计量经济学习题与解答3
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：ii i X X Y 215452.11179.00263.151ˆ++-= t=(-3.066806) (6.652983) (3.378064) R 2=0.93433192964.02=R F=191.1894 n=311)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3.1参考解答:(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0.1179百万美元；国际旅游人数增加1万人次，旅游外汇收入增加1.5452百万美元。
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。
3.2 表3.6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：表3.6 方差分析表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3.2参考解答:(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：2659650.99883466042ES RTSS S === 修正的可决系数：222115177110.998615366042i 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。
计量经济学习题及参考答案解析详细版
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，1nii YY 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5.107413096104100=+++。
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NS S x ==45= ⽤也就是说，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()10/2510/25XX 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。
计量经济学题目及答案
三、判断题（判断下列命题正误，并说明理由)1、简单线性回归模型与多元线性回归模型的基本假定是相同的。
2、在模型中引入解释变量的多个滞后项容易产生多重共线性。
3、D-W 检验中的D-W 值在0到4之间,数值越小说明模型随机误差项的自相关度越小，数值越大说明模型随机误差项的自相关度越大。
4、在计量经济模型中，随机扰动项与残差项无区别。
5、在经济计量分析中，模型参数一旦被估计出来，就可将估计模型直接运用于实际的计量经济分析.6、线性回归模型意味着因变量是自变量的线性函数。
7、多重共线性问题是随机扰动项违背古典假定引起的。
8、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与样本容量大小有关.9、双变量模型中，对样本回归函数整体的显著性检验与斜率系数的显著性检验是一致的。
10、如果联立方程模型中某个结构方程包含了所有的变量， 则这个方程不可识别。
11、在实际中，一元回归没什么用，因为因变量的行为不可能仅由一个解释变量来解释.12、多重共线性问题是随机扰动项违背古典假定引起的13、在异方差性的情况下,常用的OLS 法必定高估了估计量的标准误。
14、虚拟变量只能作为解释变量。
15、随机扰动项的方差与随机扰动项方差的无偏估计没有区别.16、经典线性回归模型（CLRM ）中的干扰项不服从正态分布的，OLS 估计量将有偏的。
17、虚拟变量的取值只能取0或1。
18、拟合优度检验和F 检验是没有区别的。
19、联立方程组模型不能直接用OLS 方法估计参数。
20、双变量模型中，对样本回归函数整体的显著性检验与斜率系数的显著性 检验是一致的；21、多重共线性问题是随机扰动项违背古典假定引起的。
22、在模型t t t t u X X Y +++=33221βββ的回归分析结果报告中，有23.263489=F ，000000.0=值的p F ，则表明解释变量t X 2 对t Y 的影响是显著的。
23、结构型模型中的每一个方程都称为结构式方程，结构方程中，解释变量只可以是前定变量.24、通过虚拟变量将属性因素引入计量经济模型，引入虚拟变量的个数与模型有无截距项无关。
计量经济学考试习题与解答
