资源描述
.第一章 绪 论一、填空题:1数量关系,经济理论,统计学,数学2理论,确定,定量,随机3数学方法4理论,应用5单方程模型,联立方程模型6选择变量,确定变量之间的数学关系,拟定模型中待估计参数的数值范围7解释变量8外生经济,外生条件,外生政策,滞后被解释9经济行为理论10时间序列,截面数据,虚变量11完整性,准确性,可比性,一致性12对模型进行识别,估计方法的选择13经济意义,统计,计量经济学,预测14序列相关,异方差性,多重共线性15结构分析,经济预测,政策评价,检验和发展经济理论16弹性分析、乘数分析与比较静力分析二、单选题:1B2C3C4B5B6B7A8B9B 三、多选题:1ABCD2ABCD3ABCD 四、名词解释:1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。是经济理论、统计学和数学三者的结合。2虚变量数据也称为二进制数据,一般取0或1。虚变量经常被用在计量经济学模型中,以表征政策、条件等因素。3. 是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系,用相关系数来衡量。4. 是指两个或两个以上变量在行为机制上的依赖性,作为结果的变量是由作为原因的变量所决定的,原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。五、简答题:1答:数理经济模型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。计量经济模型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。2答:1从计量经济学的定义看;2从计量经济学在西方经济学科中的地位看;3从计量经济学的研究对象和任务看;4从建立与应用计量经济学模型的过程看。3答:1需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。2要考虑数据的可得性。3要考虑所以入选变量之间的关系,使得每一个解释变量都是独立的。4答:1选择模型数学形式的主要依据是经济行为理论。2也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图,作为建立理论模型的依据。3在某种情况下,若无法事先确定模型的数学形式,那么就要采用各种可能的形式试模拟,然后选择模拟结果较好的一种。5答:时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。6答:成功的要素有三:理论、方法和数据。理论:所研究的经济现象的行为理论,是计量经济学研究的基础;方法:主要包括模型方法和计算方法是计量经济学研究的工具与手段,是计量经济学不同于其他经济学分支科学的主要特征;数据:反映研究对象的活动水平、相互间以及外部环境的数据,或更广义讲是信息,是计量经济学研究的原料。三者缺一不可。7答:相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系,用相关系数来衡量。因果关系是指两个或两个以上变量在行为机制上的依赖性,作为结果的变量是由作为原因的变量所决定的,原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。8答:相关分析是判断变量之间是否具有相关关系的数学分析方法,通过计算变量之间的相关系数来实现。回归分析也是判断变量之间是否具有相关关系的一种数学分析方法,它着重判断一个随机变量与一个或几个可控变量之间是否具有相关关系。第二章 单方程计量经济学模型理论与方法上一、填空题:1.在解释变量中被忽略掉的因素的影响,变量观测值的观测误差的影响,模型关系的设定误差的影响,其他随机因素的影响2.零均值,同方差,无自相关,解释变量与随机误差项相互独立或者解释变量为非随机变量3.随机误差项,残差4.5.有效性或者方差最小性6.线性,无偏性,有效性7.提高样本观测值的分散度,增大样本容量,提高模型的拟合优度8.3个9.拟合优度检验、方程的显著性检验、变量的显著性检验10.被解释变量观测值与其均值,被解释变量其估计值与其均值,被解释变量观测值与其估计值11.模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立12.n30或至少n3k+113.n30或至少n2414.直接置换法、对数变换法和级数展开法。15.Y*=1/Y X*=1/X ,Y*=+X*16.Y*=lnY/,Y*=+X二、单选题:1. B2. D3. B4. C5. A6. B7. A8. B9. A10. B11. B12C13D14D15A16. C17A18C19D20D21C22. C23. A24D三、多选题:1BEFH2BC3BC4ABC5ABCD6BCD7AD8DG ABCG G EF四、名词解释:1根据最小二乘原理得到的关于参数估计值的线性代数方程组。