伍德里奇---计量经济学第4章部分计算机习题详解(MATLAB)
班级：金融学×××班姓名：××学号：×××××××C4.1 voteA=β0+β1log expendA+β2log expendB+β3prtystrA+u 其中，voteA表示候选人A得到的选票百分数，expendA和expendB分别表示候选人A和B的竞选支出，而prtystrA则是对A所在党派势力的一种度量（A所在党派在最近一次总统选举中获得的选票百分比）。
解：（ⅰ）如何解释β1？
β1表示当候选人B的竞选支出和候选人A所在党派势力固定不变时，候选人A的竞选支出
（expendA）增加一个百分点时，voteA将增加β1 100。
（ⅱ）用参数表述如下虚拟假设：A的竞选支出提高1% 被B的竞选支出提高1% 所抵消。
虚拟假设为H0∶β1+β2=0 ,该假设意味着A的竞选支出提高x% 被B的竞选支出提高x% 所抵消,voteA保持不变。
（ⅲ）利用VOTE1.RAW中的数据来估计上述模型，并以通常的方式报告结论。A的竞选支出会影响结果吗？B的支出呢？你能用这些结论来检验第（ⅱ）部分中的假设吗？
所以，voteA=45.0789+6.0833log expendA?6.6154log expendB+
0.1520prtystrA, n=173, R2=0.7926 .
由截图可得：expendA 系数β1的 t 统计量为15.9187，在很小的显著水平上都是显著的，意味着当其他条件不变时，A 的竞选支出增加1%，voteA 将增加0.0608。 同理可得，expendB 系数β2的 t 统计量为-17.4632，在很小的显著水平上都是显著的，意味着当其他条件不变时，B 的竞选支出增加1%，voteA 将增加0.066。
由于A 的竞选支出的系数β1和B 的竞选支出的系数β2符号相反，绝对值差不多，所以近似有虚拟假设“ H 0∶β1+β2=0 ”成立，即第（ⅱ）部分中的假设成立。
（ⅳ）估计一个模型，使之能直接给出检验第（ⅱ）部分中假设所需用的 t 统计量。你有什么结论？（使用双侧对立假设。）
有截图可得：se β
0 =3.9263,se β 1 =0.3821,se β 2 =0.3788,se β
3 =0.0620 . 令θ1=β1+β2，则有：voteA =β0+θ1log expendA +
β2[log expendB ?log expendA ]+β3prtystrA +u ,
由截图可知：θ1=?0.5321，se θ1 =0.5331，
所以第（ⅱ）部分虚拟假设的 t =?0.53210.5331≈?1，
即 H 0∶β1+β2=0 不能被拒绝。
C4.2 LAWSCH85.RAW
解：（ⅰ）使用与习题3.4一样的模型，表述并检验虚拟假设：在其他条件不变的情况下，法学院排名对起薪中位数没有影响。
由习题可得，模型为：log salary=β0+β1LAST+β2GPA+β3log libvol+β4log cost+β5rank+u。当法学院排名对起薪中位数没有影响时，即β5=0，则虚拟假设为H0∶β5=0。
检验虚拟假设是否成立：
由截图可得：log salary=8.3432+0.0047LAST+0.2475GPA+0.0950log libvol+ 0.0376log cost?0.0033rank，n=156，R2=0.8417 . 且se β0=0.5325,se β1=0.0040, se β2=0.0900,se β3=0.0333,se β4=0.0321,se β5=0.0003
又因rank系数β5的t统计量为?9.5408，在很小的显著水平上都是显著的，说明对立假设被拒绝，即虚拟假设成立。
（ⅱ）新生年级的学生特征（即LAST和GPA）对解释salary而言是个别或联合显著的吗？
LAST系数β1的t统计量为1.1710，在很小的显著水平上并不显著，而GPA系数β2的t统计量为2.7491，在很小的显著水平上都是显著的。
（ⅲ）检验是否要在方程中引入入学成绩的规模（clsize）和教职工的规模（faculty）；只进行一个检验。（注意解释clsize和faculty的缺失数据。）
（ⅳ）还有哪些因素可能影响到法学院排名，但又没有包括在薪水回归中？
学校师资力量的强弱、性别和种族的差异、工资的差异以及教师自身素质的高低，这些因素都有可能影响到法学院的排名，但是却又没有包括在薪水回归中。
C4.3 HPRICE1.RAW lo g price=β0+β1sqrft+β2bdrms+u 解：（ⅰ）你想在住房增加一个150平方英尺的卧室的情况下，估计并得到price变化百分比的一个置信空间。以小数形式表示就是θ1=150β1+β2。使用HPRICE1.RAW中的数据去估计θ1。
由截图可得：lo g price=4.7660+0.0004sqrft+0.0289bdrms，n=88, R2=0.5883 .又因θ1=150β1+β2，所以θ1=150?0.0004+0.0289=0.0889 .
