古扎拉蒂-经济计量学习题标准答案
古扎拉蒂《计量经济学基础》复习笔记和课后习题详解（多元回归分析：推断问题）【圣才出品】
古扎拉蒂《计量经济学基础》复习笔记和课后习题详解（多元回归分析：推断问题）【圣才出品】第8章多元回归分析：推断问题8.1 复习笔记考点一：再议正态性假定★当回归模型的参数用于估计和推断两个方面时，还需要假定u i服从正态性假定，即：u i～N（0，σ2）。
在三变量模型中，偏回归系数的OLS估计量与ML估计量一致，是最优线性无偏估计量（BLUE）。
参数估计量也是正态分布的，且（n－3）（σ∧2/σ2）～χ2（n－3）。
参数的t值均服从自由度为n－3的t分布。
t分布可用于构造置信区间并进行假设检验。
χ2分布可用于检验关于真实σ2的假设。
考点二：多元回归中的假设检验的多种形式★1．检验个别偏回归系数的假设。
2．检验估计的多元回归模型的总体显著性，即判别全部偏斜率系数是否同时为零。
3．检验两个或多个系数是否相等。
4．检验偏回归系数是否满足某种约束条件。
5．检验所估计的回归模型在时间上或在不同横截面单元上的稳定性。
6．检验回归模型的函数形式是否正确。
考点三：检验关于个别偏回归系数的假设★★t检验的程序是基于随机误差项u i服从正态分布的假定。
检验方法：给定一个特定的显著性水平α，当t值超过临界值tα/2（df），则拒绝原假设。
或使用p值判断，当p足够小，则拒绝原假设。
参数β∧2的（1－α）置信区间为：（β∧2－tα/2se（β∧2），β∧2＋tα/2se（β∧2））。
由于不能直接观测u i，所以利用代理变量u∧i，即残差。
残差的正态性可进行雅克-贝拉（JB）检验（大样本检验）。
考点四：检验样本回归的总体显著性★★★★★1．总体显著性检验（1）定义总体显著性检验的原假设为：H0：β2＝β3＝0。
也就是检验Y是否与X2和X3存在线性关系。
（2）总体显著性检验与个别显著性检验检验个别显著性时，隐含地假定每一个显著性检验都是根据一个不同的（即独立的）样本进行的。
如果用同一样本数据去进行联合检验，就违反了检验方法所依据的基本假定。
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
三、计量经济学方法论
大致说来，传统的计量经济学方法论按如下路线进行：
1．理论或假说的陈述；
2．理论的数学模型设定；
3．统计或计量经济模型设定；
4．获取数据；
5．计量经济模型的参数估计；
理论计量经济学是要找出适当的方法，去测度由计量经济模型设定的经济关系。为此，计量经济学家非常依赖于数理统计。
在应用计量经济学中，利用理论计量经济学工具去研究经济学或管理学中的某些特殊领域。
0.2
本章没有课后习题。本章是全书的一个引言，对计量经济学这门学科作一个简要介绍。对于本章内容，学员简单了解即可。
（3）在问卷调查中，无应答的问题也可能相当严重。
（4）获取数据的抽样方法可能变化很大，要比较不同样本得来的结果常常非常困难。
（5）通常获得的经济数据都是高度加总的。
（6）由于保密性质，某些数据只能以高度加总的形式公布。
研究结果不可能比数据的质量更好。所以，如果在一定情况下，研究者发现研究的结果“不能令人满意”的话，原因不一定是误用模型，而是数据的质量不好。
4．名义尺度
此类变量不具备比率尺度变量的任何一个特征。因此适合于比率尺度变量的计量经济方法可能不适合于名义尺度变量。
1.2
1．表1-1给出了7个工业化国家的消费者价格指数（CPI）数据，以1982～1984年为该指数的基期并令1982—1984=100。
1．经济理论所作的陈述或假说大多数是定性的。计量经济学家的工作就是要提供这一数值估计。换言之，计量经济学对大多数的经济理论赋予经验内容。
2．数理经济学的主要问题，是要用数学形式(方程式)来表述经济理论，而不管该理论是否可以量化或是否能够得到实证支持。计量经济学家常常使用数理经济学家所提供的数学方程式，但要把这些方程式改造成适合于经验检验的形式。这种从数学方程到计量经济方程的转换需要有许多的创造性和实际技巧。
