线性回归模型和非线性回归模型的区别是什么呢?

用相关系数r可以衡量两个变量之间的相关关系的强弱，根据“相关指数R ² =0.80”并不能说明预报变量对解释变量的贡献率是80%，故A错；
对于B：由独立性检验知识知两个变量的2×2列联表中对角线上数据的乘积相差越大，说明这两个变量有关系成立的可能性就越大，故B错；
对于C：用相关指数R ² 来刻画回归效果，R ² 越小，则残差平方和越大，模型的拟合效果越好，故其不正确；
对于D：随机误差e是衡量预报精确度的一个量，它满足E（e）=0是正确的．
综上可知D正确，
故选D．

对于A，相关指数表示一元多项式回归方程估测的可靠程度的高低，并不是预报变量对解释变量的贡献率是80%，故错；
B：由独立性检验知识知两个变量的2×2列联表中，
对角线上数据的乘积相差越大，说明这两个变量有关系成立的可能性就越大，故B不正确；
C：用相关指数R ² 来刻画回归效果，R ² 越大，说明模型的拟合效果越好，C不正确，
D：根据线性相关系数r的意义可知，当r的绝对值越接近于1时，两个随机变量线性相关性越强，所以D为真命题．
故选D．

可以,不过要在回归模型中把其他影响GDP的因素也考虑进去.回归后通过考虑人民币汇率的系数是否显著已确定其对GDP是否有影响.最好还要考虑数据的异方差、多重共线性、时间序列造成虚假回归等问题,具体看看书吧.

1 不对 相关系数R指标是相关程度具体贡献率要查表
2 不一定
3

最小二乘公式（针对y=ax+b形式）
　　a=(NΣxy-ΣxΣy)/(NΣx^2-(Σx)^2)
　　b=(y(平均)-a)/x（平均）

举例说明：能量方程,E＝M*C^2
对等号两侧同时去log：lg E=lg M+2*lg C
此时Y （lgE）和X （lg M,lg C)之间就是线性的.

你说的是 将一些变量设置成随机变量的意思吧
这样就可以在不限定这些变量的情况下 推广得到的结果,比如你将 性别变量 设置为随机变量,那你得到的结论就不受性别的影响

