计量经济学---第三产业
中国第三产业增长值指数
影响因素分析
————计量经济学论文
专业名称：经济学
班级：经济121603班
学生姓名：武立婷
学号： 201216050329
指导老师：乔彬
二零一五年一月
摘要
第三产业是指除了第一，第二产业以外的其他企业，根据我国实际情况，可以分为流通部门和服务部门。第三产业不仅可以促进我国由农业社会向工业化的转化，而且还可以促进我国国民整体素质的提高，加快现代化的进程第三产业的发展水平，是衡量现代社会经济发达程度的重要标志，而众所周知，中国的第三产业发展与发达国家第三产业的发展水平仍存在巨大差距。本文旨在对影响中国第三产业的因素进行分析，希望能找出其因素，并针对它提出一些可行的建议。
关键词：第三产业；分析；建议
1 模型设立的背景及意义
1.1 设立模型的背景
第三产业是指除了第一，第二产业以外的其他企业，根据我国实际情况，可以分为流通部门和服务部门。包括交通运输业，邮电通讯业，商业，饮食业，金融保险业，教育，文化，广播电视业等等。范围极为广泛，基本上可以算是一种服务性产业。在我国，第三产业总体规模持续扩大，占GDP比重不断提高，对国民经济增长的贡献也越来越大，以成为吸纳劳动力就业的主要渠道；第三产业的发展不断促进我国经济结构的调整，同时期内部结构也进一步得到优化，不但传统的第三产业，如交通运输，邮电通信，饮食业等继续保持快速增长，一些新兴的第三产业如旅游，电子信息服务，贸易及房地产等部门也保持着迅猛地发展势头。它不仅能够多方面的满足人民生活的需要，提供广阔的就业门路，而且还以其特有的服务职能，促进第一，二产业的发展。因此，第三产业在社会经济格局中占有非常重要的地位。
在当今世界，第三产业的发展水平已成为衡量现代社会经济发达程度的重要标志。随着中国加入WTO，国内服务市场会引入更为激烈的国际竞争，这对于尚处于稚嫩阶段，总体竞争实力还很弱的我国第三产业的发展势必形成巨大的压力和挑战。我们必须了解到影响第三产业的因素所在，并以此为基础，提出一些好的建议供参考，使我国的第三产业在持续的增长的同时还能在竞争中立于不败之地，缩小同发达国家的差距。而且我国是一个人口大国，提高第三产业的发展水平也能在一定程度上解决劳动人口的就业压力。
1.2 模型设定的意义
首先，第三产业发展有利于增加地方财政收入和扩大就业。从地方财政收入看，工业经济以增值税为主，仅中央财政就拿走75%；第三产业则主要实行营业税制，其税收绝大部分留在地方，对地方财政收入的贡献最为直接。在就业方面，三产提供的就业岗位比重高、空间大。
其次，第三产业发展有利于促进可持续发展，降低单位GDP能耗，减轻环境污染。
第三，第三产业发展有利于促进社会和谐、提高人民生活质量。经济社会发展的根本目的是最大限度地满足社会物质文化需要。
当前，人民生活水平显著提高，消费需求从量的增加转向质的提高，从物质生活富足殷实延伸到精神生活丰富多彩，从单一化、大众化趋向多样化、个性化。人们期盼教育、文化、旅游、医疗保健、住房、出行条件等服务环境的改善。这种需求满足只能由三产来完成，三产的发展与人民群众的切身利益直接相关，是人们生存环境赖以提高的重要基础和条件。所以本文对影响中国第三产业的因素进行定量分析，希望能找到影响他的主要因素，为发展第三产业提供一些好的建议。
2 模型设定
2.1 影响因素分析
由于城镇居民人均收入水平的提高，第三产业就业人数等因素已开始或多或少影响我国第三产业的发展，所以本文选取了下列变量。
本文选用了2000年--2013年中国的第三产业增长值指数作为因变量Yi, 城镇居民人均可支配收入X1：随着城镇居民人均可支配收入的上升，在第三产业如旅游，电子信息服务等的花费应该会有所增加。
第三产业就业人数X2：在一定的情况下，从事第三产业的人数越多，能够推动的生产资料越多，所生产的服务产品就越多，第三产业应发展越快。
2.2 模型形式设计
将被解释变量中国第三产业增长值指数（Y ）与解释变量城镇居民人均可支配收入 （
1X ）和第三产业就业人数（2X ）进行线性回归：01122i i i i Y βββμ=+X +X +
3 数据收集
通过国家统计局网站查询，我以我国近十四年的数据为例进行分析。在Eviews软件中选择建立时间序列数据。
数据如下：
4 相关检验
4.1 建立回归模型
假定模型中随机项满足基本假定，用OLS法估计参数，估计结果如下
从表中的回归结果中可以看到：2
R =0.4511，调整之后的可决系数为0.3513，因此拟合优度相对来讲是比较低的，但是当α=0.05时，0.025t (11)=2.201,可知t >0.025t ,所以拒绝原假设，认为解释变量x1与x2对y 有显著影响。
1、利用OLS 进行回归时，得到： Y=77.2536-0.0009
1x +0.00192x u +
（13.8352） （0.0003） （0.0008） （5.5838） （-2.8221） （2.5352）
