计量经济学习题解析

第一章1、下列假想模型是否属于揭示因果关系的计量经济学模型？为什么？（1）=112.0+0.12 ,其中为第t年农村居民储蓄增加额（单位：亿元），为第t年城镇居民可支配收入总额（单位：亿元）。（2）=4432.0+0.30，其中为第t-1年底农村居民储蓄余额（单位：亿元），为第t年农村居民纯收入总额（单位：亿元）。2、 指出下列假想模型中的错误，并说明理由：其中，为第t年社会消费品零售总额（单位：亿元），为第t年居民收入总额（单位：亿元）（指城镇居民可支配收入总额与农村居民纯收入总额之和），为第t年全社会固定资产投资总额（单位：亿元）。3、 下列设定的精良经济模型是否合理？为什么？（1）其中，（i=1,2,3）是第一产业、第二产业、第三产业增加值，为随机干扰项。（2）财政收入=f（财政支出）+ ，为随机干扰项。答案1、（1）不是。因为农村居民储蓄增加额应与农村居民可支配收入总额有关，而与城镇居民可支配收入总额没有因果关系。（2）不是。第t年农村居民的纯收入对当年及以后年份的农村居民储蓄有影响，但并不对第t-1的储蓄产生影响。2、一是居民收入总额RIt前参数符号有误，应是正号；二是全社会固定资产投资总额IVt这一解释变量的选择有误，它对社会消费品零售总额应该没有直接的影响。3、（1）不合理，因为作为解释变量的第一产业、第二产业和第三产业的增加值是GDP的构成部分，三部分之和正为GDP的值，因此三变量与GDP之间的关系并非随机关系，也非因果关系。 （2）不合理，一般来说财政支出影响财政收入，而非相反，因此若建立两者之间的模型，解释变量应该为财政收入，被解释变量应为财政支出；另外，模型没有给出具体的数学形式，是不完整的。第二章五、计算分析题1、令表示一名妇女生育孩子的数目，表示该妇女接受过教育的年数。生育率对受教育年数的简单回归模型为 （1）随机扰动项包含什么样的因素？它们可能与受教育水平相关吗？（2）上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗？请解释。2、已知回归模型，式中E为某类公司一名新员工的起始薪金（元），N为所受教育水平（年）。随机扰动项的分布未知，其他所有假设都满足。（1）从直观及经济角度解释和。（2）OLS估计量和满足线性性、无偏性及有效性吗？简单陈述理由。（3）对参数的假设检验还能进行吗？简单陈述理由。（4）如果被解释变量新员工起始薪金的计量单位由元改为100元，估计的截距项、斜率项有无变化？（5）若解释变量所受教育水平的度量单位由年改为月，估计的截距项与斜率项有无变化？ 3、假设模型为。给定个观察值，按如下步骤建立的一个估计量：在散点图上把第1个点和第2个点连接起来并计算该直线的斜率；同理继续，最终将第1个点和最后一个点连接起来并计算该条线的斜率；最后对这些斜率取平均值，称之为，即的估计值。（1）画出散点图， 推出的代数表达式。（2）计算的期望值并对所做假设进行陈述。这个估计值是有偏还是无偏的？解释理由。（3）判定该估计值与我们以前用OLS方法所获得的估计值相比的优劣，并做具体解释。4、对于人均存款与人均收入之间的关系式使用美国36年的年度数据得如下估计模型，括号内为标准差：0.538（1）的经济解释是什么？（2）和的符号是什么？为什么？实际的符号与你的直觉一致吗？如果有冲突的话，你可以给出可能的原因吗？（3）对于拟合优度你有什么看法吗？（4）检验是否每一个回归系数都与零显著不同（在1%水平下）。同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述。你的结论是什么？5、现代投资分析的特征线涉及如下回归方程：；其中：表示股票或债券的收益率；表示有价证券的收益率（用市场指数表示，如标准普尔500指数）；表示时间。