第2章 一元线性回归模型
一、单项选择题
1、变量之间的关系可以分为两大类__________。
A 函数关系与相关关系
B 线性相关关系和非线性相关关系
C 正相关关系和负相关关系
D 简单相关关系和复杂相关关系 2、相关关系是指__________。
A 变量间的非独立关系
B 变量间的因果关系
C 变量间的函数关系
D 变量间不确定性的依存关系 3、进行相关分析时的两个变量__________。
A 都是随机变量
B 都不是随机变量
C 一个是随机变量，一个不是随机变量
D 随机的或非随机都可以 4、表示x 和y 之间真实线性关系的是__________。
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=+
5、参数β的估计量?β
具备有效性是指__________。 A ?var ()=0β
B ?var ()β为最小
C ?()0β
β－＝ D ?()ββ－为最小 6、对于01??i i i Y X e ββ=++，以σ?表示估计标准误差，Y ?表示回归值，则__________。 A i i ??0Y Y 0σ∑
＝时，（－）＝
B 2
i
i
??0Y Y σ∑＝时，（－）＝0 C i
i ??0Y Y σ∑＝时，（－）为最小 D 2
i
i
??0Y Y
σ∑＝时，（－）为最小 7、设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，
错误的是__________。 A ()()
()
i i 1
2
i
X X Y -Y ?X X β--∑∑＝
B ()i i
i
i
1
2
2
i
i
n X Y -X Y ?n X -X β∑∑∑∑∑＝
C i
i
1
2
2
i X Y -nXY ?X -nX
β
∑∑＝ D
i i
i
i
1
2x
n X Y -X Y ?βσ
∑∑∑＝
8、对于i 01i i
??Y =X +e ββ+，以?σ表示估计标准误差，r 表示相关系数，则有__________。 A ?0r=1σ
＝时， B ?0r=-1σ
＝时， C ?0r=0σ
＝时， D ?0r=1r=-1σ
＝时，或 9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为?Y 356 1.5X -＝，这说明__________。
A 产量每增加一台，单位产品成本增加356元
B 产量每增加一台，单位产品成本减少1.5元
C 产量每增加一台，单位产品成本平均增加356元
D 产量每增加一台，单位产品成本平均减少1.5元
10、在总体回归直线01?E Y X ββ+（）＝中，1
β表示__________。
A 当X 增加一个单位时，Y 增加1β个单位
B 当X 增加一个单位时，Y 平均增加1β个单位
C 当Y 增加一个单位时，X 增加1β个单位
D 当Y 增加一个单位时，X 平均增加1β个单位
11、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__________。 A 2
i N 0) σ（， B t(n-2) C 2N 0)σ（， D t(n)
12、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__________。
i i 2i i i i 2
i i ?A Y Y 0
?B Y Y 0
?C Y Y ?D Y Y ∑∑∑∑ （－）＝ （－）＝ （－）＝最小
（－）＝最小
13、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__________。 ??A Y
Y B Y Y ??C Y
Y D Y Y ＝ ＝ ＝ ＝
14、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_________。
?A X Y B X Y
?C X Y
D X Y （，） （，） （，） （，）
15、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__________。
i i 2
i i 2
i i 2i i ?A Y Y 0
B Y Y 0?
C Y Y 0
?D Y Y 0
∑∑∑∑ （－）＝ （－）＝ （－）＝ （－）＝
16、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__________。
A t0.05(30)
B t0.025(30)
C t0.05(28)
D t0.025(28)
17、已知某一直线回归方程的判定系数为0.64，则解释变量与被解释变量间的线性相关系数为__________。
A 0.64
B 0.8
C 0.4
D 0.32 18、相关系数r 的取值范围是__________。
A r ≤-1
B r ≥1
C 0≤r ≤1
D －1≤r ≤1 19、判定系数R 2的取值范围是__________。
A R2≤-1
B R2≥1
C 0≤R2≤1
D －1≤R2≤1
20、某一特定的X 水平上，总体Y 分布的离散度越大，即σ2越大，则__________。 A 预测区间越宽，精度越低 B 预测区间越宽，预测误差越小 C 预测区间越窄，精度越高 D 预测区间越窄，预测误差越大 21、如果X 和Y 在统计上独立，则相关系数等于__________。 A 1 B －1 C 0 D ∞
22、根据决定系数R 2与F 统计量的关系可知，当R 2＝1时，有__________。 A F ＝1 B F ＝-1 C F ＝0 D F ＝∞
23、在C —D 生产函数β
αK AL Y =中，__________。 A.α和β是弹性 B.A 和α是弹性 C.A 和β是弹性 D.A 是弹性
24、回归模型i i i u X Y ++=10ββ中，关于检验010=β：H 所用的统计量)?(?1
11βββVar -，下列说法正
确的是__________。
A 服从）（22
