名词解释
1、 因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响
2、 实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验
3、 观测数据：通过观察实验之外的实际行为而获得的数据
4、 截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据
5、 时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据
6、 面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据
7、 离散型随机变量：一些随机变量是离散的
连续型随机变量：一些随机变量是连续的
8、 期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ）
9、 期望：Y 的长期平均值，记作μY
10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ）
11、标准差：方差的平方根来表示偏差程度，记作σY
12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息
13、标准正态分布：指那些均值102
==σμ、方差的正态分布，记作N （0，1）
14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本
15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ
-??）（为的一个估计量，则偏差是； 一致性：当样本容量增大时，Y μ
?落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与?是一致的 有效性：如果Y μ
?的方差比Y μ~更小，那么可以说Y Y μμ~?比更有效 17、最小二乘估计量：21)(m i
n i -Y ∑=最小化误差m -i
Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与 原假设之间差异程度的概率
19、第一类错误：拒绝了实际上为真的原假设
20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量
21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预 测Y 的误差的平方和来度量
22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSS
SSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ；
②从联合总体中抽取的，，，，），，（n ...21i i i =Y X 满足独立同分布；
③大异常值不存在：即i i Y X 和具有非零有限的四阶距
24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值
25、同方差：若对于任意i=1，2，...，n ，给定）
（条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则 称误差项i μ是同方差
26、异方差：若对于任意i=1，2，...，n ，给定）
（条件分布的方差时χμμ=X X i i i i var 为常数且依赖于χ，则称 误差项i μ是异方差
27、遗漏变量偏差：指OLS 估计量中存在的偏差，它是在回归变量X 与遗漏变量相关时产生的
28、多元回归模型：n ...1i ...i k i k i 22i 110i ，，
，=+X ++X +X +=Y μββββ；1β代表在其他影响Y 的因素2X 不变的 前提下，1X 变化一个单位所导致Y 的变化量
29、调整2R （2R ）:是2R 的一种修正形式，由于加入新变量后2R 不一定增大，即22?211-k -n 1-n 1Y
s s TSS SSR R μ
-=?-= 30、虚拟变量陷阱：如果有G 个二元变量，且每个观测都只属于其中一类，又如果回归中包含截距项以及所有G 个二 元变量，则会因为完全多重共线性而无法进行回归
31、控制变量：回归中保持某些因素不变的回归量
32、二次回归模型：i 2
i 2i 10i ncome ncome core est μβββ+++=I I S T 33、非线性回归函数：i k i i 2i 1i ...f μ+X X X =），，
，（Y ，i=1，...，n ；其中f （k i i 2i 1...X X X ，，，）为非线性回归函数 34、多项式回归模型：i r i r 2i 2i 10i ...μββββ+X ++X +X +=Y
35、双对数模型：i i 10i ln ln μββ+X +=Y ）（）
（
填空题
1、 计量经济学提供了利用观测数据（而非实验数据）或者来自现实世界不太完美的实验数据估计因果效应的方法
