计量经济学复习题(含答案)(课堂PPT)
相关主题
- 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)。
yˆi ˆ0 ˆ1xi1 ˆk xik
5
• 3、随机总体回归函数
6
• 从总体上表明了单个y同解释变量和随机干 扰项之间的关系。即
y 0 1x1 k xk u E( y | x) u
7
• 4、随机样本回归函数
8
• 从所抽取样本的角度说明了被解释变量与 被解释变量以及残差之间的关系。即
• 3、线性回归模型意味着模型变量是线性的 。
28
• 答：错误。线性回归模型是指所建立的模 型中回归系数为线性。而其中的解释变量 和被解释变量不一定是线性的。
29
• 4、在线性回归模型中，解释变量是因，因 变量是果。
30
• 答：错误。通常情况下，解释变量与被解 释变量之间的因果关系是由经济理论决定 的，而不是由回归模型决定的。
。 • (9) 斜率为正。当收入增加时，可自由支配
的收入也增加，从而导致对较为昂贵汽车 的需求上升，而大部分日本汽车都较为昂 贵，因此人们对日本汽车的需求会上升。
40
• 1.7判别下列模型是否为线性回归模型：
• (1
yi
0
1
(ຫໍສະໝຸດ Baidu
1 xi
)
； (2)；yi 0 1 ln xi ui
• (3) ln yi 0 1xi ui ； (4)；ln yi 0 1 ln xi ui
• (2)斜率为正。在其他条件不变的情况下， 利率水平越高，人们储蓄的欲望越大。
38
• (3)一般情况下，斜率为正。 • (4)国际形势不发生重大改变的情况下，斜
率为正。 • (5)斜率可能为正。 • (6)斜率可能为负。民众对总统越熟悉，对
总统产生厌恶的可能性越大。
39
• (7)斜率可能为正。 • (8) 斜率为正。统计学是计量经济学的基础
每周 收入( 元)x
每周消费支出(元)y
80 55,60,65,70,75 100 65,70,74,80,85,88 120 79,84,90,94,98 140 80,93,95,103,108,113,115 160 102,107,110,116,118,125
36
序号 因变量 自变量
1 GDP
利率
2 个人储蓄 利率
3 小麦产出 降雨量
4 美国国防 俄罗斯国
开支
防开支
序号 因变量 自变量
5 总统声誉 任职时间
6 学生第一 SAT分数 年GPA分 数
7 学生经济 统计学成 计量学成 绩 绩
8 日本汽车 美国人均 的进口量 国民收入
37
• 答：(1)这取决于高利率水平对构成GDP的 各部分(居民消费、投资、政府消费和进出 口)的影响。无法确定。
说明了被解释变量 yi 与被解释变量 xi 以 及残差 uˆi 之间的关系。即
yi ˆ0 ˆ1xi1 ˆk xik uˆi yˆi uˆi
21
• 1.3讨论；“既然不能观察到总体回归函数 ，为什么还要研究它呢？”
22
• 答：就像经济理论中的完全竞争模型一样 ，总体回归函数也是一个理论化的、理想 化的模型，在现实中很难得到。但是这样 一个理想化的模型有助于我们把握所研究 问题的本质。
18
• 回归系数的估计量( ˆ j )说明了如何通过样
• 本数据来计算回归系数( j )的估计值。也 称为样本回归估计值。
19
• 1.2 随机总体回归函数与随机样本回归函数 有什么区别？
20
• 随机总体回归函数是从总体上表明了单个y 同解释变量和随机干扰项之间的关系。即
y 0 1x1 k xk u E( y | x) u • 随机样本回归函数是从所抽取样本的角度
yi ˆ0 ˆ1xi1 ˆk xik uˆi yˆi uˆi
9
• 5、线性回归模型
10
• 回归参数为线性的回归模型。
11
• 6、随机误差项( ui )
12
• 它代表了与被解释变量y有关但未被纳入模 型变量的影响。每一个随机误差项对于y的 影响都是非常小的，且是随机的。随机误 差项的均值为零。即
31
• 5、随机变量的条件均值与非条件均值是一 回事。
32
• 答：错误。只有x和y独立时
E( y | x)和E( y)
• 才相等。
