1. 总离差平方和可分解为回归平方和与残差平方和。

（ 对 ）
2. 整个多元回归模型在统计上是显着的意味着模型中任何一个单独的解释变量均是统计显着的。

（ 错 ）
3. 多重共线性只有在多元线性回归中才可能发生。

（ 对 ）
4. 通过作解释变量对时间的散点图可大致判断是否存在自相关。

（ 错 ）
5. 在计量回归中，如果估计量的方差有偏，则可推断模型应该存在异方差（ 错 ）
6. 存在异方差时，可以用广义差分法来进行补救。

（ 错 ）
7. 当经典假设不满足时，普通最小二乘估计一定不是最优线性无偏估计量。

（ 错 ）
8. 判定系数检验中，回归平方和占的比重越大，判定系数也越大。

（ 对 ）
9. 可以作残差对某个解释变量的散点图来大致判断是否存在自相关。

（ 错 ）做残差
）
n 5、经典线性回归模型（CLRM ）中的干扰项不服从正态分布的，OLS 估计量将有偏的。

错，，即使经典线性回归模型（CLRM ）中的干扰项不服从正态分布的，OLS 估计量仍然是无偏的。

因为222)()ˆ(βμββ=+=∑i
i K E E ，该表达式成立与否与正态性无关。

1、在简单线性回归中可决系数2R 与斜率系数的t 检验的没有关系。

错误，在简单线性回归
中，由于解释变量只有一个，当t 检验显示解释变量的影响显着时，必然会有该回归模型的可决系数大，拟合优度高。

2、异方差性、自相关性都是随机误差现象，但两者是有区别的。

正确，异方差的出现总是与模型中某个解释变量的变化有关。

自相关性是各回归模型的随机误差项之间具有相关关
系。

3、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与模型有无截距项无关。

错误，模型有截距项时，如果被考察的定性因素有m个相互排斥属性，则模型中引入m－1个虚拟变量，否则会陷入“虚拟变量陷阱”；模型无截距项时，若被考察的定性因素有m个相互排斥属性，可以引入m个虚拟变量，这时不会出现多重共线性。

4、满足阶条件的方程一定可以识别。

错误，阶条件只是一个必要条件，即满足阶条件的的方程也可能是不可识别的。

5、库依克模型、自适应预期模型与局部调整模型的最终形式是不同的。

错误，库依克模型、自适应预期模型与局部调整模型的最终形式是相同的，其最终形式都是一阶自回归模型。

2、多重共线性问题是随机扰动项违背古典假定引起的。

错误，应该是解释变量之间高度相关引起的.
(3) 线性回归模型意味着因变量是自变量的线性函数。

（错）
(4) 在线性回归模型中，解释变量是原因，被解释变量是结果。

（对）
1、虚拟变量的取值只能取0或1（对）
2、通过引入虚拟变量，可以对模型的参数变化进行检验（对）
1、简单线性回归模型与多元线性回归模型的基本假定是相同的。

错
在多元线性回归模型里除了对随机误差项提出假定外，还对解释变量之间提
出无多重共线性的假定。

2、在模型中引入解释变量的多个滞后项容易产生多重共线性。

对
在分布滞后模型里多引进解释变量的滞后项，由于变量的经济意义一样，只
是时间不一致，所以很容易引起多重共线性。

3、DW 检验中的DW值在 0 到 4 之间，数值越小说明模型随机误差项的自相关度越小，数值越大说明模型随机误差项的自相关度越大。

错
DW 值在 0 到 4 之间， DW 落在最左边 0 < DW < d L ）最右边( 4 ? d L < DW< 4 )时，分别为正自相关、负自相关;中间( dU < DW < 4 ? dU )为不存在自相关区域;其次为两个不能判定区域。

3、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与样
本容量大小有关。

错,引入虚拟变量的个数样本容量大小无关，与变量属性，模型有无截距项有关。

5、如果联立方程模型中某个结构方程包含了所有的变量, 则这个方程不可识别。

正确
没有唯一的统计形式
错误。

虽然秩条件是充要条件，但其前提是，只有在通过了阶条件的条件
下。

在对联立方程进行识别时，还应该结合阶条件判断是过度识别，还是恰
好识别。

1、半对数模型 Y = β 0 + β 1 ln X + μ中，参数β 1 的含义是 X 的绝对量变化，引起 Y 的绝对量变化。

错误
半对数模型的参数β1的含义是当 X 的相对变化时，绝对量发生变化，引起因变量 Y 的平均值绝对量的变动。

2、对已经估计出参数的模型不需要进行检验。

错误
有必要进行检验。

我们所建立的模型，所用的方法，所用的统计数据，还可能违反计量经济的基本假定，这是也会导致错误的结论。

5
4、在有 M 个方程的完备联立方程组中，当识别的阶条件为 H ? N i（H 为联立方程组中内生变量和前定变量的总数， i 为第 i 个方程中内生变量和前定变量的总数）N时，则表示第 i 个方程不可识别。

错误。

表示第 i 个方程过度识别。

1．在研究经济变量之间的非确定性关系时，回归分析是唯一可用的分析方法。

（X ）2．最小二乘法进行参数估计的基本原理是使残差平方和最小。

（ Y）
3．无论回归模型中包括多少个解释变量，总离差平方和的自由度总为（n-1）。

（Y ）4．当我们说估计的回归系数在统计上是显着的，意思是说它显着地异于0。

（ Y ）
5．总离差平方和（TSS）可分解为残差平方和（ESS）与回归平方和（RSS）之和，其中残差平方和（ESS）表示总离差平方和中可由样本回归直线解释的部分。

（X ）
6．多元线性回归模型的F检验和t检验是一致的。

（X ）
（ Y ）3、OLS回归方法的基本准则是使残差平方和最小。

（ X ）4、在存在异方差的情况下，OLS法总是高估了估计量的标准差。

（ Y）5、无论回归模型中包括多少个解释变量，总离差平方和的自由度总为（n-1）。

（ Y ）6、线性回归分析中的“线性”主要是指回归模型中的参数是线性的，而变量则不一定是线性的。

（Y ）7、当我们说估计的回归系数在统计上是显着的，意思是说它显着异于0。

（ X ）8、总离差平方和（TSS）可分解为残差平方（ESS）和与回归平方和（RSS），其中残差平方（ESS）表示总离差平方和可由样本回归直线解释的部分。

（ X ）9、所谓OLS估计量的无偏性，是指回归参数的估计值与真实值相等。

（X ）10、当模型中解释变量均为确定性变量时，则可以用DW统计量来检验模型的随
机误差项所有形式的自相关性。

（X ）1、一般情况下，在用线性回归模型进行预测时，个值预测与均值预测结果相等，且它们的置信区间也相同。

（Y ）2、对于模型Y i=β0+β1X1i+β2X2i+……+βk X ki+μi，i=1,2, ……,n；如果X2=X5+X6，则模型必然存在解释变量的多重共线性问题。

（ X ）3、OLS回归方法的基本准则是使残差项之和最小。

（ Y ）4、在随机误差项存在正自相关的情况下，OLS法总是低估了估计量的标准差。

（Y ）5、无论回归模型中包括多少个解释变量，总离差平方和的自由度总为（n-1）。

（ Y ）6、一元线性回归模型的F检验和t检验是一致的。

（ X ）7、如果随机误差项的方差随解释变量变化而变化，则线性回归模型存在随机误差项的序列相关。

，
1。