2、 截面数据 是多个个体在同一时间点上收集到的数据；
时间序列数据是一个个体在多个时间点上收集到的数据；
面板数据 是多个个体分别在多个时间点上收集到的数据
3、 随机变量Y 的期望值（也可称为均值，μY ）记作E （Y ），是变量的概率加权平均值；
Y 的方差为[]2)(2Y Y E μσ-=Y ,Y 的标准差是方差的平方根
4、 两个随机变量X 和Y 的联合概率由它们的联合概率分布所表示；
给定X=χ下Y 的条件概率分布是指给定X 取值为χ的条件时，Y 的概率分布
5、 正态分布随机变量具有钟形概率密度；
若要计算有关正态随机变量的概率，首先需要对其标准化，然后再查阅附录表1的标准正态累积分布表
6、 简单随机抽样可以产生n 个随机观测值1Y ，...，n Y ，它们是独立分布的
7、 样本均值n 1...Y Y Y Y ，，
的估计量；当是总体均值μ为独立分布时，有： ①Y 的抽样分布均值为n 22Y
=Y Y σσμ，方差为；②Y 是无偏的；
③根据大数定律，Y 是一致的； ④根据中心极限定理，当样本容量较大时，Y 的抽样分布是近似正态的
8、 t 统计量可以用来计算和原假设相关的p 值；较小的p 值意味着原假设是错误的
9、 Y μ的95%置信区间是指在95%全部可能样本中包含Y μ真值的区间
10、样本相关系数是总体相关系数的估计量，它度量了两个变量之间的线性关系—它们的散点图究竟有多近似于一条
直线
11、总体回归线X X +是10ββ的函数，表示Y 的均值：
斜率1β表示X 变化一个单位时对应Y 的预期变化；截距0β决定了回归线的水平（或高低）
12、利用样本观测数据(i i Y X ，),i=1，2，... ，n 使用普通最小二乘法可以估计总体回归线；
回归截距和斜率的OLS 估计量分别记为1
0??ββ和 13、2R 和回归标准误差（SER ）度量了i Y 与总体回归线的接近程度；其中2R 的取值范围为0到1；2
R 取值较大表明i Y 接近总体回归线；回归标准误差是回归误差的标准差的估计量
14、线性回归模型中有三个重要假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的，，，，），，（n ...21i i i =Y X 满足独立同分布；
③大异常值不存在：即i i Y X 和具有非零有限的四阶距；
若这些假设成立，则OLS 估计量1
0??ββ和是①无偏的②一致的③大样本时服从正态分布 15、对回归系数的假设检验类似于对总体均值的假设检验，都是利用t 统计量来计算p 值，从而确定是接受还是拒绝 原假设；
类似于总体均值的置信区间，回归系数的95%置信区间为估计量±标准误差
16、如果三个最小二乘假设成立，回归误差同方差并且服从正态分布，则利用同方差适用标准误差计算的t 统计量在
原假设下服从学生t 分布；当样本容量足够大时，学生t 分布和正态分布之间的差异可忽略不计
17、若遗漏变量（1）与回归中的回归变量相关；（2）是Y 的决定因素之一，则会产生遗漏变量偏差（同时满足）
18、多元回归模型是包含多个回归变量的线性回归模型，，
，k 21...X X X ，每个回归变量都对应一个回归系数 ，，，，k 21...βββ其中系数1β表示在其他回归变量不变的情况下，1X 变化一个单位时Y 的预期变化，其他回归系
数的解释与之类似
19、可通过OLS 估计多元回归中的系数；当满足四个最小二乘假设时，OLS 估计量是无偏一致估计量，并且在i 大样本 下服从正态分布
①给定i k i i 2i 1...μ时，，，X X X 的条件均值为零，即0...k i i 2i 1i =X X X ），，，（μE ；
②从联合分布中抽取的
i Y ),...i k i i 2i 1，，，，（X X X =1，...，n 满足独立同分布； ③不存在大异常值，即具有及，，
i k i i 1...Y X X 非零有限四阶距； ④不存在完全多重共线性
20、在多元回归中，当某个回归变量是其他回归变量的完全线性组合时就产生了完全多重共线性，通常是有选择回归
变量时的错误引起的，因此处理完全多重共线性的方法是改变回归变量集
21、回归标准误差、2
2R R 及都表示多元回归模型的拟合优度
22、当系数涉及多个约束时的假设称为联合假设，可利用F 统计量进行检验
23、在非线性回归中，总体回归函数的斜率依赖于一个或多个解释变量的取值
24、两个变量的乘积项称为交互项，在回归中加入交互项可以使其中一个变量的回归斜率依赖于另一个变量的取值
计算题
P41 使用表2-2中的概率密度计算E （Y ）和E （X ）
Pr （X=0）= Pr （X=1）=
Pr （Y=0）= Pr （Y=1）=
E （X ）=0*+1*=
E （Y ）=0*+1*=
下面的表格给出了基于2008年美国适龄人口从业状况和接受大学教育的联合分布
（1）E （Y ）=0*+1*=
（2）失业率=Pr （Y=0）=
（3）E（Y丨X=1）=0*Pr（Y=0丨X=1）+1*Pr（Y=1丨X=1）==
E（Y丨X=0）=0*Pr（Y=0丨X=0）+1*Pr（Y=1丨X=0）==
