计量经济学习题第5章 自相关性
计量经济学题库(超完整版)及答案

2.已知一模型的最小二乘的回归结果如下:i iˆY =101.4-4.78X 标准差 〔45.2〕 〔1.53〕 n=30 R 2其中,Y :政府债券价格〔百美元〕,X :利率〔%〕。
答复以下问题:〔1〕系数的符号是否正确,并说明理由;〔2〕为什么左边是iˆY 而不是i Y ; 〔3〕在此模型中是否漏了误差项i u ;〔4〕该模型参数的经济意义是什么。
13.假设某国的货币供给量Y 与国民收入X 的历史如系下表。
某国的货币供给量X 与国民收入Y 的历史数据年份 X Y 年份 X Y 年份 X Y 1985 1989 1993 1986 1990 1994 1987 6 1991 1995 19887199291996根据以上数据估计货币供给量Y 对国民收入X 的回归方程,利用Eivews 软件输出结果为:Dependent Variable: Y Variable Coefficient Std. Error t-Statistic Prob. X CR-squaredMean dependent var Adjusted R-squared S.D. dependent var S.E. of regression F-statistic Sum squared residProb(F-statistic)问:〔1〕写出回归模型的方程形式,并说明回归系数的显著性〔0.05α=〕。
〔2〕解释回归系数的含义。
〔2〕如果希望1997年国民收入到达15,那么应该把货币供给量定在什么水平?14.假定有如下的回归结果tt X Y 4795.06911.2ˆ-= 其中,Y 表示美国的咖啡消费量〔每天每人消费的杯数〕,X 表示咖啡的零售价格〔单位:美元/杯〕,t 表示时间。
问: 〔1〕这是一个时间序列回归还是横截面回归?做出回归线。
〔2〕如何解释截距的意义?它有经济含义吗?如何解释斜率?〔3〕能否救出真实的总体回归函数? 〔4〕根据需求的价格弹性定义: YX⨯弹性=斜率,依据上述回归结果,你能救出对咖啡需求的价格弹性吗?如果不能,计算此弹性还需要其他什么信息?15.下面数据是依据10组X 和Y 的观察值得到的:1110=∑i Y ,1680=∑iX ,204200=∑ii Y X ,3154002=∑i X ,1333002=∑iY假定满足所有经典线性回归模型的假设,求0β,1β的估计值;1961—1999年共39年的总产出Y 、劳动投入L 和资本投入K 的年度数据,运用普通最小二乘法估计得出了以下回归方程:(0.237) (0.083) (0.048),DW=0.858式下括号中的数字为相应估计量的标准误。
计量经济学讲义—— 线性回归模型的自相关问题

10.5 自相关的诊断-Durbin-Watson d检验法
Durbin-Watson d统计量可以用来诊断回归模型的自相关
n
d =
∑
t=2
( e t − e t −1 ) 2
n
∑
样本容量为n-1。
t =1
e t2
(10.3)
Durbin-Watson d检验量是诊断自相关常用的检验 工具,必须掌握。
10.2 自相关产生的原因
1. 经济时间序列的惯性(inertia)或迟缓性(sluggishness)特征。 2. 模型适定误差。有些自相关并不是由于连续观察值之间相 关产生的,而是因为回归模型不是适定性的“好”模型。 “不好模型”有多种原因。 3. 蛛网现象(the cobweb phenomenon)。一个变量对另一个变 量的反映不是同步的,时滞一定的时间。商品供给对价格 的反映: St = B1 + B2*Pt-1 + ut (10.2)
∑
t=2 n
e t e t −1 e t2
ˆ ,− 1 ≤ ρ ≤ 1
(10.5)
∑
t =1
如果d接近0,则存在正相关;d接近4,则存在负相关;d 接近2,表示不存在相关。
10.5 自相关的诊断-Durbin-Watson d检验法
