第五章课后答案
5.1
（1）因为22()i i f X X =，所以取221i
i
W X =，用2i W 乘给定模型两端，得 31232222
1i i i
i i 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
2
2221
()()i i i i
u 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
***12233???Y X X βββ=-- ()()()()
()()()
***2***
*22232322
322*2*2**
2223223?i i 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-=
-∑∑∑∑∑∑∑
()()(
)()()(
)(
)**
*2
**
**
232222223
3
2
*2
*2**
2223223?i
i 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
2223
2***23222,
,
i
i
i i i i i
i
i
W X
W X W Y X X Y W
W
W =
=
=
∑∑∑∑∑∑
*****
*222333
i i i i i x X X x X X y Y Y
=-=-=- 5.2
（1）
22222
11111 ln()ln()ln(1)1 u ln()1
Y X Y X Y
u u X X X u ββββββββββ--==+≈=-∴=+
[ln()]0
()[ln()1][ln()]11
E u E E u E u μ=∴=+=+=又
（2）
[ln()]ln ln 0 1 ()11
i i i
i
P P i i i i P P i i E P E μμμμμμμ===?====∑∏∏∑∏∏不能推导出
所以E 1μ（）=时，不一定有E 0μ（ln ）= (3) 对方程进行差分得：
1)i i βμμ--i i-12i i-1lnY -lnY =(lnX -X )+(ln ln 则有：1)]0i i μμ--=E[(ln ln
5.3
（1）该模型样本回归估计式的书写形式为：
Y = 11.44213599 + 0.6267829962*X (3.629253) (0.019872)
t= 3.152752 31.54097
20.944911R =
20.943961R = S.E.=9.158900 DW=1.597946 F=994.8326
（2）首先，用Goldfeld-Quandt 法进行检验。 a.将样本X 按递增顺序排序，去掉中间1/4的样本，再分为两个部分的样本，即1222n n ==。
b.分别对两个部分的样本求最小二乘估计，得到两个部分的残差平方和，即
21624.3004e =∑ ,
2
22495.840e =∑
求F 统计量为
F= 2
2
21
e e ∑∑=2495.840624.3004=3.9978
给定0.05α=，查F 分布表，得临界值为0.05(20,20) 2.12F =。
c.比较临界值与F 统计量值，有F =4.1390>0.05(20,20) 2.12F =，说明该模型的随机误差项存在异方差。
其次，用White 法进行检验。具体结果见下表 White Heteroskedasticity Test: F-statistic 6.105557 Probability 0.003958 Obs*R-squared
10.58597 Probability
0.005027
给定0.05α=，在自由度为2下查卡方分布表，得2
5.9915χ=。
比较临界值与卡方统计量值，即22
10.8640 5.9915nR χ=>=，同样说明模型中的随机误差项存在异方差。
（2）用权数1/|e|W =，作加权最小二乘估计，得如下结果 Dependent Variable: Y Method: Least Squares
Sample: 1 60
Included observations: 60
Variable Coefficie Std. Error t-Statistic Prob.
C 27.50000 6.09E-08 4.52E+08 0.0000
Weighted
R-squared 1.000000 Mean dependent
var 70.0196
4
Adjusted R-squared 1.000000 S.D. dependent
var
379.890
9
S.E. of regression 8.44E-10 Akaike info
criterion -38.916
22
Sum squared resid 4.13E-17 Schwarz criterion -38.846
41
Log likelihood 1169.487 F-statistic 4.88E+1
7 Durbin-Watson 0.786091 Prob(F-statistic) 0.00000 Unweighted
R-squared 0.883132 Mean dependent
var 119.666
7
Adjusted R-squared 0.881117 S.D. dependent
var
38.6898
4
S.E. of regression 13.34005 Sum squared
resid 10321.5
Durbin-Watson 0.377804
F-statistic 2.357523 Probability 0.10382
2 Obs*R-squared 4.584017 Probability 0.10106 Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Sample: 1 60
Variable Coefficie Std. Error t-Statistic
Prob.
C 3.86E-19 1.73E-19 2.233756 0.0294 X 3.21E-21 2.16E-21 1.489532 0.1419 X^2
-7.59E-2 6.18E-24 -1.229641 0.2239
R-squared
0.076400 Mean dependent
var
6.88E-1
9 Adjusted R-squared 0.043993 S.D. dependent var
1.56E-1
9 S.E. of regression 1.52E-19 Sum squared
resid
1.32E-3
6
F-statistic 2.357523 Durbin-Watson
stat
1.19153
1 5.4
令Y 表示农业总产值，X1-X5分别表示农业劳动力、灌溉面积、化肥用量、户均固定资产和农机动力。 建立模型：
01122334455Y X X X X X ββββββ=+++++ 回归结果如下：
1234522? 4.7171980.039615-0.0368950.2632560.0134630.025469(0.516910) (1.452697) ( -0.474813) (0.479104) (2.712997) (1.625993)R 0.974539 R =0.953321 DW=1.969898 F=45.93047
Y X X X X X t =++++== 从回归结果可以看出，模型的2R 和2R 值都较高，F 统计量也显著。但是除4X 的系数显著之外，其他系数均不显著，模型可能存在多重共线性。 计算各解释变量的相关系数。
相关系数矩阵
X1 X2 X3 X4 X5 X1 1.000000 0.851867 0.963173 0.456913 0.892506 X2 0.851867 1.000000 0.843541 0.549390 0.856933 X3 0.963173 0.843541 1.000000 0.583048 0.924806 X4 0.456913 0.549390 0.583048 1.000000 0.543765 X5 0.892506 0.856933 0.924806 0.543765 1.000000
由相关系数矩阵可以看出，解释变量之间的相关系数较高，存在多重共线性。 采用逐步回归的办法，来解决多重共线性问题。分别做Y 对X1、X2、X3、X4、X5的一元回归，结果如下表所示：
一元回归结果 其中加入X3的方程2R 最大，以X3为基础，顺次加入其他变量逐步回归，结果如下：
加入新变量的回归结果（一）
变量
