计量经济学第三版部分答案(第六章之后的)-6页精选文档

第六章

1、答：给定显著水平α，依据样本容量n 和解释变量个数k’，查D.W.表得d 统计量的上界

du 和下界dL ，当0

（1）回归模型中含有截距项；

（2）解释变量是非随机的（因此与随机扰动项不相关）

（3）随机扰动项是一阶线性自相关。 ；

（4）回归模型中不把滞后内生变量（前定内生变量）做为解释变量。

（5）没有缺失数据，样本比较大。

DW 检验的局限性：

（1）DW 检验有两个不能确定的区域，一旦DW 值落在这两个区域，就无法判断。这时，只有增大样本容量或选取其他方法

（2）DW 统计量的上、下界表要求n ≥15, 这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断

(3) DW 检验不适应随机误差项具有高阶序列相关的检验.

(4) 只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量

2、答：（1）当回归模型随机误差项有自相关时，普通最小二乘估计量是有偏误的和非有效的。

判断：错误。当回归模型随机误差项有自相关时，普通最小二乘估计量是无偏误的和非有效的。

（2）DW 检验假定随机误差项u i 的方差是同方差。

判断：错误。DW 统计量的构造中并没有要求误差项的方差是同方差 。

（3）用一阶差分法消除自相关是假定自相关系数为-1。

判断：错误。用一阶差分法消除自相关是假定自相关系数

为1，即原原模型存在完全一阶正自相关。

（4）当回归模型随机误差项有自相关时，普通最小二乘估计的预测值的方差和标准误差不再是有效的。

判断：正确。

3、答：给定显著水平α=0.05，依据样本容量n=50和解释变量个数k’=4，查D.W.表得d 统计量的上界du=1.721，下界dL=1.378，4- du=2.279，4-dL=2.622。

（1）DW=1.05

(2) dL

（3）4- du

ρρ

（4）DW=3.97>4-dL，所以模型存在负自相关。

4、在回归模型方程中无自相关，如果我们错误地判定模型中有一阶自相关，并使用了广义差分模型，将会产生什么问题？

练习题6.1

（1）建立居民收入-消费函数

Y=79.93004+0.690488X

（2）

残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶自相关。

DW=0.574663，查表可知0<=DW<=dL,误差项存在着自相关

用广义差分法进行补救

Ρ=0.657352

Yt*=45.35242+0.709686Xt*

其中Yt*=Yt-0.657352Yt(-1),Xt*=Xt-0.657352Xt(-1)

模型中DW=1.814502.dU

β=45.35242/(1-0.657352)=140.563152

由此，得到的最终消费模型为：Y=140.563152+0.709686X

（3）该模型的经济意义是，人均实际收入每增加一元，人均实际消费支出会增加0.669262元。

第七章

7.3 库伊克模型、自适应预期模型与局部调整模型有哪些共性和不同之处？模型估计会存在哪些困难？如何解决？

答：（1）相同之处：库伊克模型、自适应预期模型、局部调整模型三个模型的最终形式都是一阶自回归模型。

（2）不同之处：

1）导出模型的经济背景和思想不同。

库伊克模型是在无限分布滞后模型的基础上，根据库伊克几何分布滞后假定导出的；自适应预期模型是由解释变量自适应过程得到的；局部调整模型是由应变量的局部调整得到的。2）模型存在的问题不同。

三个模型的形成机理不同，所以随机误差项的结构不同，库伊克模型和自适应预期模型都存在自相关、解释变量与随机误差项相关的问题；而局部调整模型则不存在。库伊克模型和自适应预期模型不能够直接使用最小二乘法直接估计，而局部调整模型则可以。

（2）模型估计存在的困难及解决的方法

（a）出现了随机解释变量Yt-1 ，而Yt-1 可能与随机扰动项相关；

(b)随机扰动项可能自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动无自相关.如果用最小二乘法直接估计自回归模型，则估计可能是有偏的，而且不是一致估计。

估计自回归模型需要解决两个问题：设法消除与的相关性；检验是否存在自相关。所以应用工具变量法进行估计一阶自回归模型，就是在进行参数估计的过程中选择适当的工具变量，代替回归模型中同随机扰动项存在相关性的解释变量。

7.6 检验一阶自回归模型随机扰动项是否存在自相关，为什么用德宾h-检验而不用DW检验？

答：因为DW检验法不适合于方程含有滞后被解释变量的场合，在自回归模型中，滞后被解

释变量是随机变量，已有研究表明，如果用DW检验法，则d统计量值总是趋近于2。也就是说，在一阶自回归中，当随机扰动项存在自相关时，DW检验却倾向于得出非自相关的结论。

