21.回归模型=月+月X,+4,1=1,“,25中，总体方差未知，检验H,:月=0时，所用的 检验统计量店-且服从《 A.x2(n-2) B.t (n-1) cx2(n-D D.1(n-2) 22.线性回归模型的参数估计量户是随机变量Y的函数，即B=(XX丁X了。所以B是(). A.随机变量 B.非随机变量 C确定性变量 D.常量 28.由。=X,B可以得到被解释变量的估计值，由于模型中参数估计量的不确定性及随机误差项的影 响，可知是( )。 A.确定性变量 B.非随机变量 C.随机变量 D.常量 24.下面哪一表述是正确的( 人线性回归模型y=B+BX+的零均值假设是指之4=0 B.对模型Y=民+月X,+B,X+凸进行方程显著性检验（即F检验），检验的零假设是 Ho:Bo=B=B=0 C.相关系数较大意味若两个变量存在较强的因果关系 D.当随机误差项的方差估计量等于零时，说明被解释变量与解释变量之间为函数关系 25.在双对数线性模型血Y=B+月血X+“中，参数B的含义是( ). AY关于X的增长量B.Y关于X的发展速度 C.Y关于X的边际倾向 D.Y关于X的弹性 26根据样本资料已估计得出人均消费支出Y对人均收入X的回归方程为 nP=2.00+0.75nX,这表明人均收入每增加1%，人均消费支出将增加( )o A.2% B.0.2% C.0.75% D.7.5% 27.半对数模型Y=B+BnX+“中，参数B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的期望值绝对量变化 D.Y关于X的弹性 28.半对数模型hY=A,+月X+“中，参数B的含义是( )。 AX的绝对量发生一定变动时，引起因变量Y的相对变化率B.Y关于X的弹性 CX的相对变化，引起Y的期望值绝对量变化 D.Y关于X的边际变化 二、多项选择题 1.区间估计指的是( B.估计的总体参数出现的一个可能的范围-一区 A在一定可靠程度下的估计，这个可靠程度称为 间，这个区间叫做置信区间 置信度 C.置信度又称为置信系数，它是一个概率，等于
21.回归模型 Yi = 0 + 1Xi + i ，i = 1，.，25 中，总体方差未知，检验 H0：1 = 0 时，所用的 检验统计量 1 ˆ 1 1 ˆ S − 服从（ ）。 A. （2 n − 2） B. t（n −1） C. （2 n −1） D. t（n − 2） 22.线性回归模型的参数估计量 ˆ 是随机变量 Yi 的函数，即 (X X ) X Y ' 1 ˆ ' − = 。所以 ˆ 是（ ）。 A.随机变量 B.非随机变量 C.确定性变量 D.常量 23.由 ˆ ˆ Y0 = X0 可以得到被解释变量的估计值，由于模型中参数估计量的不确定性及随机误差项的影 响，可知 0 Y ˆ 是（ ）。 A.确定性变量 B.非随机变量 C.随机变量 D.常量 24.下面哪一表述是正确的（ ）。 A.线性回归模型 Yi = 0 + 1Xi + i 的零均值假设是指 0 1 1 = = n i i n B.对模 型 Yi = 0 + 1X1i + 2X2i + i 进行方程 显著性 检验 （即 F 检验），检 验的零 假设是 H0： 0 = 1 = 2 = 0 C.相关系数较大意味着两个变量存在较强的因果关系 D.当随机误差项的方差估计量等于零时，说明被解释变量与解释变量之间为函数关系 25.在双对数线性模型 ln Y = 0 + 1 ln X + 中，参数 1 的含义是（ ）。 A.Y 关于 X 的增长量 B.Y 关于 X 的发展速度 C.Y 关于 X 的边际倾向 D.Y 关于 X 的弹性 26.根据样本资料已估计得出人均消费支出 Y 对人均收入 X 的回归方程为 ln Y = 2.00 + 0.75ln X ，这表明人均收入每增加１％，人均消费支出将增加（ ）。 A.2% B.0.2% C.0.75% D.7.5% 27.