古扎拉蒂-经济计量学习题答案.docVIP

部分作业答案：（各题只要回答到如下程度就是满分哦） 第1章 概论 一、填空 1. 近似，散点； 2. 平均值，平均值 第2章 线性回归的基础理论 一、填空 1. 因变量Y解释变量X 1-2 AB 三、名词解释 总体：实验所有可能结果的集合称为总体或样本空间。 样本：也叫样本点，是指总体的某个元素或某种结果。 随机实验：至少有两个可能的结果，但不确定哪一个结果会出现的某个观察或测度过程。 估计量：是指总体参数的估计方法或计算公式。 估计值：估计量的某一具体取值称为估计值。 变量线性是指因变量的条件均值是解释变量的线性函数。 参数线性是指因变量的条件均值是参数B的线性函数，而变量之间不一定是线性的。 1. 答：14世纪英国逻辑学家奥卡姆提出简单有效原理，即“如无必要，勿增实体”,亦即“切勿浪费较多东西去做用较少的东西同样可以做好的事情”。因此，模型应尽量简化，只要不遗漏重要变量即可，即便某些变量对Y有影响，但它们的综合影响如果是有限的，非随机的，都可以不予考虑，即归入u中2. 答：对双变量回归模型而言，如果总体回归线接近于直线，可用函数表示为E(Y︱Xi)=B1+B2Xi，其中，B1为截距，B2为斜率，该函数就称为非随机总体回归函数。它表示在给定X的条件下，Y分布的均值。 对双变量回归模型而言，如果总体回归线接近于直线，回归方程可表示为Yi=B1+B2Xi+ui，其中，B1+B2Xi表示在给定X的条件下Y分布的均值，ui为随机误差项。它表示真实的Y值是如何在均值附近波动的。 对双变量回归模型而言，若样本回归线接近于直线，则非随机样本回归函数可表示为=b1+b2Xi，其中，=总体条件均值E(Y︱Xi)的估计量，b1=真实截距B1的估计量，b2=真实斜率B2的估计量。 对双变量回归模型而言，若样本回归线接近于直线，则随机样本回归函数可表示为Yi=b1+b2Xi+ei，其中，b1+b2Xi表示总体条件均值E(Y︱Xi)的估计量，ei表示误差项ui的样本估计量，为残差。 随机PRF（Yi=B1+B2Xi+ui）不能直接观察，但能通过随机SRF（Yi=b1+b2Xi+ei）估计。由SRF得ei=Yi-b1-b2Xi，而=b1+b2Xi，因此，ei=Yi-=实际的Yi-估计的Yi。残差的绝对值越小，表示SRF与PRF越靠近，即估计越好。残差的平方和最小即可表示SRF与PRF越靠近，用数学公式表示为：。该式中，X和Y可由观测得到，是b1和b2的函数。因此，等价于分别对b1和b2求偏导等于0。由此，得到： 其中，n为样本容量。此联立方程称为最小二乘正规方程。求解正规方程得到： 其中，样本截距b1是总体截距B1的估计量，样本斜率b2是总体斜率B2的估计量。xi，yi表示变量与其相应均值的离差，即xi=Xi-，yi=Yi-。 第3章 概率分布正态倒扣的钟形 5. χ2 6. χ2 二、单项选择题 1-5 DCBAC 三、名词解释 概率密度函数：是指连续型随机变量在某一特定范围或区域内的概率。 期望：是随机变量的可能取值的加权平均，权重为各可能取值的概率。换言之，随机变量的期望就是该变量可能取值与其对应概率之积的加总。 方差：等于随机变量与均值之差的平方的期望，即var(X)==E(X-μx)2，其中，μx=E(X)。方差表明随机变量X的取值与均值的偏离程度。 自由度：是指计算统计量(如样本均值或方差)时独立观察值的个数。 第4章 统计推断的基本理论 一、填空 1. 估计，假设检验 2. 固定值，随机变量 二、单项选择题 1 B 三、名词解释 统计推断：是指根据来自总体的某个随机样本，对总体的某些特征作出推论。 抽样误差：因样本不同而导致估计值的差异叫做抽样变异或抽样误差。 估计：概率分布函数的性质由其参数决定，通常根据样本估计总体参数，假设样本容量为n的随机样本来自服从某概率的总体，用样本均值作为总体均值的估计量，样本方差作为总体方差的估计量，这个过程称为估计。 BLUE：最优线性无偏估计量。如果一个估计量是线性的和无偏的，并且，在所有无偏估计量中，它的方差最小，则称它是最优线性无偏估计量。 一致估计量：如果随着样本容量的增加，估计量接近参数的真实值，则称该估计量为一致估计量。 p值：即概率值，定义为拒绝零假设最低的显著水平，又称为统计量的精确显著水平。 第5章 回归的假设检验 一、填空题 1. 无自相关，正的自相关，负的自相关 2. 0，σ2，正态分布，中心极限 二、单项选择题 1-3 ADB 三、名词解释 高斯-马尔柯夫定理：如果满足经典线性回归模型的基本假定，则在所有线性估计量中，OLS估计量具有最小方差性，即OLS估计量是最优线性无偏估计量(BLUE)。 残差直方图：是用于推断随机变量概率密度函数(PD