练习题7.4

（1）估计一阶自回归模型;

回归估计：

Yt=66247+0.04731X1t+0.27507X2t+0.4552Yt-1

根据局部调整模型的函数关系，有lna*= δlna, β*0=δβ0, β*1=δβ1 ,β*2=1-δ

将估计结果带入可得：δ=0.594479 a=111437073 β0=0.0796 β1=0.4627

局部调整模型估计结果为Y*t=111437073+0.0796X1t+0.4627X2t

经济意义：社会商品销售额每增加1亿元，未来预期年末货币流通量增加0.0796亿元城乡居民储蓄余额每增加1亿元，未来预期年末货币流通量增加0.4627亿元

模型对数变换：

在局部调整假定下，估计一阶自回归模型

回归估计

lnYt=0.672511+0.201921lnX1t+0.18120lnX2t+0.52471lnYt-1

根据局部调整模型的参数关系，lna*= δlna, β*0=δβ0, β*1=δβ1 ,β*2=1-δ

将估计结果带入可得：

δ=0.465282 a=1.44538 β0=0.43075 β1=0.38944

局部调整模型估计结果为：lnYt=1.44538+0.43075lnX1t+0.3894lnX2t

经济意义：社会商品销售额每增加1%，未来预期年末货币流通量增加0.43075% 城乡居民储蓄余额每增加1%，未来预期年末货币流通量增加0.38944%

第八章

8.2虚拟变量为何只选0、1，选2、3、4行吗？为什么？

答：虚拟变量是非此即彼的问题，一般情形下，虚拟变量的取值为0和1。当虚拟变量取值为0时，表示某种属性或状态的类型或水平不出现或不存在；当虚拟变量取值为1时，表示某种属性或状态的类型或水平出现或存在。取值一般不选2、3、4，否则对回归系数的分析带来不便。

8.5四种加法方式引入虚拟变量会产生什么效应？

答：四种加法方式引入虚拟变量均改变了截距，可以用于分析虚拟变量不同类之间的水平差异。

8.6引入虚拟被解释变量的背景是什么？含有虚拟被解释变量模型的估计方法有哪些？答：某经济现象或活动受到多种因素的影响，需要对这一经济现象或活动进行是或否的判断或决策时，需要引入被解释变量。虚拟被解释变量模型的估计方法主要有线性概率模型估计和对数单位模型估计。

练习题8.6

经分析得边际效应=10

第九章

9.3 检验变量设定误差有哪几种方法？他们的共性和差异是什么？

常用方法有：DW检验、LM检验、RESET检验、模型函数形式设定检验。

计量经济学第三版庞皓

第二章简单线性回归模型 第一节回归分析与回归函数P15 （一）相关分析与回归分析 1、相关关系 2、相关系数 3、回归分析 （二）总体回归函数（条件期望） （三）随机扰动项 （四）样本回归函数 第二节简单线性回归模型参数的估计P26 （一）简单线性回归的基本假定 （二）普通最小二乘法求样本回归函数 （三）OLS回归线的性质 （四）最小二乘估计量的统计性质 1、参数估计量的评价标准（无偏性、有效性、一致性） 2、OLS估计量的统计特性（线性特性、无偏性、有效性、高斯-马尔可夫定理） 第三节拟合优度的度量（RSS、ESS、TSS）P35 （一）总变差的分解 （二）可决系数 （三）可决系数与相关系数的关系 第四节回归系数的区间估计与假设检验P38 （一）OLS估计的分布性质 （二）回归系数的区间估值 （三）回归系数的假设检验 1、Z检验 2、t检验 第五节回归模型预测P43 第六节案例分析P48 第三章多元线性回归模型 第一节多元线性回归模型及古典假定P64 一、多元线性回归模型 二、多元线性回归模型的矩阵形式 三、多元线性回归模型的古典假定 第二节多元线性回归模型的估计P68 一、多元线性回归性参数的最小二乘估计 二、参数最小二乘估计的性质（线性特性、无偏性、有效性） 三、OLS估计的分布性质 四、随机扰动项方差的估计 五、多元线性回归模型参数的区间估计

第三节多元线性回归模型的检验P74 一、拟合优度检验（多重可决系数、修正的可决系数） 二、回归方程的显著性检验（F-检验） 三、回归参数的显著性检验（t-检验） 第四节多元线性回归模型的预测P79 第五节案例分析P81 第四章多重共线性第一节什么是多重共线性P94 第二节多重共线性产生的后果 第三节多重共线性的检验 第四节多重共线性的补救措施 第五节案例分析P109

