計量經(jīng)濟學(xué)題庫什么是OLS估計？原理ols估計是指樣本回歸函數(shù)盡可能好的擬合這組織，即樣本回歸線上的點與真實觀測點的總體誤差盡可能小的估計方法。一、什么是計量經(jīng)濟學(xué)？ 答：計量經(jīng)濟學(xué)以經(jīng)濟理論為指導(dǎo)，以事實為依據(jù)，以數(shù)學(xué)和統(tǒng)計學(xué)為方法，以電腦技術(shù)為工具，從事經(jīng)濟關(guān)系與及經(jīng)濟活動數(shù)量規(guī)律的研究，并以建立和應(yīng)用隨機性的經(jīng)濟計量模型為核心的一門經(jīng)濟學(xué)科。計量經(jīng)濟學(xué)模型揭示經(jīng)濟活動中各種因素之間的定量關(guān)系，用隨機性的數(shù)量方程加以描述。二、建立計量經(jīng)濟學(xué)模型的步驟和要點1.理論模型的設(shè)計（確定模型所包含的變量，確定模型的數(shù)量形式，擬定理論模型中的待估參數(shù)的理論期望值）2.樣本數(shù)據(jù)的收集（常用的樣本數(shù)據(jù)：時間序列數(shù)據(jù)，截面數(shù)據(jù)，虛變量數(shù)據(jù)）3.模型參數(shù)的估計（選擇模型參數(shù)估計方法，應(yīng)用軟件的使用）4.模型的檢驗 模型的檢驗包括幾個方面？其具體含義是什么？答：模型的檢驗主要包括：經(jīng)濟意義檢驗、統(tǒng)計檢驗、計量經(jīng)濟學(xué)檢驗、模型的預(yù)測檢驗。經(jīng)濟意義檢驗需要檢驗?zāi)Ｐ褪欠穹辖?jīng)濟意義，檢驗求得的參數(shù)估計值的符號與大小是否與根據(jù)人們的經(jīng)驗和經(jīng)濟理論所擬訂的期望值相符合；統(tǒng)計檢驗需要檢驗?zāi)Ｐ蛥?shù)估計值的可靠性，即檢驗?zāi)Ｐ偷慕y(tǒng)計學(xué)性質(zhì)；計量經(jīng)濟學(xué)檢驗需要檢驗?zāi)Ｐ偷挠嬃拷?jīng)濟學(xué)性質(zhì)，包括隨機擾動項的序列相關(guān)檢驗、異方差性檢驗、解釋變量的多重共線性檢驗等；模型的預(yù)測檢驗主要檢驗?zāi)Ｐ蛥?shù)估計量的穩(wěn)定性以及對樣本容量變化時的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。5.模型成功的三要素：理論、方法、數(shù)據(jù)三、計量經(jīng)濟學(xué)模型的應(yīng)用方面（功能）答：結(jié)構(gòu)分析，經(jīng)濟預(yù)測，政策評價，檢驗與發(fā)展經(jīng)濟理論四、引入隨機干擾項的原因，內(nèi)容？原因：1.代表未知的影響因素2.代表數(shù)據(jù)觀測誤差3.代表殘缺數(shù)據(jù)4.代表模型設(shè)定誤差5.代表眾多細(xì)小影響因素6.變量的內(nèi)在隨機性內(nèi)容：1.被遺漏的影響因素（由于研究者對客觀經(jīng)濟現(xiàn)象了解不充分，或是由于經(jīng)濟理論上的不完善，以至于使研究者在建立模型時遺漏了一些對被解釋變量有重要影響的變量）；2.變量的測量誤差（在觀察和測量變量時，種種原因使觀測值并不等于他的真實值而造成的誤差）；3.隨機誤差（在影響被解釋變量的諸因素中，還有一些不能控制的因素）；4.模型的設(shè)定誤差（在建立模型時，由于把非線性關(guān)系線性化，或者略去模型）五、什么是隨機誤差項和殘差，他們之間的區(qū)別是什么隨機誤差項u=Y-E(Y/X)，而總體回歸函數(shù)Y=Y+e，其中e就是殘差,利用Y估計Y時帶來的誤差e=Y-Y是對隨機變量u的估計六、一元線性回歸模型的基本假設(shè)主要有哪些？違背基本假設(shè)是否就不能進行估計1.回歸模型是正確設(shè)定的；2.解釋變量X是確定性變量不是隨機變量；在重復(fù)抽樣中取固定值。3.解釋變量在x所抽取的樣本中具有變異性，而且隨著樣本容量的無限增加，解釋變量X的樣本方差趨于一個非零的有限常數(shù)。4.隨機誤差項u具有給定X條件下的零均值，同方差以及不序列相關(guān)性，即E(ui/Xi)=0；Var (ui/Xi)=sm2；Cov(ui，uj/ Xi，Xj)=0 5. 隨機誤差項與解釋變量之間不相關(guān)：Cov(Xi, Ui)=0 6. 隨機誤差項服從零均值、同方差的正態(tài)分布違背.還可進行估計，只是不能使用普通最小二乘法進行估計。七、高斯-馬爾可夫定理如果滿足古典線性回歸模型的基本假定，則在所有線性無偏估計量中，OLS估計量具有最小方差，即OLS估計量是最優(yōu)線性無偏估計量。假設(shè)條件：1.回歸模型是正確設(shè)定的；2.解釋變量X是確定性變量不是隨機變量；在重復(fù)抽樣中取固定值。3. 解釋變量在x所抽取的樣本中具有變異性，而且隨著樣本容量的無限增加，解釋變量X的樣本方差趨于一個非零的有限常數(shù)。4.隨機誤差項u具有給定X條件下的零均值，同方差以及不序列相關(guān)性八、異方差性對于不同的樣本點，隨機干擾項的方差不再是常數(shù)，而是互不相同，則認(rèn)為出現(xiàn)了異方差性。類型：單調(diào)遞增型，單調(diào)遞減型，復(fù)雜型。原因：模型中遺漏了隨時間變化影響逐漸增大的因素。（即測量誤差變化）模型函數(shù)形式設(shè)定誤差。隨機因素的影響。（即截面數(shù)據(jù)中總體各單位的差異）后果：1參數(shù)估計量非有效2.變量的顯著性檢驗失去意義3.模型的預(yù)測失效檢驗：圖示檢驗法 ， 戈德菲爾德匡特檢驗，懷特檢驗，帕克檢驗和戈里瑟檢驗處理：基本思想:變異方差為同方差，或盡量緩解方差變異的程度。（加權(quán)最小二乘法（WLS），異方差穩(wěn)健標(biāo)準(zhǔn)誤法）九、序列相關(guān)性如果模型的隨機干擾項違背了相互獨立的基本假設(shè)，則稱為存在.