计量经济学 · 学习通作业刷题

计量经济学是以下哪三个学科的交叉学科？（　　）

计量经济学的研究对象是（　　）。

计量经济研究的核心目标是（　　）。

下列不属于计量经济学研究步骤的是（　　）。

在计量经济模型中，参数的含义是（　　）。

下列属于内生变量特点的是（　　）。

下列属于截面数据的是（　　）。

下列属于时间序列数据的是（　　）。

面板数据是指（　　）。

计量经济模型中的随机扰动项不包括以下哪项内容？（　　）

计量经济学与数理统计学的主要区别在于（　　）。

理论计量经济学与应用计量经济学的主要区别是（　　）。

在计量经济模型的检验中，不包括以下哪种检验？（　　）

经济意义检验的目的是（　　）。

下列关于计量经济学的说法错误的是（　　）。

样本回归函数与总体回归函数的关系是（　　）。

计量经济模型中的被解释变量也称为（　　）。

下列变量中属于外生变量的是（　　）。

计量经济研究中，模型设定阶段的核心工作是（　　）。

下列关于虚拟变量数据的说法正确的是（　　）。

相关分析与回归分析的主要区别在于（　　）。

总体回归函数是指（　　）。

样本回归函数与总体回归函数的关系是（　　）。

计量经济模型中的随机扰动项不包含以下哪项内容？（　　）

简单线性回归模型的基本假定不包括（　　）。

普通最小二乘法（OLS）的核心思想是使（　　）最小。

在古典假定条件下，OLS估计量具有的优良性质是（　　）。

高斯定理是指在古典假定条件下，（　　）。

总变差TSS、回归平方和ESS、残差平方和RSS的关系是（　　）。

可决系数 $R^2$ 的取值范围是（　　）。

可决系数 $R^2$ 是指（　　）。

对于简单线性回归模型，可决系数 $R^2$ 与解释变量和被解释变量的相关系数 $r$ 的关系是（　　）。

回归系数的 $t$ 检验的原假设是（　　）。

在简单线性回归中，若回归系数 $\beta_1$ 的 $t$ 统计量的绝对值大于临界值，则意味着（　　）。

回归分析中的 $P$ 值表示（　　）。

当 $P$ 值小于显著性水平 $\alpha$ 时，应该（　　）。

被解释变量的平均值预测与个别值预测的关系是（　　）。

关于预测区间，下列说法正确的是（　　）。

OLS回归线的数学性质不包括（　　）。

计量经济学中，线性回归模型的“线性”是指（　　）。

相关系数为0说明两个变量之间不存在任何关系。（　　）

总体回归函数是客观存在的，但通常是未知的。（　　）

样本回归函数是唯一的，不会随抽样波动而变化。（　　）

随机扰动项的零均值假定意味着解释变量与随机扰动项不相关。（　　）

在古典假定条件下，OLS估计量是最佳线性无偏估计量。（　　）

可决系数 $R^2$ 越接近1，说明模型的拟合优度越好。（　　）

回归系数的 $t$ 检验显著说明解释变量是被解释变量变化的原因。（　　）

对于同样的解释变量取值，个别值的预测区间比平均值的预测区间宽。（　　）

当样本容量趋于无穷大时，OLS估计量仍然有偏。（　　）

线性回归模型中的解释变量只能是定量变量，不能是定性变量。（　　）

在多元线性回归模型中，偏回归系数 $\beta_j$ 的含义是（　　）

多元线性回归模型中的“线性”是指（　　）

对于有 $k$ 个解释变量的多元线性回归模型，样本回归函数的矩阵形式是（　　）

多元线性回归模型的无多重共线性假定是指（　　）

在古典假定下，多元线性回归的OLS估计量具有（　　）

对于有 $k$ 个解释变量的多元线性回归模型，随机扰动项方差的无偏估计量是（　　）

多重可决系数 $R^2$ 是指（　　）

修正的可决系数 $\bar R^2$ 与多重可决系数 $R^2$ 的关系是（　　）

关于修正的可决系数 $\bar R^2$，下列说法正确的是（　　）

多元线性回归模型的 $F$ 检验是检验（　　）

在多元线性回归模型的 $F$ 检验中，原假设是（　　）

