计量经济学第七章第5,6,7题答案
计量经济学第三版庞浩第七章习题答案
第七章习题（1） 1)PCE=+ 2)PCE=++(2)模型一MPC=;模型二短期MPC=，长期MPC=(1+=(1) 令 2104210321022101001649342α＋α＋＝αβα＋α＋＝αβα＋α＋＝αβ＋α＋α＝αβ＝αβ模型变形为i t u Z Z Z Y ＋＋α＋α＝α＋α2t 21t 10t 0其中4-t 3-t 2-t 1-t 2t 4-t 3-t 2-t 1-t 1t 4-t 3-t 2-t 1-t t 0t 1694432X X X X Z X X X X Z X X X X X Z ＋＋＋＝＋＋＋＝＋＋＋＋＝可得11833.0-17917.0-3123.0-3255.0891012.043210＝β＝β＝β＝β＝β,所以4-t 3-t 2-t 1-t t 11833.0-17917.0-3123.0- 3255.0891012.049234.35-X X X X X Y t ＋＋＝（1）估计t t u Y X Y *1-t 1*t 0**+＋β＋β＝α1）根据局部调整模型的参数关系，有δαα=*,δββ=*,δβ-1=1*,t t u u δ=* 将估计结果带入可得：728324.0=271676.0-1=-1=1*βδ局部调整模型估计结果为：t *864001.0738064.20X Y t ＋＝2）经济意义：销售额每增加1亿元，未来预期最佳新增固定资产投资增加亿元。
3）运用德宾h 检验一阶自相关：在显着水平下，临界值 1.96=h 2α，因为h=＜ 1.96=h 2α，接受原假设，模型不存在一阶自相关性。
（2）做对数变换得到模型：t t u X Y +ln ln ln t *α＋β＝ 在局部调整假定下，估计一阶自回归模型1）根据局部调整模型的参数关系，有αδαln =ln *,δββ=*0,δβ-1=1* 将估计结果带入可得：739967.0=260033.0-1=-1=1*βδ局部调整模型估计结果为：t *ln 22238.145688.1-ln X Y t ＋＝2）经济意义：销售额每增加1%，未来预期最佳新增固定资产投资增加% 3）运用德宾h 检验一阶自相关：在显着水平下，临界值 1.96=h 2α，因为h=＜ 1.96=h 2α，接受原假设，模型不存在一阶自相关性。
计量经济学 第七章答案
练习题7.1参考解答（1）先用第一个模型回归，结果如下：22216.4269 1.008106 t=(-6.619723) (67.0592)R 0.996455 R 0.996233 DW=1.366654 F=4496.936PCE PDI =-+==利用第二个模型进行回归，结果如下：122233.27360.9823820.037158 t=(-5.120436) (6.970817) (0.257997)R 0.996542 R 0.996048 DW=1.570195 F=2017.064t t t PCE PDI PCE -=-++==（2)从模型一得到MPC=1.；从模型二得到，短期MPC=0.，长期MPC= 0.+(0.)=1.01954练习题7.2参考答案（1）在局部调整假定下，先估计如下形式的一阶自回归模型：*1*1*0*tt ttu Y X Y +++=-ββα估计结果如下：122ˆ15.104030.6292730.271676 se=(4.72945) (0.097819) (0.114858)t= (-3.193613) (6.433031) (2.365315)R =0.987125 R =0.985695 F=690.0561 DW=1.518595t t t Y X Y -=-++根据局部调整模型的参数关系，有****11 ttu u αδαβδββδδ===-=将上述估计结果代入得到： *1110.2716760.728324δβ=-=-=*20.738064ααδ==-*0.864001ββδ==故局部调整模型估计结果为： *ˆ20.7380640.864001ttYX =-+ 经济意义解释：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.亿元。
运用德宾h 检验一阶自相关：(121(1 1.34022d h =-=-⨯=在显著性水平05.0=α上，查标准正态分布表得临界值21.96h α=，由于21.3402 1.96h h α=<=，则接收原假设0=ρ，说明自回归模型不存在一阶自相关。
计量经济学课后习题答案
计量经济学练习题第一章导论一、单项选择题⒈计量经济研究中常用的数据主要有两类：一类是时间序列数据，另一类是【 B 】A 总量数据B 横截面数据C平均数据 D 相对数据⒉横截面数据是指【 A 】A 同一时点上不同统计单位相同统计指标组成的数据B 同一时点上相同统计单位相同统计指标组成的数据C 同一时点上相同统计单位不同统计指标组成的数据D 同一时点上不同统计单位不同统计指标组成的数据⒊下面属于截面数据的是【 D 】A 1991-2003年各年某地区20个乡镇的平均工业产值B 1991-2003年各年某地区20个乡镇的各镇工业产值C 某年某地区20个乡镇工业产值的合计数D 某年某地区20个乡镇各镇工业产值⒋同一统计指标按时间顺序记录的数据列称为【 B 】A 横截面数据B 时间序列数据C 修匀数据 D原始数据⒌回归分析中定义【 B 】A 解释变量和被解释变量都是随机变量B 解释变量为非随机变量，被解释变量为随机变量C 解释变量和被解释变量都是非随机变量D 解释变量为随机变量，被解释变量为非随机变量二、填空题⒈计量经济学是经济学的一个分支学科，是对经济问题进行定量实证研究的技术、方法和相关理论，可以理解为数学、统计学和_经济学_三者的结合。