在投资分析中，被称为债券的安全系数，是用来度量市场的风险程度的，即市场的发展对公司的财产有何影响。依据19561976年间240个月的数据，Fogler和Ganpathy得到IBM股票的回归方程（括号内为标准差），市场指数是在芝加哥大学建立的市场有价证券指数。 (0.3001) (0.0728) 要求：（1）解释回归参数的意义；（2）如何解释？（3）安全系数的证券称为不稳定证券，建立适当的零假设及备选假设，并用检验进行检验（）。6、假定有如下的回归结果：，其中，Y表示美国的咖啡的消费量（每天每人消费的杯数），X表示咖啡的零售价格（美元/杯），t表示时间。要求：（1）这是一个时间序列回归还是横截面序列回归？（2）如何解释截距的意义，它有经济含义吗？如何解释斜率？（3）能否求出真实的总体回归函数？（4）根据需求的价格弹性定义：弹性=斜率（X/Y），依据上述回归结果，你能求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？7、若经济变量y和x之间的关系为，其中A、a为参数，为随机误差，问能否用一元线性回归模型进行分析？为什么？8、上海市居民19811998年期间的收入和消费数据如表所示，回归模型为，其中，被解释变量为人均消费，解释变量为人均可支配收入。试用普通最小二乘法估计模型中的参数，并求随机误差项方差的估计值。1、解：（1）收入、年龄、家庭状况、政府的相关政策等也是影响生育率的重要的因素，在上述简单回归模型中，它们被包含在了随机扰动项之中。有些因素可能与受教育水平相关，如收入水平与教育水平往往呈正相关、年龄大小与教育水平呈负相关等。（2）当归结在随机扰动项中的重要影响因素与模型中的教育水平educ相关时，上述回归模型不能够揭示教育对生育率在其他条件不变下的影响，因为这时出现解释变量与随机扰动项相关的情形，基本假设3不满足。2、解：（1）为接受过N年教育的员工的总体平均起始薪金。当N为零时，平均薪金为，因此表示没有接受过教育员工的平均起始薪金。是N每变化一个单位所引起的E的变化，即表示每多接受一年教育所对应的薪金增加值。（2）OLS估计量和仍满足线性性、无偏性及有效性，因为这些性质的的成立无需随机扰动项的正态分布假设。（3）如果的分布未知，则所有的假设检验都是无效的。因为t检验与F检验是建立在的正态分布假设之上的。 （4）考察被解释变量度量单位变化的情形。以E*表示以百元为度量单位的薪金，则由此有如下新模型或 这里，。所以新的回归系数将为原始模型回归系数的1/100（5）再考虑解释变量度量单位变化的情形。设N*为用月份表示的新员工受教育的时间长度，则N*=12N，于是或 可见，估计的截距项不变，而斜率项将为原回归系数的1/12。3、解：（1）散点图如下图所示。 （X2,Y2） （Xn,Yn） （X1,Y1）首先计算每条直线的斜率并求平均斜率。连接和的直线斜率为。由于共有1条这样的直线，因此（2）因为X非随机且，因此这意味着求和中的每一项都有期望值，所以平均值也会有同样的期望值，则表明是无偏的。（3）根据高斯马尔可夫定理，只有的OLS估计量是最佳线性无偏估计量，因此，这里得到的的有效性不如的OLS估计量，所以较差。4、解：（1）为收入的边际储蓄倾向，表示人均收入每增加1美元时人均储蓄的预期平均变化量。（2）由于收入为零时，家庭仍会有支出，可预期零收入时的平均储蓄为负，因此符号应为负。储蓄是收入的一部分，且会随着收入的增加而增加，因此预期的符号为正。实际的回归式中，的符号为正，与预期的一致。但截距项为正，与预期不符。这可能是模型的错误设定造成的。如家庭的人口数可能影响家庭的储蓄行为，省略该变量将对截距项的估计产生了影响；另外线性设定可能不正确。