第一学期期末考试试卷《计量经济学》试卷一、单项选择题(1分×20题＝20分)1．在回归分析中下列有关解释变量和被解释变量的说法中正确的是(c ) A. 被解释变量和解释变量均为随机变量 B. 被解释变量和解释变量均为非随机变量C. 被解释变量为随机变量,解释变量为非随机变量D. 被解释变量为非随机变量,解释变量为随机变量 2. 下面哪一个必定是错误的（a ）。
A. 8.02.030^=+=XY i r X Y B. 91.05.175^=+=XY i r X Y C. 78.01.25^=-=XY ir X Y D. 96.05.312^-=--=XY ir X Y3．判断模型参数估计量的符号、大小、相互之间关系的合理性属于（b ）准则。
A.计量经济 B.经济理论C.统计D.统计和经济理论4. 判定系数r 2=0.8，说明回归直线能解释被解释变量总变差的：( a ) A. 80% B. 64% C. 20% D. 89% 5.下图中“{”所指的距离是（b ）A. 随机误差项B. 残差C. i Y 的离差D. iY ˆ的离差 X1ˆβ+ iY6. 已知DW 统计量的值接近于2，则样本回归模型残差的一阶自相关系数ρˆ近似等于（a ）。
A.0B. -1C.1D. 0.5 7.已知含有截距项的三元线性回归模型估计的残差平方和为800e2t=∑，估计用样本容量为n=24，则随机误差项t ε的方差估计量为(b )。
A.33.3B.40C.38.09D.36.36 8.反映由模型中解释变量所解释的那部分离差大小的是(b )。
A.总体平方和B.回归平方和C.残差平方和D.离差和 9. 某企业的生产决策是由模型t t t u P S ++=10ββ描述（其中t S 为产量，t P 为价格），又知：如果该企业在1-t 期生产过剩，决策者会削减t 期的产量。
由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10.产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为5X .1356Yˆ-=，这说明（d ）。
A.产量每增加一台，单位产品成本增加356元B.产量每增加一台，单位产品成本减少1.5元C.产量每增加一台，单位产品成本平均增加356元D.产量每增加一台，单位产品成本平均减少1.5元11.回归模型25,1i ,X Y i i 10i =++=εββ，中，总体方差未知，检验0:H 10=β时，所用的检验统计量)ˆ(S ˆ111βββ-服从（d ）。
A.)2n (2-χ B. )1n (t - C. )1n (2-χ D. )2n (t -12.线性回归模型的参数估计量βˆ是随机变量i Y 的函数，即Y X )X X (ˆ1''=-β。
所以βˆ是（a ）。
A.随机变量B.非随机变量C.确定性变量D.常量13.如果回归模型中的随机误差项存在异方差，则模型参数的普通最小二乘估计量（b ）。
A.无偏且有效B.无偏但非有效C.有偏但有效D.有偏且非有效 14. G-Q 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.随机解释变量 15. 当模型中的解释变量存在完全多重共线性时，参数估计量的方差为：( c ) A.0 B.1 C. ∞ D.最小16.（b ）是具有一定概率分布的随机变量，它的数值由模型本身决定。
A.外生变量 B.生变量 C.先决变量 D.滞后变量 17. 在Eviews 命令中，Ｘ（－１）表示（ c ） A. Ｘ乘以－１ B. Ｘ减１ C. Ｘ的滞后一期变量 D. Ｘ的倒数18. 在双对数线性模型u X Y ++=ln ln 10ββ中，参数1β的含义是（d ）。
A. Y 关于X 的增长量 B. Y 关于X 的发展速度 C. Y 关于X 的边际倾向 D. Y 关于X 的弹性 19. 根据20个观测值估计的结果，一元线性回归模型的DW=2.6,在α=0.05的显著性水平下查得样本容量n=20，解释变量k=1个时，d L =1.20,d U =1.41，则可以判断：( d )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 20. 下列模型中不属于线性模型的是（ c ）A. u X Y ++=ln 10ββB. u Z X Y +++=210βββC. u XY ++=10ββ D. u XY ++=10ββ二、填空题（1分×20空＝20分）1．计量经济学是以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立 来研究经济数量关系和规律的一门经济学科。
2.计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，要解决达到上述目的的理论和方法问题。
这样计量经济学分成了两种类型：__________和__________两大类。
3.研究经济问题时，可用于参数估计的数据主要有：__________数据、__________数据、__________数据和 。
4.计量经济学模型的检验主要从__________检验、__________检验、__________检验和__________检验这么四个方面进行。
5.被解释变量的观测值i Y 与其回归理论值)Y (E 之间的偏差，称为__________；被解释变量的观测值i Y 与其回归估计值iY ˆ之间的偏差，称为__________。