⒉现代计量经济学已经形成了包括单方程回归分析，联立方程组模型，时间序列分析三大支柱。
⒊经典计量经济学的最基本方法是回归分析。
计量经济分析的基本步骤是：理论（或假说）陈述、建立计量经济模型、收集数据、计量经济模型参数的估计、检验和模型修正、预测和政策分析。
⒋常用的三类样本数据是截面数据、时间序列数据和面板数据。
⒌经济变量间的关系有不相关关系、相关关系、因果关系、相互影响关系和恒等关系。
三、简答题⒈什么是计量经济学它与统计学的关系是怎样的计量经济学就是对经济规律进行数量实证研究，包括预测、检验等多方面的工作。
计量经济学是一种定量分析，是以解释经济活动中客观存在的数量关系为内容的一门经济学学科。
计量课后习题第七章答案
习题解释概念（1）分类变量 （2）定量变量 （3）虚拟变量 （ 4）虚拟变量陷阱 （5）交互项（6）结构不稳定 （7）经季节调整后的时间序列答：（1）分类变量：在回归模型中，我们对具有某种特征或条件的情形赋值1，不具有某种特征或条件的情形赋值0，这样便定义了一个变量D ：1,0,D ⎧=⎨⎩具有某种特征不具有某种特征我们称这样的变量为分类变量。
（2）具有数值特征的变量，如工资、工作年数、受教育年数等，这些变量就称为定量变量。
（3）在回归模型中，我们对具有某种特征或条件的情形赋值1，不具有某种特征或条件的情形赋值0，这样便定义了一个变量D ：1,0,D ⎧=⎨⎩具有某种特征不具有某种特征我们称这样的变量为虚拟变量（dummy variable ）。
（4）虚拟变量陷阱是指回归方程包含了所有类别（特征）对应的虚拟变量以及截距项，从而导致了完全共线性问题。
（5）交互项是指虚拟变量与定量变量相乘，或者两个定量变量相乘或是两个虚拟变量相乘，甚至更复杂的形式。
比如模型：12345i i i i i i i household lwage female married female married u βββββ=++++⋅+female married ⋅就是交互项。
（6）如果利用不同的样本数据估计同一形式的计量模型，可能会得到1β、2β不同的估计结果。
如果估计的参数之间存在着显著性差异，就称为模型结构不稳定。
（7）一些重要的经济时间序列，如果是受到季节性因素影响的数据，利用季节虚拟变量或者其他方法将其中的季节成分去除，这一过程被称为经季节调整的时间序列。
如果你有连续几年的月度数据，为检验以下假设，需要引入多少个虚拟变量如何设定这些虚拟变量（1）一年中的每一个月份都表现出受季节因素影响；（2）只有2、7、8月表现出受季节因素影响。
答：（1）对于一年中的每个月份都受季节因素影响这一假设，需要引入三个虚拟变量。
分别定义2D 、3D 、4D 如下：21,0,D ⎧=⎨⎩如果为夏季如果不为夏季 31,0,D ⎧=⎨⎩如果为秋季如果不为秋季 41,0,D ⎧=⎨⎩如果为冬季如果不为冬季（2）如果只有2、7、8月表现出受季节因素影响，则只需要引入一个虚拟变量。
计量经济学第七章练习题及参考答案
第七章练习题及参考答案7.1 表7.11中给出了1970-1987年期间美国的个人消费支出(PCE)和个人可支配收入(PDI)数据，所有数字的单位都是10亿美元(1982年的美元价)。
表7.11 1970-1987年美国个人消费支出(PCE)和个人可支配收入(PDI)数据估计下列模型：tt t t tt t PCE B PDI B B PCE PDI A A PCE υμ+++=++=-132121(1) 解释这两个回归模型的结果。
(2) 短期和长期边际消费倾向（MPC ）是多少？练习题7.1参考解答:1）第一个模型回归的估计结果如下，Dependent Variable: PCEMethod: Least Squares Date: 07/27/05 Time: 21:41 Sample: 1970 1987 Included observations: 18Variable Coefficient Std. Error t-StatisticProb. C -216.4269 32.69425 -6.619723 0.0000 PDI 1.008106 0.015033 67.05920 0.0000 R-squared 0.996455 Mean dependent var1955.606 Adjusted R-squared 0.996233 S.D. dependent var 307.7170 S.E. of regression 18.88628 Akaike info criterion 8.819188 Sum squared resid 5707.065 Schwarz criterion 8.918118 Log likelihood -77.37269 F-statistic 4496.936 Durbin-Watson stat 1.366654 Prob(F-statistic)0.000000回归方程：ˆ216.4269 1.008106t tPCE PDI =-+（32．