半对数模型 Y = 0 + 1 ln X + 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 的期望值绝对量变化 D．Y 关于 X 的弹性 28.半对数模型 ln Y = 0 + 1X + 中，参数 1 的含义是（ ）。 A.X 的绝对量发生一定变动时，引起因变量 Y 的相对变化率 B.Y 关于 X 的弹性 C.X 的相对变化，引起 Y 的期望值绝对量变化 D.Y 关于 X 的边际变化 二、多项选择题 1.区间估计指的是（ ） A.在一定可靠程度下的估计，这个可靠程度称为 置信度 B.估计的总体参数出现的一个可能的范围-区 间，这个区间叫做置信区间 C.置信度又称为置信系数，它是一个概率，等于
1-a,1-a就是估计的可靠程度：a则称为显著A.回归直线通过Y和X的样本平均值 水平或目险的概率 B估计的Y的拟合值的平均值等于实际观察值Y的 D.置信区间是一个随着样本变化而变化的随机区 平均值 间，这个随机区间“套”着待估计总体参数的可 C.剩余或残差ei的平均值等于0 能性等于1-a D.剩余的ei和拟合的Yi值不相关 E样本取定以后，它提供的信息量就确定了，提 E.剩余的ei和解释变量X之间不相关 高估计的准确程度-一缩小区间，必然降低估计的 5.判断最小二乘法得到的回归直线是否优良，亦 可靠程度： 即直线对实际观察到的点之间的关系反映到何种 2.用t检验进行参数显著性检验。有如下()步骤 程度，直线是否能反映这些点之间的关系或趋势 A.对总体参数提出假设：HO:=0HA:B≠0 最简单的方法是采用( )指标 B.在零假设0：B=0成立下构造t统计量并由观察 A拟合优度 B.判定系数 数据计算t的值 C.因变量的实际值与因变量的拟合值之间的相关 C.给定显著水平a,查自由度为n-k-1的t分布表， 系数的平方 得临界值 D.回归平方和占总平方和的比率 D.进行检验：若|t>临界值，则拒绝O:B=0,接 E,因变量与某个自变量之间的简单相关系数 受HA:B≠0，反之，则不拒绝HO:B=0,拒绝1 6.影响预测精度的因素包括 E.判断模型是否需要再修改，或者结合经济学的 A样本容量愈大，预测的方差愈小，预测的精度 专业知识对B作出经济学意义的结论 愈大 3.最小二乘法中实际点到回归直线的距离是() B样本中解释变量的离均差愈大，预测的方差愈 A实际点到回归直线的垂直坐标距离 小，预测的精度愈大 B.实际点到回归直线的垂直距离 C.当其样本容量相当大，而预测点的取值X0接近 C,实际点到回归直线的水平坐标距离 于X的平均值时，预测的方差最小，预测的精度最 D.实际点到回归直线的横向距离 大 E实际点到回归直线的纵向距离 D.残差标准差的估计值愈小，回归预测的精度愈 4.最小二乘法得到的回归方程也称为最小二乘直 精确，所以常常把残差标准差的估计值作为预测 线，最小二乘直线的性质包括( 精度的标志 7.调整后的多重可决系数下2的正确表达式有( 。 ∑(y-)2n-) ∑.(y-,)n-k) ∑化，-，)2n-) B. ∑化-)2n-) c1-0- 1-0-g E1-+R) n-1 8.设k为回归模型中的参数个数（包括截距项），则总体线性回归模型进行显著性检验时所用的F统计
1-a ，1-a 就是估计的可靠程度；a 则称为显著 水平或冒险的概率 D.置信区间是一个随着样本变化而变化的随机区 间，这个随机区间“套”着待估计总体参数的可 能性等于1-a E.样本取定以后，它提供的信息量就确定了，提 高估计的准确程度-缩小区间，必然降低估计的 可靠程度； 2.用t检验进行参数显著性检验。有如下（）步骤 A.对总体参数提出假设：H0: =0 HA:β≠0 B.在零假设H0:β=0成立下构造t统计量并由观察 数据计算t的值 C.给定显著水平α，查自由度为n-k-1的t分布表， 得临界值 D.