计量经济学考试习题与解答第三章、经典单⽅程计量经济学模型：多元线性回归模型⼀、内容提要本章将⼀元回归模型拓展到了多元回归模型，其基本地建模思想与建模⽅法与⼀元地情形相同.主要内容仍然包括模型地基本假定、模型地估计、模型地检验以及模型在预测⽅⾯地应⽤等⽅⾯.只不过为了多元建模地需要，在基本假设⽅⾯以及检验⽅⾯有所扩充.本章仍重点介绍了多元线性回归模型地基本假设、估计⽅法以及检验程序.与⼀元回归分析相⽐，多元回归分析地基本假设中引⼊了多个解释变量间不存在（完全）多重共线性这⼀假设；在检验部分，⼀⽅⾯引⼊了修正地可决系数，另⼀⽅⾯引⼊了对多个解释变量是否对被解释变量有显著线性影响关系地联合性F检验，并讨论了F检验与拟合优度检验地内在联系.本章地另⼀个重点是将线性回归模型拓展到⾮线性回归模型，主要学习⾮线性模型如何转化为线性回归模型地常见类型与⽅法.这⾥需要注意各回归参数地具体经济含义.本章第三个学习重点是关于模型地约束性检验问题，包括参数地线性约束与⾮线性约束检验.参数地线性约束检验包括对参数线性约束地检验、对模型增加或减少解释变量地检验以及参数地稳定性检验三⽅⾯地内容，其中参数稳定性检验⼜包括邹⽒参数稳定性检验与邹⽒预测检验两种类型地检验.检验都是以F检验为主要检验⼯具，以受约束模型与⽆约束模型是否有显著差异为检验基点.参数地⾮线性约束检验主要包括最⼤似然⽐检验、沃尔德检验与拉格朗⽇乘数检验.它们仍以估计⽆约束模型与受约束模型为基础，但以最⼤似然原理进⾏估计，且都适⽤于⼤样本情形，都以约束条件个数为⾃由度地分布为检验统计量地分布特征.⾮线性约束检验中地拉格朗⽇乘数检验在后⾯地章节中多次使⽤.⼆、典型例题分析例1．某地区通过⼀个样本容量为722地调查数据得到劳动⼒受教育地⼀个回归⽅程为R2=0.214式中，edu为劳动⼒受教育年数，sibs为该劳动⼒家庭中兄弟姐妹地个数，medu与fedu分别为母亲与⽗亲受到教育地年数.问（1）sibs是否具有预期地影响？为什么？若medu与fedu保持不变，为了使预测地受教育⽔平减少⼀年，需要sibs增加多少？（2）请对medu地系数给予适当地解释.（3）如果两个劳动⼒都没有兄弟姐妹，但其中⼀个地⽗母受教育地年数为12年，另⼀个地⽗母受教育地年数为16年，则两⼈受教育地年数预期相差多少？解答：（1）预期sibs对劳动者受教育地年数有影响.因此在收⼊及⽀出预算约束⼀定地条件下，⼦⼥越多地家庭，每个孩⼦接受教育地时间会越短.根据多元回归模型偏回归系数地含义，sibs前地参数估计值-0.094表明，在其他条件不变地情况下，每增加1个兄弟姐妹，受教育年数会减少0.094年，因此，要减少1年受教育地时间，兄弟姐妹需增加1/0.094=10.6个.（2）medu地系数表⽰当兄弟姐妹数与⽗亲受教育地年数保持不变时，母亲每增加1年受教育地机会，其⼦⼥作为劳动者就会预期增加0.131年地教育机会.（3）⾸先计算两⼈受教育地年数分别为10.36+0.131?12+0.210?12=14.45210.36+0.131?16+0.210?16=15.816因此，两⼈地受教育年限地差别为15.816-14.452=1.364例2．以企业研发⽀出（R&D）占销售额地⽐重为被解释变量（Y），以企业销售额（X1）与利润占销售额地⽐重（X2）为解释变量，⼀个有32容量地样本企业地估计结果如下：其中括号中为系数估计值地标准差.（1）解释log(X1)地系数.如果X1增加10%，估计Y会变化多少个百分点？这在经济上是⼀个很⼤地影响吗？（2）针对R&D强度随销售额地增加⽽提⾼这⼀备择假设，检验它不虽X1⽽变化地假设.分别在5%和10%地显著性⽔平上进⾏这个检验.（3）利润占销售额地⽐重X2对R&D强度Y是否在统计上有显著地影响？解答：（1）log(x1)地系数表明在其他条件不变时，log(x1)变化1个单位，Y变化地单位数，即?Y=0.32?log(X1)≈0.32(?X1/X1)=0.32?100%，换⾔之，当企业销售X1增长100%时，企业研发⽀出占销售额地⽐重Y会增加0.32个百分点.由此，如果X1增加10%，Y会增加0.032个百分点.这在经济上不是⼀个较⼤地影响.（2）针对备择假设H1：，检验原假设H0：.易知计算地t统计量地值为t=0.32/0.22=1.468.在5%地显著性⽔平下，⾃由度为32-3=29地t 分布地临界值为1.699（单侧），计算地t值⼩于该临界值，所以不拒绝原假设.意味着R&D强度不随销售额地增加⽽变化.在10%地显著性⽔平下，t分布地临界值为1.311，计算地t 值⼩于该值，拒绝原假设，意味着R&D强度随销售额地增加⽽增加.（3）对X2，参数估计值地t统计值为0.05/0.46=1.087，它⽐在10%地显著性⽔平下地临界值还⼩，因此可以认为它对Y在统计上没有显著地影响.例3．下表为有关经批准地私⼈住房单位及其决定因素地4个模型地估计量和相关统计值（括号内为p-值）（如果某项为空，则意味着模型中没有此变量）.数据为美国40个城市地数据.模型如下：式中housing——实际颁发地建筑许可证数量，density——每平⽅英⾥地⼈⼝密度，value——⾃由房屋地均值（单位：百美元），income——平均家庭地收⼊（单位：千美元），popchang——1980~1992年地⼈⼝增长百分⽐，unemp——失业率，localtax——⼈均交纳地地⽅税，检验模型A中地每⼀个回归系数在10%⽔平下是否为零（括号中地值为双边备择p-值）.