第二章 一元线性回归模型：计量经济学的第一章从一元回归模型讲起，一元回归模型顾名思义只有一个解释变量影响被解释变量，这一章主要介绍一元回归模型的基本原理和估计方法。2.1模型的建立与假设条件:我们首先介绍模型的建立与假设条件。回归模型建立在样本数据基础之上，它和数学模型的区别在于随机扰动项的存在。一元回归模型的基本假定主要是围绕随机扰动项设置的，设置这些假定是为了后面的估计做准备。[单选题]回归模型中的单个系数的显著性检验的t统计量可以通过用回归系数除以1.96来计算。选项:[对, 错]
2.2最小二乘估计方法:介绍了一元回归模型的估计方法--最小二乘法，最小二乘法的准则是最小化残差平方和，由此估计出截距系数和斜率系数会服从正态分布，随机扰动项的方差会服从卡方分布。
2.3最小二乘估计量的统计特性:证明了最小二乘估计量的统计特性，最小二乘法之所以是回归模型的基本估计方法是因为最小二乘估计量具有最有线性无偏（BLUE）的统计特性，由此所得到的样本回归线也被认为最接近总体回归线。
2.4拟合优度的测量:介绍拟合优度的概念。衡量拟合优度的指标为可决系数，可决系数越接近于1，一元线性模型拟合的越好；越接近于0，模型拟合的就越不好。可决系数由解释平方和与总体平方和之比形成。虽然可决系数和相关系数的计算公式很接近，但是两者的含义有很大的差别。
2.5回归系数的置信区间:介绍怎么构建回归系数的置信区间。置信区间是随机的，不仅仅回归系数有置信区间，随机误差项的方差也可以构建置信区间。
2.6回归系数的显著性检验:介绍了回归系数的显著性检验。假设检验是为了检验估计的回归系数是否和理论预期值相一致，常用的显著性检验假设回归系数为0。假设检验不仅有双侧检验，还有单侧检验；不仅有t值还有p值。
2.7一元回归模型的预测与案例分析:介绍了如何用一元回归模型做预测以及一些案例分析。一元回归模型的预测分为均值预测和个值预测，这两种预测的点预测值是相同的，但是个值预测的误差要大于均值预测的误差。一元回归模型的案例分析中需要大家格外注意回归系数的解释，回归系数的显著性的判断以及如何做预测。
[单选题]左侧检验的P值 选项:[
, 
, 
, 
][单选题]单侧检验和双侧检验的t统计量的构造：
选项:[因为单侧检验的临界值是1.645，但是双侧检验的临界值是1.96（在5%的显著水平下）所以单侧检验和双侧检验的ｔ统计量是不同的, 是相同的, 用 做双侧检验的临界值，然而单侧检验只要1.96, 依赖于相应分布的临界值]
[单选题]如果你计算的t统计量的绝对值超过标准正态分布的临界值，你可以
选项:[ 拒绝零假设, 得出结论，实际值是非常接近的回归直线, 拒绝误差项为同方差的原假设, 安全地假设，你的回归结果是显著的]
[单选题]
选项:[
, 
, 
, 
][单选题]如果你计算的t统计量的绝对值超过标准正态分布的临界值，你可以得出结论，实际值是非常接近的回归直线吗？选项:[对, 错]
[单选题]
当估计一个商品的数量需求是否与价格呈线性关系的需求函数时，你应该：
[单选题]
异方差意味着
[单选题]
以下说法错误的是
[单选题]
以下关于最小二乘法，说法错误的是
, 
, 
, 
]
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