d 统计量诊断自相关需要一定的假设条件,不是任意可用的: 1. 回归模型包括一个截距项。因此,d统计量无法判断通过原 点的回归模型的自相关问题。 2. 变量X是非随机变量,即在重复抽样中变量X的值是固定不 变的。 3. 扰动项ui的生成机制是:
4. 数据处理。在做季节因素的调整时,经常要做移动平均。 移动平均的处理可以消除季节波动的影响,但带来新的问 题则是产生了自相关。
计量经济学第五章

Variables-Likelihood Ratio • 出现对话框时,写入删除变量名--OK • 对比删除前后的AIC与SC信息值,信息
值小的结论是应采纳的。
9
用Eviews的误设定检验3
• 第一,估计出简单(单纯)方程 • 第二,在命令窗口上写入genr v_hat=resid 或者 Procs/Generate Series中 v_hat=resid 发现 v_hat • 第三,估计出新的回归方程
无约束模型(U)
有约束模型(K) (general to simple)
计算统计量F
F=(RSSK-RSSu)/J RSSu/(n-k-1)
~F(J, n-k)
J 为表示约束条件数, K 为表示自变量数 或者 应估计的参数数, n 为表示样本数(obs)
4
2. LM检验(Lagrange Multiplier
多重共线性多出现在横截面资料上。
16
三、异方差性的检验及对策
Var(ℇi)≠Var(ℇj) (i≠j)时, ℇi中存在异方差性(Herteroskedasticity)。 即随机项中包含着对因变量的影响因素。 异方差性多发生在横截面资料上。
17
异方差性的检验
1.图示检验法 如模型为Yi=0+1X1i+2X2i+…+ℇi 时,
7
用Eviews的误设定检验1
• 首先估计出简单(单纯)方程 • View/Coefficient Tests/Omitted
Variables-Likelihood Ratio • 出现对话框时,写入新变量名 OK • 检验结果出现在上端,如果P值很小时, 拒
计量经济学(第四版)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,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NS 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。
《计量经济学》第五章习题及参考答案.doc

第五章经典单方程计量经济学模型:专门问题一、内容提要本章主要讨论了经典单方程回归模型的几个专门题。
第一个专题是虚拟解释变量问题。
虚拟变量将经济现象中的一些定性因素引入到可以进行定量分析的回归模型,拓展了回归模型的功能。
本专题的重点是如何引入不同类型的虚拟变量来解决相关的定性因素影响的分析问题,主要介绍了引入虚拟变量的加法方式、乘法方式以及二者的组合方式。
在引入虚拟变量时有两点需要注意,一是明确虚拟变量的对比基准,二是避免出现“虚拟变量陷阱”。
第二个专题是滞后变量问题。
滞后变量包括滞后解释变量与滞后被解释变量,根据模型中所包含滞后变量的类别又可将模型划分为自回归分布滞后模型与分布滞后模型、自回归模型等三类。
本专题重点阐述了产生滞后效应的原因、分布滞后模型估计时遇到的主要困难、分布滞后模型的修正估计方法以及自回归模型的估计方法。
如对分布滞后模型可采用经验加权法、Almon多项式法、Koyck方法来减少滞项的数目以使估计变得更为可行。
而对自回归模型,则根据作为解释变量的滞后被解释变量与模型随机扰动项的相关性的不同,采用工具变量法或OLS 法进行估计。
由于滞后变量的引入,回归模型可将静态分析动态化,因此,可通过模型参数来分析解释变量对被解释变量影响的短期乘数和长期乘数。
第三个专题是模型设定偏误问题。
主要讨论当放宽“模型的设定是正确的”这一基本假定后所产生的问题及如何解决这些问题。
模型设定偏误的类型包括解释变量选取偏误与模型函数形式选取取偏误两种类型,前者又可分为漏选相关变量与多选无关变量两种情况。