-n χ B 服从）（1-n t C 服从）
（12
-n χ D 服从）（2-n t 25、在二元线性回归模型i i i i u X X Y +++=22110βββ中，1β表示__________。 A 当X2不变时，X1每变动一个单位Y 的平均变动。 B 当X1不变时，X2每变动一个单位Y 的平均变动。 C 当X1和X2都保持不变时，Y 的平均变动。
D 当X1和X2都变动一个单位时，Y 的平均变动。
26、在双对数模型i i i u X Y ++=ln ln ln 10ββ中，1β的含义是__________。
A Y 关于X 的增长量
B Y 关于X 的增长速度
C Y 关于X 的边际倾向
D Y 关于X 的弹性
27、根据样本资料已估计得出人均消费支出Y 对人均收入X 的回归模型为i i X Y ln 75.000.2ln +=，这表明人均收入每增加1％，人均消费支出将增加__________。
A 2％
B 0.2％
C 0.75％
D 7.5％
28、按经典假设，线性回归模型中的解释变量应是非随机变量，且__________。 A 与随机误差项不相关 B 与残差项不相关 C 与被解释变量不相关 D 与回归值不相关
29、根据判定系数R 2与F 统计量的关系可知，当R 2=1时有__________。 A.F=1 B.F=－1 C.F=∞ D.F=0 30、下面说法正确的是__________。
A.内生变量是非随机变量
B.前定变量是随机变量
C.外生变量是随机变量
D.外生变量是非随机变量
31、在具体的模型中，被认为是具有一定概率分布的随机变量是__________。 A.内生变量 B.外生变量 C.虚拟变量 D.前定变量 32、回归分析中定义的__________。 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为非随机变量
D.解释变量为随机变量，被解释变量为非随机变量 33、计量经济模型中的被解释变量一定是__________。 A ．控制变量 B ．政策变量 C ．内生变量 D ．外生变量 二、多项选择题
1、指出下列哪些现象是相关关系__________。
A 家庭消费支出与收入
B 商品销售额与销售量、销售价格
C 物价水平与商品需求量
D 小麦高产与施肥量
E 学习成绩总分与各门课程分数
2、一元线性回归模型i 01i i Y X u ββ+＝＋的经典假设包括__________。
A ()0t E u =
B 2
var()t u σ= C cov(,)0t s u u = D (,)0t t Cov x u = E 2
~(0,)t u N σ
3、以Y 表示实际观测值，?Y
表示OLS 估计回归值，e 表示残差，则回归直线满足__________。
i
i
2i i 2i i i i A X Y ?B Y Y
?C Y Y 0?D Y Y 0
E cov(X ,e )=0∑∑∑∑ 通过样本均值点（，）
＝ （－）＝ （－）＝
4、?Y
表示OLS 估计回归值，u 表示随机误差项，e 表示残差。如果Y 与X 为线性相关关系，则下列哪些是正确的__________。
i 01i
i
1
i
i 01i i i
1
i
i
i 01i A E Y X ??B Y X ??C Y X e ???D Y
X e ??E E(Y )X βββ
βββββββ+++++++ （）＝ ＝ ＝＝＝
5、?Y
表示OLS 估计回归值，u 表示随机误差项。如果Y 与X 为线性相关关系，则下列哪些是正确的__________。
i 01i i 01i i
i
1
i
i
i 01i i i
1
i
A Y X
B Y X u ??
C Y X u ???
D Y X u ???
E Y
X βββββ
βββββ+++++++ ＝ ＝＋ ＝＝＝
6、回归分析中估计回归参数的方法主要有__________。 A 相关系数法 B 方差分析法 C 最小二乘估计法 D 极大似然法 E 矩估计法
7、用OLS 法估计模型i 01i i Y X u ββ+＝＋的参数，要使参数估计量为最佳线性无偏估计量，则要求
__________。
A i E(u )=0
B 2
i Var(u )=σ C i j Cov(u ,u )=0 D i u 服从正态分布 E X 为非随机变量，与随机误差项i u 不相关。
8、假设线性回归模型满足全部基本假设，则其参数的估计量具备__________。
A 可靠性
B 合理性
C 线性
D 无偏性
E 有效性
9、普通最小二乘估计的直线具有以下特性__________。 A 通过样本均值点(,)X Y
B
?i
i Y Y =∑∑
C 2
?()0i
i
Y Y
-=∑ D 0i
e =∑
E (,)0i i Cov X e =
10、由回归直线i 01i ???Y X ββ+＝估计出来的i
?Y 值__________。 A 是一组估计值 B 是一组平均值
C 是一个几何级数
D 可能等于实际值Y
E 与实际值Y 的离差之和等于零
11、反映回归直线拟合优度的指标有__________。 A 相关系数 B 回归系数
C 样本决定系数
D 回归方程的标准差
E 剩余变差（或残差平方和）
12、对于样本回归直线i 01i ???Y X ββ+＝，回归变差可以表示为__________。 A 2
2
i i i i
?Y Y -Y Y ∑∑ （－） （－） B 2
2
1
i
i
?X X β∑
（－） C 2
2
i
i R Y Y ∑
（－） D 2
i
i
?Y Y ∑
（－） E 1
i
i
i
i
? X X Y Y β∑
（－（）－） 13对于样本回归直线i 01i ???Y X ββ+＝，?σ为估计标准差，下列决定系数的算式中，正确的有__________。 A 2i i 2
i
i
?Y Y Y Y ∑∑
（－）（－） B 2i i 2
i
i
?Y Y 1Y Y ∑∑
（－）－（－）
C 2
2
1
i
i 2
i
i
?X X Y Y β∑∑
（－）（－） D 1
i
i
i i
2
i
i
?X X Y Y Y Y β∑∑
