A TSS>RSS+ESS B TSS=RSS+ESS C TSS 2i222)=?2内涵指（ B ） B．所有随机误差都有相同的方差 C．两个随机误差互不相关 D．误差项服从正态分布 二、判断题 ⒈随机误差项εi与残差项ei是一回事。（× ） ⒉对两变量回归模型，假定误差项εi服从正态分布。（∨ ） ⒊线性回归模型意味着因变量是自变量的线性函数。（ ∨ ） ⒋在线性回归模型中，解释变量是原因，被解释变量是结果。（∨ ） ⒌在实际中，两变量回归没什么用，因为因变量的行为不可能仅由一个解释变量来解释。（×） 三、填空题 ⒈在计量经济模型中引入 误差 项?t，是因为经济变量关系一般是随机函数关系。 ⒉样本观测值与回归理论值之间的偏差，称为 残差 ，我们用残差估计线性回归模型中的误差项 。 ⒊__SST__反映样本观测值总体离差的大小；___SSR__反映由模型中解释变量所解释的那部分离差的大小；___SSE___反映样本观测值与估计值偏离的大小，也是模型中解释变量未解释的那部分离差的大小。 ⒋拟合优度（判定系数）R?2ESSRSS?1?。它是由___回归___引起的离差占总体离差TSSTSS2的____比重____。若拟合优度R越趋近于_1____，则回归直线拟合越好；反之，若拟合优度R越趋近于__0___，则回归直线拟合越差。 2⒌在两变量回归中，S? 2?etn?22 是?的无偏估计。 2四、简答题 ⒈什么是随机误差项？影响随机误差项的主要因素有哪些？它和残差之间的区别是什么？ 影响Y的较小因素的集合；被忽略的因素、测量误差、随机误差等；通过残差对误差项的方差进行估计。 ⒉决定系数R说明了什么？它与相关系数的区别和联系是什么？ P53和P56 ⒊最小二乘估计具有什么性质？ P37线性、无偏性和有效性（或最小方差性） ⒋在回归模型的基本假定中，E??t??0的意义是什么？ 该假设的含义是：如果两变量之间确实是线性趋势占主导地位，随机误差只是次要因素时，那么虽然随机扰动会使个别观测值偏离线性函数，但给定解释变量时多次重复观测被解释变量，概率均值会消除随机扰动的影响，符合线性函数趋势。 2第三章 多元线性回归模型 一、单项选择题 ⒈决定系数R是指【 C 】 A 剩余平方和占总离差平方和的比重 B 总离差平方和占回归平方和的比重 C 回归平方和占总离差平方和的比重 D 回归平方和占剩余平方和的比重 ⒉在由n=30的一组样本估计的、包含3个解释变量的线性回归模型中，计算的决定系数为0.8500，则调整后的决定系数为【 D 】 A 0.8603 B 0.8389 C 0.8655 D 0.8327 2⒊对于yi??0??1x1i??2x2i????kxki??i，检验H0:?i?0(i?0,1,?,k)时，所用的统计量t?bi服从【 A 】 ??bi?seA t(n-k-1) B t(n-k-2) C t(n-k+1) D t(n-k+2) ⒋调整的判定系数 与多重判定系数 之间有如下关系【 D 】 A R2?R2n?1n?122 B R?1?R n?k?1n?k?12C R?1?(1?R)2n?1n?122 D R?1?(1?R) n?k?1n?k?1⒌用一组有30 个观测值的样本估计模型yi??0??1x1i??2x2i??i后，在0.05的显著性水平下对?1的显著性作t检验，则?1显著地不等于零的条件是其统计量大于等于【C 】 A t0.05（30） B t0.025（28） C t0.025（27） D F0.025（1，28） ⒍对模型Yi=β0+β1X1i+β2X2i+μi进行总体显著性F检验，检验的零假设是( A ) A. β1=β2=0 C. β2=0 A．减少 C．不变 B. β1=0 D. β0=0或β1=0 B．增加 D．变化不定 ⒎在多元线性回归中，判定系数R2随着解释变量数目的增加而（ B ） 二、判断题 ⒈在多元回归模型的检验中，判定系数R2一定大于调整的R2。（∨） ⒉在EVIEWS中，genr命令是生成新的变量。（ ∨ ） ⒊在EVIEWS中，建立非线性模型的方法只有将非线性模型线性化的方法。（× ） 三、填空题 ⒈调整的可决系数的作用是 消除由解释变量数目差异造成的影响 。 R2k⒉在多元线性回归模型中，F统计量与可决系数之间有如下关系：F?。 1?R2n?k?1⒊有k个解释变量的多元回归模型的误差项方差σ的无偏估计是s?2 2?e2n?k?1。 ⒋在总体参数的各种线性无偏估计中，最小二乘估计量具有___最小方差________的特性。 四、简答题 ⒈在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？ P121由于没调整的决定系数只与被解释变量的观测值，以及回归残差有关，而与解释 变量无直接关系。但多元线性回归模型解释变量的数目有多有少，数学上可以证明，决定系数是解释变量数目的增函数，意味着不管增加的解释变量是否真是影响被解释变量的重要因素，都会提高决定系数的数值，解释变量个数越多，决定系数一定会越大。因此，用该决定系数衡量多元线性回归模型的拟合程度是有问题的，会导致片面追求解释变量数量的错误倾向。正是由于存在这种缺陷，决定系数在多元线性回归分析拟合度评价方面的作用受到很大限制，需要修正。 ⒉回归模型的总体显著性检验与参数显著性检验相同吗？是否可以互相替代？ 多元线性回归模型每个参数的显著性与模型总体的显著性并不一定一致，因此除了各个参数的显著性检验以处，，还需要进行模型总体显著性，也就是全体解释变量总体对被解释变量是否存在明显影响的检验，称为“回归显著性检验”。总体显著性检验是多元回归分析特有的，两变量线性回归解释变量系数的显著性检验与模型的总体显著性检验一致，不需要进行总体显著性检验。 第四章 异方差性 一、单项选择题 ⒈下列哪种方法不是检验异方差的方法【 D 】 A戈德菲尔特——夸特检验 B残差序列图检验 C 戈里瑟检验 D方差膨胀因子检验 ⒉当存在异方差现象时，估计模型参数的适当方法是【 A 】 A 加权最小二乘法 B 工具变量法 C 广义差分法 D 使用非样本先验信息 ⒊加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即【 A 】 A 重视方差较小样本的信息，轻视方差较大样本的信息 B重视方差较大样本的信息，轻视方差较小样本的信息 C重视方差较大和方差较小样本的信息 D轻视方差较大和方差较小样本的信息 ⒋如果戈里瑟检验表明，普通最小二乘估计结果的残差ei与xi有显著的形式为
相关推荐：
loading