(完整版)第二章(简单线性回归模型)2-2答案

第二章 简单线性回归模型一、单项选择题：1、回归分析中定义的（ B ）。

A 、解释变量和被解释变量都是随机变量B 、解释变量为非随机变量，被解释变量为随机变量C 、解释变量和被解释变量都为非随机变量D 、解释变量为随机变量，被解释变量为非随机变量2、最小二乘准则是指使（ D ）达到最小值的原则确定样本回归方程。

A 、1ˆ()n t t t Y Y =-∑B 、1ˆn t t t Y Y =-∑C 、ˆmax t t Y Y -D 、21ˆ()n t t t Y Y =-∑ 3、下图中“{”所指的距离是（ B ）。

A 、随机误差项i 、ˆiY 的离差 4、参数估计量ˆβ是i Y 的线性函数称为参数估计量具有( A )的性质。

A 、线性 B 、无偏性 C 、有效性 D 、一致性5、参数β的估计量βˆ具备有效性是指（ B ）。

A 、0)ˆ(=βVarB 、)ˆ(βVar 为最小C 、0ˆ=-ββD 、)ˆ(ββ-为最小6、反映由模型中解释变量所解释的那部分离差大小的是( B )。

A 、总体平方和B 、回归平方和C 、残差平方和D 、样本平方和7、总体平方和TSS 、残差平方和RSS 与回归平方和ESS 三者的关系是（ B ）。

A 、RSS=TSS+ESSB 、TSS=RSS+ESSC 、ESS=RSS-TSSD 、ESS=TSS+RSS8、下面哪一个必定是错误的（ C ）。

A 、 i i X Y 2.030ˆ+= ，8.0=XY r B 、 i i X Y 5.175ˆ+-= ，91.0=XY r C 、 i i X Y 1.25ˆ-=，78.0=XY r D 、 i i X Y 5.312ˆ--=，96.0-=XY r9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为ˆ356 1.5Y X =-，这说明（ D ）。

A 、产量每增加一台，单位产品成本增加356元B 、产量每增加一台，单位产品成本减少1.5元C 、产量每增加一台，单位产品成本平均增加356元D 、产量每增加一台，单位产品成本平均减少1.5元10、回归模型i i i X Y μββ++=10，i = 1，…，25中，总体方差未知，检验010=β：H 时，所用的检验统计量1ˆ11ˆβββS -服从（ D ）。

第二章课后答案2.11）设回归模型为： 01i i i Y X u ββ=++其中，Y 为国内生产总值，i X 为地方预算内财政收入对回归模型的参数进行估计，根据回归结果得：i Y = -3.611151+ 0.134582iX （4.161790） （0.003867）t = （-0.867692） （34.80013）2r =0.991810 F=1211.049 S.E.=7.532484 DW=2.0516402）斜率系数的经济意义：国内生产总值每增加1亿元，地方预算内财政收入平均增加0.315亿元。

3）由以上模型可看出，X 的参数估计的t 统计量远大于2，说明GDP 对地方财政收入确有显著影响。

模型在的可决系数为0.991810，说明GDP 解释了地方财政收入变动的99%，模型拟合程度较好。

4）预测点预测：若2005年GDP 为3600亿元，2005年的财政收入预测值为480.884。

区间预测：由X 、Y 的描述统计结果得： 22(1)587.269(121)3793733.66i x x n σ=-=⨯-=∑22()(3600-917.5874)7195337.357f X X -==取α=0.05，f Y 平均值置信度95%的预测区间为：/2f Y t α f X =3600时，480.884 2.228⨯7.5325⨯ 23.61476991 即，2005年财政收入的平均值预测区间为：480.884 23.34796 （457.2692， 504.4988）f Y 个别值置信度95%的预测区间为：/2f Y t α f X =3600，480.884 2.228⨯7.5325⨯ 28.97079 2005年财政收入的个别值预测区间为：480.884 28.97079 （451.91321，509.8548）2.2令Y 为利润额，X 为研究与发展经费研究与发展经费与利润额的相关系数表：设回归模型为：01i i i Y X u ββ=++其中i Y 为利润额，i X 为研究与发展经费。