（3）拟合优度刻画解释变量对被解释变量变化的解释能力。模型中53.8%的拟合优度，表明收入的变化可以解释储蓄中53.8 %的变动。（4）检验单个参数采用t检验，零假设为参数为零，备择假设为参数不为零。在零假设下t 分布的自由度为n-2=36-2=34。由t分布表知，双侧1%下的临界值位于2.750与2.704之间。斜率项的t值为0.067/0.011=6.09，截距项的t值为384.105/151.105=2.54。可见斜率项的t 值大于临界值，截距项小于临界值，因此拒绝斜率项为零的假设，但不拒绝截距项为零的假设。5、解：（1）回归方程的截距0.7264表示当时的股票或债券收益率，本身没有经济意义；回归方程的斜率1.0598表明当有价证券的收益率每上升（或下降）1个点将使得股票或债券收益率上升（或下降）1.0598个点。（2）为可决系数，是度量回归方程拟合优度的指标，它表明该回归方程中47.10%的股票或债券收益率的变化是由变化引起的。当然 也表明回归方程对数据的拟合效果不是很好。（3）建立零假设，备择假设，查表可得临界值，由于，所以接受零假设，拒绝备择假设。说明此期间IBM股票不是不稳定证券。6、解：（1）这是一个横截面序列回归。（2）截距2.6911表示咖啡零售价在时刻为每磅0美元时，美国平均消费量为每天每人2.6911杯，这个数字没有经济意义；斜率-0.4795表示咖啡零售价与消费量负相关，在时刻，价格上升1美元/磅，则平均每天每人消费量减少0.4795杯；（3）不能；（4）不能；在同一条需求曲线上不同点的价格弹性不同，若要求出，须给出具体的值及与之对应的值。7、解：能用一元线性回归模型进行分析。因为:对方程左右两边取对数可得：令可得一元线性回归模型：8、解：列表计算得据此可计算出回归直线方程为 ：进一步列表计算得：这里,n=18，所以：第三章六、计算分析题1、某地区通过一个样本容量为722的调查数据得到劳动力受教育年数的一个回归方程为 R2=0.214式中，为劳动力受教育年数，为劳动力家庭中兄弟姐妹的个数，与分别为母亲与父亲受到教育的年数。问（1）sibs是否具有预期的影响？为什么？若与保持不变，为了使预测的受教育水平减少一年，需要增加多少？（2）请对的系数给予适当的解释。（3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数均为12年，另一个的父母受教育的年数均为16年，则两人受教育的年数预期相差多少年？2、考虑以下方程（括号内为标准差）：（0.080） (0.072) (0.658) 其中：年的每位雇员的工资年的物价水平年的失业率要求：（1）进行变量显著性检验； （2）对本模型的正确性进行讨论，是否应从方程中删除？为什么？3、以企业研发支出（R&D）占销售额的比重（单位：%）为被解释变量（Y），以企业销售额（X1）与利润占销售额的比重（X2）为解释变量，一个容量为32的样本企业的估计结果如下：其中，括号中的数据为参数估计值的标准差。（1）解释ln(X1)的参数。如果X1增长10%，估计Y会变化多少个百分点？这在经济上是一个很大的影响吗？（2）检验R&D强度不随销售额的变化而变化的假设。分别在5%和10%的显著性水平上进行这个检验。（3）利润占销售额的比重X2对R&D强度Y是否在统计上有显著的影响？4、假设你以校园内食堂每天卖出的盒饭数量作为被解释变量，以盒饭价格、气温、附近餐厅的盒饭价格、学校当日的学生数量（单位：千人）作为解释变量，进行回归分析。假设你看到如下的回归结果（括号内为标准差），但你不知道各解释变量分别代表什么。 （2.6） (6.3) (0.61) (5.9) 试判定各解释变量分别代表什么，说明理由。 5、下表给出一二元模型的回归结果。方差来源平方和（SS）自由度（d.f.）