计量经济学习题

《计量经济学》习题(一)

一、判断正误

1．在研究经济变量之间的非确定性关系时，回归分析是唯一可用的分析方法。（ ） 2．最小二乘法进行参数估计的基本原理是使残差平方和最小。（ ）

3．无论回归模型中包括多少个解释变量，总离差平方和的自由度总为（n-1）。（ ） 4．当我们说估计的回归系数在统计上是显著的，意思是说它显著地异于0。（ ） 5．总离差平方和（TSS）可分解为残差平方和（ESS）与回归平方和（RSS）之和，其中残差平方和（ESS）表示总离差平方和中可由样本回归直线解释的部分。（ ） 6．多元线性回归模型的F检验和t检验是一致的。（ ）

7．当存在严重的多重共线性时，普通最小二乘估计往往会低估参数估计量的方差。（ ） 8．如果随机误差项的方差随解释变量变化而变化，则线性回归模型存在随机误差项的 自相关。（ ）

9．在存在异方差的情况下，会对回归模型的正确建立和统计推断带来严重后果。（ ） 10．DW（ ） ..检验只能检验一阶自相关。二、单选题

1．样本回归函数（方程）的表达式为（ ）。

A．Yi=?0??1Xi?ui B．E(Y/Xi)=?0??1Xi

????X?e D．Y????X ?=?C．Yi=?01iii01i2．下图中“｛”所指的距离是（ ）。

Y Yi ????X ???Yi01iY O Xi X A．随机干扰项 B．残差

?的离差 C．Yi的离差 D．Yi3．在总体回归方程E(Y/X)=?0??1X中，?1表示（ ）。 A．当X增加一个单位时，Y增加?1个单位 B．当X增加一个单位时，Y平均增加?1个单位 C．当Y增加一个单位时，X增加?1个单位

D．当Y增加一个单位时，X平均增加?1个单位 4．可决系数R2是指（ ）。

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

5．已知含有截距项的三元线性回归模型估计的残差平方和为容量为24，则随机误差项ui的方差估计量为（ ）。 A．33.33 B．40 C．38.09 D．36.36

6．设k为回归模型中的参数个数（不包括截距项），n为样本容量，ESS为残差平方和，。 RSS为回归平方和。则对总体回归模型进行显著性检验时构造的F统计量为（ ）A．F=

?e2i=800，估计用的样本

RSS/kRSS B．F=

ESS(n?k?1)TSSRSS/kESS D．F=

TSS(n?k?1)TSSC．F=1?????X?e，以?表示e与e之间的线性相关系数（t?2,3,?,n）7．对于模型Yi=?，01iiii?1则下面明显错误的是（ ）。

A．?=0.8，DW..=0.4 B．?=?0.8，DW..=?0.4 C．?=0，DW..=2 D．?=1，DW..=0

8．在线性回归模型 Yi??0??1X1i?...??kXki?uik?3；如果X2?X3?X1，则表明模型中存在（ ）。

A．异方差 B．多重共线性 C．自相关 D．模型误设定

9．根据样本资料建立某消费函数 Yi=?0??1Xi?ui，其中Y为需求量，X为价格。为了考虑“地区”（农村、城市）和“季节”（春、夏、秋、冬）两个因素的影响，拟引入虚拟变量，则应引入虚拟变量的个数为（ ）。 A．2 B．4 C．5 D．6

?=100.50?55.35D?0.45X，其中C为消费，X为收入，虚10．某商品需求函数为Ciii拟变量D???1城镇家庭?0农村家庭，所有参数均检验显著，则城镇家庭的消费函数为（ ）。

?=155.85?0.45X B．C?=100.50?0.45X A．Ciiii?=100.50?55.35X D．C?=100.95?55.35X C．Ciiii三、多选题

1．一元线性回归模型Yi=?0??1Xi?ui的基本假定包括（ ）。 A．E(ui)=0 B．Var(ui)=?2（常数） C．Cov(ui,uj)=0 (i?j) D．ui?N(0,1) E．X为非随机变量，且Cov(Xi,ui)=0