69425） （0.015033） t =（-6.619723） （67.05920） 2R =0.996455 F=4496.936 第二个模型回归的估计结果如下，Dependent Variable: PCEMethod: Least Squares Date: 07/27/05 Time: 21:51 Sample (adjusted): 1971 1987 Included observations: 17 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.C -233.2736 45.55736 -5.120436 0.0002 PDI 0.982382 0.140928 6.970817 0.0000 PCE(-1) 0.037158 0.144026 0.2579970.8002R-squared 0.996542 Mean dependent var 1982.876 Adjusted R-squared 0.996048 S.D. dependent var 293.9125 S.E. of regression 18.47783 Akaike info criterion 8.829805 Sum squared resid 4780.022 Schwarz criterion 8.976843 Log likelihood -72.05335 F-statistic 2017.064 Durbin-Watson stat 1.570195 Prob(F-statistic)0.000000回归方程：1ˆ233.27360.98240.0372t t t PCE PDI PCE -=-+- （45.557） （0.1409） （0.1440）t = （-5.120） （6.9708） （0.258） 2R =0.9965 F=2017.0642）从模型一得到MPC=1.008；从模型二得到，短期MPC=0.9824，由于模型二为自回归模型，要先转换为分布滞后模型才能得到长期边际消费倾向，我们可以从库伊克变换倒推得到长期MPC=0.9824/（1+0.0372）=0.9472。
计量经济学第二版课后习题答案1-8章 - 编辑版
练习题2.1 参考解答:计算中国货币供应量(以货币与准货币M2表示)与国内生产总值(GDP)的相关系数为:计算方法: XY n X Y X Y r -=或,()()X Y X X Y Y r --=计算结果:M2GDPM2 10.996426148646GDP0.9964261486461经济意义: 这说明中国货币供应量与国内生产总值(GDP)的线性相关系数为0.996426,线性相关程度相当高。
练习题2.2参考解答美国软饮料公司的广告费用X 与销售数量Y 的散点图为说明美国软饮料公司的广告费用X 与销售数量Y 正线性相关。
相关系数为：说明美国软饮料公司的广告费用X 与销售数量Y 的正相关程度相当高。
若以销售数量Y 为被解释变量,以广告费用X 为解释变量,可建立线性回归模型 i i i u X Y ++=21ββ 利用EViews 估计其参数结果为经t 检验表明, 广告费用X 对美国软饮料公司的销售数量Y 确有显著影响。
回归结果表明，广告费用X 每增加1百万美元, 平均说来软饮料公司的销售数量将增加14.40359(百万箱)。
练习题2.3参考解答: 1、 建立深圳地方预算内财政收入对GDP 的回归模型，建立EViews 文件，利用地方预算内财政收入（Y ）和GDP 的数据表，作散点图可看出地方预算内财政收入（Y ）和GDP 的关系近似直线关系，可建立线性回归模型： t t t u GDP Y ++=21ββ 利用EViews 估计其参数结果为即 ˆ20.46110.0850t tY GDP =+ （9.8674） (0.0033)t=(2.0736) (26.1038) R 2=0.9771 F=681.4064经检验说明,深圳市的GDP 对地方财政收入确有显著影响。
20.9771R =，说明GDP 解释了地方财政收入变动的近98%，模型拟合程度较好。
模型说明当GDP 每增长1亿元时，平均说来地方财政收入将增长0.0850亿元。
计量课后习题第七章答案
习题7.1 解释概念（1）分类变量 （2）定量变量 （3）虚拟变量 （ 4）虚拟变量陷阱 （5）交互项（6）结构不稳定 （7）经季节调整后的时间序列答：（1）分类变量：在回归模型中，我们对具有某种特征或条件的情形赋值1，不具有某种特征或条件的情形赋值0，这样便定义了一个变量D ：1,0,D ⎧=⎨⎩具有某种特征不具有某种特征我们称这样的变量为分类变量。
（2）具有数值特征的变量，如工资、工作年数、受教育年数等，这些变量就称为定量变量。
（3）在回归模型中，我们对具有某种特征或条件的情形赋值1，不具有某种特征或条件的情形赋值0，这样便定义了一个变量D ：1,0,D ⎧=⎨⎩具有某种特征不具有某种特征 我们称这样的变量为虚拟变量（dummy variable ）。
（4）虚拟变量陷阱是指回归方程包含了所有类别（特征）对应的虚拟变量以及截距项，从而导致了完全共线性问题。