2从最小二乘原理和最大或然原理出发,欲得到参数估计量,不管其质量如何,所要求的样本容量的下限。样本容量必须不少于模型中解释变量的数目包括常数项,即nk+1。五、简答题:1答:1零均值,同方差,无自相关,解释变量与随机误差项相互独立或者解释变量为非随机变量2,3线性即,无偏性即,有效性即4,其中2. 答:1;2;3。3. 答:从数学角度,引入随机误差项,将变量之间的关系用一个线性随机方程来描述,用随机数学的方法来估计方程中的参数;从经济学角度,客观经济现象是十分复杂的,是很难用有限个变量、某一种确定的形式来描述的,这就是设置随机误差项的原因。4. 答:随机误差项主要包括下列因素的影响:1解释变量中被忽略的因素的影响;2变量观测值的观测误差的影响;3模型关系的设定误差的影响;4其它随机因素的影响。5. 答:直接置换法、对数变换法和级数展开法。6答:1随机误差项具有零均值。即E=0 i=1,2,n2随机误差项具有同方差。即 Var= i=1,2,n3随机误差项在不同样本点之间是独立的,不存在序列相关。即Cov=0 ij i,j=1,2,n4解释变量是确定性变量,不是随机变量,随机误差项与解释变量之间不相关。即 Cov=0 j=1,2,k i=1,2,n 5解释变量之间不存在严重的多重共线性。6随机误差项服从零均值、同方差的正态分布。即Ni=1,2,n7答:最小二乘法的基本原理是当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得模型能最好地拟合样本数据。最大或然法的基本原理是当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。8答:线性。所谓线性是指参数估计量是的线性函数。无偏性。所谓无偏性是指参数估计量的均值期望等于模型参数值,即,。有效性。参数估计量的有效性是指在所有线性、无偏估计量中,该参数估计量的方差最小。9答:所谓最小样本容量,即从最小二乘原理和最大或然原理出发,欲得到参数估计量,不管其质量如何,所要求的样本容量的下限。样本容量必须不少于模型中解释变量的数目包括常数项。即虽然当 时可以得到参数估计量,但除了参数估计量质量不好以外,一些建立模型所必须的后续工作也无法进行。一般经验认为,当或者至少时,才能说满足模型估计的基本要求。10. 答:剔除样本容量和解释变量个数的影响。11. 答:区别:它们是从不同原理出发的两类检验。拟合优度检验是从已经得到估计的模型出发,检验它对样本观测值的拟合程度,方程显著性检验是从样本观测值出发检验模型总体线性关系的显著性。_模型对样本观测值的拟合程度高,模型总体线性关系的显著性就强。可通过统计量之间的数量关系来加以表示:。12答:1增大样本容量n;2提高模型的拟合优度,减少残差平方和;3提高样本观测值的分散度。13答:1增大样本容量n;2提高模型的拟合优度,减少残差平方和;3提高样本观测值的分散度。14答:a图呈无规律变化;b图中当X增加时,随机误差项的方差也随之增大;c图中随机误差项的方差与X的变化无关;d图中当X增加时,随机误差项的方差与之呈U形变化。六、一元计算题某农产品试验产量公斤/亩和施肥量公斤/亩7块地的数据资料汇总如下:后来发现遗漏的第八块地的数据:,。要求汇总全部8块地数据后分别用小代数解法和矩阵解法进行以下各项计算,并对计算结果的经济意义和统计意义做简要的解释。1.该农产品试验产量对施肥量X公斤/亩回归模型进行估计。2.对回归系数斜率进行统计假设检验,信度为0.05。3.估计可决系数并进行统计假设检验,信度为0.05。4计算施肥量对该农产品产量的平均弹性。5.令施肥量等于50公斤/亩,对农产品试验亩产量进行预测,信度为0.05。6.令施肥量等于30公斤/亩,对农产品试验平均亩产量进行预测,信度为0.01。 所需临界值在以下简表中选取: t0.025,6 = 2.447 t0.025,7 = 2.365 t0.025,8 = 2.306 t0.005,6 = 3.707 t0.005,7 = 3.499 t0.005,8 = 3.355F0.05,1,7 = 5.59 F0.05,2,7 = 4.74 F0.05,3,7 = 4.35 F0.05,1,6 = 5.99 F0.05,2,6 = 5.14 F0.05,3,6 = 4.76小代数解法首先汇总全部8块地数据: =255+20 =275 =1217.71+7=10507 =10507+202 = 10907 = 10907-8=1453.88=3050+400=3450 =8371.429+7=1337300 =1337300+4002 = 1497300 =1497300 -8= 9487.5 =3122.857+7=114230 =114230+20400 =122230 =122230-834.375431.25 =3636.25 1.