2
R
=0.4511 2
R =0.3513 F=4.5196 D.W=1.4830
五．异方差性检验以及修正
5.1检验异方差性5.1.1图像分析检验
5.1.2残差分析检验
5.1.3white检验
χ(5)=11.0705>nR2，所2
nR=14*0.1459=2.0426,取显著水平α=0.05由于20.05
以模型不存在异方差。
5.2异方差性修正
5.2.1、当W=W1=1/ABS(RESID)时，修正的模型为:
5.2.2、当W=W2=1/RESID^2时，修正的模型为:
六．自相关性检验以及修正6.1 自相关性检验
6.1.1 残差分析检验
6.1.2 偏相关系数检验
6.1.3、BG检验
nR=2.0426<自由度为1的xα的临界值，在显著性水平α=0.05时，通过计算2
所以接受原假设，即不存在高阶自相关性。
6.2自相关的修正
6.2.1广义差分法
输出结果表明,估计过程中经过38次迭代后收敛，AR(1)的回归估计值为0.3269，并且t检验结果显著，说明原模型却是存在一阶的自相关性，调整后模型D.W=1.7122。查表可得，此时模型不存在自相关性。模型消除了自相关的影响之后的型式是：
Y=86.3839-0.0008X1+0.0014X2
SE（22.0880）（0.0005）（0.0012）
（3.9109）（-1.5190） (1.2181)
2R =0.4862 D.W=1.7122
七、利用简单相关系数检验多重共线性 利用Eviews 软件，可以得到相关系数矩阵。 简单相关系数矩阵
由表可知研究的两个因素对我国第三产业增长值指数呈负相关，X1与X2 没有多重共线性
八、辅助回归方程检验（Y 与21,X X 分别做一元线性回归) Y 与1X 做一元线性回归:
Y 与x2作一元线性回归
辅助回归的有关统计量
由表可知给定显著性水平 =0.05，F 0.05（2,11）=3.98 ，而表中的F i 统计量值都小于3.98，说明不存在多重共线性；另外j VIF 都小于10，21R 22R 都小于0.9，同样说明X1与X2不存在多重共线性。 所以最终确定的模型为 Y=86.3839-0.0008X1+0.0014X2
结论及建议
依个人观点以及我国现在的国情，我认为城镇居民可支配收入以及第三产业就业人数均会促进我国的第三产业的发展，虽然第三产业增长率指数是波动的，但是我国第三产业总值一直在增长。但是由于第三产业增长率指数的波动，导致研究有些误差。
根据上述模型回归结果并结合我国国情，得出以下结论及建议：
在中国，现阶段要想发展第三产业，就要鼓励人们的消费。随着人们生活水平的不断提高，节假日外出旅游的人数将增多，这就需要有良好的运输网络，而且随着人们联系的日益紧密，邮电业也变得必不可少。因此我国必须尽快完善交通网，保护和管理好旅游区的环境，尽量吸引更多的外国游客。推动第三产业中的一些基础行业的发展来促进第三产业的发展；因为第三产业实际上还可以说是一个服务性的行业，所以可以增加许多就业岗位，不断发展新的服务领域，让越来越多的劳动者参与到第三产业中来，这样不但有利于转移农村剩余劳动力，加快我国的城市化速度，也能不断促进我国经济结构的优化。由于第三产业具有较强的就业吸纳能力，政府也可以加大补贴，进行一些免费培训等形式采取第三产业就业优惠政策，激发第三产业就业人员的积极性，在解决劳动力剩余的同时加快第三产业的发展速度，积极降低同发达国家的差距。
高级计量经济学绪论
第 1 章绪论 1.1 什么是计量经济学 “计量经济学”(Econometrics)是运用概率统计方法对经济变量之间的(因果)关系进行定量分析的科学。 计量经济学常不足以确定经济变量间的因果关系(由于实验数据的缺乏)； 多数实证分析正是要确定变量间的因果关系(X 是否导致Y)，而非仅仅是相关关系。
【例】看到街上人们带伞，可预测今天要下雨。这是相关关系；“人们带伞”并不造成“下雨”。 计量分析须建立在经济理论基础上。但即使有理论，因果关系依然不好分辨。 首先，可能存在“逆向因果”(reverse causality)。 【例】FDI 促进经济增长，但FDI 也可能被吸引到高增长地区。 其次，可能是被遗漏的第三个变量(Z)对这两个变量(X，Y)同时起作用。 2
图1.1 可能的因果关系 例：决定教育投资回报率(returns to schooling)的因素 =α+βS i+εi ln W i 其中，ln W (工资对数)为“被解释变量”(dependent variable)，S (教育年限)为“解释变量”(explanatory variable, regressor)，ε 为“随机扰动项”(stochastic disturbance)或“误差项”(error term)； 3