2.4 回归系数的区间估计和假设检验一、判断题1.如果零假设H 0：B 2=0，在显著性水平5%下不被拒绝，则认为B 2一定是0。

（F ）2.k β的置信度为()α-1的置信区间指真实参数落入该区间的概率是()α-1。

(F)3.假设检验为单侧检验还是双侧检验本质上取决于备择假设的形式。

（F ）4.回归系数的显著性检验是用来检验解释变量对被解释变量有无显著解释能力的检验。

（T ）二、单项选择题1．对回归模型i i 10i u X Y ++=ββ进行检验时，通常假定i u 服从（ C ）。

A ．()2i 0N σ, B ．()2n t - C ．()20N σ, D ．()n t2．用一组有30个观测值的样本估计模型i i 10i u X Y ++=ββ，在0.05的显著性水平下对1β的显著性作检验，则1β显著地不等于零的条件是其统计量大于（ D ）。

A ．()30t 050. B ．()30t 0250.) C ．()28t 050. D ．()28t 0250. 3．回归模型i i i u X Y ++=10ββ中，关于检验010=β：H 所用的统计量)ˆ(ˆ111βββVar -，下列说法正确的是（ D ）。

A ．服从）（22-n χB ．服从）（1-n tC ．服从）（12-n χ D ．服从）（2-n t 4.用一组有30个观测值的样本估计模型后，在0.05的显著性水平上对的显著性作检验，则显著地不等于零的条件是其统计量大于等于（ C ） A. B. C. D. 三、简答题1.当α给定后，回归系数2β的置信区间是什么样的？答：总体方差2σ已知时，置信区间为⎥⎥⎦⎤⎢⎢⎣⎡+-∑∑2i 22i2x z xz σβσβˆ,ˆ；总体方差2σ未知则使用2n e 2i2-=∑σˆ估计2σ：①样本容量充分大时，统计量仍服从正态，则置信区间为t t 01122t t t t y b b x b x u =+++1b t 1b t )30(05.0t )28(025.0t )27(025.0t )28,1(025.0F⎥⎥⎦⎤⎢⎢⎣⎡+-∑∑2i 22i 2x z x z σβσβˆˆ,ˆˆ；②样本容量较小时，统计量服从t 分布，则置信区间为⎥⎥⎦⎤⎢⎢⎣⎡+-∑∑2i 222i22x t xt σβσβααˆˆ,ˆˆ 。

2.1 一元线性回归模型有哪些基本假定？答：1. 解释变量 1x , ,2x ,p x 是非随机变量，观测值,1i x ,,2 i x ip x 是常数。

2. 等方差及不相关的假定条件为⎪⎪⎩⎪⎪⎨⎧⎪⎩⎪⎨⎧≠=====j i n j i j i n i E j i i ,0),,2,1,(,),cov(,,2,1,0)(2 σεεε 这个条件称为高斯-马尔柯夫(Gauss-Markov)条件，简称G-M 条件。

在此条件下，便可以得到关于回归系数的最小二乘估计及误差项方差2σ估计的一些重要性质，如回归系数的最小二乘估计是回归系数的最小方差线性无偏估计等。

3. 正态分布的假定条件为⎩⎨⎧=相互独立n i n i N εεεσε,,,,,2,1),,0(~212 在此条件下便可得到关于回归系数的最小二乘估计及2σ估计的进一步结果，如它们分别是回归系数的最及2σ的最小方差无偏估计等，并且可以作回归的显著性检验及区间估计。

4. 通常为了便于数学上的处理，还要求,p n >及样本容量的个数要多于解释变量的个数。

在整个回归分析中，线性回归的统计模型最为重要。

一方面是因为线性回归的应用最广泛；另一方面是只有在回归模型为线性的假设下，才能的到比较深入和一般的结果；再就是有许多非线性的回归模型可以通过适当的转化变为线性回归问题进行处理。

因此，线性回归模型的理论和应用是本书研究的重点。

1. 如何根据样本),,2,1)(;,,,(21n i y x x x i ip i i =求出p ββββ,,,,210 及方差2σ的估计;2. 对回归方程及回归系数的种种假设进行检验；3. 如何根据回归方程进行预测和控制，以及如何进行实际问题的结构分析。