（5）交互项是指虚拟变量与定量变量相乘，或者两个定量变量相乘或是两个虚拟变量相乘，甚至更复杂的形式。
比如模型：12345i i i i i i i household lwage female married female married u βββββ=++++⋅+female married ⋅就是交互项。
（6）如果利用不同的样本数据估计同一形式的计量模型，可能会得到1β、2β不同的估计结果。
如果估计的参数之间存在着显著性差异，就称为模型结构不稳定。
（7）一些重要的经济时间序列，如果是受到季节性因素影响的数据，利用季节虚拟变量或者其他方法将其中的季节成分去除，这一过程被称为经季节调整的时间序列。
7.2 如果你有连续几年的月度数据，为检验以下假设，需要引入多少个虚拟变量？如何设定这些虚拟变量？（1）一年中的每一个月份都表现出受季节因素影响；（2）只有2、7、8月表现出受季节因素影响。
答：（1）对于一年中的每个月份都受季节因素影响这一假设，需要引入三个虚拟变量。
庞皓计量经济学课后答案第七章
统计学2班第六次作业1、⑴①模型一：t t t PDI A A PCE μ++=21t tPDI E C P 008106.14269.216ˆ+-= t （-6.619723）（67.05920）996455.02=R F=4496.936 DW=1.366654美国个人消费支出受个人可支配收入影响，通过回归可知，个人可支配收入PDI 每增加一个单位，个人消费支出平均增加1.008106个单位。
②模型二：t t t t PCE B PDI B B PCE υ+++=-13211037158.0982382.02736.233ˆ-++-=t t tPCE PDI E C P T （-5.120436）（6.970817） （0.257997）996542.02=R F=2017.064 DW=1.570195美国个人消费支出PCE 不仅受当期个人可支配收入PDI 影响，还受滞后一期个人消费支出PCE t-1自身影响。
⑵从模型一得MPC=1.008106从模型二可得短期MPC=0.982382.从库伊特模型)()1(110---+++-=t t t t t Y X Y λμμλβλα可得1-t P E C 为λ的系数即037158.0=λ因为，长期MPC 即长期乘数为：∑=si iβ，根据库伊特模型)10(0<<=λλββi i ，。
当s →∞时，λβλλβλβλβλβββββ-=--==+++=++=∞∞=∞=∑∑111 (001)02210100i ii i所以长期MPC=02023.1037158.01982382.0=-=MPC2、Y ：固定资产投资 X ：销售额⑴ 设定模型为：t t t X Y μβα++=*，*t Y 为被解释变量的预期最佳值运用局部调整假定，模型转换为：*1*1*0*t t t t Y X Y μββα+++=- 其中：t t δμμδβδββδαα=-===**1*0*,1,,1271676.0629273.010403.15ˆ-++-=t t tY X Y T （-3.193613） （6.433031） （2.365315）987125.02=R F=690.0561 DW=1.518595t t δμμδβδββδαα=-===**1*0*,1,, ，728324.0271676.011*1=-=-=βδ7381.20728324.010403.15*-=-==δαα，864.0728324.0629273.0*0===δββ∴局部调整模型估计结果为：tt X Y 864.07381.20ˆ*+-= 经济意义：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.846亿元采用德宾h 检验如下0:,0:10≠=ρρH H29728.1114858.0*21121)21.5185951()ˆ(1)21(2*1=--=--=βnVar n d h 在显著性水平05.0=α下，查标准正态分布表得临界值96.1025.02==h h α,因此拒绝原假设96.129728.1025.0=<=h h ，因此接受原假设，说明自回归模型不存在一阶自相关。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第7章练习5解：根据Eview 软件得如下表：Dependent Variable: YMethod: ML - Binary Logit (Quadratic hill climbing) Date: 05/22/11 Time: 22:19Sample: 1 16Included observations: 16Convergence achieved after 5 iterationsCovariance matrix computed using second derivativesVariable Coefficient Std. Error z-Statistic Prob. C -11.10741 6.124290 -1.813665 0.0697 Q 0.003968 0.008008 0.495515 0.6202 V0.0176960.0087522.0219140.0432 McFadden R-squared 0.468521 Mean dependent var 0.562500 S.D. dependent var 0.512348 S.E. of regression 0.382391 Akaike info criterion 1.103460 Sum squared resid 1.900896 Schwarz criterion 1.248321 Log likelihood -5.827681 Hannan-Quinn criter. 