第六章自相关习题参考答案
练习题6.1参考解答:
（１）建立回归模型，回归结果如下：
Dependent Variable: Y Method: Least Squares Date: 05/06/10 Time: 22:58 Sample: 1960 1995 Included observations: 36
Coefficient Std. Error t-Statistic Prob. X 0.935866 0.007467 125.3411 0.0000 C
-9.428745
2.504347
-3.764951
0.0006
R-squared 0.997841 Mean dependent var 289.9444 Adjusted R-squared 0.997777 S.D. dependent var 95.82125 S.E. of regression 4.517862 Akaike info criterion 5.907908 Sum squared resid 693.9767 Schwarz criterion 5.995881 Log likelihood -104.3423 Hannan-Quinn criter. 5.938613 F-statistic 15710.39 Durbin-Watson stat 0.523428
Prob(F-statistic)
0.000000
估计结果如下
t t
X Y 0.93594287.9?+-= Se = (2.5043) (0.0075) t = (-3.7650) (125.3411)
R2 = 0.9978，F = 15710.39，d f = 34，DW = 0.5234
（２）对样本量为36、一个解释变量的模型、5%显著水平，查DW 统计表可知，dL=1.411，dU= 1.525，模型中DW
10.72855t t e e -=
由上式可知0.728550ρ∧
=，对原模型进行广义差分，得到广义差分方程：
11211
0.72855Y (10.72855)+(0.72855)0.72855t t t t t t Y X X u u ββ----=--+-回归结果如下:
Dependent Variable: Y-0.72855*Y(-1) Method: Least Squares Date: 05/06/10 Time: 23:11 Sample (adjusted): 1961 1995
Included observations: 35 after adjustments
Coefficient
Std. Error
t-Statistic Prob.
C
-3.783059 1.870964 -2.021984 0.0513 X-0.72855*X(-1) 0.948406
0.018905
50.16820
0.0000
R-squared 0.987058 Mean dependent var 86.40203 Adjusted R-squared 0.986666 S.D. dependent var 26.56943 S.E. of regression 3.068065 Akaike info criterion 5.135417 Sum squared resid 310.6298 Schwarz criterion 5.224294 Log likelihood -87.86979 Hannan-Quinn criter. 5.166097 F-statistic 2516.848 Durbin-Watson stat 2.097157 Prob(F-statistic)
0.000000
22? 3.78310.9484 (1.8710) (0.0189) t= (-2.022) (50.1682)
R =0.9871 R =0.9867 F=2516.848 DW=2.097157t t Y X =-+
查5%显著水平的DW 统计表可知dL = 1.402，dU = 1.519，模型中DW = 2.0972> dU ，说明广义差分模型中已无自相关。同时，判定系数R2、t 、F 统计量均达到理想水平。 由差分方程式可以得出：
*00
3.7831
???/(1)13.9366
10.72855ββρ-=-==-- *11??0.9484ββ==
所以最终的消费模型为：
?13.93660.9484t t Y X =-+
由上述模型可知，美国个人实际可支配收入每增加1元，个人实际消费支出平均增加
0.9484元。
练习题6.2参考解答：
（1） 模型1中存在自相关，模型2中不存在自相关。
（2） 通过DW 检验可以判定自相关的存在；在模型1中，DW=0.8252，查5%显著水平
的DW 统计表可知 1.106L d =， 1.371U d =，L DW d <，因此模型1存在正自相
关；而在模型2中，DW=1.82, 查5%显著水平的DW 统计表可知0.982L d =，
1.539U d =，4U U d DW d <<-，因此模型2不存在自相关。
（3） 虚假自相关是由模型设定失误所造成的自相关，主要包括遗漏某些重要的解释变量
或者模型函数形式不正确，因此在区分虚假自相关和真正自相关是主要从这两个方面来判断，即根据经济意义检查解释变量是否遗漏了重要的变量，或者根据数据的数字特征检验模型形式的设定是否恰当。
练习题6.3参考解答：
（１）建立回归模型，回归结果如下：
Dependent Variable: Y Method: Least Squares
Date: 05/06/10 Time: 23:20 Sample: 2001 2019 Included observations: 19
Coefficient Std. Error t-Statistic Prob. X 0.690488 0.012877 53.62068 0.0000 C
79.93004
12.39919
6.446390
0.0000
R-squared 0.994122 Mean dependent var 700.2747 Adjusted R-squared 0.993776 S.D. dependent var 246.4491 S.E. of regression 19.44245 Akaike info criterion 8.872095 Sum squared resid 6426.149 Schwarz criterion 8.971510 Log likelihood -82.28490 Hannan-Quinn criter. 8.888920 F-statistic 2875.178 Durbin-Watson stat 0.574663 Prob(F-statistic)
0.000000
估计结果如下
2?79.9300.690(6.38)
(12.399)(0.013)(6.446)(53.621)0.9940.575
t t Y X Se t R DW =+====
（２）DW ＝0.575，取%5=α，查DW 上下界18.1,40.1,18.1<==DW d d U L ，说明
误差项存在正自相关。 （３）采用广义差分法
使用普通最小二乘法估计ρ的估计值ρ?
