mooc计量经济学_19课后答案(慕课2023完整答案)

点击查看答案

第1讲 回归分析概述

第1讲单元测试

1、计量经济回归分析中关于解释变量X和被解释变量Y的学课说法正确的是：
A、解释变量X和被解释变量Y都是后答随机变量
B、解释变量X和被解释变量Y都是案慕案非随机变量
C、解释变量X是课完非随机变量，被解释变量Y是整答随机变量
D、解释变量X是计量经济随机变量，被解释变量Y是学课非随机变量

2、以下模型属于线性回归模型的后答是：
A、
B、案慕案
C、课完
D、整答
E、计量经济

3、学课在回归方程中，后答G代表性别虚拟变量，男性则为1，否则为0。若G的定义改变为女性为1，否则为0，则回归方程应为：
A、
B、
C、
D、

4、以下关于计量经济学用途的说法正确的有：
A、分析个人消费与个人可支配收入之间的关系。
B、检验边际效用递减在现实中是否成立。
C、预测未来经济走势，如国内生产总值（GDP）。
D、描述商品价格与需求量之间的因果关系。
E、分析父母身高与子女身高之间的函数关系。

5、计量经济学可用于描述商品需求曲线，即需求量与价格的关系。

6、计量经济学只能做定量研究，不能做定性研究，如个人的职业选择。

7、回归分析考察的是解释变量与被解释变量之间的函数关系。

8、回归方程中，被解释变量等于其估计值与随机误差项之和。

9、残差指的是被解释变量的真实值与估计值之差。

10、数据不准确可能导致回归分析的结论存在偏误。

第1讲单元作业

1、为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程： 式中，S代表第i个州花费在每个公立学校学生身上的教育经费；Y代表第i个州的资本收入；G代表第i个州公立学校学生的增长率。 1A 说明变量Y与变量G的参数估计值的经济意义。

2、1B 你预期变量Y和G的参数符号各是什么？请说明理由。估计结果与你的预期一致吗？

3、1C 变量G是用小数来衡量的，因此，当一个州的招生人数增加了10%时，G等于0.1。如果变量G用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，G等于10。此时，方程的参数估计值会如何变化？（文字说明即可）

4、Jaime Diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（PGA）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（P）关于推杆距离（L，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，L的参数估计值为负。回归方程如下： 2A 说明L的参数估计值的经济意义。

5、2B 利用该方程估计一个PGA高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实？

6、2C 上一题的答案说明回归分析时存在什么问题？

第2讲 普通最小二乘法

第2讲单元测试

1、讨论回归结果时不用花费太多时间去分析常数项的估计值，这主要依据的假设是：
A、误差项总体均值为0。
B、所有解释变量与误差项都不相关。
C、误差项与观测值互不相关 。
D、误差项具有同方差。
E、模型设定无误。

2、在关于身高和体重的模型中，新增QQ号码这个变量后，以下说法错误的是：
A、身高的参数估计值可能发生变化。
B、判定系数可能减小。
C、调整的判定系数可能减小。
D、QQ号码的参数估计值一定为0.
E、常数项的估计值可能发生变化。

3、一元回归方程的样本回归线必然通过的点为：
A、
B、
C、
D、
E、

4、以下关于最小二乘法的说法正确的有：
A、最小二乘法的目标是残差平方和最小。
B、所估计的对象是方程中的参数。
C、最小二乘法的目标是残差之和最小。
D、判定系数可以为负数
E、判定系数越大，模型越好。
F、判定系数并不是越大越好。

5、建立玉米产量Y对施肥密度F和降雨量R的回归方程，估计结果为。则以下说法正确的有：
A、常数项-120意味着玉米产量可能为负。
B、若变量F的参数真实值为0.20，则参数估计值-0.10表明OLS估计量是有偏的。
C、变量F的参数估计值的符号不符合预期，并不影响OLS估计量的BLUE性质。
D、若方程不满足所有古典假设，变量R的参数真实值也可能等于5.33。

6、最小二乘法的目标是误差项之和最小。

7、若所有解释变量对被解释变量没有影响，回归方程的判定系数一定为0。

8、若某解释变量在理论上对被解释变量没有影响，该解释变量的参数估计值一定为0.

