第六章
1、答：给定显著水平α，依据样本容量n和解释变量个数k’，查D.W.表得d统计量的上界
du和下界dL，当0 前提条件：DW检验的前提条件： （1）回归模型中含有截距项； （2）解释变量是非随机的（因此与随机扰动项不相关） （3）随机扰动项是一阶线性自相关。； （4）回归模型中不把滞后内生变量（前定内生变量）做为解释变量。 （5）没有缺失数据，样本比较大。 DW检验的局限性： （1）DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。这时，只有增大样本容量或选取其他方法 （2）DW统计量的上、下界表要求n≥15, 这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断 (3) DW检验不适应随机误差项具有高阶序列相关的检验. (4) 只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量 2、答：（1）当回归模型随机误差项有自相关时，普通最小二乘估计量是有偏误的和非有效的。 判断：错误。当回归模型随机误差项有自相关时，普通最小二乘估计量是无偏误的和非有效 的。 （2）DW检验假定随机误差项u i的方差是同方差。 判断：错误。DW统计量的构造中并没有要求误差项的方差是同方差。 ρ为-1。 （3）用一阶差分法消除自相关是假定自相关系数 ρ为1，即原原模型存在完全一阶判断：错误。用一阶差分法消除自相关是假定自相关系数 正自相关。 （4）当回归模型随机误差项有自相关时，普通最小二乘估计的预测值的方差和标准误差不 再是有效的。 判断：正确。 3、答：给定显著水平α=0.05，依据样本容量n=50和解释变量个数k’=4，查D.W.表得d 统计量的上界du=1.721，下界dL=1.378，4- du=2.279，4-dL=2.622。 （1）DW=1.05 (2) dL （3）4- du （4）DW=3.97>4-dL，所以模型存在负自相关。 4、在回归模型方程中无自相关，如果我们错误地判定模型中有一阶自相关，并使用了广义差分模型，将会产生什么问题？ 练习题6.1 （1）建立居民收入-消费函数 Y=79.93004+0.690488X （2） 残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶自相关。DW=0.574663，查表可知0<=DW<=dL,误差项存在着自相关 用广义差分法进行补救 Ρ=0.657352 Yt*=45.35242+0.709686Xt* 其中Yt*=Yt-0.657352Yt(-1),Xt*=Xt-0.657352Xt(-1) 模型中DW=1.814502.dU β=45.35242/(1-0.657352)=140.563152 由此，得到的最终消费模型为：Y=140.563152+0.709686X （3）该模型的经济意义是，人均实际收入每增加一元，人均实际消费支出会增加0.669262元。 第七章 7.3 库伊克模型、自适应预期模型与局部调整模型有哪些共性和不同之处？模型估计会存在哪些困难？如何解决？ 答：（1）相同之处：库伊克模型、自适应预期模型、局部调整模型三个模型的最终形式都是一阶自回归模型。 （2）不同之处： 1）导出模型的经济背景和思想不同。 库伊克模型是在无限分布滞后模型的基础上，根据库伊克几何分布滞后假定导出的；自适应预期模型是由解释变量自适应过程得到的；局部调整模型是由应变量的局部调整得到的。2）模型存在的问题不同。 三个模型的形成机理不同，所以随机误差项的结构不同，库伊克模型和自适应预期模型都存在自相关、解释变量与随机误差项相关的问题；而局部调整模型则不存在。库伊克模型和自适应预期模型不能够直接使用最小二乘法直接估计，而局部调整模型则可以。 （2）模型估计存在的困难及解决的方法 （a）出现了随机解释变量Yt-1 ，而Yt-1 可能与随机扰动项相关； (b)随机扰动项可能自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动无自相关.如果用最小二乘法直接估计自回归模型，则估计可能是有偏的，而且不是一致估计。 估计自回归模型需要解决两个问题：设法消除与的相关性；检验是否存在自相关。所以应用工具变量法进行估计一阶自回归模型，就是在进行参数估计的过程中选择适当的工具变量，代替回归模型中同随机扰动项存在相关性的解释变量。 7.6 检验一阶自回归模型随机扰动项是否存在自相关，为什么用德宾h-检验而不用DW检验？ 答：因为DW检验法不适合于方程含有滞后被解释变量的场合，在自回归模型中，滞后被解释变量是随机变量，已有研究表明，如果用DW检验法，则d统计量值总是趋近于2。也就是说，在一阶自回归中，当随机扰动项存在自相关时，DW检验却倾向于得出非自相关的结论。 练习题7.4 （1）估计一阶自回归模型; 回归估计： Yt=66247+0.04731X1t+0.27507X2t+0.4552Yt-1 根据局部调整模型的函数关系，有lna*= δlna, β*0=δβ0, β*1=δβ1 ,β*2=1-δ 将估计结果带入可得：δ=0.594479 a=111437073 β0=0.0796 β1=0.4627 局部调整模型估计结果为Y*t=111437073+0.0796X1t+0.4627X2t 经济意义：社会商品销售额每增加1亿元，未来预期年末货币流通量增加0.0796亿元城乡居民储蓄余额每增加1亿元，未来预期年末货币流通量增加0.4627亿元 模型对数变换： 在局部调整假定下，估计一阶自回归模型 回归估计 lnYt=0.672511+0.200421lnX1t+0.18120lnX2t+0.52471lnYt-1 根据局部调整模型的参数关系，lna*= δlna, β*0=δβ0, β*1=δβ1 ,β*2=1-δ 将估计结果带入可得： δ=0.465282 a=1.44538 β0=0.43075 β1=0.38944 局部调整模型估计结果为：lnYt=1.44538+0.43075lnX1t+0.3894lnX2t 经济意义：社会商品销售额每增加1%，未来预期年末货币流通量增加0.43075% 城乡居民储蓄余额每增加1%，未来预期年末货币流通量增加0.38944% 第八章 8.2虚拟变量为何只选0、1，选2、3、4行吗？为什么？ 答：虚拟变量是非此即彼的问题，一般情形下，虚拟变量的取值为0和1。当虚拟变量取值为0时，表示某种属性或状态的类型或水平不出现或不存在；当虚拟变量取值为1时，表示某种属性或状态的类型或水平出现或存在。取值一般不选2、3、4，否则对回归系数的分析带来不便。 8.5四种加法方式引入虚拟变量会产生什么效应？ 答：四种加法方式引入虚拟变量均改变了截距，可以用于分析虚拟变量不同类之间的水平差异。 8.6引入虚拟被解释变量的背景是什么？