首页 > 财会类考试> 审计师

网友您好，请在下方输入框内输入要搜索的题目：

请输入或粘贴题目内容搜题

搜题

拍照、语音搜题，请扫码下载APP

题目内容（请给出正确答案）

[主观题]

判断对错：“如果回归模型的误差包含ARCH，它们一定是序列相关的。”（)

此题为判断题(对，错)。

答案

查看答案

发布时间：2022-08-12

更多“判断对错：“如果回归模型的误差包含ARCH，它们一定是序列相关的。”（)”相关的问题

第1题

误差自回归法是用预报误差建立自回归模型，用该模型预报误差，再对预报值进行校正，以提高洪水预报的精度的方法。（)

点击查看答案

第2题

利用TRAFFIC2.RAW中的数据。（i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失

利用TRAFFIC2.RAW中的数据。

(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？

(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11第(vi)部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量;不要将这些变量进行差分。你发现了什么有意思的结论吗？

(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)第10章的计算机练习C11第(vi)部分中的回归。]

点击查看答案

第3题

将一年四个季度对被解释变量的影响引入到包含截距项的回归模型中，则需要引入虚拟变量的个数为（)。

A.5

B.4

C.3

D.2

点击查看答案

第4题

本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。(i)计算变量prc

本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。（i)计算变量prc

本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。

(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？

(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？

(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]

点击查看答案

第5题

文件MATHPNL.RAW包含了密歇根各个学区在1992~1998年的面板数据。它是学区层次上的数据，与帕普

克(Papke，2005)所用的学校层次数据相似。这个方程中我们关注的因变量是math4，即一个学区四年级学生通过数学标准化考试的百分数。主要的解释变量是rexpp，即学区平均每个学生的真实支出，以1997年的美元计。支出变量以对数形式出现。

(i)考虑静态非观测效应模型

其中，enrol_it表示学区总注册学生人数，lunch_it表示学区中学生有资格享受学校午餐计划的百分数。(因此lunch_it是学区贫穷率的一个相当好的度量指标。)证明：若平均每个学生的真实支出提高10%，则math4_it约改变β₁/10个百分点。

(ii)利用一阶差分估计第(i)部分中的模型。最简单的方法就是在一阶差分方程中包含一个截距项和1994~1998年度虚拟变量。解释支出变量的系数。

(iii)现在，在模型中添加支出变量的一阶滞后，并用一阶差分重新估计。注意你又失去了一年的数据，所以你只能用始于1994年的变化。讨论即期和滞后支出变量的系数和显著性。

(iv)求第(iii)部分中一阶差分回归的异方差-稳健标准误。支出变量的这些标准误与第(iii)部分相比如何？

(v)现在，求对异方差性和序列相关都保持稳健的标准误。这对滞后支出变量的显著性有何影响？

(vi)通过进行一个AR(1)序列相关检验，验证差分误差r_it=Δu_it含有负序列相关。

(vii)基于充分稳健的联合检验，模型中有必要包含学生注册人数和午餐项目变量吗？

点击查看答案

第6题

（i)利用WAGEPRC.RAW中的数据，估计第11章习题5中的分布滞后模型。用回归教材（12.14)来检验AR（1)

(i)利用WAGEPRC.RAW中的数据，估计第11章习题5中的分布滞后模型。用回归教材(12.14)来检验AR(1)序列相关。

(ii)用迭代的科克伦-奥卡特方法重新估计这个模型。长期倾向的新估计值是多少？

(iii)用迭代C0求出LRP的标准误。(这要求你估计一个修正方程。)判断LRP估计值在5%的水平上是否统计显著异于1？

点击查看答案

第7题

一个银行的内部审计设计了一个多元回归模型估计来自商业贷款的利息收入。这个模型已经使用多

年了。在今年使用这个模型时，这位审计发现r2的值显著下降，但是模型看起来工作的很好。下面哪一项关于这种变化的说法正确？

A.如果使用横断面数据进行回归分析会使r2的值上升。

B.回归分析对估计利息收入不再适用。

C.一些没有包括在模型中的新的因素引起了收入的变化。

D.线性回归分析会提高模型的可信度。

点击查看答案

第8题

利用JTRAIN3.RAW中的数据。 (i)估计简单回归模型re78=β₀+β₁train+u，并用常用格式报告

利用JTRAIN3.RAW中的数据。（i)估计简单回归模型re78=β₀+β₁train+u，并用常用格式报告

利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型re78=β₀+β₁train+u，并用常用格式报告结论。基于这个回归，1976年和1977年的工作培训看上去对1978年的真实劳动工资有正的影响吗？

(ii)现在使用真实劳动工资的变化cre=re78-re75作为因变量。(由于我们假定1975年之前没有工作培训，所以我们没有必要对train进行差分。也就是说，如果我们定义ctrain=train78-train75，那么，由于train75=0，所以ctrain=train78.)现在，培训的估计影响有多大？讨论它与第(i)部分估计值的比较。

(iii)利用通常的OLS标准误和异方差-稳健标准误求培训效应的95%置信区间，并描述你的结论。

点击查看答案

第9题

判断这个说法对不对：给定n个数据点，如果其中一半用于训练，另一半用于测试，则训练误差和测试误差之间的差别会随着n的增加而减小。（)

点击查看答案

第10题

利用MATHPNL.RAW中的数据。类似第13章的计算机练习C11中的一阶差分分析，这里将做一个固定效应分

析。我们关心的模型是：