该农产品试验产量对施肥量X公斤/亩回归模型进行估计统计意义:当增加1个单位,Y平均增加2.5011个单位。经济意义:当施肥量增加1公斤,亩产量平均增加2.5011公斤。2.对回归系数斜率进行统计假设检验,信度为0.05。 = 0.2122 H0: b = 0 H1: b0 = = 11.7839 2.447=拒绝假设H0: b = 0, 接受对立假设H1: b0 统计意义:在95%置信概率下,2.5011与b=0之间的差异不是偶然的,2.5011不是由b=0这样的总体所产生的。经济意义:在95%置信概率下,施肥量对亩产量的影响是显著的。3.估计可决系数并进行统计假设检验,信度为0.05。统计意义:在Y的总变差中,有95.86%可以由X做出解释。回归方程对于样本观测点拟合良好。经济意义:在亩产量的总变差中,有95.86%是可以由施肥量做出解释的。拒绝假设 接受对立假设统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的,不是由这样的总体产生的。经济意义:在95%的置信概率下,施肥量对亩产量的解释作用是显著的。4计算施肥量对该农产品产量的平均弹性。2.50110.199统计意义:就该样本而言,增加1%将使增加0.199%。经济意义:8块地的施肥量每增加1%将使农产品产量增加0.199%。5.令施肥量等于50公斤/亩,对农产品试验亩产量进行预测,信度为0.05。 345.28 + 2.501150 = 470.329公斤/亩统计意义:在95%的置信概率下,当X0 = 50时,区间447.81, 492.847将包含总体真值经济意义:在95%的置信概率下,当施肥量为50公斤时,亩产量在447.81到492 .847公斤之间。6.令施肥量等于30公斤/亩,对农产品试验平均亩产量进行预测,信度为0.01。 345.28 + 2.501130 = 420.308公斤/亩统计意义:在99%的置信概率下,当X0 = 30时,区间409.16, 431.466将包含总体真值。经济意义:在99%的置信概率下,当施肥量为30公斤时,平均亩产量在409.16到431.466公斤之间。矩阵解法首先汇总全部8块地数据: =255+20 =275 =1217.71+7=10507 =10507+202 = 10907 = 10907-8=1453.88=3050+400=3450 =8371.429+7=1337300 =1337300+4002 = 1497300 =1497300 -8= 9487.5 =3122.857+7=114230 =114230+20400 =122230 =122230-834.375431.25 =3636.25 1.该农产品试验产量对施肥量X公斤/亩回归模型进行估计= = = = = = = = = 的统计意义:当增加1个单位,Y平均增加2.5011个单位。的经济意义:当施肥量增加1公斤,亩产量平均增加2.5011公斤。2.对回归系数斜率进行统计假设检验,信度为0.05。= = = 1496907 = 14973001496907 = 392.967 = 0.2122 H0: b = 0 H1: b0 = = 11.7839 2.447=拒绝假设H0: b = 0, 接受对立假设H1: b0 统计意义:在95%置信概率下,11.7839与b=0之间差异不是偶然的,11.7839不是由b=0这样的总体所产生的。 经济意义:在95%置信概率下,施肥量对亩产量的影响是显著的。3.估计可决系数并进行统计假设检验,信度为0.05。= = = 0.9586统计意义:在Y的总变差中,有95.86%可以由X做出解释。回归方程对于样本观测点拟合良好。经济意义:在亩产量的总变差中,有95.86%是可以由施肥量做出解释的。拒绝假设 接受对立假设统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的,不是由这样的总体产生的。经济意义:在95%的置信概率下,施肥量对亩产量的解释作用是显著的。4计算施肥量对该农产品产量的平均弹性。2.50110.199统计意义:就该样本而言,增加1%将使增加0.199%。经济意义:8块地的施肥量每增加1%将使农产品产量增加0.199%。5.令施肥量等于50公斤/亩,对农产品试验亩产量进行预测,信度为0.05。 345.28 + 2.501150 = 470.329公斤/亩 9.202统计意义:在95%的置信概率下,当X0 = 50时,区间447.81, 492.847将包含总体真值经济意义:在95%的置信概率下,当施肥量为50公斤时,亩产量在447.81到492 .847公斤之间。6.