计量经济学计算题试题库

  • 格式:doc
  • 大小:702.00 KB
  • 文档页数:38

. Word 资料 五、简答题: 1.给定一元线性回归模型:

tttXY10 nt,,2,1 (1)叙述模型的基本假定;(2)写出参数0和1的最小二乘估计公式; (3)说明满足基本假定的最小二乘估计量的统计性质; (4)写出随机扰动项方差的无偏估计公式。 2.对于多元线性计量经济学模型:

tktktttXXXY33221 nt,,,21 (1)该模型的矩阵形式及各矩阵的含义; (2)对应的样本线性回归模型的矩阵形式; (3)模型的最小二乘参数估计量。 6.线性回归模型的基本假设。违背基本假设的计量经济模型是否可以估计

五、简答题: 1.答:(1)零均值,同方差,无自相关,解释变量与随机误差项相互独立(或者解释变量为非随机变量)

(2)

nttntttxyx1211

ˆ,XY10ˆˆ

(3)线性即,无偏性即,有效性即 (4)2ˆ122n

entt,其中ntttnttnttnttnttyxyxye111212211212ˆˆ

2. 答: (1)NXBY;

121nnYYYY

)1(212221212111111knknnn

k

k

XXXXXXXXXX

1)1(210knB





121nn

N

(2)EBXYˆ; (3)YXXXB1ˆ。 . Word 资料 6.答: (1)随机误差项具有零均值。即 E(i

)=0 i=1,2,…n

(2)随机误差项具有同方差。即 Var(i

)=2 i=1,2,…n

(3)随机误差项在不同样本点之间是独立的,不存在序列相关。即 Cov(ji,

)=0 i≠j i,j=1,2,…n

(4)解释变量kXXX,,,21

是确定性变量,不是随机变量,随机误差项与解释变量之间不相关。即

Cov(ijiX,

)=0 j=1,2,…k i=1,2,…n

(5)解释变量之间不存在严重的多重共线性。 (6)随机误差项服从零均值、同方差的正态分布。即

i~N(0,2) i=1,2,…n

六、一元计算题 某农产品试验产量Y(公斤/亩)和施肥量X(公斤/亩)7块地的数据资料汇总如下: 255iX 3050iY

71.12172ix 429.83712iy 857.3122iiyx

后来发现遗漏的第八块地的数据:208X,4008Y。

要求汇总全部8块地数据后分别用小代数解法和矩阵解法进行以下各项计算,并对计算结果的经济意义和统计意义做简要的解释。 1.该农产品试验产量对施肥量X(公斤/亩)回归模型ubXaY进行估计。 2.对回归系数(斜率)进行统计假设检验,信度为0.05。 3.估计可决系数并进行统计假设检验,信度为0.05。 4.计算施肥量对该农产品产量的平均弹性。 5.令施肥量等于50公斤/亩,对农产品试验亩产量进行预测,信度为0.05。 6.令施肥量等于30公斤/亩,对农产品试验平均亩产量进行预测,信度为0.01。

所需临界值在以下简表中选取:

t0.025,6 = 2.447 t0.025,7 = 2.365 t0.025,8 = 2.306 t0.005,6 = 3.707 t0.005,7 = 3.499 t0.005,8 = 3.355 F0.05,1,7 = 5.59 F0.05,2,7 = 4.74 F0.05,3,7 = 4.35 F0.05,1,6 = 5.99 F0.05,2,6 = 5.14 F0.05,3,6 = 4.76 . Word 资料 小代数解法 首先汇总全部8块地数据:

87181XXXiiii =255+20 =275

nXXii81)8(375.348275

2)7(7127127XxXiiii



 =1217.71+727255=10507

28712812XXXiiii



 =10507+202 = 10907

2)8(8128128XXxiiii



 = 10907-828275=1453.88

87181YYYiiii=3050+400=3450

25.4318345081)8(nYYii

2)7(7127127YyYiiii



 =8371.429+7273050=1337300

28712812YYYiiii



 =1337300+4002 = 1497300

2)8(8128128YYyiiii



 =1497300 -8(83450)2== 9487.5

)7()7(71717YXyxYXiiiiii ==3122.857+7725573050=114230

887181YXYXYXiiiiii =114230+20400 =122230

)8()8(81818YXYXyxiiiiii =122230-834.375431.25 =3636.25

1.该农产品试验产量对施肥量X(公斤/亩)回归模型ubXaY进行估计 . Word 资料 5011.288.145325.3636ˆ2iiixyxb 28.3455011.2*375.3425.431ˆˆXbYa

XXbaY5011.228.345ˆˆˆ 统计意义:当X增加1个单位,Y平均增加2.5011个单位。 经济意义:当施肥量增加1公斤,亩产量平均增加2.5011公斤。

2.对回归系数(斜率)进行统计假设检验,信度为0.05。

1ˆˆ2222knxbyii495.65)11(888.14535011.25.94872

22ˆˆibxS 88.1453495.65

 = 0.2122

H0: b = 0 H1: b≠0

bSbbtˆˆ =

2122.0

05011.2 = 11.7839

t> (2.447=6,025.0t)

∴拒绝假设H0: b = 0, 接受对立假设H1: b≠0

统计意义:在95%置信概率下,bˆ=2.5011与b=0之间的差异不是偶然的,bˆ=2.5011不是由b=0这样的总体所产生的。 经济意义:在95%置信概率下,施肥量对亩产量的影响是显著的。 3.估计可决系数并进行统计假设检验,信度为0.05。

9586.05.948788.14535011.2ˆ22222iiyxbR 统计意义:在Y的总变差中,有95.86%可以由X做出解释。回归方程对于样本观测点拟合良好。 经济意义:在亩产量的总变差中,有95.86%是可以由施肥量做出解释的。 0:20 0:21





)99.5(859.138)11(89586.0119586.0)1(16,1,05.022FknRkRF

∴拒绝假设0:2

0

接受对立假设0:21 . Word 资料 统计意义:在95%的置信概率下,回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的,9586.02R

不是由02这样

的总体产生的。 经济意义:在95%的置信概率下,施肥量对亩产量的解释作用是显著的。 4.计算施肥量对该农产品产量的平均弹性。

YXbˆ2.5011

25.431

375.340.199

统计意义:就该样本而言,X增加1%将使Y增加0.199%。 经济意义:8块地的施肥量每增加1%将使农产品产量增加0.199%。 5.令施肥量等于50公斤/亩,对农产品试验亩产量进行预测,信度为0.05。

0005011.228.345ˆˆˆXXbaY = 345.28 + 2.501150 = 470.329(公斤/亩)



202.988.1453375.3450811495.6511ˆ22202ˆ00xSiYY

XX

n

1)1(ˆ)1(ˆ0000ˆ200ˆ20YYYYSkntYYSkntYP

05.01202.9447.2329.470202.9447.2329.4700YP

95.0847.49281.4470YP

统计意义:在95%的置信概率下,当X0 = 50时,区间〔447.81, 492.847〕将包含总体真值0Y

经济意义:在95%的置信概率下,当施肥量为50公斤时,亩产量在447.81到492 .847公斤之间。 6.令施肥量等于30公斤/亩,对农产品试验平均亩产量进行预测,信度为0.01。

0005011.228.345ˆˆˆXXbaY= 345.28 + 2.501130 = 420.308(公斤/亩)



008.388.1453375.343081495.651ˆˆ222020x

S

i

XX

nY



1)1(ˆ)1(ˆ00ˆ200ˆ20YYSkntYYESkntYP

01.01008.3707.3308.420)(008.3707.3308.4200YEP