来自回归(ESS)65965来自残差(RSS)_总离差(TSS)6604214求：（1）样本容量是多少？RSS是多少？ESS和RSS的自由度各是多少？（2）和？（3）检验假设：解释变量总体上对无影响。你用什么假设检验？为什么？（4）根据以上信息，你能确定解释变量各自对的贡献吗？6、在经典线性回归模型的基本假定下，对含有三个自变量的多元线性回归模型：你想检验的虚拟假设是：。（1）用的方差及其协方差求出。（2）写出检验H0：的t统计量。（3）如果定义，写出一个涉及b0、q、b2和b3的回归方程，以便能直接得到q估计值及其样本标准差。7、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的人数，以便决定是否修建第二条跑道以满足所有的锻炼者。你通过整个学年收集数据，得到两个可能的解释性方程：方程A： 方程B： 其中：第i天慢跑者的人数 第i天降雨的英寸数第i天日照的小时数第i天的最高温度（按华氏温度）第i天的后一天需交学期论文的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）为什么用相同的数据去估计相同变量的系数得到不同的符号？8、考虑以下预测的回归方程： 其中：为第t年的玉米产量（吨/亩）；为第t年的施肥强度（千克/亩）；为第t年的降雨量（毫米）。要求回答下列问题：（1）从和对的影响方面，说出本方程中系数和的含义；（2）常数项是否意味着玉米的负产量可能存在？（3）假定的真实值为，则的估计量是否有偏？为什么？（4）假定该方程并不满足所有的古典模型假设，即参数估计并不是最佳线性无偏估计，则是否意味着的真实值绝对不等于？为什么？9、已知描述某经济问题的线性回归模型为 ，并已根据样本容量为32的观察数据计算得，查表得，。（1）求模型中三个参数的最小二乘估计值（2）进行模型的置信度为95%的方程显著性检验（3）求模型参数b2的置信度为99%的置信区间。1、解：（1）预期sibs对劳动者受教育的年数有影响。因此在收入及支出预算约束一定的条件下，子女越多的家庭，每个孩子接受教育的时间会越短。根据多元回归模型偏回归系数的含义，sibs前的参数估计值-0.094表明，在其他条件不变的情况下，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年受教育的时间，兄弟姐妹需增加1/0.094=10.6个。（2）medu的系数表示当兄弟姐妹数与父亲受教育的年数保持不变时，母亲每增加1年受教育的时间，其子女作为劳动者就会预期增加0.131年的教育时间。（3）首先计算两人受教育的年数分别为10.36+0.13112+0.21012=14.45210.36+0.13116+0.21016=15.816因此，两人的受教育年限的差别为15.816-14.452=1.3642、解：（1） 在给定5%显著性水平的情况下，进行t检验。参数的t值：参数的t值：参数的t值：在5%显著性水平下，自由度为19-3-1=15的t分布的临界值为，、的参数显著不为0，但不能拒绝的参数为0的假设。（2）回归式表明影响工资水平的主要原因是当期的物价水平、失业率，前期的物价水平对他的影响不是很大，当期的物价水平与工资水平呈正向变动、失业率与工资水平呈相反变动，符合经济理论，模型正确。可以将从模型删除.3、解：（1）ln(X1)的系数表明在其他条件不变时，ln(X1)变化1个单位，Y变化的单位数，即DY=0.32Dln(X1)0.32(DX1/ X1)。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的影响。（2）针对备择假设H1：，检验原假设H0：。