X1 X2 X3 X4 X5 2R X3， X1
0.002636 （0.089770） 1.481909 (2.879293
0.915816 X3， X2 0.066909 0.789958 1.360291 5.456584
0.921204
X3， X4 1.352291 9.776764 0.009691 2.159071
0.944492
X3， X5
1.115680 (3.355936) 0.023552 (1.335921)
0.929684
经比较，新加入X4的方程2R 0.944492 ，改进最大。且从经济意义来看，户均固定资产对农业总产值有影响，因此保留X4，再加入其他变量逐步回归，结果如下：
加入新变量的回归结果（二）
变量 X1 X2 X3 X4 X5 2R X3，X4 X1 0.035438 （1.365712） 0.696651 (1.399128) 0.012887 （2.638461）
0.949360
X3，X4 X2 0.047486 （1.487193） 1.241502 （5.528062） 0.009296 （1.984375）
0.940595
X3， X4 ，X5 0.951924 （3.375236） 0.009594 （2.312344） 0.023059 （1.592574） 0.952585
加入X1后方程的2R 增大，但是t 值不显著；加入X2后2R 降低，且系数不显著；假如X5后方程的2R 增大，但是t 值不显著。
变量 X1 X2 X3 X4 X5 参数估计值 0.084078 0.456767 1.526410 0.035277 0.078269 t 统计量 8.097651 5.099371 11.62132 2.991326 8.197929 2R 0.867676 0.722250 0.931061 0.472241 0.870476 2R
0.854443
0.694475
0.924167
0.419465
0.857524
修正多重共线性影响的回归结果为： 3
4
22?14.74802 1.3522910.0096911.835441 9.776764 2.159071
R =0.954584 R 0.944492 DW=2.482223 F=94.58409
i
Y
X X t =++==
White 检验：
220.054.132927(5)11.0705nR χ=<=
接受原假设，模型不存在异方差。 5.5
（1）建立样本回归模型。
2?192.99440.0319
(0.1948)
(3.83)
0.4783,..2759.15,14.6692Y X R s e F =+=== （2）利用White 检验判断模型是否存在异方差。
给定0.05α=和自由度为2下，查卡方分布表，得临界值2 5.9915χ=，
而White 统计量2
5.2125nR =，有22
0.05(2)nR
χ<，则不拒绝原假设，说明模型中不存在异方差。
（3）有Glejser 检验判断模型是否存在异方差。经过试算，取如下函数形式
e β?= 得样本估计式
2
?(4.5658)
0.2482e
R ==
由此，可以看出模型中随机误差项有可能存在异方差。
（4）对异方差的修正。取权数为1/w X =，得如下估计结果
2
?243.49100.0367( 1.7997)
(5.5255)
0.1684,..694.2181,30.5309Y
X R s e F =-+-===
5.6
回归结果如下：
22?0.890.237200(4.356086) (15.89724) se=0.2043120.014921
R 0.933511 R =0.929817 DW=1.363966 F=252.7223
i
i Y X t =+==（）（）
2222120.05210.3 2.024 F=
6.7467
F 88=3.44i i i
i
e e e e
===∑∑∑∑（，）
拒绝原价设，模型存在异方差。取权数为1
W X
=，加权后回归结果：
22?0.7529230.249487 se=0.098255 0.011723(7.662934) (21.28124)
R 0.765382 R =0.752348 DW=1.240480 F=452.8914
i
i Y X t =+==（）（）
5.7
（1）求回归估计式。
2?4.6103
0.7574(4.2495)(5.0516)
0.5864,..3.3910,25.5183
Y X R s e F =+=== 作残差的平方对解释变量的散点图
由图形可以看出，模型有可能存在异方差。
（2）去掉智利的数据后，回归得到如下模型
2?6.73810.2215(2.8254)(0.3987)
0.0093,..3.3906,
0.1589
Y X R s e F =+=== 作残差平方对解释变量的散点图
从图形看出，异方差的程度降低了。
（3）如果去掉智利数据后得出不存在异方差的结论，则说明异方差性还会因为异常值的出现而产生。 5.8
（1）回归结果如下：
Y = 12.12542711 + 0.1043661755*X （19.51012） (0.008439) t= (0.621494) (12.36777)
20.854718R = 2R =0.849130 S.E.=56.89947 DW=1.212859
F=152.9617
销售收入每增长一元，销售利润平均增长0.104366元
给定0.05α=，0.02512.36777(26) 2.056t t =>=，拒绝原假设，说明销售收入对销售利润有显著性影响。
0.05152.9617(1,26) 4.23F F =>= 2R 0.8546
96=，表明方程显著，且拟和程度较好
（2）图形法：
01000
20003000
4000
5000
-200
-100
100
RESID
X
从图中可以看出，2i e 有随着X 增大而增大的趋势，所以模型可能存在异方差。 用Glejser 检验模型是否存在异方差。经过试算，取如下函数形式
e β?=
得样本估计式
|?e
t =8.075394 2R =0.306629
系数显著不为0，由此，可以看出模型中随机误差项有可能存在异方差。 White 检验：
White Heteroskedasticity Test: F-statistic 3.609579 Probability 0.041959 Obs*R-squared
6.273796 Probability
0.043417
2 6.273796nR =＞20.05(2) 5.91147χ=
拒绝原假设，模型存在异方差。 （3）对异方差的修正。取权数为
21
W X =，得如下估计结果
Dependent Variable: Y
Method: Least Squares
Date: 05/28/07 Time: 00:16
Sample: 1 28
Included observations: 28
Variable Coefficien
t
Std. Error t-Statistic Prob.
C 6.454896 3.485634 1.851857 0.0754
Weighted
R-squared 0.922863 Mean dependent
var
67.93474
Adjusted
R-squared
0.919896 S.D. dependent var 75.46572
S.E. of regression 21.35880 Akaike info criterion 9.029554 Sum squared
resid
11861.15 Schwarz criterion 9.124711 Log likelihood -124.4137 F-statistic 95.02675 Durbin-Watson 1.909174 Prob(F-statistic) 0.000000 Unweighted
Statistics
R-squared 0.854132 Mean dependent
var
213.4650
Adjusted
R-squared
0.848522 S.D. dependent var 146.4895 S.E. of regression 57.01397 Sum squared resid 84515.42 Durbin-Watson 1.244888
White 检验：
F-statistic 3.143257 Probability 0.060574
2 5.626143
nR=＜2
0.05(2) 5.91147
χ=不存在异方差.
