计量经济学试题题库.doc

计量经济学 试题题库 简答题1简述计量经济学与经济学、统计学、数理统计学学科间的关系。答：计量经济学是经济理论、统计学和数学的综合。经济学着重经济现象的定性研究，计量经济学着重于定量方面的研究。统计学是关于如何收集、整理和分析数据的科学，而计量经济学则利用经济统计所提供的数据来估计经济变量之间的数量关系并加以验证。数理统计学作为一门数学学科，可以应用于经济领域，也可以应用于其他领域；计量经济学则仅限于经济领域。计量经济模型建立的过程，是综合应用理论、统计和数学方法的过程，计量经济学是经济理论、统计学和数学三者的统一。2、计量经济模型有哪些应用？答：结构分析。经济预测。政策评价。检验和发展经济理论。3、简述建立与应用计量经济模型的主要步骤。答：根据经济理论建立计量经济模型；样本数据的收集；估计参数；模型的检验；计量经济模型的应用。4、对计量经济模型的检验应从几个方面入手？答：经济意义检验；统计准则检验；计量经济学准则检验；模型预测检验。5计量经济学应用的数据是怎样进行分类的？答：四种分类：时间序列数据；横截面数据；面板数据；虚拟变量数据。6.在计量经济模型中，为什么会存在随机误差项？答：随机误差项是计量经济模型中不可缺少的一部分。产生随机误差项的原因有以下几个方面：模型中被忽略掉的影响因素造成的误差；模型关系认定不准确造成的误差；变量的测量误差；随机因素。7.古典线性回归模型的基本假定是什么？答：零均值假定。即在给定xt的条件下，随机误差项的数学期望（均值）为0，即。同方差假定。误差项的方差与t无关，为一个常数。无自相关假定。即不同的误差项相互独立。解释变量与随机误差项不相关假定。正态性假定，）即假定误差项服从均值为0，方差为的正态分布。8总体回归模型与样本回归模型的区别与联系。答：主要区别：描述的对象不同。总体回归模型描述总体中变量y与x的相互关系，而样本回归模型描述所观测的样本中变量y与x的相互关系。建立模型的不同。总体回归模型是依据总体全部观测资料建立的，样本回归模型是依据样本观测资料建立的。模型性质不同。总体回归模型不是随机模型，样本回归模型是随机模型，它随着样本的改变而改变。主要联系：样本回归模型是总体回归模型的一个估计式，之所以建立样本回归模型，目的是用来估计总体回归模型。12对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个回归系数进行是否为0的t检验？答：多元线性回归模型的总体显著性F检验是检验模型中全部解释变量对被解释变量的共同影响是否显著。通过了此F检验，就可以说模型中的全部解释变量对被解释变量的共同影响是显著的，但却不能就此判定模型中的每一个解释变量对被解释变量的影响都是显著的。因此还需要就每个解释变量对被解释变量的影响是否显著进行检验，即进行t检验。13.给定二元回归模型：，请叙述模型的古典假定。解答：（1）随机误差项的期望为零，即。（2）不同的随机误差项之间相互独立，即。（3）随机误差项的方差与t无关，为一个常数，即。即同方差假设。（4）随机误差项与解释变量不相关，即。通常假定为非随机变量，这个假设自动成立。（5）随机误差项为服从正态分布的随机变量，即。（6）解释变量之间不存在多重共线性，即假定各解释变量之间不存在线性关系，即不存在多重共线性。14.在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？解答：因为人们发现随着模型中解释变量的增多，多重决定系数的值往往会变大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量（2分）。但是，在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度，而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低预测精确度、引起多重共线性等等。为此用修正的决定系数来估计模型对样本观测值的拟合优度（3分）。15.修正的决定系数及其作用。解答：，其作用有：（1）用自由度调整后，可以消除拟合优度评价中解释变量多少对决定系数计算的影响；（2）对于包含解释变量个数不同的模型，可以用调整后的决定系数直接比较它们的拟合优度的高低，但不能用原来未调整的决定系数来比较。