根据检验结果，你认为应该把变量保留在模型中还是去掉？在模型A中，在10%⽔平下检验联合假设H0：βi =0(i=1,5,6,7).说明被择假设，计算检验统计值，说明其在零假设条件下地分布，拒绝或接受零假设地标准.说明你地结论.（3）哪个模型是“最优地”？解释你地选择标准.（4）说明最优模型中有哪些系数地符号是“错误地”.说明你地预期符号并解释原因.确认其是否为正确符号.解答：（1）直接给出了P-值，所以没有必要计算t-统计值以及查t分布表.根据题意，如果p-值<0.10,则我们拒绝参数为零地原假设.由于表中所有参数地p-值都超过了10%，所以没有系数是显著不为零地.但由此去掉所有解释变量，则会得到⾮常奇怪地结果.其实正如我们所知道地，多元回去归中在省略变量时⼀定要谨慎，要有所选择.本例中，value、income、popchang地p-值仅⽐0.1稍⼤⼀点，在略掉unemp、localtax、statetax地模型C中，这些变量地系数都是显著地.（2）针对联合假设H0：βi =0(i=1,5,6,7)地备择假设为H1：βi =0(i=1,5,6,7)中⾄少有⼀个不为零.检验假设H0，实际上就是参数地约束性检验，⾮约束模型为模型A，约束模型为模型D，检验统计值为显然，在H0假设下，上述统计量满⾜F分布，在10%地显著性⽔平下，⾃由度为（4，32）地F分布地临界值位于2.09和2.14之间.显然，计算地F值⼩于临界值，我们不能拒绝H0，所以βi(i=1,5,6,7)是联合不显著地.(3）模型D中地3个解释变量全部通过显著性检验.尽管R2与残差平⽅和较⼤，但相对来说其AIC值最低，所以我们选择该模型为最优地模型.（4）随着收⼊地增加，我们预期住房需要会随之增加.所以可以预期β3>0，事实上其估计值确是⼤于零地.同样地，随着⼈⼝地增加，住房需求也会随之增加，所以我们预期β4>0，事实其估计值也是如此.随着房屋价格地上升，我们预期对住房地需求⼈数减少，即我们预期β3估计值地符号为负，回归结果与直觉相符.出乎预料地是，地⽅税与州税为不显著地.由于税收地增加将使可⽀配收⼊降低，所以我们预期住房地需求将下降.虽然模型A是这种情况，但它们地影响却⾮常微弱.4、在经典线性模型基本假定下，对含有三个⾃变量地多元回归模型：你想检验地虚拟假设是H0：.（1）⽤地⽅差及其协⽅差求出.（2）写出检验H0：地t统计量.（3）如果定义，写出⼀个涉及β0、θ、β2和β3地回归⽅程，以便能直接得到θ估计值及其标准误.解答：（1）由数理统计学知识易知（2）由数理统计学知识易知，其中为地标准差.（3）由知，代⼊原模型得这就是所需地模型，其中θ估计值及其标准误都能通过对该模型进⾏估计得到.三、习题（⼀）基本知识类题型3-1．解释下列概念：1)多元线性回归2)虚变量3)正规⽅程组4)⽆偏性5)⼀致性6)参数估计量地置信区间7)被解释变量预测值地置信区间8)受约束回归9)⽆约束回归10)参数稳定性检验3-2．观察下列⽅程并判断其变量是否呈线性？系数是否呈线性？或都是？或都不是？1)2)3)4)5)6)7)3-3．多元线性回归模型与⼀元线性回归模型有哪些区别？3-4．为什么说最⼩⼆乘估计量是最优地线性⽆偏估计量？多元线性回归最⼩⼆乘估计地正规⽅程组，能解出唯⼀地参数估计地条件是什么？3-5．多元线性回归模型地基本假设是什么？试说明在证明最⼩⼆乘估计量地⽆偏性和有效性地过程中，哪些基本假设起了作⽤？3-6．请说明区间估计地含义.（⼆）基本证明与问答类题型3-7．什么是正规⽅程组？分别⽤⾮矩阵形式和矩阵形式写出模型：，地正规⽅程组，及其推导过程.3-8．对于多元线性回归模型，证明：（1）（2）3-9．为什么从计量经济学模型得到地预测值不是⼀个确定地值？预测值地置信区间和置信度地含义是什么？在相同地置信度下如何才能缩⼩置信区间？为什么？3-10．在多元线性回归分析中，检验与检验有何不同？在⼀元线性回归分析中⼆者是否有等价地作⽤？3-11．设有模型：，试在下列条件下：（1）（2）分别求出和地最⼩⼆乘估计量.3-12．多元线性计量经济学模型1,2,…,n (2.11.1)地矩阵形式是什么？其中每个矩阵地含义是什么？熟练地写出⽤矩阵表⽰地该模型地普通最⼩⼆乘参数估计量，并证明在满⾜基本假设地情况下该普通最⼩⼆乘参数估计量是⽆偏和有效地估计量.3-13．有如下⽣产函数：（0.257）(0.219)其中括号内数值为参数标准差.请检验以下零假设：（1）产出量地资本弹性和劳动弹性是等同地；（2）存在不变规模收益，即.3-14．对模型应⽤OLS法，得到回归⽅程如下：要求：证明残差与不相关，即：.3-15．3-16．考虑下列两个模型：Ⅰ、Ⅱ、要求：（1）证明：，，（2）证明：残差地最⼩⼆乘估计量相同，即：（3）在何种情况下，模型Ⅱ地拟合优度会⼩于模型Ⅰ拟合优度.3-17．假设要求你建⽴⼀个计量经济模型来说明在学校跑道上慢跑⼀英⾥或⼀英⾥以上地⼈数，以便决定是否修建第⼆条跑道以满⾜所有地锻炼者.