令施肥量等于30公斤/亩,对农产品试验平均亩产量进行预测,信度为0.01。 345.28 + 2.501130 = 420.308公斤/亩= 3.008统计意义:在99%的置信概率下,当X0 = 30时,区间409.16, 431.466将包含总体真值经济意义:在99%的置信概率下,当施肥量为30公斤时,平均亩产量在409.16到431.466公斤之间。七、二元计算题设某商品的需求量百件,消费者平均收入百元,该商品价格元的统计数据如下: 至少保留三位小数=800 =80 =60 =439=67450 =740 =390 =6920 =4500 n = 10 经TSP计算部分结果如下:表一、表二、表三中被解释变量均为, n = 10表一 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG C 99.469295 13.472571 7.3830965 0.000 X1 2.5018954 0.7536147 3.3198600 0.013 X2 - 6.5807430 1.3759059 - 4.7828436 0.002R-squared 0.949336 Mean of dependent var 80.00000Adjusted R- squared 0.934860 S.D. of dependent var 19.57890S.E of regression 4.997021 Sum of squared resid 174.7915Durbin-Watson stat 1.142593 F statistics 65.58230表二 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG C 38.40000 8.3069248 4.6226493 0.002 X1 5.200000 0.9656604 5.3849159 0.001R-squared 0.783768 Mean of dependent var 80.00000Adjusted R- squared 0.756739 S.D. of dependent var 19.57890S.E of regression 9.656604 Sum of squared resid 746.0000Durbin-Watson stat 1.808472 F statistics 28.99732表三 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG C 140.0000 8.5513157 16.371750 0.000 X2 - 10.00000 1.3693064 -7.3029674 0.000R-squared 0.869565 Mean of dependent var 80.00000Adjusted R- squared 0.853261 S.D. of dependent var 19.57890S.E of regression 7.500000 Sum of squared resid 450.0000Durbin-Watson stat 0.666667 F statistics 53.33333完成以下任务,并对结果进行简要的统计意义和经济意义解释要求列出公式、代入数据及计算结果,计算结果可以从上面直接引用。1. 建立需求量对消费者平均收入、商品价格的线性回归方程并进行估计。2. 对偏回归系数进行检验, 显著性水平=0.05。3. 估计多重可决系数,以显著性水平=0.05对方程整体显著性进行检验。并估计校正可决系数。4计算商品需求量分别与消费者平均收入和商品价格的偏相关系数。5用Beta系数分析商品需求量对消费者平均收入的变化以及商品需求量对商品价格的变化哪个更敏感。6需求量对收入的弹性以及需求量对价格的弹性分别是多少。7假如提高消费者收入和降低价格是提高商品需求量的两种可供选择的手段,你将建议采用哪一个,为什么? 8. 建立需求量对消费者平均收入的回归方程并进行估计。9.估计可决系数,以显著性水平=0.05对方程整体显著性进行检验。设消费者平均收入为700元、商品价格为5元10.用需求量对消费者平均收入、商品价格的回归方程,对需求量进行均值区间预测,显著性水平=0.01。11.在需求量对消费者平均收入的回归方程和需求量对商品价格的回归方程中,选择拟合优度更好的一个回归方程,对需求量进行均值区间预测,显著性水平=0.01。12.请对以上全部分析过程、结果和需要进一步解决的问题做出说明。小代数解法 1. 建立需求量对消费者平均收入、商品价格的线性回归方程并进行估计。