含有虚拟被解释变量模型的估计方法有哪些？答：某经济现象或活动受到多种因素的影响，需要对这一经济现象或活动进行是或否的判断或决策时，需要引入被解释变量。虚拟被解释变量模型的估计方法主要有线性概率模型估计和对数单位模型估计。 练习题8.6 经分析得边际效应=10 第九章 9.3 检验变量设定误差有哪几种方法？他们的共性和差异是什么？ 常用方法有：DW检验、LM检验、RESET检验、模型函数形式设定检验。 9.4 如何进行遗漏变量设定误差的后果分析？其检验有哪些方法？如何检验？ 当模型遗漏了真实的变量后，模型的参数估计是有偏且不一致的：参数估计的方差估计不正确，随机扰动项方差的估计也是不正确的，将使假设检验、空间估计失效。检验的方法有DW检验、LM检验、RESET检验、模型函数形式设定检验。 9.5如何进行无关变量设定误差的后果分析？其检验有哪些方法？如何检验？ 模型的参数估计任然是无偏且一致的，随机扰动项的方差被正确估计，但所估计的方差将趋之于过大，从而使得参数估计的有效性降低，参数估计较为不准确，区间估计的精度下降。检验方法除了上诉四种以外还有非嵌套模型设定的假设检验等。 练习题9.6 答：在截面数据情况下题中所说的四条准则是正确的；但是在时序数据情况下，上诉准则则不一定是正确的。 第十章 10.1 对时间序列进行分析，为什么提出平稳性问题？ 平稳是时间序列里面一个非常重要的假设，模型ar, ma, arma, var，garch，arch全部建立在时序平稳的基础上。 （1）计量经济学经典分析方法隐含着一个重要假设：数据是平稳的。如果数据非平稳，那么在大样本下的统计推断基础——“一致性”要求就会被破坏。这往往导致“伪回归”问题的出现。但实践经验证明，现实经济现象中的时间序列数据通常是非平稳的，而且一些主要的国民经济变量往往表现出一致的上升或下降，这使得两个没有任何因果关系的变量，拥有较高的R^2。通过经典因果关系模型对这样的数据进行分析很难获得有效的统计量，分析、检验和预测结果也都是无效的，时间序列的平稳性对计量回归分析的有效性有很大影响；（2）经典计量经济模型假定变量均为随机的，但时间序列是在不同时间观测的数据，不能看做是同一个随机变量的反复抽样，而只能是随机过程的一个实现，每个数据都是特定时间随机变量的唯一实现值，其样本均值和方差的含义与随机变量反复抽样的样本总体均值和方差有所不同，这有悖于经典计量经济模型统计推断的基础。因而，对时间序列进行分析时，首先要考虑其平衡性问题。 10.3 什么是非平稳？为什么随机游走过程是非平稳的？ 所谓时间序列的非平稳，是指时间序列的统计规律随着时间的位移而发生变化，即生成变量时间序列数据的随机过程的特征随时间而变化。对于随机游走序列，它的均值为零、方差无限大,所以它是一非平稳序列 10.5怎样判断变量之间是否存在协整关系 有两种检验方法，一种是基于回归残差的协整检验，这种检验也称为单一方程的协整检验； 另一种是基于回归系数完全信息的Johansen协整检验。 10.6 什么是误差修正机制？误差修正模型的特点是什么？ 任何一组相互协整的时间序列变量都存在误差修正机制，误差修正模型把长期关系和短期变动结合起来，使得协整与误差修正模型之间存在一种对应关系，当变量之间存在协整关系时，变量在本期的变动，会根据上期偏差的情况做出调整，从而使其向长期均衡关系靠拢，这种不断进行调整的过程就是误差修正机制。 误差修正模型的特点是： （1）若,Yt Xt存在协整关系，则ECMt具有平稳性；因为yt,xt～I（1），则,xt～I（0），上式中的变量都具有平稳性。回归参数的估计量具有优良的渐近特性，所以用最小二乘法估计误差修正模型不存在虚假回归问题。 （2）误差修正模型中既有描述变量长期关系的参数，又有描述变量短期关系的参数；既可研究经济问题的静态（长期）特征又可研究其动态（短期）特征。误差修正机制的特点是：（1）因为ECM模型中包含的全部差分变量和非均衡误差都具有平稳性，所以用OLS法估计参数不会存在虚假回归问题； （2）如果ADL模型中的变量为一阶非平稳性，只要这些变量存在协整关系ttXkkY10，那么ECM模型中的误差修正项就具有平稳性，所有差分变量也具有平稳性。 （3）ECM模型中的参数可分为长期参数和短期参数，非均衡误差项中的k是长期参数，模型中的B0和a-1是短期参数，短期参数便是变量间的短期关系。 （4）任何一个ADL模型都可以变换为一个ECM模型。 十一章 11.2联立方程模型有哪些种类？各类联立方程模型的特点是什么？ 1、结构型模型。特点（1）结构方程描述了经济变量之间的结构关系，所以结构方程反映了内生变量直接受前定变量、其他内生变量和随机误差项影响的因果关系，在结构方程的右端可能出现其他的内生变量。（2）结构方程中的变量的系数称为结构参数，结构参数反映了结构方程中的解释变量对被解释变量的直接影响程度。（3）结构模型具有偏倚性的问题。（4）不能直接用结构模型进行预测。 2、简化型模型。特点（1）每一个方程的右端不再出现内生变量，而只有前定变量作为解释变量。（2）模型中的前定变量和随机误差项不相关。（3）简化模型的参数综合反映了前定变量对内生变量的直接影响和间接影响，其参数表现了前定变量对内生变量的影响乘数。（4）在已知前定变量取值的条件下，可利用简化模型参数的估计式直接对内生变量进行预测分析。 3、递归模型。特点是直接运用OLS方法对模型中的方程依次进行估计，而不会产生联立方程组的偏倚性问题。 11.3什么是联立方程偏倚？为什么会产生联立方程偏倚? 在计量经济学中联立方程偏倚是联立方程模型的一种形式，在结构式模型中，一些变量可能在一个方程中作为解释变量，而在另外一方程中又作为被解释变量。这就使得解释变量与随机误差项u之间存在相关关系，从而违背了最小二乘估计理论的一个重要假定，估计量一次是有偏的和非一致的。这就是所谓的联立方程偏倚。 11.5为什么不能直接用普通最小二乘法对联立方程模型的参数进行估计？ 在实际经济活动中， 变量之间不仅仅是存在单项的因果关系。还会存在如下的情况：第一，由于两个变量之间存在双向因果关系，用单一方程模型就不能完整的描述这两个变量之间的关系。第二，为全面描述一项经济活动只用单一方程模型是不够的。这时应该用多个方程的组合来描述整个经济活动 11.6识别的阶条件和秩条件的含义是什么？为什么在识别的过程中要将阶条件和秩条件结合运用？ 阶条件：当模型的一个方程中不包含的变量（内生变量和前定变量）的总个数，大于或者等于模型中内生变量总个数M减1，则该方程可能识别；秩条件：在有M个内生变量M个方程的完备联立方程模型中，当且仅当一个方程中不包含但在其他方程包含的变量（不论内生变量还是外生变量）的系数，至少能够构成一个非零的M-1阶行列式时，该方程是可以识别的。 模型识别的秩条件是充分必要条件，但识别程序过于繁琐；阶条件比较简便，但又只是必要条件。所以为了简化识别的工作量，可以将两种方法结合运用。 