易知相应的t统计量的值为t=0.32/0.22=1.455。在5%的显著性水平下，自由度为32-3=29的t 分布的临界值为2.045，计算出的t值小于该临界值，所以不拒绝原假设。这意味着销售额对R&D强度的影响不显著。在10%的显著性水平下，t分布的临界值为1.699，计算的t 值小于该值，不拒绝原假设，意味着销售额对R&D强度的影响不显著。（3）对X2，参数估计值的t统计值为0.05/0.46=1.087，它比10%显著性水平下的临界值还小，因此可以认为它对Y在统计上没有显著的影响。4、解：（1）答案与真实情况是否一致不一定，因为题目未告知是否通过了经济意义检验。猜测为：为学生数量，为附近餐厅的盒饭价格，为气温，为校园内食堂的盒饭价格； （2）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；被解释变量应与本食堂盒饭价格成反比，这与需求理论相吻合；被解释变量应与附近餐厅的盒饭价格成正比，因为彼此有替代作用；被解释变量应与气温的变化关系不是十分显著，因为大多数学生不会因为气温变化不吃饭。5、解：（1）样本容量为 n=14.+1=15RSS=TSS-ESS=66042-65965=77ESS的自由度为: d.f.= 2RSS的自由度为: d.f.=n-2-1=12（2）R2=ESS/TSS=65965/66042=0.9988=1-(1- R2)(n-1)/(n-k-1)=1-0.0012*14/12=0.9986（3）应该采用方程显著性检验，即F检验，理由是只有这样才能判断X1、X2一起是否对Y有影响。（4）不能。因为通过上述信息，仅可初步判断X1、X2联合起来对Y有线性影响，两者的变化解释了Y变化的99.8%。但由于无法知道X1，X2前参数的具体估计值，因此还无法判断它们各自对Y的影响有多大。6、解：（1）（2），其中为的样本标准差。（3）由知，代入原模型得这就是所需的模型，其中q估计值及其样本标准差都能通过对该模型进行估计得到。7、解：（1）方程B更合理些。原因是：方程B中的参数估计值的符号与现实更接近些，如与日照的小时数同向变化，天长则慢跑的人会多些；与第二天需交学期论文的班级数成反向变化。（2）解释变量的系数表明该变量的单位变化，在方程中其他解释变量不变的条件下，对被解释变量的影响，由于在方程A和方程B中选择了不同的解释变量，方程A选择的是“该天的最高温度”，而方程B选择的是“第二天需交学期论文的班级数”，造成了与这两个变量之间关系的不同，所以用相同的数据估计相同的变量得到了不同的符号。8、解：（1） 在降雨量不变时,每亩增加1千克肥料将使当年的玉米产量增加0.1吨/亩;在每亩施肥量不变的情况下,每增加1毫米的降雨量将使当年的玉米产量增加5.33吨/亩。（2） 在种地的一年中不施肥也不下雨的现象同时发生的可能性很小,所以玉米的负产量不可能存在.事实上,这里的截距无实际意义。（3） 如果的真实值为0.40,则表明其估计值与真实值有偏误,但不能说的估计是有偏估计.理由是0.1是的一个估计值,而所谓估计的有偏性是针对估计的期望来说的,即如果取遍所有可能的样本,这些参数估计值的平均值与0.4有偏误的话,才能说估计是有偏的。（4） 不一定。即便该方程并不满足所有的经典模型假设，不是最佳线性无偏估计量，的真实值也有等于5.33的可能性。因为有偏估计意味着参数估计的期望不等于参数本身，并不排除参数的某一估计值恰好等于参数的真实值的可能性。9、解：（1） （2）通过方程显著性检验 （3）的99%的置倍区间为（-3.156 , 2.356） 10、解：（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 ，拒绝零假设，意味着原模型随机扰动项存在一阶序列相关，反之，接受零假设，原模型不存在一阶序列相关。