下标i 表示第i 个观测值(个体i)；α与β为待估参数。 用数据估计此一元回归会发现，工资与受教育年限显著正相关，而且教育投资回报率β还挺高。 但工资收入也与能力有关；能力无法观测，而能力高的人通常选择接受更多教育。教育的高回报率包含了对能力的回报。 影响工资收入的因素还可能包括工作经验、毕业学校、人种、性别、外貌等。 须尽可能多地引入“控制变量”(control variables)，即多元回归的方法，才能准确估计“感兴趣的参数”(parameters of interest)，即本例的教育投资回报率β。 4
计量经济学习题第2章-一元线性回归模型
第2章 一元线性回归模型 一、单项选择题 1、变量之间的关系可以分为两大类__________。 A 函数关系与相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、相关关系是指__________。 A 变量间的非独立关系 B 变量间的因果关系 C 变量间的函数关系 D 变量间不确定性的依存关系 3、进行相关分析时的两个变量__________。 A 都是随机变量 B 都不是随机变量 C 一个是随机变量，一个不是随机变量 D 随机的或非随机都可以 4、表示x 和y 之间真实线性关系的是__________。 A 01???t t Y X ββ=+ B 01()t t E Y X ββ=+ C 01t t t Y X u ββ=++ D 01t t Y X ββ=+ 5、参数β的估计量?β 具备有效性是指__________。 A ?var ()=0β B ?var ()β为最小 C ?()0β β－＝ D ?()ββ－为最小 6、对于01??i i i Y X e ββ=++，以σ?表示估计标准误差，Y ?表示回归值，则__________。 A i i ??0Y Y 0σ∑ ＝时，（－）＝ B 2 i i ??0Y Y σ∑＝时，（－）＝0 C i i ??0Y Y σ∑＝时，（－）为最小 D 2 i i ??0Y Y σ∑＝时，（－）为最小 7、设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，错误的是__________。 A ()() () i i 1 2 i X X Y -Y ?X X β--∑∑＝ B ()i i i i 1 2 2 i i n X Y -X Y ?n X -X β ∑∑∑∑∑＝ C i i 1 2 2 i X Y -nXY ?X -nX β ∑∑＝ D i i i i 1 2x n X Y -X Y ?β σ ∑∑∑＝ 8、对于i 01i i ??Y =X +e ββ+，以?σ表示估计标准误差，r 表示相关系数，则有__________。 A ?0r=1σ ＝时， B ?0r=-1σ ＝时， C ?0r=0σ ＝时， D ?0r=1r=-1σ ＝时，或 9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为?Y 356 1.5X -＝，这说明__________。 A 产量每增加一台，单位产品成本增加356元 B 产量每增加一台，单位产品成本减少1.5元 C 产量每增加一台，单位产品成本平均增加356元 D 产量每增加一台，单位产品成本平均减少1.5元
高级计量经济学知识点总结
1. 计量经济分析的步骤 2）建立计量经济模型。 ①确定模型包含的变量；②确定模型的数学形式；③拟定模型中待估计参数的理论期望值区间 3）收集数据。数据质量: 完整性、准确性、可比性、一致性 4）估计参数。参数估计为经济理论提供了实际经验的内容，并验证经济理论。 5）假设检验。①经济意义检验：根据拟定的符号、大小、关系②统计检验③计量经济学检验 ④模型预测检验 6）预测和政策分析。①结构分析②经济预测③政策评价④实证分析（理论检验与发展 经典线性回归模型 2.统计假设 ②E(ui uj)=0,③E(ut 2)=σ2④Xjt 是非随机量，⑤（K+1）< n; ⑥各解释变量之间不存在严格的线性关系。 2）A1. E(u)=0 A2. A3. X 是一个非随机元素矩阵 A4. Rank(X) = (K+1) < n 3.β的统计值及其分布 ~ 4.拟合优度（决定系数、修正决定系数） 使用修正决定系数原因：决定系数是一个与解释变量的个数有关的量，解释变量个数增加，RSS 减小，从而使R 2 增大。人们总是可以通过增加模型中解释变量的方法来增大 R2 的值。 5.假设检验 1）单个系数显著性检验 2）若干个系数的显著性检验（联合假设检验） ～t(n-k-1) ～F(g,n-k-1) 3）全部斜率系数为0的检验 4）检验其他形式的系数约束条件（同联合检验） ～F(g,n-k-1) 6. 回归结果的提供和分析： DW 检验值说明是否存在扰动项的自相关。 7. 斜率和截距都变动（分别检验β2和β4的显著性即可） n I u u E 2)(σ='?''