当前位置：问答库＞考研试题

一、简答题

1． 在多元线性回归分析中，t 检验与F 检验有何不同? 在一元线性回归分析中二者是否有等价的作用?

【答案】在多元线性回归模型分析中，t 检验常被用于检验回归方程各个参数的显著性，是单一检验; 而F 检验则被用作检验整个回归关系的显著性，是对回归参数的联合检验。在多元线性回归中，若F 检验拒绝原假设，意味着解释变量与被解释变量之间线性关系是显著的，但具体是哪个解释变量与被解释变量之间关系显著则需要通过，检验来进一步验证，但若F 检验接受原假设，则意味着所有的，检验均不显著。

在一元线性回归模型中，由于解释变量只有一个，因此F 检验的联合假设等同于，检验的单一假设，两检验作用是等价的。

2． 模型的检验包括几个方面? 其具体含义是什么?

【答案】计量经济学模型必须通过四级检验，即经济意义检验、统计检验、计量经济学检验和模型预测检验。

（l ）经济意义检验，主要检验模型参数估计量在经济意义上的合理性，其主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系，以判断其合理性;

（2）统计检验，目的在于检验模型的统计学性质，应用最广泛的统计检验准则有拟合优度检验、变量和方程的显著性检验等;

（3）计量经济学检验，目的在于检验模型的计量经济学性质，最主要的检验准则有随机干扰项的序列相关性检验和异方差性检验，解释变量的多重共线性检验等;

（4）模型预测检验，主要检验模型参数估计量的稳定性以及相对样本容量变化时的灵敏度，确定所建立的模型是否可以用于样本观测值以外的范围，即模型的超样本特性。具体检验方法为:①利用扩大了的样本重新估计模型参数，将新的估计值与原来的估计值进行比较，并检验二者之间差距的显著性; ②将所建立的模型用于样本以外某一时期的实际预测，将该预测值与实际观测值进行比较，并检验二者之间差距的显著性。

3． 什么是“虚拟变量陷阱”?

【答案】一般在引入虚拟变量时，如果有m 个定性变量，只在模型中引入m-l 个虚拟变量。否则，如果引入m 个虚拟变量，就会导致模型解释变量间出现多重共线性的情况。由于引入的虚拟变量个数与定性因素个数相同时出 现的模型无法估计的问题，称为“虚拟变量陷阱”。

二、计算题

4． 某大学2009级研究生考试分数及录取情况数据表（N=85）:

变量x 表示考生考试分数; Y=l表示考生被录取，0表示未录取; 虚拟变量D 1=I表示应届生，D 0=0

表示非应届生。根据所给数据建立二元离散Logit 模型与Probit 模型。

【答案】（1）估计二元离散Logit 模型

在Eviews 软件中，选择“Quick\Estimate Equation”，在出现的对话框中输入“Y C X D”，并在“Quiek \Estimate Setting ”的“Methods ”栏内选择“Binary ”，再在新出现的选项中选择“Logit ”，点击OK ，输出结果为:

则估计的Logit 模型为:

（2）估计Probit 模型

在上面Eviews 操作步骤中的“Methods ”栏内选择“Binary ”后，在新出现的选项中选择“Probit ”，点击 OK ，输出结果为:

则估计的Probit 模型为：

5． 令Y 表示一个学生在一所大学是否在第4年后能免试推荐攻读硕士学位的虚拟变量。设X 1与X 2分别是 其入学时的考试成绩以及大学前二年各门必修课的平均成绩，X 3是其在第三学年每周学习的小时数。假设利用 420个学生的数据得到如下的Logit 模型:

假设X 1与X 2固定在85分的水平上，计算每周花40小时与花20小时学习的学生在推荐攻读硕士学位概率上的估计差异。

【答案】当X 1、X 2固定在85分的水平上时，每周学习时间在40小时（X 3=40）的学生被推荐上的概率为:

习时间在20小时（X 3=20）的学生被推荐上的概率为:

可以得出，两者的概率之差为：

每周学