????X估计出来的Y?=??（ ）2．由回归直线Y。 i01iiA．是一组平均数 B．是实际观测值Yi的估计值 C．是实际观测值Yi均值的估计值 D．可能等于实际观测值Yi E．与实际观测值Yi之差的代数和等于零 3．异方差的检验方法有（ ）

A．图示检验法 B．Glejser检验 C．White检验 D．DW..检验 E．Goldfeld?Quandt检验

4．下列哪些非线性模型可以通过变量替换转化为线性模型（ ）。 A．Yi=?0??1Xi2?ui B．1/Yi=?0??1(1/Xi)?ui

uiC．lnYi=?0??1lnXi?ui D．Yi=AKi?L?ie

E．Yi=?0??1e?1X1i??2e?2X2i?ui

5．在线性模型中引入虚拟变量，可以反映（ ）。 A．截距项变动 B．斜率变动

C．斜率与截距项同时变动 D．分段回归 E．以上都可以 四、简答题

1．随机干扰项主要包括哪些因素？它和残差之间的区别是什么？ 2．简述为什么要对参数进行显著性检验？试说明参数显著性检验的过程。 3．简述序列相关性检验方法的共同思路。 五、计算分析题

1．下表是某次线性回归的EViews输出结果，根据所学知识求出被略去部分的值（用大写字母标示），并写出过程（保留3位小数）。 Dependent Variable: Y Method: Least Squares Included observations: 13

Variable C X1 X2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Coefficient 7.105975 -1.393115 1.480674 0.872759 Std. Error t-Statistic 4.390321 -4.493196 8.217506 Prob. 0.0014 0.0012 0.0000 7.756923 3.041892 3.382658 3.513031 A 0.310050 0.180185 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion B 1.188632 C 2．用Goldfeld?Quandt方法检验下列模型是否存在异方差。模型形式如下：

Yi=?0??1X1i??2X2i??3X3i?ui

其中样本容量n=40，按Xi从小到大排序后，去掉中间10个样本，并对余下的样本按Xi的大小等分为两组，分别作回归，得到两个残差平方和ESS1=0.360、ESS2=0.466，写出检验步骤（?=0.05）。 F分布百分位表（?=0.05） 分子自由度 f2 f1 10 11 12 3.14 3.10 3.07 分 9 母 10 2.98 2.94 2.91 自 11 2.85 2.82 2.79 由 12 2.75 2.72 2.69 度 13 2.67 2.63 2.60

13 3.01 2.85 2.72 2.62 2.53

3．有人用广东省1978—2005年的财政收入（AV）作为因变量，用三次产业增加值作 为自变量，进行了三元线性回归。第一产业增加值——VAD1，第二产业增加值——

VAD2，第三产业增加值——VAD3，结果为：

AV=35.116?0.028VAD1?0.048VAD2?0.228VAD3 R2=0.993，F=1189.718

（0.540） （?1.613） （7.475） DW..=2.063

试简要分析回归结果。

五、证明题

?=Y。?的平均值等于实际观测值Y的平均值，即Y求证：一元线性回归模型因变量模拟值Yiii i《计量经济学》习题(二)

一、判断正误（正确划“√”，错误划“×”） 1．残差（剩余）项ei的均值e=(?e)in=0。（ ）

2．所谓OLS估计量的无偏性，是指参数估计量的数学期望等于各自的真值。（ ） 3．样本可决系数高的回归方程一定比样本可决系数低的回归方程更能说明解释变量对被解释变量的解释能力。（ ）

4．多元线性回归模型中解释变量个数为k，则对回归参数进行显著性检验的t统计量的自由度一定是n?k?1。（ ）

5．对应于自变量的每一个观察值，利用样本回归函数可以求出因变量的真实值。（ ） 6．若回归模型存在异方差问题，可以使用加权最小二乘法进行修正。（ ） 7．根据最小二乘估计，我们可以得到总体回归方程。（ ）

