【正文】 DW檢驗不適用于下列情況下的自相關檢驗【 】A 模型包含有隨機解釋變量 B 樣本容量太小C 含有滯后的被解釋變量 D 包含有虛擬變量的模型E 高階自相關針對存在序列相關現(xiàn)象的模型估計，下述哪些方法可能是適用的【 】A 廣義最小二乘法 B 樣本容量太小C 殘差回歸法 D 廣義差分法E Durbin兩步法如果模型存在一階自相關，普通最小二乘估計仍具備【 】A 線性 B 無偏性 C 有效性 D 真實性 。4E 0163。 D 4－163。4－C 163。4－ B 4－163。 D 存在序列相關與否不能斷定1DW檢驗法適用于檢驗【 】A 異方差性 B 序列相關C 多重共線性 D 設定誤差1已知模型的普通最小二乘法估計殘差的一階自相關系數(shù)為0，則DW統(tǒng)計量的近似【 】A 0 B 1 C 2 D 4DW統(tǒng)計量值接近2時，隨機誤差項為【 】A 正自相關 B 負自相關 C 無自相關 D 不能確定是否存在自相關2用于檢驗隨機誤差項序列相關的方法正確的是【 】A 戈里瑟檢驗 B 戈德菲爾德——匡特檢驗 C 德賓—瓦森檢驗 D 方差膨脹因子檢驗2當DW4dL，則認為隨機誤差項ui【 】A 不存在一階負自相關 B 無一階序列相關C 存在一階正自相關 D 存在一階負自相關2對于大樣本，德賓瓦森（DW）統(tǒng)計量的近似計算公式為【 】A DW≈2（2） B DW≈3（1）C DW≈2（1） D DW≈2（1+）2對于某樣本回歸模型，已求得DW的值為l，則模型殘差的自相關系數(shù)近似等于【 】A B 0 C D 1二、多項選擇題以表示統(tǒng)計量DW的下限分布，表示統(tǒng)計量DW的上限分布，則DW檢驗的不確定區(qū)域是【 】A 163。 B 存在一階負相關 C 不存在序列相關 D 41在給定的顯著性水平之下，若DW統(tǒng)計量的下和上臨界值分別為dL和du,則當dLDWdu時，可認為隨機誤差項【 】A 存在一階正自相關B 1則的方差var()為【 】A B C D 1若回歸模型中的隨機誤差項存在一階自回歸形式的序列相關，則估計模型應采用【 】A 普通最小二乘法 B 加權最小二乘法C 廣義差分法 D 工具變量法1已知DW統(tǒng)計量的值接近于2，則樣本回歸模型殘差的一階自相關系數(shù)r近似等于【 】A 0 B 1 C 1 D 1已知樣本回歸模型殘差的一階自相關系數(shù)接近于1，則DW統(tǒng)計量近似等于【 】 A 0 由此判斷上述模型存在【 】A 異方差問題 B 序列相關問題 C 多重共線性問題 D 隨機解釋變量問題1根據一個n=30的樣本估計后計算得DW=，已知在5％得的置信度下，＝，＝，則認為原模型【 】A 不存在一階序列自相關 B 不能判斷是否存在一階自相關C 存在完全的正的一階自相關 D 存在完全的負的一階自相關1對于模型，以r表示與之間的線性相關系數(shù)（t=1，2，188。0 B r187。4當DW＝4是時，說明【 】A 不存在序列相關 B 不能判斷是否存在一階自相關C 存在完全的正的一階自相關 D 存在完全的負的一階自相關根據20個觀測值估計的結果，一元線性回歸模型的DW＝。2 D 0 163。1C －2163。0 B －1163。s）DW檢驗的零假設是（r為隨機項的一階自相關系數(shù)）【 】A DW=0 B r=0 C DW=1 D r=1下列哪種形式的序列相關可用DW統(tǒng)計量來檢驗（為具有零均值，常數(shù)方差，且不存在序列相關的隨機變量）【 】A B C D DW值的取值范圍是【 】A －1163。0 D cov（，）185。 自相關性一、單項選擇題如果模型存在序列相關，則【 】A cov（，）=0 B cov（，）=0（t185。該模型是否存在著異方差問題？試用Park檢驗法進行檢驗。（4） 哪一個假設看來更可行？考慮下表中的數(shù)據：美國制造業(yè)平均賠償與就業(yè)規(guī)模所決定的生產率之間的關系就業(yè)規(guī)模（平均就業(yè)人數(shù)）平均賠償Y/美元平均生產率X/美元賠償?shù)臉藴史讲?美元1~43 3969 3357445~93 7878 58485110~194 0137 96272820~494 1048 27580550~994 1468 389930100~2494 2419 4181 081250~4994 3879 7951 243500~9994 53810 2811 3081 000~2 4994 84311 7501 112（1） 估計OLS回歸方程： （2） 估計WLS 計算兩個回歸方程的結果。