17.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。 解答：系数呈线性，变量非线性；系数呈线性，变量非呈线性；系数和变量均为非线性；系数和变量均为非线性。18. 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。 解答：系数呈线性，变量非呈线性；系数非线性，变量呈线性；系数和变量均为非线性；系数和变量均为非线性。19. 异方差性是指模型违反了古典假定中的同方差假定，它是计量经济分析中的一个专门问题。在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项具有异方差性，即 （t=1，2，n）。例如，利用横截面数据研究消费和收入之间的关系时，对收入较少的家庭在满足基本消费支出之后的剩余收入已经不多，用在购买生活必需品上的比例较大，消费的分散幅度不大。收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围。由于个性、爱好、储蓄心理、消费习惯和家庭成员构成等那个的差异，使消费的分散幅度增大，或者说低收入家庭消费的分散度和高收入家庭消费得分散度相比较，可以认为牵着小于后者。这种被解释变量的分散幅度的变化，反映到模型中，可以理解为误差项方差的变化。20.产生原因：（1）模型中遗漏了某些解释变量；（2）模型函数形式的设定误差；（3）样本数据的测量误差；（4）随机因素的影响。产生的影响：如果线性回归模型的随机误差项存在异方差性，会对模型参数估计、模型检验及模型应用带来重大影响，主要有：（1）不影响模型参数最小二乘估计值的无偏性；（2）参数的最小二乘估计量不是一个有效的估计量；（3）对模型参数估计值的显著性检验失效；（4）模型估计式的代表性降低，预测精度精度降低。21.检验方法：（1）图示检验法；（2）戈德菲尔德匡特检验；（3）怀特检验；（1分）（4）戈里瑟检验和帕克检验（残差回归检验法）；（5）ARCH检验（自回归条件异方差检验）22.解决方法：（1）模型变换法；（2分）（2）加权最小二乘法；（2分）（3）模型的对数变换等（1分）23.加权最小二乘法的基本原理：最小二乘法的基本原理是使残差平方和为最小，在异方差情况下，总体回归直线对于不同的的波动幅度相差很大。随机误差项方差越小，样本点对总体回归直线的偏离程度越低，残差的可信度越高（或者说样本点的代表性越强）；而较大的样本点可能会偏离总体回归直线很远，的可信度较低（或者说样本点的代表性较弱）。（2分）因此，在考虑异方差模型的拟合总误差时，对于不同的应该区别对待。具体做法：对较小的给于充分的重视，即给于较大的权数；对较大的给于充分的重视，即给于较小的权数。更好的使反映对残差平方和的影响程度，从而改善参数估计的统计性质。24. 样本分段法（即戈德菲尔特匡特检验）的基本原理：将样本分为容量相等的两部分，然后分别对样本1和样本2进行回归，并计算两个子样本的残差平方和，如果随机误差项是同方差的，则这两个子样本的残差平方和应该大致相等；如果是异方差的，则两者差别较大，以此来判断是否存在异方差。使用条件：（1）样本容量要尽可能大，一般而言应该在参数个数两倍以上；（2）服从正态分布，且除了异方差条件外，其它假定均满足。25简述DW检验的局限性。答：从判断准则中看到，DW检验存在两个主要的局限性：首先，存在一个不能确定的值区域，这是这种检验方法的一大缺陷。其次：检验只能检验一阶自相关。但在实际计量经济学问题中，一阶自相关是出现最多的一类序列相关，而且经验表明，如果不存在一阶自相关，一般也不存在高阶序列相关。所以在实际应用中，对于序列相关问题般只进行检验。26序列相关性的后果。答：（1）模型参数估计值不具有最优性；（2）随机误差项的方差一般会低估；（3）模型的统计检验失效；（4）区间估计和预测区间的精度降低。27简述序列相关性的几种检验方法。答：（1）图示法；（2）D-W检验；（3）回归检验法；（4）另外，偏相关系数检验，布罗斯戈弗雷检验或拉格朗日乘数检验都可以用来检验高阶序列相关。28广义最小二乘法（GLS）的基本思想是什么？答:基本思想就是对违反基本假定的模型做适当的线性变换，使其转化成满足基本假定的模型，从而可以使用OLS方法估计模型。