（4）大学毕业生的失业率=1-E（Y丨X=1）==
非大学毕业生的失业率=1-E（Y丨X=0）==
（5）Pr（X=1丨Y=0）==
Pr（X=0丨Y=0）==
（6）P（X=Xi，Y=Yi）=P（X=Xi）*P（Y=Yi）独立反之不独立
P71 对1000个随机抽取的高三学生安排一项新版的SAT测试。测试成绩的样本均值为1110，而样本标准差为123。构建高三学生测试成绩总体均值的95%置信区间。
1110±*123=1110±=[，]
P97 假设某研究所人员基于100组三年级的班级规模（CS）和平均测试成绩（testscore）数据估计的OLS回归为：（2）（1）回归预测值：1=*19=
2=*23=
（3）2-1=均值==X的均值
Yi=的均值=∑Yi/N=的均值= 假设某研究所人员基于100组三年级的班级规模（CS）和平均测试成绩（testscore）数据估计的OLS回归为：
（1）t=β1帽-β1/Sβ1帽=β1/
即丨β1帽-β1/Sβ1帽丨≤，丨β1/丨≤
95%置信区间对应的双边临界值，±* [，]
（2）H0：β1=0，H1：β1≠0
t=β1帽-β1/Sβ1帽==
对应双边检验的P值为。在5%水平和1%水平下都拒绝元假设。说明班级规模是影响测试成绩的显著变量。
P147 根据表6-2中第（1）列的回归结果回答：
（1）Wage帽=+
Wage0帽=+*0= Wage1帽=+*1=
所以具有大学学历的员工收入比具有高中学历的员工收入高每小时美元
Wage帽=帽= Wage1帽=所以男比女高美元/每小时
数据来源于2003年某社区220个住房销售的样本数据。
（1）价格预计增加千美元
（2）价格预计增加*1+*100=39千美元
（3）损失千美元
某研究人员计划利用美国县级随机样本数据研究警察对犯罪的因果效应。
（1）遗漏了变量，如经济发展水平，经济发展水平是犯罪的一个最顶因素又与警备力量相关。会导致遗漏变量偏差。
（2）经济发展水平正向影响犯罪率，又与警备力量正相关，警备力量负向影响犯罪率，犯罪率因而遗漏经济发展水平这个变量会低估警备力量对犯罪率的影响。丨β1帽丨＜丨β1丨，β1帽＜0，β1＜0
P171 根据表7-2第（1）列的回归结果回答：
（1）=+原假设H0：β1=0
备择假设H1：β1≠0
构造统计量t=β1帽-β1/Sβ1帽
计算统计量t==26
Α=，因为n=4000 Zα/2=
又因为26＞
所以拒绝原假设
在其他条件想通的情况下，大学学历的小时工资比高中学历的小时工资高美元
（2）原假设H0：β1=0
备择假设H1：β1≠0
构造统计量t=β1帽-β1/Sβ1帽
计算统计量t==
Α=，因为n=4000 Zα/2=
又因为＞
所以拒绝原假设
在其他条件想通的情况下，女性的小时工资比男性的小时工资低美元
计算分析题（共3小题，每题15分，共计45分） 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65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度 （2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性 （已知0.05(3,40) 2.84F =） （4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 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）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分） （3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设 （2分） 所以，1X 、2X 和3X 总体上对Y 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X 1，X 2，X 3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X 1，X 2，X 3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。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的