5.9
（1）建立样本回归函数。
2
?43.8967
0.8104(2.1891)(37.7771)
0.9854,..60.4920,1427.112
Y X R s e F =+=== 从估计的结果看，各项检验指标均显著，但从残差平方对解释变量散点图可以看出，模型很可能存在异方差。
（2）用White 检验判断是否存在异方差。
由上表可知，2
11.2109nR =，给定0.05α=，在自由度为2下，查卡方分布表，
得临界值为2 5.9915χ=，显然，211.2109nR =>2 5.9915χ=，则拒绝原假设，说
明模型存在异方差。
进一步，用ARCH 检验判断模型是否存在异方差。经试算选滞后阶数为1，则ARCH 检验结果见下表 由上表可知，
2
()7.0314n p R -=，在0.05α=和自由度为1下，查卡方分布表，得临界值为20.05(1) 3.8415χ=，显然，2()7.0314n p R -=>
20.05(1) 3.8415χ=，则说明模型中随机误差项存在异方差。
（3）修正异方差。取权数为21/W e =，得如下估计结果
Dependent Variable: Y Method: Least Squares Date: 05/28/07 Time: 02:15 Sample: 1978 2000 Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob. C 6.659027 0.253761 26.24133 0.0000 Weighted Statistics
R-squared
1.000000 Mean dependent var 224.0761 Adjusted R-squared 1.000000 S.D. dependent var 988.1865 S.E. of regression 0.206384 Akaike info criterion -0.235219 Sum squared resid 0.894478 Schwarz criterion -0.136481 Log likelihood 4.705022 F-statistic 777560.3 R-squared
0.980282 Mean dependent var 633.0004 Adjusted R-squared 0.979343 S.D. dependent var 490.5345 S.E. of regression 70.50182 Sum squared resid 104380.6
Y = 6.65902728 + 0.8686910728*X
White 检验
White Heteroskedasticity Test: F-statistic 1.021337
Probability
0.378144
Obs*R-squared
2.131389
Probability
0.344489 经检验异方差的表现有明显的降低。 5.10
剔除物价上涨因素后的回归结果如下：
22?36.664530.753946(3.516150) (22.43266)
R 0.959941 R 0.958033 F=503.2243
Y
X t =+===
其中 Y 代表实际消费支出，X 代表实际可支配收入 用White 方法来检验模型是否存在异方差： F-statistic 1.647288 Probability 0.21764
7
Obs*R-squared
3.252914 Probability
0.19662
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares
Date: 05/07/07 Time: 17:14 Sample: 1978 2000
Variable Coefficie nt
Std. Error t-Statistic
Prob.
C 105.9636 475.5182 0.222838 0.8259 X1 0.264290 3.037330 0.087014 0.9315 R-squared
0.141431 Mean dependent var 275.881
8
Adjusted R-squared 0.055574 S.D. dependent var 272.6726 S.E. of regression 264.9875 Akaike info criterion 14.1183
5
Sum squared resid 1404368. Schwarz criterion 14.26646 Log likelihood -159.3610 F-statistic 1.64728
8
Durbin-Watson 1.456581 Prob(F-statistic) 0.21764220.053.252914(2) 5.9915nR χ=<=，表明模型不存在异方差。 G-Q 检验：
Dependent Variable: Y1 Method: Least Squares
Date: 05/07/07 Time: 17:18 Sample: 1978 1986
Variable Coefficie Std. Error t-Statistic
Prob.
C 4.185124 18.09918 0.231233 0.8237 R-squared
0.933647 Mean dependent var 180.260
1
Adjusted R-squared 0.924168 S.D. dependent var 39.01106 S.E. of regression 10.74272 Akaike info 7.77946
criterion 4
Sum squared resid
807.8425 Schwarz criterion 7.82329
2
Log likelihood -33.00759 F-statistic 98.4962
Durbin-Watson 2.717044 Prob(F-statistic) 0.00002
Dependent Variable: Y1 Method: Least Squares
Date: 05/07/07 Time: 17:18 Sample: 1992 2000
Variable Coefficie Std. Error t-Statistic
Prob.
C 104.0936 20.84532 4.993622 0.0016 R-squared
0.950583 Mean dependent var 339.048
Adjusted R-squared 0.943523 S.D. dependent var 62.54899 S.E. of regression 14.86470 Akaike info criterion 8.42898
5
Sum squared resid 1546.715 Schwarz criterion 8.472813 Log likelihood -35.93043 F-statistic 134.650
6
Durbin-Watson 0.987995 Prob(F-statistic) 0.000001i e =807.8425，2i e =1546.715，F=1546.715/807.8425=1.9146，0.05
F （7，7）=3.79，表明模型不存在异方差。
表明剔除物价上涨因素之后，异方差的问题有所改善。
第五章练习题参考解答 练习题 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2 22)(,0)(i i i X u Var u E σ==（其中2 σ为常数） 。试回答以下问题： (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。 5.2 根据本章第四节的对数变换，我们知道对变量取对数通常能降低异方差性，但须对这种模型的随机误差项的性质给予足够的关注。例如，设模型为u X Y 21β β=，对该模型中的变量取对数后得如下形式 u X Y ln ln ln ln 21++=ββ (1)如果u ln 要有零期望值，u 的分布应该是什么？ (2)如果1)(=u E ，会不会0)(ln =u E ？为什么？ (3)如果)(ln u E 不为零，怎样才能使它等于零？ 5.3 由表中给出消费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。 Y X Y X Y X 55 80 152 220 95 140 65 100 144 210 108 145 70 85 175 245 113 150 80 110 180 260 110 160
