当前位置：问答库＞考研试题

一、简答题

1． 为了增加样本，能否简单地将多个时间的横截面数据综合为一组样本进行估计? 为什么?

【答案】不能简单地将多个时间的横截面数据综合为一组样本进行估计。

多个时间的横截面数据即为平行数据。单方程平行数据的一般模型为:

其中X 1i 为1×K 向量，β为K ×1向量，K 为解释变量的数目。该模型常用的三种情形:

情形l :

情形2:

情形3:（截面上无个体影响、无结构变化） （变截距模型） （变系数模型）

情形1表示样本在横截面上无个体影响，应用普通最小二乘法可以给出两参数的一致有效估计，也相当于将 多个时期的截面数据放在一起作为样本数据。情形2为变截距模型，即 在截面上个体影响不同，个体影响表现为模型中被忽略的反映个体差异的变量的影响; 情形3称为变系数模型， 除了存在个体影响外，在横截面上还存在经济结构的变化，因而结构参数在不同截面单位上也是不同的。若分析 的问题属于情形1，则将多个时间的横截面数据综合在一起当作一个样本是合适的; 但如果分析的问题属于情形2和情形3，则将多个时间的横截面数据综合在一起会损失一些数据信息并带来模型估计中的误差甚至错误。

2． 假使在回归模型中，用不为零的常数去乘每一个x 值，这会不会改变Y 的拟合值及残差? 如果对每个x 都加大一个非零常数

【答案】回归模型则有:

的拟合值与残差分别为:

（1）记，则有:

记新总体模型对应的样本回归模型为:

，又会怎样? ， 的样本回归模型记为

则有:

于是在新的回归模型下，Y 的拟合值与残差分别为:

因此，对x 乘非零常数后，不改变Y 的拟合值与模型的残差。

（2）记，则有，于是新模型的回归参数分别为:

在新的回归模型下，Y 的拟合值与残差分别为:

因此，对x 都加大一个非零常数后，也不改变Y 的拟合值与模型的残差。

3． 试述回归分析与相关分析的联系和区别。

【答案】回归分析是研究一个变量关于另一个（些）变量的依赖关系的计算方法和理论，其目的在于通过后者的己知或设定值，去估计和（或）预测前者的（总体）均值; 相关分析主要是研究随机变量间的相关形式及相关程度。

（1）回归分析与相关分析的联系

回归分析和相关分析都是对变量之间的非确定相关关系的研究，均能通过一定的方法对变量之间的线性依赖程度进行测定。

（2）回归分析与相关分析的区别

①相关分析研究的是两个随机变量之间的相关形式及相关程度，是通过相关系数来测定的，不考虑变量之间是否存在因果关系; 而回归分析是以因果分析为基础的，变量之间的地位是不对称的，有解释变量和被解释变量之分，被解释变量是随机变量，而解释变量在一般情况下假定是确定性变量。

②相关分析所采用的相关系数，是一种纯粹的数学计算，相关分析关注的是变量之间的相互关联

的程度，而回归分析在应用之前就对变量之间是否存在依赖关系进行了因果分析，在此基础上进行的回归分析，达到了深入分析变量间依存关系、掌握其运动规律的目的。

二、计算题

4． 中国1980~2007年全社会固定资产投资总额x 与工业增加值Y 的统计资料（单位:亿元）如表1所示，试问:

（1）当设定模型为

时，是否存在序列相关?

（2）若原模型存在序列相关性，试用广义最小二乘法估计原模型。

（3）若原模型存在序列相关性，试用序列相关稳健标准误法估计原模型。

表

1

【答案】（1）在EviewS 软件下，得出如图1的回归结果。

图1