计量经济学第六章课后作业

第六章课后答案6.1（１）收入—消费模型为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，d L=1.411，d U= 1.525，模型中DW<d L，显然消费模型中有自相关。

（３）采用广义差分法查5%显著水平的DW统计表可知d L = 1.402，d U = 1.519，模型中DW= 2.0972>d U，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：所以最终的消费模型为：6.2（1）给定n=16, ,在的显著水平下，查DW统计表可知，。

模型中，所以可以判断模型中存在正自相关。

给定n=16, ,在的显著水平下，查DW统计表可知，。

模型中，所以可以判断模型中不存在自相关。

（2）自相关可能由于模型6.1的误设，因为它排除了趋势的平方项。

（3）虚假自相关是由于模型的误设造成的，因此就要求对可能的函数形式有先验知识。

真正的自相关是可以通过广义差分法等方法来修正。

6.3（１）收入—消费模型为（２）DW＝0.575，取，查DW上下界，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的估计值，得DW=1.830，已知，模型中因此，在广义差分模型中已无自相关。

由差分方程式可以得出：因此，修正后的回归模型应为6.4（1）回归结果如下：（2）模型检验：从回归结果可以看出，参数均显著，模型拟和较好。

异方差的检验：通过white检验可以得知模型不存在异方差。

DW检验：给定n=25, ,在的显著水平下，查DW统计表可知，。

模型中，所以可以判断模型中存在正自相关。

（3）采用广义差分法修正模型中存在的自相关问题：给定n=24，,在的显著水平下，查DW统计表可知，。

计量经济学第六章作业思考题：6.1 如何使用DW统计量来进行自相关检验？该检验方法的前提条件和局限性有哪些？答：（1）DW 检验是J.Durbin(杜宾)和G.S.Watson(沃特森)于1951年提出的一种适用于样本容量大于等于15的检验自相关的方法，许多计量经济学和统计学计算机软件都可以计算出DW 值。

给定显著水平α，依据样本容量n和解释变量个数k’（不包括常数项），查D.W.分布表可得临界值（d统计量的上界d U和下界d L），当0<DW<d L时，表明存在一阶正自相关，而且正自相关的程度随DW向0的靠近而增强。

当d L<DW<d U时，表明为不能确定是否存在自相关。

当d U<DW<4-d U时，表明不存在一阶自相关。

当4-d U<DW<4-d L时，表明不能确定是否存在自相关。

当4-d L<DW<4时，表明存在一阶负自相关，而且负自相关的程度随DW向4的靠近而增强。

（2）DW检验的前提条件：<1>解释变量是非随机的（因此与随机扰动项不相关）；<2>随机扰动项是一阶自回归形式，即u t=ρu t-1 +v t (v t满足古典假定)；<3>线性模型的解释变量中不包含滞后的被解释变量，如不应出现下列形式：Y t =β1 +β2 X t +β 3 Y t-1 +u t；<4>截距项不为零，即只适用于有常数项的回归模型；<5>数据序列无缺失项，样本比较大。

（3）DW检验的局限性：<1>DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。

这时，只有增大样本容量或选取其他方法；<2>DW统计量的上、下界表要求n≥15, 这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断；<3> DW检验不适应随机误差项具有高阶序列相关的检验；<4> DW检验有运用的前提条件，只有符合这些条件DW检验才是有效的。

《计量经济学》第6章习题一、单项选择题1．当模型存在严重的多重共线性时，OLS 估计量将不具备（ ） A ．线性 B ．无偏性 C ．有效性 D ．一致性2．如果每两个解释变量的简单相关系数比较高，大于（ ）时则可认为存在着较严重的多重共线性。

A ．0.5B ．0.6C ．0.7D ．0.83．方差扩大因子VIF j 可用来度量多重共线性的严重程度，经验表明，VIF j （ ）时，说明解释变量与其余解释变量间有严重的多重共线性。

A ．小于5B ．大于1C ．小于1D ．大于104．对于模型01122i i i i Y X X u βββ=+++，与r 23等于0相比，当r 23等于0.5时，3ˆβ的方差将是原来的（ ）A ．2倍B ．1.5倍C ．1.33倍D ．1.25倍 5．无多重共线性假定是假定各解释变量之间不存在（ ）A ．线性关系B ．非线性关系C ．自相关D ．异方差 二、多项选择题1．多重共线性包括（ ）A ．完全的多重共线性B ．不完全的多重共线性C ．解释变量间精确的线性关系D ．解释变量间近似的线性关系E ．非线性关系2．多重共线性产生的经济背景主要由（ ）A ．经济变量之间具有共同变化趋势B ．模型中包含滞后变量C ．采用截面数据D ．样本数据自身的原因E ．模型设定误差 3．多重共线性检验的方法包括（ ）A ．简单相关系数检验法B ．方差扩大因子法C ．直观判断法D ．逐步回归法E ．DW 检验法 4．修正多重共线性的经验方法包括（ ） A ．剔除变量法 B ．增大样本容量C ．变换模型形式D ．截面数据与时间序列数据并用E ．变量变换 5．严重的多重共线性常常会出现下列情形（ ） A ．适用OLS 得到的回归参数估计值不稳定 B ．回归系数的方差增大C ．回归方程高度显著的情况下，有些回归系数通不过显著性检验D ．回归系数的正负号得不到合理的经济解释E ．预测精度降低一、单项选择题1.C2.D3.D4.C5.A 二、多项选择题1.AB2.ABCD3.ABCD4.ABCDE5.ABCDE三、简答题1．什么是多重共线性？产生多重共线性的经济背景是什么？所谓多重共线性（Multicollinearity ）是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。