§2.3 一元线性回归模型的统计检验 回归分析是要通过样本所估计的参数来代替总体的真实参数，或者说是用样本回归线代替总体回归线。尽管从统计性质上已知，如果有足够多的重复抽样，参数的估计值的期望（均值）就等于其总体的参数真值，但在一次抽样中，估计值不一定就等于该真值。那么，在一次抽样中，参数的估计值与真值的差异有多大，是否显著，这就需要进一步进行统计检验。主要包括拟合优度检验、变量的显著性检验及参数的区间估计。 一、拟合优度检验 拟合优度检验，顾名思义，是检验模型对样本观测值的拟合程度。检验的方法，是构造一个可以表征拟合程度的指标，在这里称为统计量，统计量是样本的函数。从检验对象中计算出该统计量的数值，然后与某一标准进行比较，得出检验结论。有人也许会问，采用普通最小二乘估计方法，已经保证了模型最好地拟合了样本观测值，为什么还要检验拟合程度？问题在于，在一个特定的条件下做得最好的并不一定就是高质量的。普通最小二乘法所保证的最好拟合，是同一个问题内部的比较，拟合优度检验结果所表示优劣是不同问题之间的比较。例如图2.3.1和图2.3.2中的直线方程都是由散点表示的样本观测值的最小二乘估计结果，对于每个问题它们都满足残差的平方和最小，但是二者对样本观测值的拟合程度显然是不同的。 ．． ．．．．．．． ．． 图2.3.1 图2.3.2 1、总离差平方和的分解 已知由一组样本观测值),(i i Y X ，i =1,2…,n 得到如下样本回归直线 i i X Y 10???ββ+= 而Y 的第i 个观测值与样本均值的离差)(Y Y y i i -=可分解为两部分之和： i i i i i i i y e Y Y Y Y Y Y y ?)?()?(+=-+-=-= （2.3.1） 图2.3.3示出了这种分解，其中，)?(?Y Y y i i -=是样本回归直线理论值(回归拟合值)与观测值i Y 的平均值之差，可认为是由回归直线解释的部分；)?(i i i Y Y e -=是实际观测值与回归拟合值之差，是回归直线不能解释的部分。显然，如果i Y 落在样本回归线上，则Y 的第i 个观测值与样本均值的离差，全部来自样本回归拟合值与样本均值的离差，即完全可由
第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y
二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31
名词解释 1、 因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响 2、 实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验 3、 观测数据：通过观察实验之外的实际行为而获得的数据 4、 截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据 5、 时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据 6、 面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据 7、 离散型随机变量：一些随机变量是离散的 连续型随机变量：一些随机变量是连续的 8、 期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ） 9、 期望：Y 的长期平均值，记作μY 10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ） 11、标准差：方差的平方根来表示偏差程度，记作σY 12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息 13、标准正态分布：指那些均值102==σμ、方差的正态分布，记作N （0，1） 14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本 15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ-??）（为的一个估计量，则偏差是； 一致性：当样本容量增大时，Y μ ?落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与?是一致的 有效性：如果Y μ ?的方差比Y μ~更小，那么可以说Y Y μμ~?比更有效 17、最小二乘估计量：21)(m i n i -Y ∑ =最小化误差m -i Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与 原假设之间差异程度的概率 19、第一类错误：拒绝了实际上为真的原假设 20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量 21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预 测Y 的误差的平方和来度量 22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSS SSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的， ，，，），，（n ...21i i i =Y X 满足独立同分布； ③大异常值不存在：即i i Y X 和具有非零有限的四阶距 24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值 25、同方差：若对于任意i=1，2，...，n ，给定） （条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则 称误差项i μ是同方差