计量经济学古扎拉蒂课后答案
计量经济学古扎拉蒂课后答案【篇一：计量经济学考试习题及答案】双对数模型 lny?ln?0??1lnx??中，参数?1的含义是（）a.y关于x的增长率b.y关于x的发展速度c. y关于x的弹性d. y关于x 的边际变化2、设k为回归模型中的参数个数，n为样本容量。
则对多元线性回归方程进行显著性检验时，所用的f统计量可表示为（）ess（/n?k）r2/(k?1)b. a.2rss（/k?1)（1?r）（/n?k)ess（/k?1）r2（/n-k)d.c. tss（/n?k）（1?r2）（/k?1)3、回归模型中具有异方差性时，仍用ols估计模型，则以下说法正确的是（）a. 参数估计值是无偏非有效的b. 参数估计量仍具有最小方差性c. 常用f 检验失效d. 参数估计量是有偏的4、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5、一元线性回归分析中的回归平方和ess的自由度是（）a. nb. n-1c. n-kd. 16、已知样本回归模型残差的一阶自相关系数接近于1，则dw统计量近似等于( )a. 0b. 1 c. 2 d. 47、更容易产生异方差的数据为 ( )a. 时序数据b. 修匀数据c. 横截面数据d. 年度数据8、设m为货币需求量，y为收入水平，r为利率，流动性偏好函数为?2分别是?1 、?2的估计值，则根据经济理m??0??1y??2r??，又设?1、论，一般来说(a )a. ?1应为正值，?2应为负值b. ?1应为正值，?2应为正值c. ?1应为负值，?2应为负值d. ?1应为负值，?2应为正值9、以下选项中，正确地表达了序列相关的是（）a.co(v?i,?j)?0,i?jb.co(v?i,?j)?0,i?j ??????????vxi,?j)?0,i?j c.cov(xi,xj)?0,i?jd.co(10、在一元线性回归模型中，样本回归方程可表示为（）a. yt??0??1??tb.yt?e(yt/x)??ic. yt??0??1xtd. e(yt/xt)??0??1xt11、对于有限分布滞后模型 ???yt????0xt??1xt?1??2xt?2????kxt?k??t在一定条件下，参数?i 可近似用一个关于i的阿尔蒙多项式表示（i?0,1,2,?,m)，其中多项式的阶数m必须满足（） ?a．mk b．m=kc．mkd．m?k12、设?t为随机误差项，则一阶线性自相关是指（）a．cov(?t,?s)?0(t?s) b. ?t???t?1??tc. ?t??1?t?1??2?t?2??td. ?t??2?t?1??t13、把反映某一总体特征的同一指标的数据，按一定的时间顺序和时间间隔排列起来，这样的数据称为（）a. 横截面数据b. 时间序列数据c. 修匀数据d. 原始数据14、多元线性回归分析中，调整后的可决系数r与可决系数r2之间的关系（）22n?122a．?1?(1?r) b. ?r n?k22n?k2 c. ?0 d. ?1?(1?r) n?115、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16、用于检验序列相关的dw统计量的取值范围是( )a．0?dw?1b．?1?dw?1c．?2?dw?2 d．0?dw?417、如果回归模型中解释变量之间存在完全的多重共线性，则最小二乘估计量的值为（）a.不确定，方差无限大b.确定，方差无限大c.不确定，方差最小d.确定，方差最小18、应用dw检验方法时应满足该方法的假定条件，下列不是其假定条件的为（）a.解释变量为非随机的b.被解释变量为非随机的c.线性回归模型中不能含有滞后内生变量d.随机误差项服从一阶自回归二、多项选择题1、古典线性回归模型的普通最小二乘估计量的特性有（）a. 