庞皓计量经济学课后答案第三章

统计学2班 第二次作业 1、?i =-151.0263 + 0.1179X 1i + 1.5452X 2i T= (-3.066806) (6.652983) (3.378064) R 2=0.934331 R 2=0.92964 F=191.1894 n=31 ⑴模型估计结果说明，各省市旅游外汇收入Y 受旅行社职工人数X 1，国际旅游人数X 2的影响。由所估计出的参数可知，在假定其他变量不变的情况下，当旅行社职工人数每增加1人，各省市旅游外汇收入增加0.1179百万美元。在嘉定其他变量不变的情况下。当国际旅游人数每增加1万人，各省市旅游外汇收入增加1.5452百万美元。 ⑵由题已知，估计的回归系数β1的T 值为：t （β1）=6.652983。 β2的T 值分为： t （β2）=3.378064。 α=0.05.查得自由度为n-2=22-2=29的临界值t 0.025(29)=2.045229 因为t （β1）=6.652983≥t 0.025(29)=2.045229.所以拒绝原假设H 0：β1=0。 表明在显著性水平α=0.05下，当其他解释变量不变的情况下，旅行社职工人数X 1对各省市旅游外汇收入Y 有显著性影响。 因为 t （β2）=3.378064≥t 0.025(29)=2.045229，所以拒绝原假设H 0：β2=0 表明在显著性水平α=0.05下，当其他解释变量不变的情况下，和国际旅游人数X 2对各省市旅游外汇收入Y 有显著性影响。 ⑶正对H O ：β1=β2=0，给定显著水性水平α=0.05，自由度为k-1=2,n-k=28的临界值 F 0.05（2,28）=3.34038。由题已知F=191.1894>F 0.05（2,28）=3.34038，应拒绝原假设 H O ：β1=β2=0，说明回归方程显著，即旅行社职工人数和旅游人数变量联合起来对各省市旅游外汇收入有显著影响。 2、⑴样本容量n=15 残差平方和RSS=66042-65965=77 回归平方和ESS 的自由度为K-1=2 残差平方和RSS 的自由度为n-k=13 ⑵可决系数R 2=TSS ESS =6604265965 =0.99883 调整的可决系数R 2=1-（1-R 2）k n n --1=1-（1-0.99883）1214=0.99863 ⑶利用可决系数R 2=0.99883，调整的可决系数R 2=0.99863，说明模型对样本的拟合很好。不能确定两个解释变量X 2和X 3个字对Y 都有显著影响。

计量经济学(第四版)习题及参考答案详细版

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。

计量经济学_庞皓_第三版(附答案)

第二章简单线性回归模型 2.1 （1）①首先分析人均寿命与人均GDP的数量关系，用Eviews分析：Dependent Variable: Y Method: Least Squares Date: 12/27/14 Time: 21:00 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001 R-squared 0.526082 Mean dependent var 62.50000 Adjusted R-squared 0.502386 S.D. dependent var 10.08889 S.E. of regression 7.116881 Akaike info criterion 6.849324 Sum squared resid 1013.000 Schwarz criterion 6.948510 Log likelihood -73.34257 Hannan-Quinn criter. 6.872689 F-statistic 22.20138 Durbin-Watson stat 0.629074 Prob(F-statistic) 0.000134 有上可知，关系式为y=56.64794+0.128360x1 ②关于人均寿命与成人识字率的关系，用Eviews分析如下：Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 21:10 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000 R-squared 0.716825 Mean dependent var 62.50000 Adjusted R-squared 0.702666 S.D. dependent var 10.08889 S.E. of regression 5.501306 Akaike info criterion 6.334356 Sum squared resid 605.2873 Schwarz criterion 6.433542 Log likelihood -67.67792 Hannan-Quinn criter. 6.357721 F-statistic 50.62761 Durbin-Watson stat 1.846406 Prob(F-statistic) 0.000001 由上可知，关系式为y=38.79424+0.331971x2 ③关于人均寿命与一岁儿童疫苗接种率的关系，用Eviews分析如下：