29自相关性产生的原因有那些？答：（1）经济变量惯性的作用引起随机误差项自相关；（2）经济行为的滞后性引起随机误差项自相关； (3)一些随机因素的干扰或影响引起随机误差项自相关；（4）模型设定误差引起随机误差项自相关；（5）观测数据处理引起随机误差项自相关。32答：多重共线性是指解释变量之间存在完全或近似的线性关系。产生多重共线性主要有下述原因：（1）样本数据的采集是被动的，只能在一个有限的范围内得到观察值，无法进行重复试验。（2）经济变量的共同趋势（3）滞后变量的引入（4）模型的解释变量选择不当。33答：所谓方差膨胀因子是存在多重共线性时回归系数估计量的方差与无多重共线性时回归系数估计量的方差对比而得出的比值系数。（2分） 若时，认为原模型不存在“多重共线性问题”；（1分） 若时，则认为原模型存在“多重共线性问题”；（1分）若时，则模型的“多重共线性问题”的程度是很严重的，而且是非常有害的。（1分）计算分析题1、答：（1）散点图如下：（2）=0.9321（3分）（3）截距项81.72表示当美元兑日元的汇率为0时日本的汽车出口量，这个数据没有实际意义；（2分）斜率项3.65表示汽车出口量与美元兑换日元的汇率正相关，当美元兑换日元的汇率每上升1元，会引起日本汽车出口量上升3.65万辆。（3分）2、答：（1）系数的符号是正确的，政府债券的价格与利率是负相关关系，利率的上升会引起政府债券价格的下降。（2分）（2）代表的是样本值，而代表的是给定的条件下的期望值，即。此模型是根据样本数据得出的回归结果，左边应当是的期望值，因此是而不是。（3分）（3）没有遗漏，因为这是根据样本做出的回归结果，并不是理论模型。（2分）（4）截距项101.4表示在X取0时Y的水平，本例中它没有实际意义；斜率项-4.78表明利率X每上升一个百分点，引起政府债券价格Y降低478美元。（3分）3、答：（1）提出原假设H0：，H1：。由于t统计量18.7，临界值，由于18.72.1098，故拒绝原假设H0：，即认为参数是显著的。（3分）（2）由于，故。（3分）（3）回归模型R2=0.81，表明拟合优度较高，解释变量对被解释变量的解释能力为81%，即收入对消费的解释能力为81，回归直线拟合观测点较为理想。（4分）4、答：判定系数：=0.8688（3分）相关系数：（2分）5、答：（1）（2分）散点图如下：根据图形可知，物价上涨率与失业率之间存在明显的负相关关系，拟合倒数模型较合适。（2分）（2）模型一：0.8554 （3分）模型二：0.8052 （3分）7、答：（2分）（2分）故回归直线为：（1分）8、答：（1）由于，得（3分）（2分）总成本函数为：（1分）（2）截距项表示当产量X为0时工厂的平均总成本为26.28，也就量工厂的平均固定成本；（2分）斜率项表示产量每增加1个单位，引起总成本平均增加4.26个单位。（2分）9、答：（1）回归模型的R20.9042，表明在消费Y的总变差中，由回归直线解释的部分占到90以上，回归直线的代表性及解释能力较好。（2分）（2）对于斜率项，即表明斜率项显著不为0，家庭收入对消费有显著影响。（2分）对于截距项，即表明截距项也显著不为0，通过了显著性检验。（2分）（3）Yf=2.17+0.20234511.2735（2分）（2分）95%置信区间为（11.2735-4.823，11.2735+4.823），即（6.4505，16.0965）。（2分）10、答：（1）由于，。（4分）（2）（2分）（3）（4分）11、答：（1）11.38（2分）（2分）斜率系数：（1分）（2）R2=r2=0.92=0.81，剩余变差：（1分）总变差：TSSRSS/(1-R2)=2000/(1-0.81)=10526.32（2分）（3）（2分）12、答：（1）（3分）（2分）故回归直线为，（2）（2分）销售额的价格弹性0.072（3分）13、（1）回归方程为：，由于斜率项p值0.0000，表明截距项与0值没有显著差异，即截距项没有通过显著性检验。（2分）（2）截距项0.353表示当国民收入为0时的货币供应量水平，此处没有实际意义。斜率项1.968表明国民收入每增加1元，将导致货币供应量增加1.968元。（3分）（3）当X15时，即应将货币供应量定在29.873的水平。（3分）14、答：（1）这是一个时间序列回归。