在漏选相关变量的情况下,OLS估计量在小样本下有偏,在大样本下非一致;当多选了无关变量时,OLS估计量是无偏且一致的,但却是无效的;而当函数形式选取有问题时,OLS估计量的偏误是全方位的,不仅有偏、非一致、无效率,而且参数的经济含义也发生了改变。
在模型设定的检验方面,检验是否含有无关变量,可用传统的t检验与F检验进行;检验是否遗漏了相关变量或函数模型选取有错误,则通常用一般性设定偏误检验(RESET检验)进行。
计量经济学第五章练习题及参考解答

第五章练习题及参考解答5.1 设消费函数为i i i i u X X Y +++=33221βββ式中,i Y 为消费支出;i X 2为个人可支配收入;i X 3为个人的流动资产;i u 为随机误差项,并且222)(,0)(i i i X u Var u E σ==(其中2σ为常数)。
试解答以下问题:(1)选用适当的变换修正异方差,要求写出变换过程;(2)写出修正异方差后的参数估计量的表达式。
练习题5.1参考解答:(1)因为22()i i f X X =,所以取221i iW X =,用2i W 乘给定模型两端,得 312322221i i iii i i Y X u X X X X βββ=+++ 上述模型的随机误差项的方差为一固定常数,即22221()()i i i iu Var Var u X X σ==(2)根据加权最小二乘法,可得修正异方差后的参数估计式为***12233ˆˆˆY X X βββ=--()()()()()()()***2****22232322322*2*2**2223223ˆii i i i i i i i i i i ii ii i iW y x W x W y x W x x WxWxWx xβ-=-∑∑∑∑∑∑∑()()()()()()()***2****23222222332*2*2**2223223ˆii i i i i i i i i i i i i i i i i W y x W x W y x W x x W x W x W x x β-=-∑∑∑∑∑∑∑其中22232***23222,,i ii ii i iiiW X W X W Y XXYWWW ===∑∑∑∑∑∑******222333i i i i i x X X x X X y Y Y =-=-=-5.2 下表是消费Y 与收入X 的数据,试根据所给数据资料完成以下问题:(1)估计回归模型u X Y ++=21ββ中的未知参数1β和2β,并写出样本回归模型的书写格式;(2)试用Goldfeld-Quandt 法和White 法检验模型的异方差性; (3)选用合适的方法修正异方差。
计量经济学第5讲 自相关性

数据的“编造” 3、数据的“编造”
在实际经济问题中,有些数据是通过已知数据 生成的。 因此,新生成的数据与原数据间就有了内在的 联系,表现出自相关性。 例如:季度数据 季度数据来自月度数据的简单平均,这 季度数据 种平均的计算减弱了每月数据的波动性,从而使 随机干扰项出现序列相关。 还有就是两个时间点之间的“内插 内插”技术往往 内插 导致随机项的自相关性。
如何得到矩阵 如何得到矩阵?
对的形式进行特殊设定后,才可得到其估计值。 如设定随机扰动项为一阶序列相关形式 i=ρi-1+εi 则 1 ρ ρ
σε ρ Cov (μ, ′) = μ 1 ρ 2 n 1 ρ
2
1
ρ n2
0 0 1 0 0
ρ = σ 2Ω 1
给定α,查临界值χα2(p),与LM值比较,做出判断, 实际检验中,可从1阶、2阶、…逐次向更高阶检验。
四、自相关性的解决方法 如果模型被检验证明存在自相关性,则 需要发展新的方法估计模型。 最常用的方法是广义最小二乘法 广义最小二乘法(GLS: 广义最小二乘法 Generalized least squares)和广义差分法 广义差分法 (Generalized Difference)。
不 能 确 定
4-dU <D.W.<4- dL 不能确定
负 相 关
0
dL
dU
2
4-dU 4-dL