第六章 虚拟变量的回归模型第一部分 学习目标和要求本章主要介绍虚拟变量的基本概念及其应用。

需要掌握并理解以下内容：（1） 虚拟变量的基本概念、虚拟变量分别作为解释变量和被解释变量的情形、虚拟变量回归模型的类型和解释变量个数选取规则； （2） 定量变量与不同数量定性变量（一对一、一对多和多对多）虚拟变量模型； （3） 应用虚拟变量改变回归直线的截距或斜率； （4） 分段线性回归；（5） 应用虚拟变量检验回归模型的结构稳定性、传统判别结构稳定性的方法及存在的缺陷、虚拟变量法比较两个回归方程的结构方法。

第二部分 练习题一、解释下列概念：1．虚拟变量2．方差分析模型（ANOV A ） 3．协方差模型（ANOCV A ） 4．基底5．级差截距系数 6．虚拟变量陷阱二、简要回答下列问题：1．虚拟变量在线性回归模型中的作用是什么？举例说明。

2．回归模型中虚拟变量个数的选取原则是什么？为什么？3．如果现在有月度数据，在对下面的假设进行检验时，你将引入几个虚拟变量？ A) 一年中的每月均呈现季节性波动趋势；B) 只有双数月份呈现季节性波动趋势。

4．如果现在让你着手检验上海和深圳两个股票市场在过去5年内的收益率是否有显著差异，如何使用虚拟变量进行？三、考虑如下模型：12i i i Y D u ββ=++其中，i D 对前20个观察值取0，对后30个观察值取1。

已知2()300i Var u =。

（1） 如何解释1β和2β？ （2） 这两组的均值分别是多少？（3） 已知12()15Cov ββ∧∧+=-。

如何计算12()ββ∧∧+的方差？四、考虑如下模型：12i i i i Y D X u ααβ=+++ 其中Y 代表一位大学教授的年薪； X 为从教年限； D 为性别虚拟变量。

考虑定义虚拟变量的三种方式：（1）D 对男性取值1，对女性取值0； （2）D 对女性取值1，对男性取值2； （3）D 对女性取值1，对男性取值－1；对每种虚拟变量定义解释上述回归模型。

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−1.286coll6.9870.4050.02350.295 (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+0.054age2−1.313coll35.930.610.05 2.690.05 (0.45)n=269，R2=0.1451，R2=0.1288。

6_1(1)由OLS做消费和收入的简单线性回归，结果如下：Variable Coefficient Std. Error t-Statistic Prob.C -126.5900 24.22363 -5.225890 0.0001R-squared 0.999048 Mean dependent var 2283.984Adjusted R-squared 0.998992 S.D. dependent var 2219.463S.E. of regression 70.44942 Akaike info criterion 11.44697Sum squared resid 84373.05 Schwarz criterion 11.54638Log likelihood -106.7462 F-statistic 17848.43Durbin-Watson stat 0.793774 Prob(F-statistic) 0.000000可决系数、F和T统计量均理想，模型拟合很好。

模型为x1=−126.59+1.3∗x2(2)DW检验：DW统计量为0.79，在一个解释变量，19个样本条件下，临界值为（1.18，1.41）所以模型存在正自相关。

LM检验：F-statistic 4.156959 Probability 0.036607Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/22/14 Time: 21:32C -14.84539 21.32425 -0.696174 0.4970X2 0.011521 0.009756 1.180936 0.2560RESID(-1) 0.445347 0.400708 1.111402 0.2839RESID(-2) 0.386097 0.399106 0.967406 0.3487R-squared 0.356607 Mean dependent var -6.42E-13Adjusted R-squared 0.227929 S.D. dependent var 68.46453S.E. of regression 60.15812 Akaike info criterion 11.21649Sum squared resid 54284.99 Schwarz criterion 11.41532Log likelihood -102.5567 F-statistic 2.771306Durbin-Watson stat 1.590142 Prob(F-statistic) 0.077809自由度为自相关分析：解释变量和被解释变量有显著二阶自相关。

第六章练习题及参考解答6.1 下表给出了美国1960-1995年36年间个人实际可支配收入X 和个人实际消费支出Y 的数据。

表6.6 美国个人实际可支配收入和个人实际消费支出 (单位：百亿美元)注：资料来源于Economic Report of the President ，数据为1992年价格。

要求：（1）用普通最小二乘法估计收入—消费模型；t t u X Y ++=221ββ（2）检验收入—消费模型的自相关状况（5%显著水平）； （3）用适当的方法消除模型中存在的问题。

练习题6.1参考解答:（１）收入—消费模型为 tt X Y 0.93594287.9ˆ+-=Se = (2.5043) (0.0075)t = (-3.7650) (125.3411)R 2 = 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，d L =1.411，d U = 1.525，模型中DW<d L ，显然消费模型中有自相关。

（３）采用广义差分法e t = 0.72855 e t-1**9484.07831.3ˆtt X Y +-=)8710.1(=Se （0.0189）t = （-2.0220） （50.1682）R 2 = 0.9871 F = 2516.848 d f = 33 DW = 2.0972查5%显著水平的DW 统计表可知d L = 1.402，d U = 1.519，模型中DW = 2.0972> d U ，说明广义差分模型中已无自相关。

同时，可决系数R 2、t 、F 统计量均达到理想水平。

9366137285501783131...ˆ=--=β最终的消费模型为 Y t = 13.9366+0.9484 X t6.2 在研究生产中劳动所占份额的问题时，古扎拉蒂采用如下模型模型1 t t u t Y ++=10αα模型2 t t u t t Y +++=2210ααα其中，Y 为劳动投入，t 为时间。

6.1 美国1960~1995年36年个人实际可支配收入X 和个人实际消费支出Y 的数据。

将数据录入可得1）用普通最小二乘法估计模型由上图可得，估计模型为：X Y 935866.0428745.9ˆ＋﹣=T=(﹣3.764951) （125.3411）F=15710.39 997841.02=R DW=0.5234282）检验自相关问题-------DW 检验根据DW=0.523428<411.1=L d ，可知此回归模型中误差项1μ，2μ......n μ间存在正相关关系。