33
• 1.5下面两者之间有什么关系？
• (1) ˆ1和1 ；(2) ˆ2和2
；
• (3) uˆi和ui
。
• 上述哪些量可以观察得到？如何观察得到
？
34
• 答：
• (1) ˆ1是1 的回归估计量；
• (5) yi 0 12xi ui ； (6) yi 0 13 xi ui
41
• 答：(1)-(4)题是，(5)-(6)题不是。
42
• 1.8下表给出了每周家庭的消费支出y(元)与 每周家庭收入x(元)的数据。
43
每周消费支出与每周收入的假想数 据
每周 收入( 元)x
每周消费支出(元)y
第1-4章 计量经济学复习题 (2015.5)
第一部分 简单线性回归的基本思想
1
2.1 解释概念
• 1、总体回归函数(PRF)
2
• 答：总体回归函数反映了被解释变量的均 值同一个或多个解释变量之间的关系。即
E( y | x) 0 1x1 k xk
3
• 2、样本回归函数(SRF)
4
• 样本回归函数是总体回归函数的近似。即
ui yi 0 1xi1 k xik
13
• 7、残差项( uˆi )
14
• 它是随机误差项的近似。即
uˆi yi yˆi
15
• 8、回归系数或回归参数
16
•若
y 0 1x1 k xk u
• 则称 0 , 1， , k
• 为回归系数或回归参数。
17
• 9、回归系数的估计量
• (2) ˆ2是2 的回归估计量；
• (3) uˆi是ui 的估计量。
• 在现实中，我们无法观测到 1，2和ui ， 但是只要得到一组观测数据，就可以通过
• ˆ1，ˆ2和uˆi 得到它们的估计量。
35
• 1.6 下表列出了若干对自变量与因变量。对 每一对变量，它们之间的关系如何？是正 的？负的？还是无法确定？也就是说，其 斜率是正还是负，或都不是？说明理由。
23
1.4判断正误并说明理由。
• 1、随机误差项与残差项是一回事。
24
• 答 的：一错个误近。似残(估差计项值)。uˆi 是随机误差项 ui
25
• 2、总体回归函数给出了与自变量每个取值 相对应的因变量的值。
26
• 答：错误。总体回归函数给出了在解释变 量给定条件下被解释变量的条件均值。
27
5
• 3、随机总体回归函数
6
• 从总体上表明了单个y同解释变量和随机干 扰项之间的关系。即
y 0 1x1 k xk u E( y | x) u
7
• 4、随机样本回归函数
8
• 从所抽取样本的角度说明了被解释变量与 被解释变量以及残差之间的关系。即
• 3、线性回归模型意味着模型变量是线性的 。
28
• 答：错误。线性回归模型是指所建立的模 型中回归系数为线性。而其中的解释变量 和被解释变量不一定是线性的。
29
• 4、在线性回归模型中，解释变量是因，因 变量是果。
30
• 答：错误。通常情况下，解释变量与被解 释变量之间的因果关系是由经济理论决定 的，而不是由回归模型决定的。
。 • (9) 斜率为正。当收入增加时，可自由支配
的收入也增加，从而导致对较为昂贵汽车 的需求上升，而大部分日本汽车都较为昂 贵，因此人们对日本汽车的需求会上升。
40
• 1.7判别下列模型是否为线性回归模型：
• (1
yi
0
1
(ຫໍສະໝຸດ Baidu
1 xi
)
； (2)；yi 0 1 ln xi ui
• (3) ln yi 0 1xi ui ； (4)；ln yi 0 1 ln xi ui
• (2)斜率为正。在其他条件不变的情况下， 利率水平越高，人们储蓄的欲望越大。
38
• (3)一般情况下，斜率为正。 • (4)国际形势不发生重大改变的情况下，斜
率为正。 • (5)斜率可能为正。 • (6)斜率可能为负。民众对总统越熟悉，对
总统产生厌恶的可能性越大。
39
• (7)斜率可能为正。 • (8) 斜率为正。统计学是计量经济学的基础
每周 收入( 元)x
每周消费支出(元)y
80 55,60,65,70,75 100 65,70,74,80,85,88 120 79,84,90,94,98 140 80,93,95,103,108,113,115 160 102,107,110,116,118,125