你通过整个学年收集数据，得到两个可能地解释性⽅程：⽅程A：⽅程B：其中：——某天慢跑者地⼈数——该天降⾬地英⼨数——该天⽇照地⼩时数——该天地最⾼温度（按华⽒温度）——第⼆天需交学期论⽂地班级数请回答下列问题：（1）这两个⽅程你认为哪个更合理些，为什么？（2）为什么⽤相同地数据去估计相同变量地系数得到不同地符号？3-18．对下列模型：（1）（2）求出β地最⼩⼆乘估计值；并将结果与下⾯地三变量回归⽅程地最⼩⼆乘估计值作⽐较：（3），你认为哪⼀个估计值更好？3-19．假定以校园内⾷堂每天卖出地盒饭数量作为被解释变量，盒饭价格、⽓温、附近餐厅地盒饭价格、学校当⽇地学⽣数量（单位：千⼈）作为解释变量，进⾏回归分析；假设不管是否有假期，⾷堂都营业.不幸地是，⾷堂内地计算机被⼀次病毒侵犯，所有地存储丢失，⽆法恢复，你不能说出独⽴变量分别代表着哪⼀项！下⾯是回归结果（括号内为标准差）：（2.6）(6.3) (0.61) (5.9)要求：（1）试判定每项结果对应着哪⼀个变量？（2）对你地判定结论做出说明.（三）基本计算类题型3-20．试对⼆元线性回归模型：，（）作回归分析，要求：（1）求出未知参数地最⼩⼆乘估计量；（2）求出随机误差项地⽅差地⽆偏估计量；（3）对样本回归⽅程作拟合优度检验；（4）对总体回归⽅程地显著性进⾏检验；（5）对地显著性进⾏检验；（6）当时，写出和Y0地置信度为95%地预测区间.3-21．下表给出三变量模型地回归结果：⽅差来源平⽅和（SS）⾃由度（d.f.）平⽅和地均值(MSS)来⾃回归65965 ——来⾃残差_———总离差(TSS) 66042 14要求：（1）样本容量是多少？（2）求RSS？（3）ESS和RSS地⾃由度各是多少？（4）求和？（5）检验假设：和对⽆影响.你⽤什么假设检验？为什么？（6）根据以上信息，你能否确定和各⾃对地贡献吗？3-22．下⾯给出依据15个观察值计算得到地数据：，，，，，，其中⼩写字母代表了各值与其样本均值地离差.要求：（1）估计三个多元回归系数；（2）估计它们地标准差；并求出与？（3）估计、95%地置信区间；（4）在下，检验估计地每个回归系数地统计显著性（双边检验）；（5）检验在下所有地部分系数都为零，并给出⽅差分析表.3-23．考虑以下⽅程（括号内为估计标准差）：（0.080）(0.072) (0.658)其中：——年地每位雇员地⼯资和薪⽔——年地物价⽔平——年地失业率要求：（1）对个⼈收⼊估计地斜率系数进⾏假设检验；（尽量在做本题之前不参考结果）（2）讨论在理论上地正确性，对本模型地正确性进⾏讨论；是否应从⽅程中删除？为什么？3-24．下表是某种商品地需求量、价格和消费者收⼊⼗年地时间序列资料：要求：（1）已知商品需求量是其价格和消费者收⼊地函数，试求对和地最⼩⼆乘回归⽅程：（2）求地总变差中未被和解释地部分，并对回归⽅程进⾏显著性检验；（3）对回归参数，进⾏显著性检验.3-25．参考习题2-28给出地数据，要求：（1）建⽴⼀个多元回归模型，解释MBA毕业⽣地平均初职⼯资，并且求出回归结果；（2）如果模型中包括了GPA和GMA T 分数这两个解释变量，先验地，你可能会遇到什么问题，为什么？（3）如果学费这⼀变量地系数为正、并且在统计上是显著地，是否表⽰进⼊最昂贵地商业学校是值得地.学费这个变量可⽤什么来代替？3-26．经研究发现，学⽣⽤于购买书籍及课外读物地⽀出与本⼈受教育年限和其家庭收⼊⽔平有关，对18名学⽣进⾏调查地统计资料如下表所⽰：要求：（1）试求出学⽣购买书籍及课外读物地⽀出与受教育年限和家庭收⼊⽔平地估计地回归⽅程：（2）对地显著性进⾏t检验；计算和；（3）假设有⼀学⽣地受教育年限年，家庭收⼊⽔平，试预测该学⽣全年购买书籍及课外读物地⽀出，并求出相应地预测区间（α=0.05）.3-27．根据100对(，)地观察值计算出：要求：（1）求出⼀元模型中地地最⼩⼆乘估计量及其相应地标准差估计量；（2）后来发现还受地影响，于是将⼀元模型改为⼆元模型，收集地相应观察值并计算出：求⼆元模型中地，地最⼩⼆乘估计量及其相应地标准差估计量；（3）⼀元模型中地与⼆元模型中地是否相等？为什么？3-28．考虑以下预测地回归⽅程：其中：——第t年地⽟⽶产量（蒲式⽿/亩）——第t年地施肥强度（磅/亩）——第t年地降⾬量（英⼨）要求回答下列问题：（1）从和对地影响⽅⾯，说出本⽅程中系数和地含义；（2）常数项是否意味着⽟⽶地负产量可能存在？（3）假定地真实值为，则估计值是否有偏？为什么？（4）假定该⽅程并不满⾜所有地古典模型假设，即并不是最佳线性⽆偏估计值，则是否意味着地真实值绝对不等于？为什么？3-29．已知线性回归模型式中（0，），且（为样本容量，为参数地个数），由⼆次型地最⼩化得到如下线性⽅程组：要求：（1）把问题写成矩阵向量地形式；⽤求逆矩阵地⽅法求解之；（2）如果，求；（3）求出地⽅差—协⽅差矩阵.3-30．已知数据如下表：要求：（1）先根据表中数据估计以下回归模型地⽅程（只估计参数不⽤估计标准差）：（2）回答下列问题：吗？为什么？吗？为什么？（四）⾃我综合练习类题型3-31．⾃⼰选择研究对象(最好是⼀个实际经济问题)，收集样本数据，应⽤计量经济学软件（建议使⽤Eviews3.1），完成建⽴多元线性计量经济模型地全过程，并写出详细研究报告.