，得
)
.(t ).(Se e .e t t 7013178065701===-
由上式可知ρ?
=0.657352，对原模型进行广义差分，得到广义差分方程：
11211
0.657352Y (10.657352)+(0.657352)0.657352t t t t t t Y X X u u ββ----=--+-回归结果如下：
Dependent Variable: Y-0.657352*Y(-1) Method: Least Squares Date: 05/06/10 Time: 23:25 Sample (adjusted): 2002 2019
Included observations: 18 after adjustments
Coefficient Std. Error t-Statistic Prob. C
35.97761
8.103546
4.439737 0.0004
X-0.657352*X(-1) 0.668695 0.020642 32.39512 0.0000
R-squared 0.984983 Mean dependent var 278.1002 Adjusted R-squared 0.984044 S.D. dependent var 105.1781 S.E. of regression 13.28570 Akaike info criterion 8.115693 Sum squared resid 2824.158 Schwarz criterion 8.214623 Log likelihood -71.04124 Hannan-Quinn criter. 8.129334 F-statistic 1049.444 Durbin-Watson stat 1.830746 Prob(F-statistic)
0.000000
估计结果如下
^**235.977610.668695X (4.439737) (32.39512)0.984983 DW=1.830746
t
t Y t R =-==
DW=1.830，已知 1.158 1.391L
U d d ==，模型中 1.834U U d DW d <=<-因此，
在广义差分模型中已无自相关。 由差分方程式可以得出：
*0035.97761???/(1)108.59410.668695
ββρ=-==-
*11
??0.668695ββ== 因此，修正后的回归模型应为
108.5940.668695X t t Y =+
由上述模型可知，个人实际收入每增加1元，个人实际支出平均增加0.668695元。
6.4参考答案
1．原题
（1）建立回归模型，回归结果如下：
Dependent Variable: Y Method: Least Squares Date: 11/26/10 Time: 19:47 Sample: 1970 1994 Included observations: 25
Coefficient Std. Error t-Statistic Prob. X 1.529712 0.050976 30.00846 0.0000 C
-68.16026
15.26513
-4.465096
0.0002
R-squared 0.975095 Mean dependent var
388.0000
Adjusted R-squared 0.974012 S.D. dependent var 43.33397 S.E. of regression 6.985763 Akaike info criterion 6.802244 Sum squared resid 1122.420 Schwarz criterion 6.899754 Log likelihood -83.02805 Hannan-Quinn criter. 6.829289 F-statistic 900.5078 Durbin-Watson stat 0.348288 Prob(F-statistic)
0.000000
给定n=25，1k =,在0.05α=的显著水平下，查DW 统计表可知，1.288, 1.454L U d d ==。模型中L DW d <，所以可以判断模型中存在正自相关。
（2）对模型的修正
1）采广义差分法修正自相关：
使用普通最小二乘法估计ρ的估计值?ρ
，得 10.873772t t e e -= 6.734519t =
由上式可知?ρ
=0.873772，对原模型进行广义差分，得到广义差分方程： 11211
0.873772Y (10.873772)+(0.873772)0.873772t t t t t t Y X X u u ββ----=--+-回归结果如下：
Dependent Variable: Y-0.873772*Y(-1) Method: Least Squares Date: 11/26/10 Time: 20:04 Sample (adjusted): 1971 1994
Included observations: 24 after adjustments
Coefficient Std. Error t-Statistic Prob. X-0.873772*X(-1)
1.252033 0.187794 6.667059 0.0000 C
3.198065
7.790739
0.410496 0.6854
R-squared 0.668922 Mean dependent var 54.86397 Adjusted R-squared 0.653873 S.D. dependent var 6.671848 S.E. of regression 3.925217 Akaike info criterion 5.652375 Sum squared resid 338.9612 Schwarz criterion 5.750547 Log likelihood -65.82850 Hannan-Quinn criter. 5.678420 F-statistic 44.44968 Durbin-Watson stat 1.322343
Prob(F-statistic)
0.000001
给定n=24，1k =,在0.05=的显著水平下，查DW 统计表可知，
1.273, 1.446L U d d ==。模型中L U d DW d <<，DW 值落在了无法判断的区域。
*00
???/(1) 1.252033/(10.873772)9.91882ββρ=-=-= *1
1
?? 3.198065β
β== 所以修正后的模型为：
?9.91882 3.198065t t
Y X =+
2）一阶差分法
对模型进行一阶差分，回归结果如下：
Dependent Variable: Y-Y(-1) Method: Least Squares Date: 11/26/10 Time: 20:37 Sample (adjusted): 1971 1994