（图略）（2分）（2）截距2.6911表示咖啡零售价在每磅0美元时，美国平均咖啡消费量为每天每人2.6911杯，这个没有明显的经济意义；（2分）斜率0.4795表示咖啡零售价格与消费量负相关，表明咖啡价格每上升1美元，平均每天每人消费量减少0.4795杯。（2分）（3）不能。原因在于要了解全美国所有人的咖啡消费情况几乎是不可能的。（2分）（4）不能。在同一条需求曲线上不同点的价格弹性不同，若要求价格弹性，须给出具体的X值及与之对应的Y值。（2分）15、答：由已知条件可知，（3分）（3分）（2分）（2分）16. 解答：（1）这是一个对数化以后表现为线性关系的模型，lnL的系数为1.451意味着资本投入K保持不变时劳动产出弹性为1.451 ；（3分）lnK的系数为0.384意味着劳动投入L保持不变时资本产出弹性为0.384（2分）.（2）系数符号符合预期，作为弹性，都是正值，而且都通过了参数的显著性检验（t检验）（5分，要求能够把t值计算出来）。17. 解答：该消费模型的判定系数，统计量的值，均很高，表明模型的整体拟合程度很高。（2分）计算各回归系数估计量的t统计量值得：，。除外，其余T值均很小。工资收入的系数t检验值虽然显著，但该系数的估计值却过大，该值为工资收入对消费的边际效应，它的值为1.059意味着工资收入每增加一美元，消费支出增长将超过一美元，这与经济理论和生活常识都不符。（5分）另外，尽管从理论上讲，非工资非农业收入与农业收入也是消费行为的重要解释变量，但二者各自的t检验却显示出它们的效应与0无明显差异。这些迹象均表明模型中存在严重的多重共线性，不同收入部分之间的相互关系掩盖了各个部分对解释消费行为的单独影响。（3分）18. 解答: (1)（3分）(2)；负值也是有可能的。（4分）(3) （3分）19. 解答：当时，模型变为，可作为一元回归模型来对待（5分）当时，模型变为,同样可作为一元回归模型来对待（5分）20 解答:（1）第2个方程更合理一些，因为某天慢跑者的人数同该天日照的小时数应该是正相关的。（4分）（2）出现不同符号的原因很可能是由于与高度相关而导致出现多重共线性的缘故。从生活经验来看也是如此，日照时间长，必然当天的最高气温也就高。而日照时间长度和第二天需交学期论文的班级数是没有相关性的。（6分）21 解答：（1）是盒饭价格，是气温，是学校当日的学生数量，是附近餐厅的盒饭价格。（4分）（2）在四个解释变量中，附近餐厅的盒饭价格同校园内食堂每天卖出的盒饭数量应该是负相关关系，其符号应该为负，应为；学校当日的学生数量每变化一个单位，盒饭相应的变化数量不会是28.4或者12.7，应该是小于1的，应为；至于其余两个变量，从一般经验来看，被解释变量对价格的反应会比对气温的反应更灵敏一些，所以是盒饭价格，是气温。（6分）22. 解：（一）原模型： （1）等号两边同除以， 新模型：（2） （2分） 令则：（2）变为 （2分）此时新模型不存在异方差性。（2分）（二）对进行普通最小二乘估计 其中 （4分）（进一步带入计算也可）23.解：（1）（2分）（2）（3分）（3）（2分）（4），接受原假设，认为随机误差项为同方差性。（3分）24.解：原模型： 根据为消除异方差性，模型等号两边同除以模型变为： （2分）令则得到新模型： （2分）此时新模型不存在异方差性。（2分）利用普通最小二乘法，估计参数得： （4分）25.解：原模型： ， 模型存在异方差性 为消除异方差性，模型两边同除以，得： （2分）令得： （2分）此时新模型不存在异方差性 （1分）由已知数据，得（2分）25104100.50.20.10.250.14745921.40.41.250.9根据以上数据，对进行普通最小二乘估计得：解得（3分）26.答案：(1) 题中所估计的回归方程的经济含义：该回归方程是一个对数线性模型，可还原为指数的形式为：，是一个C-D函数，1.451为劳动产出弹性，0.3841为资本产出弹性。因为1.451+0.38411，所以该生产函数存在规模经济。（6分）(2) 该回归方程的估计中存在什么问题?应如何改进? 因为DW=0.858, dL=1.38,即0.8581.38,故存在一阶正自相关。可利用GLS方法消除自相关的影响。（4分）27（1）何谓计量经济模型的自相关性？答：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，而是存在某种相关性，则出现序列相关性。