伍德里奇计量经济学第六版答案Appendix-E

271 APPENDIX E SOLUTIONS TO PROBLEMS E.1 This follows directly from partitioned matrix multiplication in Appendix D. Write X = 12n ?? ? ? ? ? ???x x x , X ' = (1'x 2'x n 'x ), and y = 12n ?? ? ? ? ? ??? y y y Therefore, X 'X = 1 n t t t ='∑x x and X 'y = 1 n t t t ='∑x y . An equivalent expression for ?β is ?β = 1 11n t t t n --=??' ???∑x x 11n t t t n y -=??' ??? ∑x which, when we plug in y t = x t β + u t for each t and do some algebra, can be written as ?β= β + 1 11n t t t n --=??' ???∑x x 11n t t t n u -=??' ??? ∑x . As shown in Section E.4, this expression is the basis for the asymptotic analysis of OLS using matrices. E.2 (i) Following the hint, we have SSR(b ) = (y – Xb )'(y – Xb ) = [?u + X (?β – b )]'[ ?u + X (?β – b )] = ?u '?u + ?u 'X (?β – b ) + (?β – b )'X '?u + (?β – b )'X 'X (?β – b ). But by the first order conditions for OLS, X '?u = 0, and so (X '?u )' = ?u 'X = 0. But then SSR(b ) = ?u '?u + (?β – b )'X 'X (?β – b ), which is what we wanted to show. (ii) If X has a rank k then X 'X is positive definite, which implies that (?β – b ) 'X 'X (?β – b ) > 0 for all b ≠ ?β . The term ?u '?u does not depend on b , and so SSR(b ) – SSR(?β) = (?β– b ) 'X 'X (?β – b ) > 0 for b ≠?β. E.3 (i) We use the placeholder feature of the OLS formulas. By definition, β = (Z 'Z )-1Z 'y = [(XA )' (XA )]-1(XA )'y = [A '(X 'X )A ]-1A 'X 'y = A -1(X 'X )-1(A ')-1A 'X 'y = A -1(X 'X )-1X 'y = A -1?β . (ii) By definition of the fitted values, ?t y = ?t x β and t y = t z β. Plugging z t and β into the second equation gives t y = (x t A )(A -1?β ) = ?t x β = ?t y . (iii) The estimated variance matrix from the regression of y and Z is 2σ(Z 'Z )-1 where 2σ is the error variance estimate from this regression. From part (ii), the fitted values from the two

计量经济学庞皓第三版课后答案解析

第二章 简单线性回归模型 2.1 （1） ①首先分析人均寿命与人均GDP 的数量关系，用Eviews 分析： Dependent Variable: Y Method: Least Squares Date: 12/27/14 Time: 21:00 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001 R-squared 0.526082 Mean dependent var 62.50000 Adjusted R-squared 0.502386 S.D. dependent var 10.08889 S.E. of regression 7.116881 Akaike info criterion 6.849324 Sum squared resid 1013.000 Schwarz criterion 6.948510 Log likelihood -73.34257 Hannan-Quinn criter. 6.872689 F-statistic 22.20138 Durbin-Watson stat 0.629074 Prob(F-statistic) 0.000134 有上可知，关系式为y=56.64794+0.128360x 1 ②关于人均寿命与成人识字率的关系，用Eviews 分析如下： Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 21:10 Sample: 1 22 Included observations: 22 Variable Coefficien t Std. Error t-Statistic Prob. C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000 R-squared 0.716825 Mean dependent var 62.50000 Adjusted R-squared 0.702666 S.D. dependent var 10.08889 S.E. of regression 5.501306 Akaike info criterion 6.334356 Sum squared resid 605.2873 Schwarz criterion 6.433542 Log likelihood -67.67792 Hannan-Quinn criter. 6.357721

伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-第二篇(第10~12章)【圣才出品】

第二篇时间序列数据的回归分析 第10章时间序列数据的基本回归分析 10.1 复习笔记 考点一：时间序列数据★★ 1．时间序列数据与横截面数据的区别 （1）时间序列数据集是按照时间顺序排列。 （2）时间序列数据与横截面数据被视为随机结果的原因不同。 （3）一个时间序列过程的所有可能的实现集，便相当于横截面分析中的总体。时间序列数据集的样本容量就是所观察变量的时期数。 2．时间序列模型的主要类型（见表10-1） 表10-1 时间序列模型的主要类型 考点二：经典假设下OLS的有限样本性质★★★★

1．高斯-马尔可夫定理假设（见表10-2） 表10-2 高斯-马尔可夫定理假设

2．OLS估计量的性质与高斯-马尔可夫定理（见表10-3）

表10-3 OLS估计量的性质与高斯-马尔可夫定理 3．经典线性模型假定下的推断 （1）假定TS.6（正态性） 假定误差u t独立于X，且具有独立同分布Normal（0，σ2）。该假定蕴涵了假定TS.3、TS.4和TS.5，但它更强，因为它还假定了独立性和正态性。 （2）定理10.5（正态抽样分布） 在时间序列的CLM假定TS.1～TS.6下，以X为条件，OLS估计量遵循正态分布。而且，在虚拟假设下，每个t统计量服从t分布，F统计量服从F分布，通常构造的置信区间也是确当的。 定理10.5意味着，当假定TS.1～TS.6成立时，横截面回归估计与推断的全部结论都可以直接应用到时间序列回归中。这样t统计量可以用来检验个别解释变量的统计显著性，F