Included observations: 24 after adjustments
Coefficient Std. Error t-Statistic Prob. X-X(-1)
1.333333
0.131422
10.14543
0.0000
R-squared 0.652682 Mean dependent var 6.208333 Adjusted R-squared 0.652682 S.D. dependent var 6.678839 S.E. of regression 3.936084 Akaike info criterion 5.619023 Sum squared resid 356.3333 Schwarz criterion 5.668109 Log likelihood -66.42828 Hannan-Quinn criter. 5.632046 Durbin-Watson stat
1.591830
给定n=24，'
1k =,在0.05α=的显著水平下，查DW 统计表可知，1.273, 1.446L U d d ==。模型中4U U d DW d <<-，因此模型已不存在自相关。 3）德宾两步法
建立辅助回归方程12211(1)t t t t t Y X X Y v βρβρβρ--=-+-++，回归结果如下：
Dependent Variable: Y Method: Least Squares Date: 11/26/10 Time: 20:43 Sample (adjusted): 1971 1994
Included observations: 24 after adjustments
Coefficient Std. Error t-Statistic Prob. C -7.633641 12.84334 -0.594366 0.5589 X 1.172622 0.188527 6.219919 0.0000 X(-1) -1.006272 0.254581 -3.952666 0.0008 Y(-1)
0.896255
0.123909
7.233172 0.0000
R-squared 0.992083 Mean dependent var 391.6667 Adjusted R-squared
0.990896 S.D. dependent var
40.10927
S.E. of regression 3.827019 Akaike info criterion 5.673061 Sum squared resid 292.9215 Schwarz criterion 5.869403 Log likelihood -64.07673 Hannan-Quinn criter. 5.725151 F-statistic 835.4552 Durbin-Watson stat 1.369050 Prob(F-statistic)
0.000000
把1t Y -的回归系数?ρ
看做ρ的一个估计值，之后进行广义差分，回归模型为： 11211
0.896255Y (10.896255)+(0.896255)0.896255t t t t t t Y X X u u ββ----=--+-回归结果如下：
Dependent Variable: Y-0.896255*Y(-1)
Method: Least Squares Date: 11/26/10 Time: 20:47 Sample (adjusted): 1971 1994
Included observations: 24 after adjustments
Coefficient Std. Error t-Statistic Prob. X-0.896255*X(-1)
1.201031 0.189305 6.344425 0.0000 C
4.652899
6.595502
0.705466
0.4879
R-squared 0.646596 Mean dependent var 46.19771 Adjusted R-squared 0.630532 S.D. dependent var 6.352384 S.E. of regression 3.861224 Akaike info criterion 5.619501 Sum squared resid 327.9990 Schwarz criterion 5.717672 Log likelihood -65.43401 Hannan-Quinn criter. 5.645545 F-statistic 40.25173 Durbin-Watson stat 1.305817
Prob(F-statistic)
0.000002
给定n=24，'
1k =,在0.05α=的显著水平下，查DW 统计表可知，1.273, 1.446L U d d ==。模型中L U d DW d <<，DW 值落在了无法判断的区域。
2．调换X 和Y 之后
（1）建立回归模型，回归结果如下：
Dependent Variable: Y Method: Least Squares Date: 12/04/10 Time: 11:21 Sample: 1970 1994 Included observations: 25
Coefficient Std. Error t-Statistic Prob. X 0.637437 0.021242 30.00846 0.0000 C 50.87454
8.291058 6.136073 0.0000
R-squared
0.975095 Mean dependent var 298.2000 Adjusted R-squared 0.974012 S.D. dependent var 27.97320 S.E. of regression 4.509491 Akaike info criterion 5.926864 Sum squared resid 467.7167 Schwarz criterion 6.024374 Log likelihood -72.08580 Hannan-Quinn criter. 5.953909 F-statistic 900.5078 Durbin-Watson stat 0.352762 Prob(F-statistic)
0.000000
给定n=25，1k =,在0.05=的显著水平下，查DW 统计表可知，1.288, 1.454L U d d ==。模型中L DW d <，所以可以判断模型中存在正自相关。
（2）对模型的修正
1）采广义差分法修正自相关：
使用普通最小二乘法估计ρ的估计值?ρ
，得 10.850961t t e e -= 6.682710t =
由上式可知?ρ
