1、总离差平方与可分解为回归平方与与残差平方与。(对)2、ﻩ整个多元回归模型在统计上就是显著得意味着模型中任何一个单独得解释变量均就是统计显著得。（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得散点图可大致判断就是否存在自相关。（错)5、在计量回归中，如果估计量得方差有偏，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就是最优线性无偏估计量。（错)8、判定系数检验中，回归平方与占得比重越大，判定系数也越大。（对)9、可以作残差对某个解释变量得散点图来大致判断就是否存在自相关。（错)做残差得当期值与其滞后期得值得散点图来判断就是否存在自相关1０、遗漏变量会导致计量估计结果有偏.(错)只影响有效性1、ﻩ正态分布就是以均值为中心得对称分布。（√）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、ﻩ在对数线性模型中，解释变量得系数表示被解释变量对解释变量得弹性。(√）6、虚拟变量用来表示某些具有若干属性得变量。(√)8、存在异方差时,可以用加权最小二乘法来进行补救。（√）10．戈雷瑟检验就是用来检验异方差得（√)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得计量经济分析。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与性别有关,由于性别就是具有两种属性（男、女）得定性因素，因此,用虚拟变量回归方法分析性别对服装支出得影响时，需要引入两个虚拟变量。错,就是否引入两个虚拟变量，应取决于模型中就是否有截距项.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得显著性检验与斜率系数得显著性检验就是一致得。正确,一元线性回归仅有一个解释变量,因此对斜率系数得T检验等价于对方程得整体性检验。4、随机扰动项得方差与随机扰动项方差得无偏估计没有区别。错,随机扰动项得方差反映总体得波动情况,对一个特定得总体而言,就是一个确定得值。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为待估参数得个数。就是线性无偏估计，为一个随机变量。5、经典线性回归模型(CＬRM）中得干扰项不服从正态分布得,OLS估计量将有偏得。错,,即使经典线性回归模型(ＣLRM）中得干扰项不服从正态分布得,OLＳ估计量仍然就是无偏得.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得t检验得没有关系.错误,在简单线性回归中,由于解释变量只有一个，当t检验显示解释变量得影响显著时,必然会有该回归模型得可决系数大，拟合优度高。2、异方差性、自相关性都就是随机误差现象,但两者就是有区别得。正确,异方差得出现总就是与模型中某个解释变量得变化有关。自相关性就是各回归模型得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，引入虚拟变量得个数与模型有无截距项无关。错误，模型有截距项时,如果被考察得定性因素有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,若被考察得定性因素有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、满足阶条件得方程一定可以识别。错误，阶条件只就是一个必要条件，即满足阶条件得得方程也可能就是不可识别得.5、库依克模型、自适应预期模型与局部调整模型得最终形式就是不同得。错误,库依克模型、自适应预期模型与局部调整模型得最终形式就是相同得，其最终形式都就是一阶自回归模型。2、多重共线性问题就是随机扰动项违背古典假定引起得。错误，应该就是解释变量之间高度相关引起得、3、在模型得回归分析结果报告中,有，,则表明解释变量对得影响就是显著得.错误，解释变量与对得联合影响就是显著得4、结构型模型中得每一个方程都称为结构式方程，结构方程中,解释变量只可以就是前定变量、错误，结构方程中，解释变量可以就是前定变量,也可以就是内生变量。１、在实际中,一元回归没什么用，因为因变量得行为不可能仅由一个解释变量来解释。错，在实际中,一元回归就是很多经济现象得近似,能够较好得反映回归得核心思想,就是很有得.3、在异方差性得情况下，常用得ＯLS法必定高估了估计量得标准误.错，有可能高估也有可能低估。错,存在虚假回归可能,因为判定系数高于DW值。（1）随机误差项ui与残差项ｅi就是一回事.（错）（2）总体回归函数给出了对应于每一个自变量得因变量得值。（错）（3）线性