-1β=(X X)X Y )6(??)5()()())((?2222X Y x y x X X n Y X Y X n X X Y Y X X t t t t t t t t t t t t βαβ-==--=---=∑∑∑∑∑∑∑∑∑β?),(22∑t x N σβ2?~(,)j j jj N c ββσ()TSS RSS TSS ESS R Y Y e R -==--==∑∑112222或总变差解释变差()∑∑-----=22)1()1(1Y Y K n e n ())1()1(1222-----=∑∑n Y Y K n e R 1)1)(1(12-----=K n R n /2?(1)j t n k αβ±--σ)?(?)?(?j j j j ββββVar Se t ==())1(---=K n S g S S F R )1()1(22---=K n R K R u DX X D Y u X D D Y ++++=++++=)()()(43214321ββββββββ即：
计量经济学习题及参考答案解析详细版
计量经济学（第四版）习题参考答案 潘省初
第一章 绪论 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 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。 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。 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 略，参考教材。
请用例中的数据求北京男生平均身高的99％置信区间 N S S x = = 4 5= 用 =，N-1=15个自由度查表得005.0t =，故99%置信限为 x S t X 005.0± =174±×=174± 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至厘米之间。 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 () 10/2510/25 X 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。 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?480/16 X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = < 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。
高级计量经济学复习精要
高级计量经济学复习精要 一、简答题（10分x 2）: （一）多重共线性问题：（主要看修正方法） 1、多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系 而使模型估计失真或难以估计准确。完全共线性的情况并不多见，一般岀现的是在一定程度上的 共线性，即近似共线性。 2、产生原因主要有3各方面：（1）经济变量相关的共同趋势；（2）滞后变量的引入；（3）样本资料的限制。 3、造成的后果：（1）完全共线性下参数估计量不存在；（ 2）近似共线性下 OLS估计量非有效；（3）参数估计量经济含义不合理；（ 4）变量的显着性检验失去意义；（ 5）模型的预测功能失效。 4、识别方法：（1）经验识别：对模型估计后，R1 2 3极高，多个变量不显着，出现与理论预期 相悖的情况，有理由怀疑存在多重共线性。（2）相关系数法：计算变量间两两相关系数。只要 其中一个大等于 0.6或0.7，则表明可能存在严重的共线性。（3）膨胀因子法：计算每个解释 变量的VIF，若某一个 VIF > 10,则表明存在严重的共线性。 5、修正方法［（※※※［根据潘老师讲课内容进行整理 共线性的修正方法有很多，按照优劣程度排序，主要有五种方法： 方法1:扩充样本以减弱共线性。主要通过增加自由度来提高精度，如将时序数据或截面数 据变为面板数据，从而将一维数据变为二维。 评价：这种方法最理想，但存在的缺点是：①效果不定；②不可行。 方法2：工具变量法（IV）。主要通过工具变量，运用两阶段最小二乘完成。 评价：这种方法目前最受欢迎，高质量的期刊论文通常都采用该方法。缺点是：①由于相关 关系具有传导性，工具变量S很难找；②用S替代X,有时经济正当性不足。 方法3:变量变换法。可以通过对数变换、绝对转相对和方程变换进行变量变换。 评价：这种方法最简单易行，但存在的缺点是：①简单相关系数描述的是线性关系，而对数 是非线性化过程；②功效不足；③不是所有变量都能用来做变换，必须有明确的经济学指代。 方法4:逐步回归法。主要是通过降维减少变量来减弱共线性。 评价：这种方法要慎用，最大的缺点是：虽然能很好地解决共线性问题，但是却引发了更严 重的内生性问题。 