A.戈里瑟檢驗(yàn)
B.馮諾曼比檢驗(yàn)
C.回歸檢驗(yàn)
D.DW檢驗(yàn)
您可能感興趣的試卷
你可能感興趣的試題
A.利用OLS法得到回歸估計量是線性、無偏的
B.利用OLS法得到回歸估計量不是有效的
C.T檢驗(yàn)和F檢驗(yàn)的結(jié)果不可靠
D.擬合程度R2能測度樣本點(diǎn)與樣本回歸函數(shù)之間真實(shí)情況
A.時間序列數(shù)據(jù)的回歸模型要注意檢驗(yàn)殘差項(xiàng)的自相關(guān)性
B.截面數(shù)據(jù)的回歸模型要注意檢驗(yàn)殘差項(xiàng)的自相關(guān)性
C.u^t=p*u^t-1+vi是滯后一階的自回歸模型
D.模型Yt=b1+b2pt-1+ut殘差項(xiàng)容易產(chǎn)生自相關(guān)性
A.經(jīng)濟(jì)數(shù)據(jù)的慣性作用
B.規(guī)模效應(yīng)
C.數(shù)據(jù)的平滑、外推和內(nèi)插
D.選擇的模型偏誤
A.異方差Park和Glejser檢驗(yàn)法都給出了可參考的方差結(jié)構(gòu)
B.利用Park和Glejser檢驗(yàn)的方差結(jié)構(gòu)一定能有效消除異方差
C.Glejser檢驗(yàn)結(jié)出的方差結(jié)構(gòu)比較粗糙
D.在經(jīng)濟(jì)學(xué)中，通常對變量取對數(shù)或變量變換來修改異方差
A.方差=A*Xi，選擇權(quán)重W=1/（Xi）^（-0.5）
B.方差=A*Xi2，選擇權(quán)重W=1/Xi
C.方差=A*f（Xi），選擇權(quán)重W=1/f（Xi）^（-0.5）
D.方差=A*f（Xi），選擇權(quán)重W=1/（Xi）^（-0.5）
A.不同Xi所對應(yīng)的總體殘差方差已知，利用加權(quán)最小二乘法來消除異方差
B.不同Xi所對應(yīng)的樣本殘差的方差結(jié)構(gòu)已知，利用GLS來消除或降低異方差
C.不同Xi所對應(yīng)的樣本殘差的方差結(jié)構(gòu)已知，利用OLS法來消除異方差
D.根據(jù)具體問題，可以考慮選擇不同的模型變換來消除異方差性
A.Yi^為負(fù)數(shù)，而B2為偶數(shù)，Park檢驗(yàn)依然可行
B.對ui^2=B1*（Yi^）B2兩邊取自然對數(shù)線性化，然后再檢驗(yàn)
C.原假設(shè)：B2=0，拒絕了原假設(shè)，則說明存在異方差
D.Park檢驗(yàn)法還檢驗(yàn)了異方差的結(jié)構(gòu)形式
A.圖示驗(yàn)法
B.回歸檢驗(yàn)法
C.White檢驗(yàn)法
D.DW檢驗(yàn)
A.異方差性
B.多重共線性
C.序列相關(guān)
D.設(shè)定誤差
A.OLS法得到的估計量是線性的、無偏的
B.樣本方差依然是真實(shí)總體方差的無偏估計量
C.T檢驗(yàn)和F檢驗(yàn)的結(jié)果可能會失效
D.OLS法得到的估計量不再具有最小方差性
最新試題
如果一個時間序列中的數(shù)據(jù)與其自身過去的數(shù)據(jù)存在相關(guān)性，那么這個時間序列具有自相關(guān)性。
在計量模型中，X、Y代表參數(shù)和表示變量。
對于估計出的樣本回歸線（）
簡述什么是工具變量法，并舉例說明其應(yīng)用場景。
只要運(yùn)用計量模型估計出相關(guān)參數(shù)，就可以用于實(shí)際的經(jīng)濟(jì)計量分析。
在進(jìn)行回歸分析時，如果自變量和因變量之間不存在線性關(guān)系，那么回歸結(jié)果將沒有任何意義。
計量經(jīng)濟(jì)建模的最終目的是為了正確的估計出參數(shù)。
當(dāng)一個變量對另一個變量的影響是正向的，我們稱之為什么？（）
相關(guān)分析與回歸分析的經(jīng)濟(jì)含義一樣。
在t檢驗(yàn)過程中，如果小概率事件竟然發(fā)生了，就認(rèn)為原假設(shè)不真。