当D.W.值在2左右时,模型不存在一阶自相关。 证明: 证明: 展开D.W.统计量:
D.W . = ~ ~ ~~ ∑ et 2 + ∑ et 21 2∑ et et 1
t =2 t =2 t =2 n n n
变换原模型: D-1Y=D-1X β +D-1 即 Y*=X*β + * (*) 该模型具有同方差性和随机误差项互相独立性: 该模型具有同方差性和随机误差项互相独立性
计量经济学习题及全部答案

计量经济学习题及全部答案《计量经济学》习题(⼀)⼀、判断正误1.在研究经济变量之间的⾮确定性关系时,回归分析是唯⼀可⽤的分析⽅法。
() 2.最⼩⼆乘法进⾏参数估计的基本原理是使残差平⽅和最⼩。
()3.⽆论回归模型中包括多少个解释变量,总离差平⽅和的⾃由度总为(n -1)。
() 4.当我们说估计的回归系数在统计上是显著的,意思是说它显著地异于0。
()5.总离差平⽅和(TSS )可分解为残差平⽅和(ESS )与回归平⽅和(RSS )之和,其中残差平⽅和(ESS )表⽰总离差平⽅和中可由样本回归直线解释的部分。
() 6.多元线性回归模型的F 检验和t 检验是⼀致的。
()7.当存在严重的多重共线性时,普通最⼩⼆乘估计往往会低估参数估计量的⽅差。
() 8.如果随机误差项的⽅差随解释变量变化⽽变化,则线性回归模型存在随机误差项的⾃相关。
()9.在存在异⽅差的情况下,会对回归模型的正确建⽴和统计推断带来严重后果。
() 10...DW 检验只能检验⼀阶⾃相关。
()⼆、单选题1.样本回归函数(⽅程)的表达式为()。
A .i Y =01i i X u ββ++ B .(/)i E Y X =01i X ββ+C .i Y =01??i i X e ββ++D .?i Y =01??iX ββ+ 2.下图中“{”所指的距离是()。
A .随机⼲扰项B .残差C .i Y 的离差D .?iY 的离差 3.在总体回归⽅程(/)E Y X =01X ββ+中,1β表⽰()。
A .当X 增加⼀个单位时,Y 增加1β个单位 B .当X 增加⼀个单位时,Y 平均增加1β个单位 C .当Y 增加⼀个单位时,X 增加1β个单位 D .当Y 增加⼀个单位时,X 平均增加1β个单位 4.可决系数2R 是指()。
A .剩余平⽅和占总离差平⽅和的⽐重B .总离差平⽅和占回归平⽅和的⽐重C .回归平⽅和占总离差平⽅和的⽐重D .回归平⽅和占剩余平⽅和的⽐重 5.已知含有截距项的三元线性回归模型估计的残差平⽅和为2i e ∑=800,估计⽤的样本容量为24,则随机误差项i u 的⽅差估计量为()。
- 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5章 自相关性一、名词解释1 序列相关性2 虚假序列相关3 差分法4 广义差分法5 自回归模型6 广义最小二乘法7 DW 检验8 科克伦-奥克特跌代法9 Durbin 两步法10 相关系数二、单项选择题1、如果模型y t =b 0+b 1x t +u t 存在序列相关,则( )A.cov(x t , u t )=0B.cov(u t , u s )=0(t ≠s)C. cov(x t , u t )≠0D. cov(u t , u s ) ≠0(t ≠s)2、DW 检验的零假设是(ρ为随机误差项的一阶相关系数)( )A 、DW =0B 、ρ=0C 、DW =1D 、ρ=13、下列哪个序列相关可用DW 检验(v t 为具有零均值,常数方差且不存在序列相关的随机变量)( )A .u t =ρu t -1+v tB .u t =ρu t -1+ρ2u t -2+…+v tC .u t =ρv tD .u t =ρv t +ρ2 v t-1 +…4、DW 的取值范围是( )A 、-1≤DW ≤0B 、-1≤DW ≤1C 、-2≤DW ≤2D 、0≤DW ≤45、当DW =4时,说明( )A 、不存在序列相关B 、不能判断是否存在一阶自相关C 、存在完全的正的一阶自相关D 、存在完全的负的一阶自相关6、根据20个观测值估计的结果,一元线性回归模型的DW =2.3。