方法5:主成份分析法或因子分析法。具有降维的作用，主要用于多指标评价。 评价：该方法很好地消除了共线性。但这种方法要慎用，最大的缺点是：经济含义伤害过大。 （二）内生性问题 2内生性是指：模型中的解释变量与扰动项相关。通常我们做古典假设①；i为白噪声， _ 2 叮叮 E（；）=0，var （） =；- ，cov（j）=0 :②X是非随机变量（微观可以通过固定抽样得到 解决，宏观则不可），贝U cov （X, ）=0成立。但是当cov （X,'、丰0时上述假设便不再成立，我们称之为内生性，进而导致OLS失效，是非一致性的。 3 内生性产生的原因：①X与丫存在双向因果，即 X影响丫的同时，丫也影响X;如金融发展与经济增长；外商直接投资FDI与经济增长；犯罪率与警备投入。②模型遗漏重要解释变量。无论是缺失重要解释变量导致，还是无法获取数据导致，被遗漏的重要变量进入了残差项， 如果与其他解释变量相关，就会岀现 cov（U t,X t）工0,也就是内生性问题。③度量误差：由于关键变量的度量上存在误差，使其与真实值之间存在偏差，这种偏差可能会成为回归误差的一部分，
计量经济学第二章主要公式
第二章主要公式 资料地址：https://www.360docs.net/doc/f9442220.html,/jl 1、回归模型概述 （1）相关分析与回归分析 经济变量之间的关系：函数关系、相关关系 相关关系：单相关和复相关，完全相关、不完全相关和不相关，正相关与负相关，线性相关和负相关，线性相关和非线性相关。 相关分析： ——总体相关系数XY ρ= ——样本相关系数()() n i i XY X X Y Y r --= ∑ ——多个变量之间的相关程度可用复相关系数和偏相关系数度量 回归分析：相关关系 + 因果关系 （2）随机误差项：含有随机误差项是计量经济学模型与数理经济学模型的一大区别。 （3）总体回归模型 总体回归曲线：给定解释变量条件下被解释变量的期望轨迹。 总体回归函数：(|)()i i E Y X f X = 总体回归模型：(|)()i i i i i Y E Y X f X μμ=+=+ 线性总体回归模型：011,2,...,i i i Y X i n ββμ=++= （4）样本回归模型 样本回归曲线：根据样本回归函数得到的被解释变量的轨迹。 （线性）样本回归函数： 01???i i Y X ββ=+ （线性）样本回归模型：01???i i i Y X e ββ=++ 2、一元线性回归模型的参数估计 （1）基本假设 ① 解释变量：是确定性变量，不是随机变量 var()0i X = ② 随机误差项：零均值、同方差，在不同样本点之间独立，不存在序列相关等 ()01,2,...,i E i n μ== 2var()1,2,...,i i n μσ==
cov(,)0;,1,2,...,i j i j i j n μμ=≠= ③ 随机误差项与解释变量：不相关 cov(,)01,2,...,i i X i n μ== ④ （针对最大似然法和假设检验）随机误差项： 2~(0,)1,2,...,i N i n μσ= ⑤ 回归模型正确设定。 【前四条为线性回归模型的古典假设，即高斯假设。满足古典假设的线性回归模型称为古典线性回归模型。】 （2）参数的普通最小二乘估计（OLS ） 目标：21 min n i i e =∑ 对于一元线性回归模型：011,2,...,i i i Y X i n ββμ=++= 正规方程组： 011 011 ?? 2[()]0??2[()]0n i i i n i i i i Y X X Y X ββββ==?--+=????--+=??∑∑ 解得： 011 112 211??()()?()n n i i i i i i n n i i i i Y X X X Y Y x y X X x βββ====?=-???--?==??-?? ∑∑∑∑ （3）最大似然估计（ML ） 对于一元线性回归模型：011,2,...,i i i Y X i n ββμ=++= 重要的基本假设： 2~(0,)1,2,...,cov(,)0;,1,2,...,var()01,2,...,i i j i N i n i j i j n X i n μσμμ?=? =≠=?? ==? 得到：2 01~(,)1,2,...,i i Y N X i n ββσ+= 【且cov(,)0;,1,2,...,i j Y Y i j i j n =≠=，这个对最大似然法的估计很重要】 则目标：12,,...,n Y Y Y 的联合概率密度最大，即
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
2019年高级计量经济学考试