2.2 考虑过原点的线性回归模型 n i x y i i i ,,2,1,1 =+=εβ误差n εεε,,,21 仍满足基本假定。

求1β的最小二乘估计。

答：∑∑==-=-=ni ni i i i x y y E y Q 1121121)())(()(ββ∑∑∑===+-=--=∂∂n i n i ni i i i i i i x y x x x y Q111211122)(2βββ 令,01=∂∂βQ即∑∑===-n i ni i i i x y x 11210β 解得,ˆ1211∑∑===ni ini i i xyx β即1ˆβ的最小二乘估计为.ˆ1211∑∑===ni ini ii xyx β2.3 证明： Q (β，β1)= ∑(y i-β0-β1x i)2因为Q (∧β0,∧β1)=min Q (β0,β1 )而Q (β0,β1) 非负且在R 2上可导,当Q 取得最小值时，有即-2∑(y i -∧β0-∧β1x i )=0 -2∑(y i-∧β0-∧β1x i ) x i=0又∵e i =yi -( ∧β0+∧β1x i )= yi -∧β0-∧β1x i ∴∑e i =0，∑e i x i =0（即残差的期望为0，残差以变量x 的加权平均值为零）2.4 解：参数β0，β1的最小二乘估计与最大似然估计在εi~N(0, 2 ) i=1,2，……n 的条件下等价。

第2章课后习题参考答案第二章一元线性回归分析思考与练习参考答案2.1 一元线性回归有哪些基本假定?答：假设1、解释变量X 是确定性变量，Y 是随机变量；假设2、随机误差项ε具有零均值、同方差和不序列相关性：E(εi )=0 i=1,2, …,n Var (εi )=σ2 i=1,2, …,n Cov(εi, εj )=0 i≠j i,j= 1,2, …,n 假设3、随机误差项ε与解释变量X 之间不相关： Cov(X i , εi )=0 i=1,2, …,n 假设4、ε服从零均值、同方差、零协方差的正态分布εi ~N(0, σ2 ) i=1,2, …,n2.2 考虑过原点的线性回归模型Y i =β1X i +εi i=1,2, …,n误差εi （i=1,2, …,n ）仍满足基本假定。

求β1的最小二乘估计解：得：2.3 证明（2.27式），∑e i =0 ，∑e i X i =0 。

证明：其中：∑∑+-=-=nii i ni X Y Y Y Q 121021))??(()?(ββ2112)?()?(i ni i n i ii e X Y Y Y Q β∑∑==-=-=01i i i i iY X e Y Y ββ=+=-即：∑e i =0 ，∑e i X i =02.4回归方程E （Y ）=β0+β1X 的参数β0，β1的最小二乘估计与最大似然估计在什么条件下等价?给出证明。

答：由于εi ~N(0, σ2 ) i=1,2, …,n所以Y i =β0 + β1X i + εi ~N （β0+β1X i , σ2 ) 最大似然函数：使得Ln （L ）最大的0β，1?β就是β0，β1的最大似然估计值。

同时发现使得Ln （L ）最大就是使得下式最小，上式恰好就是最小二乘估计的目标函数相同。

值得注意的是：最大似然估计是在εi ~N (0, σ2 )的假设下求得，最小二乘估计则不要求分布假设。

所以在εi ~N(0, σ2 ) 的条件下，参数β0，β1的最小二乘估计与最大似然估计等价。

2.5 回归模型预测一、判断题1.fY ˆ是对个别值f Y 的点估计。

（F ） 2.预测区间的宽窄只与样本容量n 有关。

（F ）3.fY ˆ对个别值f Y 的预测只受随机扰动项的影响。

（F ） 4.一般情况下，平均值的预测区间比个别值的预测区间宽。

（F ）5.用回归模型进行预测时，预测普通情况和极端情况的精度是一样的。

（F ）二、单项选择题1．某一特定的X 水平上，总体Y 分布的离散度越大，即2σ越大，则（ A ）。

A ．预测区间越宽，精度越低B ．预测区间越宽，预测误差越小C 预测区间越窄，精度越高D ．预测区间越窄，预测误差越大2.在缩小参数估计量的置信区间时，我们通常不采用下面的那一项措施（D ）。

