2020 计量分析方法与技术(江西科技师范大学) 最新满分章节测试答案

本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-03-05到2020-07-28
本篇答案更新状态:已完结

【作业】第1讲 回归分析概述 第1讲单元作业

1、 问题:为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程：式中，S代表第i个州花费在每个公立学校学生身上的教育经费；Y代表第i个州的资本收入；G代表第i个州公立学校学生的增长率。1A 说明变量Y与变量G的参数估计值的经济意义。
评分规则: 【 变量Y的参数估计值0.1422表示在其他变量不变的条件下（1分），资本收入每增加1个单位，每个学生的教育经费增加0.1422个单位（1分）
变量G的参数估计值-5926表示在其他变量不变的条件下（1分），学生增长率每增加1个单位，每个学生的教育经费减少5926个单位（1分）
】

2、 问题:1B 你预期变量Y和G的参数符号各是什么？请说明理由。估计结果与你的预期一致吗？
评分规则: 【 预期变量Y的参数符号为正，政府收入越多，投入的教育经费越多。
预期变量G的参数符号为负，学生数量越多，每个学生所得教育经费越少。
估计结果与预期一致。
】

3、 问题:1C 变量G是用小数来衡量的，因此，当一个州的招生人数增加了10%时，G等于0.1。如果变量G用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，G等于10。此时，方程的参数估计值会如何变化？（文字说明即可）
评分规则: 【 截距项和Y的参数估计值保持不变（1分），G的参数估计值变为-59.26（2分）
】

4、 问题:Jaime Diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（PGA）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（P）关于推杆距离（L，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，L的参数估计值为负。回归方程如下：2A 说明L的参数估计值的经济意义。
评分规则: 【 参数估计值4.0表示推杆距离每增加1个单位，推杆进球的百分比降低4.0%。
】

5、 问题:2B 利用该方程估计一个PGA高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实？
评分规则: 【 距离为10英尺时，进球百分比为43.6%；
距离为1英尺时，进球百分比为79.6%；
距离为25英尺时，进球百分比为-16.4%。
进球百分比应在0和1之间，负的进球百分比没有经济含义。
】

6、 问题:2C 上一题的答案说明回归分析时存在什么问题？
评分规则: 【 回归分析时应注意各变量的经济含义，避免得到不符合现实的结论。
】

第2讲 普通最小二乘法 第2讲单元测试

1、 问题:讨论回归结果时不用花费太多时间去分析常数项的估计值，这主要依据的假设是：
选项：
A:误差项总体均值为0。
B:所有解释变量与误差项都不相关。
C:误差项与观测值互不相关 。
D:误差项具有同方差。
E:模型设定无误。
答案: 【误差项总体均值为0。】

2、 问题:在关于身高和体重的模型中，新增QQ号码这个变量后，以下说法错误的是：
选项：
A:身高的参数估计值可能发生变化。
B:判定系数可能减小。
C:调整的判定系数可能减小。
D:QQ号码的参数估计值一定为0.
E:常数项的估计值可能发生变化。
答案: 【判定系数可能减小。;
QQ号码的参数估计值一定为0.】

3、 问题:一元回归方程的样本回归线必然通过的点为：
选项：
A:
B:
C:
D:
E:
答案: 【;
】

4、 问题:以下关于最小二乘法的说法正确的有：
选项：
A:最小二乘法的目标是残差平方和最小。
B:所估计的对象是方程中的参数。
C:最小二乘法的目标是残差之和最小。
D:判定系数可以为负数
E:判定系数越大，模型越好。
F:判定系数并不是越大越好。
答案: 【最小二乘法的目标是残差平方和最小。;
所估计的对象是方程中的参数。;
判定系数并不是越大越好。】

5、 问题:建立玉米产量Y对施肥密度F和降雨量R的回归方程，估计结果为。则以下说法正确的有：
选项：
A:常数项-120意味着玉米产量可能为负。
B:若变量F的参数真实值为0.20，则参数估计值-0.10表明OLS估计量是有偏的。
C:变量F的参数估计值的符号不符合预期，并不影响OLS估计量的BLUE性质。
D:若方程不满足所有古典假设，变量R的参数真实值也可能等于5.33。
答案: 【变量F的参数估计值的符号不符合预期，并不影响OLS估计量的BLUE性质。;
若方程不满足所有古典假设，变量R的参数真实值也可能等于5.33。】

6、 问题:最小二乘法的目标是误差项之和最小。
选项：
A:正确
B:错误
答案: 【错误】
分析：【应为残差平方和最小。】

7、 问题:若所有解释变量对被解释变量没有影响，回归方程的判定系数一定为0。
选项：
A:正确
B:错误
答案: 【错误】
分析：【数据的随机性可能导致判定系数大于0.】