9、若采用两组样本估计同一回归方程，参数估计值的差异体现了数据的随机性。

10、若解释变量之间存在完全多重共线性，则参数估计值无法获得。

11、随机误差项的总体均值为0以及随机误差项与解释变量不相关保证了参数估计量的无偏性。

12、若随机误差项服从t分布，则OLS估计量不再具有BLUE性质。

第2讲单元作业

1、1 查尔斯·拉弗（Charles Lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为： 第一年： 第二年： 式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。 1a.考察变量的理论依据，给出其参数符号的预期。

2、1b.这两年的参数估计的差异是否值得重视？请说出你的理由。在什么情况下，应该关注这些差异呢？

3、1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数？调整的判定系数越高，回归方程越好吗？为什么？

4、假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程： 式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）；代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。 2a.为什么要假定“无限量的冷冻酸奶供给”？（提示：考虑模型是否满足经典假设）

5、2b.说明变量和变量的参数估计值的经济含义。

6、2c.你和店主对变量C的参数符号都很惊讶。你能解释为什么吗？

第3讲 假设检验

第3讲单元测试

1、以下不适用F检验的情形是
A、在含季节性虚拟变量的回归方程中，检验季节性是否存在。
B、在柯布—道格拉斯生产函数中，检验规模报酬是否不变。
C、在回归方程中，检验结构是否存在变化。
D、在回归方程中，检验误差项是否服从正态分布。
E、在回归方程中，检验某一参数是否异于零。
F、在回归方程中，检验某一参数是否大于零。

2、以下关于t检验的局限性的说法错误的是
A、t检验的结果是完全可信的。
B、t检验的统计显著性并不等同于理论有效性。
C、t检验不能考察相应变量在方程中的相对重要性。
D、随着样本容量的增大，t统计量的值会越来越大。
E、对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。
F、在回归方程中，参数估计值和t统计量的值越大，该变量越重要。

3、以下关于单侧t检验的判定方法正确的是
A、如果t统计量的值大于临界值，则拒绝原假设。
B、如果t统计量的值大于临界值，且参数符号与H0隐含的符号相同，则拒绝原假设。
C、如果t统计量的值大于临界值，且参数符号与HA隐含的符号相同，则拒绝原假设。
D、如果p值小于研究所要求的显著性水平，则拒绝原假设。
E、如果p值小于研究所要求的显著性水平，且参数符号与H0隐含的符号相同，则拒绝原假设。
F、如果p值小于研究所要求的显著性水平，且参数符号与HA隐含的符号相同，则拒绝原假设。

4、以下关于单侧t检验和双侧t检验的说法正确的有
A、对参数符号具有明显预期时用单侧t检验，预期不确定时用双侧t检验。
B、EViews回归结果中的t检验默认的是双侧检验。
C、EViews回归结果中的t检验默认的是单侧检验。
D、给定自由度和显著性水平，双侧t检验的临界值大于单侧t检验的临界值。
E、给定自由度和显著性水平，双侧t检验的临界值是单侧t检验的临界值的2倍。
F、在给定的显著性水平下，若某参数的双侧t检验拒绝原假设，该参数的单侧t检验在参数符号符合预期时也拒绝原假设。
G、在给定的显著性水平下，若某参数的单侧t检验拒绝原假设，该参数的双侧t检验也拒绝原假设。

5、以下关于邹检验的说法正确的有
A、邹检验主要考察方程的总体显著性。
B、邹检验只能处理回归方程仅存在一次结构变化的情形。
C、邹检验假定两个子样本的误差项服从独立、同方差的正态分布。
D、邹检验明确指出子样本中方程的差别来源于截距项。
E、邹检验不确定子样本中方程的差别来源于截距还是斜率，或二者兼有。
F、邹检验假定结构转折点的时间是已知的。
G、邹检验允许结构变化的时间是未知的。

6、假设检验通常将希望出现的结果作为原假设，将不希望出现的结果作为备择假设。

7、检验回归参数是否显著地异于某一特定的非零值，可以用t检验，也可以用F检验。

8、若方程总体显著性的F检验拒绝原假设，每个斜率参数的双侧t检验都拒绝“参数为零”原假设。

9、假设检验的结论是“不拒绝”而不是“接受”。

10、显著性水平也就是第一类错误的概率。

11、在回归分析中，t统计量的绝对值越大，相应的解释变量越重要。

第3讲单元作业

1、假想现在要估计一个关于房价的模型，来推断面朝海滩的环境对房屋价值的影响。由于一系列理论和数据的可获得性等方面的原因，所以，经过一番研究，决定使用地皮的面积而不是房屋本身的面积作为其中一个变量。分析结果如下（括号内的数值为标准误）： 式中，代表第i幢房子的价格（单位：1000万美元）；代表第i幢房子所占地皮面积（单位：1000万平方米）；代表第i幢房子的已建年限；代表第i幢房子里的房间数目；代表虚拟变量，若第i幢房子有壁炉则为1，否则为0；代表虚拟变量，若第i幢房子朝向海滩则为1，否则为0。 自由度 单侧：10% 5% 2.5% 24 1.318 1.711 2.064 25 1.316 1.708 2.060 1a. 对变量LOT、BED的参数建立适当的假设，并在5%的显著性水平下进行检验。