（ⅱ）用θ1和β1表示β2，并代入lo g price的方程。
由（ⅰ）可得：β2=θ1?150β1，将其带入原方程可得：lo g price=β0+β1sqrft+θ1?150β1bdrms+u=β0+β1sqrft?150bdrms+θ1bdrms+u .
（ⅲ）利用第（ⅱ）部分中的结果得到θ1的标准误，并使用这个标准误构造一个95%的置信空间。
由截图可得：seθ1=0.0268，利用这个标准误构造一个95%的置信空间为 [θ1?c·seθ1 ,θ1+
c·seθ1] (其中c是一个t84分布的第97.5个百分位)，查表得c=1.989 ,所以置信空间为[0.0356, 0.1422]。
庞皓计量经济学课后答案第四章(内容参考)
统计学2班 第三次作业 1、⑴存在.2 3223223232 322 ) ())(() )(())((?∑∑∑∑∑∑∑--=i i i i i i i i i i i x x x x x x x y x x y βΘ 当X 2和X 3之间的相关系数为0时，离差形式的 ∑i i x x 32=0 2 222232 22 322 ?) )(() )((??== =∴∑∑∑∑∑∑i i i i i i i i x x y x x x x y β 同理得：33 ??γβ= ⑵2 ?β会等于1?α和1?γ二者的线性组合。 33221???X X Y βββ--=Θ且221??X Y αα-=，331??X Y γγ-= 由⑴可得22 ??αβ=和33??γβ= 22221???X Y X Y βαα-=-=∴，3 3331???X Y X Y βγγ-=-= 212 ??X Y αβ-=∴,3 1 3??X Y γβ-= 则：33 1 2213 3221?????X X Y X X Y Y X X Y γαβββ----=--=Θ ⑶存在。∑-=)1()?(223 222 2 r x Var i σβΘ X 2和X 3之间相关系数为0，)?() 1()?(2222 223 2 22 2 α σσβVar x r x Var i i == -=∴∑∑ 同理可得)?()?(33 γβVar Var = 2、逐步向前回归和逐步向后回归的程序都存在不足，逐步向前法不能反映引进新的解释变量后的变化情况，即一旦引入新的变量，就保留在方程中，逐步向后法泽一旦剔除一个解释变量就再没有机会重新进入方程。而解释变量之间及其与被解释变量的相关关系与引入的变量个数及同时引入哪些变量而不同。所以采用逐步回归比较好。吸收了逐步向前和逐步向后的优点。
新《计量经济学》第4章 计量练习题
《计量经济学》第4章练习 一、单项选择题 1．更容易产生异方差的数据为（） A．时序数据 B．平均数据 C．横截面数据 D．年度数据 2．在修正异方差的方法中，不正确的是（） A．加权最小二乘法 B．对原模型变换的方法 C．对模型的对数变换法 D．两阶段最小二乘法 3．Goldfeld-Quandt检验法可用于检验（） A．异方差性 B．多重共线性 C．序列相关 D．设定误差 4．残差图形分析可以用于检验（） A．异方差性 B．多重共线性 C．序列相关 D．设定误差 5．下列说法不正确的是（） A．异方差是一种随机误差现象 B．异方差产生的原因有设定误差 C．检验异方差的方法有加权是小二乘法 D．修正异方差的方法有加权最小二乘法 二、多项选择题 1． Goldfeld-Quandt检验法的应用条件是（） A. 将观测值按解释变量的大小顺序排列 B. 样本容量尽可能大 C. 随机误差项服从正态分布 D. 将排列在中间的约1/4的观测值删除掉 E．除了异方差外，其它假定条件均满足 2．异方差性的检验的方法有（） A．图示检验法； B．戈德菲尔德-夸特(G-Q)检验； C．怀特(White)检验； D．ARCH检验； E．戈里瑟（Glejser）检验3．产生异方差性的主要原因是（） A．模型中省略了某些重要变量； B．模型设定误差； C．测量误差的变化； D．截面数据中总体各单位的差异。 E．数据中含有趋势变化成分 4．在计量经济分析中，如果模型存在异方差，则对模型产生的后果包括（）A．参数的OLS估计仍然具有无偏性； B．参数OLS估计式的方差不再是最小的； C．在一元回归中，异方差往往随着解释变量的增大而增大； D．在一元回归中，异方差往往会低估斜率系数的方差，从而夸大t统计量，使得检验失效； E．尽管参数的OLS估计量仍然无偏，但由于参数估计量不是有效的，降低被解释变量的预测精度 5．关于普通最小二乘法和加权最小二乘法，以下说法正确的有（）A．加权最小二乘法是普通最小二乘法的一种； B．同方差假定条件下，普通最小二乘法是把每个残差平方和同等看待；