3）用适当的方法消除模型中的问题----------广义差分法 首先得到t e 和1-t e 的回归结果。

如下图所示：由上图回归结果可知，回归方程为1721594.0ˆ﹣t t e e =故721594.0ρˆ=，对原模型进行广义差分，得到广义差分方差为 t t t t t X X Y Y υβ721594.01β1211）＋－（）＋－（－－－= 对广义差分方程进行回归，。

可得以下回归结果：可得回归方程为：••=t t X Y 948215.0858791.3ˆ＋﹣Se= (1.868548) (0.018453)t= (﹣2.065129) (51.38528)987656.02=R F=2640.445 DW=2.082177通过查表可知DW=1.255999>1.195，故可以判断不存在自相关关系。

画出t e 和1-t e 的散点图由图形可知，随机误差项之间不存在相关性。

6.3北京市连续19年城镇居民家庭人均收入与人均支出的数据1）为了消除价格变动因素对城镇居民人均收入和人均支出的影响，不宜直接采用现价的人均纯收入和现价的人均消费支出的数据，而需要采用经消费价格指数进行调整后的基期的可比价格计的人均纯收入和人居消费支出的数据作回归分析。

根据表中的数据，使用普通最小二乘法估计消费模型得：根据上图分析结果可知：21690488.093004.79ˆX X ＋= Se= (12.39919) (0.012877) t= (6.446390) (53.62068)994122.02=R 178.2875=F 574663.0=DW该方程的可决系数较高，回归系数显著，对于样本容量为19、一个解释变量的模型、1%的显著性水平，查DW 统计表可得，928.0=L d ，132.1=U d ，模型中DW<928.0=L d ，显然模型中存在自相关。

第六章自相关二、问答题1、那些原因可以造成自相关；2、存在自相关时，参数的OLS估计具有哪些性质；3、如何检验是否存在自相关；4、当存在自相关时，如何利用广义差分法进行参数估计；5、当存在自相关时，如何利用广义最小平方估计法进行参数估计；6、异方差与自相关有什么异同；三、计算题1、证明：当样本个数较大时，)d。

≈-1(2ρα2、通过D-W检验，判断下列模型中是否存在自相关，显著性水平%5=（1）样本大小：20；解释变量个数（包括常数项）：2；d=0.73；（2）样本大小：35；解释变量个数（包括常数项）：3；d=3.56；（3）样本大小：50；解释变量个数（包括常数项）：3；d=1.87；（4）样本大小：80；解释变量个数（包括常数项）：6；d=1.62；（5）样本大小：100；解释变量个数（包括常数项）：5；d=2.41；3、假定存在下表所示的时间序列数据：请回答下列问题：（1）利用表中数据估计模型：t t t x y εββ++=10；（2）利用D-W 检验是否存在自相关？如果存在请用d 值计算估计自相关系数ρ；（3）利用广义差分法重新估计模型：'''1011(1)()t t tt t y y x x ρβρβρε---=-+-+。

第三部分 参考答案二、问答题1、那些原因可以造成自相关？答：造成自相关的原因大致包括以下六个方面：（1）经济变量的变化具有一定的倾向性。

在实际的经济现象中，许多经济变量的现值依赖于他的前期值。

也就是说，许多经济时间序列都有一个明显的相依性特点，这种现象称作经济变量所具有的惯性。

（2）缺乏应有变量的设定偏差。

（3）不正确的函数形式的设定错误。

（4）蛛网现象和滞后效应。

（5）随机误差项的特征。

（6）数据拟合方法造成的影响。

2、存在自相关时，参数的OLS 估计具有哪些性质？答：当存在自相关，即I D ≠ΩΩ=,)(2σε时，OLS 估计的性质有：（1）βˆ是观察值Y 和X 的线性函数；（2）βˆ是β的无偏估计；（3）βˆ的协方差矩阵为112)()()ˆ(--'Ω''=X X X X X X D σβ；（4）βˆ不是β的最小方差线性无偏估计；（5）如果nX X n Ω'∞→lim存在，那么βˆ是β的一致估计；（6）2σ 不是2σ的无偏估计；（7）2σ不是2σ的一致估计。

计量经济学第六章课后作业—.单选1 .如果模型存在自相关性，则模型参数的普通最小二乘估计量（D ） B.有偏且非有效C.有偏但有效D.无偏但非有效2 .下面哪一项不能用于回归模型高阶自相关的检验（A ）A.DW 检验B.偏自相关检验C.BG 检验D.拉格朗日乘数检验3.当DW>4-九则认为随机误差项J （D ）B.无一阶序列相关 D.存在一阶负自相关 则根据样本回归模型残差估计的一阶自相关C.OD.0.55 .如果模型y=α+H,+j 存在自相关，贝IJ （D ）A.Cov{x i ,^.)=0B.Cov(j,%∙)=0(iw j)C.Cov{x i ,εi )≠0D.Cov(εi ,)≠0(^≠j)6 .根据20个观测值估计的结果，一元线性回归模型的DW=2.28。