8．当用于检验回归方程显著性的F统计量与检验单个系数显著性的t统计量结果矛盾 时，可以认为出现了严重的多重共线性（ ）

9．线性回归模型中的“线性”主要是指回归模型中的参数是线性的，而变量则不一定是线性的。（ ）

10．一般情况下，用线性回归模型进行预测时，单个值预测与均值预测相等，且置信区间也相同。（ ） 二、单选题

1．针对同一经济指标在不同时间发生的结果进行记录的数据称为（ ） A．面板数据 B．截面数据 C．时间序列数据 D．以上都不是 2．下图中“｛”所指的距离是（ ）

Y Yi E(Y/Xi) PRF O Xi X A．随机干扰项 B．残差

?的离差 C．Yi的离差 D．Yi3．在模型Yi=?0??1lnXi?ui中，参数?1的含义是（ ） A．X的绝对量变化，引起Y的绝对量变化 B．Y关于X的边际变化

C．X的相对变化，引起Y的平均值绝对量变化 D．Y关于X的弹性

4．已知含有截距项的三元线性回归模型估计的残差平方和为容量为19，则随机误差项ui方差的估计量为（ ） A．4.74 B．6 C．5.63 D．5

?e2i=90，估计用的样本

1、请写出样本回归方程表达式，然后分析自变量回归系数的经济含义 2、解释样本可决系数的含义

3、写出t检验的含义和步骤，并在5%的显著性水平下对自变量的回归系数进行t检验（临界值: t0.025(29)=2.05）。

4、下表给出了White异方差检验结果，试在5%的显著性水平下判断随机误差项是否存在异方差。

White Heteroskedasticity Test: F-statistic Obs*R-squared 6.048005 Probability 9.351960 Probability 0.006558 0.009316 5、下表给出LM序列相关检验结果（滞后1期），试在5%的显著性水平下判断随机误差项是否存在一阶自相关。

Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 0.030516 Probability 0.033749 Probability 0.862582 0.854242 《计量经济学》习题(四)

一、判断对错

（ ）1、一般情况下，在用线性回归模型进行预测时，个值预测与均值预测结果相等，

且它们的置信区间也相同。

（ ）2、对于模型Yi=β0+β1X1i+β2X2i+……+βkXki+μi，i=1,2, ……,n；如果X2=X5 +X6， 则模型必然存在解释变量的多重共线性问题。

（ ）3、OLS回归方法的基本准则是使残差项之和最小。

（ ）4、在随机误差项存在正自相关的情况下，OLS法总是低估了估计量的标准差。 （ ）5、无论回归模型中包括多少个解释变量，总离差平方和的自由度总为（n-1）。 （ ）6、一元线性回归模型的F检验和t检验是一致的。

（ ）7、如果随机误差项的方差随解释变量变化而变化，则线性回归模型存在随机误

差项的序列相关。

（ ）8、在近似多重共线性下，只要模型满足OLS的基本假定，则回归系数的最小二

乘估计量仍然是一BLUE估计量。

（ ）9、所谓参数估计量的线性性，是指参数估计量是解释变量的线性组合。 （ ）10、拟合优度的测量指标是可决系数R2或调整过的可决系数，R2越大，说明回

归方程对样本的拟合程度越高。

二、单项选择

1．在多元线性回归模型中，若两个自变量之间的相关系数接近于1，则在回归分析中

需要注意模型的（ ）问题。

A、自相关；B、异方差；C、模型设定偏误；D、多重共线性。

2、在异方差的众多检验方法中，既能判断随机误差项是否存在异方差，又能给出异方差具体存在形式的检验方法是（ ）

A、图式检验法；B、DW检验；C、戈里瑟检验；D、White检验。

3、如果样本回归模型残差的一阶自相关系数ρ接近于1，那么DW统计量的值近似等于（ ）

A、0 B、1 C、2 D、4

4、若回归模型的随机误差项存在异方差，则参数的OLS估计量（ ）

A、无偏且有效 B、无偏但非有效 C、有偏但有效 D、有偏且非有效 5、下列哪一个方法是用于补救随机误差项自相关问题的（ ） A、OLS； B、ILS； C、WLS； D、GLS。 6、计量经济学的应用不包括：（ ）

