程中，参数估计值和t统计量的值越大，该变量越重要。
3、以下关于单侧t检验的判定方法正确的是
a、如果t统计量的值大于临界值，则拒绝原假设。
b、如果t统计量的值大于临界值，且参数符号与h0隐含的符号相同，则拒绝原假设。
c、如果t统计量的值大于临界值，且参数符号与ha隐含的符号相同，则拒绝原假设。
d、如果p值小于研究所要求的显著性水平，则拒绝原假设。
e、如果p值小于研究所要求的显著性水平，且参数符号与h0隐含的符号相同，则拒绝原假设。
f、如果p值小于研究所要求的显著性水平，且参数符号与ha隐含的符号相同，则拒绝原假设。
4、以下关于单侧t检验和双侧t检验的说法正确的有
a、对参数符号具有明显预期时用单侧t检验，预期不确定时用双侧t检验。
b、eviews回归结果中的t检验默认的是双侧检验。
c、eviews回归结果中的t检验默认的是单侧检验。
d、给定自由度和显著性水平，双侧t检验的临界值大于单侧t检验的临界值。
e、给定自由度和显著性水平，双侧t检验的临界值是单侧t检验的临界值的2倍。
f、在给定的显著性水平下，若某参数的双侧t检验拒绝原假设，该参数的单侧t检验在参数符号符合预期时也拒绝原假设。
g、在给定的显著性水平下，若某参数的单侧t检验拒绝原假设，该参数的双侧t检验也拒绝原假设。
5、以下关于邹检验的说法正确的有
a、邹检验主要考察方程的总体显著性。
b、邹检验只能处理回归方程仅存在一次结构变化的情形。
c、邹检验假定两个子样本的误差项服从独立、同方差的正态分布。
d、邹检验明确指出子样本中方程的差别来源于截距项。
e、邹检验不确定子样本中方程的差别来源于截距还是斜率，或二者兼有。
f、邹检验假定结构转折点的时间是已知的。
g、邹检验允许结构变化的时间是未知的。
6、假设检验通常将希望出现的结果作为原假设，将不希望出现的结果作为备择假设。
7、检验回归参数是否显著地异于某一特定的非零值，可以用t检验，也可以用f检验。
8、若方程总体显著性的f检验拒绝原假设，每个斜率参数的双侧t检验都拒绝“参数为零”原假设。
9、假设检验的结论是“不拒绝”而不是“接受”。
10、显著性水平也就是第一类错误的概率。
11、在回归分析中，t统计量的绝对值越大，相应的解释变量越重要。
第3讲单元作业1、假想现在要估计一个关于房价的模型，来推断面朝海滩的环境对房屋价值的影响。由于一系列理论和数据的可获得性等方面的原因，所以，经过一番研究，决定使用地皮的面积而不是房屋本身的面积作为其中一个变量。分析结果如下（括号内的数值为标准误）： 式中，代表第i幢房子的价格（单位：1000万美元）；代表第i幢房子所占地皮面积（单位：1000万平方米）；代表第i幢房子的已建年限；代表第i幢房子里的房间数目；代表虚拟变量，若第i幢房子有壁炉则为1，否则为0；代表虚拟变量，若第i幢房子朝向海滩则为1，否则为0。 自由度 单侧：10% 5% 2.5% 24 1.318 1.711 2.064 25 1.316 1.708 2.060 1a. 对变量lot、bed的参数建立适当的假设，并在5%的显著性水平下进行检验。
2、1b.壁炉可能增加房屋的价值，但你的一个朋友说壁炉太脏不利于保持室内整洁，使你不能确定它的参数符号。请建立适当的假设，并在5%的显著性水平下进行检验。
3、1c. 回归结果是否出现与预期不符的情形？（提示：考虑参数的显著性）
4、1d. 请写出关于方程总体显著性的f检验的原假设和备择假设。
5、为研究医生建议病人减少饮酒对个人饮酒量的作用，建立回归模型，选取500个观察值作为样本，估计结果如下（括号中的数值为标准误）： 式中，drinks代表第i个人过去两周的饮酒量；advice代表虚拟变量，医生建议第i个人减少饮酒则为1，否则为0；educ代表第i个人受教育的年限；divsep代表虚拟变量，第i个人离婚或者分居则为1，否则为0；unemp代表虚拟变量，第i个人失业则为1，否则为0。 自由度 单侧：10% 5% 0.5% 120 1.289 1.658 2.617 2a. 变量divsep和unemp的参数按常理来说应为正。建立变量divsep和unemp的参数的适当假设，并在5%的显著性水平下进行检验（提示：使用自由度为120下的t统计量临界值）。