在样本容量n=20,解释变量k=1,显著性水平为0.05时,查得dl=1,du=1.41,则可以决断( )A 、不存在一阶自相关B 、存在正的一阶自相关C 、存在负的一阶自D 、无法确定7、当模型存在序列相关现象时,适宜的参数估计方法是( )A 、加权最小二乘法B 、间接最小二乘法C 、广义差分法D 、工具变量法8、对于原模型y t =b 0+b 1x t +u t ,广义差分模型是指( )0t 1t t t 01t t t t-101t t-1t t-1b B. y =b x uC. y =b +b x uD. y y =b (1-)+b (x x )(u u )ρρρρ+++--+- 9、采用一阶差分模型一阶线性自相关问题适用于下列哪种情况( )A 、ρ≈0B 、ρ≈1C 、-1<ρ<0D 、0<ρ<110、假定某企业的生产决策是由模型S t =b 0+b 1P t +u t 描述的(其中S t 为产量,P t 为价格),又知:如果该企业在t-1期生产过剩,经营人员会削减t 期的产量。
由此决断上述模型存在( )A 、异方差问题B 、序列相关问题C 、多重共线性问题D 、随机解释变量问题11、根据一个n=30的样本估计t 01t tˆˆy =+x +e ββ后计算得DW =1.4,已知在5%的置信度下,dl=1.35,du=1.49,则认为原模型( )A 、存在正的一阶自相关B 、存在负的一阶自相关C 、不存在一阶自相关D 、无法判断是否存在一阶自相关。
12对于模型t 01t tˆˆy =+x +e ββ,以ρ表示e t 与e t-1之间的线性相关关系(t=1,2,…T ),则下列明显错误的是( )A 、ρ=0.8,DW =0.4B 、ρ=-0.8,DW =-0.4C 、ρ=0,DW =2D 、ρ=1,DW =013、同一统计指标按时间顺序记录的数据列称为 ( )A.横截面数据B.时间序列数据C.修匀数据D.原始数据三、多项选择题1、DW 检验不适用一下列情况的序列相关检验()A 、高阶线性自回归形式的序列相关B 、一阶非线性自回归的序列相关C 、移动平均形式的序列相关D 、正的一阶线性自回归形式的序列相关E 、负的一阶线性自回归形式的序列相关2、以dl 表示统计量DW 的下限分布,du 表示统计量DW 的上限分布,则DW 检验的不确定区域是()A 、du ≤DW ≤4-duB 、4-du ≤DW ≤4-dlC 、dl ≤DW ≤duD 、4-dl ≤DW ≤4E 、0≤DW ≤dl3、DW 检验不适用于下列情况下的一阶线性自相关检验()A 、模型包含有随机解释变量B 、样本容量太小C 、非一阶自回归模型D 、含有滞后的被解释变量E 、包含有虚拟变量的模型4、针对存在序列相关现象的模型估计,下述哪些方法可能是适用的()A 、加权最小二乘法B 、一阶差分法C 、残差回归法D 、广义差分法 D 、Durbin 两步法5、如果模型y t =b 0+b 1x t +u t 存在一阶自相关,普通最小二乘估计仍具备()A 、线性B 、无偏性C 、有效性D 、真实性E 、精确性6、DW 检验不能用于下列哪些现象的检验A 、递增型异方差的检验B 、u t =ρu t -1+ρ2u t -2+v t 形式的序列相关检验C 、x i =b 0+b 1x j +u t 形式的多重共线性检验D 、t 01t 2t-1tˆˆˆy =+x +y +e βββ的一阶线性自相关检验 E 、遗漏重要解释变量导致的设定误差检验四、简答题1.简述DW 检验的局限性。
2.序列相关性的后果。
3.简述序列相关性的几种检验方法。
4.广义最小二乘法(GLS )的基本思想是什么?5.解决序列相关性的问题主要有哪几种方法?6.差分法的基本思想是什么?7.差分法和广义差分法主要区别是什么?8.请简述什么是虚假序列相关。
9.序列相关和自相关的概念和范畴是否是一个意思?10.DW 值与一阶自相关系数的关系是什么?五、计算分析题1.根据某地1961—1999年共39年的总产出Y 、劳动投入L 和资本投入K 的年度数据,运用普通最小二乘法估计得出了下列回归方程:(0.237) (0.083) (0.048) ,DW=0.858上式下面括号中的数字为相应估计量的标准误差。