伍德里奇计量经济学第四章
name:
计量经济学 案例分析
第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y
二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31
计量经济学第四章习题详解word精品
第四章习题 4.1没有进行t 检验，并且调整的可决系数也没有写出来，也就是没有考虑自由度的影响，会使结果存在 一研究的目的和要求 我们知道，商品进口额与很多因素有关，了解其变化对进出口产品有很大帮助。为了探究和预测商品 进口额的变化，需要定量地分析影响商品进口额变化的主要因素。 二、模型的设定及其估计 经分析，商品进口额可能与国内生产总值、居民消费价格指数有关。为此，考虑国内生产总值 居民消费价格 指数 CPI 为主要因素。各影响变量与商品进口额呈正相关。为此，设定如下形式的计量经济 模型： 4.3 1995 11048.1 60793.7 302.8 + In + InCP 1996 11557.4 71176.6 327.9 1997 11806.5 78973.0 337.1 1998 11626.1 84402.3 334.4 1999 13736.4 89677.1 329.7 2000 18638.8 99214.6 331.0 2001 20159.2 109655.2 333.3 2002 24430.3 120332.7 330.6 2003 34195.6 135822.8 334.6 2004 46435.8 159878.3 I 347.7 2005 54273.7 183084.8 353.9 2006 63376.9 211923.5 359.2 2007 73284.6 249529.9 376.5 2008 79526.5 314045.4 398.7 2009 68618.4 340902.8 395.9 2010 94699.3 401512.8 408.9 2011 113161.4 472881.6 431.0 GDP 、
计量经济学第四章
第四章 经典单方程计量经济学模型：放宽基本假定的模型 一、内容提要 本章主要介绍计量经济模型的二级检验问题，即计量经济检验。主要讨论对回归模型的若干基本经典假定是否成立进行检验、当检验发现不成立时继续采用OLS 估计模型所带来的不良后果以及如何修正等问题。包括：异方差性问题、序列相关性问题、多重共线性问题。 1.异方差： 含义：随机扰动项的方差随样本点而不同。 后果：OLS 估计是线性、无偏、一致的但不有效；由于随机项异方差的存在而导致的参数估计值的标准差的偏误，通常的假设检验t 检验和F 检验失效；模型的预测变得无效。 检验：图示法、Goldfeld-Quandt 检验法以及White 检验法等。 修正：而当检测出模型确实存在异方差性时，通过采用加权最小二乘法进行修正的估计。 序列相关性也是模型随机扰动项出现序列相关时产生的一类现象。与异方差的情形相类似，在序列相关存在的情况下，OLS 估计量仍具无偏性与一致性，但通常的假设检验不再可靠，预测也变得无效。序列相关性的检测方法也有若干种，如图示法、回归检验法、Durbin-Watson 检验法以及Lagrange 乘子检验法等。存在序列相关性时，修正的估计方法有广义最小二乘法（GLS ）以及广义差分法。 多重共线性是多元回归模型可能存在的一类现象，分为完全共线与近似共线两类。模型的多个解释变量间出现完全共线性时，模型的参数无法估计。