（－（）－）（－）
E 22i i ?n-2)1Y Y σ∑
（－
（－）
14、下列相关系数的算式中，正确的有__________。 A
X Y
XY XY
σσ－
B i
i
i
i
X Y
X X Y Y n σσ∑（－（）－）
C X Y
cov (X,Y)
σσ
D
X X Y Y （－（）－）
E
X Y -nX Y
15、判定系数R 可表示为__________。
A 2
RSS
R =
TSS B 2
ESS R =TSS
C 2
RSS R =1-TSS
D 2ESS
R =1-TSS E 2ESS
R =ESS+RSS
16、线性回归模型的变通最小二乘估计的残差i e 满足__________。
A
i
e 0∑＝ B i i
e Y 0∑＝
C i i
?e Y
0∑＝ D i i
e X 0∑＝
E i i cov(X ,e )=0
17、调整后的判定系数2R 的正确表达式有__________。
A 2i i 2
i
i
Y Y /(n-1)?Y Y /(n-k)∑（－）1-（－） B 2
i
i
2
i
i
?Y Y /(n-k-1)1Y Y /(n-1)∑∑（－）－（－）
C 2
(n-1)1(1-R )(n-k-1)
- D 22
k(1-R )R n-k-1-
E 2(n-k)1(1+R )(n-1)
- 18、对总体线性回归模型进行显著性检验时所用的F 统计量可表示为__________。 A
ESS/(n-k)RSS/(k-1) B ESS/(k-1)
RSS/(n-k)
C 22R /(k-1)(1-R )/(n-k)
D 22(1-R )/(n-k)R /(k-1)
E 22
R /(n-k)(1-R )/(k-1)
三、名词解释
函数关系与相关关系 线性回归模型
总体回归模型与样本回归模型 最小二乘法
高斯－马尔可夫定理 总变量（总离差平方和） 回归变差（回归平方和） 剩余变差（残差平方和） 估计标准误差 样本决定系数 相关系数 显著性检验 t 检验 经济预测 点预测 区间预测 拟合优度 残差 四、简答
1、在计量经济模型中，为什么会存在随机误差项？
2、古典线性回归模型的基本假定是什么？
3、总体回归模型与样本回归模型的区别与联系。
4、试述回归分析与相关分析的联系和区别。
5、在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？
6、简述BLUE 的含义。
7、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？
五、综合题
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＝，2X X 4432.1∑（－）＝，2
Y Y 68113.6∑（－）＝，
()()X X Y Y ∑－－＝16195.4
（3）若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Yi ； （3）在此模型中是否漏了误差项u i ；
（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
（1）设横轴是U ，纵轴是P
，画出散点图。 （2）对下面的菲力普斯曲线进行OLS 估计。
1P
u U αβ ＝＋＋
已知P
（3）计算决定系数。
6、根据容量n=30的样本观测值数据计算得到下列数据：
22XY 146.5X 12.6Y 11.3X 164.2Y ＝，＝，＝，＝，＝134.6
试估计Y 对X 的回归直线。
7、表2-4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： 表2-4 总成本Y 与产量X 的数据
Y
80 44 51 70 61 X
12 4 6 11 8
（1）估计这个行业的线性总成本函数：i 01i
Y =b +b X （2）01
??b b 和的经济含义是什么？ （3）估计产量为10时的总成本。
8、有10户家庭的收入（X ，元）和消费（Y ，百元）数据如表2－5。 表2－5 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 （1）建立消费Y 对收入X 的回归直线。 （2）说明回归直线的代表性及解释能力。 （3）在95%的置信度下检验参数的显著性。
（4）在95%的置信度下，预测当X ＝45（百元）时，消费（Y ）的置信区间。
9、已知相关系数r ＝0.6，估计标准?8σ
＝误差，样本容量n=62。 求：（1）剩余变差；（2）决定系数；（3）总变差。 10、在相关和回归分析中，已知下列资料：
222X Y i 16,10,n=20,r=0.9,(Y -Y)=2000
σσ∑＝＝
（1）计算Y 对绵回归直线的斜率系数。 （2）计算回归变差和剩余变差。 （3）计算估计标准误差。 11、已知：n=6,
2
2
i i i i i i X =21,Y =426,X =79,Y =30268,X Y =1481∑∑∑∑∑。
（1）计算相关系数；
（2）建立Y 对的回归直线；
（3）在5%的显著性水平上检验回归方程的显著性。
12、根据对某企业销售额Y 以及相应价格X 的11组观测资料计算：
22XY 117849X 519Y 217X 284958Y ＝，＝，＝，＝，＝49046
（1）估计销售额对价格的回归直线；
（2）销售额的价格弹性是多少？
13、假设某国的货币供给量Y 与国民收入X 的历史如表2－6。
（2）如何解释回归系数的含义。
（3）如果希望1997年国民收入达到15，那么应该把货币供给量定在什么水平？ 14、假定有如下的回归结果
t
t X Y 4795.06911.2?-= 其中，Y 表示美国的咖啡消费量（每天每人消费的杯数），X 表示咖啡的零售价格（单位：美元/杯），
t 表示时间。问：
（1）这是一个时间序列回归还是横截面回归？做出回归线。 （2）如何解释截距的意义？它有经济含义吗？如何解释斜率？ （3）能否救出真实的总体回归函数？
（4）根据需求的价格弹性定义： Y
X
?