79120135190125165 84115140205115180 98130178265130185 95140191270135190 90125137230120200 7590189250140205 741055580140210 1101607085152220 1131507590140225 12516565100137230 10814574105145240 11518080110175245 14022584115189250 12020079120180260 14524090125178265 13018598130191270 5.4由表中给出1985年我国北方几个省市农业总产值，农用化肥量、农用水利、农业劳动力、每日生产性固定生产原值以及农机动力数据，要求： （1）试建立我国北方地区农业产出线性模型； （2）选用适当的方法检验模型中是否存在异方差； （3）如果存在异方差，采用适当的方法加以修正。 地区农业总产值农业劳动力灌溉面积化肥用量户均固定农机动力（亿元）（万人）（万公顷）(万吨）资产（元）（万马力） 北京19.6490.133.847.5394.3435.3天津14.495.234.95 3.9567.5450.7河北149.91639 .0357.2692.4706.892712.6山西55.07562.6107.931.4856.371118.5内蒙古60.85462.996.4915.41282.81641.7辽宁87.48588.972.461.6844.741129.6吉林73.81399.769.6336.92576.81647.6黑龙江104.51425.367.9525.81237.161305.8山东276.552365.6456.55152.35812.023127.9河南200.022557.5318.99127.9754.782134.5陕西68.18884.2117.936.1607.41764 新疆49.12256.1260.4615.11143.67523.3 5.5表中的数据是美国1988研究与开发（R&D）支出费用（Y）与不同部门产品销售量
第二章简单线性回归模型 2.1 （1）①首先分析人均寿命与人均GDP的数量关系，用Eviews分析: Dependent Variable: Y Method: Least Squares Date: 12/23/15 Time: 14:37 Sam pie: 1 22 In eluded observatio ns: 22 Variable Coeffieie nt Std. Error t-Statistie P rob. C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001 R-squared 0.526082 Mean dependent var 62.50000 Adjusted R-squared 0.502386 S.D.dependent var 10.08889 S.E. of regressi on 7.116881 Akaike info eriteri on 6.849324 Sum squared resid 1013.000 Sehwarz eriteri on 6.948510 Log likelihood -73.34257 Hannan-Quinn eriter. 6.872689 F-statistie 22.20138 Durbin-Wats on stat 0.629074 P rob(F-statistie) 0.000134 有上可知，关系式为y=56.64794+0.128360x i ②关于人均寿命与成人识字率的关系，用 Eviews分析如下: Dependent Variable: Y Method: Least Squares Date: 12/23/15 Time: 15:01 Sam pie: 1 22 In eluded observatio ns: 22 Variable Coeffieie nt Std. Error t-Statistie P rob. C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000 R-squared 0.716825 Mean dependent var 62.50000 Adjusted R-squared 0.702666 S.D.dependentvar 10.08889 S.E. of regressi on 5.501306 Akaike info eriterio n 6.334356 Sum squared resid 605.2873 Sehwarz eriterio n 6.433542 Log likelihood -67.67792 Hannan-Quinn eriter. 6.357721 F-statistie 50.62761 Durbin-Wats on stat 1.846406 P rob(F-statistie) 0.000001 由上可知，关系式为y=38.79424+0.331971X2 ③关于人均寿命与一岁儿童疫苗接种率的关系，用Eviews分析如下:
《计量经济学》 习题 河北经贸大学应用经济学教研室 2004年7月
第一章绪论 ⒈为什么说计量经济学是经济理论、数学和经济统计学的结合？ ⒉为什么说计量经济学是一门经济学科？它在经济学科体系中的地位是什么？它在经济研究中的作用是什么？ ⒊建立与应用计量经济学模型的主要步骤有哪些？ ⒋计量经济学模型有哪些主要应用领域？各自的原理是什么？ ⒌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？ ⑴St=112.0+0.12Rt 其中，St为第t年农村居民储蓄增加额（亿元），Rt为第t年城镇居民可支配收入总额（亿元）。 ⑵S t-1=4432.0+0.30R t 其中，S t-1为第（t-1）年底农村居民储蓄余额（亿元），Rt为第t年农村居民纯收入总额（亿元）。 ⒍指出下列假想模型中两个最明显的错误，并说明理由： RS t=8300.0-0.24RI t+1.12IV t 其中，RS t为第t年社会消费品零售总额（亿元），RI t为第t年居民收入总额（亿元）（城镇居民可支配收入总额与农村居民纯收入总额之和），IV t为第t年全社会固定资产投资总额（亿元）。 第二章一元线性回归模型
⒈ 对于设定的回归模型作回归分析，需对模型作哪些假定，这些假定为什么是必要的？ ⒉ 试说明利用样本决定系数R 2为什么能够判定回归直线与样本观测值的拟和优度。 ⒊ 说明利用) (0∧ βS 、)(1∧βS 衡量 ∧ β、∧ 1β对 β、1β估计稳定性的道理。 ⒋ 为什么对 ∧ β、∧ 1β进行显著性检验？试述检验方法及步骤。 ⒌ 对于求得的回归方程为什么进行显著性检验？试述检验方法及步骤。 ⒍ 阐述回归分析的步骤。 ⒎ 试述计量经济模型与一般的经济模型有什么不同？ ⒏ 一元线性回归模型有时采用如下形式： i i i X Y μβ+=1 模型中的截距为零，叫做通过原点的回归模型。试证明该模型中： （1） ∑∑=∧ 21i i i X Y X β （2） ∑ = ∧ 2 2 1)var(i X μ σ β ⒐ 下述结果是从一个样本中获得的，该样本包含某企业的销售额（Y ）及相应价格（X ）的11个观测值。 18 .519_ =X ； 82 .217_ =Y ； ∑=3134543 2 i X ； ∑=1296836 i i Y X ； ∑=539512 2i Y （1）估计销售额对价格的样本回归直线，并解释其结果。 （2）回归直线的判定系数是多少？ ⒑ 已知某地区26年的工农业总产值与货运周转量的数据见下表。试作一元线性回归分析，若下一年计划该地区工农业总产值为8亿元，预测货运周转量。