∑ x = 1264471.423 ∑ y = 516634.011 ∑ X = 52432495.137 ∑ ? ? ? ? 案例分析 1— 一元回归模型实例分析 依据 1996-2005 年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均 消费支出和人均纯收入的数据如表 2-5： 表 2-5 农村居民 1995-2004 人均消费支出和人均纯收入数据资料 单位：元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯 收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量 X ，农村居民人均消费支出为被解释变量 Y ，分析 Y 随 X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线 性回归模型如下： Y i =β0+β1X i +μi 根据表 2-5 编制计算各参数的基础数据计算表。 求得: X = 2262.035 Y = 1704.082 2 i 2 i ∑ x i y i = 788859.986 2 i 根据以上基础数据求得: β1 = ∑ x i y 2 i i = 788859.986 126447.423 = 0.623865 β 0 = Y - β1 X = 1704.082 - 0.623865 ? 2262.035 = 292.8775 样本回归函数为： Y i = 292.8775 + 0.623865X i 上式表明，中国农村居民家庭人均可支配收入若是增加 100 元，居民们将会拿出其中 的 62.39 元用于消费。
计量经济学分析计算题（每小题10分） 1．下表为日本的汇率与汽车出口数量数据， X:年均汇率（日元/美元） Y:汽车出口数量（万辆） 问题：（1）画出X 与Y 关系的散点图。 （2）计算X 与Y 的相关系数。其中X 129.3＝ ，Y 554.2＝，2 X X 4432.1∑ （－）＝，2 Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为 ?81.72 3.65Y X =+ t 值 1.2427 7.2797 R 2=0.8688 F=52.99 解释参数的经济意义。 2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。 回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义 是什么。 3．估计消费函数模型i i i C =Y u αβ++得 i i ?C =150.81Y + t 值 （13.1）（18.7） n=19 R 2=0.81 其中，C ：消费（元） Y ：收入（元） 已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。
问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。 4．已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2 Y Y 68113.6∑ （－）＝， 求判定系数和相关系数。 5．有如下表数据 日本物价上涨率与失业率的关系 （1）设横轴是U ，纵轴是P ，画出散点图。根据图形判断，物价上涨率与失业率之间是什么样的关系？拟合什么样的模型比较合适？ （2）根据以上数据，分别拟合了以下两个模型： 模型一：1 6.3219.14 P U =-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。 7．根据容量n=30的样本观测值数据计算得到下列数据：XY 146.5＝ ，X 12.6＝，Y 11.3＝，2X 164.2＝，2Y ＝134.6，试估计Y 对X 的回归直线。 8．下表中的数据是从某个行业5个不同的工厂收集的，请回答以下问题：
案例分析1— 一元回归模型实例分析 依据1996-2005年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均消费支出和人均纯收入的数据如表2-5： 表2-5 农村居民1995-2004人均消费支出和人均纯收入数据资料 单位：元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量X ，农村居民人均消费支出为被解释变量Y ，分析Y 随X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线性回归模型如下： Y i =β0+β1X i +μi 根据表2-5编制计算各参数的基础数据计算表。 求得: 082 .1704035.2262==Y X ∑∑∑∑====37 52432495.1986.788859011.516634423.1264471222i i i i i X y x y x 根据以上基础数据求得: 623865.0423 .126447986 .788859?21 == =∑∑i i i x y x β 8775.292035.2262623865.0082.1704??1 0=?-=-=X Y ββ 样本回归函数为： i i X Y 623865.08775.292?+= 上式表明，中国农村居民家庭人均可支配收入若是增加100元，居民们将会拿出其中的62.39元用于消费。