8、 问题:若某解释变量在理论上对被解释变量没有影响，该解释变量的参数估计值一定为0.
选项：
A:正确
B:错误
答案: 【错误】
分析：【样本估计值有可能为非零值。】

9、 问题:若采用两组样本估计同一回归方程，参数估计值的差异体现了数据的随机性。
选项：
A:正确
B:错误
答案: 【正确】

10、 问题:若解释变量之间存在完全多重共线性，则参数估计值无法获得。
选项：
A:正确
B:错误
答案: 【正确】

11、 问题:随机误差项的总体均值为0以及随机误差项与解释变量不相关保证了参数估计量的无偏性。
选项：
A:正确
B:错误
答案: 【正确】

12、 问题:若随机误差项服从t分布，则OLS估计量不再具有BLUE性质。
选项：
A:正确
B:错误
答案: 【错误】
分析：【分布假设不影响BLUE性质。】

【作业】第2讲 普通最小二乘法 第2讲单元作业

1、 问题:1 查尔斯·拉弗（Charles Lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为：第一年：第二年： ‍式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。1a.考察变量的理论依据，给出其参数符号的预期。‍
评分规则: 【 解释变量C的参数符号不确定(1分)，因为高处罚率可能源于冒险驾驶（会增加事故数量），也可能源于警察严格的处罚制度（会减少冒险驾驶,从而减少事故数量）（2分）。其余合理描述可得1分。
】

2、 问题:1b.这两年的参数估计的差异是否值得重视？请说出你的理由。在什么情况下，应该关注这些差异呢？
评分规则: 【 不值得重视（1分）。不同年份数据得到的参数估计值有些差异是正常的，这源于数据的随机性（1分）。我们更关心的是参数在数量级上的差异或符号的改变（2分）。
】

3、 问题:1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数？调整的判定系数越高，回归方程越好吗？为什么？
评分规则: 【 第1年的方程具有更高的判定系数（1分）；调整的判定系数越高，回归方程不一定越好（1分）；拟合优度仅是衡量回归方程质量的指标之一，参数估计值是否符合经济理论、是否符合研究者的预期比拟合优度更加重要（1分）。
】

4、 问题:假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程：式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）；代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。2a.为什么要假定“无限量的冷冻酸奶供给”？（提示：考虑模型是否满足经典假设）
评分规则: 【 产品供给可能是销售量的影响因素之一，而模型并未将供给量作为解释变量，供给量应包含在误差项中（1分）。供给量与价格相关，这导致解释变量与误差项相关，违背经典假设（1分）。若假定无限量的酸奶供给，供给量与价格之间没有相关关系，满足经典假设“解释变量与误差项不相关”（2分）。
】

5、 问题:2b.说明变量和变量的参数估计值的经济含义。
评分规则: 【 A的参数估计值的含义为：在其他变量保持不变的情况下，店主在学校报纸上发布广告的销售量比不在学校报纸上发布广告的销售量多134.3个单位（2分）。C的参数估计值的含义为：在其他变量保持不变的情况下，学校学期时间的销售量比非学期时间的销售量少152.1个单位（2分）。
】

6、 问题:2c.你和店主对变量C的参数符号都很惊讶。你能解释为什么吗？
评分规则: 【 变量C的参数符号不符合预期，因为学校学期期间的酸奶销售量应该比非学校学期期间的销售量多，C的符号应该为正（1分）。而出现不符合预期的情况很可能是因为缺少了变量，如季节因素（1分，言之有理即可）。
】

第3讲 假设检验 第3讲单元测试

1、 问题:以下不适用F检验的情形是
选项：
A:在含季节性虚拟变量的回归方程中，检验季节性是否存在。
B:在柯布—道格拉斯生产函数中，检验规模报酬是否不变。
C:在回归方程中，检验结构是否存在变化。
D:在回归方程中，检验误差项是否服从正态分布。
E:在回归方程中，检验某一参数是否异于零。
F:在回归方程中，检验某一参数是否大于零。
答案: 【在回归方程中，检验误差项是否服从正态分布。;
在回归方程中，检验某一参数是否大于零。】

2、 问题:以下关于t检验的局限性的说法错误的是
选项：
A:t检验的结果是完全可信的。
B:t检验的统计显著性并不等同于理论有效性。
C:t检验不能考察相应变量在方程中的相对重要性。
D:随着样本容量的增大，t统计量的值会越来越大。
E:对于一个超大规模的样本而言，t检验没有任何意义，因为你几乎可以拒绝任何原假设。
F:在回归方程中，参数估计值和t统计量的值越大，该变量越重要。
答案: 【t检验的结果是完全可信的。;
在回归方程中，参数估计值和t统计量的值越大，该变量越重要。】

3、 问题:以下关于单侧t检验的判定方法正确的是
选项：
A:如果t统计量的值大于临界值，则拒绝原假设。
B:如果t统计量的值大于临界值，且参数符号与H0隐含的符号相同，则拒绝原假设。