大工22秋《計量經(jīng)濟(jì)學(xué)》在線作業(yè)3【資料答案】

可做奧鵬全部院校在線離線作業(yè)畢業(yè)論文QQ:3230981406 微信:aopopenfd777

發(fā)布時間:2023-01-03 20:58:26來源:admin瀏覽: 0 次

大工22秋《計量經(jīng)濟(jì)學(xué)》在線作業(yè)3-00001

試卷總分:100  得分:100

一、單選題 (共 10 道試題,共 50 分)

1.平穩(wěn)性檢驗的方法有()。

A.LM檢驗

B.懷特檢驗

C.單位根檢驗

D.DW檢驗


2.{圖}

A.異方差

B.序列相關(guān)

C.多重共線性

D.隨機(jī)解釋變量


3.隨機(jī)解釋變量問題分為三種情況,下列哪一種不是?()

A.隨機(jī)解釋變量與隨機(jī)干擾項獨立

B.隨機(jī)解釋變量與隨機(jī)干擾項同期不相關(guān),異期相關(guān)

C.隨機(jī)解釋變量與隨機(jī)干擾項同期相關(guān)

D.隨機(jī)解釋變量與隨機(jī)干擾項高度相關(guān)


4.若要反映定性因素的不同情形對斜率的影響,則應(yīng)以什么方式引入虛擬變量?()

A.加法方式

B.乘法方式

C.臨界指標(biāo)方式

D.加法、減法方式同時使用


5.簡化式參數(shù)反映其對應(yīng)的解釋變量對被解釋變量的()。

A.直接影響

B.直接影響與間接影響之和

C.間接影響

D.直接影響與間接影響之差


6.{圖}

A.2

B.4

C.5

D.6


7.滯后被解釋變量作為解釋變量,下列說法錯誤的是()。

A.與隨機(jī)誤差項相關(guān)

B.與被解釋變量相關(guān)

C.模型可能存在序列相關(guān)

D.不存在隨機(jī)解釋變量


8.虛擬變量()。

A.可以用來反映戰(zhàn)爭、自然災(zāi)害等定性因素對被解釋變量的影響

B.反映的定性因素只能有兩種類別,通??隙悇e賦值1.否定類別賦值為0

C.在模型中只能用字母D表示

D.不能用來反映不同時期變量關(guān)系的變化


9.對于合理預(yù)期的消費函數(shù)模型,參數(shù)估計應(yīng)采用()。

A.普通最小二乘法

B.極大似然法

C.間接最小二乘法

D.工具變量法


10.如果一個模型中不包含截距項,對一個具有m個特征的質(zhì)的因素可以引入虛擬變量的個數(shù)最多是()。

A.m個

B.m-1個

C.m-2個

D.m+1個


二、多選題 (共 5 道試題,共 30 分)

11.{圖}

A.是Y對X的分段回歸

B.以一個方程反映兩條截距、斜率都不相同的直線

C.{圖}

D.{圖}


12.虛擬變量的交互效應(yīng)()。

A.在模型中引入兩個及以上虛擬變量作解釋變量時才有可能出現(xiàn)

B.會影響OLS估計量的小樣本性質(zhì)

C.通過虛擬變量相乘反映

D.即“虛擬變量陷阱”


13.與單方程計量經(jīng)濟(jì)模型相比,聯(lián)立方程計量井機(jī)模型的特點是()。

A.適用于某一經(jīng)濟(jì)系統(tǒng)的研究

B.適用于某一經(jīng)濟(jì)現(xiàn)象的研究

C.揭示經(jīng)濟(jì)變量之間的單項因果關(guān)系

D.揭示經(jīng)濟(jì)變量之間的相互依存、互為因果的關(guān)系


14.需要用工具變量法進(jìn)行估計的自回歸分布滯后模型有()。

A.不經(jīng)變幻的無限分布滯后模型

B.有限期分布滯后模型

C.Koyck變換模型

D.自適應(yīng)預(yù)期模型


15.“虛擬變量陷阱”是指模型出現(xiàn)了()。

A.完全多重共線性

B.近似多重共線性

C.虛擬變量個數(shù)與定性因素類別個數(shù)相同

D.虛擬變量個數(shù)小于定性因素類別個數(shù)


三、判斷題 (共 5 道試題,共 20 分)

16.DF和ADF檢驗中,如果拒絕原假設(shè),即表示原序列存在單位根。


17.工具變量替代隨機(jī)解釋變量后,實際上是工具變量變成了解釋變量。


18.工具變量法估計量是無偏估計量。


19.虛擬變量的值只能取0和1.


20.聯(lián)立方程組模型只要有一個方程是過度識別的,那么模型就是過度識別。



奧鵬,國開,廣開,電大在線,各省平臺,新疆一體化等平臺學(xué)習(xí)
詳情請咨詢QQ : 3230981406或微信:aopopenfd777

作業(yè)咨詢 論文咨詢
微信客服掃一掃

回到頂部