管理定量分析复习题.doc

管理定量分析复习题一、单项选择题（本大题共 小题，每小题 分，共 分）1．以下哪种不是预测误差的来源（　　　）A．误差项的随机性 B．参数估计量偏离真值C．测量误差 D．模型确认失误 2．在多元回归中，调整后的与的关系有（　　　）A． < B． >C． = D． 与 的关系不能确定3．根据 与F统计量的关系可知，当 ＝1时有（　　　）A．F＝－1 B．F＝0C．F＝1 D． F＝∞4．根据样本资料估计得出人均消费支出Y对人均收入X的回归模型为ln=2.00+0.75lnX，这表明人均收入每增加1％，人均消费支出将增加（　　　）A．0.2% B．0.75%C．2% D．7.5%5．DW检验法适用于检验（　　　）A．异方差性 B．序列自相关C．多重共线性 D．设定误差6．已知模型的普通最小二乘法估计残差的一阶自相关系数为0，则DW统计量的近似值为（　　　）A．0 B．1C．2 D．47．在多元线性回归模型中，若某个解释变量对其余解释变量的接近1，则表明模型中存在（　　　）A．异方差性 B．序列相关C．多重共线性 D．拟合优度低8、对于回归模型 ，检验随机误差项是否存在自相关的统计量为( )A.： .B： C：  D.： 9.假设回归模型为 ，其中 则使用加权最小二乘法估计模型时，应将模型变换为( )A. B.C. D.10. 经济计量模型的预测功效最好，说明Theil不等系数U的值( )A.等于0 B.接近于-1C.接近于1 D.趋近于+∞二、填空 回归方程2（附页）IP变量的t统计值为：________模拟误差U+ U+ U=_________理想的不相等比例是 U= U=______, U=________三、判断题（本大题共5小题，每小题4分，共20分）已知生产函数为：Y= 1789，１、解释L，K的指数0.55，0.63的经济含义。

标准化系数，弹性系数？） ２、该方程本质上是（线性的方程，非线性的方程）3、当有一个或多个滞后内生变量时，DW检验仍然有效4、回归模型中引入虚拟变量的特别适用于分类型数据5、Theil不等系数U=1，则模型的预测能力最差6、附页中方程2预测能力好四、计算题（本大题共2小题，每小题8分，共16分）1、某工厂生产甲、乙、丙三种产品，每一种产品都需要A、B、C三种原材料各单位产品所需的原料及销售的产品所获的单位利润如下表所示假定所生产的三种产品全部能售出为了使该工厂获利最多，请写出最佳产量的线形规划模型 产品原料 甲 乙 丙原料日供应量 （吨）ABC 10 20 20 40 30 20 30 10 5012008001500单位产品利润（千元） 40 60 30 3、某工厂在计划期内要安排生产Ⅰ、Ⅱ两种产品，这些产品分别需要在A、B、C、D四种不同的设备上加工按工艺规定，产品Ⅰ和Ⅱ在各设备上所需要的加工台时及有关数据如下表所示请帮助工厂拟订使总利润最大的生产计划。

ABCD每件利润（百元）Ⅰ214011Ⅱ22049台时限制1281612五、分析论述题1、回归方程1（附页）的估计中存在什么问题? 从回归方程2（附页）的估计中哪些方面可以看出改进的效果？2、回归方程1（附页）的预测中存在什么问题? 从回归方程2（附页）的预测中哪些方面可以看出改进的效果？附页下面是用两种方法回归的方程，及其预测结果：R—— 3月期美国国债利率，为年利率的某一百分比IP—— 联邦储备委员会的工业生产指数（1987=100）GM2—— 名义货币供给增长率GPW—— 所有商品的生产价格指数增长率回归方程1及预测：Dependent Variable: RMethod: Least SquaresDate: 06/06/05 Time: 08:06Sample: 1960:01 1995:08Included observations: 428VariableCoefficientStd. Errort-StatisticProb. C1.2140780.5516922.2006440.0283IP0.0483530.0055038.7866360.0000GM2140.326136.038503.8937840.0001GPW(-1)104.588417.442185.9962950.0000R-squared0.216361 Mean dependent var6.145764Adjusted R-squared0.210816 S.D. dependent var2.792815S.E. of regression2.481026 Akaike info criterion4.664523Sum squared resid2609.927 Schwarz criterion4.702459Log likelihood-994.2079 F-statistic39.02177Durbin-Watson stat0.183733 Prob(F-statistic)0.000000回归方程2及预测：：Dependent Variable: RMethod: Least SquaresDate: 06/06/05 Time: 08:16Sample: 1960:01 1995:08Included observations: 428Convergence achieved after 9 iterationsVariableCoefficientStd. Errort-StatisticProb. C-49.60064140.6314-0.3527000.7245IP0.2441240.0406536.0051350.0000GM2-62.357489.520160-6.5500450.0000GPW(-1)6.2099522.9705452.0905090.0372AR(1)0.9987710.004546219.70390.0000R-squared0.968296 Mean dependent var6.145764Adjusted R-squared0.967997 S.D. dependent var2.792815S.E. of regression0.499620 Akaike info criterion1.461674Sum squared resid105.5892 Schwarz criterion1.509094Log likelihood-307.7983 F-statistic3229.844Durbin-Watson stat1.643351 Prob(F-statistic)0.000000Inverted AR Roots 1.00。