1.110878 Restr. log likelihood -10.96503 LR statistic 10.27469 Avg. log likelihood -0.364230Prob(LR statistic) 0.005873Obs with Dep=0 7 Total obs 16Obs with Dep=19于是，我们可得到Logit 模型为：V Q i0177.0004.0107.11Y ˆ++-= （-1.81） （0.49） （2.02）685.40R 2MCF = ， LR(2)=10.27如果在Binary estination 这一栏中选择Probit 估计方法，可得到如下表：Dependent Variable: YMethod: ML - Binary Probit (Quadratic hill climbing) Date: 05/22/11 Time: 22:25 Sample: 1 16Included observations: 16Convergence achieved after 5 iterationsCovariance matrix computed using second derivativesVariable Coefficient Std. Error z-Statistic Prob. C -6.634542 3.396882 -1.953127 0.0508 Q 0.002403 0.004585 0.524121 0.6002 V0.0105320.004693 2.2442990.0248 McFadden R-squared 0.476272 Mean dependent var 0.562500 S.D. dependent var 0.512348 S.E. of regression 0.381655 Akaike info criterion 1.092836 Sum squared resid 1.893588 Schwarz criterion 1.237696 Log likelihood -5.742687 Hannan-Quinn criter. 1.100254 Restr. log likelihood -10.96503 LR statistic 10.44468 Avg. log likelihood -0.358918Prob(LR statistic) 0.005395Obs with Dep=0 7 Total obs 16Obs with Dep=19于是，我们可得到Probit 模型为：V Q i0105.00024.035.66Y ˆ++-= （-1.95） （0.52） （2.24）763.40R 2MCF = ， LR(2)=10.44第7章练习6下表列出了美国、加拿大、英国在1980~1999年的失业率Y 以及对制造业的补偿X 的相关数据资料。
解：（1）根据Eview 软件操作得如下表： 美国（US ）： Dependent Variable: Y Method: Least Squares Date: 05/22/11 Time: 22:38 Sample: 1980 1999 Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 10.56858 1.138982 9.278972 0.0000 X-0.0454030.012538-3.6211890.0020R-squared 0.421464 Mean dependent var 6.545000 Adjusted R-squared 0.389323 S.D. dependent var 1.432875 S.E. of regression 1.119732 Akaike info criterion 3.158696 Sum squared resid 22.56840 Schwarz criterion 3.258269 Log likelihood -29.58696 Hannan-Quinn criter. 3.178133 F-statistic 13.11301 Durbin-Watson stat 0.797022Prob(F-statistic)0.001953根据上表可得对美国的OLS 估计结果为：tt X 0454.05686.10Y ˆ-= （9.28） （-3.62） 4215.02=R ， 3893.02=R ， D.W.