更多的情况则是近似共线性，这时，由于并不违背所有的基本假定，模型参数的估计仍是无偏、一致且有效的，但估计的参数的标准差往往较大，从而使得t-统计值减小，参数的显著性下降，导致某些本应存在于模型中的变量被排除，甚至出现参数正负号方面的一些混乱。显然，近似多重共线性使得模型偏回归系数的特征不再明显，从而很难对单个系数的经济含义进行解释。多重共线性的检验包括检验多重共线性是否存在以及估计多重共线性的范围两层递进的检验。而解决多重共线性的办法通常有逐步回归法、差分法以及使用额外信息、增大样本容量等方法。 当模型中的解释变量是随机解释变量时，需要区分三种类型：随机解释变量与随机扰动项独立，随机解释变量与随机扰动项同期无关、但异期相关，随机解释变量与随机扰动项同期相关。第一种类型不会对OLS 估计带来任何问题。第二种类型则往往导致模型估计的有偏性，但随着样本容量的增大，偏误会逐渐减小，因而具有一致性。所以，扩大样本容量是克服偏误的有效途径。第三种类型的OLS 估计则既是有偏、也是非一致的，需要采用工具变量法来加以克服。 二、典型例题分析 1、下列哪种情况是异方差性造成的结果？ （1）OLS 估计量是有偏的 （2）通常的t 检验不再服从t 分布。 （3）OLS 估计量不再具有最佳线性无偏性。 答： 第（2）与（3）种情况可能由于异方差性造成。异方差性并不会引起OLS 估计量出现偏误。 2、已知模型 i i i i u X X Y +++=22110βββ 式中，i Y 为某公司在第i 个地区的销售额；i X 1为该地区的总收入；i X 2为该公司在该地区投入的广告费用（i=0,1,2……,50）。 （1）由于不同地区人口规模i P 可能影响着该公司在该地区的销售，因此有理由怀疑随机误差项u i 是异方差的。假设i σ依赖于总体i P 的容量，请逐步描述你如何对此进行检验。需说明：1）零假
计量经济学(伍德里奇第五版中文版)答案
第1章 解决问题的办法 1.1（一）理想的情况下，我们可以随机分配学生到不同尺寸的类。也就是说，每个学生被分配一个不同的类的大小，而不考虑任何学生的特点，能力和家庭背景。对于原因，我们将看到在第2章中，我们想的巨大变化，班级规模（主题，当然，伦理方面的考虑和资源约束）。 （二）呈负相关关系意味着，较大的一类大小是与较低的性能。因为班级规模较大的性能实际上伤害，我们可能会发现呈负相关。然而，随着观测数据，还有其他的原因，我们可能会发现负相关关系。例如，来自较富裕家庭的儿童可能更有可能参加班级规模较小的学校，和富裕的孩子一般在标准化考试中成绩更好。另一种可能性是，在学校，校长可能分配更好的学生，以小班授课。或者，有些家长可能会坚持他们的孩子都在较小的类，这些家长往往是更多地参与子女的教育。 （三）鉴于潜在的混杂因素- 其中一些是第（ii）上市- 寻找负相关关系不会是有力的证据，缩小班级规模，实际上带来更好的性能。在某种方式的混杂因素的控制是必要的，这是多元回归分析的主题。 1.2（一）这里是构成问题的一种方法：如果两家公司，说A和B，相同的在各方面比B公司à用品工作培训之一小时每名工人，坚定除外，多少会坚定的输出从B公司的不同？ （二）公司很可能取决于工人的特点选择在职培训。一些观察到的特点是多年的教育，多年的劳动力，在一个特定的工作经验。企业甚至可能歧视根据年龄，性别或种族。也许企业选择提供培训，工人或多或少能力，其中，“能力”可能是难以量化，但其中一个经理的相对能力不同的员工有一些想法。此外，不同种类的工人可能被吸引到企业，提供更多的就业培训，平均，这可能不是很明显，向雇主。 （iii）该金额的资金和技术工人也将影响输出。所以，两家公司具有完全相同的各类员工一般都会有不同的输出，如果他们使用不同数额的资金或技术。管理者的素质也有效果。 （iv）无，除非训练量是随机分配。许多因素上市部分（二）及（iii）可有助于寻找输出和培训的正相关关系，即使不在职培训提高工人的生产力。 1.3没有任何意义，提出这个问题的因果关系。经济学家会认为学生选择的混合学习和工作（和其他活动，如上课，休闲，睡觉）的基础上的理性行为，如效用最大化的约束，在一个星期只有168小时。然后我们可以使用统计方法来衡量之间的关联学习和工作，包括回归分析，我们覆盖第2章开始。但我们不会声称一个变量“使”等。他们都选择学生的变量。 第2章 解决问题的办法