11.8间接最小二乘法的条件、步骤、参数估计的特性是什么？ 条件：模型为恰好识别的方程，在简化模型中的每一个方程都应满足基本假设，而且，在简化型模型中的前定变量不存在严重的多重共线性。 步骤：（1）将结构型模型转化为简化型模型，并建立简化型模型与结构型模型之间参数的关系式。 （2）对简化模型中的每一个方程用OLS法估计其参数，得到简化型方程的参数估计量；（3）在恰好识别的条件下，利用简化型模型与结构模型之间参数的关系式唯一地解出结构型方程的估计量。 特性：简化型参数是无偏的，并且在大样本下是一致估计式；但因结构型参数与简化型参数是非线性关系，结构型参数的估计在小样本中是有偏的，不过在大样本中是一致的估计量。练习题11.3 （1）首先，用阶条件判断如下：根据模型可知M=2，K=3,对于需求函数，有K-kt=3-3=mt-1=0,所以，该方程有可能是恰好识别。其次，用秩条件判断，将结构型模型转化为简化型模型 后，写出其系数的矩阵为对于需求函数，划掉第一行和第一行里0所对应的非零元素以外的元素，得到一个非零元素，即1，按照秩条件原理，说明该方程为恰好识别。 （2）根据识别的原理，对于供给函数，运用阶条件有，K-kt=3-1=2>mt-1=0，所以，该方程有可能是过度识别。对于供给函数，按秩条件原理，可得三个非零元素，按照秩条件的原理，说明该方程为过度识别。 （3）对于货币需求函数在过渡识别的情况下，可考虑用间接最小二乘法估计参数；对于货币供给函数在恰好识别的情况下，可考虑用两段最小二乘法估计参数； （4）在货币供给函数里再引进变量Yt-1和Mt-1,使得函数变为过度识别的情况，这是对参数的估计就只能用两段最小二乘法。 最新文件仅供参考已改成word文本。方便更改 统计学2班 第二次作业 1、?i =-151.0263 + 0.1179X 1i + 1.5452X 2i T= (-3.066806) (6.652983) (3.378064) R 2=0.934331 R 2=0.92964 F=191.1894 n=31 ⑴模型估计结果说明，各省市旅游外汇收入Y 受旅行社职工人数X 1，国际旅游人数X 2的影响。由所估计出的参数可知，在假定其他变量不变的情况下，当旅行社职工人数每增加1人，各省市旅游外汇收入增加0.1179百万美元。在嘉定其他变量不变的情况下。当国际旅游人数每增加1万人，各省市旅游外汇收入增加1.5452百万美元。 ⑵由题已知，估计的回归系数β1的T 值为：t （β1）=6.652983。 β2的T 值分为： t （β2）=3.378064。 α=0.05.查得自由度为n-2=22-2=29的临界值t 0.025(29)=2.045229 因为t （β1）=6.652983≥t 0.025(29)=2.045229.所以拒绝原假设H 0：β1=0。 表明在显著性水平α=0.05下，当其他解释变量不变的情况下，旅行社职工人数X 1对各省市旅游外汇收入Y 有显著性影响。 因为 t （β2）=3.378064≥t 0.025(29)=2.045229，所以拒绝原假设H 0：β2=0 表明在显著性水平α=0.05下，当其他解释变量不变的情况下，和国际旅游人数X 2对各省市旅游外汇收入Y 有显著性影响。 ⑶正对H O ：β1=β2=0，给定显著水性水平α=0.05，自由度为k-1=2,n-k=28的临界值 F 0.05（2,28）=3.34038。由题已知F=191.1894>F 0.05（2,28）=3.34038，应拒绝原假设 H O ：β1=β2=0，说明回归方程显著，即旅行社职工人数和旅游人数变量联合起来对各省市旅游外汇收入有显著影响。 2、⑴样本容量n=15 残差平方和RSS=66042-65965=77 回归平方和ESS 的自由度为K-1=2 残差平方和RSS 的自由度为n-k=13 ⑵可决系数R 2=TSS ESS =6604265965 =0.99883 调整的可决系数R 2=1-（1-R 2）k n n --1=1-（1-0.99883）1214=0.99863 ⑶利用可决系数R 2=0.99883，调整的可决系数R 2=0.99863，说明模型对样本的拟合很好。不能确定两个解释变量X 2和X 3个字对Y 都有显著影响。 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，1 n i i Y Y 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 5.1074 130 96104100=+++。 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 N S 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。 2.3 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？ 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/25X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？ 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。 271 APPENDIX E SOLUTIONS TO PROBLEMS E.1 This follows directly from partitioned matrix multiplication in Appendix D. Write X = 12n ?? ? ? ? ? ???x x x , X ' = (1'x 2'x n 'x ), and y = 12n ?? ? ? ? ? ??? y y y Therefore, X 'X = 1 n t t t ='∑x x and X 'y = 1 n t t t ='∑x y . An equivalent expression for ?β is ?β = 1 11n t t t n --=??' ???∑x x 11n t t t n y -=??' ??? ∑x which, when we plug in y t = x t β + u t for each t and do some algebra, can be written as ?β= β + 1 11n t t t n --=??' ???∑x x 11n t t t n u -=??' ??? ∑x . As shown in Section E.4, this expression is the basis for the asymptotic analysis of OLS using matrices. E.2 (i) Following the hint, we have SSR(b ) = (y – Xb )'(y – Xb ) = [?u + X (?