原因：1經(jīng)濟數(shù)據(jù)序列慣性；2模型設(shè)定的偏誤；3滯后效應(yīng)；4蛛網(wǎng)現(xiàn)象；5數(shù)據(jù)的編造后果：1參數(shù)估計量非有效；2.變量的顯著性檢驗失去意義；3.模型的預(yù)測失效檢驗方法：一、圖示法；二、回歸檢驗法；三、D.W.檢驗法；四、拉格朗日乘數(shù)檢驗補救方法：廣義最小二乘法（GLS），廣義差分法，隨機干擾項相關(guān)系數(shù)的估計，廣義差分法在計量經(jīng)濟學(xué)軟件中的實現(xiàn)，序列相關(guān)穩(wěn)健標(biāo)準(zhǔn)誤法。十、多重共線性如果模型的解釋變量之間存在著較強的相關(guān)關(guān)系，則稱模型存在多重共線性。原因：（1）經(jīng)濟變量相關(guān)的共同趨勢2.滯后變量的引入3.樣本資料的限制后果：1.完全共線性下參數(shù)估計量不存在2.近似共線性下普通最小二乘法參數(shù)估計量的方差變大3.參數(shù)估計量經(jīng)濟含義不合理4.變量的顯著性檢驗和模型的預(yù)測功能失去意義檢驗：1.檢驗多重共線性是否存在2.判明存在多重共線性的范圍克服方法：1.排除引起共線性的變量2.差分法3.見笑參數(shù)估計量的方差十一、回歸模型中引入虛擬變量的作用是什么？有哪幾種基本的引入方式？它們各適合用于什么情況答：在模型中引入虛擬變量，主要是為了尋找某(些)定性因素對解釋變量的影響。加法方式與乘法方式是最主要的引入方式。前者主要適用于定性因素對截距項產(chǎn)生影響的情況，后者主要適用于定性因素對斜率項產(chǎn)生影響的情況。除此外，還可以加法與乘法組合的方式引入虛擬變量，這時可測度定性因素對截距項與斜率項同時產(chǎn)生影響的情況。十二、滯后變量模型有哪幾種類型？分布滯后模型使用OLS方法存在哪些問題？答：滯后變量模型有分布滯后模型和自回歸模型兩大類，前者只有解釋變量及其滯后變量作為模型的解釋變量，不包含被解釋變量的滯后變量作為模型的解釋變量；而后者則以當(dāng)期解釋變量與被解釋變量的若干期滯后變量作為模型的解釋變量。分布滯后模型有無限期的分布滯后模型和有限期的分布滯后模型；自回歸模型又以Coyck模型、自適應(yīng)預(yù)期模型和局部調(diào)整模型最為多見。分布滯后模型使用OLS法存在以下問題：(1)對于無限期的分布滯后模型，由于樣本觀測值的有限性，使得無法直接對其進行估計。(2)對于有限期的分布滯后模型，使用OLS方法會遇到：沒有先驗準(zhǔn)則確定滯后期長度，對最大滯后期的確定往往帶有主觀隨意性；如果滯后期較長，由于樣本容量有限，當(dāng)滯后變量數(shù)目增加時，必然使得自由度減少，將缺乏足夠的自由度進行估計和檢驗；同名變量滯后值之間可能存在高度線性相關(guān)，即模型可能存在高度的多重共線性。傳統(tǒng)或經(jīng)典方法論（建立模型）（一）理論模型的設(shè)計1、理論或假說的陳述；2、理論的數(shù)學(xué)模型的設(shè)定；3、理論的計量經(jīng)濟模型的設(shè)定；（二）獲取數(shù)據(jù)（三）模型的參數(shù)估計（四）模型的檢驗1、經(jīng)濟意義的檢驗2、統(tǒng)計檢驗3、計量經(jīng)濟學(xué)檢驗4、預(yù)測檢驗（五）模型應(yīng)用1、經(jīng)濟分析/構(gòu)分析2、經(jīng)濟預(yù)測3、政策評價4、檢驗與發(fā)展經(jīng)濟理論計量經(jīng)濟學(xué)模型成功的三要素理論、方法、數(shù)據(jù)回歸分析是研究一個變量關(guān)于另一個（些）變量的依賴關(guān)系的計算方法和理論。用意在于通過后者的已知或設(shè)定值，去估計和（或）預(yù)測前者的（總體均值。前一個變量被稱為被解釋變量或應(yīng)變量后一個變量被稱為解釋變量或自變量總體回歸函數(shù)（方程）：PRF由于統(tǒng)計相關(guān)的隨機性，回歸方程關(guān)心的是根據(jù)解釋變量的已知或給定值，考察被解釋變量的總體均值，即當(dāng)解釋變量取某個確定值時，與之統(tǒng)計相關(guān)的被解釋變量所可能出現(xiàn)的對應(yīng)值的平均值。在給定解釋變量條件下被解釋變量的期望軌跡稱為總體回歸線，或更一般地稱為總體回歸曲線相應(yīng)的函數(shù)（方程）：總體回歸函數(shù)（方程）（PRF）含義：回歸函數(shù)（PRF）說明被解釋變量的平均狀態(tài)（總體條件期望）隨解釋變量X變化的規(guī)律隨機干擾項是在模型設(shè)定中省略下來而由集體地影響著被解釋變量的全部變量的替代物樣本回歸函數(shù)（SRF） 樣本回歸函數(shù)的隨機形式線性回歸模型在上述意義上的基本假設(shè)：(1) 解釋變量,是確定性變量，不是隨機變量，而且解釋變量之間互不相關(guān)。(2) 隨機誤差項具有均值和同方差。即()i=1,2,n Var()= i=1,2,n其中E表示均值或期望，也可用表示；ar表示方差，也可以用表示。(3) 隨機誤差項在不同樣本點之間是獨立的，不存在序列相關(guān)。即Cov(,)=0 ij i,j=1,2,n其中ov表示協(xié)方差。(4) 隨機誤差項與解釋變量之間不相關(guān)。即Cov(,)=0 j=1,2,k i=1,2,n(5) 隨機誤差項服從均值、同方差的正態(tài)分布。即 i=1,2,n一元線性回歸模型的參數(shù)估計：普通最小二乘法估計已知一組樣本觀測值（,），（i=1,2,n），要求樣本回歸函數(shù)盡可能好地擬合這組值，即樣本回歸線上的點與真實觀測點的“總體誤差”盡可能地小，或者說被解釋變量的估計值與觀測值應(yīng)該在總體上最為接近，最小二乘法給出的判斷的標(biāo)準(zhǔn)是：二者之差的平方和最小。即在給定樣本觀測值之下，選擇出、能使與之差的平方和最小。為什么用平方和？因為二者之差可正可負(fù)，簡單求和可能將很大的誤差抵消掉，只有平方和才能反映二者在總體上的接近程度。