计量经济学案例分析汇总
计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入
第四章计量经济学答案范文
第四章一元线性回归 第一部分学习目的和要求 本章主要介绍一元线性回归模型、回归系数的确定和回归方程的有效性检验方法。回归方程的有效性检验方法包括方差分析法、t检验方法和相关性系数检验方法。本章还介绍了如何应用线性模型来建立预测和控制。需要掌握和理解以下问题： 1 一元线性回归模型 2 最小二乘方法 3 一元线性回归的假设条件 4 方差分析方法 5 t检验方法 6 相关系数检验方法 7 参数的区间估计 8 应用线性回归方程控制与预测 9 线性回归方程的经济解释 第二部分练习题 一、术语解释 1 解释变量 2 被解释变量 3 线性回归模型 4 最小二乘法 5 方差分析 6 参数估计 7 控制 8 预测 二、填空 ξ，目的在于使模型更1 在经济计量模型中引入反映（）因素影响的随机扰动项 t 符合（）活动。 2 在经济计量模型中引入随机扰动项的理由可以归纳为如下几条：（1）因为人的行为的（）、社会环境与自然环境的（）决定了经济变量本身的（）；（２）建立模型时其他被省略的经济因素的影响都归入了（）中；（３）在模型估计时，（）与归并误差也归入随机扰动项中；（4）由于我们认识的不足，错误的设定了（）与（）之间的数学形式，例如将非线性的函数形式设定为线性的函数形式，由此产生的误差也包含在随机扰动项中了。 3 （）是因变量离差平方和，它度量因变量的总变动。就因变量总变动的变异来源看，它由两部分因素所组成。一个是自变量，另一个是除自变量以外的其他因素。（）是拟合值的离散程度的度量。它是由自变量的变化引起的因变量的变化，或称自变量对因变量变化的贡献。（）是度量实际值与拟合值之间的差异，它是由自变量以外的其他因素所致，它又叫残差或剩余。 4 回归方程中的回归系数是自变量对因变量的（）。某自变量回归系数β的意义，指
计量经济学-案例分析-第六章
第六章 案例分析 一、研究目的 2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。同时，农村居民消费模型也能用于农村居民消费水平的预测。 二、模型设定 正如第二章所讲述的，影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为 t t t u X Y ++=21ββ （6.43） 式中，Y t 为农村居民人均消费支出，X t 为农村人均居民纯收入，u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。 表6.3 1985-2003年农村居民人均收入和消费 单位： 元
2000 2001 2002 2003 2253.40 2366.40 2475.60 2622.24 1670.00 1741.00 1834.00 1943.30 314.0 316.5 315.2 320.2 717.64 747.68 785.41 818.86 531.85 550.08 581.85 606.81 为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均纯收入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。 根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得 t t X Y 0.59987528.106?+= （6.44） Se = (12.2238) (0.0214) t = (8.7332) (28.3067) R 2 = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW 统计表可知，d L =1.18，d U = 1.40，模型中DW 第四章 习 题 一、单选题 1、如果回归模型违背了同方差假定，最小二乘估计量＿＿＿＿ A ．