如存在：称为一阶序列相关，或自相关。（3分）（2）试检验该模型是否存在一阶自相关，为什么？答：存在。（2分）（3）自相关会给建立的计量经济模型产生哪些影响？答：1参数估计两非有效;2 变量的显著性检验失去意义。3模型的预测失效。（3分）（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，）答：1构造D.W统计量并查表；2与临界值相比较，以判断模型的自相关状态。（2分）28答：（1）由于地方政府往往是根据过去的经验、当前的经济状况以及期望的经济发展前景来定制地区最低限度工资水平的，而这些因素没有反映在上述模型中，而是被归结到了模型的随机扰动项中，因此 gMIN1 与m不仅异期相关，而且往往是同期相关的，这将引起OLS估计量的偏误，甚至当样本容量增大时也不具有一致性。（5分）（2）全国最低限度的制定主要根据全国国整体的情况而定，因此gMIN基本与上述模型的随机扰动项无关。（2分）（3）由于地方政府在制定本地区最低工资水平时往往考虑全国的最低工资水平的要求，因此gMIN1与gMIN具有较强的相关性。结合（2）知gMIN可以作为gMIN1的工具变量使用。（3分）29解答：（1）这是一个确定的关系，各产业生产总值之和等于国内生产总值。作为计量模型不合理。（3分）（2）（3）（4）（5）都是合理的计量经济模型。（4分）（6）不合理。发电量和钢铁产量影响对煤炭的需求，但不会影响煤炭的产量。作为解释变量没有意义。（3分）30解答：（1）模型中的系数符号为负，不符合常理。居民收入越多意味着消费越多，二者应该是正相关关系。（3分）（2）的系数是1.2，这就意味着每增加一元钱，居民消费支出平均增加1.2元，处于一种入不敷出的状态，这是不可能的，至少对一个表示一般关系的宏观计量经济模型来说是不可能的。（4分）(3) 的系数符号为负，不合理。职工人数越多工业总产值越少是不合理的。这很可能是由于工业生产资金和职工人数两者相关造成多重共线性产生的。（3分）31解答：（1）临界值t =1.7291小于18.7，认为回归系数显著地不为0.（4分）（2）参数估计量的标准误差：0.81/18.7=0.0433（3分）（3）不包括。因为这是一个消费函数，自发消费为15单位，预测区间包括0是不合理的。（3分）32解答：（1）对于如果随机误差项的各期值之间存在着相关关系，即称随机误差项之间存在自相关性。（3分）（2）该模型存在一阶正的自相关，因为00.3474 （3分）（3）自相关性的后果有以下几个方面：模型参数估计值不具有最优性；随机误差项的方差一般会低估；模型的统计检验失效；区间估计和预测区间的精度降低。（4分）33解答：（1）查表得临界值，。正位于1.05和1.66之间，恰是D-W检验的无判定区域，所以一阶自相关的DW检验是无定论的。（3分）（2）对于模型，设自相关的形式为假设，（1分）LM检验检验过程如下：首先，利用OLS法估计模型，得到残差序列；(2分）其次，将关于残差的滞后值进行回归，并计算出辅助回归模型的判定系数；(2分）最后，对于显著水平，若大于临界值，则拒绝原假设，即存在自相关性。（2分）34解答：（1）总离差(TSS)的自由度为n-1，因此样本容量为15；（2分）（2）RSS=TSS-ESS=66042-65965=77；（2分）（3）ESS的自由度为2，RSS的自由度为12；（2分）（4）=ESS/TSS=65965/66042=0.9988，（4分）35.解答：（1）0.722是指，当城镇居民人均可支配收入每变动一个单位，人均消费性支出资料平均变动0.722个单位，也即指边际消费倾向；137.422指即使没有收入也会发生的消费支出，也就是自发性消费支出。（3分）(2) 在线性回归模型中，如果随机误差项的方差不是常数，即对不同的解释变量观测值彼此不同，则称随机项具有异方差性。（3分）(3) 存在异方差性，因为辅助回归方程，整体显著；并且回归系数显著性地不为0。戈里瑟检验就是这样的检验过程。（4分）36答：不能。（3分）因为X1和X2存在完全的多重共线性，即X22 X1-1，或X10.5（X2+1）。（7分）37答：（1）Lnk的T检验：10.1952.1009，因此lnk的系数显著。