β – b )]'[ ?u + X (?β – b )] = ?u '?u + ?u 'X (?β – b ) + (?β – b )'X '?u + (?β – b )'X 'X (?β – b ). But by the first order conditions for OLS, X '?u = 0, and so (X '?u )' = ?u 'X = 0. But then SSR(b ) = ?u '?u + (?β – b )'X 'X (?β – b ), which is what we wanted to show. (ii) If X has a rank k then X 'X is positive definite, which implies that (?β – b ) 'X 'X (?β – b ) > 0 for all b ≠ ?β . The term ?u '?u does not depend on b , and so SSR(b ) – SSR(?β) = (?β– b ) 'X 'X (?β – b ) > 0 for b ≠?β. E.3 (i) We use the placeholder feature of the OLS formulas. By definition, β = (Z 'Z )-1Z 'y = [(XA )' (XA )]-1(XA )'y = [A '(X 'X )A ]-1A 'X 'y = A -1(X 'X )-1(A ')-1A 'X 'y = A -1(X 'X )-1X 'y = A -1?β . (ii) By definition of the fitted values, ?t y = ?t x β and t y = t z β. Plugging z t and β into the second equation gives t y = (x t A )(A -1?β ) = ?t x β = ?t y . (iii) The estimated variance matrix from the regression of y and Z is 2σ(Z 'Z )-1 where 2σ is the error variance estimate from this regression. From part (ii), the fitted values from the two 第二篇时间序列数据的回归分析 第10章时间序列数据的基本回归分析 10.1 复习笔记 考点一：时间序列数据★★ 1．时间序列数据与横截面数据的区别 （1）时间序列数据集是按照时间顺序排列。 （2）时间序列数据与横截面数据被视为随机结果的原因不同。 （3）一个时间序列过程的所有可能的实现集，便相当于横截面分析中的总体。时间序列数据集的样本容量就是所观察变量的时期数。 2．时间序列模型的主要类型（见表10-1） 表10-1 时间序列模型的主要类型 考点二：经典假设下OLS的有限样本性质★★★★ 1．高斯-马尔可夫定理假设（见表10-2） 表10-2 高斯-马尔可夫定理假设 2．OLS估计量的性质与高斯-马尔可夫定理（见表10-3） 表10-3 OLS估计量的性质与高斯-马尔可夫定理 3．经典线性模型假定下的推断 （1）假定TS.6（正态性） 假定误差u t独立于X，且具有独立同分布Normal（0，σ2）。该假定蕴涵了假定TS.3、TS.4和TS.5，但它更强，因为它还假定了独立性和正态性。 （2）定理10.5（正态抽样分布） 在时间序列的CLM假定TS.1～TS.6下，以X为条件，OLS估计量遵循正态分布。而且，在虚拟假设下，每个t统计量服从t分布，F统计量服从F分布，通常构造的置信区间也是确当的。 定理10.5意味着，当假定TS.1～TS.6成立时，横截面回归估计与推断的全部结论都可以直接应用到时间序列回归中。这样t统计量可以用来检验个别解释变量的统计显著性，F 统计量可以用来检验联合显著性。 考点三：时间序列的应用★★★★★ 1．函数形式、虚拟变量 除了常见的线性函数形式，其他函数形式也可以应用于时间序列中。最重要的是自然对数，在应用研究中经常出现具有恒定百分比效应的时间序列回归。虚拟变量也可以应用在时间序列的回归中，如某一期的数据出现系统差别时，可以采用虚拟变量的形式。 2．趋势和季节性 （1）描述有趋势的时间序列的方法（见表10-4） 表10-4 描述有趋势的时间序列的方法 班级：金融学×××班姓名：××学号：×××××××C8.1SLEEP75.RAW sleep=β0+β1totwork+β2educ+β3age+β4age2+β5yngkid+β6male+u 解：（ⅰ）写出一个模型，容许u的方差在男女之间有所不同。这个方差不应该取决于其他因素。 在sleep=β0+β1totwork+β2educ+β3age+β4age2+β5yngkid+β6male+u模型下，u方差要取决于性别，则可以写成：Var u︳totwork,educ,age,yngkid,male =Var u︳male =δ0+δ1male。所以，当方差在male=1时，即为男性时，结果为δ0+δ1；当为女性时，结果为δ0。 将sleep对totwork，educ，age，age2，yngkid和male进行回归，回归结果如下： （ⅱ）利用SLEEP75.RAW的数据估计异方差模型中的参数。u的估计方差对于男人和女人而言哪个更高？ 由截图可知：u2=189359.2?28849.63male+r 20546.36 (27296.36) 由于male 的系数为负，所以u 的估计方差对女性而言更大。 （ⅲ）u 的方差是否对男女而言有显著不同？ 因为male 的 t 统计量为?1.06，所以统计不显著，故u 的方差是否对男女而言并没有显著不同。 C8.2 HPRICE1.RAW price =β0+β1lotsize +β2sqrft +β3bdrms +u 解：（ⅰ）利用HPRICE 1.RAW 中的数据得到方程（8.17）的异方差—稳健的标准误。讨论其与通常的标准误之间是否存在任何重要差异。 ● 先进行一般回归，结果如下： ● 再进行稳健回归，结果如下： 由两个截图可得：price =?21.77+0.00207lotsize +0.123sqrft +13.85bdrms 29.48 0.00064 0.013 (9.01) 37.13 0.00122 0.018 [8.48] n = 88， R 2=0.672 比较稳健标准误和通常标准误，发现lotsize 的稳健标准误是通常下的2倍，使得 t 统计量相差较大。而sqrft 的稳健标准误也比通常的大，但相差不大，bdrms 的稳健标准误比通常的要小些。 （ⅱ）对方程（8.18）重复第（ⅰ）步操作。 n =706，R 2=0.0016 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 第三章计量经济学练习题参考解答 第三章练习题参考解答 练习题 3.1为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t=(-3.066806) (6.652983) (3.378064) R 2=0.934331 92964.02=R F=191.1894 n=31 （1）从经济意义上考察估计模型的合理性。 （2）在5%显著性水平上，分别检验参数21,ββ的显著性。 （3）在5%显著性水平上，检验模型的整体显著性。 3.2根据下列数据试估计偏回归系数、标准误差，以及可决系数与修正的可决系数： 367.693Y =， 1402.760X =， 28.0X =， 15n =， 2()66042.269i Y Y -=∑， 211()84855.096i X X -=∑， 222()280.000i X X -=∑， 11()()74778.346i i Y Y X X --=∑， 22()()4250.900i i Y Y X X --=∑， 1122()()4796.000i i X X X X --=∑ 3.3 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据： (1) 建立家庭书刊消费的计量经济模型； （2）利用样本数据估计模型的参数； （3）检验户主受教育年数对家庭书刊消费是否有显著影响； （4）分析所估计模型的经济意义和作用 3.4 考虑以下“期望扩充菲利普斯曲线（Expectations-augmented Phillips curve ）”模型： t t t t u X X Y +++=33221βββ 其中：t Y =实际通货膨胀率（%）；t X 2=失业率（%）；t X 3=预期的通货膨胀率（%） 下表为某国的有关数据， 表1. 1970-1982年某国实际通货膨胀率Y (%)， 第七章 课后练习答案 7.1 （1）已知：96.1%,951,25,40,52/05.0==-===z x n ασ。 样本均值的抽样标准差79.0405== = n x σ σ （2）边际误差55.140 5 96.12/=? ==n z E σ α 7.2 （1）已知：96.1%,951,120,49,152/05.0==-===z x n ασ。 样本均值的抽样标准差14.249 15== = n x σ σ （2）边际误差20.449 1596.12 /=? ==n z E σ α （3）由于总体标准差已知，所以总体均值μ的95%的置信区间为 20.412049 1596.11202 /±=? ±=±n z x σ α 即()2.124,8.115 7.3 已知：96.1%,951,104560,100,854142/05.0==-===z x n ασ。 由于总体标准差已知，所以总体均值μ的95%的置信区间为 144.16741104560100 8541496.11045602 /±=? ±=±n z x σ α 即)144.121301,856.87818( 7.4 （1）已知：645.1%,901,12,81,1002/1.0==-===z s x n α。 由于100=n 为大样本，所以总体均值μ的90%的置信区间为： 974.181100 12645.1812 /±=? ±=±n s z x α 即)974.82,026.79( （2）已知：96.1%,951,12,81,1002/05.0==-===z s x n α。 由于100=n 为大样本，所以总体均值μ的95%的置信区间为： 352.281100 1296.1812 /±=? ±=±n s z x α 即)352.83,648.78( （3）已知：58.2%,991,12,81,1002/05.0==-===z s x n α。 由于100=n 为大样本，所以总体均值μ的99%的置信区间为： 096.381100 1258.2812 /±=? ±=±n s z x α 即)096.84,940.77( 7.5 （1）已知：96.1%,951,5.3,25,602/05.0==-===z x n ασ。 由于总体标准差已知，所以总体均值μ的95%的置信区间为： 89.02560 5.39 6.1252 /±=? ±=±n z x σ α 即)89.25,11.24( （2）已知：33.2%,981,89.23,6.119,752/02.0==-===z s x n α。 由于75=n 为大样本，所以总体均值μ的98%的置信区间为： 43.66.11975 89.2333.26.1192 /±=? ±=±n s z x α 即)03.126,17.113( （3）已知：645.1%,901,974.0,419.3,322/1.0==-===z s x n α。 由于32=n 为大样本，所以总体均值μ的90%的置信区间为： 283.0419.332 974.0645.1419.32 /±=? ±=±n s z x α 即)702.3,136.3( 3.8表1中列出了1995年北京市规模最大的20家百货零售商店的商品销售收入X和销售利润Y的统计资料。 表格 1 （1）根据Y，X的相关图分析异方差性； （2）利用Goldfeld-Quandt检验，White检验，Park检验和Gleiser检验进行异方差性检验； （3）利用WLS方法估计利润函数. 答： (1)由相关图初步判断模型存在递增型异方差 （2）Goldfeld-Quandt检验 中间剔除的数据个数C=20/4=5 则样本1和样本2的样本数为(20-5)/2=7 操作步骤： Smpl 1 7 Ls y c x 得到RSS1=0.858264 Smpl 14 20 Ls y c x 得到RSS2=38.08500 Smpl 1 20 Genr f=38.08500/0.858264 得到：F=38.08500/0.858264=44.3745，大于)117,117(05.0----F =5.05，表明模型存在递增型异方差。 White 检验 操作步骤 LS Y C X 方程窗口下拉View\residual test\ White Heteroskedasticity Test nR 2=8.413667，其伴随概率为0.014893，小于给定的显著性水平α=0.05，拒绝原 假设，认为回归模型存在异方差。 