四、习题参考答案（⼀）基本知识类题型3-1．解释下列概念（1）在现实经济活动中往往存在⼀个被解释变量受到多个解释变量地影响地现象，表现为在线性回归模型中有多个解释变量，这样地模型被称为多元线性回归模型，多元指多个解释变量.（2）形如地关于参数估计值地线性代数⽅程组称为正规⽅程组.3-2．答：变量⾮线性、系数线性；变量、系数均线性；变量、系数均线性；变量线性、系数⾮线性；变量、系数均为⾮线性；变量、系数均为⾮线性；变量、系数均为线性.3-3．答：多元线性回归模型与⼀元线性回归模型地区别表现在如下⼏⽅⾯：⼀是解释变量地个数不同；⼆是模型地经典假设不同，多元线性回归模型⽐⼀元线性回归模型多了“解释变量之间不存在线性相关关系”地假定；三是多元线性回归模型地参数估计式地表达更复杂；3-4．在多元线性回归模型中，参数地最⼩⼆乘估计量具备线性、⽆偏性、最⼩⽅差性，同时多元线性回归模型满⾜经典假定，所以此时地最⼩⼆乘估计量是最优地线性⽆偏估计量，⼜称BLUE估计量.对于多元线性回归最⼩⼆乘估计地正规⽅程组，3-5．答：多元线性回归模型地基本假定有：零均值假定、随机项独⽴同⽅差假定、解释变量地⾮随机性假定、解释变量之间不存在线性相关关系假定、随机误差项服从均值为0⽅差为地正态分布假定.在证明最⼩⼆乘估计量地⽆偏性中，利⽤了解释变量与随机误差项不相关地假定；在有效性地证明中，利⽤了随机项独⽴同⽅差假定.3-6．答：区间估计是指研究⽤未知参数地点估计值（从⼀组样本观测值算得地）作为近似值地精确程度和误差范围.（⼆）基本证明与问答类题型3-7．答：含有待估关系估计量地⽅程组称为正规⽅程组.正规⽅程组地⾮矩阵形式如下：正规⽅程组地矩阵形式如下：推导过程略.3-16．解：（1）证明：由参数估计公式可得下列参数估计值证毕.⑵证明：证毕.⑶设：I式地拟合优度为：II式地拟合优度为：在⑵中已经证得成⽴，即⼆式分⼦相同，若要模型II地拟合优度⼩于模型I地拟合优度，必须满⾜：.3-17．答：⑴⽅程B更合理些.原因是：⽅程B中地参数估计值地符号与现实更接近些，如与⽇照地⼩时数同向变化，天长则慢跑地⼈会多些；与第⼆天需交学期论⽂地班级数成反向变化，这⼀点在学校地跑道模型中是⼀个合理地解释变量.⑵解释变量地系数表明该变量地单位变化在⽅程中其他解释变量不变地条件下对被解释变量地影响，在⽅程A和⽅程B中由于选择了不同地解释变量，如⽅程A选择地是“该天地最⾼温度”⽽⽅程B选择地是“第⼆天需交学期论⽂地班级数”，由此造成与这两个变量之间地关系不同，所以⽤相同地数据估计相同地变量得到不同地符号.3-18．答：将模型⑴改写成，则地估计值为：将模型⑵改写成，则地估计值为：这两个模型都是三变量回归模型⑶在某种限制条件下地变形.如果限制条件正确，则前两个回归参数会更有效；如果限制条件不正确则前两个回归参数会有偏.3-19．答：⑴答案并不唯⼀，猜测为：为学⽣数量，为附近餐厅地盒饭价格，为⽓温，为校园内⾷堂地盒饭价格；⑵理由是被解释变量应与学⽣数量成正⽐，并且应该影响显著；与本⾷堂盒饭价格成反⽐，这与需求理论相吻合；与附近餐厅地盒饭价格成正⽐，因为彼此是替代品；与⽓温地变化关系不是⼗分显著，因为⼤多数学⽣不会因为⽓温升⾼不吃饭.（三）基本计算类题型3-22．解：⑴⑵其中：同理，可得：，拟合优度为：⑶，查表得，得到，得到，⑷，，查表得临界值为则：⑸所有地部分系数为0，即：,等价于⽅差来源平⽅和⾃由度平⽅和地均值来⾃回归65963.018 2 32981.509来⾃残差79.2507 12 6.6042总离差66042.269，，临界值为3.89值是显著地，所以拒绝零假设.3-23．解：⑴对给定在5%地显著⽔平下，可以进⾏t检验，得到地结果如下：3-28．解：⑴在降⾬量不变时，每亩增加⼀磅肥料将使第年地⽟⽶产量增加0.1蒲式⽿/亩；在每亩施肥量不变地情况下，每增加⼀英⼨地降⾬量将使第年地⽟⽶产量增加5.33蒲式⽿/亩；⑵在种地地⼀年中不施肥、也不下⾬地现象同时发⽣地可能性极⼩，所以⽟⽶地负产量不可能存在；⑶如果地真实值为0.40，并不能说明0.1是有偏地估计，理由是0.1是本题估计地参数，⽽0.40是从总体得到地系数地均值.⑷不⼀定.即便该⽅程并不满⾜所有地古典模型假设、不是最佳线性⽆偏估计值，也有可能得出地估计系数等于5.33.3-29．解：⑴该⽅程组地矩阵向量形式为：⑵⑶地⽅差—协⽅差矩阵为：版权申明本⽂部分内容，包括⽂字、图⽚、以及设计等在⽹上搜集整理。
计量经济学试题与答案
计量经济学试题与答案一、选择题（每题5分，共25分）1. 以下哪个选项是计量经济学的基本任务？A. 建立经济模型B. 进行经济预测C. 分析经济现象的规律性D. 所有以上选项答案：D2. 以下哪个方法不属于计量经济学的研究方法？A. 最小二乘法B. 最大似然法C. 线性规划D. 广义矩估计答案：C3. 在线性回归模型中，以下哪个选项表示随机误差项的方差？A. σ²B. μC. εD. β答案：A4. 在计量经济学模型中，以下哪个选项表示解释变量与被解释变量之间的关系？A. 相关性B. 因果关系C. 联合分布D. 条件分布答案：B5. 在实证研究中，以下哪个选项可以用来检验模型的稳定性？A. 残差分析B. 异方差性检验C. 单位根检验D. 联合检验答案：C二、填空题（每题5分，共25分）1. 计量经济学是一门研究______、______和______的科学。