无偏性b. 线性性c. 最小方差性d. 不一致性e. 有偏性2、如果模型中存在自相关现象，则会引起如下后果（）a.参数估计值有偏b.参数估计值的方差不能正确确定c.变量的显著性检验失效d.预测精度降低e.参数估计值仍是无偏的????x的特点（） ???3、利用普通最小二乘法求得的样本回归直线yt12ta. 必然通过点（,）b. 可能通过点（,）?的平均值与y?的平均值相等 c. 残差et的均值为常数 d. ytte. 残差et与解释变量xt之间有一定的相关性4、广义最小二乘法的特殊情况是（）a．对模型进行对数变换 b.加权最小二乘法c.数据的结合d.广义差分法e.增加样本容量5、计量经济模型的检验一般包括内容有（）a、经济意义的检验b、统计推断的检验c、计量经济学的检验d、预测检验e、对比检验三、判断题（判断下列命题正误，并说明理由）1、在实际中，一元回归几乎没什么用，因为因变量的行为不可能仅由一个解释变量来解释。
古扎拉蒂《计量经济学基础》复习笔记和课后习题详解(虚拟变量回归模型)【圣才出品】
第9章虚拟变量回归模型9.1 复习笔记考点一：ANOVA模型★★★1．虚拟变量含义虚拟变量是指仅有0和1两个取值的变量，是一种定性变量。
一般而言，虚拟变量等于0表示变量不具有某种性质，等于1表示具有某种性质。
虚拟变量也可以放到回归模型中。
这种模型被称为方差分析（ANOVA）模型。
2．虚拟变量模型（1）虚拟变量的表达式Y i＝β1＋β2D2i＋β3D3i＋u i应看到，除了不是定量回归元而是定性或虚拟回归元（若观测值属于某特定组则取值为1，若它不属于那一组则取值0）之外，方程与前面考虑的任何一个多元回归模型都是一样的。
所有的虚拟变量都用字母D表示。
（2）使用虚拟变量的注意事项①若定性变量有m个类别，则只需引入m－1个虚拟变量，否则就会陷入虚拟变量陷阱，即完全共线性或完全多重共线性（若变量之间存在不止一个精确的关系）情形。
对每个定性变量而言，所引入的虚拟变量的个数必须比该变量的类别数少一个。
②不指定其虚拟变量的那一组被称为基组、基准组、控制组、比较组、参照组或省略组。
所有其他的组都与基准组进行比较。
③截距值（β1）代表了基准组的均值。
④附属于方程中虚拟变量的系数被称为级差截距系数，它反映取值为1的地区的截距值与基准组的截距系数之间的差别。
⑤如果定性变量不止一类，那么，基准组的选择完全取决于研究者。
⑥对于虚拟变量陷阱，如果在这种模型中不使用截距项，那么引入与变量的类别相同数量的虚拟变量就能够回避虚拟变量陷阱的问题。
因此，如果从方程中去掉截距项，并考虑如下模型Y i＝β1D1i＋β2D2i＋β3D3i＋u i由于此时没有完全共线性，所以就不会陷入虚拟变量陷阱。
但要确定做这个回归时，一定要使用回归软件包中的无截距选项。
⑦在一个含有截距的方程中，能更容易地处理是否有某个组与基准组有所不同以及有多大的不同，所以在方程中包括截距更方便。
为了检查分组是否得当，也可通过将虚拟变量的系数相对0做t检验（或者更一般地，对适当的虚拟变量系数集做一个F检验），就可以检验分类是否适当。
古扎拉蒂《计量经济学基础》(第5版)笔记和课后习题详解
资料来源：EconomicReport ofthe President，2007，Table13-110，P.356．
答：a．把汇率的对数作为纵轴并把时间作为横轴进行描点，如图1-4所示，汇率的波动性很大。比如，在1985年，1美元只能兑换0.257比索，但到了2004年，它能兑换约11.29比索。
2．回归分析与相关分析的区别
回归分析中，对因变量和解释变量的处理方法存在着不对称性。因变量被当作是统计的、随机的，也就是它有一个概率分布。而解释变量则被看作是（在重复抽样中）取固定值的。
相关分析中，任何（两个）变量的处理方法都是对称的；因变量和解释变量之间不加区别；两个变量都被看作是随机的。
五、术语与符号