在样本容量n=20,解释变量个数k=1,显著水平为0.05时，查得dk1.2,d u =1.41,则可以判断模型的自相关情况为（A ）1.下列说法正确的是（ABC ）A.无偏且有效 A.不存在一阶负自相关 C.存在一阶正自相关4.已知DW 统计量的值接近于2. 系数力近似等于（C ）A.1B.-1C.存在负的一阶自D.无法确定A.DW 检验可用于检验模型是否存在一阶自相关B.偏相关系数检验可用于检验模型是否存在一阶自相关C.拉格朗日乘数检验可用于检验模型是否存在一阶自相关D.布罗斯-戈弗雷检验只能用于检验模型是否存在一阶自相关 2 .模型产生自相关性的主要原因有( A.模型中遗漏了重要解释变量 C.模型函数形式的设定误差3 .模型出现自相关性带来的影响有( A.O1S 估计仍是无偏有效估计 C.增大模型的预测误差4 .可用于高阶自相关检验的方法有( A.DW 检验 B.BG 检验 CWhite 检验D.偏相关系数检验5 .应用DW 检验方法时应满足该方法的假定条件，下列是其假定条件的有 (ABCD)A.解释变量为非随机的B.截距项不为零C.随机误差项服从一阶自回归D.数据无缺失项三 .填空1对于线性回归模型，如果随机误差项的各期值之间存在相关关系，则称模型出现了自相关性。

计量经济学习题第6章多重共线性第6章多重共线性⼀、单项选择题1、当模型存在严重的多重共线性时，OLS估计量将不具备（）A、线性B、⽆偏性C、有效性D、⼀致性2、经验认为某个解释与其他解释变量间多重共线性严重的情况是这个解释变量的VIF（）A、⼤于B、⼩于C、⼤于5D、⼩于53、模型中引⼊实际上与解释变量有关的变量，会导致参数的OLS估计量⽅差（）A、增⼤B、减⼩C、有偏D、⾮有效4、对于模型y t=b0+b1x1t+b2x2t+u t，与r12=0相⽐，r12＝0.5时，估计量的⽅差将是原来的（）A、1倍B、1.33倍C、1.8倍D、2倍5、如果⽅差膨胀因⼦VIF＝10，则什么问题是严重的（）A、异⽅差问题B、序列相关问题C、多重共线性问题D、解释变量与随机项的相关性6、在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在( )A 异⽅差B 序列相关C 多重共线性D ⾼拟合优度7、存在严重的多重共线性时，参数估计的标准差（）A、变⼤B、变⼩C、⽆法估计D、⽆穷⼤8、完全多重共线性时，下列判断不正确的是（）A、参数⽆法估计B、只能估计参数的线性组合C、模型的拟合程度不能判断D、可以计算模型的拟合程度⼆、多项选择题1、下列哪些回归分析中很可能出现多重共线性问题（）A、资本投⼊与劳动投⼊两个变量同时作为⽣产函数的解释变量B、消费作被解释变量，收⼊作解释变量的消费函数C、本期收⼊和前期收⼊同时作为消费的解释变量的消费函数D、商品价格、地区、消费风俗同时作为解释变量的需求函数E、每亩施肥量、每亩施肥量的平⽅同时作为⼩麦亩产的解释变量的模型2、当模型中解释变量间存在⾼度的多重共线性时（）A、各个解释变量对被解释变量的影响将难以精确鉴别B、部分解释变量与随机误差项之间将⾼度相关C、估计量的精度将⼤幅度下降D、估计对于样本容量的变动将⼗分敏感E、模型的随机误差项也将序列相关3、下述统计量可以⽤来检验多重共线性的严重性（）A、相关系数B、DW值C、⽅差膨胀因⼦D、特征值E、⾃相关系数4、多重共线性产⽣的原因主要有（）A、经济变量之间往往存在同⽅向的变化趋势B、经济变量之间往往存在着密切的关联C、在模型中采⽤滞后变量也容易产⽣多重共线性D、在建模过程中由于解释变量选择不当，引起了变量之间的多重共线性E、以上都正确5、多重共线性的解决⽅法主要有（）A、保留重要的解释变量，去掉次要的或替代的解释变量B、利⽤先验信息改变参数的约束形式C、变换模型的形式D、综合使⽤时序数据与截⾯数据E、逐步回归法以及增加样本容量6、关于多重共线性，判断错误的有（）A、解释变量两两不相关，则不存在多重共线性B、所有的t检验都不显著，则说明模型总体是不显著的C、有多重共线性的计量经济模型没有应⽤的意义D、存在严重的多重共线性的模型不能⽤于结构分析7、模型存在完全多重共线性时，下列判断正确的是（）A、参数⽆法估计B、只能估计参数的线性组合C、模型的判定系数为0D、模型的判定系数为1三、简述1、什么是多重共线性？产⽣多重共线性的原因是什么？2、什么是完全多重共线性？什么是不完全多重共线性？3、完全多重共线性对OLS估计量的影响有哪些？4、不完全多重共线性对OLS估计量的影响有哪些？5、从哪些症状中可以判断可能存在多重共线性？6、什么是⽅差膨胀因⼦检验法？四、判断（1）如果简单相关系数检测法证明多元回归模型的解释变量两两不相关，则可以判断解释变量间不存在多重共线性。

• 2、数据采集的范围有限，或采集 的样本量小于模型的自变量个数。
• 如在罕见疾病的研究过程中，由于病 情罕见、病因又相当复杂，而只能在 少数的患者身上采集大量的变量信息。
3、模型中采用滞后变量
在计量经济模型中，往往需要引入 滞后变量来反映真实的经济关系。 例如，消费=f(当期收入, 前期收入） 显然，两期收入间有较强的线性相 关性。
up
三、方差膨胀因子法
• 自变量间的共线性程度越大时,VIF值也随之 增大。所以也可利用方差膨胀因子来检验 多重共线性问题。 • 一般来说，当VIF >10时，表明 涉及的两个 变量存在高度线性相关，模型存在不完全 多重共线性。
P111 【经典实例】
• 计算得到的方差膨胀因子值分别为
VIF1 =10000,VIF2 =10000,VIF3 =9.6525,VIF4 =11.5875
2 2 2 1
同理易得
ˆ ) Var( 2
• EVIEWS遇到完全多重共线性时，会 显示 • Near singular matrix，无法进行估 计
2、不完全多重共线性下的后果
（1）估计量的方差增大 2 2 x 2 ˆ) 由于 Var ( 1 2 x12x2 (x1 x2 )2
• 可以看出，除了 VIF3 10 ，其余的方 差膨胀因子值均大于10,表明模型中 存在较严重的多重共线性问题。
up
第三节 多重共线性的修正 一、改变模型的形式 二、删除自变量 三、减少参数估计量的方差 四、其它方法 习题
up
• 一、改变模型的形式
• （一）变换模型的函数形式
• 例如将线性回归模型转化为对数模 型或者多项式模型。 • （二）改变模型的自变量的形式