A.增大样本容量nB. 预测普通情形而非极端情形C.提高模型的拟合优度D.提高样本观测值的分散度三、多项选择题1．计量经济预测的条件是（ABC ）A ．模型设定的关系式不变B ．所估计的参数不变C.解释变量在预测期的取值已作出预测 D ．没有对解释变量在预测期的取值进行过预测 E ．无条件2.对被解释变量的预测可以分为（ABC ）A.被解释变量平均值的点预测B.被解释变量平均值的区间预测C.被解释变量的个别值预测D.解释变量预测期取值的预测四、简答题1.为什么要对被解释变量的平均值以及个别值进行区间预测？答：由于抽样波动的存在，用样本估计出的被解释变量的平均值fY ˆ与总体真实平均值()f f X Y E 之间存在误差，并不总是相等。

而用fY ˆ对个别值f Y 进行预测时，除了上述提到的误差，还受随机扰动项的影响，使得总体真实平均值()f f X Y E 并不等于个别值f Y 。

一般而言，个别值的预测区间比平均值的预测区间更宽。

2.分别写出()f f X Y E 和f Y 的置信度为α-1的预测区间。

答：()f f X Y E ：()⎪⎪⎪⎭⎫ ⎝⎛-+±∑22f 2f i x X X n 1t Y σαˆˆ；f Y ：()⎪⎪⎪⎭⎫ ⎝⎛-++±∑22f 2f i x X X n 11t Y σαˆˆ。

2.2简单线性回归模型参数的估计、判断题1. 使用普通最小二乘法估计模型时， 所选择的回归线使得所有观察值的残差和达到最小。

（F ）2. 随机扰动项u i 和残差项e i 是一回事。

（F ）3. 在任何情况下 OLS 估计量都是待估参数的最优线性无偏估计。

（F ）4. 满足基本假设条件下，随机误差项i 服从正态分布，但被解释变量Y 不一定服从正态分布。

5. 如果观测值X i 近似相等，也不会影响回归系数的估计量。

二、单项选择题D )。

丫? 一 Y5.以Y 表示实际观测值，丫？表示OLS 估计回归值，则用 OLS 得到的样本回归直线 丫?一 ?）满足（A ）。

A.（Y i — 丫i ） 一 0 B .（Y i — Y ）2 - 0C.（Y i — 丫）2-0 D .（丫— Y ） - 06. 按经典假设，线性回归模型中的解释变量应是非随机变量，且（1. 设样本回归模型为Y i =^0X i+ei ，则普通最小二乘法确定的 的公式中,错误的是A.= 1— X i X Y i -YX i X c. 一X i Y i -nXY X i 2-nX 2_ 1一n X i Y i -X i Y iin X i 2-X i 2n X i Y i - X iY ii2 •以Y 表示实际观测值,Y?表示回归估计值， 则普通最小二乘法估计参数的准则是使 (D )。

A.(Y i — Y i )=o c.(Y — £)=最小3.Y 表示实际观测值,丫？表示OLS 估计回归值，则下列哪项成立（ D A.4. 用OLS 估计经典线性模型 Y i 一 0 iX i + u i ，则样本回归直线通过点（D )。

A . (X, 丫).(X , Y?)2 x一A.与随机扰动项不相关 B .与残差项不相关C.与被解释变量不相关 D .与回归值不相关7. 参数的估计量具备有效性是指（B ）A. Var ? 0 B . Var ?为最小C. 0 D . ? 为最小三、多项选择题1. 以Y表示实际观测值，Y?表示OLS估计回归值，e表示残差，则回归直线满足（ABE ）。

思考题答案第一章绪论思考题1.1怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用？答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。

计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。

经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。

我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。

1.2理论计量经济学和应用计量经济学的区别和联系是什么？答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。