高级计量经济学考试 一、单选题（25 *2分） 1. Which of the following correctly identifies a difference between cross-sectional data and time series data? a. Cross-sectional data is based on temporal ordering, whereas time series data is not. b. Time series data is based on temporal ordering, whereas cross sectional data is not. c. Cross-sectional data consists of only qualitative variables, whereas time series data consists of only quantitative variables. d. Time series data consists of only qualitative variables, whereas cross-sectional data does not include qualitative variables. 2. A stochastic process refers to a: a. sequence of random variables indexed by time. b. sequence of variables that can take fixed qualitative values. c. sequence of random variables that can take binary values only. d. sequence of random variables estimated at the same point of tim e. 3. The model: yt = β0 +β1ct +μ , t = 1,2,……., n is an example of a(n): a. Autoregressive conditional heteroskedasticity model. b. static model. c. finite distributed lag model. d. infinite distributed lag model. 4. Refer to the following model yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μt This is an example of a(n): a. infinite distributed lag model. b. finite distributed lag model of order 1. c. finite distributed lag model of order 2. d. finite distributed lag model of order 3. 5. Refer to the following model. yt = α0 +β0st +β1st?1 +β2st?2 +β3st?3 +μtβ0+ β1 + β2 + β3 represents: a. the short-run change in y given a temporary increase in s. b. the short-run change in y given a permanent increase in s. c. the long-run change in y given a permanent increase in s. d. the long-run change in y given a temporary increase in s. 6. Which of the following is an assumption on which time series regression is based? a. A time series process follows a model that is nonlinear in parameters. b. In a time series process, no independent variable is a perfect linear combination of the others. c. In a time series process, at least one independent variable is a constant. d. For each time period, the expected value of the error ut, given the explanatory variables for all time periods, is positiv e.