6、2b. 对变量educ的参数建立以0为中心的双侧假设，在1%显著性水平下进行检验。为何这个参数适合采用双侧检验？
7、2c. 大多数医生希望经过他们的劝说，病人能够减少饮酒量，这也是经过劝说之后病人们通常会做的（假定方程中其他因素是固定的）。建立适当的假设，并在10%的显著性水平下进行检验。
8、2d. 若变量advice的参数符号不符合预期，是否应该改变你的预期？为什么？
第4讲 模型设定第4讲单元测试1、以下关于模型设定准则的说法正确的是
a、回归方程包含一个变量的最重要的准则是理论，而不是统计上的显著性。
b、参数t检验不显著的变量不能简单地从方程中剔除。
c、若变量加入方程后，判定系数增大，方程应包含该变量。
d、若变量加入方程，其他变量的系数符号发生改变且不再符合预期，方程不应包含该变量。
e、若某变量是理论上必须包含的变量，即使系数t检验不显著，方程也应包含该变量。
f、t检验不显著的变量应该从方程中剔除。
2、以下关于函数形式选择的说法正确的是
a、研究柯布-道格拉斯生产函数，方程为
b、研究柯布-道格拉斯效用函数，方程为
c、研究可支配收入对某种商品消费量的影响，方程为
d、研究可支配收入对消费的影响，方程为
e、研究员工年龄对员工年收入的影响，方程为
3、当方程中同时存在遗漏变量和不相干变量时，应首先解决遗漏变量的问题。
4、相对而言，遗漏变量的后果比不相干变量的后果更加严重。
5、模型设定准则中aic的值越大越好，sc的值越小越好。
6、方程函数形式的选择主要取决于哪个函数形式拟合的最好。
第4讲单元作业1、1.假设你已经被提升为“amish”公司速溶麦片粥的产品经理，你的首项任务是决定下一年度是否要提价。（速溶麦片粥是一种用热水冲泡之后就可以作为谷类早餐的很好选择，比普通麦片冲泡时间短。）为了保持你作为amish oats公司计量经济学家的声誉，你决定建立关于销售价格对销售量影响的模型，并且估计了如下假设方程（括号内的数值为标准误）： 式中，oat代表第t年amish公司速溶麦片粥在美国的销售量；pr代表第t年amish公司速溶麦片粥在美国的销售价格；prcomp代表第t年作为竞争品的速溶燕麦粥在美国的价格；ads代表第t年amish公司速溶麦片粥的广告投入；yd代表第t年美国的可支配收入。 自由度 单侧：5% 2.5% 24 1.711 2.064 1a.建立pr 的斜率参数的适当假设，并在5% 的显著性水平下进行检验。
2、1b. 这个方程是否存在计量经济学问题？是否能看出有变量被遗漏的迹象？有没有迹象表明该方程有不相干变量？
3、1c.如果可以给方程中加入一个变量，你建议加入什么变量？
4、什么样的汽车加速最快？大多数人都会回答，高功率的、轻型的、流线型的汽车加速最快。为检验这种说法是否正确，利用2009年模型车数据估计了如下方程： 式中，time 代表第i辆车的速度从0加速到每小时60英里所需要的时间（单位：秒）；top代表虚拟变量，如果第i辆车是手动挡则为1，否则为0；weight代表第i辆车的重量（单位：磅）；hp代表第i辆车的马力。 2a. 假设你的邻居是物理学专业的，他告诉你马力可以表示为：。其中，m表示质量，d表示距离，a表示加速度。那么，你认为方程存在怎样的计量经济学问题？
5、2b. 你决定将time和hp之间的函数形式改为反函数形式。新方程的回归结果如下： 你认为哪一个方程更恰当？为什么？
6、2c. 既然这两个方程选用的是两种不同的函数形式，那么，它们的调整的判定系数可以用来比较吗？为什么？
第5讲 多重共线性第5讲单元测试1、建立人均鸡肉消费量y对鸡肉价格pc、牛肉价格pb、人均总收入xd、人均可支配收入yd的回归方程，采用年度数据的回归结果显示，方程存在多重共线性。以下关于多重共线性的补救措施正确的是