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 = = 4 5 =1.25 用 =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 () 10/2510/25 X 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?480/16 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。
计量经济学模型分析论文 工商101
我国城镇居民储蓄存款影响因素的实证分析 摘要：近年来,随着中国经济的飞速发展,一直保持在高水平上的中国储蓄率受到了越来越多国内外经济学家的关注。高储蓄率给我国经济发展带来充裕资金来源,是支持经济快速增长的重要因素。更为重要的是,源源不断的资金流保证了金融机构的流动性,增强了银行的稳定性。与此同时,也给我国经济发展带来前所未有的挑战，因为，过高的储蓄,必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析,才能在制定宏观政策上采取适当的措施,使储蓄率保持在一个适当的水平,促进经济增长。本文利用我国1982年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型。通过对该模型的经济含义分析可以得出可支配收入率对储蓄率的影响不大，还有利率对储蓄率的影响很小，值得注意的是，模型中的基尼系数对城镇居民的储蓄影响是相当大的。
引言(提出问题) 自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。 据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即（MPK－δ），约为0.9%。我国的资本收益(MPK－δ)＝每年0.9％，大大低于经济的平均增长率（ｎ＋ｇ＝9％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。 那应该如何降低我国的储蓄率呢？下面我们将以城镇居民的数据为例进行分析。
信息与管理科学学院管理科学系 实验报告 课程名称：计量经济学 实验名称：一元线性回归模型的估计、检验及预测
实验一一元回归模型输入时间频率的起始期和终止期 得到 输入数据
进行图形分析 1.趋势图分析PLOT Y X 税收与GDP趋势图2.散点图scat y x
税收与GDP 相关图 分析结果显示，我国税收收入与GDP 二者存在差距逐渐增大的增长趋势。相关图分析显示，我国税收收入增长与GDP 密切相关，二者为非线性的曲线相关关系。 建立方程 输入命令行 ls y c x 我国税收预测模型的输出结果 x y 186060.0974.4341?+-= 这个估计结果表明，GDP 每增长1亿元，我国税收收入将增加0.186060亿元。 估计非线性回归模型 在Eviews 命令窗口中分别键入以下命令命令来估计模型： 双对数函数模型：LS log(Y) C log(X) 对数函数模型：LS Y C log(X)
指数函数模型：LS log(Y) C X 二次函数模型：LS Y C X X^2 双对数模型 x y ln 134890.1549246.3?ln +-= (-7.677094) (28.28824) 976807.02=R 975587.02=R 2248.800=F 对数模型：
x y ln 72.204357.213606?+-= (-7.287528) (8.034278) 772590.02=R 760621 .02=R 54962.64=F 指数模型： x y 510*72.82942387.8?ln -+= (68.24652) (12.55225) 892387.02=R 886723 .02=R 5591.157=F 二次函数模型：