对于有 $k$ 个解释变量的多元线性回归模型，$F$ 统计量的自由度是（　　）

在多元线性回归中，$F$ 检验显著说明（　　）

多元线性回归模型的 $t$ 检验是检验（　　）

对于有 $k$ 个解释变量、样本容量为 $n$ 的多元线性回归模型，$t$ 统计量的自由度是（　　）

在多元线性回归中，若某个解释变量的 $t$ 检验不显著，说明（　　）

多元线性回归模型中，被解释变量平均值的点预测公式是（　　）

关于多元线性回归的预测，下列说法正确的是（　　）

在有3个解释变量的多元线性回归模型中，若样本容量为30，则RSS的自由度是（　　）

某多元线性回归模型的 $R^2=0.8$，样本容量 $n=31$，解释变量个数 $k=5$，则修正的可决系数 $\bar R^2$ 为（　　）

在有 $k$ 个解释变量的多元线性回归模型中，解释变量数据矩阵 $X$ 是____阶矩阵，其第一列元素全为____。

多元线性回归模型的基本假定中，比一元线性回归多了____假定。

修正可决系数的思想是用____去校正所计算的变差，以解决解释变量个数不同引起的对比困难。

某多元线性回归模型的 $R^2=0.85$，$F$ 统计量对应的P值为0.000，说明____。

在古典假定下，多元线性回归的OLS估计量是____估计量，简称BLUE。

多重可决系数 $R^2$ 的计算公式是____，它度量的是____。

$F$ 检验是检验____的显著性，其统计量的计算公式是____。

$t$ 检验是检验____的显著性，对于有 $k$ 个解释变量的模型，统计量的自由度是____。

被解释变量的预测分为____预测和____预测两种。

在多元线性回归中，RSS的自由度是____，ESS的自由度是____。

多元线性回归模型中，偏回归系数度量的是在其他变量不变的情况下，某一解释变量变动对被解释变量平均值的影响。（　　）

多元线性回归模型的“线性”是指变量之间是线性的。（　　）

无多重共线性假定要求解释变量之间不存在任何相关关系。（　　）

在古典假定下，OLS估计量是最佳线性无偏估计量。（　　）

多重可决系数 $R^2$ 随着解释变量个数的增加而不减。（　　）

修正的可决系数 $\bar R^2$ 可能为负值。（　　）

$F$ 检验显著说明每个解释变量对被解释变量的影响都显著。（　　）

在多元回归中，$t$ 检验和 $F$ 检验是等价的。（　　）

个别值的预测区间比平均值的预测区间更宽。（　　）

若 $F$ 检验不显著，则不需要再进行 $t$ 检验。（　　）

多重共线性是指（　）

当解释变量之间存在完全多重共线性时，会导致（　）

不完全多重共线性下，下列哪种情况不会出现（　）

下列哪项不是多重共线性产生的原因（　）

简单相关系数检验法判断多重共线性的经验规则是（　）

方差膨胀因子VIF的计算公式是（　）

判断存在严重多重共线性的经验标准是VIF（　）

下列哪种情况不能作为判断多重共线性的直观依据（　）

逐步回归法检验多重共线性的基本思想是（　）

下列哪种多重共线性的补救方法可能导致模型设定误差（　）

采用一阶差分法处理多重共线性的主要缺点是（　）

若模型 $R^2=0.985$，F检验显著，但多数解释变量t检验不显著，这说明模型可能存在（　）

下列哪种方法不能缓解多重共线性问题（　）

当解释变量之间的相关系数为1时，说明存在（　）

多重共线性下，参数估计值的方差会随着共线性程度提高而（　）

下列哪种情形下最不容易出现多重共线性（　）

在检测多重共线性的方法中，哪种方法可以同时识别出引起共线性的具体变量（　）

利用截面数据和时间序列数据并用的方法处理多重共线性的前提假设是（　）

若 $X_1$ 与 $X_2$ 的相关系数为0.9，且样本量较小，适宜的处理方法是（　）

多重共线性分为两种类型：和。

检验多重共线性的常用方法有____、____、直观判断法和逐步回归法。

多重共线性是一种样本现象，即使总体中变量不存在完全线性关系，样本也可能表现出共线性。（　）