在5%的显著性水平之下,由DW检验临界值表,得d L =1.38,d u =1.60。
问;(1) 题中所估计的回归方程的经济含义;(2) 该回归方程的估计中存在什么问题?应如何改进?2.根据我国1978——2000年的财政收入Y 和国内生产总值X 的统计资料,可建立如下的计量经济模型:X Y ⨯+=1198.06477.556(2.5199) (22.7229)2R =0.9609,E S .=731.2086,F =516.3338,W D .=0.3474请回答以下问题:(1) 何谓计量经济模型的自相关性?(2) 试检验该模型是否存在一阶自相关,为什么?(3) 自相关会给建立的计量经济模型产生哪些影响?(4) 如果该模型存在自相关,试写出消除一阶自相关的方法和步骤。
(临界值24.1=L d ,43.1=U d )3.对某地区大学生就业增长影响的简单模型可描述如下t t t t t gGDP gGDP gPOP gMIN gEMP μβββββ+++++=4132110式中,为新就业的大学生人数,MIN1为该地区最低限度工资,POP 为新毕业的大学生人数,GDP1为该地区国内生产总值,GDP 为该国国内生产总值;g 表示年增长率。
(1)如果该地区政府以多多少少不易观测的却对新毕业大学生就业有影响的因素作为基础来选择最低限度工资,则OLS 估计将会存在什么问题?(2)令MIN 为该国的最低限度工资,它与随机扰动项相关吗?(3)按照法律,各地区最低限度工资不得低于国家最低工资,哪么gMIN 能成为gMIN1的工具变量吗?4 下表给出了美国1960-1995年36年间个人实际可支配收入X 和个人实际消费支出Y的数据。
要求:(1)用普通最小二乘法估计收入—消费模型;t t u X Y ++=221ββ (2)检验收入—消费模型的自相关状况(5%显著水平);(3)用适当的方法消除模型中存在的问题。
5 在研究生产中劳动所占份额的问题时,古扎拉蒂采用如下模型模型1 t t u t Y ++=10αα模型2 t t u t t Y +++=2210ααα其中,Y 为劳动投入,t 为时间。
据1949-1964年数据,对初级金属工业得到如下结果:模型1 t Y t 0041.04529.0ˆ-=t = (-3.9608)R 2 = 0.5284 DW = 0.8252模型2 20005.00127.04786.0ˆt t Y t+-= t = (-3.2724)(2.7777)R 2 = 0.6629 DW = 1.82其中,括号内的数字为t 统计量。
问:(1)模型1和模型2中是否有自相关;(2)如何判定自相关的存在?(3)怎样区分虚假自相关和真正的自相关。
6下表是北京市连续19年城镇居民家庭人均收入与人均支出的数据。
(2)检验模型中存在的问题,并采取适当的补救措施预以处理;(3)对模型结果进行经济解释。
7下表给出了日本工薪家庭实际消费支出与可支配收入数据要求:(1)建立日本工薪家庭的收入—消费函数;(2)检验模型中存在的问题,并采取适当的补救措施预以处理;(3)对模型结果进行经济解释。
8下表给出了中国进口需求(Y)与国内生产总值(X)的数据。
指标。
要求:(1)检测进口需求模型 t t t u X Y ++=21ββ 的自相关性;(2)采用科克伦-奥克特迭代法处理模型中的自相关问题。
9 下表给出了某地区1980-2000年的地区生产总值(Y )与固定资产投资额(X )的数据。
要求:(1)使用对数线性模型 t t t 21 进行回归,并检验回归模型的自相关性;(2)采用广义差分法处理模型中的自相关问题。
(3) 令1-=t t *t X /X X (固定资产投资指数),1-=t t *t Y /Y Y (地区生产总值增长指数),使用模型 t *t *t v LnX LnY ++=21ββ,该模型中是否有自相关?。