自己整理计量经济学重难点.docxVIP

当模型存在严重的多重共线性时，OLS估计量将不具备（ D ）A．线性 B．无偏性 C．有效性 D．一致性对于，以表示估计标准误差，表示回归值，则（ B ）。A． B．C． D．,n是样本数量，k是模型中变量的个数。在其他变量不变的情况下，引入新的变量，总能提高模型的R2。修正R2就是相当于给变量的个数加惩罚项。换句话说，如果两个模型，样本数一样，R2一样，那么从修正R2的角度看，使用变量个数少的那个模型更优。调整后的决定系数与决定系数R2之间的关系叙述错误的是（ ） A. 与R2均非负 B. 有可能大于R2 C.判断多元回归模型拟合优度时，使用 D.模型中包含的解释变量个数越多，与R2就相差越大调整后的判定系数与判定系数R2的关系为假设回归模型为，其中Xi为随机变量，Xi与Ui相关则的普通最小二乘估计量有偏且不一致（有偏肯定不一致）在异方差条件下普通最小二乘法具有如下性质（ AB ）A.线性　　 B.无偏性　 C.最小方差性　 　D.精确性　　 E.有效性当存在异方差时，普通最小二乘估计存在以下问题:（1）仍然具有一致性。（2）不影响模型参数最小二乘估计值的无偏性，但不是最小方差线性无偏估计；（3）参数的最小二乘估计量不是一个有效的估计量，显著性检验失效；（4）模型估计式的代表性降低，预测精度精度降低。序列相关性的原因：遗漏重要解释变量、经济系统惯性滞后、数据处理、蛛网现象、模型设定偏误序列相关性的后果：参数估计无偏但无效、低估随机误差项方差、F检验t检验失效、模型预测失效自相关情况下将导致（ABCDE）A. 参数估计量不再是最小方差线性无偏估计量B. 均方差MSE可能严重低估误差项的方差C. 常用的F检验和t检验失效D. 参数估计量是无偏的E．利用回归模型进行预测的结果会存在较大的误差完全多重共线性对OLS估计量的影响有哪些？答：（1）无法估计模型的参数，即不能独立分辨各个解释变量对因变量的影响。（2）参数估计量的方差无穷大（或无法估计）不完全多重共线性对OLS估计量的影响有哪些？答：（1）可以估计参数，但参数估计不稳定。（2）参数估计值对样本数据的略有变化或样本容量的稍有增减变化敏感。（3）各解释变量对被解释变量的影响难精确鉴别。（4）t检验不容易拒绝原假设。从哪些症状中可以判断可能存在多重共线性？（1）模型总体性检验F值和R2值都很高，但各回归系数估计量的方差很大，t值很低，系数不能通过显著性检验。（2）回归系数值难以置信或符号错误。（3）参数估计值对删除或增加少量观测值，以及删除一个不显著的解释变量非常敏感。在多元线性回归模型中，为第K个解释变量对其余（K-1）个解释变量回归的决定系数，方差膨胀因子VIF的计算公式为（），当0VIF10，不存在多重共线性；当10≤VIF100，存在较强的多重共线性；当VIF≥100，存在严重多重共线性。方差膨胀因子：是指解释变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比。相关系数，判定系数，估计Y对X的回归直线: 有10户家庭的收入（X，百元）和消费（Y，百元）数据如下表：若建立的消费Y对收入X的回归直线的Eviews输出结果如下：Dependent Variable: YVariableCoefficientStd. ErrorX0.2022980.023273C2.1726640.720217R-squared0.904259S.D. dependent var2.233582Adjusted-squared0.892292 F-statistic75.55898Durbin-Watson stat2.077648 Prob(F-statistic)0.000024（2）在95%的置信度下检验X参数的显著性。（，，，）（3）在95%的置信度下，预测当X＝45（百元）时，消费（Y）的置信区间。（其中，）答：（2）对于斜率项，，即表明斜率项显著不为0，家庭收入对消费有显著影响。对于截距项，，即表明截距项也显著不为0，通过了显著性检验。单侧检验（3）Yf=2.17+0.2023×45＝11.2735为均值区间预测；为个值区间预测个值区间预测就是给出实际值的一个置值区间系数b 的置信水平为1-α的置信区间为参数的估计量具备有效性是指（ B ）。A． B． C． D．阿尔蒙变换适用于下列什么模型（ B ）。A.无限分布滞后模型 B.有限分布滞后模型 C.无限自回归模型 D. 有限自回归模型在结构式模型中，若某结构式方程标准形式的变量系数存在零约束，则该结构方程：（ C? ）。A.不可识别的B.过度识别的C.恰好识别的D.不能判断识别的阶条件：模型中一个方程是可识别的必要条件是，该方程所不包含的模型中变量的数目大于等于模型中方程个数减1