=0.797， RSS=22.57加拿大(CA)：Dependent Variable: Y Method: Least Squares Date: 05/22/11 Time: 22:43 Sample: 1980 1999 Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C 9.342452 1.810701 5.159579 0.0001 X-0.0065800.022333-0.2946480.7716R-squared 0.004800 Mean dependent var 8.820000 Adjusted R-squared -0.050489 S.D. dependent var 1.600855 S.E. of regression 1.640770 Akaike info criterion 3.922848 Sum squared resid 48.45828 Schwarz criterion 4.022421 Log likelihood -37.22848 Hannan-Quinn criter. 3.942286 F-statistic 0.086817 Durbin-Watson stat 0.578517 Prob(F-statistic)0.771634同样，根据上表可得对加拿大（CA ）的OLS 估计结果为：tt X 0066.0425.39Y ˆ-= （5.16） （-0.29）0048.02=R ， 05.02-=R ， D.W.=0.579， RSS=48.46英国（UK ）： Dependent Variable: Y Method: Least Squares Date: 05/22/11 Time: 22:48 Sample: 1980 1999 Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 12.55426 0.990234 12.67808 0.0000 X-0.0465910.012777-3.6463530.0018R-squared 0.424845 Mean dependent var 9.155000 Adjusted R-squared 0.392891 S.D. dependent var 1.916542 S.E. of regression 1.493315 Akaike info criterion 3.734513 Sum squared resid 40.13981 Schwarz criterion 3.834087 Log likelihood -35.34513 Hannan-Quinn criter. 3.753951 F-statistic 13.29589 Durbin-Watson stat 0.698064Prob(F-statistic)0.001847同样，根据上表可得对英国（UK ）的OLS 估计结果为：tt X 0466.0543.512Y ˆ-= （12.68） （-3.65）3036.02=R ， 29.932=R ， D.W.=0.6981， RSS=40.14(2)将三个国家的数据合并成一个样本（共60个样本点），根据Eview 软件得：OLS 估计结果如下：Dependent Variable: Y Method: Least Squares Date: 05/22/11 Time: 22:58 Sample: 1980 2039 Included observations: 60Variable Coefficient Std. Error t-Statistic Prob. C 12.14946 0.820266 14.81161 0.0000 X-0.0495000.009844-5.0287290.0000R-squared 0.303622 Mean dependent var 8.173333 Adjusted R-squared 0.291616 S.D. dependent var 2.009120 S.E. of regression 1.690988 Akaike info criterion 3.921268 Sum squared resid 165.8475 Schwarz criterion 3.991079 Log likelihood -115.6380 Hannan-Quinn criter. 3.948575 F-statistic 25.28811 Durbin-Watson stat 0.492398 Prob(F-statistic)0.000005根据上表得估计方程为：tt X 0495.049.112Y ˆ-= （14.81） （-5.03）3036.02=R ， 2916.02=R ， D.W.=0.49， RSS=165.85（3）在Eviews 软件下，估计变截距固定影响模型得到如下结果：固定影响模型可按最小二乘虚拟变量（LSDV ）模型估计，记D 2为加拿大（CA ）的虚拟变量；即观测值属于CA 时取值为1，其他取值为0；记D 3为英国的虚拟变量，取值规律同D 2，所以，LSDV 模型的OLS 估计结果如下： X D D it 0383.0011.29221.19348.9Y 32-++=（11.73） （4.12） （4.20） （-4.33）5048.02=R ， 4783.02=R ， D.W.=0.664， RSS=117.94美国（US ）没有设定虚拟变量，成为比较的基准。