1、（1）参数的经济意义是当销售收入和公司股票收益保持不变时，即，金融业CEO的薪水要比交通运输业CEO的薪水多15.8个百分点，其他2个类似解释。（2）公用事业和交通运输业之间的估计薪水的近似百分比差异就是以百分数解释的的参数，即28.3%，由于参数的t统计值为-2.895，它的绝对值大于1%显著性水平下，自由度为203的t分布的临界值1.96，故统计显著。（3）由于消费品工业和金融业相对于交通运输业的薪水百分比差异分别为15.8%和 18.1%，所以它们之间的差异为8.1%-15.8%=2.3%，一个能直接检验显著性的方程是：其中，为交通运输业的虚拟变量，对比基准为金融业。2、（1）选择b模型，因为该模型中的的系数估计值在统计上显著。（2）如果b模型确实更好，而选择了a模型，则犯了模型设定错误，丢失相关解释变量。（3）D的系数表明了现实中比较普遍的现象，男生体重大于女生。3、由于在利率r0.08时，投资I仅取决于利润X；而当利率r0.08时，投资I同时取决于利润X和一个固定的级差利润R，故可以建立如下模型来表达上述关系：（a）Ii=0+1Xi+RDi+i其中，假设i仍服从经典假设E（i）=0，则有利率r0.08时的投资期望：（b）E（Ii| Xi，Di=1）=（0+R）+1Xi利率r0，两个投资函数的斜率相同而截距水平不同；当斜率相同的假设成立，对投资函数是否受到利率差异影响的假设检验，可由检验模型（b）和（c）是否具有相同截距加以描述，原假设H0：投资函数不受利率影响。若（a）中参数R估计值的t检验在统计上是显著的，则可以拒绝投资函数不受利率影响的假设。4、（1）从咖啡需求函数的回归方程看，P的系数-0.1647表示咖啡需求的自价格弹性；I的系数0.5115示咖啡需求的收入弹性;P的系数0.1483表示咖啡需求的交叉价格弹性。（2）咖啡需求的自价格弹性的绝对值较小，表明咖啡是缺乏弹性。（3）P的系数大于0，表明咖啡与茶属于替代品。（4）从时间变量T的系数为-0.01看, 咖啡的需求量应是逐年减少,但减少的速度很慢。（5）虚拟变量在本模型中表示咖啡需求可能受季节因素的影响。（6）从各参数的t检验看，第一季度和第二季度的虚拟变量在统计上是显著的。（7）咖啡的需求存在季节效应，回归方程显示第一季度和第二季度的需求比其他季节少。第九章 滞后变量模型五、计算分析题1、假设货币需求关系式为，式中，为时间t的实际现金余额；为时间t的“期望”实际收入；为时间t的利率。根据适应规则，修改期望值。已知，的数据，但的数据未知。（1）建立一个可以用于推导估计值的经济计量模型。（2）假设和与都不相关。OLS估计值是1）无偏的；2）一致的吗？为什么？（3）假设=的性质类似（2）部分。那么，本例中OLS估计值是1）无偏的；2）一致的吗？为什么？2、一个估计某行业CEO薪水的回归模型如下：其中，Y为年薪，为公司的销售收入，为公司市值，为利润占销售的百分比，为其就任当前公司CEO的年数，为其在该公司的年数。用一容量为177的样本数据估计得到 。如果添加和，。问：此模型中是否有设定误差？试以10%和5%的显著性水平进行检验。3、假设某投资函数 其中，为t期的投资，表示t期的销售量。假定滞后变量的权数类型为倒V型，如何设计权数估计此模型。1、（1）由于 （1） （2）第二个方程乘以有 （3）由第一个方程得代入方程（3）得整理得=该模型可用来估计并计算出。（2）在给定的假设条件下，尽管与相关，但与模型中出现的任何解释变量都不相关，因此只是m与M存在异期相关，所以OLS估计是一致的，但却是有偏的估计值。（3）如果，则和相关，因为与相关。所以OLS估计结果有偏且不一致。2、如果添加和后，估计的模型变为：如果、在统计上显著不为0，则可以认为模型设定有偏误。