理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。

所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。

应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。

1.3怎样理解计量经济学与理论经济学、经济统计学的关系？答：1、计量经济学与经济学的关系。

联系：计量经济学研究的主体—经济现象和经济关系的数量规律；计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善。

区别：经济理论重在定性分析,并不对经济关系提供数量上的具体度量；计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容。

2、计量经济学与经济统计学的关系。

联系：经济统计侧重于对社会经济现象的描述性计量；经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。

2.1回归分析与回归函数一、判断题1. 总体回归直线是解释变量取各给定值时被解释变量条件期望的轨迹。

（T ）2. 线性回归是指解释变量和被解释变量之间呈现线性关系。

（ F ）3. 随机变量的条件期望与非条件期望是一回事。

（F ）4、总体回归函数给出了对应于每一个自变量的因变量的值。

（F ）二、单项选择题1．变量之间的关系可以分为两大类，它们是（ A ）。

A ．函数关系与相关关系B ．线性相关关系和非线性相关关系C ．正相关关系和负相关关系D ．简单相关关系和复杂相关关系2．相关关系是指（ D ）。

A ．变量间的非独立关系B ．变量间的因果关系C ．变量间的函数关系D ．变量间不确定性的依存关系3．进行相关分析时的两个变量（ A ）。

A ．都是随机变量B ．都不是随机变量C ．一个是随机变量，一个不是随机变量D ．随机的或非随机都可以4．回归分析中定义的（ B ）。

A.解释变量和被解释变量都是随机变量B.解释变量为非随机变量，被解释变量为随机变量C.解释变量和被解释变量都为非随机变量D.解释变量为随机变量，被解释变量为非随机变量5．表示x 和y 之间真实线性关系的总体回归模型是（ C ）。

A ．01ˆˆˆt t Y X ββ=+B ．01()t t E Y X ββ=+C ．01t t t Y X u ββ=++D ．01t t Y X ββ=+6.一元线性样本回归直线可以表示为（ C ）A ．i i X Y u i 10++=ββ B. i 10X )(Y E i ββ+=C. i i e X Y ++=∧∧i 10ββ D. i 10X i Y ββ+=∧7．对于i 01i i ˆˆY =X +e ββ+，以ˆσ表示估计标准误差，r 表示相关系数，则有（ D）。

A ．ˆ0r=1σ＝时，B ．ˆ0r=-1σ＝时，C ．ˆ0r=0σ＝时，D ．ˆ0r=1r=-1σ＝时，或8．相关系数r 的取值范围是（ D ）。

应用回归分析_第2章课后习题参考答案1. 简答题1.1 什么是回归分析？回归分析是一种统计建模方法，用于研究自变量与因变量之间的关系。

它通过建立数学模型，根据已知的自变量和因变量数据，预测因变量与自变量之间的关系，并进行相关的推断和预测。

1.2 什么是简单线性回归和多元线性回归？简单线性回归是指只包含一个自变量和一个因变量的回归模型，通过拟合一条直线来描述两者之间的关系。

多元线性回归是指包含多个自变量和一个因变量的回归模型，通过拟合一个超平面来描述多个自变量和因变量之间的关系。

1.3 什么是残差？残差是指回归模型中，观测值与模型预测值之间的差异。

在回归分析中，我们希望最小化残差，使得模型与观测数据的拟合效果更好。

1.4 什么是拟合优度？拟合优度是用来评估回归模型对观测数据的拟合程度的指标。

一般使用R方（Coefficient of Determination）来表示拟合优度，其值范围为0到1，值越接近1表示模型拟合效果越好。

2. 计算题2.1 简单线性回归假设我们有一组数据，其中X为自变量，Y为因变量，如下所示：X Y13253749511我们想要建立一个简单线性回归模型，计算X与Y之间的线性关系。