=0.850961，对原模型进行广义差分，得到广义差分方程： 11211
0.850961Y (10.850961)+(0.850961)0.850961t t t t t t Y X X u u ββ----=--+-回归结果如下：
Dependent Variable: Y-0.850961*Y(-1) Method: Least Squares Date: 12/04/10 Time: 11:17 Sample (adjusted): 1971 1994
Included observations: 24 after adjustments
Coefficient Std. Error t-Statistic Prob. X-0.850961*X(-1)
0.535125 0.074793 7.154796 0.0000 C
13.97334
4.789436
2.917533 0.0080
R-squared 0.699417 Mean dependent var 48.03762 Adjusted R-squared 0.685754 S.D. dependent var 4.550930 S.E. of regression 2.551144 Akaike info criterion 4.790616 Sum squared resid 143.1833 Schwarz criterion 4.888787 Log likelihood -55.48739 Hannan-Quinn criter. 4.816661 F-statistic 51.19110 Durbin-Watson stat 2.377660
Prob(F-statistic)
0.000000
给定n=24，1k =,在0.05=的显著水平下，查DW 统计表可知，1.273, 1.446L U d d ==。模型中4U U d DW d <<-，因此可以判断模型不存在自相关。
*00
???/(1)13.97334/(10.850961)93.756265ββρ=-=-= *1
1
??0.535125β
β== 所以修正后的模型为：
?93.7562560.535125t t
Y X =+
6.5参考解答：
（1）建立回归模型，回归结果如下：
Dependent Variable: LOG(Y) Method: Least Squares Date: 05/07/10 Time: 00:17 Sample: 1980 2000 Included observations: 21
Coefficient Std. Error t-Statistic Prob. C 2.171041 0.241025 9.007529 0.0000 LOG(X)
0.951090
0.038897
24.45123
0.0000
R-squared 0.969199 Mean dependent var 8.039307 Adjusted R-squared 0.967578 S.D. dependent var 0.565486 S.E. of regression 0.101822 Akaike info criterion -1.640785 Sum squared resid 0.196987 Schwarz criterion -1.541307 Log likelihood 19.22825 Hannan-Quinn criter. -1.619196 F-statistic 597.8626 Durbin-Watson stat 1.159788
Prob(F-statistic)
0.000000
给定n=21，,在的显著水平下，查DW 统计表可知，
1.221 1.42L U d d ==。模型中 1.159788L DW d =<，
所以可以判断模型中存在正自相关。
（2）采用广义差分法修正自相关： 使用普通最小二乘法估计ρ的估计值ρ?
，得
10.4002341.722522
t t e e t -==
由上式可知ρ?
=0.400234，对原模型进行广义差分，得到广义差分方程：
11211
ln 0.400234lnY (10.400234)+(ln 0.400234ln )0.400234t t t t t t Y X X u u ββ----=--+-回归结果如下：
Dependent Variable: LOG(Y)-0.400234*LOG(Y(-1)) Method: Least Squares Date: 05/07/10 Time: 00:21 Sample (adjusted): 1981 2000
Included observations: 20 after adjustments
Coefficient Std. Error t-Statistic Prob. C
1.477095 0.225636 6.546372 0.0000 LOG(X)-0.400234*LOG(X(-1)) 0.905989
0.059767
15.15871 0.0000
R-squared
0.927357 Mean dependent var 4.882162 Adjusted R-squared 0.923321 S.D. dependent var 0.344052 S.E. of regression 0.095271 Akaike info criterion -1.769534 Sum squared resid 0.163380 Schwarz criterion -1.669961 Log likelihood 19.69534 Hannan-Quinn criter. -1.750096 F-statistic 229.7864 Durbin-Watson stat 1.441543
Prob(F-statistic)
0.000000
给定n=20，,在的显著水平下，查DW 统计表可知，
1.201 1.411L U d d ==。模型中 1.4415434U U d DW d <=<-，所以可以判断广义差分
模型中不存在自相关。
由差分方程式可以得出：
*00???/(1) 1.477095/(10.400234) 2.462785ββρ=-=-=
*1
1
??0.905989β
β==
所以修正后的模型为：
?ln 2.4627850.905989ln t t Y X =+
（3）变换数据后的回归结果如下：
Dependent Variable: LOG(Y/Y(-1)) Method: Least Squares Date: 05/07/10 Time: 00:23 Sample (adjusted): 1981 2000
Included observations: 20 after adjustments
Coefficient Std. Error t-Statistic Prob.