弹性＝斜率，依据上述回归结果，你能救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？
解答：（1）这是一个时间序列回归。（图略）
（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；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。
（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。
（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。
15、下面数据是依据10组X 和Y 的观察值得到的：（李子奈书P18）
1110=∑i Y ，1680=∑i X ，204200=∑i i Y X ，3154002=∑i X ，1333002=∑i Y
假定满足所有经典线性回归模型的假设，求 （1）0β，1β的估计值及其标准差；
（2）决定系数2
R ；
（3）对0β，1β分别建立95％的置信区间。利用置信区间法，你可以接受零假设：01=β吗？
1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下：
一元线性回归模型 一、单项选择题 1、变量之间的关系可以分为两大类__________。A A 函数关系与相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、相关关系是指__________。D A 变量间的非独立关系 B 变量间的因果关系 C 变量间的函数关系 D 变量间不确定性的依存关系 3、进行相关分析时的两个变量__________。A A 都是随机变量 B 都不是随机变量 C 一个是随机变量，一个不是随机变量 D 随机的或非随机都可以 4、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=+ 5、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 ?()0β β－＝ D ?()ββ－为最小 6、对于01??i i i Y X e ββ=++，以σ?表示估计标准误差，Y ?表示回归值，则__________。B A i i ??0Y Y 0σ∑ ＝时，（－）＝ B 2 i i ??0Y Y σ∑＝时，（－）＝0 C i i ??0Y Y σ∑＝时，（－）为最小 D 2 i i ??0Y Y σ∑＝时，（－）为最小 7、设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，错误的是__________。D A ()()()i i 1 2 i X X Y -Y ?X X β--∑∑＝ B ()i i i i 1 2 2 i i n X Y -X Y ?n X -X β∑∑∑∑∑＝ C i i 1 2 2 i X Y -nXY ?X -nX β∑∑ ＝ D i i i i 1 2 x n X Y -X Y ?βσ ∑∑∑＝ 8、对于i 01i i ??Y =X +e ββ+，以?σ表示估计标准误差，r 表示相关系数，则有__________。D A ?0r=1σ ＝时， B ?0r=-1σ ＝时， C ?0r=0σ ＝时， D ?0r=1r=-1σ ＝时，或 9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为?Y 356 1.5X -＝，这说明__________。D
案例分析报告（2014——2015学年第一学期） 课程名称：预测与决策 专业班级：电子商务1202 学号：2204120202 学生姓名：陈维维 2014 年11月
案例分析（一元线性回归模型） 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 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。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的热点和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。例如，2008年全国城镇居民家庭平均每人每年消费支出为11242.85元，最低的青海省仅为人均8192.56元，最高的上海市达人均19397.89元，上海是黑龙江的2.37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，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 我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇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“城镇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“城镇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镇居民消费的差异，并不是城镇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镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇居民人均消费支
一元线性回归模型案例分析 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6029.88元, 最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35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2.5的数据: 表2.52002年中国各地区城市居民人均年消费支出和可支配收入