这个可以通过受约束的F检验来完成：，在10%的显著性水平下，自由度为的F分布临界值为2.30；在5%的显著性水平下，临界值为3.0。由此可知，在10%的显著性水平下，拒绝的假设，表明原模型设定有偏误。在5%的显著性水平下，不拒绝的假设，表明原模型设定没有偏误。3、可以经验的给出如下“V”型权数1/4，2/4，3/4，3/4，2/4，1/4，则新的线性组合变量为，原模型变为经验加权模型，然后直接用OLS方法估计。第十章六、计算分析题1、如果我们将“供给”与“需求” 、价格写成如下的联立方程的形式：其中，、为外生变量。 （1）若或，解释为什么存在的简化式？若、，写出的简化式。 （2）若、，且，求的简化式。这时，有简化式吗？ （3）在“供给-需求”的模型中，的条件有可能满足吗？请解释。2、一个由两个方程组成的联立模型的结构形式如下（1）指出该联立模型中的内生变量与外生变量。（2）分析每一个方程是否为不可识别的，过度识别的或恰好识别的？（3） 有与相关的解释变量吗？有与相关的解释变量吗？（4）如果使用OLS方法估计，会发生什么情况？（5）可以使用ILS方法估计吗？如果可以，推导出估计值。对回答同样的问题。（6）逐步解释如何在第2个方程中使用2SLS方法。3、一完备的联立方程计量经济学模型如下：其中，M为货币供应量，Y为国内生产总值，P为价格总指数。（1）指出模型的内生变量、外生变量、先决变量；（2）写出简化式模型，并导出结构式参数与简化式参数之间的关系；（3）用结构式条件确定模型的识别状态；（4）如果模型不可识别，试作简单的修改使之可以识别；（5）指出ILS、IV、2SLS中哪些可用于原模型第1、2个方程的参数估计；4、（i）讨论宏观经济联立方程计量经济学模型 的识别性。其中Ct为总消费，Yt为国民收入，Tt为总税收，It为总投资，Yt-1为前期国民收入，it为利率，Gt为政府支出。（ii）将（i）中的联立方程计量经济学模型的第三个方程（税收方程）删去，讨论由剩下的三个方程组成的宏观经济联立方程计量经济学模型的识别性。1、（1）若，则由第1个方程得：，这就是一个的简化式； 若，则由第2个方程得：，这也是一个的简化式。若、，则将代入第1个方程得：整理得： （2）由第二个方程得：代入第一个方程得：整理得这就是的简化式。也有简化式，由两个方程易得：整理得（3）在“供给-需求”模型中，的条件可以满足。例如，如果第一个方程是供给方程，而第二个方程是需求方程，则这里的就代表供给量或需求量，而就代表这市场价格。于是，应有，。2、（1）内生变量：P、N；外生变量：A、S、M（2）容易写出联立模型的结构参数矩阵 P N 常量 S A M 对第1个方程，因此，即等于内生变量个数减1，模型可以识别。进一步，联立模型的外生变量个数减去该方程外生变量的个数，恰等于该方程内生变量个数减1，即4-3=1=2-1，因此第一个方程恰好识别。对第二个方程，因此，即等于内生变量个数减1，模型可以识别。进一步，联立模型的外生变量个数减去该方程外生变量的个数，大于该方程内生变量个数减1，即4-2=2=2-1，因此第二个方程是过渡识别的。综合两个方程的识别状况，该联立模型是可识别的。 （3）S,A,M为外生变量，所以他们与，都不相关。而P,N为内生的，所以他们与，都相关。具体说来，N与P同期相关，而P与同期相关，所以N与同期相关。另一方面，N与v同期相关，所以P与v同期相关。（4）由（3）知，由于随机解释变量的存在，与的OLS估计量有偏且是不一致的。（5）对第一个方程，由于是恰也识别的，所以间可用接最小二乘法（ILS）进行估计。对第二个方程，由于是过渡识别的，因此ILS法在这里并不适用。