這就是最小二乘原則。根據(jù)微積分學(xué)的運算，可推得用于估計、的下列方程組 方程組(2.2.6)稱為正則方程組線性性：即是否是另一隨機變量的線性函數(shù)；無偏性：即它的均值或期望值是否等于總體的真實值；有效性：即它是否在所有線性無偏估計量中具有最小方差。高斯馬爾可夫定理：在給定經(jīng)典線形回歸的假定下，最小二乘估計量是具有最小方差的線性無偏估計量普通最小二乘估計量OLS(ordinary least Squares)具有線性、無偏性、最小方差性等優(yōu)良性質(zhì)。具有這些優(yōu)良性質(zhì)的估計量又稱為最佳線性無偏估計量，即BLUE估計量 總體方差在總體方差的無偏估計量求出后,估計的參數(shù)和的方差和標(biāo)準(zhǔn)差的估計量分別是的樣本方差： 的樣本標(biāo)準(zhǔn)差： 樣本方差： 的樣本標(biāo)準(zhǔn)差：的無偏估計量為 一元線性回歸模型的統(tǒng)計檢驗1. 擬合優(yōu)度檢驗：對樣本回歸直線與樣本觀測值之間擬合優(yōu)度的檢驗。度量擬合優(yōu)度的指標(biāo)：判定系數(shù)TSS=ESS+RSS 稱為總離差分解式，說明的觀測值圍繞其均值的總離差可分解為兩部分，一部分來自回歸線，另一部分則來自隨機勢力。稱為（樣本）判定系數(shù)，表明，在總離差平方和中，回歸平方和所占的比重越大，殘差平方和所占的比重越小，則回歸直線與樣本點擬合得越好。在回歸分析中，是一個比r更有意義的度量，因為前者顯示因變量的變異中由解釋變量解釋的部分占怎樣一個比例，即對一個變量的變異在多大程度上決定另一個變量的變異，提供一個總的度量，而后者則沒有這種價值存在 2.參數(shù)顯著性檢驗（t檢驗）在一元線性回歸模型中，在隨機誤差項為正態(tài)分布的假設(shè)下，由于則可構(gòu)造統(tǒng)計量 t = t(n-2)即該t統(tǒng)計量服從自由度為n-2的t分布。用t統(tǒng)計量進行參數(shù)顯著性檢驗的步驟：對總體參數(shù)提出假設(shè)（原假設(shè)） ： ， （對立假設(shè)/備則假設(shè)） ： 以原假設(shè)構(gòu)造t統(tǒng)計量，并由觀測數(shù)據(jù)計算其值 t = 式中，為參數(shù)估計量的標(biāo)準(zhǔn)差：=給定顯著水平，查自由度為n-2的t分布表，得臨界值;若| t | ，則拒絕，接受：，即認(rèn)為所對應(yīng)的變量對被解釋變量的影響不容忽視；若| t | =，則接受：，即認(rèn)為所對應(yīng)的變量對被解釋變量沒有明顯的影響同樣地，由于，可構(gòu)造統(tǒng)計量 多元線性回歸模型在實際經(jīng)濟問題中，一個變量往往要受到多個原因變量的影響，表現(xiàn)在線性回歸模型中的解釋變量有多個，這樣的模型被稱為多元線性回歸模型。 i=1、2、n（3.1.1）由（3.1.1）表示的n個隨機方程的矩陣表達(dá)式為：Y=XB+N其中， 普通最小二乘估計隨機抽取被解釋變量和解釋變量的n組樣本觀測值：如果模型的參數(shù)估計值已經(jīng)得到，則有： i=1，2，n 那么，根據(jù)最小二乘原理，參數(shù)估計值應(yīng)該是下列方程組的解。即 其中Q = =得到待估參數(shù)估計值正規(guī)方程組： 解該(k+1)個方程組成的線性代數(shù)方程組，即可得到(k+1)個待估參數(shù)的估計值，j = 0,1,2,k.。的矩陣形式如下： = 即： 由于滿秩，故有多元回歸方程及偏回歸系數(shù)的含義在經(jīng)典回歸模型的假定下，式（3.1.1）兩邊對Y求條件期望得：稱為多元回歸方程（函數(shù)）。多元回歸分析是以多個解釋變量的固定值為條件的回歸分析，并且所獲得的，是諸變量X值固定時Y的平均值或Y的平均響應(yīng)。諸稱為偏回歸系數(shù)。偏回歸系數(shù)的含義如下： 度量著在保持，不變的情況下，每變化1個單位時，Y的均值E(Y)的變化，或者說給出的單位變化對Y均值的“直接”或“凈”（不含其它變量）影響。其它參數(shù)的含義與之相同。OLS估計量的統(tǒng)計性質(zhì)1.線性性 2、無偏性 3、最小方差性 隨機誤差項方差的估計隨機誤差項方差的無偏估計為：多元線性回歸模型的統(tǒng)計檢驗一、擬合優(yōu)度檢驗如果在模型中增加一個解釋變量，回歸平方就會增大，導(dǎo)致增大。這就給人一個錯覺：要使得模型擬合得好，只要增加解釋變量就可。但是，現(xiàn)實情況往往是，由增加解釋變量個數(shù)引起的的增大與擬合好壞無關(guān)，因此在含解釋變量個數(shù)k不同的模型之間比較擬合優(yōu)度，就不是一個適合的指標(biāo)，必須加以調(diào)整。在樣本容量一定的情況下，增加解釋變量必定使得自由度減少，所以調(diào)整的思路是將殘差平方和與總離差平方和分別除以各自的自由度，以剔除變量個數(shù)對擬合優(yōu)度的影響。其中為殘差平方和的自由度，為總體平方和的自由度。二、方程的顯著性檢驗（F檢驗） 服從自由度為（k，n-k-1）的F分布。給定一個顯著水平，可得到一個臨界值，根據(jù)樣本再求出F統(tǒng)計量的數(shù)值后，可通過或 來拒絕或接受原假設(shè)。三、變量顯著性檢驗（t檢驗）在變量顯著性檢驗中設(shè)計的原假設(shè)為：給定一個顯著水平，得到一個臨界值，于是可根據(jù)或來拒絕或接受原假設(shè)。異方差的概念對于模型 同方差性假設(shè)為 如果出現(xiàn)即對不同的樣本點，隨機誤差項的方差不再是常數(shù)，則認(rèn)為出現(xiàn)了異方差性。異方差的類型（1）單調(diào)遞增型：隨X的增大而增大；（2）單調(diào)遞減型：隨X的增大而減?。唬?）復(fù)雜型 與X的變化呈復(fù)雜形式（1）單調(diào)遞增型：隨X的增大而增大；（2）單調(diào)遞減型：隨X的增大而減小；（3）復(fù)雜型： 與X的變化呈復(fù)雜形式異方差性的后果1.