首先，我们需要计算拟合直线的斜率和截距。

根据简单线性回归模型的公式Y = β0 + β1*X，我们可以通过最小二乘法计算出斜率和截距的估计值。

首先，计算X和Y的均值：mean_x = (1 + 2 + 3 + 4 + 5) / 5 = 3mean_y = (3 + 5 + 7 + 9 + 11) / 5 = 7然后，计算X和Y的方差：var_x = ((1-3)^2 + (2-3)^2 + (3-3)^2 + (4-3)^2 + (5-3)^2) / 5 = 2var_y = ((3-7)^2 + (5-7)^2 + (7-7)^2 + (9-7)^2 + (11-7)^2) / 5 = 8接下来，计算X和Y的协方差：cov_xy = ((1-3) * (3-7) + (2-3) * (5-7) + (3-3) * (7-7) + (4-3) * (9-7) + (5-3) * (11-7)) / 5 = 4根据最小二乘法的公式：β1 = cov_xy / var_x = 4 / 2 = 2β0 = mean_y - β1 * mean_x = 7 - (2 * 3) = 1因此，拟合直线的方程为：Y = 1 + 2X。

2.3拟合优度的度量一、判断题1.当()∑-2i y y 确定时，()∑-2iy y ˆ越小，表明模型的拟合优度越好。

（F ） 2.可以证明，可决系数高意味着每个回归系数都是可信任的。

（F ） 3.可决系数的大小不受到回归模型中所包含的解释变量个数的影响。

（F ） 4.任何两个计量经济模型的都是可以比较的。

（F ）5.拟合优度的值越大，说明样本回归模型对数据的拟合程度越高。

（ T ）6.结构分析是高就足够了，作预测分析时仅要求可决系数高还不够。

（ F ）7.通过的高低可以进行显著性判断。

（F ）8.是非随机变量。

（F ）二、单项选择题1．已知某一直线回归方程的可决系数为0.64，则解释变量与被解释变量间的线性相关系数为（ B ）。

A ．±0.64B ．±0.8C ．±0.4D ．±0.32 2．可决系数的取值范围是（ C ）。

A ．≤-1B ．≥1C ．0≤≤1D ．－1≤≤1 3.下列说法中正确的是：（ D ）A 如果模型的2R 很高，我们可以认为此模型的质量较好B 如果模型的2R 较低，我们可以认为此模型的质量较差C 如果某一参数不能通过显著性检验，我们应该剔除该解释变量D 如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量三、多项选择题1．反映回归直线拟合优度的指标有（ ACDE ）。

A ．相关系数B ．回归系数C ．样本可决系数D ．回归方程的标准差E ．剩余变差（或残差平方和）2．对于样本回归直线i 01i ˆˆˆY X ββ+＝，回归变差可以表示为（ ABCDE ）。

A ．22i i i i ˆY Y -Y Y ∑∑　（－）　（－） B ．221ii ˆX X β∑（－） C ．22iiRY Y ∑（－） D ．2iiˆY Y ∑（－） E ．1iiiiˆX X Y Y β∑（－（）－） 3．对于样本回归直线i 01iˆˆˆY X ββ+＝，ˆσ为估计标准差，下列可决系数的算式中，正确的有（ ABCDE ）。

、判断题2 21. 当y y确定时，？ y越小，表明模型的拟合优度越好。

（F）2. 可以证明，可决系数R2高意味着每个回归系数都是可信任的。

（F）3. 可决系数R2的大小不受到回归模型中所包含的解释变量个数的影响。

（F）4. 任何两个计量经济模型的R2都是可以比较的。

（F）5. 拟合优度R2的值越大，说明样本回归模型对数据的拟合程度越高。

（T）6. 结构分析是R2高就足够了，作预测分析时仅要求可决系数高还不够。

（F ）7.通过R2的高低可以进行显著性判断。

(F)8.R2是非随机变量。

（F）二、单项选择题1. 已知某一直线回归方程的可决系数为0.64 , 则解释变量与被解释变量间的线性相关系数为(B )。

A.± 0.64B.± 0.8C.± 0.4D. ± 0.322. 可决系数R2的取值范围是（C）。

A.R2< -1B. R2> 1C.0< R2< 1D.—1 < R2< 13.下列说法中正确的是：（D ）A如果模型的R2很高，我们可以认为此模型的质量较好B如果模型的R2较低，我们可以认为此模型的质量较差C如果某一参数不能通过显著性检验，我们应该剔除该解释变量D如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量三、多项选择题1. 反映回归直线拟合优度的指标有（ACDE ）。