一元线性回归模型 一、单项选择题 1、变量之间的关系可以分为两大类（ ）。 A 函数关系与相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、进行相关分析时的两个变量（ ）。 A 都是随机变量 B 都不是随机变量 C 一个是随机变量，一个不是随机变量 D 随机的或非随机都可以 3、参数β的估计量β? 具备有效性是指（ ） A Var(β?)=0 B Var(β?)为最小 C (β?－β)＝0 D (β? －β)为最小 4、产量（X ，台）与单位产品成本（Y ， 元/台）之间的回归方程为?i ＝356－1.5X i ，这说明（ ） A 产量每增加一台，单位产品成本增加356元 B 产量每增加一台，单位产品成本减少1.5元 C 产量每增加一台，单位产品成本平均增加356元 D 产量每增加一台，单位产品成本平均减少1.5元 5、对于01??i i i Y X e ββ=++，以σ?表示估计标准误差，Y ?表示估计值，则（ ）。 A i i ??0Y Y 0σ∑＝时，（－）＝ B 2i i ??0Y Y σ∑＝时，（－）＝0 C i i ??0Y Y σ∑＝时，（－）为最小 D 2i i ??0Y Y σ∑＝时，（－）为最小 6、对于i 01i i ??Y =X +e ββ+，以?σ表示估计标准误差，r 表示相关系数，则有（ ）。 A ?0r=1σ ＝时， B ?0r=-1σ＝时， C ?0r=0σ＝时， D ?0r=1r=-1σ＝时，或 7、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（ ）。 ??A Y Y B Y Y ??C Y Y D Y Y ＝ ＝ ＝ ＝ ??A Y Y B Y Y ?? C Y Y D Y Y ＝ ＝ ＝ ＝ 8、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（ ）。 ?A X Y B X Y ?C X Y D X Y （，） （，） （，） （，） ?A X Y B X Y ? C X Y D X Y （，） （，） （，） （，） 9、对回归模型t t t x y εββ++=10进行统计检验时，通常假定t ε服从（ ） A N （0，2i σ） B t(n-2) C N （0，2σ） D t(n) 10、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（ ） A )?(i i y y -∑＝0 B 2)?(i i y y -∑ ＝0 C )?(i i y y -∑ 为最小 D 2)?(i i y y -∑ 为最小
多元线性回归模型案例分析 ——中国人口自然增长分析一·研究目的要求 中国从1971年开始全面开展了计划生育,使中国总和生育率很快从1970年的降到1980年,接近世代更替水平。此后，人口自然增长率（即人口的生育率）很大程度上与经济的发展等各方面的因素相联系，与经济生活息息相关，为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，需要建立计量经济学模型。 影响中国人口自然增长率的因素有很多，但据分析主要因素可能有：（1）从宏观经济上看，经济整体增长是人口自然增长的基本源泉；（2）居民消费水平，它的高低可能会间接影响人口增长率。(3)文化程度，由于教育年限的高低，相应会转变人的传统观念，可能会间接影响人口自然增长率（4）人口分布，非农业与农业人口的比率也会对人口增长率有相应的影响。 二·模型设定 为了全面反映中国“人口自然增长率”的全貌，选择人口增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。 从《中国统计年鉴》收集到以下数据（见表1）： 表1 中国人口增长率及相关数据
， 设定的线性回归模型为： 1222334t t t t t Y X X X u ββββ=++++ 三、估计参数 利用EViews 估计模型的参数，方法是： 1、建立工作文件：启动EViews ，点击File\New\Workfile ，在对 话框“Workfile Range ”。在“Workfile frequency ”中选择“Annual ” (年 年份 @ 人口自然增长率 （%。） 国民总收入 （亿元） 居民消费价格指数增长 率（CPI ）% 人均GDP （元） 1988 15037 1366 1989 … 17001 18 1519 1990 18718 1644 1991 【 21826 1893 1992 26937 2311 1993 . 35260 2998 1994 48108 4044 1995 — 59811 5046 1996 70142 5846 1997 ~ 78061 6420 1998 83024 6796 1999 【 88479 7159 2000 98000 7858 2001 [ 108068 8622 2002 119096 9398 2003 ： 135174 10542 2004 159587 12336 2005 、 184089 14040 2006 213132 16024
案例分析报告 （2014——2015学年第一学期） 课程名称：预测与决策 专业班级：电子商务1202 学号： 2204120202 学生姓名：陈维维 2014 年 11月 案例分析（一元线性回归模型） 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 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。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的热点和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。例如，2008年全国城镇居民家庭平均每人每年消费支出为11242.85元，?最低的青海省仅为人均8192.56元，最高的上海市达人均19397.89元，上海是黑龙江的2.37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，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?
我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇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“城镇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“城镇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镇居民消费的差异，并不是城镇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镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇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“城镇居民人均消费支出”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。 以下是2008年各地区城镇居民人均年消费支出和可支配收入表