A、预测未来； B、政策评价；C、创建经济理论；D、结构分析。

7、LM检验法适用于（ ）的检验

A、异方差； B、自相关； C、多重共线性； D都不是

8、在随机误差项的一阶自相关检验中，若DW＝0.92，给定显著性水平下的临界值dL=1.36，dU=1.59，则由此可以判断随机误差项（ ）

A、存在正自相关 B、存在负自相关 C、不存在自相关 D、无法判断 9、在多元线性线性回归模型中，解释变量的个数越多，则调整可决系数R2（ ） A、越大； B、越小； C、不会变化； D、无法确定

10、在某线性回归方程的估计结果中，若残差平方和为10，总离差平方和为100，则

回归方程的拟合优度为（ ）

A、0.1；B、0.90；C、0.91；D、无法计算。

三、简答与计算

1、多元线性回归模型的基本假设有哪些？

2、简述计量经济研究的基本步骤

3、简答经典单方程计量模型自相关概念、后果以及修正方法。

4、简述对多元回归模型Yi??0??1X1i??2X2i?...??kXki?ui进行显著性检验（F检验）

的基本步骤

2

5、对于一个五元线性回归模型，已知可决系数R=0.6，方差分析表的部份结果如下：

方差来源 平方和(SS) 自由度(d.f.) 来自残差(ESS) —— 25 来自回归(RSS) ―― 总离差(TSS) 3000 ――

（1）样本容量是多少？ （2）回归平方和RSS为多少？ （3）残差平方和ESS为多少？

（4）回归平方和RSS和总离差平方和TSS的自由度各为多少？ （5）求方程总体显著性检验的F统计量；

四、实验

下表是某国1967－1985年间GDP与出口额（EXPORT）之间的回归分析结果（单位：亿美元）：

Dependent Variable: EXPORT Method: Least Squares Sample: 1967 1985 Included observations: 19 Variable C GDP R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient Std. Error -2531.831 270.8792 0.281762 0.009355

t-Statistic -9.346714 ――

Prob. 0.0000 ―― 5530.842 1295.273 13.33157 13.43098 907.2079 0.000000

0.981606 Mean dependent var 0.980524 S.D. dependent var 180.7644 Akaike info criterion 555487.9 Schwarz criterion -124.6499 F-statistic 0.950536 Prob(F-statistic)

1、请写出样本回归方程表达式，然后分析自变量回归系数的经济含义 2、解释样本可决系数的含义

3、写出t检验的含义和步骤，并在5%的显著性水平下对自变量的回归系数进行t检验（临界值: t0.025(17)=2.11）。

4、下表给出了White异方差检验结果，试在5%的显著性水平下判断随机误差项是否存在异方差。

White Heteroskedasticity Test: F-statistic Obs*R-squared 5.376588 Probability 7.636863 Probability 0.016367 0.021962 5、下表给出LM序列相关检验结果（滞后1期），试在5%的显著性水平下判断随机误差项是否存在一阶自相关。

Breusch-Godfrey Serial Correlation LM Test: F-statistic Obs*R-squared 3.236705 Probability 3.196877 Probability 0.090893 0.073779 《计量经济学》习题(五)

一、判断正误（正确划“√”，错误划“x”）

（ ）1、最小二乘法进行参数估计的基本原理是使残差平方和最小。

（ ）2、一般情况下，用线性回归模型进行预测时，个值预测与均值预测相等，且置信

区间也相同。

（ ）3、如果随机误差项的方差随解释变量变化而变化，则线性回归模型存在随机误差

项的序列相关。

（ ）4、若回归模型存在异方差问题，应使用加权最小二乘法进行修正。 （ ）5、多元线性回归模型的F检验和t检验是一致的。 （ ）6、DW检验只能检验随机误差项是否存在一阶自相关。

