【单选题】
在线性回归模型中，若解释变量X_1,X_2的观测值成比例，则表明___
A. 数据矩阵X存在完全多重共线性
B. 数据矩阵X存在不完全多重共线性
C. 数据矩阵X不存在多重共线性
D. 解释变量X_1,X_2存在完全多重共线性
查看试卷，进入试卷练习
微信扫一扫，开始刷题
答案
A
解析
暂无解析
相关试题
【单选题】
在线性回归模型中，若〖(X^' X)〗^(-1)存在，但不是对角阵，则表明___
A. 数据矩阵X存在完全多重共线性
B. 数据矩阵X存在不完全多重共线性
C. 数据矩阵X不存在多重共线性
D. 解释变量存在不完全多重共线性
【单选题】
在线性回归模型中，若〖(X^' X)〗^(-1)是对角阵，则表明___
A. 数据矩阵X存在完全多重共线性
B. 数据矩阵X存在不完全多重共线性
C. 数据矩阵X不存在多重共线性
D. 解释变量不存在多重共线性
【单选题】
在有截距项的三元线性回归模型中，若辅助回归X_i3=α_0+α_1 X_i1+α_2 X_i2+v_i ,i=1,2,⋯,n，且其中常数α_0,α_1,α_2不全为0，v_i全为0，则表明___
A. 数据矩阵X的第四列与前三列存在完全多重共线性
B. 数据矩阵X的第四列与前三列存在不完全多重共线性
C. 数据矩阵X的第四列与前三列不存在多重共线性
D. 解释变量X_1,X_2,X_3之间存在完全多重共线性
【单选题】
在有截距项的三元线性回归模型中，若辅助回归X_i3=α_0+α_1 X_i1+α_2 X_i2+v_i ,i=1,2,⋯,n，且其中常数α_0,α_1,α_2不全为0，v_i不全为0，则表明___
A. 数据矩阵X的第四列与前三列存在完全多重共线性
B. 数据矩阵X的第四列与前三列存在不完全多重共线性
C. 数据矩阵X的第四列与前三列不存在多重共线性
D. 解释变量X_1,X_2,X_3之间存在不完全多重共线性
【单选题】
在有截距项的三元线性回归模型中，若辅助回归X_i3=α_0+α_1 X_i1+α_2 X_i2+v_i ,i=1,2,⋯,n，且其中常数α_0,α_1,α_2全为0，则表明___
A. 数据矩阵X的第四列与前三列存在完全多重共线性
B. 数据矩阵X的第四列与前三列存在不完全多重共线性
C. 数据矩阵X的第四列与前三列不存在多重共线性
D. 解释变量X_1,X_2,X_3之间存在完全多重共线性
【单选题】
则表明___
A. 数据矩阵X的第四列与前三列不存在严重不完全多重共线性
B. 数据矩阵X的第三列与其它三列存在严重不完全多重共线性
C. 数据矩阵X的第四列与前三列之间的不完全多重共线性比X的第三列与其它三列之间的不完全多重共线性更严重
D. 解释变量X_1,X_2,X_3之间存在不完全多重共线性
【单选题】
在有截距项的三元线性回归模型中，若辅助回归X_i3=α_0+α_1 X_i1+α_2 X_i2+v_i ,i=1,2,⋯,n，且其中常数α_0,α_1,α_2不全为0，v_i全为0，则表明___
A. 模型参数的OLS估计不存在
B. β_3 的OLS估计不存在
C. β_3 的OLS估计有无穷多
D. Var(β ̂_3)趋于无穷大
【单选题】
则___
A. β_3 的OLS估计不存在
B. Var(β ̂_3)一定很大
C. β_3的t检验一定显著为0
D. 在显著性水平0.05下，如果β_3的t检验显著不为0，则〖P(β〗_3=0)≤0.05
【单选题】
与前三列正交时，参数的OLS估计记为γ ̂_0，γ ̂_1，γ ̂_2，γ ̂_3，则___
A. β_3 的OLS估计不存在
B. Var(β ̂_3)一定很大
C. Var(β ̂_3 )=20Var(γ ̂_3 )
【单选题】
线性模型Yi=β0+β1X1i+β2X2i+μi不满足哪一假定称为异方差现象?___
A. Cov(μi,μj)=0
B. Var(μi)=σ2
C. Cov(Xi,μi)=0
D. Cov(X1i,X2i)=0
【单选题】
加权最小二乘法克服异方差的主要原理是通过赋予不同误差的观测点以不同的权数，以提高估计精度，即：___
A. 重视大误差的作用，轻视小误差的作用
B. 重视小误差的作用，轻视大误差的作用
C. 重视小误差的作用，更重视大误差的作用
D. 轻视大误差的作用，更轻视小误差的作用
【单选题】
如果戈里瑟检验表明，普通最小二乘估计结果的残差 与 显著有关系|e_i |=2x_i+v_i，其中（ 满足线性模型的全部经典假设），则用加权最小二乘法估计模型参数时，∑▒〖w_i e_i^2 〗中的权数w_i应取为___
A.
B.
C.
D.