參數(shù)估計量非有效（1）仍存在無偏性（2）不具有最小方差性2.變量的顯著性檢驗失去意義3.模型的預(yù)測失效檢驗思路：正如上面所指出的，異方差性，即相對于不同的解釋變量觀測值，隨機誤差項具有不同的方差，那么檢驗異方差性，也就是檢驗隨機誤差項的方差與解釋變量觀測值之間的相關(guān)性及其相關(guān)的“形式”。1、圖示法 2.戈德菲爾德-匡特（Goldfeld-Quandt）檢驗G-Q檢驗的思想：先將樣本一分為二，對子樣和子樣分別作回歸，然后利用兩個子樣的殘差之比構(gòu)造統(tǒng)計量進行異方差檢驗。由于該統(tǒng)計量服從于F分布，因此假如存在遞增的異方差，則F遠(yuǎn)大于1；反之就會等于1（同方差）、或小于1（遞減方差）。G-Q檢驗的步驟：將n對樣本觀察值（）按解釋變量觀察值的大小排隊；將序列中間的個觀察值除去，并將剩下的觀察值劃分為較小與較大的相同的兩個子樣本，每個子樣樣本容量均為。對每個子樣分別求回歸方程，并計算各自的殘差平方和。分別用與表示對應(yīng)較小與較大的子樣本的殘差平方和（自由度均為）提出假設(shè)：分別為兩個子樣對應(yīng)的隨機項誤差。構(gòu)造統(tǒng)計量 檢驗。給定顯著性水平，確定F分布表中相應(yīng)的臨界值。若，存在遞增異方差；反之，不存在遞增異方差。3.戈里瑟（Gleiser）檢驗與帕克（Park）檢驗加權(quán)最小二乘法（WLS）（Weighted Least Squares ）。加權(quán)最小二乘法是對原來模型加權(quán)，使之變成一個新的不存在異方差性的模型，然后采用普通最小二乘法估計其參數(shù)。例如，在遞增異方差下，由于對來自的較小的子樣本，其真實的總體方差較小，與回歸直線擬合值之間的殘差的信度較大，應(yīng)予以重視；而對較大的子樣本，由于真實總體的方差較大，殘差反映的信息應(yīng)打折扣。這就意味著，在采用OLS方法時，對較小的殘差平方需要賦予較大的權(quán)數(shù)，對較大的賦予較小的權(quán)數(shù)，以對殘差提供的信息的重要程度作一番校正，提高參數(shù)估計的精度。加權(quán)最小二乘法具體步驟是：選擇普通最小二乘法估計原模型，得到隨機誤差項的近似估計量；建立的數(shù)據(jù)序列；選擇加權(quán)最小二乘法，以序列作為權(quán)，進行估計得到參數(shù)估計量。實際上是以乘原模型的兩邊，得到一個新模型，采用普通最小二乘法估計新模型。注：在實際操作中人們通常采用如下的經(jīng)驗方法，即并不對原模型進行異方差性檢驗，而是直接選擇加權(quán)最小二乘法，尤其是采用截面數(shù)據(jù)作樣本時。如果確實存在異方差性，則被有效的消除了；如果不存在異方差性，則加權(quán)最小二乘法等價于普通最小二乘法。序列相關(guān)性對于模型隨機誤差項互相獨立的基本假設(shè)表現(xiàn)為： 如果出現(xiàn) 即對于不同的樣本點，隨機誤差項之間不再是完全互相獨立，而是存在某種相關(guān)性，則認(rèn)為出現(xiàn)了序列相關(guān)性。在其他假設(shè)仍成立的條件下，序列相關(guān)即意味著， 如果僅存在（5.1.2）稱為一階序列相關(guān)，或自相關(guān)這是最見的一種序列相關(guān)問題。自相關(guān)往往可寫成如下形式： 其中：被稱為自協(xié)方差系數(shù)或一階自相關(guān)系數(shù)是滿足以下標(biāo)準(zhǔn)的OLS假定的隨機干擾項：序列相關(guān)產(chǎn)生的原因 慣性 設(shè)定偏誤：模型中未含應(yīng)包括的變量 蛛網(wǎng)現(xiàn)象 數(shù)據(jù)的“編造 序列相關(guān)性的后果參數(shù)計量非有效 變量的顯著性失去意義 序列相關(guān)性的檢驗關(guān)于序列相關(guān)性的檢驗方法有多種，例如馮諾曼比檢驗法、回歸檢驗法、D.W.檢驗等。這些檢驗方法的共同思路是，首先采用普通最小二乘法估計模型，以求得隨機誤差項的“近似估計量”，用表示：然后通過分析這些“近似估計量”之間的相關(guān)性以達(dá)到判斷隨機誤差項是否具有序列相關(guān)性的目的。圖示法 回歸檢驗法以為被解釋變量，以各種可能的相關(guān)量，諸如以、等為解釋變量，建立各種方程 對方程進行估計并進行顯著性檢驗，如果存在某一種函數(shù)形式，使得方程顯著成立，則說明原模型存在序列相關(guān)性。具體應(yīng)用時需要反復(fù)試算。回歸檢驗法的優(yōu)點是一旦確定了模型存在序列相關(guān)性，也就同時知道了相關(guān)的形式，而且它適用于任何類型的序列相關(guān)性問題的檢驗。杜賓瓦森檢驗法最具有應(yīng)用價值的是D.W.檢驗，它僅適用于一階自相關(guān)的檢驗。構(gòu)造計量： 計算該統(tǒng)計量的值，根據(jù)樣本容量n和解釋變量數(shù)目k查D.W.分布表，得到臨界值dl 和du，然后按照下列準(zhǔn)則考察計算得到的D.W.值，以判斷模型的自相關(guān)狀態(tài)。若0D.W.dl 則存在正自相關(guān)dlD.W.du 不能確定duD.W.4-dl無自相關(guān)4-duD.W.4-dl不能確定4-dl D.W.4 存在負(fù)自相關(guān)也就是說，當(dāng)D.W.值為2左右時，模型不存在一階自相關(guān)。序列相關(guān)性的修正如果模型被檢驗證明存在序列相關(guān)性，則需要發(fā)展新的方法估計模型，最常用的方法是廣義最小二乘法和差分法。一、廣義最小二乘法（GLS）二、差分法差分法是一類克服序列相關(guān)性的有效的方法，被廣泛地采用。差分法是將原模型變換為差分模型，分為一階差分法和廣義差分法。多重共線性的概念對于模型: 其基本假設(shè)之一是解釋變量X1，X2，Xk 是互相獨立的。