在简单回归模型中，u一般用来表示（)。

A.残差项的和为0

B.误差项的均值为0

C.解释变量与残差之间的样本协方差为零

D.回归线总是经过样本均值

A.被解释变量的变化中可以用回归模型来解释的部分

B.被解释变量的变化中未被回归模型来解释的部分

C.解释变量的变化中可以用回归模型来解释的部分

D.解释变量的变化中未被回归模型来解释的部分

考虑下面的模型：

式中，Y是内生变量;X是外生变量;u是随机误差项。根据这个模型，得到简化形式的回归模型如下：

a.从这些简化方程中，你能估计出哪些结构系数？

b.如果先验地知道A₂=0和A₁=0，那么答案有什么改变？

为另一种形式：斜率与原来相同，但截距和误差有所不同，并且新的误差期望值为零。

在例10.6中，我们估计了费尔预测美国总统选举结果的一个模型的变型。

(i)对于这个方程中的误差项序列无关，你有何论据？(提示：总统选举多长时间进行一次？)

(ii) 在将式(10.23) 的OLS残差对滞后残差进行回归时， 得到p=-0.068和sc(p)=0.240。你对u， 中的序列相关有何结论？

(iii)在检验序列相关时，这个应用中的小样本容量会令你不放心吗？

考虑模型

即误差项服从AR(2)模式，其中为白噪音误差项。在考虑二阶自回归情况下，勾勒出估计此模型的步骤。

记样本回归模型为试证明：

（1）估计的Y的均值等于实测的Y的均值：

（2）残差和为零，从而残差的均值为零：

（3）残差项与X不相关：

（4）残差项与估计的Y不相关：

考虑模型：(1)。为了找出此模型是否因为漏掉变量X₃而成为一个误设的模型，你决定用模型(1)给出的残差仅仅对X₃一个变量做回归(注：在此回归中有一截距项)。然而，拉格朗日乘数(LM)检验要求你用方程(1)的残差兼对X₂和X₃及一常数项做回归。为什么你用的程序很可能是不适当的？

利用MEAP00 O1中的数据回答本题。

(i)使用OLS估计模型

并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？

(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？

(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。

(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？

(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？