2、1b.壁炉可能增加房屋的价值，但你的一个朋友说壁炉太脏不利于保持室内整洁，使你不能确定它的参数符号。请建立适当的假设，并在5%的显著性水平下进行检验。

3、1c. 回归结果是否出现与预期不符的情形？（提示：考虑参数的显著性）

4、1d. 请写出关于方程总体显著性的F检验的原假设和备择假设。

5、为研究医生建议病人减少饮酒对个人饮酒量的作用，建立回归模型，选取500个观察值作为样本，估计结果如下（括号中的数值为标准误）： 式中，DRINKS代表第i个人过去两周的饮酒量；ADVICE代表虚拟变量，医生建议第i个人减少饮酒则为1，否则为0；EDUC代表第i个人受教育的年限；DIVSEP代表虚拟变量，第i个人离婚或者分居则为1，否则为0；UNEMP代表虚拟变量，第i个人失业则为1，否则为0。 自由度 单侧：10% 5% 0.5% 120 1.289 1.658 2.617 2a. 变量DIVSEP和UNEMP的参数按常理来说应为正。建立变量DIVSEP和UNEMP的参数的适当假设，并在5%的显著性水平下进行检验（提示：使用自由度为120下的t统计量临界值）。

6、2b. 对变量EDUC的参数建立以0为中心的双侧假设，在1%显著性水平下进行检验。为何这个参数适合采用双侧检验？

7、2c. 大多数医生希望经过他们的劝说，病人能够减少饮酒量，这也是经过劝说之后病人们通常会做的（假定方程中其他因素是固定的）。建立适当的假设，并在10%的显著性水平下进行检验。

8、2d. 若变量ADVICE的参数符号不符合预期，是否应该改变你的预期？为什么？

第4讲 模型设定

第4讲单元测试

1、以下关于模型设定准则的说法正确的是
A、回归方程包含一个变量的最重要的准则是理论，而不是统计上的显著性。
B、参数t检验不显著的变量不能简单地从方程中剔除。
C、若变量加入方程后，判定系数增大，方程应包含该变量。
D、若变量加入方程，其他变量的系数符号发生改变且不再符合预期，方程不应包含该变量。
E、若某变量是理论上必须包含的变量，即使系数t检验不显著，方程也应包含该变量。
F、t检验不显著的变量应该从方程中剔除。

2、以下关于函数形式选择的说法正确的是
A、研究柯布-道格拉斯生产函数，方程为
B、研究柯布-道格拉斯效用函数，方程为
C、研究可支配收入对某种商品消费量的影响，方程为
D、研究可支配收入对消费的影响，方程为
E、研究员工年龄对员工年收入的影响，方程为

3、当方程中同时存在遗漏变量和不相干变量时，应首先解决遗漏变量的问题。

4、相对而言，遗漏变量的后果比不相干变量的后果更加严重。

5、模型设定准则中AIC的值越大越好，SC的值越小越好。

6、方程函数形式的选择主要取决于哪个函数形式拟合的最好。

第4讲单元作业

1、1.假设你已经被提升为“Amish”公司速溶麦片粥的产品经理，你的首项任务是决定下一年度是否要提价。（速溶麦片粥是一种用热水冲泡之后就可以作为谷类早餐的很好选择，比普通麦片冲泡时间短。）为了保持你作为Amish Oats公司计量经济学家的声誉，你决定建立关于销售价格对销售量影响的模型，并且估计了如下假设方程（括号内的数值为标准误）： 式中，OAT代表第t年Amish公司速溶麦片粥在美国的销售量；PR代表第t年Amish公司速溶麦片粥在美国的销售价格；PRCOMP代表第t年作为竞争品的速溶燕麦粥在美国的价格；ADS代表第t年Amish公司速溶麦片粥的广告投入；YD代表第t年美国的可支配收入。 自由度 单侧：5% 2.5% 24 1.711 2.064 1a.建立PR 的斜率参数的适当假设，并在5% 的显著性水平下进行检验。