如果某兩個或多個解釋變量之間出現(xiàn)了相關(guān)性，則稱為多重共線性（Multicollinearity）。如果存在其中c不全為0，即某一個解釋變量可以用其它解釋變量的線性組合表示，則稱為解釋變量間存在完全共線性。如果存在其中c不全為0，vi為隨機誤差項，則稱為一般共線性（近似共線性）或交互相關(guān)（intercorrelated）。實際經(jīng)濟問題中的多重共線性一般地，產(chǎn)生多重共線性的主要原因有以下三個方面：1、經(jīng)濟變量相關(guān)的共同趨勢2、滯后變量的引入3、樣本資料的限制多重共線性的后果1.完全共線性下參數(shù)估計量不存在2.近似共線性下普通最小二乘法參數(shù)估計量增大（但仍有效）3.參數(shù)估計量經(jīng)濟含義不合理4.變量的顯著性檢驗失去意義5模型的預(yù)測功能失效多重共線性的檢驗多重共線性檢驗的任務(wù)是：（1）檢驗多重共線性是否存在；（2）估計多重共線性的范圍。一、檢驗多重共線性是否存在1、對兩個解釋變量的模型，采用簡單相關(guān)系數(shù)法2、對多個解釋變量的模型，采用綜合統(tǒng)計檢驗法二、判斷存在多重共線性的范圍1.判定系數(shù)檢驗法2.逐步回歸法克服多重共線性的方法1.第一類方法：排除引起共線性的變量2.第二類方法：差分法隨機解釋變量問題對于模型 其基本假設(shè)之一是解釋變量X1，X2，Xk是確定性變量。如果某個或多個隨機變量作解釋變量，則稱為隨機解釋變量問題。為討論方便，我們假設(shè)（7.1.1）中X2為隨機解釋變量。對于隨機解釋變量問題1、隨機解釋變量與隨機誤差項不相2、隨機解釋變量與隨機誤差項在小樣本下相關(guān)，在大樣本下漸近無關(guān)隨機解釋變量的后果 隨機解釋變量與隨機誤差項不相關(guān) 隨機解釋變量與隨機誤差項在小樣本下相關(guān)，在大樣本下漸近無關(guān) 隨機解釋變量與隨機誤差項高度相關(guān) 滯后被解釋變量作解釋變量，并且與隨機誤差項相關(guān)工具變量法工具變量，顧名思義是在模型估計過程中被作為工具使用，以替代模型中與隨機誤差項相關(guān)的隨機解釋變量。那么，選擇為工具變量的變量必須滿足以下條件：與所替代的隨機解釋變量高度相關(guān)；與隨機誤差項不相關(guān)；與模型中其它解釋變量不相關(guān)，以避免出現(xiàn)多重共線性為了在模型中能夠反映這些因素的影響，并提高模型的精度，需要將它們“量化”，這種“量化”通常是通過引入“虛擬變量”來完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取“0”或“1”的人工變量，通常稱為虛擬變量（dummy variables）記為D。同時含有一般解釋變量與虛擬變量的模型稱為虛擬變量模型或者方差分析(analysis-of variance: ANOVA)模型。虛擬變量的引入 虛擬變量做為解釋變量引入模型有兩種基本方式：加法方式和乘法方式（1），且，即兩個回歸相同，稱為重合回歸；（2），但，即兩個回歸的差異僅在其截距，稱為平行回歸；（3），但，即兩個回歸的差異僅在其斜率，稱為匯合回歸；（4），且，即兩個回歸完全不同，稱為相異回歸。模型中引入虛擬變量的作用1.分離異常因素的影響；2.考察不可試題的“定性”因素的不同屬性類型對因變量的作用；3.提高模型精度。虛擬變量的設(shè)置原則 虛擬變量的個數(shù)須按以下原則確定：每一定性變量所需的虛擬變量個數(shù)要比該定性變量的類別數(shù)少1，即如果有m個定性變量，只在模型中引入m-1個虛擬變量。聯(lián)立方程模型(Simultaneous equation models)就是由多個相互聯(lián)系的單一方程組成的方程組，每一方程中的因變量在方程組中被聯(lián)合決定，從而能夠全面反映經(jīng)濟系統(tǒng)的運行規(guī)律。變量在聯(lián)立方程計量經(jīng)濟學(xué)模型中，對于其中每個隨機方程，其變量仍然有被解釋變量與解釋變量之分。但是對于模型系統(tǒng)而言，變量往往分為內(nèi)生變量和外生變量兩人類，外生變量與滯后內(nèi)生變量又被統(tǒng)稱為先決變量。內(nèi)生變量是由模型系統(tǒng)決定的變量，其大小由方程組的聯(lián)立解得到。外生變量一般是由系統(tǒng)外部確定的變量外生變量與滯后內(nèi)生變量(lagged endogenous variables)統(tǒng)稱為先決變量或前定變量。一、單項選擇題（每小題1分）1計量經(jīng)濟學(xué)是下列哪門學(xué)科的分支學(xué)科（C）。 A統(tǒng)計學(xué) B數(shù)學(xué) C經(jīng)濟學(xué) D數(shù)理統(tǒng)計學(xué)2計量經(jīng)濟學(xué)成為一門獨立學(xué)科的標(biāo)志是（B）。A1930年世界計量經(jīng)濟學(xué)會成立B1933年計量經(jīng)濟學(xué)會刊出版C1969年諾貝爾經(jīng)濟學(xué)獎設(shè)立 D1926年計量經(jīng)濟學(xué)（Economics）一詞構(gòu)造出來3外生變量和滯后變量統(tǒng)稱為（D）。A控制變量 B解釋變量 C被解釋變量 D前定變量4橫截面數(shù)據(jù)是指（A）。A同一時點上不同統(tǒng)計單位相同統(tǒng)計指標(biāo)組成的數(shù)據(jù)B同一時點上相同統(tǒng)計單位相同統(tǒng)計指標(biāo)組成的數(shù)據(jù)C同一時點上相同統(tǒng)計單位不同統(tǒng)計指標(biāo)組成的數(shù)據(jù)D同一時點上不同統(tǒng)計單位不同統(tǒng)計指標(biāo)組成的數(shù)據(jù)5同一統(tǒng)計指標(biāo)，同一統(tǒng)計單位按時間順序記錄形成的數(shù)據(jù)列是（C）。