统计学2班第五次作业1、⑴t t X Y μββ++=2212935866.0428745.9ˆX Y t +-= T （-3.764951）（125.3411）997841.02=R F=15710.39 DW=0.523428⑵该回归方程可决系数高，回归系数均显著。

对样本量为36，一个解释变量的模型，5%的显著性水平下，查DW 统计表可知，411.1=L d 525.1=U d ，模型中DW<L d ，显然模型中存在自相关。

从残差图中也可看出。

残差图如下残差的变动有系统模式，连续为正和连续为负，表明残差序列存在一阶正自相关。

⑶采用广义差分法： 对t e 进行滞后一期的自回归得回归方程172855.0ˆ-=t t e e，由此可知72855.0ˆ=ρ，对原模型进行广义差分，得广义差分模型：t t t t t X X Y Y υββ+-+-=---)72855.0()72855.01(72855.01211 对广义差分方程进行回归**948406.0783059.3ˆtt X Y +-= T （-2.021984）（50.16820）987058.02=R F=2516.848 DW=2.097157其中1*72855.0--=t t t Y Y Y 1*72855.0--=t t t X X X由于使用广义差分数据，样本容量减少了一个，为35个。

在显著性水平5%下。

查得402.1=L d 519.1=U d ，模型中DW=2.097157>519.1=U d ，说明在5%显著性水平下广义差分模型中已无自相关。

得最终模型：2948406.09365.13ˆX Y t +-=2、⑴X 1：人均收入/元 Y 1：人均生活消费支出/元 X 3：商品零售物价指数/%X 2：人均实际收入/元 Y 2：人均实际支出/元 建立居民收入-消费模型为：t t t X Y μββ++=21采用根据物价指数调整后的数据。

第六章习题6.1（1）Y=79.93004+0.690488X（2）1）残差图残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶自相关。

2）DW=0.574663，查表可知DW的上下界4.118.1＝，＝UL dd0≤DW≤d L 误差项存在着自相关3）补救（广义差分法）ρ=0.657352Yt*=35.97761+0.668695Xt*其中，Yt*=Yt-0.657352Yt(-1), Xt*=Xt-0.657352Xt(-1)4）检验样本容量18个，在5%显著水平下DW上下界，dL=1.158,dU=1.391 模型中DW=1,830746，dU<DW<4-dU，说明在5%的显著水平下广义差分模型中已无自相关。

可决系数R2，t，F统计量也均达到理想水平。

5)由差分方程，β1=35.97761/(1-0.657352)=104.9987 最终的消费模型为:Y=104.9987+0.668695X(3)经济意义：人均实际收入每增加1元，人均实际消费支出将增加0.669262元。

6.2(1)DW=0.601376,查表可知DW的上下界469.1316.1＝，＝UL dd，0≤DW≤d L 误差项存在着自相关.（2）广义差分法1）ρ=0.700133 2）Yt*=-490.4053+0.260988Xt*其中，Yt*=Yt-0.700133Yt(-1), Xt*=Xt-0.700133Xt(-1) 3）检验:样本容量26个，在5%显著水平下DW上下界，dL=1.302,dU=1.461 模型中DW=1.652168，dU<DW<4-dU，说明在5%的显著水平下广义差分模型中已无自相关。

可决系数R2，t，F统计量也均达到理想水平。

4）由差分方程，β1=-490.4053/(1-0.700133)=-1635.4093 最终的模型为:Y=-1635.4093+0.260988X6.3(1)（2）1）检验：DW=0.440822,查表可知DW的上下界461.1302.1＝，＝UL dd，0≤DW ≤d L 误差项存在着自相关。

第6章多元回归分析：深入专题6.1复习笔记一、数据的测度单位对OLS 统计量的影响1．数据的测度单位对OLS 统计量无实质性影响当对变量重新测度时，系数、标准误、置信区间、t 统计量和F 统计量改变的方式，都不影响所有被测度的影响和检验结果。

怎样度量数据通常只起到非实质性的作用，如减少所估计系数中小数点后零的个数等。

通过对度量单位明智的选择，可以在不做任何本质改变的情况下，改进所估计方程的形象。

对任何一个x i ，当它在回归中以log（x i ）出现时，改变其度量单位也只能影响到截距。

这与对百分比变化和（特别是）弹性的了解相对应：它们不会随着y 或x i 度量单位的变化而变化。

2．β系数原始方程：0112233ˆˆˆˆˆˆi i i i k iki y x x x x u βββββ=++++⋅⋅⋅++减去平均方程，就可以得到：111222333ˆˆˆˆˆ(((()i i i i k ik ki y y x x x x x x x x u ββββ-=-+-+-+⋅⋅⋅+-+令ˆy σ为因变量的样本标准差，1ˆσ为x 1的样本标准差，2ˆσ为x 2的样本标准差，等等。

然后经过简单的运算就可以得到方程：11111ˆˆˆˆˆˆˆˆˆˆˆ()/(/)[(/](/)[()/](/)i y y i k y k ik kk i y y y x x x x u σσσβσσσβσσ-=-+⋅⋅⋅+-+将每个变量都用其z 得分标准化，就得到一些新的斜率参数。

截距项则完全消失。

省略下标i 改写标准化的方程为：11ˆˆy k kz b z b z =+⋅⋅⋅++误差其中：ˆˆˆˆ(/)1,2,,j j y jb j k σσβ=∀=⋅⋅⋅，传统上称这些ˆjb 为标准化系数或β系数。

