下载文档原格式
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。
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，比如说，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：01122ˆˆˆˆˆi i i k iki y ββx βx βx u =+++++ 减去平均方程，就可以得到：()()()111222ˆˆˆˆi i i k ik ki y y βx x βx x βx x u -=-+-++-+ 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 k y i y y y σσσβx x σσσβx x σuσ⎡⎤⎡⎤-=-++-+⎣⎦⎣⎦每个变量都用其z 得分而被标准化，这就得到一些新的斜率参数。
截距项则完全消失：11ˆˆy k kz b z b z =+++误差 新的系数是：()ˆˆˆˆ/,1,,jj y b j k ==σσβ传统上称这些ˆjb 为标准化系数或β系数。
以标准差为单位，由于它使得回归元的度量单位无关紧要，所以这个方程把所有解释变量都放到相同的地位上。
在一个标准的OLS 方程中，不可能只看不同系数的大小，也不可能断定具有最大系数的解释变量就“最重要”。
通过改变x i 的度量单位，可以任意改变系数的大小。
第六章自相关性6.1 自相关性：6.1.1. 非自相关假定由第2章知回归模型的假定条件之一是，Cov(u i, u j) = E(u i u j) = 0, (i, j∈T, i≠j), (6.1)即误差项u t的取值在时间上是相互无关的。
称误差项u t非自相关。
如果Cov (u i,u j ) ≠ 0, (i≠j)则称误差项u t存在自相关。
自相关又称序列相关。
原指一随机变量在时间上与其滞后项之间的相关。
这里主要是指回归模型中随机误差项u t与其滞后项的相关关系。
自相关也是相关关系的一种。
6.1.2．一阶自相关自相关按形式可分为两类。
(1)一阶自回归形式当误差项u t只与其滞后一期值有关时，即u t = f (u t - 1) + v t称u t具有一阶自回归形式。
(2) 高阶自回归形式当误差项u t的本期值不仅与其前一期值有关，而且与其前若干期的值都有关系时，即u t = f (u t– 1, u t– 2 , …u t– p ) + v t则称u t具有P阶自回归形式。
通常假定误差项的自相关是线性的。
因计量经济模型中自相关的最常见形式是一阶自回归形式，所以下面重点讨论误差项的线性一阶自回归形式，即u t = α1 u t -1 + v t(6.2)其中α1是自回归系数，v t 是随机误差项。
v t 满足通常假设E(v t) = 0, t = 1, 2 …,T,Var(v t) = σv2, t = 1, 2 …,T,Cov(v i , v j ) = 0, i ≠ j , i , j = 1, 2 …, T , Cov(u t -1, v t ) = 0, t = 1, 2 …, T ,依据普通最小二乘法公式，模型（6.2）中 α1 的估计公式是，1ˆa= ∑∑=-=-Tt t Tt t t u u u 22121(1ˆβ=∑---2)())((x x x x y y t t t ) (6.3)其中T 是样本容量。
