计量第六章习题

4.2自相关性一、单项选择题1、如果模型tttuXbbY10存在序列相关，则【】Acov（tx，tu）=0Bcov（tu，su）=0（ts）Ccov（tx，tu）0Dcov（tu，su）0（ts）2、DW检验的零假设是（为随机项的一阶自相关系数）【】ADW=0B=0CDW=1D=13、下列哪种形式的序列相关可用DW统计量来检验（iv为具有零均值，常数方差，且不存在序列相关的随机变量）【】Atttvuu1BCttvuD12tttvvu4、DW值的取值范围是【】A－1DW0B－1DW1C－2DW2D0DW45、当DW＝4是时，说明【】A不存在序列相关B不能判断是否存在一阶自相关C存在完全的正的一阶自相关D存在完全的负的一阶自相关6、根据20个观测值估计的结果，一元线性回归模型的DW＝2.3。在样本容量n=20，解释变量k=1，显著性水平=0.05时，查得Ld＝1，Ud＝1.41，则可以判断【】A不存在一阶自相关B存在正的一阶自相关C存在负的一阶自相关D无法确定7、当模型存在序列相关现象时，适宜的参数估计方法是【】A加权最小二乘法B间接最小二乘法C广义差分法D工具变量法8、对于原模型tttuXbbY10，一阶广义差分模型是指【】ttttvuuu221A)()()(1)(10tttttttXfuXfXbXfbXfYBtttuXbY1CtttuXbbY10D)()()1(11101ttttttuuXXbbYY9、采用一阶差分模型克服一阶线性自相关问题适用于下列哪种情况【】A0B1C－10D0110、假定某企业的生产决策由模型tttuPbbS10描述（其中tS为产量，tP为价格），如果该企业在t-1期生产过剩，经济人员会削减t期的产量。由此判断上述模型存在【】A异方差问题B序列相关问题C多重共线性问题D随机解释变量问题11、根据一个n=30的样本估计后计算得DW=1.4，已知在5％得的置信度下，＝1.35，Ud＝1.49，则认为原模型【】A不存在一阶序列自相关B不能判断是否存在一阶自相关C存在完全的正的一阶自相关D存在完全的负的一阶自相关12、对于模型iiiexy10ˆˆ，以表示te与1te之间的线性相关系数（t=1，2，，n），则下面明显错误的是【】A=0.8，DW=0.4B=－0.8，DW=－0.4C=0，DW=2D=1，DW=013、假设回归模型中的随机误差项tu具有一阶自回归形式tttvuu1，其中，E(tv)=0，var(tv)=2v。则tu的方差var(tu)为【】A221tuVarB221tuVarC21tuVarD2221tuVar14、若回归模型中的随机误差项存在一阶自回归形式的序列相关，则估计模型应采用【】A普通最小二乘法B加权最小二乘法C广义差分法D工具变量法15、已知DW统计量的值接近于2，则样本回归模型残差的一阶自相关系数近似等于【】A0B-1C1D0.516、已知样本回归模型残差的一阶自相关系数接近于-1，则DW统计量近似等于【】iiiexy10ˆˆLdA0B1C2D417、在给定的显著性水平之下，若DW统计量的下和上临界值分别为dL和du,则当dLDWdu时，可认为随机误差项【】A存在一阶正自相关B存在一阶负相关C不存在序列相关D存在序列相关与否不能断定18、DW检验法适用于检验【】A异方差性B序列相关C多重共线性D设定误差19、已知模型的普通最小二乘法估计残差的一阶自相关系数为0，则DW统计量的近似【】A0B1C2D420、DW统计量值接近2时，随机误差项为【】A正自相关B负自相关C无自相关D不能确定是否存在自相关21、用于检验随机误差项序列相关的方法正确的是【】A戈里瑟检验B戈德菲尔德——匡特检验C德宾—瓦森检验D方差膨胀因子检验22、当DW4-dL，则认为随机误差项ui【】A不存在一阶负自相关B无一阶序列相关C存在一阶正自相关D存在一阶负自相关23、对于大样本，德宾-瓦森（DW）统计量的近似计算公式为【】ADW≈2（2-ˆ）BDW≈3（1-ˆ）CDW≈2（1-ˆ）DDW≈2（1+ˆ）24、对于某样本回归模型，已求得DW的值为l，则模型残差的自相关系数近似等于【】A-0.5B0C0.5D1二、多项选择题1、以Ld表示统计量DW的下限分布，Ud表示统计量DW的上限分布，则DW检验的不确定区域是【】AUdDW4－B4－UdDW4－CLdDWUdD4－LdDW4E0DWLd2、DW检验不适用于下列情况下的自相关检验【】A模型包含有随机解释变量B样本容量太小UdLdC含有滞后的被解释变量D包含有虚拟变量的模型E高阶自相关3、针对存在序列相关现象的模型估计，下述哪些方法可能是适用的【】A广义最小二乘法B样本容量太小C残差回归法D广义差分法EDurbin两步法4、如果模型tttuXbbY10存在一阶自相关，普通最小二乘估计仍具备【】A线性B无偏性C有效性D真实性E精确性5、DW检验不能用于下列哪些现象的检验【】A递增型异方差的检验Bttttvuuu221形式的序列相关检验CijivXbbX10形式的多重共线性检验DtttteYbXbbY1210ˆˆˆ的一阶线性自相关检验E遗漏重要解释变量导致的设定误差检验三、判断题1、当模型存在高阶自相关时，可用DW法进行自相关检验。（）2、当模型的解释变量包括内生变量的滞后变量时，DW检验就不适用了。（）3、DW值在0和4之间，数值越小说明正相关程度越大，数值越大说明负相关程度越大。（）4、假设模型存在一阶自相关，其他条件均满足，则仍用OLS法估计未知参数，得到的估计量是无偏的，不再是有效的，显著性检验失效，预测失效。（）5、当存在自相关时，OLS估计量是有偏的，而且也是无效的。（）6、消除自相关的一阶差分变换假定自相关系数必须等于－1。