C 0.054047 0.013322 4.056896 0.0007 LOG(X/X(-1)) 0.442224
0.066024
6.697901
0.0000
R-squared 0.713658 Mean dependent var 0.091592 Adjusted R-squared 0.697750 S.D. dependent var 0.098311 S.E. of regression 0.054049 Akaike info criterion -2.903219 Sum squared resid 0.052583 Schwarz criterion -2.803646 Log likelihood 31.03219 Hannan-Quinn criter. -2.883781 F-statistic 44.86188 Durbin-Watson stat 1.590363 Prob(F-statistic)
0.000003
给定n=20，1k '=,在0.05α=的显著水平下，查DW 统计表可知， 1.201 1.411L
U d d ==。模型中
1.5903634U U d DW d <=<-，所以可以判断变化数据后的模型中不存在自相关。
统计学2班 第三次作业 1、⑴存在.2 3223223232 322 ) ())(() )(())((?∑∑∑∑∑∑∑--=i i i i i i i i i i i x x x x x x x y x x y βΘ 当X 2和X 3之间的相关系数为0时，离差形式的 ∑i i x x 32=0 2 222232 22 322 ?) )(() )((??== =∴∑∑∑∑∑∑i i i i i i i i x x y x x x x y β 同理得：33 ??γβ= ⑵2 ?β会等于1?α和1?γ二者的线性组合。 33221???X X Y βββ--=Θ且221??X Y αα-=，331??X Y γγ-= 由⑴可得22 ??αβ=和33??γβ= 22221???X Y X Y βαα-=-=∴，3 3331???X Y X Y βγγ-=-= 212 ??X Y αβ-=∴,3 1 3??X Y γβ-= 则：33 1 2213 3221?????X X Y X X Y Y X X Y γαβββ----=--=Θ ⑶存在。∑-=)1()?(223 222 2 r x Var i σβΘ X 2和X 3之间相关系数为0，)?() 1()?(2222 223 2 22 2 α σσβVar x r x Var i i == -=∴∑∑ 同理可得)?()?(33 γβVar Var = 2、逐步向前回归和逐步向后回归的程序都存在不足，逐步向前法不能反映引进新的解释变量后的变化情况，即一旦引入新的变量，就保留在方程中，逐步向后法泽一旦剔除一个解释变量就再没有机会重新进入方程。而解释变量之间及其与被解释变量的相关关系与引入的变量个数及同时引入哪些变量而不同。所以采用逐步回归比较好。吸收了逐步向前和逐步向后的优点。
第二章简单线性回归模型 第一节回归分析与回归函数P15 （一）相关分析与回归分析 1、相关关系 2、相关系数 3、回归分析 （二）总体回归函数（条件期望） （三）随机扰动项 （四）样本回归函数 第二节简单线性回归模型参数的估计P26 （一）简单线性回归的基本假定 （二）普通最小二乘法求样本回归函数 （三）OLS回归线的性质 （四）最小二乘估计量的统计性质 1、参数估计量的评价标准（无偏性、有效性、一致性） 2、OLS估计量的统计特性（线性特性、无偏性、有效性、高斯-马尔可夫定理） 第三节拟合优度的度量（RSS、ESS、TSS）P35 （一）总变差的分解 （二）可决系数 （三）可决系数与相关系数的关系 第四节回归系数的区间估计与假设检验P38 （一）OLS估计的分布性质 （二）回归系数的区间估值 （三）回归系数的假设检验 1、Z检验 2、t检验 第五节回归模型预测P43 第六节案例分析P48 第三章多元线性回归模型 第一节多元线性回归模型及古典假定P64 一、多元线性回归模型 二、多元线性回归模型的矩阵形式 三、多元线性回归模型的古典假定 第二节多元线性回归模型的估计P68 一、多元线性回归性参数的最小二乘估计 二、参数最小二乘估计的性质（线性特性、无偏性、有效性） 三、OLS估计的分布性质 四、随机扰动项方差的估计 五、多元线性回归模型参数的区间估计
第三节多元线性回归模型的检验P74 一、拟合优度检验（多重可决系数、修正的可决系数） 二、回归方程的显著性检验（F-检验） 三、回归参数的显著性检验（t-检验） 第四节多元线性回归模型的预测P79 第五节案例分析P81 第四章多重共线性第一节什么是多重共线性P94 第二节多重共线性产生的后果 第三节多重共线性的检验 第四节多重共线性的补救措施 第五节案例分析P109
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 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 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。 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。 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 略，参考教材。
请用例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= 用 =，N-1=15个自由度查表得005.0t =，故99%置信限为 x S t X 005.0± =174±×=174± 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至厘米之间。 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。 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 = < 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。
