李子奈《计量经济学》考试试卷(188).pdfVIP

李子奈《计量经济学》考试试卷(188).pdf

  1. 1、本文档共10页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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

某财经学院李子奈《计量经济学》

程卷(含答案)

课试

__________学年第___学期考试类型:(闭卷)考试

考试时间:90分钟年级专业_____________

学号_____________姓名_____________

1、判断题(3分,每题1分)

1.随机变量的条件均值与非条件均值是一回事。()

正确

错误

答案:错误

解析:只有在解释变量与随机扰项不相关时,随机扰项的条件均

值与非条件均值才是一回事。在基本假设成立的情况下,两者是一回

事。

2.具有较高分解性程度的宏观量模型的样本期模拟精度和样本期

外的预测精度都较低。()

正确

错误

答案:错误

解析:具有较高的分解性程度的宏观计量经济学模型具有以下优点:

①模型能较好地反映客观存在的结构现象,在应用中具有较好的结构

功能。②方程能较好地描述经济行为。③模型的样本期模拟精度和样

本期外的预测精度都较高。④可以使偏差多样化和分散化。

3.对于一元线性回归模型,样本回归函数的离差和等于0。()

正确

错误

答案:正确

解析:用最小二乘法进行估计时,可以得到正规方程Σ(Yi-β∧0-

β∧1Xi)=0,样本回归函数为Y∧i=β∧0+β∧1Xi,Σ(Yi-Y∧i)

=0,样本回归函数的离差和为0。

2、名词题(5分,每题5分)

1.t检验

答案:t检验是针对每个解释变量进行的显著性检验,即构造一个t统

计量,如果该统计量的值落在置信区间外,就拒绝原假设。t检验主要

用于样本含量较小(例如n<30),总体标准差σ未知的正态分布资

料。t检验分为单总体检验和双总体检验。单总体t检验时检验一个样

本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正

态分布,如总体标准差未知且样本容量小于30,那么样本平均数与总

体平均数的离差统计量呈t分布。双总体t检验是检验两个样本平均数

与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情

况,一是独立样本t检验,一是配对样本t检验。

解析:空

3、简答题(25分,每题5分)

1.对于一组观测数据

想建立Yi关于Xi的线性回归方程,假设随机干扰项服从正态分布

μi~N(0,σ2)。

(1)如果数据具有截断数据的特征,即只观测到Yi>0的数据{(Yi,

Xi),i=1,2,…,n},出截断模型的表达式,并简单讨论E

(Yi|Xi)与E(Yi|Yi>0,Xi)是相同、与是相同?

(2)如果数据具有归并数据的特征,即所观测到的数据中,有一部分

是Yi=0,它们是对Yi≤0的数据的归并,出归并模型的表达式,并

简单讨论E(Yi|Xi)与E(Yi|Yi>0,Xi)是相同,与是相同?

答案:(1)对只观测到Yi>0的数据{(Yi,Xi),i=1,2,…,n},

截断模型可写为:

Yi=β0+β1Xi1+β2Xi2+…+βkXik+μi=Xiβ+μi

其中,Xi=(1,Xi1,Xi2,…,Xik),β=(β0,β1,…,βk)′,

μi~N(0,σ2)。

可见,截断模型的原始模型在写法上与传统的线性模型没有区别,因

此必有E(Yi|Xi)=Xiβ。但在Yi>0的条件下:

从上述讨论中可以看出,E(Yi|Xi)与E(Yi|Yi>0,Xi)不同。事实

上,前者源于模型本身的设定问题,与样本取值无关,后者只是在一

个限定条件下的条件期望而已。

其中用到了以及的性质。因此

可见与不相同。

(2)这里归并数据的特征是其中Yi≤0的数据都“归并”成了Yi=0,

这时相应的Xi仍存在,因此是典型的托宾(Tobin)数据类型,对应

的线性模型即是如下的Tobit模型:

其中Yi*=β0+β1Xi1+β

文档评论(0)

我的文档我做主 + 关注
实名认证
文档贡献者

有偿文档使用

1亿VIP精品文档

相关文档