Park 方法： 操作步骤 Ls y c x Genr lne2=log(resid^2) Genr lnx=log(x) Ls lne2 c lnx ①Ln(e 2t )=-7.6928+1.83936Ln(x t ) R 2=0.365421，F=10.36527，prob (F)=0.004754 Gleises 方法： 操作步骤 Ls y c x Genr e1=abs(resid) Ls e1 c x Ls e1 c x^(1/2) Ls e1 c x^2 ②t e =-0.03529+0.01992x t R 2=0.5022， F=18.15856，prob(F)=0.000047 ③t e =-1.25044+0.32653t X 第4章多元回归分析：推断 4.1复习笔记 考点一：OLS估计量的抽样分布★★★ 1．假定MLR.6（正态性） 假定总体误差项u独立于所有解释变量，且服从均值为零和方差为σ2的正态分布，即：u～Normal（0，σ2）。 对于横截面回归中的应用来说，假定MLR.1～MLR.6被称为经典线性模型假定。假定下对应的模型称为经典线性模型（CLM）。 2．用中心极限定理（CLT） 在样本量较大时，u近似服从于正态分布。正态分布的近似效果取决于u中包含多少因素以及因素分布的差异。 但是CLT的前提假定是所有不可观测的因素都以独立可加的方式影响Y。当u是关于不可观测因素的一个复杂函数时，CLT论证可能并不适用。 3．OLS估计量的正态抽样分布 定理4.1（正态抽样分布）：在CLM假定MLR.1～MLR.6下，以自变量的样本值为条件，有：∧βj～Normal（βj，Var（∧βj））。将正态分布函数标准化可得：（∧βj－βj）/sd（∧βj）～ Normal（0，1）。 注：∧β1，∧β2，…，∧βk的任何线性组合也都符合正态分布，且∧βj的任何一个子集也都具有一个联合正态分布。 考点二：单个总体参数检验：t检验★★★★ 1．总体回归函数 总体模型的形式为：y＝β0＋β1x1＋…＋βk x k＋u。假定该模型满足CLM假定，βj的OLS 量是无偏的。 2．定理4.2：标准化估计量的t分布 在CLM假定MLR.1～MLR.6下，（∧βj－βj）/se（∧βj）～t n－k－1，其中，k＋1是总体模型中未知参数的个数（即k个斜率参数和截距β0）。 t统计量服从t分布而不是标准正态分布的原因是se（∧βj）中的常数σ已经被随机变量∧σ所取代。t统计量的计算公式可写成标准正态随机变量（∧βj－βj）/sd（∧βj）与∧σ2/σ2的平方根之比，可以证明二者是独立的；而且（n－k－1）∧σ2/σ2～χ2n－k－1。于是根据t随机变量的定义，便得到此结论。 3．单个参数的检验（见表4-1） 表4-1单个参数的检验 DATA SET HANDBOOK Introductory Econometrics: A Modern Approach, 4e Jeffrey M. Wooldridge This document contains a listing of all data sets that are provided with the fourth edition of Introductory Econometrics: A Modern Approach. For each data set, I list its source (wherever possible), where it is used or mentioned in the text (if it is), and, in some cases, notes on how an instructor might use the data set to generate new homework exercises, exam problems, or term projects. In some cases, I suggest ways to improve the data sets. Special thanks to Edmund Wooldridge, who provided valuable assistance in updating the page numbers for the fourth edition. 401K.RAW Source:L.E. Papke (1995), “Participation in and Contributions to 401(k) Pension Plans: Evidence from Plan Data,”Journal of Human Resources 30, 311-325. Professor Papke kindly provided these data. She gathered them from the Internal Revenue Service’s Form 5500 tapes. Used in Text: pages 64, 80, 135-136, 173, 217, 685-686 Notes: This data set is used in a variety of ways in the text. One additional possibility is to investigate whether the coefficients from the regression of prate on mrate, log(totemp) differ by whether the plan is a sole plan. The Chow test (see Section 7.4), and the less restrictive version that allows different intercepts, can be used. 401KSUBS.RAW Source: A. Abadie (2003), “Semiparametric Instrumental Variable Estimation of Treatment Response Models,”Journal of Econometrics 113, 231-263. Professor Abadie kindly provided these data. He obtained them from the 1991 Survey of Income and Program Participation (SIPP). Used in Text: pages 165, 182, 222, 261, 279-280, 288, 298-299, 336, 542 Notes: This data set can also be used to illustrate the binary response models, probit and logit, in Chapter 17, where, say, pira (an indicator for having an individual retirement account) is the dependent variable, and e401k [the 401(k) eligibility indicator] is the key explanatory variable. 