无偏的，非有效的 B.有偏的，非有效的 C ．无偏的，有效的 D.有偏的，有效的 2、Goldfeld-Quandt 方法用于检验＿＿＿＿ A ．异方差性 B.自相关性 C ．随机解释变量 D.多重共线性 3、DW 检验方法用于检验＿＿＿＿ A ．异方差性 B.自相关性 C ．随机解释变量 D.多重共线性 4、在异方差性情况下，常用的估计方法是＿＿＿＿ A ．一阶差分法 B.广义差分法 C ．工具变量法 D.加权最小二乘法 5、在以下选项中，正确表达了序列自相关的是＿＿＿＿ j i u x Cov D j i x x Cov C j i u u Cov B j i u u Cov A j i j i j i j i ≠≠≠≠≠=≠≠,0),(.,0),(.,0),(.,0),(. 6、如果回归模型违背了无自相关假定，最小二乘估计量＿＿＿＿ A ．无偏的，非有效的 B.有偏的，非有效的 C ．无偏的，有效的 D.有偏的，有效的 7、在自相关情况下，常用的估计方法＿＿＿＿ A ．普通最小二乘法 B.广义差分法 C ．工具变量法 D.加权最小二乘法 8、White 检验方法主要用于检验＿＿＿＿ A ．异方差性 B.自相关性 C ．随机解释变量 D.多重共线性 9、Glejser 检验方法主要用于检验＿＿＿＿ A ．异方差性 B.自相关性 C ．随机解释变量 D.多重共线性 10、简单相关系数矩阵方法主要用于检验＿＿＿＿ A ．异方差性 B.自相关性 C ．随机解释变量 D.多重共线性 11、所谓异方差是指＿＿＿＿ 22 22 )(.)(.)(.)(.σσσσ==≠≠i i i i x Var D u Var C x Var B u Var A 第四章练习题及参考解答 假设在模型i i i i u X X Y +++=33221βββ中，32X X 与之间的相关系数为零，于是有人建议你进行如 下回归： i i i i i i u X Y u X Y 23311221++=++=γγαα (1)是否存在3 322????βγβα ==且？为什么？ (2)1 11???βαγ会等于或或两者的某个线性组合吗？ (3)是否有()()()()3 3 2 2 ?var ?var ?var ?var γβα β==且？ 练习题参考解答： (1) 存在3 322????βγβα==且。 因为()()()() ()()() 2 3223223232322?∑∑∑∑∑∑∑--= i i i i i i i i i i i x x x x x x x y x x y β 当 32X X 与之间的相关系数为零时，离差形式的032=∑i i x x 有()()()()222223222322 ??αβ=== ∑∑∑∑∑∑i i i i i i i i x x y x x x x y 同理有：3 3??βγ= (2) 1 11???βαγ会等于或的某个线性组合 因为 12233???Y X X βββ=--，且122??Y X αα=-，133??Y X γγ=- 由于3322????βγβα ==且，则 112222 2 2 ?????Y Y X Y X X αααββ-=-=-= 则 11 122332 3112 3 ???????Y Y Y X X Y X X Y X X αγβββαγ--=--=--=+- (3) 存在()()()()3 3 2 2 ?var ?var ?var ?var γβα β==且。 因为()() ∑-= 223 2 22 2 1?var r x i σβ 当023=r 时，() ()()2222 2 23 222 2 ?var 1?var α σσβ== -=∑∑i i x r x 同理，有()()3 3 ?var ?var γβ= 在决定一个回归模型的“最优”解释变量集时人们常用逐步回归的方法。