A 80% B 64% C 20% D 89%

二、多项选择题

1、对模型Yi??0??1X1i??2X2i?ui进行总体显著性检验，如果检验结果总体线性关系显著，则有【 】

A ?1=?2＝0 B ?1?0，?2＝0 C ?1?0，?2?0 D ?1=0，?2?0 E ?1=?2?0

2、剩余变差（即残差平方和）是指【 】 A 随机因素影响所引起的被解释变量的变差 B 解释变量变动所引起的被解释变量的变差

C 被解释变量的变差中，回归方程不能作出解释的部分 D 被解释变量的总变差与回归平方和之差 E 被解释变量的实际值与拟合值的离差平方和 3、回归平方和是指【 】

A被解释变量的实际值y与平均值y的离差平方和

B 被解释变量的回归值y?与平均值y的离差平方和 C 被解释变量的总变差与剩余变差之差 D 解释变量变动所引起的被解释变量的变差 E 随机因素影响所引起的被解释变量的变差

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 Y2i??0??1Xi?ui B Yi??0??11X?uiiC lnY? D Y2i?0??1lnXi?ui i??0??1Xi?ui

E Yi??0??iXi?ui

5、在模型lnYi??0??1lnXi?ui中【 】

A Y与X是非线性的 B Y与?1是非线性的 C lnY与?1是线性的 D lnY与lnX是线性的 E y与lnX是线性的

三、名词解释

】 1、偏回归系数 2、多重决定系数 3、调整的决定系数；

四、简述

1、调整后的判定系数及其作用。

2、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？

3、决定系数R2与总体线性关系显著性F之间的关系；F检验与t检验之间的关系。 4、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？

五、计算与分析题

1、考虑以下预测的回归方程：

???120?0.10F?5.33RS； R2＝0.50 Yttt其中，Yt＝第t年的玉米产量（蒲式耳/亩）；Ft＝第t年的施肥强度（磅/亩）；

RSt＝第t年的降雨量（吋）。 请回答以下问题：

（1） 从F和RS对Y的影响方面，仔细说出本方程中系数0.10和5.33的含义。 （2） 常数项-120是否意味着玉米的负产量可能存在？ （3） 假定?F的真实值为0.4，则估计值是否有偏？为什么？

（4） 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?RS的真实值绝对不等于5.33？为什么？

2、为了解释牙买加对进口的需求，J.Gafar根据19年的数据得到下面的回归结果:

???58.9?0.20X?0.10XY1t2t t se = (0.0092) (0.084) R2=0.96 R =0.96

其中：Y=进口量（百万美元），X1=个人消费支出（美元/年），X2=进口价格/国内价格。 （1） 解释截距项，及X1和X2系数的意义；

（2） Y的总离差中被回归方程解释的部分，未被回归方程解释的部分； （3） 对回归方程进行显著性检验,并解释检验结果； （4） 对参数进行显著性检验,并解释检验结果。 3、下面给出依据15个观察值计算到的数据：

2Y=367.693 ，X2=402.760，X3=8.0，?yi2=66 042.269

?x22i=84 855.096，

?x23i=280.0，

?yxi2i=74 778.346

?yxi3i=4 250.9，

?x

2i3ix=4 796.0

小写字母代表了各值与其样本均值的离差。 （1） 估计三个多元回归系数； （2） 估计它们的标准差； （3） 求R2和R；

（4） 估计B2，B395%的置信区间。

（5） 在α=5%下，检验估计的每个回归系数的统计显著性（双边检验）；

4、为了确定对空调价格的影响因素，B.T.Katchford根据19个样本数据得到回应结果如下：

2?=-68.26+0.023X2i+19.729X3i+7.653X4i， R2=0.84 Yise=(0.005) (8.992) (3.082) 其中，Y——空调的价格/美元；

X2——空调的BTU比率 X3——能量效率

X4——设定数

（1） 解释回归结果。

（2） 该回归结果有经济意义吗？

（3） 在显著水平α=5%下，检验零假设：BTU比率对空调的价格无影响，备择假设检

验：BTU比率对价格有正向影响。

（4） 你会接受零假设：三个解释变量在很大程度上解释了空调价格的变动吗？详细写

出计算过程。

5、假设要求你建立一个计量经济模型来说明在学校跑道上慢跑一英里或一英里以上的人数，以便决定是否修建第二条跑道以满足所有的锻炼者。你通过整个学年搜集数据，得到两个可能的解释性方程：

?=125.0-15.0X-1.0X+1.5X3 R=0.75 方程A：Y12?=1230-14.0X+5.5X-3.7X R=0.73 方程B：Y124其中：Y——某天慢跑者人数 X1——该天降雨的英寸数

22X2——该天日照的小时数

X3——该天的最高温度（按华氏温度）

X4——第二天需交学期论文的班级数

请回答以下问题：

（1） 这两个方程你认为哪个个合适些？

（2） 为什么用相同的数据去估计相同变量的系数能得到不同的符号。 6、考虑下列利率和美国联邦预算赤字关系的最小二乘估计：

?=0.103-0.079X R2=0.00 模型A：Y11其中：Y1——Aaa级公司债卷的利率 X1——联邦赤字占GNP的百分比 （季度模型：1970——1983）

?=0.089+0.369X+0.887X R=0.40 模型T：Y2322其中：Y2——三个月国库卷的利率

X2——联邦预算赤字（以10亿美元为单位）

X3——通货膨胀率（按百分比计）

（季度模型：1970年4月——1979年9月） 请回答以下问题：

（1） “最小二乘估计”是什么意思？什么被估计，什么被平方？在什么意义下平方“最小”？

（2） R为0.00是什么意思？它可能为负吗？ （3） 计算两个方程的R值。

（4） 比较两个方程，哪个模型的估计值符号与你的预期一致？模型T是否自动的优于

模型A，因为它的R值更高？若不是，你认为哪个模型更好，为什么？

7、下表给出了1980~1996年美国的城市劳动参与率、失业率等数据。

年份 1980 1981 1982 1983 1984 1985 1986 CLFPRM CLFPRF UNRM UNRF AHE82 AHE 77.4 77.0 76.6 76.4 76.4 76.3 76.3 51.5 52.1 52.6 53.9 53.6 54.5 55.3 6.9 7.4 9.9 9.9 7.4 7.0 6.9 7.4 7.9 9.4 9.2 7.6 7.4 7.1 7.78 7.69 7.68 7.79 7.80 7.77 7.81 6.66 7.25 7.68 8.02 8.32 8.57 8.76 222