6.对线性回归模型i i 10i X Y u ++=ββ进行最小二乘估计，最小二乘准则是____________________。
7.方程显著性检验的检验对象是________________________________________。
8.以双变量线性回归模型为例，总体回归函数均值形式为： ，个别值形式为： ；样本回归函数的均值形式为 ： ，个别值形式为： 。
9.在回归分析中，解释变量一般是按照 变量来处理的。
三、判断题（1分×5＝5分）1. 回归模型方程的显著性检验与方程的拟合优度检验是相同的( )。
2. 参数估计量的优良性指的是线性、无偏性最有效性，简称BLUE( )。
3. 可决系数和相关系数是两个不同的概念，无任何联系( )。
4. 在多元线性回归分析中，调整样本决定系数2R 与样本决定系数2R 之间的关系是 22R R ≤ ( ) 。
5. 在多元回归中，根据通常的t 检验，如果每个参数都是统计上不显著的，就不会得到一个高的2R 值。
( )。
四、简答题（17分）1.（7分）请简要叙述计量经济学的研究步骤。
2.（10分）什么是OLS 估计量的线性性和无偏性？试加以证明（以一元线性回归模型为例）。
五、计算题（18分）1.（10分）从某公司分布在11个地区的销售点的销售量（Y ）和销售价格（X ）观测值得出以下结果：519.8X = 217.82Y =23134543iX=∑1296836i iX Y =∑ 2539512iY=∑（1）作销售额对价格的回归分析，并解释其结果。
（2）回归直线未解释的销售变差部分是多少？2. （8分）已知消费模型n ,1i ,X Y i 1i 10i =++=u ββ，其中： i Y ：个人消费支出；1i X ：个人可支配收入；已知212,)var(;0)(;0)(i i s i i i X u u E u E σ===- 请进行适当的变换消除异方差，并给与证明。
六、案例分析题（20分）分析财政支农资金结构对农民收入的影响，令Y （元）表示农民人均纯收入。
X1（亿元）表示财政用于农业基本建设的支出，X2（亿元）表示财政用于农村基本建设支出，X3（亿元）表示农业科技三项费用，X4（亿元）表示农村救济费。
建立如下回归模型011223344Y X X X X βββββε=+++++Eviews 输出结果如下： 表1：Dependent Variable: Y Sample: 1985 2003nt c C 134.5734 200.6429 0.670711 0.5133 X1 1.647447 0.609850 2.701398 0.0172 X2 -0.354037 2.199568 -0.160958 0.8744 X3 14.73859 127.5432 0.115558 0.9096 X415.07648 7.9863291.8877860.0800R-squared 0.920517 Mean dependent var 1391.353 Adjusted R-squared 0.897807 S.D. dependent var 822.1371 S.E. of regression 262.8173 Akaike info criterion14.20173Sum squared resid 967021.0 Schwarz criterion 14.45027 Log likelihood -129.9164 F-statistic 40.53451 Durbin-Watson stat 0.507406 Prob(F-statistic) 0.000000表2：Dependent Variable: YSample: 1985 2003Included observations: 19Variable Coefficient Std. Error t-StatisticProb.C 159.6613 114.2226 1.397809 0.1813X1 1.628036 0.390528 4.168805 0.0007X4 14.85155 6.886952 2.156476 0.0466R-squared 0.920351 Mean dependent var 1391.353 Adjusted R-squared 0.910394 S.D. dependent var 822.1371 S.E. of regression 246.1002 Akaike infocriterion13.99329Sum squared resid 969044.5 Schwarz criterion 14.14242 Log likelihood -129.9363 F-statistic 92.44012 Durbin-Watson stat 0.542200 Prob(F-statistic) 0.000000 表3：White Heteroskedasticity Test:F-statistic 5.668786 Probability 0.006293 Obs*R-squared 11.74713 Probability 0.019334 Dependent Variable: RESID^2Sample: 1985 2003Included observations: 19nt cC 32945.33 52208.47 0.631034 0.5382X1 68.27213 434.5169 0.157122 0.8774X1^2 -0.077920 