A時期數(shù)據(jù) B混合數(shù)據(jù) C時間序列數(shù)據(jù) D橫截面數(shù)據(jù)6在計量經(jīng)濟模型中，由模型系統(tǒng)內(nèi)部因素決定，表現(xiàn)為具有一定的概率分布的隨機變量，其數(shù)值受模型中其他變量影響的變量是（ ）。A內(nèi)生變量 B外生變量 C滯后變量 D前定變量7描述微觀主體經(jīng)濟活動中的變量關(guān)系的計量經(jīng)濟模型是（ ）。A微觀計量經(jīng)濟模型 B宏觀計量經(jīng)濟模型 C理論計量經(jīng)濟模型 D應(yīng)用計量經(jīng)濟模型8經(jīng)濟計量模型的被解釋變量一定是（ ）。A控制變量 B政策變量 C內(nèi)生變量 D外生變量9下面屬于橫截面數(shù)據(jù)的是（ ）。A19912003年各年某地區(qū)20個鄉(xiāng)鎮(zhèn)企業(yè)的平均工業(yè)產(chǎn)值B19912003年各年某地區(qū)20個鄉(xiāng)鎮(zhèn)企業(yè)各鎮(zhèn)的工業(yè)產(chǎn)值C某年某地區(qū)20個鄉(xiāng)鎮(zhèn)工業(yè)產(chǎn)值的合計數(shù) D某年某地區(qū)20個鄉(xiāng)鎮(zhèn)各鎮(zhèn)的工業(yè)產(chǎn)值10經(jīng)濟計量分析工作的基本步驟是（ ）。A設(shè)定理論模型收集樣本資料估計模型參數(shù)檢驗?zāi)Ｐ虰設(shè)定模型估計參數(shù)檢驗?zāi)Ｐ蛻?yīng)用模型C個體設(shè)計總體估計估計模型應(yīng)用模型D確定模型導(dǎo)向確定變量及方程式估計模型應(yīng)用模型11將內(nèi)生變量的前期值作解釋變量，這樣的變量稱為（ ）。A虛擬變量 B控制變量 C政策變量 D滯后變量12（ ）是具有一定概率分布的隨機變量，它的數(shù)值由模型本身決定。A外生變量 B內(nèi)生變量 C前定變量 D滯后變量13同一統(tǒng)計指標(biāo)按時間順序記錄的數(shù)據(jù)列稱為（ ）。A橫截面數(shù)據(jù) B時間序列數(shù)據(jù) C修勻數(shù)據(jù) D原始數(shù)據(jù)14計量經(jīng)濟模型的基本應(yīng)用領(lǐng)域有（ ）。A結(jié)構(gòu)分析、經(jīng)濟預(yù)測、政策評價 B彈性分析、乘數(shù)分析、政策模擬C消費需求分析、生產(chǎn)技術(shù)分析、 D季度分析、年度分析、中長期分析15變量之間的關(guān)系可以分為兩大類，它們是（ ）。A函數(shù)關(guān)系與相關(guān)關(guān)系 B線性相關(guān)關(guān)系和非線性相關(guān)關(guān)系C正相關(guān)關(guān)系和負(fù)相關(guān)關(guān)系 D簡單相關(guān)關(guān)系和復(fù)雜相關(guān)關(guān)系16相關(guān)關(guān)系是指（ ）。A變量間的非獨立關(guān)系B變量間的因果關(guān)系C變量間的函數(shù)關(guān)系 D變量間不確定性的依存關(guān)系17進行相關(guān)分析時的兩個變量（ ）。A都是隨機變量 B都不是隨機變量C一個是隨機變量，一個不是隨機變量 D隨機的或非隨機都可以18表示x和y之間真實線性關(guān)系的是（ ）。A B C D19參數(shù)的估計量具備有效性是指（ ）。A B C D20對于，以表示估計標(biāo)準(zhǔn)誤差，表示回歸值，則（ ）。A BC D21設(shè)樣本回歸模型為，則普通最小二乘法確定的的公式中，錯誤的是（ ）。 A BC D22對于，以表示估計標(biāo)準(zhǔn)誤差，r表示相關(guān)系數(shù)，則有（ ）。A B C D 23產(chǎn)量（X，臺）與單位產(chǎn)品成本（Y，元/臺）之間的回歸方程為，這說明（ ）。 A產(chǎn)量每增加一臺，單位產(chǎn)品成本增加356元 B產(chǎn)量每增加一臺，單位產(chǎn)品成本減少1.5元C產(chǎn)量每增加一臺，單位產(chǎn)品成本平均增加356元 D產(chǎn)量每增加一臺，單位產(chǎn)品成本平均減少1.5元24在總體回歸直線中，表示（ ）。A當(dāng)X增加一個單位時，Y增加個單位B當(dāng)X增加一個單位時，Y平均增加個單位C當(dāng)Y增加一個單位時，X增加個單位D當(dāng)Y增加一個單位時，X平均增加個單位25對回歸模型進行檢驗時，通常假定 服從（ ）。A B C D26以Y表示實際觀測值，表示回歸估計值，則普通最小二乘法估計參數(shù)的準(zhǔn)則是使（ ）。A B C D27設(shè)Y表示實際觀測值，表示OLS估計回歸值，則下列哪項成立（ ）。A B C D28用OLS估計經(jīng)典線性模型，則樣本回歸直線通過點_。A B C D29以Y表示實際觀測值，表示OLS估計回歸值，則用OLS得到的樣本回歸直線滿足（ ）。A B C D30用一組有30個觀測值的樣本估計模型，在0.05的顯著性水平下對的顯著性作t檢驗，則顯著地不等于零的條件是其統(tǒng)計量t大于（ ）。At0.05(30) Bt0.025(30) Ct0.05(28) Dt0.025(28)31已知某一直線回歸方程的判定系數(shù)為0.64，則解釋變量與被解釋變量間的線性相關(guān)系數(shù)為（ ）。A0.64 B0.8 C0.4 D0.3232相關(guān)系數(shù)r的取值范圍是（ ）。Ar-1 Br1C0r1 D1r133判定系數(shù)R2的取值范圍是（ ）。AR2-1 BR21C0R21 D1R2134某一特定的X水平上，總體Y分布的離散度越大，即2越大，則（ ）。