计量经济学(硕士)《高级计量经济学(I)》课程试卷(B卷)
1.（15%）对矩阵形式的多元线性回归模型 21111122222211,,,1k k n n kn k n X X Y X X Y X X βεβεβε=+???????? ? ? ? ? ? ? ?==== ? ? ? ? ? ? ? ????????? Y X βε Y X βε （1）简述该模型满足的经典假设，并利用OLS 法求出该模型回归参数的估计量?β （用矩阵形式表示）； （2）证明在经典假设下，OLS 估计量是无偏的，即?()E =β β； （3）在经典假设下，证明21??cov(,)()σ-'=β βX X 。 2.（15%）根据某省1995年18个纺织企业的产值y （千元）、职工人数l （人）和资产数额k （千元）的资料，欲建立柯布—道格拉斯生产函数：i i i i y Al k e ε αβ=。将此生产函数的两边取对数，可将其化为线性模型ln ln ln ln i i i i y A l k αβε=+++，记 1112221818 18ln 1ln ln ln ln 1ln ln ,,ln 1ln ln y l k A y l k y l k αβ????????????????===??????????????????Y X b ， 而且ln 194,ln 141,ln 195i i i y l k ===∑∑∑，2111'=Y Y ， 181411951411104152919515292122????'=??????X X ，19415262114????'=?????? X Y ，()138.478.31 2.458.31 1.360.212.450.210.07---????'=-????--??X X （1）用OLS 法对其参数向量b 进行估计。 （2）估计随机干扰项i ε的方差2σ，即求2 ?σ。 （3）计算?()Var α 、?()Var β的估计值。 （4）计算线性模型的判定系数2R 、调整后的判定系数2R 和F 统计量。 （5）在显著性水平0.05下， 对α、β进行显著性t 检验（已知0.025(15) 2.13t =）。
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
高级计量经济学练习试题精编版63137
第一讲作业题 为分析不同州的公共教育支出花费在学生身上的教育经费，估计了如下的回归方程： 式中，S代表第i个州花费在每个公立学校学生身上的教育经费；Y代表第i个州的资本收入；G代表第i个州公立学校学生的增长率。 1A 说明变量Y与变量G的参数估计值的经济意义。 作业题2 1B 你预期变量Y和G的参数符号各是什么请说明理由。估计结果与你的预期一致吗 作业题3 1C 变量G是用小数来衡量的，因此，当一个州的招生人数增加了10%时，G等于。如果变量G用百分比的形式来衡量，那么当一个州的招生人数增加了10%时，G等于10。此时，方程的参数估计值会如何变化（文字说明即可） 作业题4 Jaime Diaz发表在《体育画报》上的一篇论文研究了美国职业高尔夫球协会（PGA）巡回赛中不同距离的推杆次数。论文中建立了推杆进洞次数百分比（P）关于推杆距离（L，英尺）的关系式。推杆距离越长，进洞的可能性越小。可以预测，L的参数估计值为负。回归方程如下： 2A 说明L的参数估计值的经济意义。 作业题5 2B 利用该方程估计一个PGA高尔夫球员10英尺推杆进球的次数百分比。再分别估计1英尺和25英尺的情况。结果是否符合现实 作业题6 2C 上一题的答案说明回归分析时存在什么问题 第二讲作业题 作业题1 1 查尔斯·拉弗（Charles Lave）发表了一篇驾驶员交通事故率的研究报告。他的总体结论是驾驶速度的方差（同一公路上汽车驾驶速度差异的程度）是交通事故率的重要决定因素。在他的分析中，采用两年的全美数据分别估计，得出的回归方程为： 第一年： 第二年：
式中，代表第i个州州际公路上的交通事故数量（单位：车辆每行驶一亿英里的交通事故数）；代表一个不确定的估计截距；代表第i个州的驾驶速度的方差；代表第i个州每名驾驶员的平均罚单数量；代表第i个州内每平方英里医院的数量。 1a.考察变量的理论依据，给出其参数符号的预期。 作业题2 1b.这两年的参数估计的差异是否值得重视请说出你的理由。在什么情况下，应该关注这些差异呢 作业题3 1c.通过比较两个方程的调整的判定系数，哪一个方程具有更高的判定系数调整的判定系数越高，回归方程越好吗为什么 作业题4 假定你决定建一个离你学校最近的冷冻酸奶商店的销售量模型。店主很乐意帮助收集数据，因为她相信你们学校的学生是她的主要顾客。经过长时间的数据收集以及无限量的冷冻酸奶供给之后，你估计得到以下回归方程： 式中，代表第t个两周内冷冻酸奶的销售总量；代表t期的平均温度（单 位：华氏温度）；代表t期该商店冷冻酸奶价格（单位：美元）；代表反 映是否在学校报纸发布广告的虚拟变量（1=店主在学校报纸上做了广告）； 代表反映是否为学校学期时间的虚拟变量（1=t期是学校学期时间，即9月初到12月初、1月初到5月底）。 2a.为什么要假定“无限量的冷冻酸奶供给”（提示：考虑模型是否满足经典假设） 作业题5 2b.说明变量和变量的参数估计值的经济含义。