= 67450-108080 = 3450 = 740-1088 = 100 = 390-1066 = 30= 6920-10808 = 520 = 4500-10806 = -300 = 439-1086 = - 41= 2.501895 = - 6.580743= 80-2.5018958- 6 = 99.46929= 99.46929+2.508195-6.580743统计意义:当保持不变,增加1个单位,Y平均增加2.50单位;当保持不变,增加1个单位,Y平均减少6.58单位。经济意义:当商品价格保持不变,消费者平均收入增加100元,商品需求平均增加250件;当消费者平均收入不变,商品价格升高1元,商品平均减少658件。2. 对偏回归系数进行检验, 显著性水平=0.05。= 3450 - 2.501895520-6.580743 = 174.7915 = 0.7536 = 1.3759 = = 3.3199=2.365 拒绝假设,接受对立假设统计意义:在95%置信概率下,与之间差异不是偶然的,不是由这样的总体所产生的。 经济意义:在95%置信概率下,消费者平均收入对该商品的需求量的影响是显著的。 = = -4.7827=2.365 拒绝假设,接受对立假设统计意义:在95置信概率下,与之间的差异不是偶然的, 不是由所这样的总体产生的。经济意义:在95置信概率下,商品价格对该商品的需求量的影响是显著的。3. 估计多重可决系数,以显著性水平=0.05对方程整体显著性进行检验。估计校正可决系数。统计意义:在Y的总变差中,有94.93%可以由做出解释。回归方程对于样本观测点拟合良好。经济意义:在商品需求量的总变差中,有94.93%是可以由消费者平均收入、商品价格做出解释的。所以,拒绝假设,接受对立假设统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的,不是由这样的总体产生的。经济意义:在95%的置信概率下,消费者平均收入和该商品价格在整体上对商品需求量的解释作用是显著的。=0.9349统计意义:用方差而不用变差,考虑到自由度,剔除解释变量数目与样本容量的影响,使具有不同样本容量和解释变量数目的回归方程可以对拟合优度进行比较。4计算商品需求量分别与消费者平均收入和商品价格的偏相关系数。统计意义:在控制的影响下,与的相关程度为0.7819;在控制的影响下,与的相关程度为-0.8750。经济意义:在控制商品价格的影响下,消费者平均收入与商品需求量的相关程度为0.7819;在控制消费者平均收入的影响下,商品价格与商品需求量的相关程度为-0.8750。由于,所以商品价格要比消费者平均收入与商品需求量相关程度高。5用Beta系数分析商品需求量对消费者平均收入的变化以及商品需求量对商品价格的变化哪个更敏感。2.5018950.4260统计意义:增加一个标准差,将使增加0.4260个标准差。经济意义:消费者平均收入每增加1个标准差,将使商品需求量增加0.4260个标准差。 -0.6137统计意义:增加一个标准差,将使减少 0.6137个标准差。经济意义:商品价格每增加1个标准差,将使商品需求量减少0.6137个标准差。由于商品需求量对商品价格的变化要比商品需求量对消费者平均收入的变化更敏感。6需求量对收入的弹性以及需求量对价格的弹性分别是多少。2.5018950.2501895统计意义:就该样本而言,增加1%将使增加0.2501895%。经济意义:就该样本而言,消费者平均收入每增加1%,将使商品需求量增加0.2501895%。-0.4936统计意义:增加1%,将使减少0.4936%。经济意义:商品价格每增加1%,将使商品需求量减少0.4936%。由于商品需求量对商品价格的变化要比商品需求量对消费者平均收入的变化更敏感。7假如提高消费者收入和降低价格是提高商品需求量的两种可供选择的手段,你将建议采用哪一个,为什么?由于和,商品需求量对商品价格的变化要比商品需求量对消费者平均收入的变化更敏感。因此采用降低价格的手段对提高商品需求量的效果更好。 8. 建立需求量对消费者平均收入的回归方程并进行估计。统计意义:当增加1个单位,Y平均增加5.2个单位。经济意义:当消费者平均收入增加100元,该商品需求量平均增加520件。9.估计可决系数,以显著性水平=0.05对方程整体显著性进行检验。统计意义:在Y的总变差中,有78.38%是可以由做出解释的。回归直线对样本观测点拟合良好。经济意义:在商品需求量中,有78.38%是可以由消费者平均收入做出解释的。所以,拒绝假设,接受对立假设统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差之间的差异是偶然的,不是由这样的总体产生的。经济意义:在95%的置信概率下,消费者平均收入对商品需求量的解释作用是显著的。=0.7567统计意义:用方差而不用变差,考虑到自由度,剔除解释变量数目与样本容量的影响,使具有不同样本容量和解释变量数目的回归方程可以对拟合优度进行比较。设消费者平均收入为700元、商品价格为5元10.