β系数的含义为：如果x j 提高一倍的标准差，那么ˆy 就变化ˆjb 倍的标准差。

β以标准差为单位，使得回归元的度量单位无关紧要，因此这个方程把所有解释变量都放到相同的地位上。

第一章绪论之阳早格格创做参照沉面：计量经济教的普遍建模历程第一章课后题（1.4.5）1.什么是计量经济教？计量经济教要领与普遍经济数教要领有什么辨别？问：计量经济教是经济教的一个分支教科，是以掀穿经济活动中客瞅存留的数量闭系为真量的分支教科，是由经济教、统计教战数教三者分离而成的接叉教科.计量经济教要领掀穿经济活动中各个果素之间的定量闭系，用随机性的数教圆程加以形貌；普遍经济数教要领掀穿经济活动中各个果素之间的表里闭系，用决定性的数教圆程加以形貌.4.建坐与应用计量经济教模型的主要步调有哪些？问：建坐与应用计量经济教模型的主要步调如下：(1)设定表里模型，包罗采用模型所包罗的变量，决定变量之间的数教闭系战拟定模型中待估参数的数值范畴；(2)支集样本数据，要思量样本数据的完备性、准确性、可比性战—致性；(3)预计模型参数；(4)考验模型，包罗经济意思考验、统计考验、计量经济教考验战模型预测考验.5.模型的考验包罗几个圆里？其简曲含意是什么？问：模型的考验主要包罗：经济意思考验、统计考验、计量经济教考验、模型的预测考验.正在经济意思考验中，需要考验模型是可切合经济意思，考验供得的参数预计值的标记与大小是可与根据人们的体味战经济表里所拟订的憧憬值相切合；正在统计考验中，需要考验模型参数预计值的稳当性，即考验模型的统计教本量；正在计量经济教考验中，需要考验模型的计量经济教本量，包罗随机扰动项的序列相闭考验、同圆好性考验、阐明变量的多沉共线性考验等；模型的预测考验主要考验模型参数预计量的宁静性以及对付样本容量变更时的敏捷度，以决定所建坐的模型是可不妨用于样本瞅测值以中的范畴.第二章典范单圆程计量经济教模型：一元线性返回模型参照沉面：1.相闭分解与返回分解的观念、通联以及辨别？2.总体随机项与样本随机项的辨别与通联？3.为什么需要举止拟合劣度考验？4．怎么样缩小置疑区间？（P46）由上式不妨瞅出（1）.删大样本容量.样本容量变大，可使样本参数预计量的尺度好减小；共时，正在共样置疑火仄下，n越大，t分散表中的临界值越小.（2）普及模型的拟合劣度.果为样本参数预计量的尺度好战残好仄圆战呈正比，模型的拟合劣度越下，残好仄圆战应越小.5．以一元线性返回为例，写出β0的假设考验1）.对付总体参数提出假设H0：b0=0，H1：b0¹02）以本假设H0构制t统计量，3）由样本预计其值4）给定隐著性火仄a，查t分散表得临界值t a/2(n-2)5）比较，推断若|t|> t a/2(n-2)，则中断H0，担当H1；若|t|£ t a/2(n-2)，则中断H1，担当H0；上届沉面：一元线性返回模型的基础假设、随机缺面项爆收的本果、最小二乘法、参数经济意思、决断系数、第二章PPT 里的表（华夏住户人均消耗开销对付人均GDP的返回）、t 考验（△（仄圆）代表意思；△（仄圆）的认识）、不妨读懂Eviews输出的预计截止第二章课后题（1.3.9.10）1.为什么计量经济教模型的表里圆程中必须包罗随机搞扰项？（典范模型中爆收随机缺面的本果）问：计量经济教模型观察的是具备果果闭系的随机变量间的简曲通联办法.由于是随机变量，表示着效率被阐明变量的果素是搀纯的，除了阐明变量的效率中，另有其余无法正在模型中独力列出的百般果素的效率.那样，表里模型中便必须使用一个称为随机搞扰项的变量宋代表所有那些无法正在模型中独力表示出去的效率果素，以包管模型正在表里上的科教性.3.一元线性返回模型的基础假设主要有哪些？违背基础假设的模型是可不不妨预计？问：线性返回模型的基础假设有二大类：一类是闭于随机搞扰项的，包罗整均值，共圆好，不序列相闭，谦脚正态分散等假设；另一类是闭于阐明变量的，主要有：阐明变量利害随机的，假如随机变量，则与随机搞扰项不相闭.本量上，那些假设皆是针对付一般最小二乘法的.正在违背那些基础假设的情况下，一般最小二乘预计量便不再是最好线性无偏偏预计量，果此使用一般最小二乘法举止预计己无多大意思.但是模型自己仍旧不妨预计的，越收是不妨通过最大似然法等其余本理举止预计.假设1. 阐明变量X是决定性变量，不是随机变量；假设2. 随机缺面项m具备整均值、共圆好战不序列相闭性：E(m i)=0i=1,2, …,nVar (m i)=s m2 i=1,2, …,nCov(m i, m j)=0i≠j i,j= 1,2, …,n假设3. 随机缺面项m与阐明变量X之间不相闭：Cov(X i, m i)=0 i=1,2, …,n假设4.m遵循整均值、共圆好、整协圆好的正态分散m i~N(0, sm2) i=1,2, …,n假设5. 随着样本容量的无限减少，阐明变量X的样本圆好趋于一有限常数.即假设6. 返回模型是精确设定的9、10题为预计题，睹课本P52，问案睹P17第三章典范单圆程计量经济教模型：多元线性返回模型上届沉面：F考验、t考验安排的样本决断系数、“多元”里为什么要对付△（仄圆）系数举止安排？第三章课后题（1.2.7.9.10）1.多元线性返回模型的基础假设是什么？正在道明最小二乘预计量的无偏偏性战灵验性的历程中，哪些基础假设起了效率？问：多元线性返回模型的基础假定仍旧是针对付随机搞扰项与针对付阐明变量二大类的假设.