思考题答案 第一章 绪论 思考题 1.1怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用？ 答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。 1.2理论计量经济学和应用计量经济学的区别和联系是什么？ 答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。 理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。 应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。 1.3怎样理解计量经济学与理论经济学、经济统计学的关系？ 答：1、计量经济学与经济学的关系。联系：计量经济学研究的主体—经济现象和经济关系的数量规律；计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善。区别：经济理论重在定性分析,并不对经济关系提供数量上的具体度量；计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容。 2、计量经济学与经济统计学的关系。联系：经济统计侧重于对社会经济现象的描述性计量；经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。区别：经济统计学主要用统计指标和统计分析方法对经济现象进行描述和计量；计量经济学主要利用数理统计方法对经济变量间的关系进行计量。 1.4在计量经济模型中被解释变量和解释变量的作用有什么不同？ 答：在计量经济模型中，解释变量是变动的原因，被解释变量是变动的结果。被解释变量是模型要分析研究的对象。解释变量是说明被解释变量变动主要原因的变量。 1.5一个完整的计量经济模型应包括哪些基本要素？你能举一个例子吗？ 答：一个完整的计量经济模型应包括三个基本要素：经济变量、参数和随机误差项。 例如研究消费函数的计量经济模型：u βX αY ++= 其中，Y 为居民消费支出，X 为居民家庭收入，二者是经济变量；α和β为参数；u 是随机误差项。 1.6假如你是中央银行货币政策的研究者，需要你对增加货币供应量促进经济增长提出建议，
第一章绪论 1、什么是计量经济学？由哪三组组成？ 答：计量经济学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。 统计学、经济理论和数学三者结合起来便构成了计量经济学。 2、计量经济学的内容体系，重点是理论计量和应用计量和经典计量经济学理论方法方面的特 征 答：1）广义计量经济学和狭义计量经济学 2）初、中、高级计量经济学3）理论计量经济学和应用计量经济 理论计量经济学是以介绍、研究计量经济学的理论与方法为主要内容，侧重于理论与方法的数学证明与推导，与数理统计联系极为密切。除了介绍计量经济模型的数学理论基础、普遍应用的计量经济模型的参数估计方法与检验方法外，还研究特殊模型的估计方法与检验方法，应用了广泛的数学知识。 应用计量经济学则以建立与应用计量经济学模型为主要内容，强调应用模型的经济学和经济统计学基础，侧重于建立与应用模型过程中实际问题的处理。本课程是二者的结合。 4）、经典计量经济学和非经典计量经济学 经典计量经济学（Classical Econometrics）一般指20世纪70年代以前发展并广泛应用的计量经济学。 经典计量经济学在理论方法方面特征是： ⑴模型类型—随机模型； ⑵模型导向—理论导向； ⑶模型结构—线性或者可以化为线性，因果分析，解释变量具有同等地位，模型具有明
确的形式和参数； ⑷数据类型—以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量； ⑸估计方法—仅利用样本信息，采用最小二乘方法或者最大似然方法估计模型。 经典计量经济学在应用方面的特征是： ⑴应用模型方法论基础—实证分析、经验分析、归纳； ⑵应用模型的功能—结构分析、政策评价、经济预测、理论检验与发展； ⑶应用模型的领域—传统的应用领域，例如生产、需求、消费、投资、货币需求，以及宏观经济等。 5）、微观计量经济学和宏观计量经济学 3、为什么说计量经济学是经济学的一个分支？（4点和综述） 答：（1）、从计量经济学的定义看 （2）、从计量经济学在西方国家经济学科中的地位看 （3）、从计量经济学与数理统计学的区别看 （4）、从建立与应用计量经济学模型的全过程看 综上所述，计量经济学是一门经济学科，而不是应用数学或其他。 4、理论模型的设计主要包含三部分工作，即选择变量，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。 5、常用的样本数据：时间序列，截面，面板（虚变量数据是错的，改为面板数据。主要要求时间数据序列数据和截面数据） 答：1、时间序列是一批按照时间先后排列的统计数据。 要注意问题：
计量经济学作业第5章(含答案)
第5章习题 一、单项选择题 1．对于一个含有截距项的计量经济模型，若某定性因素有m个互斥的类型，为将其引入模型中，则需要引入虚拟变量个数为（） A. m B. m-1 C. m+1 D. m-k 2．在经济发展发生转折时期，可以通过引入虚拟变量方法来表示这种变化。例如，研究中国城镇居民消费函数时。1991年前后，城镇居民商品性实际支出Y 对实际可支配收入X的回归关系明显不同。现以1991年为转折时期，设虚拟变 量，数据散点图显示消费函数发生了结构性变化：基本消费部分下降了，边际消费倾向变大了。则城镇居民线性消费函数的理论方程可以写作（） A. B. C. D. 3．对于有限分布滞后模型 在一定条件下，参数可近似用一个关于的阿尔蒙多项式表示（），其中多项式的阶数m必须满足（） A． B． C． D． 4．对于有限分布滞后模型，解释变量的滞后长度每增加一期，可利用的样本数据就会( ) A. 增加1个 B. 减少1个 C. 增加2个 D. 减少2个 5．经济变量的时间序列数据大多存在序列相关性，在分布滞后模型中，这种序列相关性就转化为（） A．异方差问题 B. 多重共线性问题
C．序列相关性问题 D. 设定误差问题 6．将一年四个季度对因变量的影响引入到模型中（含截距项），则需要引入虚拟变量的个数为（） A. 4 B. 3 C. 2 D. 1 7．若想考察某两个地区的平均消费水平是否存在显著差异，则下列那个模型比 较适合（Y代表消费支出；X代表可支配收入；D 2、D 3 表示虚拟变量）（） A. B. C. D. 二、多项选择题 1．以下变量中可以作为解释变量的有（） A. 外生变量 B. 滞后内生变量 C. 虚拟变量 D. 先决变量 E. 内生变量 2．关于衣着消费支出模型为：，其中 Y i 为衣着方面的年度支出；X i 为收入， ? ? ? =女性 男性 1 2i D； ? ? ? =大学毕业及以上 其他 1 3i D 则关于模型中的参数下列说法正确的是（） A.表示在保持其他条件不变时，女性比男性在衣着消费支出方面多支出（或少支出）差额 B.表示在保持其他条件不变时，大学毕业及以上比其他学历者在衣着消费支出方面多支出（或少支出）差额 C.表示在保持其他条件不变时，女性大学及以上文凭者比男性和大学以下文凭者在衣着消费支出方面多支出（或少支出）差额 D. 表示在保持其他条件不变时，女性比男性大学以下文凭者在衣着消费支出方面多支出（或少支出）差额 E. 表示性别和学历两种属性变量对衣着消费支出的交互影响 三、判断题
计量经济学练习题 第一章导论 一、单项选择题 ⒈计量经济研究中常用的数据主要有两类：一类是时间序列数据，另一类是【 B 】 A 总量数据 B 横截面数据 C平均数据 D 相对数据 ⒉横截面数据是指【A 】 A 同一时点上不同统计单位相同统计指标组成的数据 B 同一时点上相同统计单位相同统计指标组成的数据 C 同一时点上相同统计单位不同统计指标组成的数据 D 同一时点上不同统计单位不同统计指标组成的数据 ⒊下面属于截面数据的是【D 】 A 1991-2003年各年某地区20个乡镇的平均工业产值 B 1991-2003年各年某地区20个乡镇的各镇工业产值 C 某年某地区20个乡镇工业产值的合计数 D 某年某地区20个乡镇各镇工业产值 ⒋同一统计指标按时间顺序记录的数据列称为【B 】 A 横截面数据 B 时间序列数据 C 修匀数据D原始数据 ⒌回归分析中定义【 B 】 A 解释变量和被解释变量都是随机变量 B 解释变量为非随机变量，被解释变量为随机变量 C 解释变量和被解释变量都是非随机变量 D 解释变量为随机变量，被解释变量为非随机变量 二、填空题 ⒈计量经济学是经济学的一个分支学科，是对经济问题进行定量实证研究的技术、方法和相关理论，可以理解为数学、统计学和_经济学_三者的结合。 ⒉现代计量经济学已经形成了包括单方程回归分析，联立方程组模型，时间序列分 析三大支柱。