思考题答案 第一章 绪论 思考题 1.1怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用？ 答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。 1.2理论计量经济学和应用计量经济学的区别和联系是什么？ 答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。 理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。 应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。 1.3怎样理解计量经济学与理论经济学、经济统计学的关系？ 答：1、计量经济学与经济学的关系。联系：计量经济学研究的主体—经济现象和经济关系的数量规律；计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善。区别：经济理论重在定性分析,并不对经济关系提供数量上的具体度量；计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容。 2、计量经济学与经济统计学的关系。联系：经济统计侧重于对社会经济现象的描述性计量；经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。区别：经济统计学主要用统计指标和统计分析方法对经济现象进行描述和计量；计量经济学主要利用数理统计方法对经济变量间的关系进行计量。 1.4在计量经济模型中被解释变量和解释变量的作用有什么不同？ 答：在计量经济模型中，解释变量是变动的原因，被解释变量是变动的结果。被解释变量是模型要分析研究的对象。解释变量是说明被解释变量变动主要原因的变量。 1.5一个完整的计量经济模型应包括哪些基本要素？你能举一个例子吗？ 答：一个完整的计量经济模型应包括三个基本要素：经济变量、参数和随机误差项。 例如研究消费函数的计量经济模型：u βX αY ++= 其中，Y 为居民消费支出，X 为居民家庭收入，二者是经济变量；α和β为参数；u 是随机误差项。 1.6假如你是中央银行货币政策的研究者，需要你对增加货币供应量促进经济增长提出建议，
思考题答案 第一章绪论 思考题 1.1怎样理解产生于西方国家的计量经济学能够在中国的经济理论研究和现代化建设中发挥重要作用？ 答：计量经济学的产生源于对经济问题的定量研究，这是社会经济发展到一定阶段的客观需要。计量经济学的发展是与现代科学技术成就结合在一起的，它反映了社会化大生产对各种经济因素和经济活动进行数量分析的客观要求。经济学从定性研究向定量分析的发展，是经济学逐步向更加精密、更加科学发展的表现。我们只要坚持以科学的经济理论为指导，紧密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建设中发挥重要作用。 1.2理论计量经济学和应用计量经济学的区别和联系是什么？ 答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济问题加以研究，分为理论计量经济学和应用计量经济学两个方面。 理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。所谓计量经济学理论与方法技术的研究，实质上是指研究如何运用、改造和发展数理统计方法，使之成为适合测定随机经济关系的特殊方法。 应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为依据，用计量经济方法技术研究计量经济模型的实用化或探索实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。 1.3怎样理解计量经济学与理论经济学、经济统计学的关系？ 答：1、计量经济学与经济学的关系。联系：计量经济学研究的主体—经济现象和经济关系的数量规律；计量经济学必须以经济学提供的理论原则和经济运行规律为依据；经济计量分析的结果：对经济理论确定的原则加以验证、充实、完善。区别：经济理论重在定性分析,并不对经济关系提供数量上的具体度量；计量经济学对经济关系要作出定量的估计，对经济理论提出经验的内容。 2、计量经济学与经济统计学的关系。联系：经济统计侧重于对社会经济现象的描述性计量；经济统计提供的数据是计量经济学据以估计参数、验证经济理论的基本依据；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。区别：经济统计学主要用统计指标和统计分析方法对经济现象进行描述和计量；计量经济学
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：
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
第一章 1.计量分析的四个步骤：模型设定——参数估计——模型检验——模型应用 2.计量模型检验：经济意义检验——统计推断检验——计量经济学检验——模型预测检 验 3.计量模型的应用：结构分析——经济预测——政策评价——检验与发展经济理论 4.正确选择解释变量的原则：符合理论、规律——忽略众多次要因素，突出主要经济变 量——数据可得性——每个解释变量之间是独立的 5.参数的数据类型：时间序列数据——截面数据——面板数据——虚拟变量数据 第二章 1.总体相关系数：ρ=Cov(X,Y)/√Var(X)√Var(Y) 2.样本相关系数：rxy=Σ(Xi-X_)(Yi-Y_)/√Σ(Xi-X_)^2√Σ(Yi-Y_)^2 3.总体回归函数中引入随机扰动项的原因：作为未知影响因素的代表——作为无法取得 数据的已知因素代表——作为众多细小影响因素的综合代表——模型的设定误差——变量的观测误差——经济现象的内在随机性 4.简单线性回归模型的基本假定：1、对变量和模型的假定；2、对随机扰动项ui统计分 布的假定（古典假定）：零均值假定——同方差假定——无自相关假定——随机扰动项ui与解释变量Xi不相关——正态性假定 5.违反零均值假定：影响截距上的估计（影响小） 6.违反正态性假定：不影响OLS估计是最佳无偏性，但会使t检验F检验失真（影响大） 7.