进行检验：若|t|>临界值，则拒绝H0:β=0，接 受HA:β≠0，反之，则不拒绝H0:β=0，拒绝H E.判断模型是否需要再修改，或者结合经济学的 专业知识对β作出经济学意义的结论 3.最小二乘法中实际点到回归直线的距离是（） A.实际点到回归直线的垂直坐标距离 B.实际点到回归直线的垂直距离 C.实际点到回归直线的水平坐标距离 D.实际点到回归直线的横向距离 E.实际点到回归直线的纵向距离 4.最小二乘法得到的回归方程也称为最小二乘直 线，最小二乘直线的性质包括（ ）。 A.回归直线通过Y和X的样本平均值 B.估计的Y的拟合值的平均值等于实际观察值Y的 平均值 C.剩余或残差ei的平均值等于0 D.剩余的ei和拟合的Yi值不相关 E.剩余的ei和解释变量X之间不相关 5.判断最小二乘法得到的回归直线是否优良，亦 即直线对实际观察到的点之间的关系反映到何种 程度，直线是否能反映这些点之间的关系或趋势 最简单的方法是采用（ ）指标 A.拟合优度 B.判定系数 C.因变量的实际值与因变量的拟合值之间的相关 系数的平方 D.回归平方和占总平方和的比率 E.因变量与某个自变量之间的简单相关系数 6.影响预测精度的因素包括 A.样本容量愈大，预测的方差愈小，预测的精度 愈大 B.样本中解释变量的离均差愈大，预测的方差愈 小，预测的精度愈大 C.当其样本容量n相当大，而预测点的取值X0接近 于X的平均值时，预测的方差最小，预测的精度最 大 D.残差标准差的估计值愈小，回归预测的精度愈 精确，所以常常把残差标准差的估计值作为预测 精度的标志 7.调整后的多重可决系数 2 R 的正确表达式有（ ）。 A. − − − − − ( ) ( ) ( 1) 1 2 2 Y Y n k Y Y n i i i （ ） B. − − − − − ( ) ( 1) ( ) ˆ 1 2 2 Y Y n Y Y n k i i （ i i） C. n k n R − − − − 1 1 (1 ) 2 D. 1 1 (1 ) 2 − − − − n n k R E. 1 1 (1 ) 2 − − − + n n k R 8.设 k 为回归模型中的参数个数（包括截距项），则总体线性回归模型进行显著性检验时所用的 F 统计
量可表示为( )。 Σ心-)n-k) Σ立-)2k-1) A.Σek-l) B ∑e2（n-k) R2/k-1) 1-R2)/n-k) c.(I-R)/(n-k) D. R2/k-) R2/(n-k) E.0-R2k- 9.将非线性回归模型转换为线性回归模型，常用的数学处理方法有( A.直接置换法B.对数变换法C.级数展开法D.广义最小二乘法E加权最小二乘法 10.在模型血y=h血A+月hX,+4中( A.Y与X是非线性的 B.Y与B是非线性的 C.hY与B是线性的 D.hY与hX是线性的EY与hX是线性的 11.回归平方和∑是指( A被解释变量的观测值Y与其平均值了的离差平方和 B.被解释变量的回归值》与其平均值了的离差平方和 C.被解释变量的总体平方和Y与残差平方和∑e2之若 D.解释变量变动所引起的被解释变量的离差的大小 E随机因素影响所引起的被解释变量的离差大小 三、名词解释 1.总变差(TSS)2.总体回归函数(PRF)3.样本回归函数(SRF)4.随机的总体回归函数5.随机误 差项(4)6.残差项(e,)7.回归系数或回归参数8.回归系数的估计量9.判定系数10.BLUS 11.同方差性12.最小二乘法13.0LS估计量14.无偏估计量 15.随机误差项16.残差项 17.线性回归模型18.点估计量19.区间估计量20.零假设与备择假设21.置信系数与显著 水平22.无偏估计量23.最小方差估计量24.最优的或最有效的估计量25.线性估计量26.回归 平方和(E5S)27.残差平方和(RS55)28.估计值的标准差29.显著性检验30.t检验31.最 小二乘法 四、填空趣 _因变量离差平方和，度量因变量的变动。就因变量总变动的变异来源看， 它由两部分因素所作崇。一个是自变量，另一个是除自变量以外的其它因素。 2 _拟合值的离散程度的度量。它是由自变量的变化引起的因变量的变化，或 称自变量对因变量变化的贡献。 _度量实际值与拟合值之间的差异。它是由除自变量以外的其它因素所至。它又叫
