mooc计量经济学_9答案(慕课2023完整答案)
44 min readmooc计量经济学_9答案(慕课2023完整答案)
第二单元测试
1、OLS估计量是学答通过（）推导的：
A、将对应的案慕案最小值的与对应的最大值的相连
B、最小化残差之和
C、课完最小化残差绝对值之和
D、整答最小化残差的计量经济平方之和
2、将因变量的学答值扩大10，将自变量的案慕案值同时扩大100，则：
A、课完斜率的整答估计值不变
B、截矩的计量经济估计值不变
C、回归的学答不变
D、OLS估计量的案慕案方差不变
3、估计量具有抽样分布的课完原因是（）
A、在给定的整答情况下，误差项的不同实现会导致的取值有所不同
B、在现实数据中你往往会重复得到多组样本
C、经济数据是不精确的
D、不同的人可能有不同的估计结果
4、在其他因素相同的条件下，斜率估计量标准差较小，如果（）
A、解释变量有更多变差
B、误差项的方差更大
C、样本容量更小
D、截矩估计值更小
5、误差项的异方差会影响OLS估计量的（）
A、线性性
B、无偏性
C、一致性
D、最优性
6、解释变量与残差之间的样本协方差总是为零。
7、回归模型 不可以用OLS估计，因为它是一个非线性模型。
8、在经典的资本资产定价模型中，股票的超额收益率（定义为股票的收益率减去无风险收益率）是市场组合超额收益率（定义为市场大型组合收益率减去无风险收益率）的线性函数，即. 设某年的国债收益率百分之3.5，而大型分散化股票组合（S&P500）收益率为百分之7.3，如果微软公司的系数为1.27，则同期微软公司的股票收益率为百分之（）。（答案保留小数点后两位）
9、假设某研究者基于100个班的班级规模（CS）和平均测试成绩（TestScore）数据估计的OLS回归为： 若某班级有22个学生，则班级平均成绩的估计值是（）(答案保留小数点后两位)
10、假设某研究者基于100个班的班级规模（CS）和平均测试成绩（TestScore）数据估计的OLS回归为： 这100个班的测试成绩的样本标准差()等于（ ）(答案保留小数点后两位)
第三章 一元回归方程的检验
第三单元测试
1、在回归方程 = 698.9 – 2.28 × STR 中，如果斜率系数的 t- 统计量为 -4.38, 则它的标准误是（）？
A、0.52
B、1.96
C、-1.96
D、4.38
2、在假设检验中，如果得到一个很小的 p-值（比如小于5%），则
A、该结果有利于原假设
B、说明t统计量小于1.96
C、该结果不利于原假设
D、该结果出现的概率大约为5%
3、如果一个假设在5%的显著水平下不能被拒绝，则它
A、在10%的显著水平下一定不会被拒绝
B、在10%的显著水平下一定被拒绝
C、在1%的显著水平下可能被拒绝
D、在1%的显著水平下一定不会被拒绝
4、如果一个假设在5%的显著水平下被拒绝，则它
A、在10%的显著水平下一定不会被拒绝
B、在10%的显著水平下一定被拒绝
C、在1%的显著水平下一定被拒绝
D、在1%的显著水平下一定不会被拒绝
5、下列哪个现象会使得通常的OLS t 统计量无效？
A、异方差
B、X有异常值
C、误差项没有正态分布，但是数据满足中心极限定理要求
D、回归方程没有常数项
6、用小样本数据进行回归时，如果用正态分布来代替原本应该使用的t-分布来进行单个回归系数的检验会导致拒绝域的增大。
7、当经典线性回归模型去掉残差服从正态分布的假设时，仍然可以使用最小二乘法来估计未知参数，但是这时检验某个参数是否等于0的统计量不再服从t分布。
8、在一个研究工人年龄(Age)对时薪(AHE)的一元回归方程中，我们得到如下的估计结果： = 1.08 + 0.60 ′ Age (1.17) (0.04) 为了检验斜率参数的显著性，则该检验的p值为（）。（答案精确到小数点后两位）
9、在上述研究中，假设我们分别对具有高中文凭和大学文凭的工人做回归，得到如下估计结果： 高中组： = 6.52 + 0.30 ′ Age (1.25) (0.04) 大学组： = -4.44 + 0.92 ′ Age (1.77) (0.06) 则大学组与高中组年龄对时薪的边际影响差异为（）。（答案精确到小数点后两位）
10、在上述两个回归中，假设两组样本是独立的，则大学组与高中组年龄对时薪的边际影响差异的置信区间上界为（）。（答案精确到小数点后两位，。提示，对于两组独立样本，）
第五章 多元回归方程的估计及分布理论
第五单元 多元回归模型测试
1、虚拟变量陷阱(dummy variable trap)是以下哪个情形
A、不完全多重共线性
B、仅仅是理论所关心的
C、完全多重共线性
D、实际操作中不会发生的
2、如果多元回归的四个经典假设条件（参数线性，随机抽样，零条件均值，不存在完全多重共线性）满足，那么OLS估计量满足
A、如果n>25,估计量是正态分布的
B、是BLUE
C、如果误差项是同方差，那么估计量一定是正太分布
D、是无偏且一致的估计量
3、关于不完全共线性，如下哪个说法是正确的