（ ）7、总离差平方和（TSS）可分解为残差平方（RSS）和与回归平方和（ESS），其

中残差平方（RSS）表示总离差平方和可由样本回归直线解释的部分。

（ ）8、拟合优度用于检验回归方程对样本数据的拟合程度，其测量指标是可决系数或

调整后的可决系数。

（ ）9、对于模型Yi??0??1X1i?...??nXni?ui i?1,2,...,n；如果X2?X3?X1，

则模型必然存在解释变量的多重共线性问题。

（ ）10、所谓OLS估计量的无偏性，是指参数估计量的数学期望等于各自真值。

二、单项选择

????X必然会通过点（ ） ???1、回归直线Yi01i___A、（0，0） B、（X，Y） C、（X，0） D、（0，Y）

2、某线性回归方程的估计的结果，残差平方和为20，回归平方和为80，则回归方程的拟合

优度为（ ）

A、0.2 B、0.6 C、0.8 D、无法计算

3、针对经济指标在同一时间所发生结果进行记录的数据列，称为（ ） A、面板数据 B、截面数据 C、时间序列数据 D、时间数据

_

4、对回归方程总体线性关系进行显著性检验的方法是（ ） A、Z检验 B、t检验 C、F检验 D、预测检验

5、如果DW统计量等于2，那么样本回归模型残差的一阶自相关系数ρ近似等于（ ） A、0 B、-1 C、1 D、0.5 6、若随机误差项存在异方差，则参数的普通最小二乘估计量（ ） A、无偏且有效 B、有偏且非有效 C、有偏但有效 D、无偏但非有效 7、下列哪一种方法是用于补救随机误差项的异方差问题的（ ）

A、OLS； B、ILS； C、WLS D、GLS

8、如果某一线性回归方程需要考虑四个季度的变化情况，那么为此设置虚拟变量的个数为（ ）

A、1 B、2 C、3 D、4 9、样本可决系数R2越大，表示它对样本数据拟合得（ ） A、越好 B、越差 C、不能确定 D、均有可能 10、多元线性回归模型中，解释变量的个数越多，可决系数R2（ ）

A、越大； B、越小； C、不会变化； D、无法确定

三、简答题

1、简述计量经济学的定义。

2、多元线性回归模型的基本假设有哪些？ 3、简答异方差概念、后果以及修正方法。 4、简述t检验的目的及基本步骤。

四、计算

对于一个三元线性回归模型，已知可决系数R?0.8，方差分析表的部份结果如下：

变差来源 源于回归（ESS） 源于残差（RSS） 总变差（TSS）

（1）样本容量是多少？ （2）总变差TSS为多少？ （3）残差平方和RSS为多少？ （4）ESS和RSS的自由度各为多少？ （5）求方程总体显著性检验的F统计量值。

2平方和 200

自由度 22

《计量经济学》习题(六)-案例题

一、根据美国各航空公司航班正点到达的比率X（%）和每10万名乘客投诉的次数Y进

行回归，EViews输出结果如下： Dependent Variable: Y Method: Least Squares Sample: 1 9

Included observations: 9 Variable C X R-squared Prob(F-statistic) t-Statistic Prob.