统计量可以用来检验联合显著性。 考点三：时间序列的应用★★★★★ 1．函数形式、虚拟变量 除了常见的线性函数形式，其他函数形式也可以应用于时间序列中。最重要的是自然对数，在应用研究中经常出现具有恒定百分比效应的时间序列回归。虚拟变量也可以应用在时间序列的回归中，如某一期的数据出现系统差别时，可以采用虚拟变量的形式。 2．趋势和季节性 （1）描述有趋势的时间序列的方法（见表10-4） 表10-4 描述有趋势的时间序列的方法

伍德里奇---计量经济学第8章部分计算机习题详解(STATA)

班级：金融学×××班姓名：××学号：×××××××C8.1SLEEP75.RAW sleep=β0+β1totwork+β2educ+β3age+β4age2+β5yngkid+β6male+u 解：（ⅰ）写出一个模型，容许u的方差在男女之间有所不同。这个方差不应该取决于其他因素。 在sleep=β0+β1totwork+β2educ+β3age+β4age2+β5yngkid+β6male+u模型下，u方差要取决于性别，则可以写成：Var u︳totwork,educ,age,yngkid,male =Var u︳male =δ0+δ1male。所以，当方差在male=1时，即为男性时，结果为δ0+δ1；当为女性时，结果为δ0。 将sleep对totwork，educ，age，age2，yngkid和male进行回归，回归结果如下： （ⅱ）利用SLEEP75.RAW的数据估计异方差模型中的参数。u的估计方差对于男人和女人而言哪个更高？ 由截图可知：u2=189359.2?28849.63male+r

20546.36 (27296.36) 由于male 的系数为负，所以u 的估计方差对女性而言更大。 （ⅲ）u 的方差是否对男女而言有显著不同？ 因为male 的 t 统计量为?1.06，所以统计不显著，故u 的方差是否对男女而言并没有显著不同。 C8.2 HPRICE1.RAW price =β0+β1lotsize +β2sqrft +β3bdrms +u 解：（ⅰ）利用HPRICE 1.RAW 中的数据得到方程（8.17）的异方差—稳健的标准误。讨论其与通常的标准误之间是否存在任何重要差异。 ● 先进行一般回归，结果如下： ● 再进行稳健回归，结果如下： 由两个截图可得：price =?21.77+0.00207lotsize +0.123sqrft +13.85bdrms 29.48 0.00064 0.013 (9.01) 37.13 0.00122 0.018 [8.48] n = 88， R 2=0.672 比较稳健标准误和通常标准误，发现lotsize 的稳健标准误是通常下的2倍，使得 t 统计量相差较大。而sqrft 的稳健标准误也比通常的大，但相差不大，bdrms 的稳健标准误比通常的要小些。 （ⅱ）对方程（8.18）重复第（ⅰ）步操作。 n =706，R 2=0.0016

《计量经济学》第三版课后题答案

第一章绪论 参考重点： 计量经济学的一般建模过程 第一章课后题（1.4.5） 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？ 答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。 计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 4.建立与应用计量经济学模型的主要步骤有哪些？ 答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？ 答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 第二章经典单方程计量经济学模型：一元线性回归模型参考重点： 1.相关分析与回归分析的概念、联系以及区别？ 2.总体随机项与样本随机项的区别与联系？

第三章计量经济学练习题参考解答教学资料

第三章计量经济学练习题参考解答

第三章练习题参考解答 练习题 3.1为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t=(-3.066806) (6.652983) (3.378064) R 2=0.934331 92964.02=R F=191.1894 n=31 （1）从经济意义上考察估计模型的合理性。 （2）在5%显著性水平上，分别检验参数21,ββ的显著性。 （3）在5%显著性水平上，检验模型的整体显著性。 3.2根据下列数据试估计偏回归系数、标准误差，以及可决系数与修正的可决系数： 367.693Y =， 1402.760X =， 28.0X =， 15n =， 2()66042.269i Y Y -=∑， 211()84855.096i X X -=∑， 222()280.000i X X -=∑， 11()()74778.346i i Y Y X X --=∑， 22()()4250.900i i Y Y X X --=∑， 1122()()4796.000i i X X X X --=∑ 3.3 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：

