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10章联立方程模型 一、单选 1、如果联立方程中某个结构方程包含了所有的变量，则这个方程为（） A、恰好识别 B、过度识别 C、不可识别 D、可以识别 2、下面关于简化式模型的概念，不正确的是（） A、简化式方程的解释变量都是前定变量 B、简化式参数反映解释变量对被解释的变量的总影响 C、简化式参数是结构式参数的线性函数 D、简化式模型的经济含义不明确 3、对联立方程模型进行参数估计的方法可以分两类，即：( ) A、间接最小二乘法和系统估计法 B、单方程估计法和系统估计法 C、单方程估计法和二阶段最小二乘法 D、工具变量法和间接最小二乘法 4、在结构式模型中，其解释变量( ) A、都是前定变量 B、都是内生变量 C、可以内生变量也可以是前定变量 D、都是外生变量 5、如果某个结构式方程是过度识别的，则估计该方程参数的方法可用（） A、二阶段最小二乘法 B、间接最小二乘法 C、广义差分法 D、加权最小二乘法 6、当模型中第i个方程是不可识别的，则该模型是( ) A、可识别的 B、不可识别的 C、过度识别 D、恰好识别 7、结构式模型中的每一个方程都称为结构式方程，在结构方程中，解释变量可以是前定变量，也可以是( ) A、外生变量 B、滞后变量 C、内生变量 D、外生变量和内生变量 8. 在完备的结构式模型 A、Y t B.Y t – 1 C.I t D.G t 9. 在完备的结构式模型 A.方程1 B.方程2 C.方程3 D.方程1和2 10.联立方程模型中不属于随机方程的是（） A.行为方程 B.技术方程 C.制度方程 D.恒等式 11.结构式方程中的系数称为（） A.短期影响乘数 B.长期影响乘数 C.结构式参数 D.简化式参数 12.简化式参数反映对应的解释变量对被解释变量的 A.直接影响 B.间接影响 C.前两者之和 D.前两者之差 13.对于恰好识别方程，在简化式方程满足线性模型的基本假定的条件下，间接最小二乘估 计量具备（） A.精确性 B.无偏性 C.真实性 D.一致性 二、多选 1、当结构方程为恰好识别时，可选择的估计方法是（） A、最小二乘法 B、广义差分法 C、间接最小二乘法 D、二阶段最小二乘法 E、有限信息极大似然估计法 2、对联立方程模型参数的单方程估计法包括( ) A、工具变量法 B、间接最小二乘法 C、完全信息极大似然估计法 D、二阶段最小二乘法 E、三阶段最小二乘法
期中练习题 1、回归分析中使用的距离是点到直线的垂直坐标距离。最小二乘准则是指（ ） A ．使∑=-n t t t Y Y 1)?(达到最小值 B.使∑=-n t t t Y Y 1达到最小值 C. 使 ∑=-n t t t Y Y 1 2 ) (达到最小值 D.使 ∑=-n t t t Y Y 1 2)?(达到最小值 2、根据样本资料估计得出人均消费支出 Y 对人均收入 X 的回归模型为 ?ln 2.00.75ln i i Y X =+，这表明人均收入每增加 1％，人均消费支出将增加 （ ） A. 0.75 B. 0.75% C. 2 D. 7.5% 3、设k 为回归模型中的参数个数,n 为样本容量。则对总体回归模型进行显著性检验的F 统计量与可决系数2 R 之间的关系为( ) A.)1/()1()/(R 2 2---=k R k n F B. )/(1)-(k )R 1/(R 22k n F --= C. )/()1(22k n R R F --= D. ) 1()1/(22R k R F --= 6、二元线性回归分析中 TSS=RSS+ESS 。则 RSS 的自由度为（ ） A.1 B.n-2 C.2 D.n-3 9、已知五个解释变量线形回归模型估计的残差平方和为 8002=∑t e ，样本容量为46，则随机误 差项μ的方差估计量2 ?σ 为（ ） A.33.33 B.40 C.38.09 D. 20 1、经典线性回归模型运用普通最小二乘法估计参数时，下列哪些假定是正确的（ ） A.0)E(u i = B. 2i )Var(u i σ= C. 0)u E(u j i ≠ D.随机解释变量X 与随机误差i u 不相关 E. i u ～),0(2i N σ 2、对于二元样本回归模型i i i i e X X Y +++=2211???ββα，下列各式成立的有（ ） A.0 =∑i e B. 0 1=∑i i X e C. 0 2=∑i i X e D. =∑i i Y e E. 21=∑i i X X 4、能够检验多重共线性的方法有（ ） A.简单相关系数矩阵法 B. t 检验与F 检验综合判断法 C. DW 检验法 D.ARCH 检验法 E.辅助回归法
