- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计量经济学习题(五、六章)
填空题(每空2分)
1.五项古典假定中的第二条——随机扰动项的方差等于常数的假定被破坏,而其余四项古典假定均满足,则称出现了 。
2.通常若出现违反基本假定时,将数据先取对数再进行最小二乘法估计,因为对数据进行对数变换可以减少 和 自相关的程度。
3.用来消除异方差的最小二乘法称其为 最小二乘法。
4.五项古典假定中的第条——随机扰动项之间逐次不相关的假定被破坏,而其余四项古典假定均满足,则称出现了 。
5. 回归模型中具有异方差性时,仍用OLS估计模型,则参数估计值是 。
6.在DW检验中,当d统计量为4时,表明 。
7.在DW检验中,不能判定的区域是 。
8.DW是用于检验 的
9.加权最小二乘法是 最小二乘法的一个特例
10.已知样本回归模型残差的一阶自相关系数近于0,则DW统计量近似等于 。
二、名词解释:(每题4分)
1. 异方差性;
2.序列相关性;
3. 差分法;
4.广义最小二乘法;
5.加权最小二乘法
6科克伦-奥克特迭的代法
三、单项选择题:(每小题2分)
1.利用德宾h检验自回归模型扰动项的自相关性时,下列命题正确的是( )
A.德宾h检验只适用一阶自回归模型
B.德宾h检验适用任意阶的自回归模型
C.德宾h统计量渐进服从t分布
D.德宾h检验可以用于小样本问题
2.已知样本回归模型残差的一阶自相关系数近于1,则DW统计量近似等于( )
A.0 B.1 C.2 D.4
3.更容易产生异方差的数据为( )
A.时序数据 B.平均数据 C.横截面数据 D.年度数据
4.在修正异方差的方法中,不正确的是( )
A.加权最小二乘法 B.对原模型变换的方法
C.对模型的对数变换法 D.两阶段最小二乘法
5.Goldfeld-Quandt检验法可用于检验( )
A.异方差性 B.多重共线性 C.序列相关 D.设定误差
6.在DW检验中,当d统计量为4时,表明( )
A.存在完全的正自相关 B.存在完全的负自相关
C.不存在自相关 D.不能判定
7.下列说法正确的是( )
A.序列自相关是样本现象 B.序列自相关是一种随机误差现象
C.序列自相关是总体现象 D.截面数据更易产生序列自相关
8.多元线性回归模型中,发现各参数估计量的t值都不显著,但模型的或却很大,F值也很显著,这说明模型存在( )
A.异方差性 B.多重共线性 C.序列相关 D.设定误差
9.在下列引起序列自相关的原因中,不正确的是( )
A.经济变量具有惯性作用 B.经济行为的滞后
C.设定偏误 D.解释变量之间的共线性
10.对自回归模型进行自相关检验时,下列说法正确的有( )
A.使用DW检验有效
B.使用DW检验时,DW值往往趋近于0
C.使用DW检验时,DW值往往趋近于2
D.使用DW检验时,DW值往往趋近于4
11.下列说法不正确的是( )
A.异方差是一种随机误差现象
B.异方差产生的原因有设定误差
C.检验异方差的方法有加权是小二乘法
D.修正异方差的方法有加权最小二乘法
12.在模型有异方差的情况下,常用的补救措施是( )
A.广义差分法 B.工具变量法 C.逐步回归法 D.加权最小二乘法
13.在DW检验中,不能判定的区域是( )
A. 0﹤d﹤, 4-﹤d﹤4 B. du﹤d﹤4- du
C. ﹤d﹤du, 4-du﹤d﹤4- D. 上述都不对
14.在修正序列自相关的方法中,不正确的
文档评论(0)