⒊经典计量经济学的最基本方法是回归分析。 计量经济分析的基本步骤是：理论（或假说）陈述、建立计量经济模型、收集数据、计量经济模型参数的估计、检验和模型修正、预测和政策分析。 ⒋常用的三类样本数据是截面数据、时间序列数据和面板数据。 ⒌经济变量间的关系有不相关关系、相关关系、因果关系、相互影响关系和恒 等关系。 三、简答题 ⒈什么是计量经济学？它与统计学的关系是怎样的？ 计量经济学就是对经济规律进行数量实证研究，包括预测、检验等多方面的工作。计量经济学是一种定量分析，是以解释经济活动中客观存在的数量关系为内容的一门经济学学科。 计量经济学与统计学密切联系，如数据收集和处理、参数估计、计量分析方法设计，以及参数估计值、模型和预测结果可靠性和可信程度分析判断等。可以说，统计学的知识和方法不仅贯穿计量经济分析过程，而且现代统计学本身也与计量经济学有不少相似之处。例如，统计学也通过对经济数据的处理分析，得出经济问题的数字化特征和结论，也有对经济参数的估计和分析，也进行经济趋势的预测，并利用各种统计量对分析预测的结论进行判断和检验等，统计学的这些内容与计量经济学的内容都很相似。反过来，计量经济学也经常使用各种统计分析方法，筛选数据、选择变量和检验相关结论，统计分析是计量经济分析的重要内容和主要基础之一。 计量经济学与统计学的根本区别在于，计量经济学是问题导向和以经济模型为核心的，而统计学则是以经济数据为核心，且常常是数据导向的。典型的计量经济学分析从具体经济问题出发，先建立经济模型，参数估计、判断、调整和预测分析等都是以模型为基础和出发点；典型的统计学研究则并不一定需要从具体明确的问题出发，虽然也有一些目标，但可以是模糊不明确的。虽然统计学并不排斥经济理论和模型，有时也会利用它们，但统计学通常不一定需要特定的经济理论或模型作为基础和出发点，常常是通过对经济数据的统计处理直接得出结论，统计学侧重的工作是经济数据的采集、筛选和处理。 此外，计量经济学不仅是通过数据处理和分析获得经济问题的一些数字特征，而且是借助于经济思想和数学工具对经济问题作深刻剖析。经过计量经济分析实证检验的经济理论和模型，能够对分析、研究和预测更广泛的经济问题起重要作用。计量经济学从经济理论和经济模型出发进行计量经济分析的过程，也是对经济理论证实或证伪的过程。这些是以处理数
一、单项选择题 4．横截面数据是指（A）。 A．同一时点上不同统计单位相同统计指标组成的数据 B．同一时点上相同统计单位相同统计指标组成的数据 C．同一时点上相同统计单位不同统计指标组成的数据 D．同一时点上不同统计单位不同统计指标组成的数据 5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（C）。 A．时期数据B．混合数据C．时间序列数据D．横截面数据9．下面属于横截面数据的是（ D ）。 A．1991－2003年各年某地区20个乡镇企业的平均工业产值 B．1991－2003年各年某地区20个乡镇企业各镇的工业产值 C．某年某地区20个乡镇工业产值的合计数 D．某年某地区20个乡镇各镇的工业产值 10．经济计量分析工作的基本步骤是（ A ）。 A．设定理论模型→收集样本资料→估计模型参数→检验模型 B．设定模型→估计参数→检验模型→应用模型 C．个体设计→总体估计→估计模型→应用模型 D．确定模型导向→确定变量及方程式→估计模型→应用模型 13．同一统计指标按时间顺序记录的数据列称为（ B ）。 A．横截面数据B．时间序列数据C．修匀数据D．原始数据14．计量经济模型的基本应用领域有（ A ）。 A．结构分析、经济预测、政策评价B．弹性分析、乘数分析、政策模拟 C．消费需求分析、生产技术分析、D．季度分析、年度分析、中长期分析
18．表示x 和y 之间真实线性关系的是（ C ）。 A ．01???t t Y X ββ=+ B ．01()t t E Y X ββ=+ C ．01t t t Y X u ββ=++ D ．01t t Y X ββ=+ 19．参数β的估计量?β具备有效性是指（ B ）。 A ．?var ()=0β B ．?var ()β为最小 C ．?()0ββ－＝ D ．?()ββ－为最小 25．对回归模型i 01i i Y X u ββ+＝＋进行检验时，通常假定i u 服从（ C ）。 A ．2i N 0) σ（， B ． t(n-2) C ．2N 0)σ（， D ．t(n) 26．以Y 表示实际观测值，?Y 表示回归估计值，则普通最小二乘法估计参数的准则是使（ D ）。 A ．i i ?Y Y 0∑（－）＝ B ．2i i ?Y Y 0∑（－）＝ C ．i i ?Y Y ∑（－）＝最小 D ．2i i ?Y Y ∑（－）＝最小 27．设Y 表示实际观测值，?Y 表示OLS 估计回归值，则下列哪项成立（ D ）。 A ．?Y Y ＝ B ．?Y Y ＝ C ．?Y Y ＝ D ．?Y Y ＝ 28．用OLS 估计经典线性模型i 01i i Y X u ββ+＝＋，则样本回归直线通过点___D______。 A ．X Y （，） B ． ?X Y （，） C ．?X Y （，） D ．X Y （，） 29．以Y 表示实际观测值，?Y 表示OLS 估计回归值，则用OLS 得到的样本回归直线i 01i ???Y X ββ+＝满足（ A ）。 A ．i i ?Y Y 0∑（－）＝ B ．2i i Y Y 0∑（－）＝ C ． 2i i ?Y Y 0∑（－）＝ D ．2i i ?Y Y 0∑（－）＝ 30．用一组有30个观测值的样本估计模型i 01i i Y X u ββ+＝＋，在0.05的显著性水平下对1β的显著性作t 检验，则1β显著地不等于零的条件是其统计量t 大于（ D ）。 A ．t 0.05(30) B ．t 0.025(30) C ．t 0.05(28) D ．t 0.025(28) 31．已知某一直线回归方程的决定系数为0.64，则解释变量与被解释变量间的线性相关系数为（ B ）。 A ．0.64 B ．0.8 C ．0.4 D ．0.32
课本中相关章节的证明过程 第2章有关的证明过程 2.1 一元线性回归模型 有一元线性回归模型为：y t = β0 + β1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量（因变量），x t称解释变量（自变量），u t称随机误差项，β0称常数项，β1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(y t) = β0 + β1 x t, （2）随机部分，u t。 图2.8 真实的回归直线 这种模型可以赋予各种实际意义，收入与支出的关系；如脉搏与血压的关系；商品价格与供给量的关系；文件容量与保存时间的关系；林区木材采伐量与木材剩余物的关系；身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。但实际上数据来自各个家庭，来自各个不同收入水平，使其他条件不变成为不可能，所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。随机误差项u t中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。所以，在经济问题上“控制其他因素不变”实际是不可能的。 回归模型的随机误差项中一般包括如下几项内容，（1）非重要解释变量的省略，（2）人的随机行为，（3）数学模型形式欠妥，（4）归并误差（粮食的归并）（5）测量误差等。 回归模型存在两个特点。（1）建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。（2）也正是由于这些假定与抽象，才使我们能够透过复杂的经济现象，深刻认识到该经济过程的本质。
计量经济学作业第5章（含答案）
、单项选择题 1 ?对于一个含有截距项的计量经济模型，若某定性因素有 D. m-k 2 ?在经济发展发生转折时期，可以通过引入虚拟变量方法来表示这种变化。例 如，研究中国城镇居民消费函数时。1991年前后，城镇居民商品性实际支出 丫 对实际可支配收入X 的回归关系明显不同。现以1991年为转折时期，设虚拟变 [1 1991# WS D =< 量 r [O f 1毀坪以前，数据散点图显示消费函数发生了结构性变化：基本 消费部分下降了，边际消费倾向变大了。贝U 城镇居民线性消费函数的理论方程 可以写作（ ） A. h 二几+耳扎+如）拓+斗 3. 对于有限分布滞后模型 在一定条件下，参数儿可近似用一个关于【的阿尔蒙多项式表示 ），其中多项式的阶数 m 必须满足（ ） A .障匚上 B . m k C . D .用上上 4. 对于有限分布滞后模型，解释变量的滞后长度每增加一期，可利用的样本数 据就会（ ） A.增加1个 B.减少1个 C.增加2个 D.减 少2个 5. 经济变量的时间序列数据大多存在序列相关性，在分布滞后模型中，这种序 列相关性就转化为（ ） A. m B. m-1 C. m+1 将其引入模型中，则需要引入虚拟变量个数为（ m 个互斥的类型，为 ） B. C. Y 讦 A+ +"0+ 斗 D.