第一章导论 一、单项选择题 1-6: CCCBCAC 二、多项选择题 ABCD;ACD;ABCD 三.问答题 什么是计量经济学？ 答案见教材第3页 四、案例分析题 假定让你对中国家庭用汽车市场发展情况进行研究，应该分哪些步骤，分别如何分析？（参考计量经济学研究的步骤） 第一步：选取被研究对象的变量：汽车销售量 第二步：根据理论及经验分析，寻找影响汽车销售量的因素，如汽车价格，汽油价格，收入水平等 第三步：建立反映汽车销售量及其影响因素的计量经济学模型 第四步：估计模型中的参数； 第五步：对模型进行计量经济学检验、统计检验以及经济意义检验； 第六步：进行结构分析及在给定解释变量的情况下预测中国汽车销售量的未来值为汽车业的发展提供政策实施依据。 第二章简单线性回归模型 一、填空题 1、线性、无偏、最小方差性（有效性），BLUE。 2、解释变量；参数；参数。 3、随机误差项；随机误差项。 二、单项选择题 1-4：BBDA;6-11：CDCBCA 三、多项选择题 1.ABC; 2.ABC; 3.BC; 4.ABE; 5.AD; 6.BC 四、判断正误： 1. 错； 2. 错； 3. 对； 4.错； 5. 错； 6. 对； 7. 对； 8.错 五、简答题： 1.为什么模型中要引入随机扰动项？ 答：模型是对经济问题的一种数学模型，在模型中，被解释变量是研究的对象，解释变量是其确定的解释因素，但由于实际问题的错综复杂，影响被解释变量的因素中，除了包括在模型中的解释变量以外，还有其他一些因素未能包括在模型中，但却影响被解释变量，我们把这类变量统一用随机误差项表示。随机误差项包含的因素有：
计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入
计量经济学：部分计算题解法汇总 1、求判别系数——R^2 已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2Y Y 68113.6∑（－）＝， 2、置信区间 有10户家庭的收入（X ，元）和消费（Y ，百元）数据如下表： 10户家庭的收入（X ）与消费（Y ）的资料 X 20 30 33 40 15 13 26 38 35 43 Y 7 9 8 11 5 4 8 10 9 10 若建立的消费Y 对收入X 的回归直线的Eviews 输出结果如下： Dependent Variable: Y Adjusted R-squared F-statistic Durbin-Watson （1（2）在95%的置信度下检验参数的显著性。（0.025(10) 2.2281t =，0.05(10) 1.8125t =，0.025(8) 2.3060t =，0.05(8) 1.8595t =） （3）在90%的置信度下，预测当X ＝45（百元）时，消费（Y ）的置信区间。（其中29.3x =，2()992.1x x - =∑） 答：（1）回归模型的R 2 ＝，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） 家庭收入对消费有显著影响。（2分）对于截距项，
检验。（2分） （3）Y f =+×45＝（2分） 90%置信区间为（，+），即（，）。（2分） 注意：a 水平下的t 统计量的的重要性水平，由于是双边检验，应当减半 3、求SSE 、SST 、R^2等 已知相关系数r ＝，估计标准误差?8σ＝，样本容量n=62。 求：（1）剩余变差；（2）决定系数；（3）总变差。 （2）2220.60.36R r ===（2分） 4、联系相关系数与方差（标准差），注意是n-1 在相关和回归分析中，已知下列资料： 222X Y i 1610n=20r=0.9(Y -Y)=2000σσ∑＝，＝，，，。 （1）计算Y 对X 的回归直线的斜率系数。（2）计算回归变差和剩余变差。（3） （2）R 2=r 2==， 总变差：TSS ＝RSS/(1-R 2)=2000/=（2分）
计量经济学分析模型
摘要 改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。并找到影响居民消费的主要因素。 关键词：居民消费；城镇居民；回归；Eviews
目录 摘要.................................................................. II 前言. (1) 1 问题的提出 (2) 2 经济理论陈述 (3) 2.1西方经济学中有关理论假说 (3) 2.2有关消费结构对居民消费影响的理论 (4) 3 相关数据收集 (6) 4 计量经济模型的建立 (9) 5 模型的求解和检验 (10) 5.1计量经济的检验 (10) 5.1.1模型的回归分析 (10) 5.1.2拟合优度检验： (11) 5.1.3 F检验 (11) 5.1.4 T检验 (12) 5.2 计量修正模型检验： (12) 5.2.1 Y与的一元回归 (13) 5.2.2拟合优度的检验 (13) 5.2.3 F检验 (14) 5.2.4 T检验： (15) 5.3经济意义的分析: (15) 6 政策建议 (16) 结论 (17) 参考文献 (19)
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
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