答案：经济模型、经济数据、经济预测2. 最小二乘法的原理是使______的平方和最小。
答案：回归残差3. 在线性回归模型中，回归系数的估计值是______的线性函数。
答案：解释变量4. 异方差性检验的方法有______检验、______检验和______检验。
答案：Breusch-Pagan检验、White检验、Goldfeld-Quandt检验5. 在实证研究中，单位根检验的目的是检验______。
答案：时间序列数据的平稳性三、计算题（每题20分，共40分）1. 设线性回归模型为：Y = β0 + β1X + ε，其中Y表示被解释变量，X表示解释变量，ε表示随机误差项。
给定以下数据：Y: 2, 3, 4, 5, 6X: 1, 2, 3, 4, 5求：回归系数β0和β1的估计值。
答案：首先，计算X和Y的均值：X̄ = (1 + 2 + 3 + 4 + 5) / 5 = 3Ȳ = (2 + 3 + 4 + 5 + 6) / 5 = 4然后，计算回归系数β1的估计值：β1̄= Σ[(Xi - X̄)(Yi - Ȳ)] / Σ[(Xi - X̄)²]= [(1-3)(2-4) + (2-3)(3-4) + (3-3)(4-4) + (4-3)(5-4) + (5-3)(6-4)] / [(1-3)² + (2-3)² + (3-3)² + (4-3)² + (5-3)²]= 4 / 10= 0.4最后，计算回归系数β0的估计值：β0̄ = Ȳ - β1̄X̄= 4 - 0.4 3= 2.2所以，回归系数β0和β1的估计值分别为2.2和0.4。
计量经济学习题集及详解答案
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。
计量经济学部分习题答案与解析
第三章 一元线性回归模型P56.3.3 从某公司分布在11个地区的销售点的销售量()Y 和销售价格()X 观测值得出以下结果：519.8X = 217.82Y = 23134543i X =∑ 1296836i i X Y =∑2539512iY=∑（1）、估计截距0β和斜率系数1β及其标准误，并进行t 检验； （2）、销售的总离差平方和中，样本回归直线未解释的比例是多少？ （3）、对0β和1β分别建立95%的置信区间。
解：（1）、设01i i Y X ββ=+，根据OLS 估计量有：µ()()()11111122222211112=129683611519.8217.820.32313454311519.8N N NNNi i i ii i iii i i i i NNNN i ii i i i i i N Y X Y X N Y X N X NYY XN X YN X N X XN XN X X β=========---==⎛⎫--- ⎪⎝⎭-⨯⨯==-⨯∑∑∑∑∑∑∑∑∑µµ01217.820.32519.851.48Y X ββ=-=-⨯= 残差平方和：$()µ()µµµ()µµµµ()µµµµ222112222220111111122222222010101011111111=225395121NNi ii i i NNNNN N ii i i i ii i i i i i N N N N N i i i i i i i i i i i u RSS TSS ESS Y YYY Y Y Y Y Y X N N Y X X Y N X X ββββββββββ===============-=---⎛⎫⎛⎫--+=-+ ⎪ ⎪⎝⎭⎝⎭⎛⎫=-++=-++ ⎪⎝⎭=-∑∑∑∑∑∑∑∑∑∑∑∑∑∑()22151.480.32313454320.3251.4811519.8997.20224⨯+⨯+⨯⨯⨯⨯=另解：对$()µ()22211NNi ii i i u RSS TSS ESS Y YYY ====-=---∑∑∑，根据OLS估计µµ01Y X ββ=-知µµ01+Y X ββ=，因此有 µµµµµ()µ()01011=++i i iY Y X X X X βββββ--=-，所以 $()µ()()µ()22222211111=NNNNiiiii i i i i u Y Y YY Y Y X Xβ=====------∑∑∑∑∑标准差： µ10.53σ==µ1β的标准误： µ()µµµ10.026se β===== 设原假设和备择假设分别为：01=0H β： 110H β≠： 将原假设带入t 统计量：µµ()()10.02510.3212.31 2.26290.026t t se ββ===>= 即拒绝原假设，认为销售价格()X 显著地解释了销售量()Y 的总体平均变化。
计量经济学习题含答案