用需求量对消费者平均收入、商品价格的回归方程,对需求量进行均值区间预测,显著性水平=0.01。= 99.46929+2.5018957-6.5807435 = 84.0788百件=2.55155统计意义:在99%的置信概率下,当时区间75.151,93.007将包含总体真值。经济意义:在99%的置信概率下,当消费者平均收入为700元,商品价格为5元,商品平均需求量在7515件 到9301件 之间。11.在需求量对消费者平均收入的回归方程和需求量对商品价格的回归方程中,选择拟合优度更好的一个回归方程,对需求量进行均值区间预测,显著性水平=0.01。由于需求量对消费者平均收入的回归方程拟合优度、均低于需求量对商品价格的回归方程拟合优度、,故选择需求量对商品价格的回归方程进行预测。百件统计意义:在99%的置信概率下,当时,区间80.812,99.188将包含总体真值。经济意义:在99%的置信概率下,商品价格为5元时商品平均需求量在8081到9919件之间。12.请对以上全部分析过程、结果和需要进一步解决的问题做出说明0.94930.86960.93490.853384.078890预测区间全距17.856 18.3761结论:需求量对商品价格、消费者平均收入的回归方程总的来说优于需求量对商品价格的回归方程。在整个分析过程中未对多重共线性、异方差和自相关进行检验和处理。矩阵解法 1. 建立需求量对消费者平均收入、商品价格的线性回归方程并进行估计。= = = = = = = = = = =99.46929+2.508195-6.580743统计意义:当保持不变,增加1个单位,Y平均增加2.50单位;当保持不变,增加1个单位,Y平均减少6.58单位。经济意义:当商品价格保持不变,消费者平均收入增加100元,商品需求平均增加250件;当消费者平均收入不变,商品价格升高1元,商品平均减少658件。2. 对偏回归系数进行检验, 显著性水平=0.05。= = - = 67275.2085 = 67450 67275.2085 = 174.7915= = 0.7536 = =1.3759 = = 3.3199=2.365 拒绝假设,接受对立假设统计意义:在95%置信概率下,与之间的差异不是偶然的,不是由这样的总体所产生的。 经济意义:在95%置信概率下,消费者平均收入对该商品的需求量的影响是显著的。 = = -4.7827=2.365 拒绝假设,接受对立假设统计意义:在95置信概率下,与之间的差异不是偶然的,不是由所这样的总体产生的。经济意义:在95置信概率下,商品价格对该商品的需求量的影响是显著的。3. 估计多重可决系数,以显著性水平=0.05对方程整体显著性进行检验。估计校正可决系数。= = = 0.9493 统计意义:在Y的总变差中,有94.93%可以由做出解释。回归方程对于样本观测点拟合良好。经济意义:在商品需求量的总变差中,有94.93%是可以由消费者平均收入、商品价格做出解释的。所以,拒绝假设,接受对立假设统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差的差异不是偶然的,不是由这样的总体产生的。经济意义:在95%的置信概率下,消费者平均收入和该商品价格在整体上对商品需求量的解释作用是显著的。=0.9349统计意义:用方差而不用变差,考虑到自由度,剔除解释变量数目与样本容量的影响,使具有不同样本容量和解释变量数目的回归方程可以对拟合优度进行比较。47题答案同小代数算法。 8. 建立需求量对消费者平均收入的回归方程并进行估计。= = = = = = = = = 统计意义:当增加1个单位,Y平均增加5.2个单位。经济意义:当消费者平均收入增加100元,该商品需求量平均增加520件。9.估计可决系数,以显著性水平=0.05对方程整体显著性进行检验。XY = = 66704 = = = 0.7838 统计意义:在Y的总变差中,有78.38%是可以由做出解释的。回归直线对样本观测点拟合良好。经济意义:在商品需求量中,有78.38%是可以由消费者平均收入做出解释的。所以,拒绝假设,接受对立假设统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的,不是由这样的总体产生的。经济意义:在95%的置信概率下,消费者平均收入对商品需求量的解释作用是显著的。=0.7567统计意义:用方差而不用变差,考虑到自由度,剔除解释变量数目与样本容量的影响,使具有不同样本容量和解释变量数目的回归方程可以对拟合优度进行比较。 设消费者平均收入为700元、商品价格为5元10.用需求量对消费者平均收入、商品价格的回归方程,对需求量进行均值区间预测,显著性水平=0.01。= 99.46929+2.5018957-6.5807435 = 84.0788百件=2.55155统计意义:在99%的置信概率下,当时区间75.151,93.007将包含总体真值。