1、某农产品试验产量Y （公斤/亩）和施肥量X （公斤/亩）7块地的数据资料汇总如下： ∑=255i X ∑=3050i Y ∑=71.12172i x ∑=429.83712i y ∑=857.3122i i y x 后来发现遗漏的第八块地的数据：208=X ，4008=Y 。 要求汇总全部8块地数据后进行以下各项计算，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Y a bX u =++进行估计； （2）对回归系数（斜率）进行统计假设检验，信度为； （3）估计可决系数并进行统计假设检验，信度为。 解：首先汇总全部8块地数据： 871 81 X X X i i i i +=∑∑== =255+20 =275 n X X i i ∑==8 1 )8(375.348 275 == 2) 7(7 127 127X x X i i i i +=∑∑== =+7?2 7255?? ? ??=10507 287 1 28 1 2X X X i i i i +=∑∑== =10507+202 = 10907 2) 8(8 1 28 1 28X X x i i i i +=∑∑== = 10907-8?2 8275?? ? ??= 87 1 81 Y Y Y i i i i +=∑∑===3050+400=3450 25.4318 3450 8 1 )8(== =∑=n Y Y i i 2) 7(7 1 2 712 7Y y Y i i i i +=∑∑== =+7?2 73050??? ??=1337300 287 1 2 81 2Y Y Y i i i i +=∑∑== =1337300+4002 = 1497300 2)8(8 1 28128Y Y y i i i i +=∑∑== =1497300 -8?( 8 3450)2 == ) 7()7(7 1 7 17Y X y x Y X i i i i i i +=∑∑== ==+7??? ??7255??? ? ??73050 =114230 887 1 81 Y X Y X Y X i i i i i i +=∑∑== =114230+20?400 =122230
经典单方程计量经济学模型一元线性回归模型
第二章经典单方程计量经济学模型：一元线性回归模型 一、内容提要 本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总体回归函数做出统计推断。 本章的一个重点是如何获取线性的样本回归函数，主要涉及到普通最小二乘法（OLS）的学习与掌握。同时，也介绍了极大似然估计法（ML）以及矩估计法（MM）。 本章的另一个重点是对样本回归函数能否代表总体回归函数进行统计推断，即进行所谓的统计检验。统计检验包括两个方面，一是先检验样本回归函数与样本点的“拟合优度”，第二是检验样本回归函数与总体回归函数的“接近”程度。
后者又包括两个层次：第一，检验解释变量对被解释变量是否存在着显著的线性影响关系，通过变量的t检验完成；第二，检验回归函数与总体回归函数的“接近”程度，通过参数估计值的“区间检验”完成。 本章还有三方面的内容不容忽视。其一，若干基本假设。样本回归函数参数的估计以及对参数估计量的统计性质的分析以及所进行的统计推断都是建立在这些基本假设之上的。其二，参数估计量统计性质的分析，包括小样本性质与大样本性质，尤其是无偏性、有效性与一致性构成了对样本估计量优劣的最主要的衡量准则。Goss-markov定理表明OLS估计量是最佳线性无偏估计量。其三，运用样本回归函数进行预测，包括被解释变量条件均值与个值的预测，以及预测置信区间的计算及其变化特征。 二、典型例题分析 例1、令kids表示一名妇女生育孩子的数目，educ表示该妇女接受过教育的年数。生育率对教育年数的简单回归模型为
计量经济学计算题例题 0626 一元线性回归模型相关例题 1.假定在家计调查中得出一个关于 家庭年收入X 和每年生活必须品综合支出 Y 的横截面样 根据表中数据: (1) 用普通最小二乘法估计线性模型 Y t 0 1 X t u t (2) 用G — Q 检验法进行异方差性检验 (3) 用加权最小二乘法对模型加以改进 答案：（1）丫=+（ 2）存在异方差（3）丫=+ 2 ?已知某公司的广告费用 X 与销售额（Y ）的统计数据如下表所示: （1） 估计销售额关于广告费用的一元线性回归模型 （2） 说明参数的经济意义 （3） 在 0.05的显著水平下对参数的显著性进行 t 检验 答案： （1） 一元线性回归模型 Y t 319.086 4 185X i （2） 参数经济意义：当广告费用每增加 1万元，销售额平均增加万元
（3）t=> t o.025（10），广告费对销售额有显著影响
3. : 根据表中数据: (1) 求Y 对X 的线性回归方程； (2) 用t 检验法对回归系数进行显著性检验（a =) ； (3) 求样本相关系数r; 答案：Y =+ 用t 检验法对回归系数进行显著性检验（a =）； 答案：显著 2 2 假设y 对x 的回归模型为％ b o biX u ,，且Var （uJ x ,，试用适当的 方法估计此回归模型。 2 2 解：原模型： y b 0 b 1x 1 U i , Var （u ,） 为模型存在异方差性 为消除异方差性，模型两边同除以 X ,, 得: bo — a u._ (2分) X , X x , * y , * 1 u , 令: y ,x , ■,v , x x X , 得: * y , * b box ' （2分）