(1) 建立家庭书刊消费的计量经济模型； （2）利用样本数据估计模型的参数； （3）检验户主受教育年数对家庭书刊消费是否有显著影响； （4）分析所估计模型的经济意义和作用 3.4 考虑以下“期望扩充菲利普斯曲线（Expectations-augmented Phillips curve ）”模型： t t t t u X X Y +++=33221βββ 其中：t Y =实际通货膨胀率（%）；t X 2=失业率（%）；t X 3=预期的通货膨胀率（%） 下表为某国的有关数据， 表1. 1970-1982年某国实际通货膨胀率Y (%)，

计学(第六版)第七章课后练习答案

第七章 课后练习答案 7.1 （1）已知：96.1%,951,25,40,52/05.0==-===z x n ασ。 样本均值的抽样标准差79.0405== = n x σ σ （2）边际误差55.140 5 96.12/=? ==n z E σ α 7.2 （1）已知：96.1%,951,120,49,152/05.0==-===z x n ασ。 样本均值的抽样标准差14.249 15== = n x σ σ （2）边际误差20.449 1596.12 /=? ==n z E σ α （3）由于总体标准差已知，所以总体均值μ的95%的置信区间为 20.412049 1596.11202 /±=? ±=±n z x σ α 即()2.124,8.115 7.3 已知：96.1%,951,104560,100,854142/05.0==-===z x n ασ。 由于总体标准差已知，所以总体均值μ的95%的置信区间为 144.16741104560100 8541496.11045602 /±=? ±=±n z x σ α 即)144.121301,856.87818( 7.4 （1）已知：645.1%,901,12,81,1002/1.0==-===z s x n α。 由于100=n 为大样本，所以总体均值μ的90%的置信区间为： 974.181100 12645.1812 /±=? ±=±n s z x α 即)974.82,026.79(

（2）已知：96.1%,951,12,81,1002/05.0==-===z s x n α。 由于100=n 为大样本，所以总体均值μ的95%的置信区间为： 352.281100 1296.1812 /±=? ±=±n s z x α 即)352.83,648.78( （3）已知：58.2%,991,12,81,1002/05.0==-===z s x n α。 由于100=n 为大样本，所以总体均值μ的99%的置信区间为： 096.381100 1258.2812 /±=? ±=±n s z x α 即)096.84,940.77( 7.5 （1）已知：96.1%,951,5.3,25,602/05.0==-===z x n ασ。 由于总体标准差已知，所以总体均值μ的95%的置信区间为： 89.02560 5.39 6.1252 /±=? ±=±n z x σ α 即)89.25,11.24( （2）已知：33.2%,981,89.23,6.119,752/02.0==-===z s x n α。 由于75=n 为大样本，所以总体均值μ的98%的置信区间为： 43.66.11975 89.2333.26.1192 /±=? ±=±n s z x α 即)03.126,17.113( （3）已知：645.1%,901,974.0,419.3,322/1.0==-===z s x n α。 由于32=n 为大样本，所以总体均值μ的90%的置信区间为： 283.0419.332 974.0645.1419.32 /±=? ±=±n s z x α 即)702.3,136.3(

第三章答案计量经济学

3.8表1中列出了1995年北京市规模最大的20家百货零售商店的商品销售收入X和销售利润Y的统计资料。 表格 1 （1）根据Y，X的相关图分析异方差性； （2）利用Goldfeld-Quandt检验，White检验，Park检验和Gleiser检验进行异方差性检验； （3）利用WLS方法估计利润函数. 答： (1)由相关图初步判断模型存在递增型异方差

（2）Goldfeld-Quandt检验 中间剔除的数据个数C=20/4=5 则样本1和样本2的样本数为(20-5)/2=7 操作步骤： Smpl 1 7 Ls y c x 得到RSS1=0.858264 Smpl 14 20 Ls y c x 得到RSS2=38.08500

Smpl 1 20 Genr f=38.08500/0.858264 得到：F=38.08500/0.858264=44.3745，大于)117,117(05.0----F =5.05，表明模型存在递增型异方差。 White 检验 操作步骤 LS Y C X 方程窗口下拉View\residual test\ White Heteroskedasticity Test nR 2=8.413667，其伴随概率为0.014893，小于给定的显著性水平α=0.05，拒绝原 假设，认为回归模型存在异方差。 Park 方法： 操作步骤 Ls y c x Genr lne2=log(resid^2) Genr lnx=log(x) Ls lne2 c lnx