2、1b. 这个方程是否存在计量经济学问题？是否能看出有变量被遗漏的迹象？有没有迹象表明该方程有不相干变量？

3、1c.如果可以给方程中加入一个变量，你建议加入什么变量？

4、什么样的汽车加速最快？大多数人都会回答，高功率的、轻型的、流线型的汽车加速最快。为检验这种说法是否正确，利用2009年模型车数据估计了如下方程： 式中，TIME 代表第i辆车的速度从0加速到每小时60英里所需要的时间（单位：秒）；TOP代表虚拟变量，如果第i辆车是手动挡则为1，否则为0；WEIGHT代表第i辆车的重量（单位：磅）；HP代表第i辆车的马力。 2a. 假设你的邻居是物理学专业的，他告诉你马力可以表示为：。其中，M表示质量，D表示距离，A表示加速度。那么，你认为方程存在怎样的计量经济学问题？

5、2b. 你决定将TIME和HP之间的函数形式改为反函数形式。新方程的回归结果如下： 你认为哪一个方程更恰当？为什么？

6、2c. 既然这两个方程选用的是两种不同的函数形式，那么，它们的调整的判定系数可以用来比较吗？为什么？

第5讲 多重共线性

第5讲单元测试

1、建立人均鸡肉消费量Y对鸡肉价格PC、牛肉价格PB、人均总收入XD、人均可支配收入YD的回归方程，采用年度数据的回归结果显示，方程存在多重共线性。以下关于多重共线性的补救措施正确的是
A、剔除鸡肉价格PC
B、剔除牛肉价格PB
C、剔除人均总收入XD或人均可支配收入YD
D、采用相对价格PC/PB或PB/PC替代PC和PB
E、增大样本容量

2、支配变量通常与被解释变量高度相关，以至于掩盖了方程中其他解释变量对被解释变量的影响。因此，回归分析中应避免使用支配变量。以下情形中，所涉及的变量属于支配变量的是
A、某棒球队每年参加比赛的次数都相同，在关于赢得比赛次数的方程中，该球队输掉比赛的次数。
B、某餐厅的各连锁店的销售额基本相同，在总销售额模型中，连锁店的个数。
C、总消费支出的方程中，可支配收入。
D、某汽车制造商（自己不制造轮胎）生产汽车数量的年度模型中，所购买的轮胎数量。
E、农业供给函数中，每亩地使用的化肥数量。

3、如果回归方程选取和为解释变量，由于是的函数，方程存在完全多重共线性。

4、多重共线性可能造成参数估计值的符号与预期不一致。

5、多重共线性指的是解释变量与被解释变量之间存在的线性关系。

6、几乎每一个回归方程都在某种程度上存在多重共线性问题。

第5讲单元作业

1、你受雇于学生辅导办公室，帮助减少调皮学生对宿舍的破坏。你要做的第一步就是建立一个截面模型，该模型把上学期每个宿舍的破坏损失作为宿舍成员特征的函数（括号中的数值为标准误）： 式中，D代表上学期第i个宿舍的破坏损失（单位：美元）；F代表在第i个宿舍中大一新生的入住百分比；S代表第i个宿舍的学生人数；A代表上学期第i个宿舍向学生辅导办公室报告的涉及酗酒事件的次数。 自由度 单侧：5% 2.5% 29 1.699 2.045 30 1.697 2.042 a. 针对变量S的参数做出适当假设，并在5%的显著性水平下进行检验。

2、b. 该方程存在什么问题（从遗漏变量、不相干变量或多重共线性中选择）？为什么？

3、c. 假定你现在得知，变量S和A之间的简单相关系数为0.94，这会改变你在b中的答案吗？如果改变的话，怎样改变的？

4、d. 参数估计值的符号与预期不一致，这可能是由多重共线性引起的吗？为什么？

第6讲 序列相关性

第6讲单元测试

1、序列相关性产生的后果主要包括：
A、OLS估计量是有偏的。
B、OLS估计量仍是无偏的。
C、OLS估计量是有效的。
D、OLS估计量不再是有效的。
E、标准误的OLS估计量是有偏的。
F、OLS估计假设检验仍然可靠。
G、OLS估计的假设检验不可靠。

2、以下关于序列相关检验方法的说法正确的有：
A、序列相关检验首先要明确是纯序列相关还是非纯序列相关。
B、德宾-沃森d统计量的取值在-1和+1之间。
C、德宾-沃森d检验是双侧检验，即检验误差项是否存在序列相关。
D、德宾-沃森d检验假定误差项具有同方差性。
E、德宾-沃森d检验只能检验一阶序列相关。

3、设定偏误可能导致回归模型存在非纯序列相关。

4、若回归模型修正了非纯序列相关问题后，无需检验纯序列相关问题。

5、若德宾-沃森d检验未发现序列相关性，回归模型一定不存在序列相关性问题。

6、德宾-沃森d统计量仅在时间序列数据的回归模型中有意义。

第7讲 异方差性

第7讲单元测试

1、异方差性产生的后果主要包括：
A、OLS估计量是有偏的。
B、OLS估计量仍是无偏的。
C、OLS估计量仍是有效的。
D、OLS估计量不再是有效的。
E、标准误的OLS估计量是有偏的。
F、标准误的OLS估计量是无偏的。
G、OLS估计假设检验仍然可靠。
H、OLS估计的假设检验不可靠。