第五章经典单方程计量经济学模型：专门问题 一、内容提要 本章主要讨论了经典单方程回归模型的几个专门题。 第一个专题是虚拟解释变量问题。虚拟变量将经济现象中的一些定性因素引入到可以进行定量分析的回归模型，拓展了回归模型的功能。本专题的重点是如何引入不同类型的虚拟变量来解决相关的定性因素影响的分析问题，主要介绍了引入虚拟变量的加法方式、乘法方式以及二者的组合方式。在引入虚拟变量时有两点需要注意，一是明确虚拟变量的对比基准，二是避免出现“虚拟变量陷阱”。 第二个专题是滞后变量问题。滞后变量包括滞后解释变量与滞后被解释变量，根据模型中所包含滞后变量的类别又可将模型划分为自回归分布滞后模型与分布滞后模型、自回归模型等三类。本专题重点阐述了产生滞后效应的原因、分布滞后模型估计时遇到的主要困难、分布滞后模型的修正估计方法以及自回归模型的估计方法。如对分布滞后模型可采用经验加权法、Ａlmon多项式法、Koyck方法来减少滞项的数目以使估计变得更为可行。而对自回归模型，则根据作为解释变量的滞后被解释变量与模型随机扰动项的相关性的不同，采用工具变量法或OLS法进行估计。由于滞后变量的引入，回归模型可将静态分析动态化，因此，可通过模型参数来分析解释变量对被解释变量影响的短期乘数和长期乘数。 第三个专题是模型设定偏误问题。主要讨论当放宽“模型的设定是正确的”这一基本假定后所产生的问题及如何解决这些问题。模型设定偏误的类型包括解释变量选取偏误与模型函数形式选取取偏误两种类型，前者又可分为漏选相关变量与多选无关变量两种情况。在漏选相关变量的情况下，OLS估计量在小样本下有偏，在大样本下非一致；当多选了无关变量时，OLS估计量是无偏且一致的，但却是无效的；而当函数形式选取有问题时，OLS估计量的偏误是全方位的，不仅有偏、非一致、无效率，而且参数的经济含义也发生了改变。在模型设定的检验方面，检验是否含有无关变量，可用传统的t检验与F检验进行；检验是否遗漏了相关变量或函数模型选取有错误，则通常用一般性设定偏误检验（RESET检验）进行。本专题最后介绍了一个关于选取线性模型还是双对数线性模型的一个实用方法。 第四个专题是关于建模一般方法论的问题。重点讨论了传统建模理论的缺陷以及为避免这种缺陷而由Hendry提出的“从一般到简单”的建模理论。传统建模方法对变量选取的
一元线性回归分析的结果解释 1.基本描述性统计量 分析：上表是描述性统计量的结果，显示了变量y和x的均数(Mean)、标准差(Std. Deviation)和例数(N)。 2．相关系数 分析：上表是相关系数的结果。从表中可以看出，Pearson相关系数为0.749，单尾显著性检验的概率p值为0.003，小于0.05，所以体重和肺活量之间具有较强的相关性。 3．引入或剔除变量表
分析：上表显示回归分析的方法以及变量被剔除或引入的信息。表中显示回归方法是用强迫引入法引入变量x的。对于一元线性回归问题，由于只有一个自变量，所以此表意义不大。 4．模型摘要 分析：上表是模型摘要。表中显示两变量的相关系数(R)为0.749，判定系数(R Square)为0.562，调整判定系数(Adjusted R Square)为0.518，估计值的标准误差(Std. Error of the Estimate)为0.28775。 5．方差分析表 分析：上表是回归分析的方差分析表(ANOVA)。从表中可以看出，回归的均方(Regression Mean Square)为1.061，剩余的均方(Residual Mean Square)为0.083，F检验统计量的观察值为12.817,相应的概率p 值为0.005，小于0.05，可以认为变量x和y之间存在线性关系。
6．回归系数 分析：上表给出线性回归方程中的参数(Coefficients)和常数项(Constant)的估计值，其中常数项系数为0(注：若精确到小数点后6位，那么应该是0.000413)，回归系数为0.059，线性回归参数的标准误差(Std. Error)为0.016,标准化回归系数(Beta)为0.749，回归系数T检验的t统计量观察值为3.580，T检验的概率p值为0.005，小于0.05，所以可以认为回归系数有显著意义。由此可得线性回归方程为： y=0.000413+0.059x 7．回归诊断 分析：上表是对全部观察单位进行回归诊断(Casewise Diagnostics-all cases)的结果显示。从表中可以看出每一例的标准
第5章 分布滞后与动态模型 §5.1 分布滞后模型 很多经济模型在回归方程中有滞后项，例如，因为修建桥和高速公路需要很多时间，所以公共投资对GDP 的影响有一个滞后期，而且这个影响可能会持续数年；研发新产品需要时间，而后把这个新产品投入生产也需要时间；在研究消费行为时，一个工资的变化可能影响好几期的消费。在消费的恒久收入理论中，消费者会用若干期去决定真实可支配收入的变化是暂时的还是永久的。例如，今年额外的咨询费收入明年是否还会继续？同样，真实可支配收入的滞后值会在回归方程中出现，是因为消费者在平滑其消费行为时十分重视他自身的终身收入。一个人的终身收入可以用他过去和现在的收入来推测。换句话说，回归关系可以写为： T t X X X Y t s t s t t t ,,2,1110 =+++++=--εβββα （5.1） 其中，t Y 代表被解释变量Y 在第t 期的观测值，t s X -代表解释变量X 第t s -期的观测值，α为截距项，0β，1β，…，s β是t X 当期和滞后期的系数。方程（5.1）式就是分布滞后模型因为它把收入增长对消费的影响分为s 期。X 的一个单位变化对Y 的短期影响由0β来表示，而X 的一个单位变化对Y 的长期影响由 (s βββ+++ 10)来表示。 假设我们观察从1955年到1995年的t X ，1t X -为相同的变量，但是提前一期的，也就是1954-1994。因为1954年的数据观察不到，我们就从1955年开始观察 1t X -，到1994年结束。这意味着当我们滞后一期时，t X 序列将从1956年开始到 1995年结束。对于实际的应用来说，也就是当我们滞后一期时，我们将从样本中