针对付随机搞扰项的假设有：整均值，共圆好，无序列相闭且遵循正态分散.针对付阐明量的假设有；阐明变量应具备非随机性，如果后随机的，则不克不迭与随机搞扰项相闭；各阐明变量之间不存留(真足)线性相闭闭系.正在道明最小二乘预计量的无偏偏性中，利用了阐明变量非随机大概与随机搞扰项不相闭的假定；正在灵验性的道明中，利用了随机搞扰项共圆好且无序列相闭的假定.2.正在多元线性返回分解中，t考验战F考验有何分歧？正在一元线性返回分解中二者是可有等价效率？（睹课本P70）问：正在多元线性返回分解中，t考验常被用做考验返回圆程中各个参数的隐著性，而F考验则被用做考验所有返回闭系的隐著性.各阐明变量共同起去对付被阐明变量有隐著的线性闭系，本去不料味着每一个阐明变量分别对付被阐明变量有隐著的线性闭系.正在一元线性返回分解中，二者具备等价效率，果为二者皆是对付共共的假设——阐明变量的参数等于整一一举止考验.7、9、10题为预计题，睹课本P91，问案睹P53第四章典范单圆程计量经济教模型：搁宽基础假定的模型沉面掌握：参照沉面：1.以多元线性返回为例道明同圆好性会爆收何如的成果？（大概为叙述题）2.考验、建正同圆好性的要领？3.以多元线性返回为例道明序列相闭会爆收何如的成果？（预测，矩阵表白式推到）4.考验、建正序列相闭的要领？5.什么是DW考验法（前提条件）？7.考验、建正多沉共线性的要领？8.随机阐明变量问题的三种分类？分别制成的成果是什么？1）与所代替的随机阐明变量下度相闭2）与随机搞扰项不相闭3）与模型中其余阐明变量不相闭，以预防出现多沉共线性上届沉面：同圆好、序列相闭、多沉共线性等违背基础假设的情况爆收本果、成果、辨别办法要领、D.W、广义好分法第四章课后题（1.2）1、2题为预计题，睹课本P134，问案睹P84第五章典范单圆程计量经济教模型：博门问题上届沉面：假制变量的含意与设定、滞后变量的含意、为何加进滞后战假制变量第五章课后题（1.3.4.10）1.返回模型中引进假制变量的效率是什么？有哪几种基础的引进办法？它们各切合用于什么情况？问：正在模型中引进假制变量，主假如为了觅找某(些)定性果素对付阐明变量的效率.加法办法与乘法办法是最主要的引进办法.前者主要适用于定性果素对付截距项爆收效率的情况，后者主要适用于定性果素对付斜率项爆收效率的情况.除别的，还不妨加法与乘法拉拢的办法引进假制变量，那时可测度定性果素对付截距项与斜率项共时爆收效率的情况.3.滞后变量模型有哪几种典型？分散滞后模型使用OLS要领存留哪些问题？问：滞后变量模型有分散滞后模型战自返回模型二大类，前者惟有阐明变量及其滞后变量动做模型的阐明变量，不包罗被阐明变量的滞后变量动做模型的阐明变量；而后者则以当期阐明变量与被阐明变量的若搞期滞后变量动做模型的阐明变量.分散滞后模型有无克日的分散滞后模型战有克日的分散滞后模型；自返回模型又以Coyck模型、自切合预期模型战局部安排模型最为多睹.分散滞后模型使用OLS法存留以下问题：(1)对付于无克日的分散滞后模型，由于样本瞅测值的有限性，使得无法间接对付其举止预计.(2)对付于有克日的分散滞后模型，使用OLS要领会逢到：不先验规则决定滞后期少度，对付最大滞后期的决定往往戴有主瞅随意性；如果滞后期较少，由于样本容量有限，当滞后变量数目减少时，必定使得自由度缩小，将缺累脚够的自由度举止预计战考验；共名变量滞后值之间大概存留下度线性相闭，即模型大概存留下度的多沉共线性.4.爆收模型设定偏偏误的主要本果是什么？模型设定偏偏误的成果以及考验要领有哪些？问：爆收模型设定偏偏误的本果主要有：模型制定者不认识相映的表里知识；对付经济问题自己认识不敷大概不认识前人的相闭处事：模型制定者脚头不相闭变量的数据；阐明变量无法丈量大概数据自己存留丈量缺面.模型设定偏偏误的成果有：（1）如果遗漏了要害的阐明变量，会制成OLS预计量正在小样本下有偏偏，正在大样本下非普遍；对付随机搞扰项的圆好预计也是有偏偏的.（2）如果包罗了无闭的阐明变量，纵然OLS预计量具备无偏偏性与普遍性，但是不具备最小圆好性.（3）如果采用了过失的函数形式，则成果是齐圆背的，不但会制成预计的参数具备真足分歧的经济意思，而且预计截止也分歧.对付模型设定偏偏误的考验要领有：考验是可含有无闭变量，不妨使用t考验与F考验完毕：考验是可有相闭变量的遗漏大概函数形式设定偏偏误，不妨使用残好图示法，Ramsey提出的RESET考验去完毕.10.简述约化建模表里与保守表里的同共面？问：Hendry的约化建模表里的核心是“从普遍到简朴”的建模思维，即最先提出一个包罗百般果素正在内的“普遍”模型，而后再通过瞅测数据，利用百般考验对付模型举止考验并化简，末尾得到一个相对付简朴的模型.保守建模表里的主宰思维是“从简朴到搀纯”的建模思维，它最先提出一个简朴的模型，而后从百般大概的备选变量中采用切合的变量加进模型，末尾得到一个与数据拟合较好的较为搀纯的模型.从二者的主要通联上瞅，它们皆以对付经济局里的阐明为目标，以已有的经济表里为建模依据，以对付数据的拟合程度动做模型劣劣的要害的判决尺度之一，也皆有若搞考验标推.