1.总离差平方和可分解为回归平方和与残差平方和。（对）2.整个多元回归模型在统计上是显著的意味着模型中任何一个单独的解释变量均是统计显著的。（错）3.多重共线性只有在多元线性回归中才可能发生。（对）4.通过作解释变量对时间的散点图可大致判断是否存在自相关。（错）5.在计量回归中，如果估计量的方差有偏，则可推断模型应该存在异方差（错）6.存在异方差时，可以用广义差分法来进行补救。（错）7.当经典假设不满足时，普通最小二乘估计一定不是最优线性无偏估计量。（错）8.判定系数检验中，回归平方和占的比重越大，判定系数也越大。（对）9.可以作残差对某个解释变量的散点图来大致判断是否存在自相关。（错）做残差的当期值与其滞后期的值的散点图来判断是否存在自相关10.遗漏变量会导致计量估计结果有偏。（错）只影响有效性1.正态分布是以均值为中心的对称分布。（√）2.当经典假设满足时，普通最小二乘估计量具有最优线性无偏特征。（√）5.在对数线性模型中，解释变量的系数表示被解释变量对解释变量的弹性。（√）6.虚拟变量用来表示某些具有若干属性的变量。（√）8.存在异方差时，可以用加权最小二乘法来进行补救。（√）10．戈雷瑟检验是用来检验异方差的（√）1、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析。错，参数一经估计，建立了样本回归模型，还需要对模型进行检验，包括经济意义检验、统计检验、计量经济专门检验等。2、假定个人服装支出同收入水平和性别有关，由于性别是具有两种属性（男、女）的定性因素，因此，用虚拟变量回归方法分析性别对服装支出的影响时，需要引入两个虚拟变量。错，是否引入两个虚拟变量，应取决于模型中是否有截距项。如果有截距项则引入一个虚拟变量；如果模型中无截距项，则可引入两个虚拟变量。3、双变量模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的。正确，一元线性回归仅有一个解释变量，因此对斜率系数的T检验等价于对方程的整体性检验。4、随机扰动项的方差与随机扰动项方差的无偏估计没有区别。错，随机扰动项的方差反映总体的波动情况，对一个特定的总体而言，是一个确定的值。在最小二乘估计中，由于总体方差在大多数情况下并不知道，所以用样本数据去估计：。其中n为样本数，k为待估参数的个数。是线性无偏估计，为一个随机变量。5、经典线性回归模型（CLRM）中的干扰项不服从正态分布的，OLS估计量将有偏的。错，，即使经典线性回归模型（CLRM）中的干扰项不服从正态分布的，OLS估计量仍然是无偏的。因为，该表达式成立与否与正态性无关。1、在简单线性回归中可决系数与斜率系数的t检验的没有关系。错误，在简单线性回归中，由于解释变量只有一个，当t检验显示解释变量的影响显著时，必然会有该回归模型的可决系数大，拟合优度高。2、异方差性、自相关性都是随机误差现象，但两者是有区别的。正确，异方差的出现总是与模型中某个解释变量的变化有关。自相关性是各回归模型的随机误差项之间具有相关关系。3、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与模型有无截距项无关。错误，模型有截距项时，如果被考察的定性因素有m个相互排斥属性，则模型中引入m－1个虚拟变量，否则会陷入“虚拟变量陷阱”；模型无截距项时，若被考察的定性因素有m个相互排斥属性，可以引入m个虚拟变量，这时不会出现多重共线性。4、满足阶条件的方程一定可以识别。错误，阶条件只是一个必要条件，即满足阶条件的的方程也可能是不可识别的。5、库依克模型、自适应预期模型与局部调整模型的最终形式是不同的。错误，库依克模型、自适应预期模型与局部调整模型的最终形式是相同的，其最终形式都是一阶自回归模型。2、多重共线性问题是随机扰动项违背古典假定引起的。错误，应该是解释变量之间高度相关引起的.3、在模型的回归分析结果报告中，有，，则表明解释变量对的影响是显著的。错误，解释变量和对的联合影响是显著的4、结构型模型中的每一个方程都称为结构式方程，结构方程中，解释变量只可以是前定变量.错误，结构方程中，解释变量可以是...