我国农民收入影响因素的回归分析 本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。?农民收入水平的度量常采用人均纯收入指标。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一是农产品收购价格水平。二是农业剩余劳动力转移水平。三是城市化、工业化水平。四是农业产业结构状况。五是农业投入水平。考虑到复杂性和可行性，所以对农业投入与农民收入，本文暂不作讨论。因此，以全国为例，把农民收入与各影响因素关系进行线性回归分析，并建立数学模型。 一、计量经济模型分析 (一)、数据搜集 根据以上分析，我们在影响农民收入因素中引入7个解释变量。即：2x -财政用于农业的支出的比重，3x -第二、三产业从业人数占全社会从业人数的比重，4x -非农村人口比重，5x -乡村从业人员占农村人口的比重，6x -农业总产值占农林牧总产值的比重，7x -农作物播种面积，8x —农村用电量。
资料来源《中国统计年鉴2006》。 (二)、计量经济学模型建立 我们设定模型为下面所示的形式： 利用Eviews 软件进行最小二乘估计，估计结果如下表所示： DependentVariable:Y Method:LeastSquares Sample: Includedobservations:19 Variable Coefficient t-Statistic Prob. C X1 X3 X4 X5 X6 X7 X8 R-squared Meandependentvar AdjustedR-squared 表1最小二乘估计结果 回归分析报告为： () ()()()()()()()()()()()()()()() 2345678 2? -1102.373-6.6354X +18.2294X +2.4300X -16.2374X -2.1552X +0.0100X +0.0634X 375.83 3.7813 2.066618.37034 5.8941 2.77080.002330.02128 -2.933 1.7558.820900.20316 2.7550.778 4.27881 2.97930.99582i Y SE t R ===---=230.99316519 1.99327374.66 R Df DW F ====二、计量经济学检验 (一)、多重共线性的检验及修正 ①、检验多重共线性 (a)、直观法 从“表1最小二乘估计结果”中可以看出，虽然模型的整体拟合的很好，但是x4x6
第2章 一元线性回归模型 一、单项选择题 1、变量之间的关系可以分为两大类__________。 A 函数关系与相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、相关关系是指__________。 A 变量间的非独立关系 B 变量间的因果关系 C 变量间的函数关系 D 变量间不确定性的依存关系 3、进行相关分析时的两个变量__________。 A 都是随机变量 B 都不是随机变量 C 一个是随机变量，一个不是随机变量 D 随机的或非随机都可以 4、表示x 和y 之间真实线性关系的是__________。 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=+ 5、参数β的估计量?β 具备有效性是指__________。 A ?var ()=0β B ?var ()β为最小 C ?()0β β－＝ D ?()ββ－为最小 6、对于01??i i i Y X e ββ=++，以σ?表示估计标准误差，Y ?表示回归值，则__________。 A i i ??0Y Y 0σ∑ ＝时，（－）＝ B 2 i i ??0Y Y σ∑＝时，（－）＝0 C i i ??0Y Y σ∑＝时，（－）为最小 D 2 i i ??0Y Y σ∑＝时，（－）为最小 7、设样本回归模型为i 01i i ??Y =X +e ββ+，则普通最小二乘法确定的i ?β的公式中，错误的是__________。 A ()() () i i 1 2 i X X Y -Y ?X X β--∑∑＝ B ()i i i i 1 2 2 i i n X Y -X Y ?n X -X β∑∑∑∑∑＝ C i i 1 2 2 i X Y -nXY ?X -nX β ∑∑＝ D i i i i 1 2x n X Y -X Y ?βσ ∑∑∑＝ 8、对于i 01i i ??Y =X +e ββ+，以?σ表示估计标准误差，r 表示相关系数，则有__________。 A ?0r=1σ ＝时， B ?0r=-1σ ＝时， C ?0r=0σ ＝时， D ?0r=1r=-1σ ＝时，或 9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为?Y 356 1.5X -＝，这说明__________。 A 产量每增加一台，单位产品成本增加356元 B 产量每增加一台，单位产品成本减少1.5元 C 产量每增加一台，单位产品成本平均增加356元 D 产量每增加一台，单位产品成本平均减少1.5元 10、在总体回归直线01 ?E Y X ββ+（）＝中，1β表示__________。
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)
回归分析 实验内容：基于居民消费性支出与居民可支配收入的简单线性回归分析 【研究目的】 居民消费在社会经济的持续发展中有着重要的作用。影响各地区居民消费支出的因素很多，例如居民的收入水平、商品价格水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、社会保障制度、风俗习惯等等。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，可以建立相应的经济模型去研究。 【模型设定】 : 我们研究的对象是各地区居民消费的差异。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，现选用城镇居民消费进行比较。模型中被解释变量Y选定为“城市居民每人每年的平均消费支出”。从理论和经验分析，影响居民消费水平的最主要因素是居民的可支配收入，故可以选用“城市居民每人每年可支配收入”作为解释变量X，选取2010年截面数据。 1、实验数据 表1： —
2010年中国各地区城市居民人均年消费支出和可支配收入
| 数据来源：《中国统计年鉴》2010年 2、实验过程 作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图，如图1：
表2 模型汇总b — 模型 R R方调整R方标准估计的误差 - 1 .965a.932.930 ~ a.预测变量:(常量),可支配收入X（元）。 b.因变量:消费性支出Y(元) 表3 相关性 、 消费性支出Y (元) 可支配收入X（元） Pearson相关 性消费性支出Y(元)& .965 ！ 从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系，所以建立如下线性模型：Y=a+bX