a、剔除鸡肉价格pc
b、剔除牛肉价格pb
c、剔除人均总收入xd或人均可支配收入yd
d、采用相对价格pc/pb或pb/pc替代pc和pb
e、增大样本容量
2、支配变量通常与被解释变量高度相关，以至于掩盖了方程中其他解释变量对被解释变量的影响。因此，回归分析中应避免使用支配变量。以下情形中，所涉及的变量属于支配变量的是
a、某棒球队每年参加比赛的次数都相同，在关于赢得比赛次数的方程中，该球队输掉比赛的次数。
b、某餐厅的各连锁店的销售额基本相同，在总销售额模型中，连锁店的个数。
c、总消费支出的方程中，可支配收入。
d、某汽车制造商（自己不制造轮胎）生产汽车数量的年度模型中，所购买的轮胎数量。
e、农业供给函数中，每亩地使用的化肥数量。
3、如果回归方程选取和为解释变量，由于是的函数，方程存在完全多重共线性。
4、多重共线性可能造成参数估计值的符号与预期不一致。
5、多重共线性指的是解释变量与被解释变量之间存在的线性关系。
6、几乎每一个回归方程都在某种程度上存在多重共线性问题。
第5讲单元作业1、你受雇于学生辅导办公室，帮助减少调皮学生对宿舍的破坏。你要做的第一步就是建立一个截面模型，该模型把上学期每个宿舍的破坏损失作为宿舍成员特征的函数（括号中的数值为标准误）： 式中，d代表上学期第i个宿舍的破坏损失（单位：美元）；f代表在第i个宿舍中大一新生的入住百分比；s代表第i个宿舍的学生人数；a代表上学期第i个宿舍向学生辅导办公室报告的涉及酗酒事件的次数。 自由度 单侧：5% 2.5% 29 1.699 2.045 30 1.697 2.042 a. 针对变量s的参数做出适当假设，并在5%的显著性水平下进行检验。
2、b. 该方程存在什么问题（从遗漏变量、不相干变量或多重共线性中选择）？为什么？
3、c. 假定你现在得知，变量s和a之间的简单相关系数为0.94，这会改变你在b中的答案吗？如果改变的话，怎样改变的？
4、d. 参数估计值的符号与预期不一致，这可能是由多重共线性引起的吗？为什么？
第6讲 序列相关性第6讲单元测试1、序列相关性产生的后果主要包括：
a、ols估计量是有偏的。
b、ols估计量仍是无偏的。
c、ols估计量是有效的。
d、ols估计量不再是有效的。
e、标准误的ols估计量是有偏的。
f、ols估计假设检验仍然可靠。
g、ols估计的假设检验不可靠。
2、以下关于序列相关检验方法的说法正确的有：
a、序列相关检验首先要明确是纯序列相关还是非纯序列相关。
b、德宾-沃森d统计量的取值在-1和 1之间。
c、德宾-沃森d检验是双侧检验，即检验误差项是否存在序列相关。
d、德宾-沃森d检验假定误差项具有同方差性。
e、德宾-沃森d检验只能检验一阶序列相关。
3、设定偏误可能导致回归模型存在非纯序列相关。
4、若回归模型修正了非纯序列相关问题后，无需检验纯序列相关问题。
5、若德宾-沃森d检验未发现序列相关性，回归模型一定不存在序列相关性问题。
6、德宾-沃森d统计量仅在时间序列数据的回归模型中有意义。
第7讲 异方差性第7讲单元测试1、异方差性产生的后果主要包括：
a、ols估计量是有偏的。
b、ols估计量仍是无偏的。
c、ols估计量仍是有效的。
d、ols估计量不再是有效的。
e、标准误的ols估计量是有偏的。
f、标准误的ols估计量是无偏的。
g、ols估计假设检验仍然可靠。
h、ols估计的假设检验不可靠。
2、以下关于异方差性检验方法的说法正确的有：
a、异方差检验首先要明确是纯异方差还是非纯异方差。
b、park检验中对t统计量进行检验时应采用单侧检验
c、park检验采用的是双对数回归模型。
d、white检验中可包含解释变量的交叉项，也可不包含解释变量的交叉项。
e、异方差检验主要关注残差。
f、若异方差与解释变量完全没有关系，white检验也无能为力。