当存在不完全多重共线性时，OLS估计量不再是无偏的。（　）

如果解释变量之间的相关系数都小于0.8，说明模型一定不存在严重多重共线性。（　）

方差膨胀因子越大，说明多重共线性越严重。（　）

当模型存在严重多重共线性时，会使参数的置信区间变小，更容易拒绝原假设。（　）

逐步回归法既可以检验多重共线性，也可以起到处理多重共线性的作用。（　）

利用增大样本容量的方法一定能够完全消除多重共线性。（　）

如果回归系数的符号与理论预期相反，一定是因为存在多重共线性。（　）

完全多重共线性是极端情况，实际应用中遇到的大多是不完全多重共线性问题。（　）

异方差性是指（　）

下列哪种情况更容易产生异方差性（　）

当模型存在异方差性时，OLS参数估计量仍然满足（　）

异方差情况下，常用的 $t$ 检验和 $F$ 检验会（　）

下列哪种方法属于异方差的图示检验法（　）

Goldfeld-Quandt检验用于检验（　）

Goldfeld-Quandt检验要求样本是（　）

White检验的优点是（　）

ARCH检验主要适用于（　）

Glejser检验的主要特点是（　）

下列哪种方法不属于异方差的补救措施（　）

加权最小二乘法的基本思路是（　）

若已知异方差形式为 $\operatorname{Var}(u_i)=\sigma^2X_i^2$，则进行模型变换时应除以（　）

对变量取对数可以缓解异方差的原因是（　）

当残差平方随解释变量的增大而增大时，属于（　）

Goldfeld-Quandt检验中，计算 $F$ 统计量时分子是（　）

White检验中，辅助回归的被解释变量是（　）

存在异方差时，模型预测的精度会（　）

下列哪项不是异方差产生的原因（　）

在医疗机构与人口数的案例中，OLS估计结果显示人口每增加1万人医疗机构增加5.14个，但加权最小二乘修正后为3.55个，这说明（　）

存在异方差时，OLS参数估计量不再是无偏的。（　）

截面数据比时间序列数据更容易出现异方差问题。（　）

Goldfeld-Quandt检验不仅能检验异方差是否存在，还能确定异方差的具体形式。（　）

White检验适用于任何形式的异方差检验，不需要先验信息。（　）

ARCH检验主要用于检验截面数据的异方差问题。（　）

加权最小二乘法中，权重通常取为随机扰动项方差的倒数。（　）

对变量取对数可以完全消除异方差问题。（　）

异方差情况下，参数的置信区间会比实际更窄，导致更容易拒绝原假设。（　）

Glejser检验需要大样本才能得到可靠结果。（　）

模型变换法和加权最小二乘法本质上是等价的。（　）

下列哪个选项不是自相关性的后果（　）

下列用于检验自相关性的方法是（　）

DW检验的原假设是（　）

当随机扰动项存在自相关性时，可用下列哪种方法估计回归模型中的参数（　）

下列哪种方法不适用于估计随机扰动项高阶自相关的回归系数（　）

广义差分方程形式正确的是（　）

下列哪个选项描述的是一元回归模型 $Y_t=\beta_1+\beta_2X_t+u_t$ 中的自相关性（　）

DW统计量的取值范围是（　）

DW检验适用于下列哪种情况（　）

根据样本容量为30的样本的估计结果，一元线性回归的DW值为1.3。已知在5%的显著性水平下，$d_L=1.352,d_U=1.489$，那么认为原模型（　）

已知回归模型的残差的一阶自相关系数接近于0.8，则DW统计量近似等于（　）

在DW检验中，随机扰动项无自相关的区域是（　）

在下列引起序列自相关的原因中，不正确的是（　）

设 $u_t$ 为随机误差项，则一阶线性自相关是指（　）

假定某企业的生产决策是由模型 $q_t=\beta_1+\beta_2p_t+u_t$ 描述的（其中 $q_t$ 为产量，$p_t$ 为价格），又知如果该企业在 $t-1$ 期生产过剩，经营人员会削减 $t$ 期的产量。由此判断上述模型存在（　）