量可表示为（ ）。 A. ( 1) ) ( ) ˆ ( 2 2 − − − e k Y Y n k i i B. ( ) ) ( 1) ˆ ( 2 2 e n k Y Y k i i − − − C. (1 ) ( ) ( 1) 2 2 R n k R k − − − D. ( 1) 1 ( ) 2 2 − − − R k （ R ） n k E. (1 ) ( 1) ( ) 2 2 − − − R k R n k 9.将非线性回归模型转换为线性回归模型，常用的数学处理方法有（ ）。 A.直接置换法 B.对数变换法 C.级数展开法 D.广义最小二乘法 E.加权最小二乘法 10.在模型 Yi = + Xi + i ln ln 0 1 ln 中（ ）。 A. Y 与 X 是非线性的 B. Y 与 1 是非线性的 C. ln Y 与 1 是线性的 D. ln Y 与 ln X 是线性的 E. Y 与 ln X 是线性的 11.回归平方和 2 y ˆ 是指（ ）。 A.被解释变量的观测值 Y 与其平均值 Y 的离差平方和 B.被解释变量的回归值 Y ˆ 与其平均值 Y 的离差平方和 C.被解释变量的总体平方和 2 Y 与残差平方和 2 e 之差 D.解释变量变动所引起的被解释变量的离差的大小 E.随机因素影响所引起的被解释变量的离差大小 三、名词解释 1.总变差(TSS) 2.总体回归函数（PRF） 3.样本回归函数（SRF） 4.随机的总体回归函数 5.随机误 差项（ i ） 6.残差项（ i e ） 7.回归系数或回归参数 8.回归系数的估计量 9.判定系数 10.BLUS 11.同方差性 12.最小二乘法 13.OLS 估计量 14.无偏估计量 15.随机误差项 16.残差项 17.线性回归模型 18.点估计量 19.区间估计量 20.零假设与备择假设 21.置信系数与显著 水平 22.无偏估计量 23.最小方差估计量 24.最优的或最有效的估计量 25.线性估计量 26.回归 平方和（ESS） 27. 残差平方和（RSS） 28.估计值的标准差 29. 显著性检验 30. t 检验 31. 最 小二乘法 四、填空题 1. 因变量离差平方和，度量因变量的变动。就因变量总变动的变异来源看， 它由两部分因素所作祟。一个是自变量，另一个是除自变量以外的其它因素。 2. 拟合值的离散程度的度量。它是由自变量的变化引起的因变量的变化，或 称自变量对因变量变化的贡献。 3. 度量实际值与拟合值之间的差异。它是由除自变量以外的其它因素所至。它又叫
4.与数学中的函数关系相比，计量经济模型的显著特点是引入随机误差项山，“包含了丰富的内容， 主要包括四方面」 5.计量经济模型普通最小二乘法的基本假定有 6,被解释变量的观测值，与其回归理论值EY)之间的偏差，称为 :被解释变量的观 测值与其回归估计值之间的偏差，称为 ?对线性回归模型Y=B+B,X+“进行最小二乘估计，最小二乘准则是 8.高斯一马尔可夫定理证明在总体参数的各种无偏估计中，普通最小二乘估计量具有 的特性，并由此才使最小二乘法在数理统计学和计量经济学中获得了最广泛的应用。 9.普通最小二乘法得到的参数估计量具有 统计性质。 10,对于立=戌+月X。+月X,在给定置信水平下，减小月的置信区间的途径主要有 1山，对包含常数项的季节（春、夏、秋、冬）变量模型运用最小二乘法时，如果模型中需要引入季节虚拟 变量，一般引入虚拟变量的个数为 12.对计量经济学模型作统计检验包括 检验、 检验、 检验。 13.