【正文】 檢驗，即進行t檢驗。？解答：常見的非線性回歸模型主要有:(1) 對數模型（1分）(2) 半對數模型或（1分）(3) 倒數模型（1分）(4) 多項式模型（1分）(5) 成長曲線模型包括邏輯成長曲線模型和Gompertz成長曲線模型（1分），系數是否呈線性，或都是或都不是。更好的使反映對殘差平方和的影響程度，從而改善參數估計的統計性質。（3分）31．DW值與一階自相關系數的關系是什么？答：或者32．答：多重共線性是指解釋變量之間存在完全或近似的線性關系。（2分）（3）虛擬變量取值應從分析問題的目的出發(fā)予以界定；（1分）（4）虛擬變量在單一方程中可以作為解釋變量也可以作為被解釋變量。52. 識別的條件條件包括階條件和秩條件。只有你自己才能把歲月描畫成一幅難以忘懷的人生畫卷。（1分）。（2分）37．答：所謂方差膨脹因子是存在多重共線性時回歸系數估計量的方差與無多重共線性時回歸系數估計量的方差對比而得出的比值系數。（2分）28．廣義最小二乘法（GLS）的基本思想是什么？答:基本思想就是對違反基本假定的模型做適當的線性變換，使其轉化成滿足基本假定的模型，從而可以使用OLS方法估計模型。（3分）：（1）圖示檢驗法；（1分）（2）戈德菲爾德—匡特檢驗；（1分）（3）懷特檢驗；（1分）（4）戈里瑟檢驗和帕克檢驗（殘差回歸檢驗法）；（1分）（5）ARCH檢驗（自回歸條件異方差檢驗）（1分）：（1）模型變換法；（2分）（2）加權最小二乘法；（2分）（3）模型的對數變換等（1分）：最小二乘法的基本原理是使殘差平方和為最小，在異方差情況下，總體回歸直線對于不同的的波動幅度相差很大。但是，在樣本容量一定的情況下，增加解釋變量必定使得待估參數的個數增加，從而損失自由度，而實際中如果引入的解釋變量并非必要的話可能會產生很多問題，比如，降低預測精確度、引起多重共線性等等。答：BLUE即最佳線性無偏估計量，是best linear unbiased estimators的縮寫。（1分）總體回歸模型描述總體中變量y與x的相互關系，而樣本回歸模型描述所觀測的樣本中變量y與x的相互關系。（2分）簡述建立與應用計量經濟模型的主要步驟。57． 結構式參數：結構模型中的參數叫結構式參數58． 簡化式參數：簡化式模型中的參數叫簡化式參數。 ， ，越接近于1，相關程度越強，越接近于0，相關程度越弱。（3分）:該方法由戈德菲爾特（）和匡特（）于1965年提出，用對樣本進行分段比較的方法來判斷異方差性。（3分）13．高斯－馬爾可夫定理：在古典假定條件下，OLS估計量是模型參數的最佳線性無偏估計量，這一結論即是高斯－馬爾可夫定理。.. . . . ..1．經濟變量：經濟變量是用來描述經濟因素數量水平的指標。（3分）14．總變差（總離差平方和）：在回歸模型中，被解釋變量的觀測值與其均值的離差平方和。（3分）:該檢驗由懷特（White）在1980年提出，通過建立輔助回歸模型的方式來判斷異方差性。：是指解釋變量之間存在完全或不完全的線性關系。59．識別：就是指是否能從簡化式模型參數估計值中推導出結構式模型的參數估計值。答：①根據經濟理論建立計量經濟模型；（1分）②樣本數據的收集；（1分）③估計參數；（1分）④模型的檢驗；（1分）⑤計量經濟模型的應用。②建立模型的不同。（2分）在古典假定條件下，最小二乘估計量具備線性、無偏性和有效性，是最佳線性無偏估計量，即BLUE，這一結論就是著名的高斯－馬爾可夫定理。為此用修正的決定系數來估計模型對樣本觀測值的擬合優(yōu)度（3分）。隨機誤差項方差越小，樣本點對總體回歸直線的偏離程度越低，殘差的可信度越高（或者說樣本點的代表性越強）；而較大的樣本點可能會偏離總體回歸直線很遠，的可信度較低（或者說樣本點的代表性較弱）。（5分）29．自相關性產生的原因有那些？答：（1）經濟變量慣性的作用引起隨機誤差項自相關；（1分）（2）經濟行為的滯后性引起隨機誤差項自相關；（1分）(3)一些隨機因素的干擾或影響引起隨機誤差項自相關；（1分）（4）模型設定誤差引起隨機誤差項自相關；（1分）（5）觀測數據處理引起隨機誤差項自相關。（2分） 若時，認為原模型不存在“多重共線性問題”；（1分） 若時，則認為原模型存在“多重共線性問題”；（1分）若時，則模型的“多重共線性問題”的程度是很嚴重的，而且是非常有害的。（3）模型僅包括兩個解釋變量，避免了多重共線性（1分）；（4）模型僅有三個參數，解釋了無限分布滯后模型因包含無限個參數無法估計的問題（1分）49．聯立方程模型中方程有：行為方程式（1分）；技術方程式（1分）；制度方程式（1分）；平衡方程（或均衡條件）（1分）；定義方程（或恒等式）（1分）。學習參考。51．模型的識別有恰好識別（2分）、過渡識別（2分）和不可識別（1分）三種。（1分）39．虛擬變量引入的原則是什么？答案：（1）如果一個定性因素有m方面的特征，則在模型中引入m1個虛擬變量；（1分）（2）如果模型中有m個