在逐步回归中既可采取每次引进一个解释变量的程序(逐步向前回归)，也可以先把所有可能的解释变量都放在一个多元回归中，然后逐一地将它们剔 第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城 乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF* 计量经济学（第四版）习题参考答案 潘省初 第一章 绪论 1.1 试列出计量经济分析的主要步骤。 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 计量经济模型中为何要包括扰动项? 为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3什么是时间序列和横截面数据? 试举例说明二者的区别。 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4估计量和估计值有何区别？ 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则 根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。 第二章 计量经济分析的统计学基础 2.1 略，参考教材。 2.2请用例2.2中的数据求北京男生平均身高的99％置信区间 N S S x = =45 =1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？ 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/25X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？ 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。 第四章课后习题 4.1 解 1）存在22β?α?=且3 3β?γ?=。因为2X 和3X 之间的相关系数为零，即2X 和3X 相互之间不存在线性关系，两者是相互独立的，所以分别一元回归和二元回归两者的系数都不会发生变 化。 利用公式证明如下： 2）会。 3）如第一问解释，22β?α?=，3 3β?γ?=是成立的，所以存在)α?()β?(22V a r V a r =，)α?()β?(33 Var Var =。 4.2 解： 根据我对多重共线性的认识，我认为任何一种逐步回归都存在弊端。根据课本上对多重共线性的定义，不仅包括解释变量之间精确的线性关系，还包括解释变量之间近似的线性关 系。而逐步回归法是通过逐步筛选并剔除引起多重共线性的变量。所以在采用逐步回归法时，难免会出现一些不符合要求的变量被剔除的情况，此变量岁引起多重共线性，但其对被解释变量也有一定的影响，直接剔除就是忽略其的影响，使得回归结果不够精确。误差增大。 4.3解：将数据输入到Eviews中，可得如下图所示： 图1 注释：X2表示国内生产总值GDP，X3表示居民消费价格指数CPI。 利用软件，采用最小二乘法进行回归，结果如下图所示： 图2 建立回归模型如下： i t X X Y μβββ＋＋＋33221ln ln ln = 1）从回归结果中，可知此模型的参数1β=﹣3.06015，2β=1.656675，3β=﹣1.057054 2） 利用软件求出lnx2和lnx3的相关系数，可得 由上图可知lnx2，lnx3之间存在很强的线性相关性。证实存在多重共线性。 根据题目要求分别进行三次回归： 第二章案例分析 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y 选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入 第四章经典单方程计量经济学模型：放宽基本假定的模型 一、内容提要 本章主要介绍计量经济模型的二级检检验问题，即计量经济检验。主要讨论对回归模型的若干基本经典假定是否成立进行检验、当检验发现不成立时继续采用OLS估计模型所带来的不良后果以及如何修正等问题。具体包括异方差性问题、序列相关性问题、多重共线性问题以及随机解释变量这四大类问题。 异方差是模型随机扰动项的方差不同时产生的一类现象。