从二者的主要辨别上瞅，保守的建模表里往往更依好于某种简朴的经济表里，旧“从普遍到简朴”的建模表里则更注沉将百般分歧经济表里纳进到最初的“普遍”模型中，以至更多天是从曲观战体味去建坐“普遍”的模型；纵然二者皆有若搞种考验尺度，但是约化建模表里从试验上有更洪量的诊疗性考验去瞅每一步建模的可止性，大概觅找革新模型的路径：与保守建模试验中存留的过度“数据启采”问题相比，由于约化建模表里的初估模型是一个包罗所有大概变量的“普遍”模型，果此也便预防了过分的“数据启采”问题；其余，由于初初模型的“普遍”性，所有钻研者正在建模的初期往往有着相共的“起面”，果此，正在相共的约化步调下，末尾得到的最后模型也该当是相共的.而保守建模试验中对付共已经济问题往往有百般分歧经济表里去阐明，如果分歧的钻研者采与分歧的经济表里建模，得到的最后模型也会分歧.天然，由于约化建模表里有更多的考验，使得建模历程更搀纯，相比之下，保守建模圆规则越收“机动”.第六章联坐圆程计量经济教模型表里与要领上届沉面：内死变量、中死变量、先定变量、结构式模型、简化式模型、参数闭系体系、模型辨别第六章课后题（1.2.3.）1.为什么要建坐联坐圆程计量经济教模型？联坐圆程计量经济教模型适用于什么样的经济局里？问：经济局里是极为搀纯的，其中诸果素之间的闭系，正在很多情况下，不是简朴圆程所能形貌的那种简朴的单背果果闭系，而是相互依存，互为果果的，那时，便必须用联坐的计量经济教圆程才搞形貌领会.所以与单圆程适用于简朴经济局里的钻研相比，联坐圆程计量经济教模型适用于形貌搀纯的经济局里，即经济系统.2.联坐圆程计量经济教模型的辨别情景不妨分为几类？其含意各是什么？问：联坐圆程计量经济教模型的辨别情景不妨分为可辨别战不可辨别，可辨别又分为恰好辨别战过分辨别.如果联坐圆程计量经济教模型中某个结构圆程不具备决定的统计形式，则称该圆程为不可辨别，大概者根据参数闭系体系，正在已知简化式参数预计值时，如果不克不迭得到联坐圆程计量经济教模型中某个结构圆程的决定的结构参数预计值，称该圆程为不可辨别.如果一个模型中的所有随机圆程皆是不妨识别的，则认为该联坐圆程计量经济教模型系统是不妨识别的.反过去，如果一个模型系统中存留一个不可识别的随机圆程，则认为该联坐圆程汁量经济教模型系统是不不妨识别的.如果某一个随机圆程具备唯一一组参数预计量，称其为恰好辨别；如果某一个随机圆程具备多组参数预计量，称其为过分辨别.3.联坐圆程计量经济教模型的单圆程预计有哪些主要要领？其适用条件战统计本量各是什么？问：单圆程预计的主要要领有：狭义的工具变量法(IV)，间接最小二乘法(ILS)，二阶段最小二乘法(2SLS).狭义的工具变量法(IV)战间接最小二乘法(ILS)只适用于恰好识别的结构圆程的预计.二阶段最小二乘法(2SLs)既适用于恰好识别的结构圆程，又适用于过分识别的结构圆程.用功具变量法预计的参数，普遍情况下，正在小样本下是有偏偏的，但是正在大样本下是渐近无偏偏的.如果采用的工具变量与圆程随机搞扰项真足不相闭，那么其参数预计量是无偏偏预计量.对付于间接最小二乘法，对付简化式模型应用一般最小二乘法得到的参数预计量具备线性性、无偏偏性、灵验性.通过普遍闭系体系预计得到结构圆程的结构参数预计量正在小样本下是有偏偏的，正在大样本下是渐近无偏偏的.采与二阶段最小二乘法得到结构圆程的结构参数预计量正在小样本下是有偏偏的，正在大样本下是渐近无偏偏的.补充资料预计题（一）给出多元线性返回的截止1.推断模型预计的截止怎么样，拟合效验怎么样？2.道明每一个参数所代表的经济意思？3.推断有不违背四个基础假设？预计题（二）给出数值，预计：1.t考验，F考验的自由度2.正在给定隐著性火仄下参数是可隐著？3.预计值是有偏偏、无偏偏、灵验？预计题（三）加进假制变量D1,D2,D3问：假制变量的经济含意？。

第一章绪论参考重点：计量经济学的一般建模过程第一章课后题〔1.4.5〕1.什么是计量经济学计量经济学方法与一般经济数学方法有什么区别答：计量经济学是经济学的一个分支学科，是以提醒经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的穿插学科。

计量经济学方法提醒经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法提醒经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。

4.建设与应用计量经济学模型的主要步骤有哪些答：建设与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。

5.模型的检验包括几个方面其具体含义是什么答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。

在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经历和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建设的模型是否可以用于样本观测值以外的范围。

第二章经典单方程计量经济学模型：一元线性回归模型参考重点：1.相关分析与回归分析的概念、联系以及区别2.总体随机项与样本随机项的区别与联系3.为什么需要进展拟合优度检验4．如何缩小置信区间〔P46〕由上式可以看出〔1〕.增大样本容量。

样本容量变大，可使样本参数估计量的标准差减小；同时，在同样置信水平下，n越大，t分布表中的临界值越小。