计量经济学可定义为实际经济现象的数量分析。这种分析基于理论与观测的并行发展，而理论与观测又通过适当的推断方法得以联系。
计量经济学可定义为这样的社会科学：它把经济理论、数学和统计推断作为工具，应用于经济现象的分析。
2．研究对象和研究方法
计量经济学研究经济定律的经验判定。计量经济学家的艺术，就在于找出一组足够具体且足够现实的假定，使他尽可能最好地利用他所获得的数据。
图1-3
b．如图1-3所示，这六个国家的通货膨胀率与美国的通货膨胀率正相关。
c．相关并不意味着因果关系。从逻辑上说，回归得到的统计关系式本身不可能意味着任何因果关系。肯德尔和斯图亚特认为，一个统计关系式永远不能确立因果方面的联系，对因果关系的理念，必须来自统计学以外的某种理论。
3．表1-3给出了9个工业化国家1985～2006年间的外汇汇率数据。除英国外，汇率都定义为一美元兑换外币的数量；而英国的汇率定义为一英镑兑换美元的数量。
资料来源：Economic Report of the President，2007，Table l08，P.354．
古扎拉蒂《计量经济学基础》第14章
四、估计非线性回归模型的方法 1．直接搜索或试错法或不用求导的方法
这是在第三节中提到过的方法。 缺陷： a．如果回归元太多，计算会很复杂。 b．可以得到局部最小值,但不一定是绝对 最小值。 2．直接最优化 通过直接运用OLS方法，可以得到正规方程 (14.4) 和(14.5) ，然后运用最速下降法来解 出参数值。
国内外经典教材名师讲堂
古扎拉蒂《计量经济学基础》
第14章 非线性回归模型 主讲老师：李庆海
本章要点
●本质上的线性和非线性回归模型 ●线性和非线性回归模型的估计 ●估计非线性回归模型：试错法
一、本质上的线性和非线性回归模型
模型可以线性于参数，也可以线性于变量。 一开始讨论线性回归模型的时候，陈述过 本书所关心的基本上是线性于参数的模型。 如果一个模型非线性于参数，那么它就是 非线性回归模型。 然而，这里必须小心，有些模型可能看起 来非线性于参数，但是通过合适的变换它们可 以变成线性于参数的回归模型。
f '(0) x 1!
f
''(0) x2 2!
a1 a2 x a3x2 R
R a4 x3
三阶近似：
Y a1 a2 x a3x2 a4 x3
问：如何在x=a，z=b处展开Y=f（x，z）？
答：
f (x, z) f (a,b) fx (a,b)(x a) fz (a,b)(z b)
1 ln(
Yi
Yi
)
1 ln(
Yi
1)
ln(e12 Xi i
)
1
2 X i
i
所以这个模型本质上是线性的。
问题：常替代弹性（CES）生产函数是不 是本质线性的？
Yi A[ Ki ( 1 )L i ] 1 (14.2)
古扎拉蒂《计量经济学基础》复习笔记和课后习题详解(定性响应回归模型)【圣才出品】
第15章定性响应回归模型15.1 复习笔记考点一：定性响应模型的性质★★定性响应模型是指模型中的回归子是一个二值或二分变量的模型，通常被称为概率模型。
回归子也可以是多分响应变量或多类型响应变量。
将二值响应变量建立成概率模型的方法包括线性概率模型（LPM）、logit模型、probit模型和tobit模型。
考点二：线性概率模型（LPM）★★★★1．LPM的定义以下述回归模型为例说明：Y i＝β1＋β2X i＋u i。
其中X表示家庭收入；Y＝1，则表示该家庭拥有住房；Y＝0，则该家庭不拥有住房。
该模型被称为线性概率模型，因为Y i在给定X i下的条件期望E（Y i|X i）可解释为在给定X i下事件（家庭拥有住房）发生的条件概率，即Pr（Y i＝1|X i）。
2．LPM的特征令P i表示“Y i＝1”（即事件发生）的概率，而1－P i表示“Y i＝0”（即事件不发生）的概率，则变量Y i服从贝努利概率分布。
根据期望的定义，有：E（Y i）＝0（1－P i）＋1P i＝P i。