经济意义:在99%的置信概率下,当消费者平均收入为700元,商品价格为5元,商品平均需求量在7515件 到9301件 之间。11.在需求量对消费者平均收入的回归方程和需求量对商品价格的回归方程中,选择拟合优度更好的一个回归方程,对需求量进行均值区间预测,显著性水平=0.01。由于需求量对消费者平均收入的回归方程拟合优度、均低于需求量对商品价格的回归方程拟合优度、,故选择需求量对商品价格的回归方程进行预测。百件= = = = = = = = = = = 67000 = 67450 67000 = 450= 2.7386统计意义:在99%的置信概率下,当时,区间80.812,99.188将包含总体真值。经济意义:在99%的置信概率下,商品价格为5元时商品平均需求量在8081到9919件之间。12.请对以上全部分析过程、结果和需要进一步解决的问题做出说明0.94930.86960.93490.853384.078890预测区间全距17.856 18.3761结论:需求量对商品价格、消费者平均收入的回归方程总的来说优于需求量对商品价格的回归方程。在整个分析过程中未对多重共线性、异方差和自相关进行检验和处理。第二章 单方程计量经济学模型理论与方法下一、填空题:1. 多重共线性2. 判定系数检验法3. 排除引起共线性的变量,差分法4. 广义最小二乘法5. 6. 随机解释变量7. 8. 有偏,渐近无偏9. ,工具变量矩阵10. 异方差11. 序列相关二、单选题:1. B2. A3. A4. B5. B6. C7. D8. C9. D10. A11. D12. D13. B14. D15. D16. C17. D18. e三、多选题:1. AD2. AB3. BCD4. ABC5. CD6. DF7. ACD8. BD四、名词解释:1. 在模型估计过程中被作为工具使用,以替代模型中与随机误差项相关的随机解释变量。五、简答题:1. 答:对于模型 i=1,2,n 其基本假设之一是解释变量是互相独立的。如果某两个或多个解释变量之间出现了相关性,则称为多重共线性。如果存在 i=1,2,n 其中c不全为0,即某一个解释变量可以用其它解释变量的线性组合表示,则称为完全共线性。2. 答:1完全共线性下参数估计量不存在2一般共线性下普通最小二乘法参数估计量无偏,但方差较大。3参数估计量经济含义不合理。参数并不反映各自与被解释变量之间的结构关系,而是反映它们对被解释变量的共同影响。3. 答:主要有判定系数检验法和逐步回归检验法。4. 答:主要有两类排除引起共线性的变量,差分法。5. 答:对于模型 i=1,2,n同方差性假设为:常数 i=1,2,n如果出现 i=1,2,n即对于不同的样本点,随机误差项的方差不再是常数,而互不相同,则认为出现了异方差性。6答:1参数估计量仍然具有无偏性,但非有效,在大样本情况下仍不具有一致性。2变量的显著性检验失去意义。3模型的预测失效。7答:主要有图示检验法、等级相关系数法、戈里瑟检验、巴特列特检验、戈德菲尔特夸特检验等。8答:由于异方差性,相对于不同的样本点,也就是相对于不同的解释变量观测值,随机误差项具有不同的方差,那么检验异方差性,也就是检验随机误差项的方差与解释变量观测值之间的相关性。各种检验方法就是在这个思路下发展起来的。9答:加权最小二乘法。10答:对于模型 i=1,2,n随机误差项互相独立的基本假设表现为: ij,i,j=1,2,n如果对于不同的样本点,随机误差项之间不再是完全互相独立,而是存在相关关系,即 ij,i,j=1,2,n则认为出现了自相关性。11答:1参数估计量仍然具有无偏性,但非有效,在大样本情况下仍不具有一致性。2变量的显著性检验失去意义。3模型的预测失效。12答:图示检验法、冯诺曼比检验法、回归检验法、D.W.检验等。13. 答:1回归模型必须含有截距项;2解释变量必须是非随机的;3解释变量中不能包含被解释变量的滞后期;4不能用于联立方程模型中各方程组的自相关检验;5只适用于随机误差项存在一阶自回归形式的自相关检验;6DW检验存在两个不能确定是否存在自相关的范围,目前还没有比较好的解决办法。14. 答:由于自相关性,相对于不同的样本点,随机误差项之间不再是完全互相独立,而是存在相关关系,那么检验自相关性,也就是检验随机误差项之间的相关性。各种检验方法就是在这个思路下发展起来的。15. 答:广义最小二乘法、差分法。16. 答:1与所替代的随机解释变量高度相关;2与随机误差项不相关;3与模型中其他解释变量不相关,以避免出现多重共线性。17. 答:所谓虚假序列相关问题,是指模型的序列相关性是由于省略了显著的解释变量而引致的。避免产生虚假序列相关性的措施是在开始时建立一个一般的模型,然后逐渐剔除确实不显著的变量。第三章 模型中特殊解释变量上虚拟变量一、单选题1.B2.A3.D4.C5.A6.D7.A8.D二、简答题略 三、分析题1. 