DW检验不能用于下列哪些现象的检验（　）

以 $d_L$ 和 $d_U$ 表示DW统计量的两个临界值，则DW检验的不确定区域是（　）

针对存在序列相关现象的模型的估计，下属哪些方法可能是使用的（　）

DW检验不适用于哪些情况的序列相关检验？（　）

如果模型中存在序列自相关现象，则会引起如下后果（　）

自相关产生的原因有哪些（　）

检验自相关的方法有（　）

$d_L$ 表示统计量DW的下限分布，$d_U$ 表示统计量DW的上限分布，则DW检验的不确定区域是（　）

DW检验不适用于下列哪种情况下的自相关检验（　）

DW不能用于下列哪些现象的检验（　）

模型设定可能导致自相关性。（　）

存在自相关性时，方差估计量 $\hat\sigma^2$ 仍然是 $\sigma^2$ 的无偏估计量。（　）

当DW检验无法判断是否自相关性时应采用BG检验。（　）

截面数据中不会出现自相关性。（　）

时间序列数据易出现自相关问题。（　）

对于一个含有截距项的计量经济模型，若某定性因素有 $m$ 个互斥的类型，为将其引入模型中，则需要引入虚拟变量个数为（　）

在利用月度数据构建计量经济模型时（含截距项），如果一年里的1、3、5、9四个月表现出季节模式，则应该引入虚拟变量个数为（　）

对于一个回归模型中不包含截距项，若将一个具有 $m$ 个特征的质的因素引入计量经济模型，则虚拟变量数目为（　）

现有两模型： $$Y_i=\alpha_1+\beta_1X_i+u_{1i}$$ $$Y_i=\alpha_2+\beta_2X_i+u_{2i}$$ 其点回归指的是（　）

在住房价格回归中， $$\log(price) =5.56+0.168\log(lotsize)+0.707\log(sqrft) +0.027bdrms+0.054colonial+e$$ 其中 $$colonial= \begin{cases} 1,&\text{殖民地建筑风格}\\ 0,&\text{其他建筑风格} \end{cases}$$ (colonial) 的系数含义是（　）

当质的因素引进经济计量模型时，需要使用（　）

回归模型中，在解释变量的某个已知临界值前后，回归模型的截距或斜率发生突变，这种模型被称为（　）

设消费函数 $$Y_i=a_0+a_1D_i+b_1X_i+u_i$$ 其中虚拟变量 $$D_i= \begin{cases} 1,&\text{东中部}\\ 0,&\text{西部} \end{cases}$$ 如果统计检验表明无法拒绝 $a_1=0$ 的原假设，则东中部的消费函数与西部的消费函数是（　）

设某计量经济模型为 $$Y_i=\alpha+\beta D_i+u_i$$ 其中 $Y$ 为大学教授年薪， $$D_i= \begin{cases} 1,&\text{男教授}\\ 0,&\text{女教授} \end{cases}$$ 则对于参数 $\beta$ 的含义，下列解释正确的是（　）

设某商品需求模型为 $$Y_t=b_0+b_1X_t+u_t$$ 其中 $Y$ 是商品的需求量，$X$ 是商品的价格。为了考虑全年12个月份季节变动的影响，假设模型中引入了12个虚拟变量，则会产生的问题为（　）

在虚拟变量模型中任意几段间存在有斜率不同的情况，是因为（　）

在对两个回归结构的检验过程中，设定模型为 $$Y_i=\alpha_0+\alpha_1D_i+\beta_0X_i+\beta_1(D_iX_i)+u_i$$ 若 $\alpha_1=0,\ \beta_1\neq0$，则这两个回归为（　）

设某行业职工收入 $Y$ 主要受职工受教育年数 $X$、性别和地理位置（东部、西部）的影响。考虑到性别不同或所处地理位置不同的职工的收入可能存在一定的差异，而且不同性别在收入上的差异可能与其所在的地理位置有关，即两个定性因素之间可能存在交互效应，因此通过引入虚拟变量建立回归模型（　）比较合适，其中 $$D_{1i}= \begin{cases} 1,&\text{第 }i\text{ 个职工为男性}\\ 0,&\text{第 }i\text{ 个职工为女性} \end{cases}$$ $$D_{2i}= \begin{cases} 1,&\text{第 }i\text{ 个职工位于东部}\\ 0,&\text{第 }i\text{ 个职工位于西部} \end{cases}$$

小时工资回归方程： $$Y_i=\alpha_1+\alpha_2D_{2i}+\alpha_3D_{3i}+\beta X_i+u_i$$ 其中 $Y$ 是小时工资，$X$ 是工龄， $$D_{2i}= \begin{cases} 1,&\text{已婚}\\ 0,&\text{其他} \end{cases}$$ $$D_{3i}= \begin{cases} 1,&\text{南方}\\ 0,&\text{其他} \end{cases}$$ 则同样工龄的情况下，非南方人已婚人士的平均小时工资和南方人未婚人士的差异为（　）

设消费函数为 $$Y_i=\alpha_0+\alpha_1D_i+b_0X_i+b_1D_iX_i+u_i$$ 其中虚拟变量 $$D_i= \begin{cases} 1,&\text{城镇家庭}\\ 0,&\text{农村家庭} \end{cases}$$ 当统计检验表明下列哪项成立时，表示城镇家庭与农村家庭有一样的消费行为（　）