总体平方和TSS反映 之离差的平方和：回归平方和SS反映了 之离差的平方和：残差平方和SS反映了 之差的平方和。 14.方程显著性检验的检验对象是 15.对于模型号=民+月X,+民X++月X。+4,1,2.,一般经验认为，满足模型估计 的基本要求的样本容量为 16.对于总体线性回归模型Y=B+BX:+BX:+BX,+4,运用最小二乘法欲得到参数估计 量，所要求的最小样本容量”应满足 17.将非线性回归模型转换为线性回归模型，常用的数学处理方法有 18.在计量经济建模时，对非线性模型的处理方法之一是线性化，模型Y= r+B线性化的变量变换 形式为 ,变换后的模型形式为 1以.在计量经济建模时，对非线性模型的处理方法之一是线性化。模型Y一十e”震线性化的变量变 换形式为 ,变换后的模型形式为 五、判断题
4.与数学中的函数关系相比，计量经济模型的显著特点是引入随机误差项 u ， u 包含了丰富的内容， 主要包括四方面_ _、_ _、_ _、 _ _。 5.计量经济模型普通最小二乘法的基本假定有_、_、_、_。 6.被解释变量的观测值 Yi 与其回归理论值 E(Y) 之间的偏差，称为_ _；被解释变量的观 测值 Yi 与其回归估计值 Yi ˆ 之间的偏差，称为_ _。 7.对线性回归模型 Y = 0 + 1X + 进行最小二乘估计，最小二乘准则是_ _。 8.高斯—马尔可夫定理证明在总体参数的各种无偏估计中，普通最小二乘估计量具有_ _ 的特性，并由此才使最小二乘法在数理统计学和计量经济学中获得了最广泛的应用。 9. 普通最小二乘法得到的参数估计量具有_ _、_ _、_ _统计性质。 10. 对 于 Yi 0 1X1i 2X2i ˆ ˆ ˆ ˆ = + + ，在给定置信水平下，减小 2 ˆ 的置信区间的途径主要有 _、_、_。 11.对包含常数项的季节(春、夏、秋、冬)变量模型运用最小二乘法时，如果模型中需要引入季节虚拟 变量，一般引入虚拟变量的个数为_ _。 12.对计量经济学模型作统计检验包括_ _检验、_ _检验、_ _检验。 13. 总 体 平 方和 TSS 反 映 _ 之 离 差的 平 方和 ； 回 归平 方 和 ESS 反映了 _之离差的平方和；残差平方和 RSS 反映了_之差的平方和。 14.方程显著性检验的检验对象是_ _。 15.对于模型 Yi = 0 + 1X1i + 2X2i ++ k Xki + i ，i=1,2,.,n，一般经验认为，满足模型估计 的基本要求的样本容量为_ _。 16.对于总体线性回归模型 Yi = 0 + 1X1i + 2X2i + 3X3i + i ，运用最小二乘法欲得到参数估计 量，所要求的最小样本容量 n 应满足_ _。 17.将非线性回归模型转换为线性回归模型，常用的数学处理方法有_ _、_ _、 _ _。 18.在计量经济建模时，对非线性模型的处理方法之一是线性化，模型 + = X X Y 线性化的变量变换 形式为_ _，变换后的模型形式为_ _。 19.在计量经济建模时，对非线性模型的处理方法之一是线性化，模型 X X e e Y + + + = 1 线性化的变量变 换形式为_ _，变换后的模型形式为_ _。 五、判断题
下列哪些形式是正确的()。 1.Y=B+Bx 2.Y=B+BX+4 3.Y=序+房X+4 4户=序+月X+4 5户=成+BX 6.E(Y)=B+Bx 7.Y=成+x 8.Y=月+月X+e 9.f=月+成x+e 10.E(Y)=B+ 11.下列方程并判断模型( )属于变量呈线性，模型( )属于系数呈线性，模型( 既属于变量呈线性又属于系数呈线性，模型( )既不属于变量呈线性也不属于系数呈线性。 A￥=民+B,X+4 B.Y.=Bo+B,log,+ c.log.+B,log D.Y,=Bo+B.(B:X,)+H E.Y=B(B,X ) R.y-1+B0-X)+4 G.Y=B++: 12.