2005级硕士生《计量经济学I》B
要求：1－4题必做；5－10题选做五道题完成。 1．（10%）利用1988~1996的年度数据和OLS估计方法得到如下回归方程： t t t t X X X Y 3 2 1 408 .0 18 .4 125 .0 64 .2 ?+ - + = (3.4) (0.005) (2.64) (0.15) 括号里的数字是标准差，回归平方和是131.52，残差平方和是17.84。 1）检验各解释变量的显著性； 2）计算F统计量，并检验3个解释变量的总体显著性。（上述每一检验均要求写出零假设和相应的备择假设，5% α=， 0.025 (5) 2.571 t=， 0.05 (3,5) 5.41 F=） 2．（10%）对矩阵形式的多元线性回归模型 =+ Y Xβε 其中 21311 111 22322 222 23 1 1 1 k k n n kn n k n X X X Y X X X Y X X X Y βε βε βε ?? ?????? ? ? ? ? ? ? ? ? ==== ? ? ? ? ? ? ? ? ? ?????? ?? Y Xβε 1）叙述模型满足的经典假设。 2）在模型满足经典假设的情形下，证明它的OLS估计量的方差为：21 ?()() Varσ- ' = βX X，这里2 ()1,2,, i Var i n εσ == 。 3．（12%）假定有以下宏观经济模型： 其中， t C是消费， t Y是国内生产总值， t I是投资， t G是政府购买支出。 1) 指出模型中的内生变量，外生变量和前定变量； 2）将结构方程化为简化式方程； 3) 考察各方程的识别问题（要求给出详细的识别步骤）。 21 231222 1 t t t t t t t t t t t C Y u I Y Y u Y C I G α ββαβ - =+ ? ? =+++≠ ? ?=++ ?
计量经济学习题及答案
第一章绪论 一、填空题： 1．计量经济学是以揭示经济活动中客观存在的__________为内容的分支学科，挪威经济学家弗里希，将计量经济学定义为__________、__________、__________三者的结合。 2．数理经济模型揭示经济活动中各个因素之间的__________关系，用__________性的数学方程加以描述，计量经济模型揭示经济活动中各因素之间__________的关系，用__________性的数学方程加以描述。 3．经济数学模型是用__________描述经济活动。 4．计量经济学根据研究对象和内容侧重面不同，可以分为__________计量经济学和__________计量经济学。 5．计量经济学模型包括__________和__________两大类。 6．建模过程中理论模型的设计主要包括三部分工作，即__________、____________________、____________________。 7．确定理论模型中所包含的变量，主要指确定__________。 8．可以作为解释变量的几类变量有__________变量、__________变量、__________变量和__________变量。 9．选择模型数学形式的主要依据是__________。 10．研究经济问题时，一般要处理三种类型的数据：__________数据、__________数据和__________数据。 11．样本数据的质量包括四个方面__________、__________、__________、__________。 12．模型参数的估计包括__________、__________和软件的应用等内容。 13．计量经济学模型用于预测前必须通过的检验分别是__________检验、__________检验、__________检验和__________检验。 14．计量经济模型的计量经济检验通常包括随机误差项的__________检验、__________检验、解释变量的__________检验。 15．计量经济学模型的应用可以概括为四个方面，即__________、__________、__________、__________。 16．结构分析所采用的主要方法是__________、__________和__________。 二、单选题： 1．计量经济学是一门（）学科。 A.数学 B.经济
计量经济学-案例分析-第二章
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
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(