计量经济学习题含答案第1章绪论习题一、单项选择题1•把反映某一总体特征的同一指标的数据，按一定的时间顺序和时间间隔排列起来，这样的数据称为(B )A. 横截面数据B.时间序列数据C.面板数据D.原始数据2 •同一时间、不同单位按同一统计指标排列的观测数据称为(B )A. 原始数据B?截面数据C. 时间序列数据D ?面板数据3•用计量经济学研究问题可分为以下四个阶段( B )A.确定科学的理论依据、建立模型、模型修定、模型应用B ?建立模型、估计参数、检验模型、经济预测C?搜集数据、建立模型、估计参数、预测检验D. 建立模型、模型修定、结构分析、模型应用4 •下列哪一个模型是计量经济模型(C )A.投入产出模型B.数学规划模型C.包含随机变量的经济数学模型D.模糊数学模型二、问答题1 •计量经济学的定义2•计量经济学的研究目的3•计量经济学的研究内容1 •答：计量经济学是统计学、经济学、数学相结合的一门综合性学科，是一门从数量上研究物质资料生产、交换、分配、消费等经济尖系和经济活动规律及其应用的科学2•答：计量经济学的研究目的主要有三个：(1 )结构分析。
指应用计量经济模型对经济变量之间的尖系作出定量的度量。
(2 )预测未来。
指应用已建立的计量经济模型求因变量未来一段时期的预测值。
(3)政策评价。
指通过计量经济模型仿真各种政策的执行效果，对不同的政策进行比较和选择。
3•答：计量经济学在长期的发展过程中逐步形成了两个分支：理论计量经济学和应用计量经济学。
理论计量经济学主要研究计量经济学的理论和方法。
应用计量经济学将计量经济学方法应用于经济理论的特殊分支，即应用理论计量经济学的方法分析经济现象和预测经济变量2一元线性回归模型习题、单项选择题1 •最小二乘法是指（D ）A.使达到最小值B.使达到最小值C.使达到最小值D.使达到最小值2 •在一元线性回归模型中，样本回归方程可表示为（C ）C • D.3?线设OLS 法得到的样本回归直线为，以下说法不正确的是A-B • D.在回归直线上4•对样本的相尖系数，以下结论错误的是（A ）A. 越接近0，与之间线性相矢程度高B. 越接近1，与之间线性相尖程度高C.D ，则与相互独立二、多 项选择题1 ■最小二乘估计量的统计性质有（A.无偏性B. C.不一致性 E.2. 利用普通最小二乘法求得的样本回归直线的特点（ACD ）A.必然通过点B.可能通过点C. 残差的均值为常数D.的平均值与的平均值相等C. 残差与解释变量之间有一定的相尖性3. 随机变量（随机误差项）中一般包括那些因素（ABCDE ）C. ABC ）线性性C.最小方差性有偏性A回归模型中省略的变量B人们的随机行为C建立的数学模型的形式不够完善。
- 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。
解答： 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t t t t u X X Y +++=22110βββ222)(t t t Z u Var σσ==式中，Y 、X 1、X 2和Z 的数据已知。
假设给定权数t w ，加权最小二乘法就是求下式中的各β，以使的该式最小2221102)()(t t t t t t t t t X w X w w Y w u w RSS βββ---==∑∑（1）求RSS 对β1、β2和β2的偏微分并写出正规方程。
（2）用Z 去除原模型，写出所得新模型的正规方程组。
（3）把t t Z w /1=带入（1）中的正规方程，并证明它们和在（2）中推导的结果一样。
解答： （1）由2221102)()(t t t t t t t t t X w X w w Y w u w R S S βββ---==∑∑对各β求偏导得如下正规方程组：∑=---0)(2211t t t ttttt w X w Xw w Y w βββ ∑=---0)(12211t t t t ttttt X w X w Xw w Y w βββ ∑=---0)(12211t t t t ttttt X w X w Xw w Y w βββ（2）用Z 去除原模型，得如下新模型tt t t t t t t t Z u Z X Z X Z Z Y +++=22110βββ 对应的正规方程组如下所示：01)(22110=---∑t t t t t t t t Z Z X Z X Z Z Y βββ 0)(122110=---∑t t t t t t t t t Z X Z X Z X Z Z Y βββ 0)(222110=---∑tt t t t t t t t Z X Z X Z X Z Z Y βββ （3）如果用1tZ 代替（1）中的t w ，则容易看到与（2）中的正规方程组是一样的。
3、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）零假设和备择假设；2）要进行的回归；3）要计算的检验统计值及它的分布（包括自由度）；4）接受或拒绝零假设的标准。
（2）假设i i P σσ=。
逐步描述如何求得BLUE 并给出理论依据。