0.279599 -0.278686 0.7846X4 -2938.780 7375.757 -0.398438 0.6963X4^2 78.46990 68.93675 1.138288 0.2741R-squared 0.618270 Mean dependent var 51002.34 Adjusted R-squared 0.509204 S.D. dependent var 80097.16 S.E. of regression 56113.51 Akaike infocriterion24.92908Sum squared resid 4.41E+10 Schwarz criterion 25.17761 Log likelihood -231.8262 F-statistic 5.668786Durbin-Watson stat 2.872506 Prob(F-statistic) 0.006293 表4Dependent Variable: LOG(Y) Sample: 1985 2003Included observations: 19LOG(X1) 0.656381 0.114257 5.744783 0.0000 LOG(X4)0.317281 0.1485442.1359390.0485R-squared 0.971233 Mean dependent var 7.036373 Adjusted R-squared 0.967637 S.D. dependent var 0.683879 S.E. of regression 0.123028 Akaike info criterion -1.208867Sum squared resid 0.242175 Schwarz criterion -1.059745Log likelihood 14.48424 F-statistic 270.0943 Durbin-Watson stat 0.679633 Prob(F-statistic) 0.000000 表5：White Heteroskedasticity Test:F-statistic 2.767883 Probability 0.069259 Obs*R-squared8.390358 Probability0.078281Dependent Variable: RESID^2 Sample: 1985 2003Included observations: 19 Variable Coefficie nt Std. Error t-Statisti c Prob. C-0.007991 0.245682 -0.032527 0.9745 LOG(X1) 0.003999 0.126410 0.031632 0.9752 (LOG(X1))^2 -0.002028 0.010324 -0.196473 0.8471 LOG(X4) -0.001051 0.145599 -0.007215 0.9943 (LOG(X4))^20.006471 0.0202990.3187850.7546R-squared 0.441598 Mean dependent var 0.012746 Adjusted R-squared 0.282054 S.D. dependent var 0.017859 S.E. of regression 0.015132 Akaike info criterion -5.32305Sum squared resid 0.003206 Schwarz criterion -5.074514 Log likelihood 55.56898 F-statistic 2.767883 Durbin-Watson stat 2.009847 Prob(F-statistic) 0.069259 表6：Dependent Variable: LOG(Y)Sample(adjusted): 1989 2003Included observations: 15 after adjusting endpointsConvergence achieved after 6 iterationsVariable Coefficient Std. Error t-StatisticProb.C 1.574142 0.258216 6.096233 0.0001LOG(X1) 0.909498 0.069043 （1）0.0000LOG(X4) 0.032630 （2） 6.484639 0.0001AR(1) 0.838005 0.131584 6.368597 0.0001R-squared 0.990491 Mean dependent var 7.281261Adjusted R-squared （3） S.D. dependent var 0.540474S.E. of regression 0.062359 Akaike infocriterion-2.450609Sum squared resid 0.038887 Schwarz criterion -2.214592Log likelihood 23.37957 F-statistic 260.4156Durbin-Watson stat 2.112045 Prob(F-statistic) 0.000000问题：1.通过表1的结果能初步发现什么问题？为什么？应该用什么方法处理该问题？2.如果理想的方程如表2所示，写出该方程。