Lnl的 T检验：6.5182.1009，因此lnl的系数显著。 （4分）（2）t的T检验：1.3332.1098，因此lnk的系数不显著。Lnk的 T检验：1.182.1098，因此lnl的系数不显著。 （4分）（3）可能是由于时间变量的引入导致了多重共线性。 （2分）38. 解答：这时会发生完全的多重共线性问题；（3分）因为有四个季度，该模型则引入了四个虚拟变量。显然，对于任一季度而言，则任一变量都是其他变量的线性组合，因此存在完全共线性。当有四个类别需要区分时，我们只需要引入三个虚拟变量就可以了；（5分）参数将不能用最小二乘法进行估计。（2分）39. 解答：（1）假设第一季度为基础类型，引入三个虚拟变量；，利润模型为。（5分）（2）利润模型为（2分）（3分）利润模型为（3分）40. 解答：通货膨胀与工业生产增长速度关系的基本模型为引入虚拟变量 （4分）则（1） （3分）（2） （3分）41. 解答：（1）的经济含义为：当销售收入和公司股票收益保持不变时，金融业的CEO要比交通运输业的CEO多获15.8个百分点的薪水。其他两个可类似解释。（3分）（2）公用事业和交通运输业之间估计薪水的近似百分比差异就是以百分数解释的参数，即为28.3%.由于参数的t统计值为-2.895,它大于1%的显著性水平下自由度为203的t分布 临界值1.96,因此这种差异统计上是显著的。（4分）(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%与18.1%,因此他们之间的差异为18.1%-15.8%=2.3%。（3分）42.解答:记学生月消费支出为Y,其家庭月收入水平为X,在不考虑其他因素影响时,有如下基本回归模型: （2分）其他决定性因素可用如下虚拟变量表示:43. 答案：引入反映季节因素和收入层次差异的虚拟变量如下：44根据阶数为2的Almon多项式：，=0,1,2,3（3分）；可计算得到的估计值： 000.3（3分）； 10120.91（3分）； 2021421.72（3分）； 3031922.73（3分）。45由已知估计式可知：00.71，10.25，2-0.3（3分），根据阶数为2的Almon多项式：，i=0,1,2（3分）；可计算得到i的估计值： 000.71（3分）； 10120.66（3分）； 2021420.01（3分）。46（1）分布滞后模型为（2分）（2）由已知估计式可知：00.53，10.80，2-0.33（1分），根据阶数为2的Almon多项式：，i=0,1,2（3分）；可计算得到i的估计值： 000.53（3分）； 10121.00（3分）； 202142047（1）内生变量为，前定变量为， （6）（2）消费方程为过度识别，投资方程是恰好识别；（6分）（3）消费方程适合用二阶段最小二乘法，投资方程适合用间接最小二乘法（或工具变量法） （3分）48（1）内生变量为，（2分）;外生变量为（1分）；前定变量为和（2分）（2）识别方程1：被斥变量的参数矩阵:1b2 0-1 0 1 （1分）秩为2，方程个数减1为2，故方程可识别（2）；再根据阶段条件，可得方程1恰好识别（2）。识别方程2：被斥变量的参数矩阵为0 -1 0 1（1分）秩为1，小于方程个数减1，故方程2不可识别。（2分）方程3是恒等式，不存在识别问题（1分）；因此，整个模型不可识别（1分）49方程1：由于包含了方程中所有变量，故不可识别。（3分）方程2：利用秩条件，得被斥变量的参数矩阵（-2）（2分），其秩为1（2分），与方程个数减1相等，故可知方程2可识别（2分）；再利用阶条件，方程2排除的变量个数正好与剩下的方程个数相等（2分），可知方程2恰好识别（2分）。由于方程1不可识别，所以整个模型不可识别（2）。50（1）方程1：利用秩条件，得被斥变量的参数矩阵（-2），其秩为1，与方程个数减1相等，故可知方程1可识别（3分）；再利用阶条件，方程2排除的变量个数正好与剩下的方程个数相等，可知方程1恰好识别（2分）。方程2：利用秩条件，得被斥变量的参数矩阵（-2），其秩为1，与方程个数减1相等，故可知方程2可识别（3分）；再利用阶条件，方程2排除的变量个数正好与剩下的方程个数相等，可知方程1恰好识别（2分）。（2）方程1仍是恰好识别的（3分），但方程2包括了模型中所有变量，故是不可识别的（2分）。