2、以下关于异方差性检验方法的说法正确的有：
A、异方差检验首先要明确是纯异方差还是非纯异方差。
B、Park检验中对t统计量进行检验时应采用单侧检验
C、Park检验采用的是双对数回归模型。
D、White检验中可包含解释变量的交叉项，也可不包含解释变量的交叉项。
E、异方差检验主要关注残差。
F、若异方差与解释变量完全没有关系，White检验也无能为力。

3、遗漏变量可能导致回归模型存在非纯异方差性。

4、横截面数据的回归更容易产生异方差。

5、异方差性的检验思路与序列相关性的检验思路是相似的。

6、若回归模型修正了非纯异方差性问题后，无需检验纯异方差性问题。

7、若Park检验和White检验均未检验出异方差性，回归模型一定不存在异方差问题。

8、异方差性是回归分析中普遍存在的问题，几乎每个方程都需要进行异方差性修正，因此，同方差不必包含在古典假设中。

第8讲 虚拟变量

第8讲单元测试

1、在仅含虚拟变量的一元回归模型中，若重新设置被省略的状态，改变虚拟变量的定义，则以下说法正确的是：
A、截距参数不会发生变化。
B、斜率参数不会发生变化。
C、仅有截距参数发生变化。
D、仅有斜率参数发生变化。
E、截距参数和斜率参数均会发生变化。

2、在研究收入问题时，有人发现收入主要受到工作经验、学历的影响。而且随着工作经验的增加，学历产生的影响更大。令Y代表收入；Exp代表工作年限；D代表学历虚拟变量，大学毕业及以上取1，大学以下取0。以下回归方程中正确的是：
A、
B、
C、
D、
E、
F、

3、虚拟变量的个数一般比定性变量的状态个数少1。

4、若研究东部、中部、西部的员工工资差异，模型中需要设置3个虚拟变量。

5、运用斜率虚拟变量时，方程中一般同时包含截距虚拟变量和一般解释变量。

6、若分析学历（含高中生、本科生、硕士生三类）对薪水的影响，可设置硕士生为2，本科生为1，其他为0。

7、引入加法形式的虚拟变量主要考察截距的不同。

8、引入乘法形式的虚拟变量主要考察斜率的不同。

9、邹检验可采用虚拟变量模型实现。

第9讲 虚拟应变量

第9讲单元测试

1、以下关于模型设定的说法错误的是：
A、考察性别对薪酬的影响需使用虚拟变量模型。
B、自然实验中，分析某项政策的影响需使用Difference-in-Difference方法。
C、研究高中文理分科的影响因素可使用Logit模型或Probit模型。
D、分析个人的职业选择可使用多元Logit模型。
E、分析线上购物和线下购物的选择可使用线性概率模型。
F、分析债券信用评级的影响因素可使用多元Logit模型。

2、以下关于虚拟应变量模型的说法错误的是：
A、线性概率模型可能存在被解释变量的估计值不在(0,1)之间的问题。
B、调整的判定系数不能准确度量线性概率模型的拟合优度。
C、Logit模型和Probit模型可采用极大似然法估计。
D、Logit模型和Probit模型不存在遗漏变量的问题。

3、虚拟应变量模型仅能分析二元选择问题。

4、虚拟变量仅可作为解释变量，不能作为被解释变量。

5、研究大学毕业生是选择就业还是选择深造，可采用Logit模型或Probit模型。

6、通常情况下，Logit模型和Probit模型得到的参数估计值在符号和显著性上是相似的。

7、调整的判定系数可精确度量线性概率模型的拟合优度。

8、虚拟应变量模型不能采用虚拟变量为解释变量。

第10讲 预测

第10讲单元测试

1、一个预测方程在样本内拟合得很好，但并不能保证在样本外也可以进行准确的预测。

2、预测是对被解释变量样本外的观测值的估计。

3、计量模型的预测既可以进行均值预测，又可以进行区间预测。

4、平稳时间序列和非平稳时间序列均可采用ARMA模型预测。

5、均方根误差RMSE指标越小，模型的预测能力越强。

6、时间序列模型预测中，动态预测的效果一定优于静态预测的效果。

7、当存在序列相关时，广义最小二乘法的预测结果通常优于普通最小二乘法。

8、时间序列分析体现了“让数据自己说话”的思想。