全国2009年10月高等教育自学考试
计量经济学试题
课程代码：00142
一、单项选择题（本大题共25小题,每小题1分,共25分）
在每小题列出的四个备选项中只有一个是符合题目要求的,请将其代码填写在题后的括号内.错选、多选或未选均无分.
1.经济计量研究中的数据有两类,一类是时序数据,另一类是（ ）
A.总量数据 B.横截面数据
C.平均数据 D.相对数据
2.经济计量学起源于对经济问题的（ ）
A.理论研究 B.应用研究
C.定量研究 D.定性研究
3.下列回归方程中一定错误的是（ ）
A. B.
C. D.
4.以Yi表示实际观测值, 表示预测值,则普通最小二乘法估计参数的准则是（ ）
A.∑（Yi一 ）2=0 B.∑（Yi- ）2=0
C.∑（Yi一 ）2最小 D.∑（Yi- ）2最小
5.在对回归模型进行统计检验时,通常假定随机误差项ui服从（ ）
A.N（0,σ2） B.t（n-1）
C.N（0, ）（如果i≠j,则 ≠ ） D.t（n）
6.已知两个正相关变量的一元线性回归模型的判定系数为0.64,则解释变量与被解释变量间的线性相关系数为（ ）
A.0.32 B.0.4
C.0.64 D.0.8
7.在利用线性回归模型进行区间预测时,随机误差项的方差越大,则（ ）
A.预测区间越宽,精度越低 B.预测区间越宽,预测误差越小
C.预测区间越窄,精度越高 D.预测区间越窄,预测误差越大
8.对于利用普通最小二乘法得到的样本回归直线,下面说法中错误的是（ ）
A.∑ei=0 B.∑ei≠0
C. ∑eiXi=0 D.∑Yi=∑
9.下列方法中不是用来检验异方差的是（ ）
A.安斯卡姆伯-雷姆塞检验 B.怀特检验
C.戈里瑟检验 D.方差膨胀因子检验
10.如果线性回归模型的随机误差项的方差与某个变量Zi成比例,则应该用下面的哪种方法估计模型的参数?（ ）
A.普通最小二乘法 B.加权最小二乘法
C.间接最小二乘法 D.工具变量法
11.如果一元线性回归模型的残差的一阶自相关系数等于0.3,则DW统计量等于（ ）
A.0.3 B.0.6
C.1 D.1.4
12.如果dLA.随机误差项存在一阶正自相关 B.随机误差项存在一阶负自相关
C.随机误差项不存在一阶自相关 D.不能判断随机误差项是否存在一阶自相关
13.记ρ为回归方程的随机误差项的一阶自相关系数,一阶差分法主要适用的情形是（ ）
A.ρ≈0 B.ρ≈1
C.ρ>0 D.ρ<0
14.方差膨胀因子的计算公式为（ ）
A. B.
C. D.
15.在有限分布滞后模型Yt=0.5+0.6Xt-0.8Xt-1+0.3Xt-2+ut中,短期影响乘数是（ ）
A.0.3 B.0.5
C.0.6 D.0.8
16.对于一个无限分布滞后模型,如果模型参数的符号都相同且参数按几何数列衰减,则该模型可以转化为（ ）
A.Koyck变换模型 B.自适应预期模型
C.部分调整模型 D.有限多项式滞后模型
17.在联立方程模型中,识别的阶条件是（ ）
A.充分条件 B.充要条件
C.必要条件 D.等价条件
18.在简化式模型中,其解释变量都是（ ）
A.外生变量 B.内生变量
C.滞后变量 D.前定变量
19.对于联立方程模型中的制度方程,下面说法中正确的是（ ）
A.不可识别 B.恰好识别
C.过度识别 D.不存在识别问题
20.如果某种商品需求的自价格弹性系数 >0,则该商品是（ ）
A.正常商品 B.非正常商品
C.高档商品 D.劣质商品
21.如果某种商品需求的收入弹性系数0< <1,则该商品是（ ）
A.必须品 B.高档商品
C.劣质商品 D.吉芬商品
22.设生产函数为Y=f（L,K）,对于任意的 >l,如果f（ L, K）> f（L,K）,则称该生产函数为（ ）
A.规模报酬大于 B.规模报酬递增
C.规模报酬递减 D.规模报酬规模小于
23.如果某商品需求的自价格弹性 =1,则（ ）
A.需求富有弹性 B.需求完全有弹性
C.单位需求弹性 D.需求缺乏弹性
24.下列各种用途的模型中,特别注重模型拟合优度的是（ ）
A.经济预测模型 B.结构分析模型
C.政策分析模型 D.专门模型
25.如果△Yt为平稳时间序列,则Yt为（ ）
A.0阶单整 B.1阶单整
C.2阶单整 D.协整
二、多项选择题（本大题共5小题,每小题2分,共10分）
在每小题列出的五个备选项中有二至五个是符合题目要求的,请将其代码填写在题后的括号内.错选、多选、少选或未选均无分.
26.下列现象中不属于相关关系的有（ ）
A.家庭消费支出与收入 B.商品销售额与销售量、销售价格
C.物价水平与商品需求 D.小麦产量与施肥量
E.成绩总分与各门课程分数
27.常用的处理多重共线性的方法有（ ）
A.追加样本信息 B.使用非样本先验信息
C.进行变量形式的转换 D.岭回归估计法
E.主成分回归估计法
28.在消费（Y）对收入（X）的回归分析中考虑性别的影响,则下列回归方程可能正确的有（ ）
A.Y= + X+u B.Y= + D+ X+u
C.Y= + + +u D. Y= + （DX）+u
E. Y= + D+ X+ +u
29.根据样本数据和分析期限的不同,将宏观经济计量模型分为（ ）
A.月度模型 B.季度模型
C.半年度模型 D.年度模型
E.中长期模型
30.下列检验中属于经济计量准则检验的有（ ）
A.判定系数检验 B.序列相关检验
C.方差非齐次性检验 D.多重共线性检验
E.联立方程模型的识别性判断
三、名词解释题（本大题共5小题,每小题3分,共15分）
31.经济计量分析工作
32.宏观经济计量模型的总体设计
33.区间预测
34.平稳时间序列
35.恩格尔定律
四、简答题（本大题共4小题,每小题5分,共20分）
36.简述回归分析和相关分析之间的区别.
37.有限多项式滞后模型可以解决有限分布滞后模型的哪些问题?
38.简述识别的定义和种类.
39.与单一需求方程模型相比,需求方程系统模型有哪些优点?
五、计算题（本大题共2小题,每小题10分,共20分）
40.根据某地区居民过去10年的人均年储蓄额（Y）和人均年收入额（X）的历史数据,计算得：
∑Xi=293,∑Yi=81,∑（Xi－ ）（Yi－ ）=200.7,∑（Xi－ ）2=992.1,∑（Yi－ ）2=44.9.
求：
（1）人均年储蓄额（Y）关于人均年收入额（X）的线性回归方程；
（2）该回归方程的判定系数.
41.根据某种商品在26个城市的销售量（Y）和销售价格（X）的横截面数据,对销售量（Y）关于销售价格（X）进行线性回归.为了检验回归模型的随机误差项是否存在异方差,将26对观测值按销售价格（X）从大到小排序.根据前面13对观测值,对销售量（Y）关于销售价格（X）进行线性回归,回归的残差平方和为RSS1=1536.8.根据后面13对观测值,对销售量（Y）关于销售价格（X）进行线性回归,回归的残差平方和为RSS2=377.17.
（1）试在5％的显著性水平下判断回归模型的随机误差项是否存在异方差性.
（F0.05（11,1I）=2.82, F0.05（12,12）=2.69）
（2）如果回归模型的随机误差项存在异方差性,会对线性回归分析造成什么影响?
六、分析题（本大题共l小题,10分）
42.在某种饮料的需求Q对其价格P的线性回归分析中,综合考虑“地区”因素和“季节”因素的如下影响：
（1）“地区”（农村、城市）因素影响其截距；
（2）“季节”（春、夏、秋、冬）因素影响其截距和斜率.
试分析确定该种饮料需求的线性回归模型