此外有：E（Y i|X i）＝β1＋β2X i ＝P i，即模型的条件期望事实上可以解释为Y i的条件概率。
该模型的约束条件为：0≤E（Y i|X i）≤1。
3．LPM的问题（1）干扰项u i的非正态性若把方程写成：u i＝Y i－β1－β2X i，u i的概率分布见表15-1。
表15-1 u i的概率分布可见u i服从贝努利分布而不是正态分布。
虽然干扰项不满足正态性假定，但OLS的点估计值仍具有无偏性。
此外在大样本下，OLS估计量一般都趋于正态分布，因此LPM的统计推断仍可用正态性假定下的OLS程序。
（2）干扰项的异方差性即使LPM中的干扰项满足零均值和无序列相关性假定，但也不能说它具有同方差性。
对于贝努利分布，理论上的均值和方差分别为P和P（1－P），可见方差是均值的函数，而均值的取值依赖于X的值，因此LPM中的干扰项具有异方差性。
古扎拉蒂《经济计量学精要》(第4版)笔记和课后习题详解-双变量模型：假设检验(圣才出品)
第3章双变量模型：假设检验3.1 复习笔记一、古典线性回归模型古典线性回归模型假定如下：假定1：回归模型是参数线性的，但不一定是变量线性的。
回归模型形式如下：Y i＝B1＋B2X i＋u i这个模型可以扩展到多个解释变量的情形。
假定2：解释变量X与扰动误差项u不相关。
但是，如果X是非随机的（即为固定值），则该假定自动满足。
即使X值是随机的，如果样本容量足够大，也不会对分析产生严重影响。
假定3：给定X，扰动项的期望或均值为零。
即E（u|X i）＝0（3-1）假定4：u i的方差为常数，或同方差，即var（u i）＝σ2（3-2）假定5：无自相关假定，即两个误差项之间不相关。
即：cov（u i，u j）＝0，i≠j（3-3）无自相关假定表明误差u i是随机的。
由于假定任何两个误差项不相关，所以任何两个Y值也是不相关的，即cov（Y i，Y j）＝0。
由于Y i＝B1＋B2X i＋u i，则给定B值和X值，Y 随u的变化而变化。
因此，如果u是不相关的，则Y也是不相关的。
假定6：回归模型是正确设定的。
换句话说，实证分析的模型不存在设定偏差或设定误差。
这一假定表明，模型中包括了所有影响变量。
二、普通最小二乘估计量的方差与标准误有了上述假定就能够估计出OLS估计量的方差和标准误。
由此可知，教材式（2-16）和教材式（2-17）给出的OLS估计量是随机变量，因为其值随样本的不同而变化。
这种抽样变异性通常由估计量的方差或其标准误（方差的平方根）来度量。
教材式（2-16）和式（2-17）中OLS估计量的方差及标准误是：（3-4）（3-5）（3-6）（3-7）其中，var表示方差，se表示标准误，σ2是扰动项u i的方差。
根据同方差假定，每一个u i具有相同的方差σ2。
一旦知道了σ2，就很容易计算等式右边的项，从而求得OLS估计量的方差和标准误。
根据下式估计σ2：（3-8）其中，σ∧2是σ2的估计量，是残差平方和，是Y的真实值与估计值差的平方和，即()122212var ibiXbn xσσ==∑∑1se()b=()22222varbibxσσ==∑()2se b=22ˆ2ienσ=−∑2ie∑n －2称为自由度，可以简单地看作是独立观察值的个数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
部分作业答案：（各题只要回答到如下程度就是满分哦)
第1章 概论
一、填空
1。
近似,散点；
2. 平均值，平均值
第2章 线性回归的基础理论
一、填空
1. 因变量Y ，解释变量X
二、单项选择题
1-2 AB
三、名词解释
总体：实验所有可能结果的集合称为总体或样本空间.
样本：也叫样本点,是指总体的某个元素或某种结果。
随机实验：至少有两个可能的结果，但不确定哪一个结果会出现的某个观察或测度过程. 估计量:是指总体参数的估计方法或计算公式.
估计值：估计量的某一具体取值称为估计值.
