2022年贵州财经大学数量经济综合(含计量经济学、线性规划)之计量

考研专业课资料、辅导、答疑一站式服务平台

第 1 页，共 23 页

目录

2018年贵州财经大学数量经济综合（含计量经济学、线性规划）之计量经济学复试仿真模拟三

套题（一） .............................................................................................................................. 2 2018年贵州财经大学数量经济综合（含计量经济学、线性规划）之计量经济学复试仿真模拟三

套题（二） .............................................................................................................................. 7 2018年贵州财经大学数量经济综合（含计量经济学、线性规划）之计量经济学复试仿真模拟三

套题（三） (17)

考研专业课资料、辅导、答疑一站式服务平台

第 2 页，共 23 页 2018年贵州财经大学数量经济综合（含计量经济学、线性规划）之计量经济学复试仿

真模拟三套题（一）

特别说明：

1-本资料为2018复试学员内部使用，严格按照2018复试常考题型及难度全真模拟预测。

2-资料仅供复试复习参考，与目标学校及研究生院官方无关，如有侵权、请联系我们立即处理。 ————————————————————————————————————————

一、简答题

1． 为什么要建立联立方程计量经济学模型?联立方程计量经济学模型适用于什么样的经济现象?

【答案】经济现象是极为复杂的，其中诸因素之间的关系，在很多情况下，不是单一方程所能描述的那种简单的单向因果关系，而是相互依存，互为因果的，这时，就必须用联立的计量经济学方程才能描述清楚。所以与单方程适用于单一经济现象的研究相比，联立方程模型适用于描述复杂的经济现象，即经济系统。

2． 回归模型中引入虚拟变量的作用是什么?有哪几种基本的引入方式?它们各适用于什么情况?

【答案】（1）在回归模型中引入虚拟变量的作用主要是为了反映某个（些）定性因素对解释变量的影响。

（2）虚拟变量作为解释变量引入模型有两种基本的方式:

①加法方式，主要适用于定性因素只对截距项产生影响的情形;

②乘法方式，主要适用于定性因素对斜率产生影响的情况。

加法方式和乘法方式同时使用，则可以同时测定定性因素对截距项和斜率带来的影响。 3． 在多元线性回归分析中，t 检验与F 检验有何不同?在一元线性回归分析中二者是否有等价的作用?

【答案】在多元线性回归模型分析中，t 检验常被用于检验回归方程各个参数的显著性，是单一检验;而F 检验则被用作检验整个回归关系的显著性，是对回归参数的联合检验。在多元线性回归中，若F 检验拒绝原假设，意味着解释变量与被解释变量之间线性关系是显著的，但具体是哪个解释变量与被解释变量之间关系显著则需要通过，检验来进一步验证，但若F 检验接受原假设，则意味着所有的，检验均不显著。

在一元线性回归模型中，由于解释变量只有一个，因此F 检验的联合假设等同于，检验的单一假设，两检验作用是等价的。

二、计算题

4． 考虑以下过原点回归:

（l ）求参数的OLS 估计量;

（2）对该模型，是否仍有结论

考研专业课资料、辅导、答疑一站式服务平台

第 3 页，共

23 页

【答案】（l ）根据最小二乘原理，需求参数估计量使得残差平方和最小，即

:

对其分别求关于的偏导，并令偏导值为0，即得到正规方程组:

或:

解得:

（2）由（1）中的正规方程组知，对该模型仍有:

但不存在，即过原点的线性方程的残差和不一定为零。

5． 考虑以下估计出的回归方程:

其中表示第t 年的人均居民消费额（千元）;表示第t 年人均国内生产总值（千元）;

表示前一期人均居民消费额（千元）。请回答以下问题:

（1）从

和对Y 的影响方面，解释方程中系数0.339和0.302的含义。 （2）假定的真实值为0.4，则估计值是否有偏?为什么?

（3）假定该方程并不满足所有的古典模型假设，即并不是最佳线性无偏估计量，则是否意味着

的真实值绝对不等于0.302?

【答案】（1）系数0.339表示在保持前一期人均居民消费额不变的情况下，人均国内生产总值每增加1千元，人均居民消费额平均增加0.339千元;系数0.302表示在保持人均国内生产总值不变

考研专业课资料、辅导、答疑一站式服务平台

第 4 页，共 23 页 的情况下，前一期人均居民消费额每增加1千元，人均居民消费额平均增加0.302千元。

（2）如果的真实值为0.4，则表明估计值与真实值有偏误，但一般不说0.339是有偏的。因为0.339是参数的一个估计值，而估计量的无偏性是针对估计的期望来说的，并不代表每个估计值都与真实值相等。估计量的有偏指如果取遍所有可能的样本，这些参数估计值的平均值与0.4有偏误的话，就说估计式有偏的。没有足够的理由可以说明0.339是有偏的。

（3）不一定意味着的真实值绝对不等于0.302。因为0.302只是一个估计值，无论该估计量是否是最佳线性无偏估计量，它都可能碰巧等于真实值，即几:的真实值也有可能等于0.302。

6． 某大学2009级研究生考试分数及录取情况数据表（N=85）:

变量x 表示考生考试分数;Y=l 表示考生被录取，0表示未录取;虚拟变量D 1=I 表示应届生，D 0=0

表示非应届生。根据所给数据建立二元离散Logit 模型与Probit 模型。

【答案】（1）估计二元离散Logit 模型

在Eviews 软件中，选择“Quick\Estimate Equation ”，在出现的对话框中输入“Y C X D ”，并在“Quiek \Estimate Setting ”的“Methods ”栏内选择“Binary ”，再在新出现的选项中选择“Logit ”，点击OK ，输出结果为:

考研专业课资料、辅导、答疑一站式服务平台

第 5 页，共 23 页 则估计的Logit 模型为:

（2）估计Probit 模型 在上面Eviews 操作步骤中的“Methods ”栏内选择“Binary ”后，在新出现的选项中选择“Probit ”，点击 OK ，输出结果为: 则估计的Probit 模型为：

本文来源：https://www.bwwdw.com/article/11fl.html