2022年期貨從業(yè)資格考試《期貨投資分析》考試共100題，分為單選題和多選題和判斷題和客觀案例題。小編為您整理第三章 統(tǒng)計(jì)與計(jì)量分析5道練習(xí)題，附答案解析，供您備考練習(xí)。

1、為判斷該兩組時(shí)間序列的平穩(wěn)性，首先將人均食品支出和人均年生活費(fèi)收入消除物價(jià)變動(dòng)的影響，得到實(shí)際人均年食品支出(Y)和實(shí)際人均年生活費(fèi)收入(X)，再對(duì)Y和X分別取對(duì)數(shù)，記y=lnX，x=InX。對(duì)其進(jìn)行ADF檢驗(yàn)，結(jié)果如下兩表所示，表明（）?！究陀^案例題】

A.x序列為平穩(wěn)性時(shí)間序列，y序列為非平穩(wěn)性時(shí)間序列

B.x和y序列均為平穩(wěn)性時(shí)間序列

C.x和y序列均為非平穩(wěn)性時(shí)間序列

D.y序列為平穩(wěn)性時(shí)間序列，x序列為非平穩(wěn)性時(shí)間序列

正確答案:C

答案解析:從兩個(gè)表可以看出，x和y序列的ADF檢驗(yàn)統(tǒng)計(jì)量值均大于在1%、5%和10%顯著性水平下的臨界值，表明x和y序列均為非平穩(wěn)性時(shí)間序列。

2、根據(jù)該模型得到的正確結(jié)論是（）?！究陀^案例題】

A.假定其他條件不變，紐約原油價(jià)格每提高1美元/捅，黃金價(jià)格提高0.193美元/盎司

B.假定其他條件不變，黃金ETF持有量每増加1噸，黃金價(jià)格提高0.55美元/盎司

C.假定其他條件不變，紐約原油價(jià)格每提高1%，黃金價(jià)格提高0.193美元/盎司

D.假定其他條件不變，標(biāo)準(zhǔn)普爾500指數(shù)每提高1%，黃金價(jià)格平均提高0.329%

正確答案:D

答案解析:根據(jù)模型的估計(jì)結(jié)果可得出：在假定其他條件保持不變的情況下，當(dāng)紐約原油價(jià)格每提高1%時(shí)，黃金價(jià)格平均提高0.193%；在假定其他條件保持不變的情況下，當(dāng)黃金有量每増加1%時(shí)，黃金價(jià)格平均提高0.555%；在假定其他條件保持不變的情況下，當(dāng)美國(guó)標(biāo)準(zhǔn)普爾500指數(shù)每提高1%時(shí)，黃金價(jià)格平均提高0.329%。選項(xiàng)D正確。

3、協(xié)整檢驗(yàn)通常采用的方法是（）?！締芜x題】

A.DW檢驗(yàn)

B.E-G兩步法

C.LM檢驗(yàn)

D.格蘭杰因果關(guān)系檢驗(yàn)

正確答案:B

答案解析:協(xié)整是指多個(gè)非平穩(wěn)性時(shí)間序列的某種線性組合是平穩(wěn)的。協(xié)整檢驗(yàn)通常采用的是E-G兩步法。

4、下列關(guān)于偏自相關(guān)函數(shù)說(shuō)法正確的是（）。【多選題】

A.當(dāng)k>1時(shí)，

B.當(dāng)k>1時(shí)，

C.當(dāng)k=1時(shí)，=ρ1

D.偏自相關(guān)函數(shù)是指和的相關(guān)系數(shù)

正確答案:B、C

答案解析:偏自相關(guān)函數(shù)是指當(dāng)其他變量給定的條件下，和的條件相關(guān)系數(shù)，即偏相關(guān)函數(shù)為條件相關(guān)系數(shù)。記為，其計(jì)算公式為：①當(dāng)k=1時(shí)，=ρ1②當(dāng)k>1時(shí)，選項(xiàng)BC正確。

5、關(guān)于多元線性回歸模型的說(shuō)法，正確的是（）?！締芜x題】

A.模型的越接近1，則認(rèn)為模型的質(zhì)量較好

B.模型的越接近0，則認(rèn)為此模型的質(zhì)量較好

C.的取值范圍是>1

D.調(diào)整后的測(cè)度多元線性回歸模型的解釋能力沒(méi)有好

正確答案:A

答案解析:表示總離差平方和中性線性回歸解釋的部分所占的比例，其取值范圍為：0≤≤1，其越接近1，線性回歸模型的解釋能力越強(qiáng)。選項(xiàng)A正確。當(dāng)利用來(lái)度量不同多元線性回歸模型的擬合優(yōu)度時(shí)，存在一個(gè)嚴(yán)重的缺點(diǎn)，的值隨著解釋變量的增多而增大，即便引入一個(gè)無(wú)關(guān)緊要的解釋變量，也會(huì)使得變大。為了克服這個(gè)缺點(diǎn)，一般采用調(diào)整后的來(lái)測(cè)度多元線性回歸模型的解釋能力。