（2） 假設誤差與年齡成比例，變換數(shù)據求得WLS回歸方程。你得出什么結論？（4） 如果在對數(shù)回歸模型中發(fā)現(xiàn)了異方差，你會選擇用哪種WLS變換來消除它？1964年，對9 966名經濟學家的調查數(shù)據如下：年齡/歲中值工資/美元年齡/歲中值工資/美元20~247 80035~3911 50025~298 40040~4413 00030~349 70045~4914 80050~5415 00065~6914 50055~5915 00070~12 00060~6415 000（1） 建立適當?shù)哪Ｐ徒忉屍骄べY與年齡間的關系。（2） 分別將殘差的絕對值和殘差平方值對銷售量描圖。序號行業(yè)銷售額研發(fā)費用支出利潤1容器與包裝 6 1 2非銀行金融機構 11 1 3服務行業(yè) 14 4金屬與采掘業(yè) 21 2 5住房與建筑業(yè) 26 6一般制造業(yè) 32 1 3 7閑暇時間行業(yè) 35 1 2 8紙與林產品行業(yè) 40 4 9食品行業(yè) 70 5 10健康護理業(yè) 80 6 13 11宇航業(yè) 95 3 4 12消費品101 1 10 13電器與電子產品116 6 8 14化學工業(yè)122 4 16 15聚合物141 3 9 16辦公設備與計算機175 13 19 17燃料230 1 22 18汽車行業(yè)293 9 18 美國1988年的研發(fā)費用的數(shù)據如題6，回歸方程給出了對數(shù)形式的研發(fā)費用支出和銷售的回歸結果。 序號 Y X 序號 Y X 1 264 8 777 17 1 578 24 217 2 105 9 210 18 1 654 25 604 3 90 9 954 19 1 400 26 500 4 131 10 508 20 1 829 27 670 5 122 10 979 21 2 200 28 300 6 107 11 912 22 2 017 27 430 7 406 12 747 23 2 105 29 560 8 503 13 499 24 1 600 28 150 9 431 14 269 25 2 250 32 100 10 588 15 522 26 2 420 32 500 11 898 16 730 27 2 570 32 500 12 950 17 663 28 1 720 33 500 13 779 18 575 29 1 900 36 000 14 819 19 635 30 2 100 36 200 15 1 222 21 163 312 300 38 200 16 1 702 22 880某地區(qū)年人均可支配收入X，年人均生活費支出Y的截面數(shù)據如下表所示：序號XY序號XY 1354729401136262856 2276923221222481846 3233418981328392341 4195715601419191577 5189315851525151947 6231419771619631609 7195315961724502048 8196016601826882087 942973530194632377710277423112028952303（1） 用Goldfeld—Quandt檢驗分析異方差性（不必刪除觀測值）；（2） 用Spearman等級相關檢驗分析異方差性；（3） 假設Var()=，其中為未知常數(shù)，估計Y關于X的回歸方程。分析從此回歸得到的殘差，你會看到什么？根據（2）的結論你將得到有異方差的結論，而根據（3）中的結果你又得到相反的結論。（2） 將Y對X回歸并分析回歸中的殘差。第二次世界大戰(zhàn)后（直至1969年）期間股票價格與消費者價格序號國 家%每年股票價格變化率Y消費者價格指數(shù)變化率X1澳大利亞2奧地利3比利時4加拿大5智力6丹麥7芬蘭8法國9德國10印度11愛爾蘭12以色列13意大利14日本15墨西哥16荷蘭17新西蘭18瑞典19英國20美國資料來源: Phillip Cagan Common Stock Values and Inflation: The Historical Record of Many Countries 《普通股票價格與通貨膨脹：多國的歷史紀錄》National Bureau of Economic Research. Suppl. 1974年3月，表1，第四頁。（2） 寫出消除異方差后，模型參數(shù)估計量的表達式。加權最小二乘法及其基本原理，它與普通最小二乘法有何差異？