当然是选 D
当然有偏 但最小二乘量是最小的

第一,不一致的现象我也遇到过,有时候不同的版本的spss计算出来的结果还会有所不同,可能它默认的估计方法不是最小二乘估计.
第二,F表示数据的方差,sig表示显著性,也就是对F检验的结果,如果sig>0.05则说明模型受误差因素干扰太大不能接受.R是复相关系数,表示观测值和模型描述值之间的线性相关系数,越大越好.R方通俗的说就是解释率,就是说你的自变量能够解释多少因变量的变化.具体到你这个就是模型不能接受,自变量解释了22.1%,剩下的只能用误差解释.

你问着人了,千万不要看啊,相当确定有｀｀

这里只用到了对向量的求导,就是对每个分量求偏导之后再组成一个向量,和数学分析里的定义完全一样的,不熟悉的话要自己动手练一遍.在矩阵运算中最有用的是这两个partial x'y / partial x = ypartial x'Bx / partia...

1,确实存在显著相关关系；2,确实存在直线相关关系；3,应根据最小平方法

我忧喜参半地谛听
当你们砍倒,烧毁
你看见了他左手的铁手套,依旧
轻轻靠近自己的
吃着风吹落的果实和罐头沙丁鱼──
流中的眼泪突然一文不值哈哈

随即干扰项是符合正态分布的,如果你把它的均值用随机干扰项加总的平均值替代的话,那么随即干扰项永远等于0,因为随机干扰项加总的平均值一定为0的.你认为随即干扰项永远等于0可能吗?如果这样的话计量经济学里加一个等于0的E（ui|Xi）还有什么意义呢

本人刚刚注册百度知道.第一个来回答你的问题哦.我用一元线性回归方程说明.
当两个变量间存在线性相关关系时,常常希望建立二者间的定量关系表达式,这便是两个变量间的一元线性回归方程.假定x是自变量,y是随机变量,y对x的一元线性回归方程的表达式为：y^=a+bx
（^符号是在y的正上方,我不知道怎么输入,所以两个分开了）
其中a为常数,b称为y对x的回归系数.对给定的n对数据（xi,yi),i=1,2,3,……n,根据这些数据去估计a 和 b,于是y也是一个估计值,就于y^来表示区别.
因此字母头上加个“^”表示回归值,表示真实值的一种预测,实际的观测值与回归值是存在偏差的.

用相关系数r可以衡量两个变量之间的相关关系的强弱，根据“相关指数R ² =0.80”并不能说明预报变量对解释变量的贡献率是80%，故A错；
对于B：由独立性检验知识知两个变量的2×2列联表中对角线上数据的乘积相差越大，说明这两个变量有关系成立的可能性就越大，故B错；
对于C：用相关指数R ² 来刻画回归效果，R ² 越小，则残差平方和越大，模型的拟合效果越好，故其不正确；
对于D：随机误差e是衡量预报精确度的一个量，它满足E（e）=0是正确的．
综上可知D正确，
故选D．

D
说明如下：
R2=1-RSS/TSS
调整的R2=1-[RSS/（n-k-1）]/[TSS/(n-1）]
所以RSS/TSS=1-0.85=0.15
0.15*（30-1）/（30-3-1）=0.1673
1-0.1673=0.8327

残差平方和为多少?

这么久了 lz估计都不要了.

2个.

假设数据集合是
{yi,xi} i = p,
拟合直线方程为：y = w'.x + b
那么可以用方差：
v = ∑（yi - w'.xi -b)^2（从1到p求和）来衡量拟合效果,当然越小越好.
其中xi,w为p维列向量,y,yi为标量,.表示内积,'表示转置.
----------------------------------------------------
衡量效果的方法很多,我说的不过是最简单最常用的方法而已.
比如 v = ∑|yi - w'.xi -b|也可以用来衡量.||表示绝对值.
还有你所说的“总偏差平方和”能不能尽量用式子表示出来?可能我对该术语的理解与你的不同

在一次抽样中,参数的估计值与真值的差异有多大,是否显著,这都需要进一步进行统计检验,也就是你上面提到的三种方法,因此,这三个方面都要进行检验的!

应该跟大数定律有关

一元线性回归模型中参数估计的方法有最小二乘法、最小一乘法、全最小一乘法等多种.
最小二乘法是最常用的的方法.