答:发生完全多重共线性问题,参数不能用最小二乘法进行估计。2. 答:1-0.1647表示咖啡的价格每价格提高1%,咖啡需求量将下降0.1647%;0.5115表示人均可支配收入每提高1%,咖啡需求量将提高0.5115%;0.1483表示茶的价格每提高1%,咖啡需求量将提高0.1483%。2咖啡的需求是缺乏价格弹性的3咖啡和茶是替代品4-0.0089表示每季度咖啡需求量平均下降0.0089%。5虚拟变量用来区别各个季度卡费需求量不同的季节效应。6D2t在统计上是显著的7咖啡的需求存在季节效应3. 答:1选择第二个模型。因为不同的性别,身高与体重的关系是不同的,并且从模型的估计结果看出,性别虚拟变量统计上是显著的。2如果选择了堤一个模型,会发生异方差问题。3D的系数23.8238说明当学生身高每增加1英寸时,男生比女生的体重平均多23.8238磅。4.考虑如下回归模型: 1b4 的含义是既是男性又是白人的大学教师,与男性非白人以及白人女性的大学教师年收入的平均差异。 25.答:其中:,。6. 答:其中:,。7. 答:其中:8.答:1估计此模型Dependent Variable: SMethod: Least SquaresIncluded observations: 16VariableCoefficientStd. Errort-StatisticProb. C4767.750324.036514.713620.0000D2912.2500458.25691.9906960.0698D31398.750458.25693.0523270.0100D42909.750458.25696.3496050.0000R-squared0.778998 Mean dependent var6072.938Adjusted R-squared0.723747 S.D. dependent var1233.022S.E. of regression648.0731 Akaike info criterion15.99820Sum squared resid5039985. Schwarz criterion16.19135Log likelihood-123.9856 F-statistic14.09937Durbin-Watson stat1.272709 Prob0.0003082解释b1, b2, b3, b4=4767.750,表示第一季度服装销售额平均为4767.750百万元;=912.2500,表示第二季度服装销售额比第一季度服装销售额平均多912.2500百万元;=1398.750,表示第三季度服装销售额比第一季度服装销售额平均多1398.750百万元;=2909.750,表示第三季度服装销售额比第一季度服装销售额平均多2909.750百万元;9. 1如果认为季度影响使利润平均值发生变异,应当如何引入虚拟变量?,Dependent Variable: YMethod: Least SquaresIncluded observations: 24VariableCoefficientStd. Errort-StatisticProb. C6.8222532.0640703.3052430.0037X0.0345160.0125652.7469880.0128D10.0695170.7168440.0969760.9238D21.2301080.6913021.7794070.0912D3-0.0226880.695464-0.0326230.9743R-squared0.411720 Mean dependent var12.37500Adjusted R-squared0.287872 S.D. dependent var1.408437S.E. of regression1.188548 Akaike info criterion3.366393Sum squared resid26.84026 Schwarz criterion3.611821Log likelihood-35.39671 F-statistic3.324391Durbin-Watson stat0.561582 Prob0.0317872如果认为季度影响使利润对销售额的变化率发生变异,应当如何引入虚拟变量?Dependent Variable: YMethod: Least SquaresIncluded observations: 24VariableCoefficientStd. Errort-StatisticProb. C7.0896821.9267173.6796690.0016X0.0325340.0122812.6490760.0158D1X0.0008410.0047280.1778560.8607D2X0.008072
展开阅读全文