3、遗漏变量可能导致回归模型存在非纯异方差性。
4、横截面数据的回归更容易产生异方差。
5、异方差性的检验思路与序列相关性的检验思路是相似的。
6、若回归模型修正了非纯异方差性问题后，无需检验纯异方差性问题。
7、若park检验和white检验均未检验出异方差性，回归模型一定不存在异方差问题。
8、异方差性是回归分析中普遍存在的问题，几乎每个方程都需要进行异方差性修正，因此，同方差不必包含在古典假设中。
第8讲 虚拟变量第8讲单元测试1、在仅含虚拟变量的一元回归模型中，若重新设置被省略的状态，改变虚拟变量的定义，则以下说法正确的是：
a、截距参数不会发生变化。
b、斜率参数不会发生变化。
c、仅有截距参数发生变化。
d、仅有斜率参数发生变化。
e、截距参数和斜率参数均会发生变化。
2、在研究收入问题时，有人发现收入主要受到工作经验、学历的影响。而且随着工作经验的增加，学历产生的影响更大。令y代表收入；exp代表工作年限；d代表学历虚拟变量，大学毕业及以上取1，大学以下取0。以下回归方程中正确的是：
a、
b、
c、
d、
e、
f、
3、虚拟变量的个数一般比定性变量的状态个数少1。
4、若研究东部、中部、西部的员工工资差异，模型中需要设置3个虚拟变量。
5、运用斜率虚拟变量时，方程中一般同时包含截距虚拟变量和一般解释变量。
6、若分析学历（含高中生、本科生、硕士生三类）对薪水的影响，可设置硕士生为2，本科生为1，其他为0。
7、引入加法形式的虚拟变量主要考察截距的不同。
8、引入乘法形式的虚拟变量主要考察斜率的不同。
9、邹检验可采用虚拟变量模型实现。
第9讲 虚拟应变量第9讲单元测试1、以下关于模型设定的说法错误的是：
a、考察性别对薪酬的影响需使用虚拟变量模型。
b、自然实验中，分析某项政策的影响需使用difference-in-difference方法。
c、研究高中文理分科的影响因素可使用logit模型或probit模型。
d、分析个人的职业选择可使用多元logit模型。
e、分析线上购物和线下购物的选择可使用线性概率模型。
f、分析债券信用评级的影响因素可使用多元logit模型。
2、以下关于虚拟应变量模型的说法错误的是：
a、线性概率模型可能存在被解释变量的估计值不在(0,1)之间的问题。
b、调整的判定系数不能准确度量线性概率模型的拟合优度。
c、logit模型和probit模型可采用极大似然法估计。
d、logit模型和probit模型不存在遗漏变量的问题。
3、虚拟应变量模型仅能分析二元选择问题。
4、虚拟变量仅可作为解释变量，不能作为被解释变量。
5、研究大学毕业生是选择就业还是选择深造，可采用logit模型或probit模型。
6、通常情况下，logit模型和probit模型得到的参数估计值在符号和显著性上是相似的。
7、调整的判定系数可精确度量线性概率模型的拟合优度。
8、虚拟应变量模型不能采用虚拟变量为解释变量。
第10讲 预测第10讲单元测试1、一个预测方程在样本内拟合得很好，但并不能保证在样本外也可以进行准确的预测。
2、预测是对被解释变量样本外的观测值的估计。
3、计量模型的预测既可以进行均值预测，又可以进行区间预测。
4、平稳时间序列和非平稳时间序列均可采用arma模型预测。
5、均方根误差rmse指标越小，模型的预测能力越强。
6、时间序列模型预测中，动态预测的效果一定优于静态预测的效果。
7、当存在序列相关时，广义最小二乘法的预测结果通常优于普通最小二乘法。
8、时间序列分析体现了“让数据自己说话”的思想。
猜你喜欢
- 2022-12-05 20:10
- 2022-12-05 20:08
- 2022-12-05 20:01
- 2022-12-05 19:59
- 2022-12-05 19:51
- 2022-12-05 19:07
- 2022-12-05 19:06
- 2022-12-05 18:43
- 2022-12-05 18:32
- 2022-12-05 18:22