不连续的分段线性回归如图所示，第一段为 $$Y_i=\alpha_1+\beta_1X_i+u_i$$ 引入虚拟变量 $$D_i= \begin{cases} 1,&X_i>X^\*\\ 0,&X_i<X^\* \end{cases}$$ 则考虑了回归线在 $X^\*$ 处跳跃的修正后的模型为（　）

关于虚拟变量，下列表述正确的有（　）

引入虚拟变量的主要作用包括（　）

以乘法形式引入虚拟解释变量的主要作用在于（　）

虚拟变量陷阱导致的后果有（　）

薪金回归方程： $$Y_i=\alpha_1+\alpha_2D_{2i}+\alpha_3D_{3i} +\alpha_4(D_{2i}D_{3i})+\beta X_i+u_i$$ 其中 $Y_i$ 是小时工资，$X_i$ 是受教育年数， $$D_{2i}= \begin{cases} 1,&\text{女性}\\ 0,&\text{其他} \end{cases}$$ $$D_{3i}= \begin{cases} 1,&\text{非白人}\\ 0,&\text{其他} \end{cases}$$ 所有系数显著，下列说法正确的有（　）

考察A市和B市两个地区的消费水平是否存在显著差异，下列说法正确的有（其中A市或B市以1表示，另一个以0表示）（　）

假定月收入水平在1000元以内时，居民的边际消费倾向 $\beta$ 维持在某一水平，当月收入水平达到或超过1000元时，边际消费倾向明显下降，下列有关该问题的说法正确的有（　）

以2008年为转折点，对1990—2019年中国储蓄和收入关系分别建模，模型如下： $$Y_t=\alpha_1+\beta_1X_t+u_{1t}$$ $$Y_t=\alpha_2+\beta_2X_t+u_{2t}$$ 下列说法正确的有（　）

关于大学生综合成绩模型： $$Y_i=\alpha_1+\alpha_2D_{2i}+\alpha_3D_{3i} +\alpha_4(D_{2i}D_{3i})+\beta X_i+u_i$$ 其中 $Y_i$ 为学生综合成绩分数，$X_i$ 为课后学习时长， $$D_{2i}= \begin{cases} 1,&\text{本科及以上}\\ 0,&\text{其他} \end{cases}$$ 表示父母学历； $$D_{3i}= \begin{cases} 1,&\text{参加兴趣班}\\ 0,&\text{不参加} \end{cases}$$ 则关于模型下列说法正确的是（　）

关于衣着消费支出模型： $$Y_i=\alpha_1+\alpha_2D_{2i}+\alpha_3D_{3i} +\alpha_4(D_{2i}D_{3i})+\beta X_i+u_i$$ 其中 $Y_i$ 为衣着方面的年度支出，$X_i$ 为收入， $$D_{2i}= \begin{cases} 1,&\text{女性}\\ 0,&\text{男性} \end{cases}$$ $$D_{3i}= \begin{cases} 1,&\text{大学毕业及以上}\\ 0,&\text{其他} \end{cases}$$ 则关于模型中的参数下列说法正确的是（　）

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。（　）

虚拟变量只能作为解释变量。（　）

在对收入和消费需求调查时，消费函数为 $$Y_i=\alpha+\beta X_i+u_i$$ $X_i$ 代表收入。现引入虚拟变量，用以反映季节因素的影响，认为季度因素使收入的平均值发生变异，建立如下模型： $$D_1= \begin{cases} 1,&\text{一季度}\\ 0,&\text{其他} \end{cases} \quad D_2= \begin{cases} 1,&\text{二季度}\\ 0,&\text{其他} \end{cases}$$ $$D_3= \begin{cases} 1,&\text{三季度}\\ 0,&\text{其他} \end{cases} \quad D_4= \begin{cases} 1,&\text{四季度}\\ 0,&\text{其他} \end{cases}$$ $$Y_i=\beta_0+\beta_1X_i+\alpha_1D_{1i} +\alpha_2D_{2i}+\alpha_3D_{3i} +\alpha_4D_{4i}+u_i$$ （　）

在虚拟变量模型中存在有不同类别的斜率不同的情况，是因为虚拟变量之间存在交互作用。（　）

一个回归模型所包含的解释变量不可以都是虚拟变量。（　）