2018年西安交通大学经济与金融学院432统计学[专业硕士]考研强化五套模拟题
● 摘要
一、简答题
1． 二项分布与超几何分布的适用场合有什么不同？它们的均值和方差有什么区别？
【答案】（1）从理论上讲，二项分布只适合于重复抽样（即从总体中抽出一个个体观察完后放回总体，然后再抽下一个个体）。但在实际抽样中，很少采用重复抽样。不过，当总体的元素数目况很大而样本量, 相对于AT 来说很小时，二项分布仍然适用。
但如果是采用不重复抽样，各次试验并不独立，成功的概率也互不相等，而且总体元素的数目很小或样本量 «相对于W 来说较大时，二项分布就不再适用，这时，样本中“成功”的次数则服从超几何概率分布。
（2）若X 服从二项分布若Y 服从超几何分布则则
2． 解释多重判定系数和调整的多重判定系数的含义和作用。
【答案】（1）多重判定系数是多元回归中的回归平方和占总平方和的比例，它是度量多元回归方程拟合程度的一个统计量，反映了在因变量y 的变差中被估计的回归方程所解释的比例，其计算公式为
（2）调整的多重判定系数考虑了样本量（n ）和模型中自变量的个数（k ）的影响，这就使得
的值永远小于
而且的值不会由于模型中自变量个数的增加而越来越接近1，
其计算公式为
3． 简述季节指数的计算步骤。
【答案】以移动平均趋势剔除法为例，计算季节指数的基本步骤为：
，（1）计算移动平均值（如果是季度数据采用4项移动平均，月份数据则采用12项移动平均）
并将其结果进行“中心化”处理，也就是将移动平均的结果再进行一次2项的移动平均，即得出“中心化移动平均值”
（2）计算移动平均的比值，也称为季节比率，即将序列的各观察值除以相应的中心化移动平均值，然后再计算出各比值的季度（或月份）平均值。
（3）季节指数调整。由于各季节指数的平均数应等于1或100%，若根据第2步计算的季节
比率的平均值不等于1时，则需要进行调整。具体方法是：将第（2）步计算的每个季节比率的平均值除以它们的总平均值。
4． 说明回归模型的假设以及当这些假设不成立时的应对方法。
【答案】（1）多元回归模型的基本假定有： ①自变量
③对于自变
量
④误差项是一个服从正态分布的随机变量，且相互独立，即
（2）若模型中存在多重共线性时，解决的方法有：
第一，将一个或多个相关的自变量从模型中剔除，使保留的自变量尽可能不相关。
第二，如果要在模型中保留所有的自变量，那就应该：避免根据统计量对单个参数进行检验；对因变量Y 值的推断（估计或预测）限定在自变量样本值的范围内。
若模型中存在序列相关时，解决的方法有:如果误差项不是相互独立的，则说明回归模型存在序列相关性
，这时首先要查明序列相关产生的原因。如果是回归模型选用不当，则应改用适当的回归模型；如果是缺少重要的自变量，则应増加自变量；如果以上两种方法都不能消除序列相关性，则需采用迭代法、差分法等方法处理。
若模型中存在异方差性时，解决的方法有：当存在异方差性时，普通最小二乘估计不再具有最小方差线性估计的性质，而加权最小二乘估计则可以改进估计的性质。加权最小二乘估计对误差项方差小的项加一个大的权数，对误差项方差大的项加一个小的权数，因此加强了小方差性的地位，使离差平方和中各项的作用相同。
5． 简述非抽样误差类型。
【答案】非抽样误差是相对抽样误差而言的，是指除抽样误差之外的，由于其他原因引起的样本观察结果与总体 真值之间的差异。无论是概率抽样、非概率抽样，或是在全面调查中，都有可能产生非抽样误差。非抽样误差有以下几种类型：
（1）抽样框误差，是指抽样框中的单位与研宄总体的单位不存在一一对应的关系，使用这样的抽样框抽取样本就会出现一些错误。
（2）回答误差，是指被调查者在接受调查时给出的回答与真实情况不符。导致回答误差的原因有多种，主要有理答误差、记忆误差和有意识误差。
（3）无回答误差，是指被调查者拒绝接受调查，调查人员得到的是一份空白的答卷。
（4）调查员误差，是指由于调查员的原因而产生的调查误差。
是非随机的、固定的，且相互之间互不相关（无多重共线性）； 的方
差都相同，且不序列相关，
即
的所有
值②误差项s 是一个期望值为0的随机变量，即
（5）测量误差，是指如果调查与测量工具有关，则很可能产生测量误差。
6． 利用增长率分析时间序列时应注意哪些问题？
【答案】在应用増长率分析实际问题时，应注意以下几点：
（1）当时间序列中的观察值出现0或负数时，不宜计算增长率。这是因为对这样的序列计算增长率，要么不符合数学公理，要么无法解释其实际意义；
（2）在有些情况下，不能单纯就增长率论増长率，要注意增长率与绝对水平的结合分析。
7． 中心极限定理。
【答案】设随机变量
令
则
也就是说，当n 趋于无穷大时，的分布趋向于标准正态分布 相互独立（S 卩，对任意给定的相互独立）且服从同一分布，该分布存在有限的期望和方
差
8． 简述系数、c 系数、系数的各自特点。
【答案】（1）
相关系数是描述列联表数据相关程度最常用的一种相关系数。它的计算公式为：式中，《为列联表中的总频数，也即样本量。说系数适合
这个范围。
列联表的情况。C 系数的列联表，是因为对于
计算公式为：
列联表中的数据，计算出的系数可以控制在（2）列联相关系数又称列联系数，简称c 系数，主要用于大于
当列联表中的两个变量相互独立时，系数c=0, 但它不可能大于1。c 系数的特点是，其可能的最大值依赖于列联表的行数和列数，且随着R 和C 的增大而增大。
（3）克莱默提出了 V 系数。V 系数的计算公式为：
当两个变量相互独立时，
果列联表中有一维为2，即当两个变量完全相关时，所以V 的取值在之间。如则V 值就等于值。