①Ln(e 2t )=-7.6928+1.83936Ln(x t ) R 2=0.365421，F=10.36527，prob (F)=0.004754 Gleises 方法： 操作步骤 Ls y c x Genr e1=abs(resid) Ls e1 c x Ls e1 c x^(1/2) Ls e1 c x^2 ②t e =-0.03529+0.01992x t R 2=0.5022， F=18.15856，prob(F)=0.000047 ③t e =-1.25044+0.32653t X

伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-多元回归分析：推断【圣才出品】

第4章多元回归分析：推断 4.1复习笔记 考点一：OLS估计量的抽样分布★★★ 1．假定MLR.6（正态性） 假定总体误差项u独立于所有解释变量，且服从均值为零和方差为σ2的正态分布，即：u～Normal（0，σ2）。 对于横截面回归中的应用来说，假定MLR.1～MLR.6被称为经典线性模型假定。假定下对应的模型称为经典线性模型（CLM）。 2．用中心极限定理（CLT） 在样本量较大时，u近似服从于正态分布。正态分布的近似效果取决于u中包含多少因素以及因素分布的差异。 但是CLT的前提假定是所有不可观测的因素都以独立可加的方式影响Y。当u是关于不可观测因素的一个复杂函数时，CLT论证可能并不适用。 3．OLS估计量的正态抽样分布 定理4.1（正态抽样分布）：在CLM假定MLR.1～MLR.6下，以自变量的样本值为条件，有：∧βj～Normal（βj，Var（∧βj））。将正态分布函数标准化可得：（∧βj－βj）/sd（∧βj）～

Normal（0，1）。 注：∧β1，∧β2，…，∧βk的任何线性组合也都符合正态分布，且∧βj的任何一个子集也都具有一个联合正态分布。 考点二：单个总体参数检验：t检验★★★★ 1．总体回归函数 总体模型的形式为：y＝β0＋β1x1＋…＋βk x k＋u。假定该模型满足CLM假定，βj的OLS 量是无偏的。 2．定理4.2：标准化估计量的t分布 在CLM假定MLR.1～MLR.6下，（∧βj－βj）/se（∧βj）～t n－k－1，其中，k＋1是总体模型中未知参数的个数（即k个斜率参数和截距β0）。 t统计量服从t分布而不是标准正态分布的原因是se（∧βj）中的常数σ已经被随机变量∧σ所取代。t统计量的计算公式可写成标准正态随机变量（∧βj－βj）/sd（∧βj）与∧σ2/σ2的平方根之比，可以证明二者是独立的；而且（n－k－1）∧σ2/σ2～χ2n－k－1。于是根据t随机变量的定义，便得到此结论。 3．单个参数的检验（见表4-1） 表4-1单个参数的检验

计量经济学导论：现代观点第四版习题答案

DATA SET HANDBOOK Introductory Econometrics: A Modern Approach, 4e Jeffrey M. Wooldridge This document contains a listing of all data sets that are provided with the fourth edition of Introductory Econometrics: A Modern Approach. For each data set, I list its source (wherever possible), where it is used or mentioned in the text (if it is), and, in some cases, notes on how an instructor might use the data set to generate new homework exercises, exam problems, or term projects. In some cases, I suggest ways to improve the data sets. Special thanks to Edmund Wooldridge, who provided valuable assistance in updating the page numbers for the fourth edition. 401K.RAW Source:L.E. Papke (1995), “Participation in and Contributions to 401(k) Pension Plans: Evidence from Plan Data,”Journal of Human Resources 30, 311-325. Professor Papke kindly provided these data. She gathered them from the Internal Revenue Service’s Form 5500 tapes. Used in Text: pages 64, 80, 135-136, 173, 217, 685-686 Notes: This data set is used in a variety of ways in the text. One additional possibility is to investigate whether the coefficients from the regression of prate on mrate, log(totemp) differ by whether the plan is a sole plan. The Chow test (see Section 7.4), and the less restrictive version that allows different intercepts, can be used. 401KSUBS.RAW Source: A. Abadie (2003), “Semiparametric Instrumental Variable Estimation of Treatment Response Models,”Journal of Econometrics 113, 231-263. Professor Abadie kindly provided these data. He obtained them from the 1991 Survey of Income and Program Participation (SIPP). Used in Text: pages 165, 182, 222, 261, 279-280, 288, 298-299, 336, 542 Notes: This data set can also be used to illustrate the binary response models, probit and logit, in Chapter 17, where, say, pira (an indicator for having an individual retirement account) is the dependent variable, and e401k [the 401(k) eligibility indicator] is the key explanatory variable.