变量线性:是指因变量的条件均值是解释变量的线性函数。
参数线性：是指因变量的条件均值是参数B 的线性函数，而变量之间不一定是线性的。
四、简述
1。
答：14世纪英国逻辑学家奥卡姆提出简单有效原理，即“如无必要，勿增实体”，亦即“切勿浪费较多东西去做用较少的东西同样可以做好的事情”.因此，模型应尽量简化，只要不遗漏重要变量即可，即便某些变量对Y 有影响,但它们的综合影响如果是有限的，非随机的,都可以不予考虑，即归入u 中。
2. 答：对双变量回归模型而言，如果总体回归线接近于直线，可用函数表示为E （Y ︱X i )=B 1+B 2X i ，其中,B 1为截距，B 2为斜率，该函数就称为非随机总体回归函数。
它表示在给定X 的条件下,Y 分布的均值.
对双变量回归模型而言，如果总体回归线接近于直线,回归方程可表示为Y i =B 1+B 2X i +u i ，其中，B 1+B 2X i 表示在给定X 的条件下Y 分布的均值,u i 为随机误差项。
它表示真实的Y 值是如何在均值附近波动的。
对双变量回归模型而言，若样本回归线接近于直线，则非随机样本回归函数可表示为ˆi Y =b 1+b 2X i ，其中,ˆi
Y =总体条件均值E （Y ︱X i ）的估计量,b 1=真实截距B 1的估计量，b 2=真实斜率B 2的估计量.
对双变量回归模型而言，若样本回归线接近于直线，则随机样本回归函数可表示为Y i =b 1+b 2X i +e i ，其中，b 1+b 2X i 表示总体条件均值E （Y ︱X i )的估计量，e i 表示误差项u i 的样本估计量，称为残差。
五、论述题
什么是普通最小二乘法？（按教材内容回答，不必按讲义，因它太细了）
答：回归分析的目的是根据SRF （样本回归函数)估计PRF (总体回归函数)，普通最小二乘法是获得SRF 最主要的方法。
随机PRF(Y i =B 1+B 2X i +u i ）不能直接观察，但能通过随机SRF （Y i =b 1+b 2X i +e i ）估计.由
SRF 得e i =Y i -b 1-b 2X i ,而ˆi Y =b 1+b 2X i ，因此，e i =Y i —ˆi
Y =实际的Y i —估计的Y i .残差的绝对值越
小，表示SRF 与PRF 越靠近，即估计越好。
残差的平方和最小即可表示SRF 与PRF 越靠
近，用数学公式表示为：2i Min e ∑2ˆ()i i
Min Y Y =-∑212()i i Min Y b b X =--∑.该式中，X 和Y 可由观测得到，2i e ∑是b 1和b 2的函数.因此，2i Min e ∑等价于2i e ∑分别对b 1和b 2求偏导等于0。
由此，得到:
12i i Y nb b X =+∑∑
212i i i i Y X b X b X =+∑∑∑
其中，n 为样本容量.此联立方程称为最小二乘正规方程。
求解正规方程得到：
12b Y b X =-
22
222()()()i i i i
i i i i i x y X X Y Y X Y nXY
b x X X X nX ---===--∑∑∑∑∑∑
其中，样本截距b 1是总体截距B 1的估计量，样本斜率b 2是总体斜率B 2的估计量。
x i ，y i 表示变量与其相应均值的离差,即x i =X i —X ,y i =Y i -Y 。
第3章 常用概率分布
一、填空
1. 正态；倒扣的钟形
2。
随机抽样（或随机样本)；独立同分布
3. 正态分布;正态分布
4。
N(0，1)；n-1;学生t 分布
5. χ2
6. χ2
二、单项选择题
1-5 DCBAC
三、名词解释
概率密度函数：是指连续型随机变量在某一特定范围或区域内的概率。
期望:是随机变量的可能取值的加权平均，权重为各可能取值的概率。
换言之，随机变量的期望就是该变量可能取值与其对应概率之积的加总。
方差：等于随机变量与均值之差的平方的期望,即var （X ）=2x σ=E （X —μx )2，其中，μx =E
（X)。
方差表明随机变量X 的取值与均值的偏离程度。
自由度:是指计算统计量（如样本均值或方差）时独立观察值的个数。
第4章 统计推断的基本理论
一、填空
1。
估计，假设检验
2. 固定值，随机变量
二、单项选择题
1 B。