多元线性回归模型练习 一、单项选择题 1.在由的一组样本估计的、包含3个解释变量的线性回归模型中，计算得可决系数为，则调整后的可决系数为（ D ） A. B. C. 用一组有30个观测值的样本估计模型后，在的显著性水平上对的显著性作检验，则显著地不等于零的条件是其统计量大于等于（ C ） A. B. C. D. 3.线性回归模型01122......t t t k kt t y b b x b x b x u =+++++ 中，检验 0:0(0,1,2,...)t H b i k ==时，所用的统计量 服从( C ) (n-k+1) (n-k-2) (n-k-1) (n-k+2) 4. 调整的可决系数 与多元样本判定系数 之间有如下关系( D ) A.2211n R R n k -=-- B. 22 111n R R n k -=--- C. 2211(1)1n R R n k -=- +-- D. 2211(1)1n R R n k -=---- 5.对模型Y i =β0+β1X 1i +β2X 2i +μi 进行总体显著性F 检验，检验的零假设是 ( A ) A. β1=β2=0 B. β1=0 C. β2=0 D. β0=0或β1=0 6．设k 为回归模型中的参数个数，n 为样本容量。则对多元线性回归方程进行 显著性检验时，所用的F 统计量可表示为（ B ） A. B ． C ． D ． 7．多元线性回归分析中（回归模型中的参数个数为k ），调整后的可决系数与可决系数之间的关系（ A ） ) 1 ( ) 1 ( 2 2 k R k R n
A. B. ≥ C. D. 8．已知五元线性回归模型估计的残差平方和为，样本容量为46，则随机误差项的方差估计量为( D ) A. B. 40 C. D. 20 9．多元线性回归分析中的 ESS 反映了（ C ） A.因变量观测值总变差的大小 B.因变量回归估计值总变差的大小 C.因变量观测值与估计值之间的总变差 关于X 的边际变化 23．在古典假设成立的条件下用OLS 方法估计线性回归模型参数，则参数估计量具有（ C ）的统计性质。 A ．有偏特性 B. 非线性特性 C ．最小方差特性 D. 非一致性特性 10．关于可决系数，以下说法中错误的是（ D ） A.可决系数的定义为被回归方程已经解释的变差与总变差之比 B. C.可决系数反映了样本回归线对样本观测值拟合优劣程度的一种描述 D.可决系数的大小不受到回归模型中所包含的解释变量个数的影响 11、下列说法中正确的是：（ D ） A 如果模型的 很高，我们可以认为此模型的质量较好 B 如果模型的 较低，我们可以认为此模型的质量较差 C 如果某一参数不能通过显著性检验，我们应该剔除该解释变量 D 如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量 二、多项选择题 1．调整后的判定系数与判定系数之间的关系叙述正确的有（ CDE ） A.与均非负 B.有可能大于 C.判断多元回归模型拟合优度时，使用 D.模型中包含的解释变量个数越多，与就相差越大 E.只要模型中包括截距项在内的参数的个数大于1，则 k -1 n n R R 1 ) 1 ( 1 2 2
#学术探讨# 现代计量经济学模型体系解析* 李子奈刘亚清 内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。 关键词:经典计量经济学时间序列计量经济学微观计量经济学 一、引言 计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。 据此提出三个问题:一是经典计量经济学的地位问题。既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。 现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。 本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展 ) 22 ) *本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。
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 β+ μ β kids =educ + 1
一元线性回归分析法 一元线性回归分析法是根据过去若干时期的产量和成本资料，利用最小二乘法“偏差平方和最小”的原理确定回归直线方程，从而推算出a(截距)和b(斜率)，再通过y ＝a+bx 这个数学模型来预测计划产量下的产品总成本及单位成本的方法。 方程y ＝a+bx 中，参数a 与b 的计算如下： y b x a y bx n -==-∑∑ 222 n xy x y xy x y b n x (x)x x x --==--∑∑∑∑∑∑∑∑∑ 上式中，x 与y 分别是i x 与i y 的算术平均值，即 x =n x ∑ y =n y ∑ 为了保证预测模型的可靠性，必须对所建立的模型进行统计检验，以检查自变量与因变量之间线性关系的强弱程度。检验是通过计算方程的相关系数r 进行的。计算公式为： 22xy-x y r= (x x x)(y y y) --∑∑∑∑∑∑ 当r 的绝对值越接近于1时，表明自变量与因变量之间的线性关系越强，所建立的预测模型越可靠；当r ＝l 时，说明自变量与因变量成正相关，二者之间存在正比例关系；当r ＝—1时，说明白变量与因变量成负相关，二者之间存在反比例关系。反之，如果r 的绝对值越接近于0，情况刚好相反。 [例]以表1中的数据为例来具体说明一元线性回归分析法的运用。 表1： 根据表1计算出有关数据，如表2所示： 表2：
将表2中的有关数据代入公式计算可得： 1256750x == （件） 2256 1350y ==（元） 1750 9500613507501705006b 2=-??-?=（元/件） 100675011350a =?-=（元/件） 所建立的预测模型为： y ＝100+X 相关系数为： 9.011638 10500])1350(3059006[])750(955006[1350 750-1705006r 22==-??-???= 计算表明，相关系数r 接近于l ，说明产量与成本有较显著的线性关系，所建立的回归预测方程较为可靠。如果计划期预计产量为200件，则预计产品总成本为： y ＝100+1×200＝300(元)