一、单选题：1．拉格朗日乘数检验法适用于检验( c )A. 异方差性B. 多重共线性C. 序列相关D. 设定误差 2．解释变量X 的回归系数为β，下列哪种情况表明变量X 是显著的？( b ) A. t 统计量大于临界值 B. t 统计量的绝对值大于临界值 C. t 统计量小于临界值 D. t 统计量的绝对值小于临界值 3．回归分析中定义的( b )A. 解释变量和被解释变量都是随机变量B. 解释变量为非随机变量，被解释变量为随机变量C. 解释变量和被解释变量都为非随机变量D. 解释变量为随机变量，被解释变量为非随机变量 4．下列样本模型中，哪一个模型通常是无效的?( b )A. C(消费)=500+0.8I(收入)B. Q D (商品需求)=10+0.8I(收入)-0.9P(价格)C. Qs(商品供给)=20-0.75P(价格)D. Y(产出量)=0.65K 0.6(资本)L 0.4(劳动) 5．判定系数R 2=0.75，说明回归直线能解释被解释变量总离差的：( b ) A. 80% B. 64% C. 20% D. 75%6．根据20个观测值估计的结果，一元线性回归模型的DW=0.6,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.无法判断7．普通最小二乘法确定一元线性回归模型Y i=i i 10e X ˆˆ+β+β的参数0ˆβ和1ˆβ的准则是使（ b ） A ．∑e i 最小B ．∑e i 2最小C ．∑e i 最大D ．∑e i 2最大8．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 9．拟合优度检验是检验 (b )A ．模型对总体回归线的拟合程度 B. 模型对样本观测值的拟合程度 C. 模型对回归参数的拟合程度 D. 模型对解释变量的观测值的拟合程度 10．根据样本资料已估计得出人均消费支出Y 对人均收入X 的回归模型是t t t LnX LnY μ++=76.05.3，这表明人均收入每增加1％，人均消费支出将( d )A.增加24％B.增加76％C.增加0.24％D.增加0.76％ 二、填空题：1. 杜宾—沃森检验法可用于诊断序列相关性 。

2． 在给定的显著性水平之下，若DW 统计量临界值的上、下限分别为d U 和d L ,则当d U <DW<4-dU时，可认为随机误差项不存在一阶序列相关性。

3. 容易产生序列相关的数据为时间序列数据。

4. 在对多元线性回归模型进行检验时，发现各参数估计量的t检验值都很低，但模型的判定系数R2却很高，这说明模型可能存在多重共线。

5. 同一时间点不同个体的数据集合是截面数据。

三、判断题：1.相关系数r的取值范围为-1≤r≤1 。

( y )2.多元回归模型中F检验的原假设为:偏回归系数不全为0。

( y )3.根据判定系数R2与F统计量的关系可知，当R2=1时，有F=0 。

( y )4.在给定的显著性水平之下，若DW统计量的下和上临界值分别为d L和d U,则当d L<DW<d U时，可认为随机误差项不存在一阶正自相关。

( )5.如果一个非平稳时间序列经过K-1次差分后为平稳时间序列，则该序列为K阶单整序列。

( )四、简答题：简述模型出现异方差性的后果。

答：（1）参数估计量非有效；（2）t检验和F检验失效；（3）模型预测失效。

五、应用分析题：1. 某地区1993-2010年居民消费水平Y、人均GDP X1、城乡居民平均可支配收入X2、居民消费者价格指数X3和城乡居民家庭平均恩格尔系数X4的相关数据进行分析，试根据EVIEWS结果回答问题：（14分）表8 OLS参数估计结果Variable Coefficient Std. Error t-Statistic Prob.C 3492.003 893.1026 3.909968 0.0018X1 0.257521 0.030844 8.349222 0.0000X2 0.087844 0.042958 2.044893 0.0617X3 2.227280 7.581211 0.293789 0.2736X4 -57.88742 19.17187 -3.019393 0.0099R-squared 0.990111 Mean dependent var 3354.611Adjusted R-squared 0.992122 S.D. dependent var 1806.047S.E. of regression 160.2966 Akaike info criterion 13.22206Sum squared resid 334035.2 Schwarz criterion 13.46939Log likelihood -113.9986 F-statistic 536.2585Durbin-Watson stat 1.106099 Prob(F-statistic) 0.000000(1)检验变量间是否存在多重共线？（4分）答：根据表8，R2为0.99011，拟合优度很高，但X3对应的Prob.值为0.2736，大于0.1，t 统计值很小，即X3对Y的影响不显著，可以认为模型存在多重共线。

（2）利用逐步回归法消除多重共线时，一般选择最优初始回归模型的依据是什么？（4分）答：拟合优度R2最大，该解释变量对被解释变量影响显著，且根据经济理论分析影响也是很大的。

（3）确定最优初始回归模型之后对于新加入的解释变量如何决定其去留？（6分）答：一、若新引进的解释变量使R2得到提高，而其他参数回归系数在统计上和经济理论上仍然合理，则可以作为解释变量予以保留；（2分）二、若新引进的解释变量对R2改进不明显，对其他回归系数也没多大影响，则不必保留在回归模型中；（2分）三、若新引进的解释变量不仅改变了R2，而且对其他回归系数的数值或符号有明显影响，则新引进的变量不能简单舍弃，而是应研究改善模型的形式。