样本回归函数的离差形式：yi^=β2^*xi 8.OLS估计值的离差表达式：β2^=Σ(Xi-X_)(Yi-Y_)/Σ(Xi-X_)^2=Σxiyi/Σxi^2 β1^=Y_-β2^*X_ 9.OLS回归线的性质：样本回归线过（X_,Y_）——估计值均值等于实际值均值——剩余 项ei的均值为零——Cov(Yi^,ei)=0——Cov(Xi,ei)=0 10.β^的评价标准：无偏性——有效性——一致性 11.β^的统计性质：线性——无偏性——有效性 12.Var(^β1)=?^2/Σxi^2——Var(^β2)=ΣXi^2/n*?^2/Σxi^2 13.^?^2=Σei^2/(n-2) 14.总变差平方和：Σ(Yi-Y_)^2=Σyi^2……TSS……n-1 回归平方和：Σ(Yi^-Y_)^2=Σ^yi^2……ESS……k-1 残差平方和：Σ(Yi-Yi^)^2=Σei^2……RSS……n-k 15.可决系数：R^2=ESS/TSS 16.SE(^β1)=√(?^2ΣXi^2)/(nΣxi^2) SE(^β2)=√?^2/Σxi^2 17.t=(^β1-β1)/^SE(^β1)~t(n-2) t=(^β2-β2)/^SE(^β2)~t(n-2) 18.区间估计： 1.当总体方差?^2已知，α=0.1—±1.645,α=0.05—±1.96,α=0.01—± 2.33， P[-tα 第一章绪论 一、填空题： 1．计量经济学是以揭示经济活动中客观存在的__________为内容的分支学科，挪威经济学家弗里希，将计量经济学定义为__________、__________、__________三者的结合。 2．数理经济模型揭示经济活动中各个因素之间的__________关系，用__________性的数学方程加以描述，计量经济模型揭示经济活动中各因素之间__________的关系，用__________性的数学方程加以描述。 3．经济数学模型是用__________描述经济活动。 4．计量经济学根据研究对象和内容侧重面不同，可以分为__________计量经济学和__________计量经济学。 5．计量经济学模型包括__________和__________两大类。 6．建模过程中理论模型的设计主要包括三部分工作，即__________、____________________、____________________。 7．确定理论模型中所包含的变量，主要指确定__________。 8．可以作为解释变量的几类变量有__________变量、__________变量、__________变量和__________变量。 9．选择模型数学形式的主要依据是__________。 10．研究经济问题时，一般要处理三种类型的数据：__________数据、__________数据和__________数据。 11．样本数据的质量包括四个方面__________、__________、__________、__________。 12．模型参数的估计包括__________、__________和软件的应用等内容。 13．计量经济学模型用于预测前必须通过的检验分别是__________检验、__________检验、__________检验和__________检验。 14．计量经济模型的计量经济检验通常包括随机误差项的__________检验、__________检验、解释变量的__________检验。 15．计量经济学模型的应用可以概括为四个方面，即__________、__________、__________、__________。 16．结构分析所采用的主要方法是__________、__________和__________。 二、单选题： 1．计量经济学是一门（）学科。 A.数学 B.经济 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( 第二章 回归模型思考与练习参考答案 2.1参考答案 ⑴答：解释变量为确定型变量、互不相关（无多重共线性）；随机误差项零的值、同方差、非自相关；解释变量与随机误差项不相关。 现实经济中，这些假定难以成立。要解决这些问题就得对古典回归理论做进一步发展，这就产生了现代回归理论。 ⑵答：总体方差是总体回归模型中随机误差项i ε的方差；参数估计误差则属于样本回归模型中的概念，通常是指参数估计的均方误。参数估计的均方误为 MSE ()i i b b ?=E ()2?i i b b -=D ()i b ?=()[]ii u 12-'χχσ 即根据参数估计的无偏线，参数估计的均方误与其方差相等。而参数估计的方差又源于总体方差。因此，参数估计误差是总体方差的表现，总体方差是参数估计误差的根源。 ⑶答：总体回归模型 ()i i i x y E y ε+= 样本回归模型i i i e y y +=? i ε是因变量y 的个别值i y 与因变量y 对i x 的总体回归函数值() i x y E 的偏差；i e 为因变量y 的观测值i y 与因变量y 的样本回归函数值i y ?的偏差。 i e 在概念上类似于i ε，是对i ε的估计。 对于既定理论模型，OLS 法能使模型估计的拟和误差达最小。但或许我们可选择更理想的理论模型，从而进一步提高模型对数据的拟和程度。 ⑷答：2R 检验说明模型对样本数据的拟和程度；F 检验说明模型对总体经济关系的近似程度。 ()()()k k n R R k n Model Total k Model k m Error k Model F 111122--?-=---=--= 由02>??R F 可知，F 是2R 的单调增函数。对每一个临界值?F ，都可以找到一个2?R 与之对应，当22?>R R 时便有?>F F 。 ⑸答：在古典回归模型假定成立的条件下，OLS 估计是所有的线形无偏估计量中的有效估计量。 ⑹答：如果模型通过了F 检验，则表明模型中所有解释变量对被解释变量的影响显著。但这并不说明多个解释变量的影响都是显著的。建模开始时，常根据先验知识尽可能找出影响被解释变量的所有因素，这样就可能会选择不重要的因素作为解释变量。对单个解释变量的显著性检验可以剔除这些不重要的影响因素。 ⑺答：考虑两个经济变量y 与x ，及一组观测值(){},,2,1,,n i y x i i =。 