36
序号 因变量 自变量
1 GDP
利率
2 个人储蓄 利率
3 小麦产出 降雨量
4 美国国防 俄罗斯国
开支
防开支
序号 因变量 自变量
5 总统声誉 任职时间
6 学生第一 SAT分数 年GPA分 数
7 学生经济 统计学成 计量学成 绩 绩
8 日本汽车 美国人均 的进口量 国民收入
37
• 答：(1)这取决于高利率水平对构成GDP的 各部分(居民消费、投资、政府消费和进出 口)的影响。无法确定。
说明了被解释变量 yi 与被解释变量 xi 以 及残差 uˆi 之间的关系。即
yi ˆ0 ˆ1xi1 ˆk xik uˆi yˆi uˆi
21
• 1.3讨论；“既然不能观察到总体回归函数 ，为什么还要研究它呢？”
22
• 答：就像经济理论中的完全竞争模型一样 ，总体回归函数也是一个理论化的、理想 化的模型，在现实中很难得到。但是这样 一个理想化的模型有助于我们把握所研究 问题的本质。
18
• 回归系数的估计量( ˆ j )说明了如何通过样
• 本数据来计算回归系数( j )的估计值。也 称为样本回归估计值。
19
• 1.2 随机总体回归函数与随机样本回归函数 有什么区别？
20
• 随机总体回归函数是从总体上表明了单个y 同解释变量和随机干扰项之间的关系。即
y 0 1x1 k xk u E( y | x) u • 随机样本回归函数是从所抽取样本的角度
yi ˆ0 ˆ1xi1 ˆk xik uˆi yˆi uˆi
9
• 5、线性回归模型
10
• 回归参数为线性的回归模型。
11
• 6、随机误差项( ui )
12
• 它代表了与被解释变量y有关但未被纳入模 型变量的影响。每一个随机误差项对于y的 影响都是非常小的，且是随机的。随机误 差项的均值为零。即
31
• 5、随机变量的条件均值与非条件均值是一 回事。
32
• 答：错误。只有x和y独立时
E( y | x)和E( y)
• 才相等。
33
• 1.5下面两者之间有什么关系？
• (1) ˆ1和1 ；(2) ˆ2和2
；
• (3) uˆi和ui
。
• 上述哪些量可以观察得到？如何观察得到
？
34
• 答：
• (1) ˆ1是1 的回归估计量；
• (5) yi 0 12xi ui ； (6) yi 0 13 xi ui
41
• 答：(1)-(4)题是，(5)-(6)题不是。
42
• 1.8下表给出了每周家庭的消费支出y(元)与 每周家庭收入x(元)的数据。
43
每周消费支出与每周收入的假想数 据
每周 收入( 元)x
每周消费支出(元)y
第1-4章 计量经济学复习题 (2015.5)
第一部分 简单线性回归的基本思想
1
2.1 解释概念
• 1、总体回归函数(PRF)
2
• 答：总体回归函数反映了被解释变量的均 值同一个或多个解释变量之间的关系。即
E( y | x) 0 1x1 k xk
3
• 2、样本回归函数(SRF)
4
• 样本回归函数是总体回归函数的近似。即
ui yi 0 1xi1 k xik
13
• 7、残差项( uˆi )
14
• 它是随机误差项的近似。即
uˆi yi yˆi
15
• 8、回归系数或回归参数
16
•若
y 0 1x1 k xk u
• 则称 0 , 1， , k
• 为回归系数或回归参数。
17
• 9、回归系数的估计量
• (2) ˆ2是2 的回归估计量；
• (3) uˆi是ui 的估计量。
• 在现实中，我们无法观测到 1，2和ui ， 但是只要得到一组观测数据，就可以通过
• ˆ1，ˆ2和uˆi 得到它们的估计量。
35
• 1.6 下表列出了若干对自变量与因变量。对 每一对变量，它们之间的关系如何？是正 的？负的？还是无法确定？也就是说，其 斜率是正还是负，或都不是？说明理由。
23
1.4判断正误并说明理由。
• 1、随机误差项与残差项是一回事。
24
• 答 的：一错个误近。似残(估差计项值)。uˆi 是随机误差项 ui
25
• 2、总体回归函数给出了与自变量每个取值 相对应的因变量的值。
26
• 答：错误。总体回归函数给出了在解释变 量给定条件下被解释变量的条件均值。
27