Coefficient Std. Error 6.017832 1.052260 -0.070414 0.014176 0.778996 5.718961 0.0007 -4.967254 0.0016 2.5270 0.001624 Durbin-Watson stat (1)对以上结果进行简要分析（包括方程显著性检验、参数显著性检验、DW值的评价、对

斜率的解释等，显著性水平均取0.05）。

（2）按标准书写格式写出回归结果。

二、以下是某次线性回归的EViews输出结果，部分数值已略去（用大写字母标示），

但它们和表中其它特定数值有必然联系，分别据此求出这些数值，并写出过程。（保留3位小数）

Dependent Variable: Y

Method: Least Squares Sample: 1 13

Included observations: 13 Variable C X R-squared Prob. 0.0000 0.0000 1.962965 1.372019 2.117340 2.204256

Coefficient Std. Error t-Statistic 5.730488 0.605747 A -0.313960 0.048191 -6.514964 0.794180 Mean dependent var Adjusted R-squared B S.D. dependent var S.E. of regression 0.650127 Akaike info criterion Sum squared resid C Schwarz criterion （1）求A的值。 （2）求B的值。 （3）求C的值。

三、用1970-1994年间日本工薪家庭实际消费支出Y与实际可支配收入X（单位：10

3

日元）数据估计线性模型Y=?0??1X?u，然后用得到的残差序列et绘制以下图形。 （1）试根据图形分析随机误差项之间是否存在自相关？若存在，是正自相关还是负自相关？

答：图形显示，随机误差项之间存在着相关性，且为正的自相关。

（2）此模型的估计结果为

试用DW检验法检验随机误差

项之间是否存在自相关。

附表：DW检验临界值表（?=0.05） n k=1 dL dU 1.45 1.45 1.46 1.47 k=2 dL 1.19 1.21 1.22 1.24 dU 1.55 1.55 1.55 1.56 24 1.27 25 1.29 26 1.30 27 1.31 四、用一组截面数据估计消费(Y)—收入(X)方程Y=?0??1X?u的结果为

（1）根据回归的残差序列e(t)图分析本模型是否存在异方差？

注：abs[e(t)]表示e(t)的绝对值。

（2）其次，用White法进行检验。EViews输出结果见下表：

White Heteroskedasticity Test: F-statistic 6.301373 Probability 0.003370 0.004374 Obs*R-squared 10.86401 Probability Dependent Variable: RESID^2 Method: Least Squares

Sample: 1 60

Included observations: 60 Variable C X X^2 Coefficient Std. Error t-Statistic Prob. -10.03614 131.1424 -6.076529 0.0045 0.165977 1.619856 5.102464 0.0064 0.001800 0.004587 8.392469 0.0002 若给定显著水平??0.05，以上结果能否说明该模型存在异方差？查卡方分布临界值的自由度是多少？

五、下图描述了残差序列{et}与其滞后一期值{et?1}之间的散点图，试据此判断随机误差项之间是否存在自相关？若存在，则是正自相关还是负自相关？

e(t)86420-2-4-6-8-8-6-4-20e(t-1)2468

六、在一多元线性回归模型中，为检验解释变量之间是否存在多重共线性问题，以解释变量

x1作为被解释变量，对其余解释变量进行辅助回归，得到可决系数R2?0.95。试计算变量x1的方差扩大因子VIF1，并根据经验判断解释变量间是否存在多重共线性问题？

七、下表是中国某地人均可支配收入（INCOME）与储蓄（SAVE）之间的回归分析结果（单位：元）：

Sample: 1 31

Included observations: 31 Variable C INCOME R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

Coefficient Std. Error -695.1433 118.0444 0.087774 0.004893

t-Statistic -5.888827 －

Prob. 0.0000 － 1266.452 846.7570 13.92398 14.01649 321.8177 0.000000

0.917336 Mean dependent var 0.914485 S.D. dependent var 247.6160 Akaike info criterion 1778097. Schwarz criterion -213.8216 F-statistic 1.892420 Prob(F-statistic)