第三章练习题及参考解答 为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t= R 2 = 92964.02 =R F= n=31 1)从经济意义上考察估计模型的合理性。 2)在5%显著性水平上，分别检验参数21,ββ的显著性。 3)在5%显著性水平上，检验模型的整体显著性。 练习题参考解答: (1)由模型估计结果可看出：从经济意义上说明，旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来，旅行社职工人数增加1人，旅游外汇收入将增加百万美元；国际旅游人数增加1万人次，旅游外汇收入增加百万美元。这与经济理论及经验符合，是合理的。 （2）取05.0=α ，查表得048.2)331(025.0=-t 因为3个参数t 统计量的绝对值均大于048.2)331(025.0=-t ，说明经t 检验3个参数均显著不为0，即旅行社职工人数 和国际旅游人数分别对旅游外汇收入都有显著影响。 （3）取05.0=α ，查表得34.3)28,2(05.0=F ，由于34.3)28,2(1894.19905.0=>=F F ，说明旅行社职工 人数和国际旅游人数联合起来对旅游外汇收入有显著影响，线性回归方程显著成立。 表给出了有两个解释变量 2X 和.3X 的回归模型方差分析的部分结果： 1）回归模型估计结果的样本容量n 、残差平方和RSS 、回归平方和ESS 与残差平方和RSS 的自由度各为多少 2）此模型的可决系数和调整的可决系数为多少 3）利用此结果能对模型的检验得出什么结论能否确定两个解释变量 2X 和.3X 各自对Y 都有显著影响 练习题参考解答: (1) 因为总变差的自由度为14=n-1，所以样本容量：n=14+1=15 因为 TSS=RSS+ESS 残差平方和RSS=TSS-ESS=66042-65965=77 回归平方和的自由度为：k-1=3-1=2 残差平方和RSS 的自由度为：n-k=15-3=12 （2）可决系数为：2 65965 0.99883466042 ES R TSS S = == 修正的可决系数：2 2 2115177 110.998615366042 i i e n R n k y --=- =-?=--∑∑ （3）这说明两个解释变量2X 和.3X 联合起来对被解释变量有很显著的影响，但是还不能确定两个解释变量2X 和.3X 各 自对Y 都有显著影响。 Chapter 9. Assessing Studies Based on Multiple Regression 9.1 Internal and External Validity Multiple regression has some key virtues: ?It provides an estimate of the effect on Y of arbitrary changes ΔX. ?It resolves the problem of omitted variable bias, if an omitted variable can be measured and included. ?It can handle nonlinear relations (effects that vary with the X’s) Still, OLS might yield a biased estimator of the true causal effect. A Framework for Assessing Statistical Studies Internal and External Validity ?Internal validity: The statistical inferences about causal effects are valid for the population being studied. ?External validity: The statistical inferences can be generalized from the population and setting studied to other populations and settings, where the “setting” refers to the legal, policy, and physical environment and related salient features. 班级：金融学×××班姓名：××学号：×××××××C6.9 NBASAL.RAW points=β0+β1exper+β2exper2+β3age+β4coll+u 解：（ⅰ）按照通常的格式报告结果。 由上图可知：points=35.22+2.364exper?0.077exper2?1.074age?1.286coll 6.9870.4050.02350.295 (0.451) n=269，R2=0.1412，R2=0.1282。 （ⅱ）保持大学打球年数和年龄不变，从加盟的第几个年份开始，在NBA打球的经历实际上将降低每场得分？这讲得通吗？ 由上述估计方程可知，转折点是exper的系数与exper2系数的两倍之比：exper?= β12β2= 2.364[2×?0.077]=15.35，即从加盟的第15个到第16个年份之间，球员在NBA打球的经历实际上将降低每场得分。实际上，在模型所用的数据中，269名球员中只有2位的打球年数超过了15年，数据代表性不大，所以这个结果讲不通。 （ⅲ）为什么coll具有负系数，而且统计显著？ 一般情况下，NBA运动员的球员都会在读完大学之前被选拔出，甚至从高中选出，所以这些球员在大学打球的时间少，但每场得分却很高，所以coll具有负系数。同时，coll的t统计量为-2.85，所以coll统计显著。 （ⅳ）有必要在方程中增加age的二次项吗？控制exper和coll之后，这对年龄效应意味着什么？ 增加age的二次项后，原估计模型变成： points=73.59+2.864exper?0.128exper2?3.984age+0.054age2?1.313coll 35.930.610.05 2.690.05 (0.45) n=269，R2=0.1451，R2=0.1288。 由方程可知：age的t统计量为?1.48，age2的t统计量为1.09，所以age和age的二次项统计都不显著，而当不增加age2时，age的t统计量为?3.64，统计显著，因此完全没有必要在方程中增加age的二次项。