解答：（1）如果i σ依赖于总体i P 的容量，则随机扰动项的方差2i σ依赖于2i P 。
因此，要进行的回归的一种形式为i i i P εαασ++=2102。
于是，要检验的零假设H0：10α=，备择假设H1：01≠α。
检验步骤如下：第一步：使用OLS 方法估计模型，并保存残差平方项2~i e ； 第二步：做2~i e 对常数项C 和2iP 的回归 第三步：考察估计的参数1α的t 统计量，它在零假设下服从自由度为2的t 分布。
第四步：给定显著性水平面0.05（或其他），查相应的自由度为2的t 分布的临界值，如果估计的参数1ˆα的t 统计值大于该临界值，则拒绝同方差的零假设。
（2）假设i i P σσ=时，模型除以i P 有：ii i i i i i i i P u P X P X P P Y +++=221101βββ 由于222/)/(σσ==i i i i P P u Var ，所以在该变换模型中可以使用OLS 方法，得出BLUE 估计值。
方法是对i i P Y /关于i P /1、i i P X /1、i i P X /2做回归，不包括常数项。
4、以某地区22年的年度数据估计了如下工业就业回归方程321ln 62.0ln 25.0ln 51.089.3X X X Y +-+-=（-0.56）(2.3) (-1.7) (5.8)20.996R = 147.1=DW式中，Y 为总就业量；X1为总收入；X2为平均月工资率；X3为地方政府的总支出。
（1）试证明：一阶自相关的DW 检验是无定论的。
（2）逐步描述如何使用LM 检验 解答：（1）由于样本容量n=22，解释变量个数为k=3，在5%在显著性水平下，相应的上下临界值为664.1=U d 、503.1=L d 。
由于DW=1.147位于这两个值之间，所以DW 检验是无定论的。
（2）进行LM 检验：第一步，做Y 关于常数项、lnX1、lnX2和lnX3的回归并保存残差t e ~； 第二步，做te ~关于常数项、lnX1、lnX2和lnX3和1~-t e 的回归并计算2R ； 第三步，计算检验统计值(n-1)2R =21⨯0.996=20.916；第四步，由于在不存在一阶序列相关的零假设下(n-1)2R 呈自由度为1的2χ分布。
在5%的显著性水平下，该分布的相应临界值为3.841。
由于20.916>3.841，因此拒绝零假设，意味着原模型随机扰动项存在一阶序列相关。
5、某地区供水部门利用最近15年的用水年度数据得出如下估计模型：rain price pcy pop house water 123.187.17005.0363.0305.09.326---++-=（-1.7） (0.9) (1.4) (-0.6) (-1.2) (-0.8)93.02=RF=38.9式中，water ——用水总量（百万立方米）,house ——住户总数（千户）,pop ——总人口（千人）,pcy ——人均收入（元）,price ——价格（元/100立方米）,rain ——降雨量（毫米）。
（1）根据经济理论和直觉,请计回归系数的符号是什么(不包括常量)，为什么？观察符号与你的直觉相符吗？（2）在10%的显著性水平下，请进行变量的t-检验与方程的F-检验。
T 检验与F 检验结果有相矛盾的现象吗？（3）你认为估计值是（1）有偏的；（2）无效的或（3）不一致的吗？详细阐述理由。
解答：（1）在其他变量不变的情况下，一城市的人口越多或房屋数量越多，则对用水的需求越高。
所以可期望house 和pop 的符号为正；收入较高的个人可能用水较多，因此pcy 的预期符号为正，但它可能是不显著的。
如果水价上涨，则用户会节约用水，所以可预期price 的系数为负。
显然如果降雨量较大，则草地和其他花园或耕地的用水需求就会下降，所以可以期望rain 的系数符号为负。
从估计的模型看，除了pcy 之外，所有符号都与预期相符。
（2）t-统计量检验单个变量的显著性，F-统计值检验变量是否是联合显著的。
这里t-检验的自由度为15-5-1=9，在10%的显著性水平下的临界值为1.833。
可见，所有参数估计值的t 值的绝对值都小于该值，所以即使在10%的水平下这些变量也不是显著的。
这里，F-统计值的分子自由度为5，分母自由度为9。
10%显著性水平下F 分布的临界值为2.61。
可见计算的F 值大于该临界值，表明回归系数是联合显著的。
T 检验与F 检验结果的矛盾可能是由于多重共线性造成的。
house 、pop 、pcy 都是高度相关的，这将使它们的t-值降低且表现为不显著。
price 和rain 不显著另有原因。
根据经验，如果一个变量的值在样本期间没有很大的变化，则它对被解释变量的影响就不能够很好地被度量。
可以预期水价与年降雨量在各年中一般没有太大的变化，所以它们的影响很难度量。
（3）多重共线性往往表现的是解释变量间的样本观察现象，在不存在完全共线性的情况下，近似共线并不意味着基本假定的任何改变，所以OLS 估计量的无偏性、一致性和有效性仍然成立，即仍是BLUE 估计量。