在计量经济建模过程中，当采用的是一个自变量并且使用的样本量n≤30时，对参数的显菩性检验 要用正态分布检验。 13.一般情况下，广义最小二乘估计量比普通最小二乘估计更有效。 14.随机误差项与残差项是一回事。 15.线性回归模型意味若变量是线性的。 16.线性回归模型中，解释变量是原因，被解释变量是结果。 17.最小方差估计量不一定是无偏的 18.参数的估计量是随机变量，但参数本是非随机的或是固定的。 19参数的无偏估计量，总是等于参数本身，（比如说从，无偏估计量等于4，）。] 20.有效估计量的方差最小。 21.估计量是最优线性无偏估计量，仅当分布是正态分布是成立。 22接受区域与置信区间是一回事。 23.当拒绝可能为假的零假设时，才发生第一类错误。 24.当拒绝可能为真的零假设时，才发生第二类错误 25中心极限定理表明样本均值总是服从正态分布。 26.显著水平与D值是同一回事。 27.判别下列模型是否为线性回归模型： (a)y,=B+B,1/X,)(b)y=B,+B2nX,+4, (c)ny=B,+B2X,+4 (d)In Y,=B+B In,+H (e)Y,=B+B.B,+ 注：自然对数表示以e为底的常用对数 28.01S就是使残差平方和最小化的过程。 29.计算0S估计量无需古典线性回归模型的基本假定
下列哪些形式是正确的（）。 1. Y = 0 + 1X 2. Y = 0 + 1X + 3. Y = ˆ 0 + ˆ 1X + 4. Y ˆ = ˆ 0 + ˆ 1X + 5. Y ˆ = ˆ 0 + ˆ 1X 6. E(Y) = 0 + 1X 7. Y = ˆ 0 + ˆ 1X 8. Y = + X + e 0 1 ˆ ˆ 9. Y = + X + e 0 1 ˆ ˆ ˆ 10. E(Y) = ˆ 0 + ˆ 1X 11.下列方程并判断模型（ ）属于变量呈线性，模型（ ）属于系数呈线性，模型（ ） 既属于变量呈线性又属于系数呈线性，模型（ ）既不属于变量呈线性也不属于系数呈线性。 A. Yi = + i Xi + i 3 0 B. Yi = + i Xi + i 0 log C. Yi = + i Xi + i log 0 log D. Yi = + Xi + i ( ) 0 1 2 E. Yi = i Xi + i /( ) 0 F. Yi Xi i = 1+ (1− ) + 1 0 G. Yi = 0 + 1X1i + 2X2i + i 12.在计量经济建模过程中，当采用的是一个自变量并且使用的样本量 n 30 时，对参数的显著性检验 要用正态分布检验。 13.一般情况下，广义最小二乘估计量比普通最小二乘估计更有效。 14.随机误差项与残差项是一回事。 15.线性回归模型意味着变量是线性的。 16.线性回归模型中，解释变量是原因，被解释变量是结果。 17.最小方差估计量不一定是无偏的 18.参数的估计量是随机变量，但参数本是非随机的或是固定的。 19.参数的无偏估计量，总是等于参数本身，（比如说 x 无偏估计量等于 x ）。] 20.有效估计量的方差最小。 21.估计量是最优线性无偏估计量，仅当分布是正态分布是成立。 22.接受区域与置信区间是一回事。 23.当拒绝可能为假的零假设时，才发生第一类错误。 24.当拒绝可能为真的零假设时，才发生第二类错误。 25.中心极限定理表明样本均值总是服从正态分布。 26.显著水平与 p 值是同一回事。 27．判别下列模型是否为线性回归模型： （a） (1/ ) Yi = B1 + B2 Xi （b） Yi = B + B Xi + i 1 2 ln （c） Yi = B1 + B2Xi + i ln （d） Yi = B + B Xi + i ln 1 2 ln （e） Yi = B1 + B2B3Xi + i 注：自然对数表示以 e 为底的常用对数 28． OLS 就是使残差平方和最小化的过程。 29．计算 OLS 估计量无需古典线性回归模型的基本假定