A預(yù)測區(qū)間越寬，精度越低 B預(yù)測區(qū)間越寬，預(yù)測誤差越小C預(yù)測區(qū)間越窄，精度越高 D預(yù)測區(qū)間越窄，預(yù)測誤差越大35如果X和Y在統(tǒng)計上獨立，則相關(guān)系數(shù)等于（ ）。A1 B1 C0 D36根據(jù)決定系數(shù)R2與F統(tǒng)計量的關(guān)系可知，當(dāng)R21時，有（ ）。AF1 BF-1 CF0 DF37在CD生產(chǎn)函數(shù)中，（ ）。A.和是彈性 B.A和是彈性 C.A和是彈性 D.A是彈性38回歸模型中，關(guān)于檢驗所用的統(tǒng)計量，下列說法正確的是（ ）。A服從 B服從 C服從 D服從39在二元線性回歸模型中，表示（ ）。A當(dāng)X2不變時，X1每變動一個單位Y的平均變動。 B當(dāng)X1不變時，X2每變動一個單位Y的平均變動。C當(dāng)X1和X2都保持不變時，Y的平均變動。 D當(dāng)X1和X2都變動一個單位時，Y的平均變動。40在雙對數(shù)模型中，的含義是（ ）。AY關(guān)于X的增長量 BY關(guān)于X的增長速度 CY關(guān)于X的邊際傾向 DY關(guān)于X的彈性41根據(jù)樣本資料已估計得出人均消費支出Y對人均收入X的回歸模型為，這表明人均收入每增加1，人均消費支出將增加（ ）。A2 B0.2 C0.75 D7.542按經(jīng)典假設(shè)，線性回歸模型中的解釋變量應(yīng)是非隨機變量，且（ ）。A與隨機誤差項不相關(guān) B與殘差項不相關(guān) C與被解釋變量不相關(guān) D與回歸值不相關(guān)43根據(jù)判定系數(shù)R2與F統(tǒng)計量的關(guān)系可知，當(dāng)R2=1時有（ ）。 A.F=1 B.F=1 C.F= D.F=0 44下面說法正確的是（ ）。 A.內(nèi)生變量是非隨機變量 B.前定變量是隨機變量 C.外生變量是隨機變量 D.外生變量是非隨機變量 45在具體的模型中，被認(rèn)為是具有一定概率分布的隨機變量是（ ）。A.內(nèi)生變量 B.外生變量 C.虛擬變量 D.前定變量 46回歸分析中定義的（ ）。A.解釋變量和被解釋變量都是隨機變量 B.解釋變量為非隨機變量，被解釋變量為隨機變量 C.解釋變量和被解釋變量都為非隨機變量 D.解釋變量為隨機變量，被解釋變量為非隨機變量 47計量經(jīng)濟模型中的被解釋變量一定是（ ）。A控制變量 B政策變量C內(nèi)生變量 D外生變量48.在由的一組樣本估計的、包含3個解釋變量的線性回歸模型中，計算得多重決定系數(shù)為0.8500，則調(diào)整后的多重決定系數(shù)為（ ）A. 0.8603 B. 0.8389 C. 0.8655 D.0.832749.下列樣本模型中，哪一個模型通常是無效的（ ）A. （消費）=500+0.8（收入） B. （商品需求）=10+0.8（收入）+0.9（價格）C. （商品供給）=20+0.75（價格） D. （產(chǎn)出量）=0.65（勞動）（資本）50.用一組有30個觀測值的樣本估計模型后，在0.05的顯著性水平上對的顯著性作檢驗，則顯著地不等于零的條件是其統(tǒng)計量大于等于（ ）A. B. C. D. 51.模型中，的實際含義是（ ）A.關(guān)于的彈性 B. 關(guān)于的彈性 C. 關(guān)于的邊際傾向 D. 關(guān)于的邊際傾向52在多元線性回歸模型中，若某個解釋變量對其余解釋變量的判定系數(shù)接近于，則表明模型中存在（ ）A.異方差性B.序列相關(guān)C.多重共線性D.高擬合優(yōu)度53.線性回歸模型 中，檢驗時，所用的統(tǒng)計量 服從( )A.t(n-k+1) B.t(n-k-2) C.t(n-k-1) D.t(n-k+2)54. 調(diào)整的判定系數(shù) 與多重判定系數(shù) 之間有如下關(guān)系( ) A. B. C. D. 55關(guān)于經(jīng)濟計量模型進行預(yù)測出現(xiàn)誤差的原因，正確的說法是（ ）。A.只有隨機因素 B.只有系統(tǒng)因素 C.既有隨機因素，又有系統(tǒng)因素 D.A、B、C 都不對56在多元線性回歸模型中對樣本容量的基本要求是(k 為解釋變量個數(shù))：（ ）A nk+1 B nk+1 C n30 或n3（k+1） D n3057.下列說法中正確的是：（ ）A 如果模型的 很高，我們可以認(rèn)為此模型的質(zhì)量較好B 如果模型的 較低，我們可以認(rèn)為此模型的質(zhì)量較差C 如果某一參數(shù)不能通過顯著性檢驗，我們應(yīng)該剔除該解釋變量D 如果某一參數(shù)不能通過顯著性檢驗，我們不應(yīng)該隨便剔除該解釋變量58.半對數(shù)模型中，參數(shù)的含義是（ ）。 AX的絕對量變化，引起Y的絕對量變化 BY關(guān)于X的邊際變化 CX的相對變化，引起Y的期望值絕對量變化 DY關(guān)于X的彈性59.半對數(shù)模型中，參數(shù)的含義是（ ）。A.X的絕對量發(fā)生一定變動時，引起因變量Y的相對變化率 B.Y關(guān)于X的彈性C.X的相對變化，引起Y的期望值絕對量變化 D.Y關(guān)于X的邊際變化60.雙對數(shù)模型中，參數(shù)的含義是（ ）。A.X的相對變化，引起Y的期望值絕對量變化 B.Y關(guān)于X的邊際變化C.X的絕對量發(fā)生一定變動時，引起因變量Y的相對變化率 D.Y關(guān)于X的彈性61.Goldfeld-Quandt方法用于檢驗（ ）A.異方差性 B.自相關(guān)性 C.隨機解釋變量 D.多重共線性62.在異方差性情況下，常用的估計方法是（ ）A.一階差分法 B.廣義差分法 C.工具變量法 D.加權(quán)最小二乘法63.White檢驗方法主要用于檢驗（ ）A.異方差性 B.自相關(guān)性 C.隨機解釋變量 D.多重共線性64.Glejser檢驗方法主要用于檢驗（ ）A.