当控制了exper和coll之后，年龄对points的负效应将会增大。 （ⅴ）现在将log?(wage)对points，exper，exper2，age和coll回归。以通常的格式报告结论。 所以，log wage=6.78+0.078points+0.218exper?0.0071exper2?0.048age?0.040coll 0.850.0070.0500.00280.035 (0.053) n=269，R2=0.4878，R2=0.4781。 （ⅵ）在第（ⅴ）部分的回归中检验age和coll是否联合显著。一旦控制了生产力和资历，这对考察年龄和受教育程度是否对工资具有单独影响这个问题有何含义？ 第三章、经典单方程计量经济学模型：多元线性回归模型 例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的一个回归方程为 fedu medu sibs edu 210.0131.0094.036.10++-= R 2=0.214 式中，edu 为劳动力受教育年数，sibs 为该劳动力家庭中兄弟姐妹的个数，medu 与fedu 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medu 与fedu 保持不变，为了使预测的受教育水平减少一年，需要sibs 增加多少？ （2）请对medu 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为12年，另一个的父母受教育的年数为16年，则两人受教育的年数预期相差多少？ 解答：（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年受教育的机会，其子女作为劳动者就会预期增加0.131年的教育机会。 （3）首先计算两人受教育的年数分别为 10.36+0.131?12+0.210?12=14.452 10.36+0.131?16+0.210?16=15.816 因此，两人的受教育年限的差别为15.816-14.452=1.364 例2．以企业研发支出（R&D ）占销售额的比重为被解释变量（Y ），以企业销售额（X1）与利润占销售额的比重（X2）为解释变量，一个有32容量的样本企业的估计结果如下： 099 .0)046.0() 22.0() 37.1(05.0)log(32.0472.022 1=++=R X X Y 其中括号中为系数估计值的标准差。 （1）解释log(X1)的系数。如果X1增加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）针对R&D 强度随销售额的增加而提高这一备择假设，检验它不虽X1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？ 解答：（1）log(x1)的系数表明在其他条件不变时，log(x1)变化1个单位，Y 变化的单位数，即?Y=0.32?log(X1)≈0.32(?X1/X1)=0.32?100%，换言之，当企业销售X1增长100%时，企业研发支出占销售额的比重Y 会增加0.32个百分点。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H1：01>β，检验原假设H0：01=β。易知计算的t 统计量的值为t=0.32/0.22=1.468。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1.699（单侧），计算的t 值小于该临界值，所以不拒绝原假设。意味着R&D 强度不随销售额的增加而变化。在10%的显著性水平下，t 分布的临界值为1.311，计算的t 值小于该值，拒绝 P ART T WO Solutions to Empirical Exercises Chapter 3 Review of Statistics Solutions to Empirical Exercises 1. (a) Average Hourly Earnings, Nominal $’s Mean SE(Mean) 95% Confidence Interval AHE199211.63 0.064 11.50 11.75 AHE200416.77 0.098 16.58 16.96 Difference SE(Difference) 95% Confidence Interval AHE2004 AHE1992 5.14 0.117 4.91 5.37 (b) Average Hourly Earnings, Real $2004 Mean SE(Mean) 95% Confidence Interval AHE199215.66 0.086 15.49 15.82 AHE200416.77 0.098 16.58 16.96 Difference SE(Difference) 95% Confidence Interval AHE2004 AHE1992 1.11 0.130 0.85 1.37 (c) The results from part (b) adjust for changes in purchasing power. These results should be used. (d) Average Hourly Earnings in 2004 Mean SE(Mean) 95% Confidence Interval High School13.81 0.102 13.61 14.01 College20.31 0.158 20.00 20.62 Difference SE(Difference) 95% Confidence Interval College High School 6.50 0.188 6.13 6.87庞皓计量经济学课后答案第三章
计量经济学(第四版)习题及参考答案详细版
伍德里奇计量经济学第六版答案Appendix-E
伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-第二篇(第10~12章)【圣才出品】
伍德里奇---计量经济学第8章部分计算机习题详解(STATA)
斯托克,沃森计量经济学第七章实证练习stata
第三章计量经济学练习题参考解答教学资料
计学(第六版)第七章课后练习答案
第三章答案计量经济学
伍德里奇《计量经济学导论》(第6版)复习笔记和课后习题详解-多元回归分析：推断【圣才出品】
计量经济学导论：现代观点第四版习题答案
计量经济学第三章练习题及参考全部解答
斯托克、沃森着《计量经济学》第九章
伍德里奇---计量经济学第6章部分计算机习题详解(STATA)
计量经济学-第三章
斯托克计量经济学课后习题实证答案
相关主题
文本预览