A. 相关系数 B .回归系数 C.样本可决系数D.回归方程的标准差E.剩余变差（或残差平方和）2•对于样本回归直线Y?= ?）?X j ,回归变差可以表示为（ABCDE ）。

A. （丫厂Y i）2 - （Y i- Y?）2B . ?2（X i - X）2C. R2（Y i-Y i）2 D . （Y?i-Y）2E.? （X i-X（Y i—Y i）2.3拟合优度的度量3•对于样本回归直线丫j=乙F列可决系数的算式中，正确的有(ABCDE )。

2.2 简单线性回归模型参数的估计一、判断题1.使用普通最小二乘法估计模型时，所选择的回归线使得所有观察值的残差和达到最小。

（F)2.随机扰动项和残差项是一回事。

（F ）3.在任何情况下OLS 估计量都是待估参数的最优线性无偏估计。

（F ）4.满足基本假设条件下，随机误差项i μ服从正态分布，但被解释变量Y 不一定服从正态分 布。

（ F ）5.如果观测值i X 近似相等，也不会影响回归系数的估计量。

（ F ）二、单项选择题1．设样本回归模型为i 01i i ˆˆY =X +e ββ+，则普通最小二乘法确定的iˆβ的公式中，错误的是（ D ）。

A ．()()()i i 12i X X Y -Y ˆX X β--∑∑＝ B ．()i i i i 122i i n X Y -X Y ˆn X -X β∑∑∑∑∑＝C ．i i 122i X Y -nXY ˆX -nX β∑∑＝D ．i i i i 12xn X Y -X Y ˆβσ∑∑∑＝ 2．以Y 表示实际观测值，ˆY 表示回归估计值，则普通最小二乘法估计参数的准则是使（ D ）。

A ．i i ˆY Y 0∑（－）＝B ．2i i ˆY Y 0∑（－）＝C ．i i ˆY Y ∑（－）＝最小D ．2i i ˆY Y ∑（－）＝最小 3．设Y 表示实际观测值，ˆY 表示OLS 估计回归值，则下列哪项成立（ D ）。

A ．ˆYY ＝ B ．ˆY Y ＝ C ．ˆY Y ＝ D ．ˆY Y ＝ 4．用OLS 估计经典线性模型i 01i i Y X u ββ+＝＋，则样本回归直线通过点（ D ）。

A ．X Y （，）B ． ˆX Y （，）C ．ˆX Y （，）D ．X Y （，） 5．以Y 表示实际观测值，ˆY表示OLS 估计回归值，则用OLS 得到的样本回归直线i 01iˆˆˆY X ββ+＝满足（ A ）。

A ．i i ˆY Y 0∑（－）＝B ．2i i Y Y 0∑（－）＝ C ． 2i i ˆY Y 0∑（－）＝ D ．2i i ˆY Y 0∑（－）＝6．按经典假设，线性回归模型中的解释变量应是非随机变量，且（ A ）。

2.1回归分析与回归函数一、判断题1. 总体回归直线是解释变量取各给定值时被解释变量条件期望的轨迹。

（T ）2. 线性回归是指解释变量和被解释变量之间呈现线性关系。

（ F ）3. 随机变量的条件期望与非条件期望是一回事。

（F ）4、总体回归函数给出了对应于每一个自变量的因变量的值。

（F ）二、单项选择题1．变量之间的关系可以分为两大类，它们是（ A ）。

A ．函数关系与相关关系B ．线性相关关系和非线性相关关系C ．正相关关系和负相关关系D ．简单相关关系和复杂相关关系2．相关关系是指（ D ）。

A ．变量间的非独立关系B ．变量间的因果关系C ．变量间的函数关系D ．变量间不确定性的依存关系3．进行相关分析时的两个变量（ A ）。

A ．都是随机变量B ．都不是随机变量C ．一个是随机变量，一个不是随机变量D ．随机的或非随机都可以4．回归分析中定义的（ B ）。

A.解释变量和被解释变量都是随机变量B.解释变量为非随机变量，被解释变量为随机变量C.解释变量和被解释变量都为非随机变量D.解释变量为随机变量，被解释变量为非随机变量5．表示x 和y 之间真实线性关系的总体回归模型是（ C ）。