異方差性 B.自相關(guān)性 C.隨機解釋變量 D.多重共線性65.下列哪種方法不是檢驗異方差的方法（ ）A.戈德菲爾特匡特檢驗 B.懷特檢驗 C.戈里瑟檢驗 D.方差膨脹因子檢驗66.當(dāng)存在異方差現(xiàn)象時，估計模型參數(shù)的適當(dāng)方法是 （ ）A.加權(quán)最小二乘法 B.工具變量法 C.廣義差分法 D.使用非樣本先驗信息67.加權(quán)最小二乘法克服異方差的主要原理是通過賦予不同觀測點以不同的權(quán)數(shù)，從而提高估計精度，即（ ）A.重視大誤差的作用，輕視小誤差的作用 B.重視小誤差的作用，輕視大誤差的作用C.重視小誤差和大誤差的作用 D.輕視小誤差和大誤差的作用68.如果戈里瑟檢驗表明，普通最小二乘估計結(jié)果的殘差與有顯著的形式的相關(guān)關(guān)系（滿足線性模型的全部經(jīng)典假設(shè)），則用加權(quán)最小二乘法估計模型參數(shù)時，權(quán)數(shù)應(yīng)為（ ）A. B. C. D. 69果戈德菲爾特匡特檢驗顯著，則認(rèn)為什么問題是嚴(yán)重的（ ）A.異方差問題 B.序列相關(guān)問題 C.多重共線性問題 D.設(shè)定誤差問題70.設(shè)回歸模型為，其中，則的最有效估計量為（ ）A. B. C. D. 71如果模型yt=b0+b1xt+ut存在序列相關(guān)，則（ ）。A. cov(xt, ut)=0 B. cov(ut, us)=0(ts) C. cov(xt, ut)0 D. cov(ut, us) 0(ts)72DW檢驗的零假設(shè)是（為隨機誤差項的一階相關(guān)系數(shù)）（ ）。ADW0 B0 CDW1 D173下列哪個序列相關(guān)可用DW檢驗（vt為具有零均值，常數(shù)方差且不存在序列相關(guān)的隨機變量）（ ）。Autut1+vt Butut1+2ut2+vt Cutvt Dutvt+2 vt-1 +74DW的取值范圍是（ ）。A-1DW0 B-1DW1 C-2DW2 D0DW475當(dāng)DW4時，說明（ ）。A不存在序列相關(guān) B不能判斷是否存在一階自相關(guān)C存在完全的正的一階自相關(guān) D存在完全的負(fù)的一階自相關(guān)76根據(jù)20個觀測值估計的結(jié)果，一元線性回歸模型的DW2.3。在樣本容量n=20,解釋變量k=1，顯著性水平為0.05時，查得dl=1,du=1.41,則可以決斷（ ）。A不存在一階自相關(guān) B存在正的一階自相關(guān) C存在負(fù)的一階自 D無法確定77當(dāng)模型存在序列相關(guān)現(xiàn)象時，適宜的參數(shù)估計方法是（ ）。A加權(quán)最小二乘法B間接最小二乘法 C廣義差分法 D工具變量法78對于原模型yt=b0+b1xt+ut，廣義差分模型是指（ ）。79采用一階差分模型一階線性自相關(guān)問題適用于下列哪種情況（ ）。A0 B1 C-10 D0180定某企業(yè)的生產(chǎn)決策是由模型St=b0+b1Pt+ut描述的（其中St為產(chǎn)量，Pt為價格），又知：如果該企業(yè)在t-1期生產(chǎn)過剩，經(jīng)營人員會削減t期的產(chǎn)量。由此決斷上述模型存在（ ）。A異方差問題B序列相關(guān)問題C多重共線性問題D隨機解釋變量問題81根據(jù)一個n=30的樣本估計后計算得DW1.4，已知在5%的置信度下，dl=1.35,du=1.49,則認(rèn)為原模型（ ）。A存在正的一階自相關(guān) B存在負(fù)的一階自相關(guān)C不存在一階自相關(guān) D無法判斷是否存在一階自相關(guān)。82. 于模型，以表示et與et-1之間的線性相關(guān)關(guān)系（t=1,2,T）,則下列明顯錯誤的是（ ）。A0.8，DW0.4 B-0.8，DW-0.4 C0，DW2 D1，DW083同一統(tǒng)計指標(biāo)按時間順序記錄的數(shù)據(jù)列稱為（ ）。 A.橫截面數(shù)據(jù) B.時間序列數(shù)據(jù) C.修勻數(shù)據(jù) D.原始數(shù)據(jù)84當(dāng)模型存在嚴(yán)重的多重共線性時，OLS估計量將不具備（ ）A線性 B無偏性 C有效性 D一致性85經(jīng)驗認(rèn)為某個解釋與其他解釋變量間多重共線性嚴(yán)重的情況是這個解釋變量的VIF（ ）。A大于 B小于 C大于5 D小于586模型中引入實際上與解釋變量有關(guān)的變量，會導(dǎo)致參數(shù)的OLS估計量方差（ ）。A增大 B減小 C有偏 D非有效87對于模型yt=b0+b1x1t+b2x2t +ut，與r12=0相比，r120.5時，估計量的方差將是原來的（ ）。A1倍 B1.33倍 C1.8倍 D2倍88如果方差膨脹因子VIF10，則什么問題是嚴(yán)重的（ ）。A異方差問題 B序列相關(guān)問題C多重共線性問題 D解釋變量與隨機項的相關(guān)性89在多元線性回歸模型中，若某個解釋變量對其余解釋變量的判定系數(shù)接近于1，則表明模型中存在( )。A 異方差 B 序列相關(guān) C 多重共線性 D 高擬合優(yōu)度90存在嚴(yán)重的多重共線性時，參數(shù)估計的標(biāo)準(zhǔn)差（ ）。A變大 B變小 C無法估計 D無窮大91完全多重共線性時，下列判斷不正確的是（ ）。A參數(shù)無法估計 B只能估計參數(shù)的線性組合C模型的擬合程度不能判斷D可以計算模型的擬合程度92設(shè)某地區(qū)消費函數(shù)中，消費支出不僅與收入x有關(guān)，而且與消費者的年齡構(gòu)成有關(guān)，若將年齡構(gòu)成分為小孩、青年人、成年人和老年人4個層次。假設(shè)邊際消費傾向不變，則考慮上