（）7、发现模型中存在误差自相关时，都可以利用广义差分法来消除自相关。（）8、在自回归模型中，由于某些解释变量是被解释变量的滞后变量，如ttttuYXY1321那么杜宾—沃森（DW）检验法不适用。9、在杜宾—沃森（DW）检验法中，我们假定误差项的方差是同方差。（）10、模型tttuXY21中的2R与tttttvXXYY)(121中的2R不可以直接进行比较。（）四、名词解释1、序列相关性2、广义差分法五、简述1、为何会出现回归模型中随机误差项的序列自相关？2、简述DW检验的局限性。3、经济模型中产生自相关的原因和后果是什么？4、简述DW检验的步骤及应用条件。六、计算与分析题1、据下表中所给的美国股票价格指数和GNP数据：年份YX年份YX197045.71,015.5197958.32,508.2197154.21,102.7198068.12,732.0197260.31,212.8198174.03,052.6197357.41,359.3198268.93,166.0197443.81,472.8198392.63,405.7197545.71,598.4198492.63,772.2197654.51,782.81985108.14,019.2197753.71,990.51986136.04,240.3197853.722,498.71987161.74,526.7注：Y----NYSE复合普通股票价格指数，（1965年12月31日=100）X----GNP（单位：10亿美元）数据来源：《总统经济报告，1989》，Y来自416页表B-94，X来自308页表B-1（1）估计OLS回归：Yt=B0+B1Xt+ut（2）根据d统计量确定在数据中是否存在一阶自相关。（3）如果存在，用d值来估计相关系数。（4）利用估计的值对数据变换，用OLS法估计广义差分方程。（5）利用（4）中得到的广义差分方程的参数估计值求出方程Yt=B0+B1Xt+u的参数估计值。在这个方程中还存在自相关吗？（6）利用Eviews的一阶自回归校正功能(即AR(1)功能)估计回归方程Yt=B0+B1Xt+u的参数，并与（5）中得到的结果进行比较。2利用以下给定的杜宾—沃森d统计数据进行序列相关检验。(k’=自变量数目，n=样本容量)（1）d=0.81，k’=3，n=21，显著水平α=5%。（2）d=3.48，k’=2，n=15，显著水平α=5%。（3）d=1.56，k’=5，n=30，显著水平α=5%。（4）d=2.64，k’=4，n=35，显著水平α=5%。（5）d=1.75，k’=1，n=45，显著水平α=5%。（6）d=0.91，k’=2，n=28，显著水平α=5%。（7）d=1.03，k’=5，n=26，显著水平α=5%。3、下表给出了美国1958—1969年期间每小时收入指数的年变化率(Y)和失业率(X)。年份YX19584.26.819593.55.519603.45.519613.06.719623.45.519632.85.719642.85.219653.64.519664.33.819675.03.819686.13.619696.73.5请回答以下问题：（1）估计模型tttXY110中的参数0、1。（1）计算上述模型中的杜宾—沃森DW值。（2）上述模型是否存在一阶自相关？如果存在，是正自相关还是负自相关？（3）如果存在自相关，应用DW值估计自相关系数ρ。（4）利用广义差分方法重新估计上述模型。自相关问题还存在吗？4、在用广义差分法消除一阶自相关过程中，由于差分我们将丢失一个观测值。为避免观测值的丢失，我们可对第一组观测值作如下变换：12*11yy，12*11xx，…此种变换叫做普瑞斯——文思特（Prais—Winsten）变换。下表为美国1968—1987年进口支出（y）与个人可支配收入（x），（单位：10亿美元，1982年为基期）年份yx年份yx1968135.51551.31978274.12167.41969144.61599.81979277.92212.61970150.91668.11980253.62214.31971166.21728.41981258.72248.61972190.71797.41982249.52261.51973218.21916.31983282.22331.91974211.81896.91984351.12469.81975187.91931.71985367.92542.81976229.92001.01986412.32640.91977259.42066.61987439.02686.3请回答以下问题：（1）利用表中的数据估计模型tttuxy10。（2）是否存在自相关？如果存在，请用DW的估计值估计自相关系数ρ。（3）用广义差分法重新估计模型tttttvxxyy)()1(1101(i)舍去第一组观测值；（ii）普瑞斯——文思特变换。5、纽约股票交易所(NYSE)综合指数(Y)和GNP(X)(1970—1987)如下表所示：年份YX年份YX197045.721015.5197958.322508.2197154.221102.7198068.102732.0197260.291212.8198174.023052.6197357.421359.3198268.933166.0197443.841472.8198392.633405.7197545.731595.4198492.463772.2197654.461782.81985108.094019.2197753.691990.51986136.004240.3197853.702249.7198