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
第10章模型设定与实践 问题 10.1 模型设定误差有哪些类型？如何诊断？ 答：模型设定误差主要有以下四种类型： 1.漏掉一个相关变量； 2.包含一个无关的变量； 3.错误的函数形式； 4.对误差项的错误假定。 诊断的方法有：1.侦察是否含有无关变量；2.残差分析，拉姆齐（Ramsey）的RESET检验法，DM（Davidsion-MacKinnon：戴维森麦-克金龙）检验；3.拟合优度、校正拟合优度、系数显著性、系数符合的合理性。 10.2 模型遗漏相关变量的后果是什么？ 答：模型遗漏相关变量的后果是：所有回归系数的估计量是有偏的，除非这个被去除的变量与每一个放入的变量都不相关。常数估计量通常也是有偏的，从而预测值是有偏的。由于放入变量的回归系数估计量是有偏的，所以假设检验是无效的。系数估计量的方差估计量是有偏的。 10.3 模型包含不相关变量的后果是什么？ 答：模型包含不相关变量的后果是：系数估计量的方差变大，从而估计量的精度下降。10.4 什么是嵌套模型？什么是非嵌套模型？ 答：如果两个模型不能被互相包容，即任何一个都不是另一个的特殊情形，便称这两个模型是非嵌套的。如果两个模型能互相包容，即其中一个是另一个的特殊情形，便称这两个模型是嵌套的。 10.5 非嵌套模型之间的比较有哪些方法？ 答：非嵌套模型之间的比较方法有：拟合优度或校正拟合优度、AIC（Akaike’s information criterion）准则、SIC（Schwarz’s information criterion）准则和HQ（Hannnan-Qinn criterion）准则。拉姆齐（Ramsey）的RESET检验法，DM（Davidsion-MacKinnon：戴维森麦-克金龙）检验。 习题 10.6 对数线性模型在人力资源文献中有比较广泛的应用，其理论建议把工资或收入的对数
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
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.
20世纪60年代 1969年 拉格纳·弗里希（Ragnar Frisch）挪威人(1895-1973) 简·丁伯根（Jan Tinbergen）荷兰人 (1903-1994) 他们发展了动态模型来分析经济进程。前者是经济计量学的奠基人，后者经济计量学模式建造者之父。 20世纪70年代 1970年 保罗·萨缪尔森（Paul A. Samuelson ）美国人 (1915-2009) 他发展了数理和动态经济理论，将经济科学提高到新的水平。他的研究涉及经济学的全部领域。 1971年 西蒙·史密斯·库兹涅茨（Simon Kuznets ）乌克兰人，后入美国籍 (1901-1985) 在研究人口发展趋势及人口结构对经济增长和收入分配关系方面做出了巨大贡献。
佳林·库普曼斯（Tjalling C. Koopmans）美国人 (1910-1985) 前者在1939年创立了享誉全球的线形规划要点，后者将数理统计学成功运用于经济计量学。他们对资源最优分配理论做出了贡献。 1976年 米尔顿·弗里德曼（Milton Friedman）美国人(1912-2006 ) 创立了货币主义理论，提出了永久性收入假说。 1977年 戈特哈德·贝蒂·俄林（Bertil Ohlin）瑞典人 (1899-1979) 詹姆斯·爱德华·米德（James E. Meade）英国人 (1907-1995) 对国际贸易理论和国际资本流动作了开创性研究。 1978年 赫伯特·西蒙（Herbert A. Simon）美国人(1916-2001) 对于经济组织内的决策程序进行了研究，这一有关决策程序的基本理论被公认为关于公司企业实际决策的创见解。
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。
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 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
相关主题
文本预览