A ．01ˆˆˆt t Y X ββ=+B ．01()t t E Y X ββ=+C ．01t t t Y X u ββ=++D ．01t t Y X ββ=+6.一元线性样本回归直线可以表示为（ C ）A ．i i X Y u i 10++=ββ B. i 10X )(Y E i ββ+=C. i i e X Y ++=∧∧i 10ββ D. i 10X i Y ββ+=∧7．对于i 01i i ˆˆY =X +e ββ+，以ˆσ表示估计标准误差，r 表示相关系数，则有（ D）。

A ．ˆ0r=1σ＝时，B ．ˆ0r=-1σ＝时，C ．ˆ0r=0σ＝时，D ．ˆ0r=1r=-1σ＝时，或8．相关系数r 的取值范围是（ D ）。

第二章简单线性回归模型2.1（1）①首先分析人均寿命与人均GDP的数量关系，用Eviews分析：Dependent Variable: YMethod: Least SquaresDate: 12/23/15 Time: 14:37Sample: 1 22Included observations: 22Variable Coefficient Std. Error t-Statistic Prob.C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001R-squared 0.526082 Mean dependentvar 62.50000Adjusted R-squared 0.502386 S.D. dependentvar 10.08889S.E. of regression 7.116881 Akaike infocriterion 6.849324Sum squared resid 1013.000 Schwarzcriterion 6.948510Log likelihood -73.34257 Hannan-Quinncriter. 6.872689F-statistic 22.20138 Durbin-Watsonstat 0.629074 Prob(F-statistic) 0.000134有上可知，关系式为y=56.64794+0.128360x1②关于人均寿命与成人识字率的关系，用Eviews分析如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/15 Time: 15:01Sample: 1 22Included observations: 22Variable Coefficient Std. Error t-Statistic Prob.C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000R-squared 0.716825 Mean dependentvar 62.50000Adjusted R-squared 0.702666 S.D. dependentvar 10.08889S.E. of regression 5.501306 Akaike infocriterion 6.334356Sum squared resid 605.2873 Schwarzcriterion 6.433542Log likelihood -67.67792 Hannan-Quinncriter. 6.357721F-statistic 50.62761 Durbin-Watsonstat 1.846406 Prob(F-statistic) 0.000001由上可知，关系式为y=38.79424+0.331971x2③关于人均寿命与一岁儿童疫苗接种率的关系，用Eviews分析如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/14 Time: 15:20Sample: 1 22Included observations: 22Variable Coefficient Std. Error t-Statistic Prob.C 31.79956 6.536434 4.864971 0.0001 X3 0.387276 0.080260 4.825285 0.0001R-squared 0.537929 Mean dependentvar 62.50000Adjusted R-squared 0.514825 S.D. dependentvar 10.08889S.E. of regression 7.027364 Akaike infocriterion 6.824009Sum squared resid 987.6770 Schwarzcriterion 6.923194Log likelihood -73.06409 Hannan-Quinncriter. 6.847374F-statistic 23.28338 Durbin-Watsonstat 0.952555Prob(F-statistic) 0.000103由上可知，关系式为y=31.79956+0.387276x3（2）①关于人均寿命与人均GDP模型，由上可知，可决系数为0.526082，说明所建模型整体上对样本数据拟合较好。

思考题答案第一章绪论思考题1。

1怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用？答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。

计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。

经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。

我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。

1。

2理论计量经济学和应用计量经济学的区别和联系是什么？答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。

理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。

所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。

应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。

1.3怎样理解计量经济学与理论经济学、经济统计学的关系?答：1、计量经济学与经济学的关系。

联系：计量经济学研究的主体—经济现象和经济关系的数量规律;计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善.区别:经济理论重在定性分析，并不对经济关系提供数量上的具体度量；计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容.2、计量经济学与经济统计学的关系。

联系：经济统计侧重于对社会经济现象的描述性计量；经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。