计量经济学第三章练习题及参考全部解答

第三章练习题及参考解答 为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t= R 2 = 92964.02 =R F= n=31 1)从经济意义上考察估计模型的合理性。 2)在5%显著性水平上，分别检验参数21,ββ的显著性。 3)在5%显著性水平上，检验模型的整体显著性。 练习题参考解答: (1)由模型估计结果可看出：从经济意义上说明，旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来，旅行社职工人数增加1人，旅游外汇收入将增加百万美元；国际旅游人数增加1万人次，旅游外汇收入增加百万美元。这与经济理论及经验符合，是合理的。 （2）取05.0=α ，查表得048.2)331(025.0=-t 因为3个参数t 统计量的绝对值均大于048.2)331(025.0=-t ，说明经t 检验3个参数均显著不为0，即旅行社职工人数 和国际旅游人数分别对旅游外汇收入都有显著影响。 （3）取05.0=α ，查表得34.3)28,2(05.0=F ，由于34.3)28,2(1894.19905.0=>=F F ，说明旅行社职工 人数和国际旅游人数联合起来对旅游外汇收入有显著影响，线性回归方程显著成立。 表给出了有两个解释变量 2X 和.3X 的回归模型方差分析的部分结果： 1）回归模型估计结果的样本容量n 、残差平方和RSS 、回归平方和ESS 与残差平方和RSS 的自由度各为多少 2）此模型的可决系数和调整的可决系数为多少 3）利用此结果能对模型的检验得出什么结论能否确定两个解释变量 2X 和.3X 各自对Y 都有显著影响 练习题参考解答: (1) 因为总变差的自由度为14=n-1，所以样本容量：n=14+1=15 因为 TSS=RSS+ESS 残差平方和RSS=TSS-ESS=66042-65965=77 回归平方和的自由度为：k-1=3-1=2 残差平方和RSS 的自由度为：n-k=15-3=12 （2）可决系数为：2 65965 0.99883466042 ES R TSS S = == 修正的可决系数：2 2 2115177 110.998615366042 i i e n R n k y --=- =-?=--∑∑ （3）这说明两个解释变量2X 和.3X 联合起来对被解释变量有很显著的影响，但是还不能确定两个解释变量2X 和.3X 各 自对Y 都有显著影响。

伍德里奇---计量经济学第6章部分计算机习题详解(STATA)

班级：金融学×××班姓名：××学号：×××××××C6.9 NBASAL.RAW points=β0+β1exper+β2exper2+β3age+β4coll+u 解：（ⅰ）按照通常的格式报告结果。 由上图可知：points=35.22+2.364exper?0.077exper2?1.074age?1.286coll 6.9870.4050.02350.295 (0.451) n=269，R2=0.1412，R2=0.1282。 （ⅱ）保持大学打球年数和年龄不变，从加盟的第几个年份开始，在NBA打球的经历实际上将降低每场得分？这讲得通吗？ 由上述估计方程可知，转折点是exper的系数与exper2系数的两倍之比：exper?= β12β2= 2.364[2×?0.077]=15.35，即从加盟的第15个到第16个年份之间，球员在NBA打球的经历实际上将降低每场得分。实际上，在模型所用的数据中，269名球员中只有2位的打球年数超过了15年，数据代表性不大，所以这个结果讲不通。 （ⅲ）为什么coll具有负系数，而且统计显著？ 一般情况下，NBA运动员的球员都会在读完大学之前被选拔出，甚至从高中选出，所以这些球员在大学打球的时间少，但每场得分却很高，所以coll具有负系数。同时，coll的t统计量为-2.85，所以coll统计显著。 （ⅳ）有必要在方程中增加age的二次项吗？控制exper和coll之后，这对年龄效应意味着什么？

增加age的二次项后，原估计模型变成： points=73.59+2.864exper?0.128exper2?3.984age+0.054age2?1.313coll 35.930.610.05 2.690.05 (0.45) n=269，R2=0.1451，R2=0.1288。 由方程可知：age的t统计量为?1.48，age2的t统计量为1.09，所以age和age的二次项统计都不显著，而当不增加age2时，age的t统计量为?3.64，统计显著，因此完全没有必要在方程中增加age的二次项。当控制了exper和coll之后，年龄对points的负效应将会增大。 （ⅴ）现在将log?(wage)对points，exper，exper2，age和coll回归。以通常的格式报告结论。 所以，log wage=6.78+0.078points+0.218exper?0.0071exper2?0.048age?0.040coll 0.850.0070.0500.00280.035 (0.053) n=269，R2=0.4878，R2=0.4781。 （ⅵ）在第（ⅴ）部分的回归中检验age和coll是否联合显著。一旦控制了生产力和资历，这对考察年龄和受教育程度是否对工资具有单独影响这个问题有何含义？