第二章简单线性回归模型 2.1 （1）①首先分析人均寿命与人均GDP的数量关系，用Eviews分析：Dependent Variable: Y Method: Least Squares Date: 12/27/14 Time: 21:00 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001 R-squared 0.526082 Mean dependent var 62.50000 Adjusted R-squared 0.502386 S.D. dependent var 10.08889 S.E. of regression 7.116881 Akaike info criterion 6.849324 Sum squared resid 1013.000 Schwarz criterion 6.948510 Log likelihood -73.34257 Hannan-Quinn criter. 6.872689 F-statistic 22.20138 Durbin-Watson stat 0.629074 Prob(F-statistic) 0.000134 有上可知，关系式为y=56.64794+0.128360x1 ②关于人均寿命与成人识字率的关系，用Eviews分析如下：Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 21:10 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000 R-squared 0.716825 Mean dependent var 62.50000 Adjusted R-squared 0.702666 S.D. dependent var 10.08889 S.E. of regression 5.501306 Akaike info criterion 6.334356 Sum squared resid 605.2873 Schwarz criterion 6.433542 Log likelihood -67.67792 Hannan-Quinn criter. 6.357721 F-statistic 50.62761 Durbin-Watson stat 1.846406 Prob(F-statistic) 0.000001 由上可知，关系式为y=38.79424+0.331971x2 ③关于人均寿命与一岁儿童疫苗接种率的关系，用Eviews分析如下： 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. 第二章 简单线性回归模型 一、单项选择题（每题2分）： 1、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 2、最小二乘准则是指使（ ）达到最小值的原则确定样本回归方程。 A 、1 ?()n t t t Y Y =-∑ B 、1?n t t t Y Y = -∑ C 、?max t t Y Y - D 、21 ?()n t t t Y Y =-∑ 3、下图中“{”所指的距离是（ ）。 A 、随机误差项 B 、残差 C 、i Y 的离差 D 、?i Y 的离差 4、参数估计量?β是i Y 的线性函数称为参数估计量具有( )的性质。 A 、线性 B 、无偏性 C 、有效性 D 、一致性 5、参数β的估计量β? 具备最佳性是指（ ）。 A 、0)?(=βVar B 、)? (βVar 为最小 C 、0?=-ββ D 、)? (ββ-为最小 6、反映由模型中解释变量所解释的那部分离差大小的是( )。 A 、总体平方和 B 、回归平方和 C 、残差平方和 D 、样本平方和 7、总体平方和TSS 、残差平方和RSS 与回归平方和ESS 三者的关系是（ ）。 X 1?β+ i Y A 、RSS=TSS+ESS B 、TSS=RSS+ESS C 、ESS=RSS-TSS D 、ESS=TSS+RSS 8、下面哪一个必定是错误的（ ）。 A 、 i i X Y 2.030? += ，8.0=XY r B 、 i i X Y 5.175?+-= ，91.0=XY r C 、 i i X Y 1.25? -=，78.0=XY r D 、 i i X Y 5.312?--=，96.0-=XY r 9、产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为?356 1.5Y X =-，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、回归模型i i i X Y μββ++=10，i = 1，…，n 中，总体方差未知，检验 010=β：H 时，所用的检验统计量1 ? 1 1?βββS -服从（ ）。 A 、）（22 -n χ B 、）（1-n t C 、）（12-n χ D 、）（2-n t 11、对下列模型进行经济意义检验，哪一个模型通常被认为没有实际价值的（ ）。 A 、i C （消费）i I 8.0500+=（收入） B 、di Q （商品需求）i I 8.010+=（收入）i P 9.0+（价格） C 、si Q （商品供给）i P 75.020+=（价格） D 、i Y （产出量）6.065.0i K =（资本）4 .0i L （劳动） 12、进行相关分析时，假定相关的两个变量( )。 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 、随机或非随机都可以 13、假设用OLS 法得到的样本回归直线为i i i e X Y ++=2 1 ??ββ ，以下说法不正确的是( )。 A 、∑=0i e B 、),(Y X 一定在回归直线上 C 、Y Y =? D 、0),(≠i i e X COV 14、对样本的相关系数γ，以下结论错误的是（ ）。 A 、γ越接近0，X 和Y 之间的线性相关程度越高计量经济学习题及答案
计学(第六版)第七章课后练习答案
计量经济学教程(赵卫亚)课后答案第二章汇编
计量经济学_庞皓_第三版(附答案)
计量经济学导论：现代观点第四版习题答案
第二章习题及答案-计量经济学
相关主题
文本预览