- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、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。
- 6、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。
- 7、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》第3章练习题
一、单项选择题(每题2分)
1、多元线性回归模型的“线性”是指对( )而言是线性的。
(A)解释变量 (B)被解释变量
(C)回归参数 (D)剩余项
2、多元样本线性回归函数是( )
(A)
(B)
(C)
(D)Y=Xβ+U
3、多元总体线性回归函数的矩阵形式为( )
(A)Y=Xβ+U (B)Y=X+ e
(C) (D)Y=Xβ+ e
4、多元线性回归模型参数向量最小二乘估计式的矩阵表达式为( )
(A)
(B)
(C)
(D)
5、的方差-协方差矩阵为( )
(A) (B)
(C) (D)
6、随机扰动项方差的估计式是( )
(A) (B)
(C) (D)
7、残差平方和RSS的是( )
(A) (B)
(C) (D)
8、修正可决系数与未经修正的多重可决系数之间的关系为( )
(A) (B)
(C) (D)
9、回归方程的显著性检验的F检验量为( )
(A) (B)
(C) (D)
10、F统计量与可决系数R2之间的关系为( )
(A) (B)
(C) (D)
11、多重可决系数R2是指( )
(A)残差平方和占总离差平方和的比重
(B)总离差平方和占回归平方和的比重
(C)回归平方和占总离差平方和的比重
(D)回归平方和占残差平方和的比重
12、在由n=30的一组样本估计的、包含3个解释变量的线性回归模型中,计算的多重可决系数为0.8500,则修正的可决系数为( )
(A)0.8603 (B)0.8389
(C)0.8655 (D)0.8327
13、设k为模型中的参数个数,则回归平方和是指( )
(A) (B)
(C) (D)/k-1
14、用一组有30个观测值的样本估计模型后,在0.05的显著性水平下对的显著性做t检验,则显著地不等于零地条件是其统计量大于等于( )
(A)t0.05(30) (B)t0.025(28)
(C)t0.025(27) (D)F0.025(1,28)
15、在模型古典假定满足的条件下,多元线性回归模型的最小二乘估计是( )估计
(A)WIND (B)OLS
(C)BLUE (D)GREEN
二、多项选择题
1、多元样本线性回归函数是( )
(A)
(B)
(C)
(D)
2、多元总体线性回归函数的矩阵形式为( )
(A)Y=Xβ+U (B)Y=X+ e
(C) (D)
3、多元线性回归模型的古典假定有( )
(A)零均值假定 (B)同方差和无自相关假定
(C)随机扰动项与解释变量不相关假定
(D)无多重共线性假定 (E)正态性假定
4、对模型进行总体显著性检验,如果检验结果总体线性关系显著,则有( )
(A)==0 (B)≠0,=0
(C)≠0,≠0 (D)=0,≠0 (E)=≠0
5、残差平方和是指( )
(A)被解释变量观测值与估计值之间的变差
(B)被解释变量回归估计值总变差的大小
(C)被解释变量观测值总变差的大小
(D)被解释变量观测值总变差中未被列入模型的解释变量解释的那部分变差
(E)被解释变量观测值总变差中由多个解释变量作出解释的那部分变差
三、名词解释(每题4分)
1、偏回归系数
2、多重可决系数
3、修正的可决系数
4、回归方程的显著性检验(F检验)
5、回归参数的显著性检验(t检验)
6、无多重共线性假定
四、简答题(每题5分)
1、什么是多元线性回归模型的古典假定?
2、在模型古典假定成立的条件下,多元线性回归模型参数最小二乘估计具有什么样的性质?
3、
文档评论(0)