A.异方差冋 题 B.多重 共线性问题
问题 6. 将一年四个季度对因变量的影响引入到模型中（含截 距项），则需要引入虚 拟变量的个数为（ ） A. 4 B. 3 C. 2 D. 1 7. 若 想考察某两个地区的平均消费水平是否存在显著差异，则下列那个模型比 较适合（丫代表消费支出；X 代表可支配收入；D 2、D 3表示虚拟变量） （） A.Yj"+陆+野 B . 二、多项选择题 1. 以下变量中可以作为解释变量的有 （ ） A.外生变量 B.滞后内生变量 C.虚 拟变量 D.先决变量 E.内生变量 2. 关于衣着消费支出模型为：h 吗+叩左+必史+勺3工』』+ "逅+色，其中 丫为衣着万面的年度支出；X 为收入， 1 女性 "i 大学毕业及以上 D = : D 3i =J o 男性, 3i 其他 则关于模型中的参数下列说法正确的是（ ） A. $表示在保持其他条件不变时，女性比男性在衣着消费支出方面多支出 （或少 支出）差额 B. 珂表示在保持其他条件不变时，大学毕业及以上比其他学历者在衣着消 费支 出方面多支出（或少支出）差额 C. 5表示在保持其他条件不变时，女性大学及以上文凭者比男性和大学以 下文凭 者在衣着消费支出方面多支出（或少支出）差额 D. 表示在保持其他条件不变时，女性比男性大学以下文凭者在衣着消 费支出方面多支出（或少支出）差额 E. 表示性别和学历两种属性变量对衣着消费支出的交互影响 、判断题 1 ?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 C.序列相关性问题 D.设定误差 ￡ =坷++以叭JQ+舛 C. 】 D 丄吗皿吗+风+儿
计量经济学课后习题答 案汇总 标准化工作室编码[XX968T-XX89628-XJ668-XT689N]
计量经济学练习题 第一章导论 一、单项选择题 ⒈计量经济研究中常用的数据主要有两类：一类是时间序列数据，另一类是【 B 】 A 总量数据 B 横截面数据 C平均数据 D 相对数据 ⒉横截面数据是指【 A 】 A 同一时点上不同统计单位相同统计指标组成的数据 B 同一时点上相同统计单位相同统计指标组成的数据 C 同一时点上相同统计单位不同统计指标组成的数据 D 同一时点上不同统计单位不同统计指标组成的数据 ⒊下面属于截面数据的是【 D 】 A 1991-2003年各年某地区20个乡镇的平均工业产值 B 1991-2003年各年某地区20个乡镇的各镇工业产值 C 某年某地区20个乡镇工业产值的合计数 D 某年某地区20个乡镇各镇工业产值 ⒋同一统计指标按时间顺序记录的数据列称为【 B 】 A 横截面数据 B 时间序列数据 C 修匀数据 D原始数据 ⒌回归分析中定义【 B 】 A 解释变量和被解释变量都是随机变量 B 解释变量为非随机变量，被解释变量为随机变量 C 解释变量和被解释变量都是非随机变量 D 解释变量为随机变量，被解释变量为非随机变量 二、填空题 ⒈计量经济学是经济学的一个分支学科，是对经济问题进行定量实证研究的技术、方法和相关理论，可以理解为数学、统计学和_经济学_三者的结合。 ⒉现代计量经济学已经形成了包括单方程回归分析，联立方程组模型，时间序列 分析三大支柱。
⒊经典计量经济学的最基本方法是回归分析。 计量经济分析的基本步骤是：理论（或假说）陈述、建立计量经济模型、收集数据、计量经济模型参数的估计、检验和模型修正、预测和政策分析。 ⒋常用的三类样本数据是截面数据、时间序列数据和面板数据。 ⒌经济变量间的关系有不相关关系、相关关系、因果关系、相互影响关系 和恒等关系。 三、简答题 ⒈什么是计量经济学它与统计学的关系是怎样的 计量经济学就是对经济规律进行数量实证研究，包括预测、检验等多方面的工作。计量经济学是一种定量分析，是以解释经济活动中客观存在的数量关系为内容的一门经济学学科。 计量经济学与统计学密切联系，如数据收集和处理、参数估计、计量分析方法设计，以及参数估计值、模型和预测结果可靠性和可信程度分析判断等。可以说，统计学的知识和方法不仅贯穿计量经济分析过程，而且现代统计学本身也与计量经济学有不少相似之处。例如，统计学也通过对经济数据的处理分析，得出经济问题的数字化特征和结论，也有对经济参数的估计和分析，也进行经济趋势的预测，并利用各种统计量对分析预测的结论进行判断和检验等，统计学的这些内容与计量经济学的内容都很相似。反过来，计量经济学也经常使用各种统计分析方法，筛选数据、选择变量和检验相关结论，统计分析是计量经济分析的重要内容和主要基础之一。 计量经济学与统计学的根本区别在于，计量经济学是问题导向和以经济模型为核心的，而统计学则是以经济数据为核心，且常常是数据导向的。典型的计量经济学分析从具体经济问题出发，先建立经济模型，参数估计、判断、调整和预测分析等都是以模型为基础和出发点；典型的统计学研究则并不一定需要从具体明确的问题出发，虽然也有一些目标，但可以是模糊不明确的。虽然统计学并不排斥经济理论和模型，有时也会利用它们，但统计学通常不一定需要特定的经济理论或模型作为基础和出发点，常常是通过对经济数据的统计处理直接得出结论，统计学侧重的工作是经济数据的采集、筛选和处理。 此外，计量经济学不仅是通过数据处理和分析获得经济问题的一些数字特征，而且是借助于经济思想和数学工具对经济问题作深刻剖析。经过计量经济分析实证检验的经济理论和模型，能够对分析、研究和预测更广泛的经济问题起重要作用。计量经济学从
E7.2 E7.3 E7.4
-------------------------------------------- (1) (2) ahe ahe -------------------------------------------- age 0.605*** 0.585*** (15.02) (16.02) female -3.664*** (-17.65) bachelor 8.083*** (38.00) _cons 1.082 -0.636 (0.93) (-0.59) （表2）Robust ci in parentheses *** p<0.01, ** p<0.05, * p<0.1 -------------------------------------------- N 7711 7711 -------------------------------------------- t statistics in parentheses * p<0.10, ** p<0.05, *** p<0.01 (表1) （1） 建立ahe 对age 的回归。截距估计值是1.082，斜率估计值是0.605。 （2） ①建立ahe 对age ，female 和bachelor 的回归。Age 对收入的效应的估计值是0.585。 ② age 回归系数的95%置信区间： (0.514，0.657) （3） 设H 0:βa,（2）-βa,（1）=0 H1:βa,（2）-βa （1）≠0 由表3，得SE ，SE(βa,（2）-βa,（1）)=√（0.0403）2+(0.0365)2=0.054 t=（0.605-0.585）/0.054=0.37<1.96 所以不拒绝原假设，即在5%显著水平下age 对ahe 的效应估计没有显著差异，所以（1）中的回归没有遭遇遗漏变量偏差。 （4） B ob’s predicted ahe=0.585×26-3.664×0+8.083×0-0.636=＄14.574 Alexis ’s predicted ahe=0.585×30-3.664×1+8.083×1-0.636=＄21.333 VARIABLES ahe age 0.585*** (0.514 - 0.657) female -3.664*** (-4.071 - -3.257) bachelor 8.083*** (7.666 - 8.500) Constant -0.636 (-2.759 - 1.487) Observations 7,711 R-squared 0.200
第五章习题2 根据经济理论建立计量经济模型 i i 10i X Y μββ++= 应用EViews 输出的结果如图1所示。 图1 用普通最小二乘法的估计结果如下: )29,...,2,1(707955.013179.58=+=∧ i X Y i i 利用上述结果计算残差∧ =i i i Y -Y e 。观察i e 的取值，好像随i X 的变化而变化，怀疑模型存在异方差性，下面通过等级相关系数和戈德菲尔特—夸特方法检验随机误差项的异方差性。 1.斯皮尔曼等级相关系数检验 按照斯皮尔曼等级相关检验的步骤，先将X 的样本观测值从小到大排列并划分等级，然后将i e 从小到大划分等级，计算i X 的等级与相应产生的i e 的等级的差i d 及2i d ，详见表1。 表1
计算等级相关系数 2334d 1 i 2i =∑= 0.42512329 -292334 6- 1N -N d 6- 1r 3 3 1i 2i =?==∑= 对等级相关系数进行检验，提出原假设与备择假设 ） ，（），（：：28 1 0N 1-N 10N ~r 0 H 0H 10=≠=ρρ 构造Z 统计量 2.2495428*0.4251231 -N 1r Z ===
给定显著水平0.05=α，查正态分布表，得 1.96Z 2 =α因为 1.962.24954Z >=， 所以应拒绝原假设，接收备择假设，即等级相关系数显著，说明其随机误差项存在异方差性。 2. 戈德菲尔特—夸特方法检验 将X 的样本观测值按升序排列，Y 的样本观测值按原来与X 样本观测值的对应关系进行排列，略去中心7个数据，将剩下的22个样本观测值分成容量相等的两个子样本，每个子样本的样本观测值个数均为11。排列结果见表2。 用第一个子样本估计模型，得到的结果如图2所示： 图2
第一章绪论 参考重点： 计量经济学的一般建模过程 第一章课后题（1.4.5） 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？ 答：计量经济学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，是由经济学、统计学和数学三者结合而成的交叉学科。 计量经济学方法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；一般经济数学方法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。 4.建立与应用计量经济学模型的主要步骤有哪些？ 答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？ 答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 第二章经典单方程计量经济学模型：一元线性回归模型参考重点： 1.相关分析与回归分析的概念、联系以及区别？ 2.总体随机项与样本随机项的区别与联系？
计量经济学中相关证明https://www.doczj.com/doc/363598993.html,work Information Technology Company.2020YEAR
课本中相关章节的证明过程 第2章有关的证明过程 2.1 一元线性回归模型 有一元线性回归模型为：y t = 0 + 1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量（因变量），x t称解释变量（自变量），u t称随机误差项，0称常数项，1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(y t) = 0 + 1 x t,（2）随机部分，u t。 图2.8 真实的回归直线 这种模型可以赋予各种实际意义，收入与支出的关系；如脉搏与血压的关系；商品价格与供给量的关系；文件容量与保存时间的关系；林区木材采伐量与木材剩余物的关系；身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。但实际上数据来自各个家庭，来自各个不同收入水平，使其他条件不变成为不可能，所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。随机误差项u t中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。所以，在经济问题上“控制其他因素不变”实际是不可能的。 回归模型的随机误差项中一般包括如下几项内容，（1）非重要解释变量的省略，（2）人的随机行为，（3）数学模型形式欠妥，（4）归并误差（粮食的归并）（5）测量误差等。 回归模型存在两个特点。（1）建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。（2）也正是由于这些假定与抽象，才使我们能够透过复杂的经济现象，深刻认识到该经济过程的本质。 通常，线性回归函数E(y t) = 0 + 1 x t是观察不到的，利用样本得到的只是对E(y t) = 0 + 1 x t 的估计，即对0和1的估计。 在对回归函数进行估计之前应该对随机误差项u t做出如下假定。 (1) u t 是一个随机变量，u t 的取值服从概率分布。 (2) E(u t) = 0。 (3) D(u t) = E[u t - E(u t) ]2 = E(u t)2 = 2。称u i 具有同方差性。 (4) u t 为正态分布（根据中心极限定理）。以上四个假定可作如下表达：u t N (0,)。