1、请写出样本回归方程表达式，然后分析自变量（INCOME）回归系数的经济含义 2、解释可决系数的含义

3、若给定显著性水平??5%，试对自变量（INCOME）的回归系数进行显著性检验（已知t0.025(29)?2.045）

4、在??5%的显著性水平下，查n?31的DW临界值表得dL?1.363，dU?1.496，试根据回归结果判断随机误差项是否存在一阶自相关？

5、下表为上述回归的White检验结果，在??5%的显著性水平下，试根据P值检验判断随机误差项是否存在异方差？

White Heteroskedasticity Test: F-statistic Obs*R-squared

5.819690 Probability 9.102584 Probability

0.007699 0.010554

《计量经济学》习题(一)答案

一、判断正误

1．（ × ）2．（ √ ）3．（ √ ）4．（ √ ）5．（ × ） 6．（ × ）7．（ ×）8．（ × ）9．（ √ ）10．（ √ ）

二、单选题（每小题1.5分，共15分） 1．（ D ）。2．（ B ）。3．（ B ）。4．（ C ）。5．（ B ）。 6．（ B ）。7．（ B ）。8．（ B ）。9．（ B ）。10．（ A ）。 三、多选题

1．（ ABCE ）2．（ BCDE ）3．（ ABCE ）4．（ ABCD ）5．（ ABCDE ）。 四、简答题

1．随机干扰项主要包括哪些因素？它和残差之间的区别是什么？

答：随机干扰项包括的主要因素有：（1）众多细小因素的影响；（2）未知因素的影响；（3）数据测量误差或残缺；（4）模型形式不完善；（5）变量的内在随机性。

?。残差项是 随机误差项羽残差不同，残差是样本观测值与模拟值的差，即ei=Yi?Yi随机误差项的估计。

2．简述为什么要对参数进行显著性检验？试说明参数显著性检验的过程。

答：最小二乘法得到的回归直线是对因变量与自变量关系的一种描述，但它是不是恰当的描述呢？一般会用与样本点的接近程度来判别这种描述的优劣，而当获得以上问题的肯定判断之后，还需要确定每一个参数的可靠程度，即参数本身以及对应的变量该不该保留在方程里，这就有必要进行参数的显著性检验。这种检验是确定各个参数是否显著地不等于零。检验分为三个步骤：

①提出假设：原假设H0:?i?0；备择假设H1:?i?0

②在原假设成立的前提下构造统计量：t???i?Se?i??~t(n?k?1)

③给定显著性水平?，查t分布表求得临界值t?/2(n?k?1)，把根据样本数据计算

出的t统计量值t?与t?/2(n?k?1)比较：

若t??t?/2(n?k?1)，则拒绝原假设H0 ，即在给定显著性水平下，解释变量Xi对因变量有显著影响；

若t??t?/2(n?k?1)，则不能拒绝原假设H0 ，即在给定显著性水平下，解释变量Xi对因变量没有显著影响.

3．简述序列相关性检验方法的共同思路。

答：由于自相关性，使得相对于不同的样本点，随机干扰项之间存在相关关系，那么检验自相关性，首先根据OLS法估计残差，将残差作为随机干扰项的近似估计值，然后检验这些近似估计值之间的相关性以判定随机干扰项是否存在序列相关。各种检验方法就是在这个思路下发展起来的。 五、计算分析题

1．下表是某次线性回归的EViews输出结果，根据所学知识求出被略去部分的值（用大写字母标示），并写出过程（保留3位小数）。 Dependent Variable: Y Method: Least Squares Included observations: 13 Variable C X1 X2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Coefficient 7.105975 -1.393115 1.480674 0.872759 Std. Error

t-Statistic 4.390321 -4.493196 8.217506 Prob. 0.0014 0.0012 0.0000 7.756923 3.041892 3.382658 3.513031 A 0.310050 0.180185 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion B 1.188632 C ?7.1060??解：A=Se(?)===1.619；

t4.3903B=R2=1?2n?113?1(1?R2)=1?(1?0.8728)=0.847

n?k?113?2?1?=由公式??e2in?k?1，得C=

?e2i?2(n?k?1)=1.18862(13?2?1)=14.128。 =?2．用Goldfeld?Quandt方法检验下列模型是否存在异方差。模型形式如下：

Yi=?0??1X1i??2X2i??3X3i?ui

本文来源：https://www.bwwdw.com/article/nfe2.html