A、无法计算最小二乘估计量
B、即使样本容量n>100,最小二乘估计量也是有偏的
C、两个或者多个自变量是高度相关的
D、回归误差项是高度相关的
4、如果回归模型中遗漏了能够影响因变量的变量，会产生的后果是
A、虽然无法度量出遗漏变量的作用，但是对模型中现存的变量进行估计不受影响
B、一定会使得当前模型的最小二乘估计量有偏
C、既然其他变量没有包括进来，所以当前模型的估计是正确的
D、如果遗漏的变量和现存的变量相关，会使得当前的最小二乘估计量有偏
5、如果模型有遗漏变量偏差，会使得哪一个最小二乘的假设条件不满足
A、
B、 是独立同分布的
C、模型是同方差的
D、模型不存在完全共线性
6、考虑有两个自变量X1 和 X2的回归模型，这两个自变量都是Y的影响因素。如果先使用X1 对Y做回归，估计得到的回归系数很小，但是同时使用X1 ，X2 做回归，发现X1 前面的回归系数变大了很多。这意味的前面的一元线性回归存在
A、异方差
B、完全共线性
C、虚拟变量陷阱
D、遗漏变量偏差
7、用最小二乘方法估计多元回归模型得到的残差项求和一定等于0
8、在样本容量确定的情况下，新加入一个与原来存在的自变量有相关性的自变量会使得参数估计量的方差变大。
9、根据2003年某社区的220个住房销售数据研究房屋价格的影响因素，现使用房屋面积，卫生间个数和房龄三个自变量建立多元回归模型得到回归的R方为0.715，请问调整之后的R方应该是（ 保留3位小数 )
10、根据2003年某社区的220个住房销售数据研究房屋价格(Price，单位1000美元)的影响因素，现使用房屋面积(Size，单位：平方英尺)，卫生间个数(Bath)和房龄(Age)三个自变量建立多元回归模型得到如下的回归估计 现在某房主扩建了20平方英尺作为一个新的卫生间，请问房价预期增加多少（单位：1000美元）？（保留两位小数）
学习通计量经济学_9
本文主要介绍学习通计量经济学课程第九章的内容。
1. 面板数据模型
面板数据又称为长期数据或追踪数据，是一种涵盖多个时间和多个个体观测数据的数据集。在面板数据模型中，我们同时考虑两个方面的变化，时间变化和个体变化，这种方法可以消除时间不变的个体差异因素的影响，从而更准确地估计模型参数。
1.1 面板数据的分类
根据时间跨度和时间频率的不同，面板数据分为两种：平衡面板和非平衡面板。
平衡面板是指所有个体在所有时间上都有观测数据，这种数据集可以更好地估计个体和时间的效应。
非平衡面板是指所有个体在所有时间上都没有观测数据，这种数据集需要更复杂的方法来进行估计。
1.2 面板数据模型的形式
面板数据模型通常采用以下形式：
$$Y_{ it} = \\beta_1 X_{ it1} + \\beta_2 X_{ it2} + ... + \\beta_k X_{ itk} + \\alpha_i + u_{ it}$$
其中，$Y_{ it}$表示第$i$个个体在第$t$个时间点的被解释变量，$X_{ it}$表示第$i$个个体在第$t$个时间点的自变量，$\\alpha_i$表示第$i$个个体的固定效应，$u_{ it}$表示误差项。
2. 面板数据模型的估计
面板数据模型的估计方法有三种：固定效应模型、随机效应模型和差分估计模型。
2.1 固定效应模型
固定效应模型假设每个个体的固定效应是已知的，即个体之间的差异可以通过个体的固定效应来解释。固定效应模型的估计方法是OLS回归，但是需要作一定的调整，即使用“虚拟变量”来代表固定效应，进而进行估计。
2.2 随机效应模型
随机效应模型假设每个个体的固定效应是未知的，即个体之间的差异无法通过个体的固定效应来解释。随机效应模型的估计方法是GLS回归，但由于难以确定模型的协方差矩阵，因此通常使用OLS进行估计。
2.3 差分估计模型
差分估计模型假设时间变化的趋势是相同的，个体之间的差异可以通过对时间差分来解释。差分估计模型的估计方法是OLS回归，但需要对数据进行差分操作。
3. 面板数据模型的应用
面板数据模型的应用非常广泛，包括消费数据、劳动力市场数据、股票市场数据、经济增长数据等等。面板数据模型可以用来研究个体和时间的效应，同时也可以用来预测未来的趋势。
3.1 教育数据的面板数据模型
以一个教育数据为例，我们可以使用面板数据模型来解决以下问题：
- 个体之间的教育差异是如何影响劳动力市场表现的？
- 政策变化对教育水平的影响是如何的？
- 家庭背景和地区差异对教育投资的影响是如何的？
3.2 企业数据的面板数据模型
以一个企业数据为例，我们可以使用面板数据模型来解决以下问题：
- 企业之间的差异是如何影响产出和利润的？
- 经济周期对企业的影响是如何的？
- 政策变化对企业的影响是如何的？
4. 总结
面板数据模型是一种重要的统计分析方法，可以有效地处理个体和时间的效应，广泛应用于经济学、金融学、管理学等领域。
通过本文的学习，我们了解了面板数据的分类、面板数据模型的形式和估计方法，以及面板数据模型的应用。希望本文可以帮助您更好地理解面板数据模型。