【单选题】
根据20个观测值估计的结果，一元线性回归模型的DW=2.6,在α=0.05的显著性水平下查得样本容量n=20，解释变量k=1个时，dL=1.20,dU=1.41，则可以判断：___
A. 不存在一阶自相关
B. 存在正的一阶自相关
C. 存在负的一阶自相关
D. 无法确定
【单选题】
根据样本资料建立某消费函数如下： =100.50+0.45Xt+55.35D，其中C为消费，X为收入，虚拟变量D= ，所有参数均检查显著，则城市的消费函数为：___
A. =155.85+0.45Xt
B. =100.50+0.45Xt
C. =100.50+55.35D
D. =100.95+55.35D
【单选题】
使用多项式方法估计有限分布滞后模型时，多项式 i=α0+α1i+α2i2…αnim的阶数m的确定方法为___
A. 事先给定
B. 通过逐步计算确定
C. 由模型自动生成
D. 随意定
【单选题】
对于模型：Yt=α+β0Xt+β1Xt-1+β2Xt-2+…+βiXt-i+μt，如果有βi=β0λi,0<λ<1，则称原模型为：___
A. 变参数模型
B. 有限分布滞后模型
C. 有限多项式滞后模型
D. 考伊克模型
【单选题】
在估计分布滞后模型参数时，一般是对分布滞后模型施加约束条件，以便减少模型中的参数。以下约束条件中，错误的是___
A. 系数值βi先增加后下降
B. 系数值βi先下降后增加再下降
C. 系数值βi按几何级数增加
D. 系数值βi按几何级数衰减
【单选题】
下面关于内生变量的表述，错误的是___
A. 内生变量都是随机变量
B. 内生变量受模型中其它内生变量的影响，同时又影响其它内生变量
C. 在结构式方程中，解释变量可以是前定变量，也可以是内生变量
D. 滞后内生变量与内生变量具有相同性质
【多选题】
利用普通最小二乘法求得的样本回归直线 具有以下特点___
A. 必然通过点（ ）
B. 残差ei的均值为常数
C. 的平均值与Yi的平均值相等
D. 残差ei与Xi之间存在一定程度的相关性
E. 不一定通过点（ ）
【多选题】
当被解释变量的观测值Yi与回归值 完全一致时：___
A. 判定系数r2等于1
B. 判定系数r2等于0
C. 估计标准误差s等于1
D. 估计标准误差s等于0
E. 相关系数等于0
【多选题】
随机解释变量线性回归模型的基本假设中有___
A. 在解释变量取定一个样本的条件下u服从正态分布
B. 设计矩阵X列满秩
C. 解释变量存在二阶矩
D. 解释变量与u不相关
E. E(u)=0
【多选题】
在基本假设下，随机解释变量线性回归模型参数的OLS估计具有性质___
A. E(β ̂|X)=β
B. β ̂=∑▒〖f(X) Y_i 〗
C. 一致性
D. 在满足AB两个性质的估计中，模型参数的OLS估计量在解释变量取定给定样本的条件下的条件方差最小
【多选题】
有预测Y ̂_0=β ̂_0+β ̂_1 X_01+β ̂_2 X_02+β ̂_3 X_03，Y ̃_0=γ ̂_0+γ ̂_1 X_01+γ ̂_2 X_02+γ ̂_3 X_03。则___。
A. 存在X_03=α_0+α_1 X_01+α_2 X_02，使〖Var(Y ̂〗_0)<〖Var(Y ̃〗_0)；
B. 存在X_03=0，使〖Var(Y ̂〗_0)>〖Var(Y ̃〗_0)；
C. 对任意X_0=(1,X_01,X_02,X_03)∈R^4，〖Var(Y ̂〗_0)<〖Var(Y ̃〗_0)；
D. 对任意X_0=(1,X_01,X_02,X_03)∈R^4，〖Var(Y ̂〗_0)>〖Var(Y ̃〗_0)。
【多选题】
当数据矩阵存在严重不完全多重共线性时，下列阐述正确的是___
A. 预测方差变大
B. t=(Y ̂_f-E(Y_f))/(σ ̂√(X_f 〖(X^' X)〗^(-1) X_f^' )) 服从自由度为n-k+1的t分布，其中k为解释变量个数；
C. Y ̂_f-t_(α/2) (n-k+1) σ ̂√(X_f (X^' X)^(-1) X_f^' )≤E(Y_f )≤Y ̂_f+t_(α/2) (n-k+1)σ ̂√(X_f (X^' X)^(-1) X_f^' )
D. [Y ̂_f-t_(α/2) (n-k+1) σ ̂√(X_f (X^' X)^(-1) X_f^' ) ,Y ̂_f+t_(α/2) (n-k+1)σ ̂√(X_f (X^' X)^(-1) X_f^' )]包含
E. (Y_f )的概率为1-α。
【多选题】
下列阐述正确的是___
A. 增加样本容量可以减轻多重共线性；
B. 对确定性解释变量，增加样本容量可以使数据矩阵的多重共线性加强，也可以使数据矩阵的多重共线性减弱；
C. 对随机解释变量，增加样本容量只是使样本复相关系数取值于总体复相关系数附近的概率更大了，并不能肯定使样本复相关系数增加还是减小，即不能肯定使数据矩阵的多重共线性加强还是减弱；
D. 增加样本容量可以减小参数OLS估计的方差。
推荐试题