在异方差存在的情况下，OLS 估计尽管是无偏、一致的，但通常的假设检验却不再可靠，这时仍采用通常的t检验和F检验，则有可能导致出现错误的结论。同样地，由于随机项异方差的存在而导致的参数估计值的标准差的偏误，也会使采用模型的预测变得无效。对模型的异方差性有若干种检测方法，如图示法、Park与Gleiser检验法、Goldfeld-Quandt检验法以及White检验法等。而当检测出模型确实存在异方差性时，通过采用加权最小二乘法进行修正的估计。 序列相关性也是模型随机扰动项出现序列相关时产生的一类现象。与异方差的情形相类似，在序列相关存在的情况下，OLS估计量仍具无偏性与一致性，但通常的假设检验不再可靠，预测也变得无效。序列相关性的检测方法也有若干种，如图示法、回归检验法、Durbin-Watson检验法以及Lagrange 乘子检验法等。存在序列相关性时，修正的估计方法有广义最小二乘法（GLS）以及广义差分法。 多重共线性是多元回归模型可能存在的一类现象，分为完全共线与近似共线两类。模型的多个解释变量间出现完全共线性时，模型的参数无法估计。更多的情况则是近似共线性，这时，由于并不违背所有的基本假定，模型参数的估计仍是无偏、一致且有效的，但估计的参数的标准差往往较大，从而使得t-统计值减小，参数的显著性下降，导致某些本应存在于模型中的变量被排除，甚至出现参数正负号方面的一些混乱。显然，近似多重共线性使得模型偏回归系数的特征不再明显，从而很难对单个系数的经济含义进行解释。多重共线性的检验包括检验多重共线性是否存在以及估计多重共线性的范围两层递进的检验。而解决多重共线性的办法通常有逐步回归法、差分法以及使用额外信息、增大样本容量等方法。 当模型中的解释变量是随机解释变量时，需要区分三种类型：随机解释变量与随机扰动项独立，随机解释变量与随机扰动项同期无关、但异期相关，随机解释变量与随机扰动项 第四章：多重共线性 二、简答题 1、导致多重共线性的原因有哪些？ 2、多重共线性为什么会使得模型的预测功能失效？ 3、如何利用辅回归模型来检验多重共线性？ 4、判断以下说法正确、错误，还是不确定？并简要陈述你的理由。 (1)尽管存在完全的多重共线性，OLS 估计量还是最优线性无偏估计量（BLUE ）。 (2)在高度多重共线性的情况下，要评价一个或者多个偏回归系数的个别显著性是不可能的。 (3)如果某一辅回归显示出较高的2i R 值，则必然会存在高度的多重共线性。 (4)变量之间的相关系数较高是存在多重共线性的充分必要条件。 (5)如果回归的目的仅仅是为了预测，则变量之间存在多重共线性是无害的。 12233i i i Y X X βββ=++ 来对以上数据进行拟合回归。 (1) 我们能得到这3个估计量吗？并说明理由。 (2) 如果不能，那么我们能否估计得到这些参数的线性组合？可以的话，写出必要的计 算过程。 6、考虑以下模型： 231234i i i i i Y X X X ββββμ=++++ 由于2X 和3X 是X 的函数，那么它们之间存在多重共线性。这种说法对吗？为什么？ 7、在涉及时间序列数据的回归分析中，如果回归模型不仅含有解释变量的当前值，同时还含有它们的滞后值，我们把这类模型称为分布滞后模型（distributed-lag model ）。我们考虑以下模型： 12313233i t t t t t Y X X X X βββββμ---=+++++ 其中Y ——消费，X ——收入，t ——时间。该模型表示当期的消费是其现期的收入及其滞后三期的收入的线性函数。 （1） 在这一类模型中是否会存在多重共线性？为什么？ （2） 如果存在多重共线性的话，应该如何解决这个问题？ 8、设想在模型 12233i i i i Y X X βββμ=+++ 中，2X 和3X 之间的相关系数23r 为零。如果我们做如下的回归：《计量经济学》习题(第四章)
计量经济学第四章练习题及参考解答
计量经济学-案例分析-第八章
计量经济学(第四版)习题及参考答案详细版
计量经济学第二版第四章课后习题
计量经济学-案例分析-第二章
计量经济学习题与解答3
《计量经济学》第四章精选题及答案