（6）对第二个方程可采用二阶段最小二乘法进行估计，具体步骤如下：第1阶段，让P对常量，S,M,A回归并保存预测值；同理，让N对常量，S,A,M回归并保存预测值。第2阶段，让对常量、作回归求第2个方程的2SLS估计值。3、（1）内生变量为、；外生变量为；先决变量为。（2）简化式模型为：结构式参数与简化式参数之间的关系体系为：， ， （3）用结构式条件确定模型的识别状态。结构参数矩阵为： 模型系统中内生变量的数目为g=2，先决变量的数目为k=1。首先判断第1个结构方程的识别状态。对于第1个方程，有： =0g-1所以，第1个结构方程为不可识别的方程。再看第2个结构，有：=（），=1=g-1所以，该方程可以识别，并且，所以，第2个方程恰好识别的结构方程。综合以上结果，该联立方程计量经济学模型是不可识别的。（4）为了使模型可以识别，需要第2个方程包含一个第1个方程所未包含的变量，所以引入滞后一期的国内生产总值，模型变为： 可以判别，此时两个结构方程都是恰好识别的，这样模型是可以识别的。（5）如前所述，第1个方程是不可识别的，第2个方程是恰好识别的，所以可以用以上三种方法来估计第2个方程。4、（）首先判断第一个方程的识别性 g-1=4-1=3g-1 ，所以，第一个方程不可识别 所以，模型不可识别 （）判断第一个方程的识别性 g-1=3-1=2，所以，该方程可识别另外， 所以，该方程过度可识别 判断第二个方程的可识别性 g-1=3-1=2，所以，该方程可识别另外， 所以，该方程过度可识别 第三个方程是恒等式，不存在可识别问题 综上所述，该模型可识别 1、下表给出了一含有3个实解释变量的模型的回归结果：方差来源平方和（SS）自由度（d.f.）来自回归(ESS)65965来自残差(RSS)总离差(TSS)6605643（1）求样本容量n、RSS、ESS的自由度、RSS的自由度（2）求可决系数和调整的可决系数（3）在5%的显著性水平下检验、和总体上对的影响的显著性（已知）（4）根据以上信息能否确定、和各自对的贡献？为什么？1、 以某地区22年的年度数据估计了如下工业就业模型回归方程如下：（-0.56）(2.3) (-1.7) (5.8) 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。已知，且已知，时，。在5%的显著性水平下（1）检验变量对Y的影响的显著性（2）求的置信区间（3）判断模型是否存在一阶自相关，若存在，说明类型（4）将模型中不显著的变量剔除，其他变量的参数的估计值会不会改变？ 3、讨论联立方程模型的识别性。1、 （1）样本容量n=43+1=44 （1分）RSS=TSS-ESS=66056-65965=91 （1分）ESS的自由度为: 3 （1分）RSS的自由度为: d.f.=44-3-1=40 （1分）（2）R2=ESS/TSS=65965/66056=0.9986 （1分）=1-(1- R2)(n-1)/(n-k-1)=1-0.001443/40=0.9985 （2分） （3）H0： （1分） F= （2分） F 拒绝原假设 （2分） 所以，、和总体上对的影响显著 （1分）（4）不能。 （1分）因为仅通过上述信息，可初步判断X1，X2，X3联合起来对Y有线性影响，三者的变化解释了Y变化的约99.9%。但由于无法知道回归X1，X2，X3前参数的具体估计值，因此还无法判断它们各自对Y的影响有多大。 （1分）2、 （1）： （1分） （1分） 所以，接受原假设 （2分） 所以，对Y的影响不显著 （1分） （2） （2分） （2分）即 （1分）（3）4- （1分） 4- 所以，存在一阶自相关 （2分）为一阶负自相关 （1分） （4）会 （1分）3、 解：首先判断第一个方程的识别性 （1分） （2分） 该方程可识别，另外， （3分）所以，该方程过度可识别。