（2分）2.表1给出了利用2010年我国31个地区就业人数(X)与地区生产总值(Y)数据进行回归分析的结果，根据结果回答以下问题：（14分）表1 OLS估计结果Variable Coefficint Std. Error t-Statistic Prob.C 48.6446 1733.357 0.258445 0.7826X 5.280359 0.607022 9.051402 0.0000R-squared 0.831616 Mean dependent var 10555.48 Adjusted R-squared 0.618913 S.D. dependent var 8855.166S.E. of regression 5466.490 Akaike info criterion 20.11300Sum squared resid 7.6E+08 Schwarz criterion 20.20552Log likelihood -309.752 F-statistic 89.72227Durbin-Watson stat 1.707937 Prob(F-statistic) 0.000000表2 White检验结果White Heteroskedasticity Test:F-statistic 12.23120 Probability 0.000152Obs*R-squared 16.45481 Probability 0.000026 Variable Coefficiet Std. Error t-Statistic Prob.C 8574576. 13234048 0.647918 0.5223X -1583.372 11256.08 -2.240668 0.0291 X^22.8337451.9096242.1839280.0349表3 White 检验结果White Heteroskedasticity Test:F-statistic0.868746 Probability 0.430479 Obs*R-squared1.711258 Probability 0.504288Variable Coefficiet Std. Error t-Statistic Prob.C -1.655936 3.323644 -0.498229 0.6222 LOG(X) 0.644278 0.952315 3.676539 0.0022 (LOG(X))^2-0.0510520.067332 -3.758210 0.0017（1）写出创建工作文件、建立数据文档、作X 与Y 关系的散点图及用最小二乘法估计模型参数的命令。

(4分)答：创建工作文件：CREA TE U 1 31 （1分） 建立数据文档：DATA Y X （1分） 关系的散点图：SCAT X Y （1分）最小二乘法估计模型参数：LS Y C X （1分） （2）根据表1结果写出地区生产总值与就业人数的一元回归模型。

(2分)答：72.8971.1..8316.0)051.9()258.0(28.564.482===++=F W D R X Y tt t ，，μ（3）解释斜率参数的经济意义。

(2分)答：就业人数增加一个单位时地区生产总值增加5.28个单位。

（4）判定系数R 2及RSS 各为多少？(2分)答：判定系数R 2=0.8316（1分） 残差平方和RSS=7.6E+08（1分）（5）表2为用White 检验进行异方差检验的结果，根据结果分析模型是否存在异方差。

答：由于统计量nR 2=16.45481大于临界值，且对应的Prob.小于0.01，X 和X 2的参数估计值显著不为零，所以在1%的显著水平下拒绝原假设，认为存在异方差。

(2分) （6）表3为用对数变换法消除异方差后再进行White 检验的结果，根据结果分析模型是否存在异方差。

(2分)答：由于统计量nR 2=1.711258小于临界值，且对应的Prob.为0.5大于0.1，所以在10%的显著水平下接受原假设，认为不存在异方差。

3. 利用1994-2012年中国社会消费品零售总额Y、国内生产总值GDP、消费者价格指数CPI 的相关数据进行分析，试根据EVIEWS结果回答问题：（14分）表4 OLS参数估计结果Variable Coefficient Std. Error t-Statistic Prob.C 12258.31 4482.666 3.225383 0.0053GDP 0.370561 0.003512 99.82313 0.0000CPI -112.9540 41.38877 -2.608293 0.0190R-squared 0.998545 Mean dependent var 41971.27Adjusted R-squared 0.998363 S.D. dependent var 28047.41S.E. of regression 1134.816 Akaike info criterion 17.05027Sum squared resid 20604921 Schwarz criterion 17.19939Log likelihood -158.9775 F-statistic 3489.649Durbin-Watson stat 0.470778 Prob(F-statistic) 0.000000表5 滞后期为2阶时LM检验结果Breusch-Godfrey Serial Correlation LM Test:F-statistic 12.59685 Probability 0.000742Obs*R-squared 12.21320 Probability 0.002228Variable Coefficient Std. Error t-Statistic Prob.C 478.2253 3546.596 0.134841 0.8947GDP 0.001713 0.002273 0.753903 0.4634CPI -5.877374 33.06011 -0.177778 0.8614RESID(-1) 1.167397 0.258187 4.521516 0.0005RESID(-2) -0.657725 0.317432 -2.072017 0.0572表6 滞后期为3阶时LM检验结果Breusch-Godfrey Serial Correlation LM Test:F-statistic 10.60285 Probability 0.000844Obs*R-squared 13.48766 Probability 0.003692Variable Coefficient Std. Error t-Statistic Prob.C 4483.962 4042.377 1.109239 0.2874GDP 0.003036 0.002258 1.344371 0.2018 CPI -44.77898 38.20359 -1.172115 0.2622 RESID(-1) 1.013994 0.257171 3.942875 0.0017 RESID(-2) -0.268509 0.372208 -0.721396 0.4834 RESID(-3)-0.6360440.366876 -1.733674 0.1066表7 广义差分法估计结果Variable Coefficient Std. Error t-Statistic Prob.C 18872.61 5874.985 3.212368 0.0075 GDP 0.350687 0.004639 75.59442 0.0000 CPI -147.6543 53.68732 -2.750264 0.0176 AR(1) 1.154734 0.244911 4.714917 0.0005 AR(2)-0.6964510.240357-2.8975730.0134R-squared0.999597 Mean dependent var 45866.97 Adjusted R-squared 0.999462 S.D. dependent var 27051.12 S.E. of regression 627.3861 Akaike info criterion 15.96093 Sum squared resid 4723360. Schwarz criterion 16.20599 Log likelihood -130.6679 F-statistic 7433.365 Durbin-Watson stat1.989644 Prob(F-statistic)0.000000（1）根据表4写出中国社会消费品零售总额的计量经济模型。