李子奈《计量经济学》考试试卷(188).docxVIP

李子奈《计量经济学》考试试卷(188).docx

  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
计量经济学》考试试卷包括题目答案分析等内容,考试时间为90分钟,涉及经济学的基本原理微观计量模型随机干扰项主成分分析等问题学生需要对题目和答案有一定的理解和掌握,以便准确理解试题的含义和要求在复习过程中,应注重理论与实践相结合,提高解题能力

某财经学院李子奈《计量经济学》

课程试卷(含答案)

__________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干扰项不相关时,随机干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计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,即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},写出截断模型的表达式,并简单讨论E(Yi|Xi)与E(Yi|Yi>0,Xi)是否相同、与是否相同?

(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,写出归并模型的表达式,并简单讨论E(Yi|Xi)与E(Yi|Yi>0,Xi)是否相同,与是否相同?

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+β2Xi2+…+βkXik+μi=Xiβ+μi,μi~N(0,σ2)。

这里,Yi*是一个潜变量,线性模型Yi*=Xiβ+μi表征的是Yi*与Xi的内在联系规律,如商品的需求量与价格的关系;而可观测Yi则是Yi*的外在表现,如实际销售量与价格的关系。在样本的一部分子集中,Yi=Yi*,而在另一部分子集中,Yi受到了“归并”,如在打折商品每位顾客的最多购买数量受到限制条件,Yi上限就是所有想购买“更多”商品的顾客的实际“购买量”。

在Yi>0的条件下,Yi=Yi*,因此

而在Yi=0的条件下,无论Yi服从何分布,都有E(Yi|Yi=0,Xi)=0。于是

从而

显然,E(Yi|Xi)与E(Yi|Yi>0,Xi)不相同。

同(1)中的推导一样

可见,与不相同。

值得一提的是,由于Yi*=Xiβ+μi,因此

解析:空

2.设有模型Y=β0+β1X1+β2X2+μ,试在下列条件下:

(1)β1+β2=1;

(2)β1=β

文档评论(0)

movie + 关注
实名认证
文档贡献者

喜欢分享的作者

1亿VIP精品文档

相关文档