计量经济学答案 整理版 (1)(2)

（3）根据辅助回归的可决系数和样本数构造统计量，进行卡方分布的检验

检验结果显著，说明存在异方差性，反之则拒绝这一论断。

6. 简述选择解释变量的逐步回归法

1.以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。 2.根据拟合优度的变化决定新引入的变量是否独立：

如果拟合优度变化显著，则说明新引入的变量是一个独立解释变量；

如果拟合优度变化很不显著，则说明新引入的变量与其它变量之间存在共线性关系。

9. 教材第186页，第1题.

10. 教材第186页，第3题.

11. 教材第305页，第1题.

12. 在时间序列数据的计量经济分析过程中，

（1） 为什么要进行时间序列的平稳性检验？随机时间序列的平稳性条件是什么？ 原因：1.数据非平稳，大样本下的统计推断基础——“一致性”要求——被破怀。

2.数据非平稳，往往导致出现“虚假回归”（Spurious Regression）问题。

条件：均值E(Xt)= 是与时间t 无关的常数；

方差Var(Xt)= 2是与时间t 无关的常数；

协方差Cov(Xt,Xt+k)= k 是只与时期间隔k有关，与时间t 无关的常数；

（2） 请证明随机游走序列不是平稳序列。 随机游走过程 Xt=X t-1 + t ， 其中 t~N(0, 2)

由于Xt=X0+t* t ,可得随机游走序列方差Var(Xt)=t 2 不满足方差与时间无关的平稳性条件

（3） 单位根检验为什么从DF检验扩展到ADF检验？

DF检验假定时间序列是由具有白噪声随机误差项的一阶自回归过程AR(1)生成的。但在实际检验中，时间序列可能由更高阶的自回归过程生成，或者随机误差项并非是白噪声，用OLS法进行估计均会表现出随机误差项出现自相关，导致DF检验无效。 如果时间序列含有明显的随时间变化的某种趋势（如上升或下降），也容易导致DF检验中的自相关随机误差项问题。

14. 指出下列论文中的主要错误之处：

在一篇关于中国石油消费预测研究的论文中，作者选择石油年消费量（OIL，单位：万吨标准煤）为被解释变量，国内生产总值（GDP，按当年价格计算，单位：亿元）为解释变量，1990—2006年年度数据为样本。首先假定边际消费倾向不变，建立了线性模型：

OILt GDPt t

采用OLS估计模型，得到

t 1990,1991, ,2006

13390.30 0.183125GDPOILtt

然后假定消费弹性不变，建立了对数线性模型：

t 1990,1991, ,2006

lnOILt lnGDPt t

采用OLS估计模型，得到

t 1990,1991, ,2006

5.122385 0.458338lnGDPlnOILtt

t 1990,1991, ,2006

分别将2020年国内生产总值预测值（500000亿元）代入模型，计算得到两种不同假定情况

下的2020年石油消费预测值分别为104953和68656万吨标准煤。

（shi老师版）1.没有用格兰杰因果检验或者经济理论讨论变量之间的因果关系 2.忽略了其他变量，应引入其他控制变量 3.参数估计后没有检验其显著性 4.在选择模型时没有进行协整检验

5.用平面数据模型替代时间序列模型是严重的错误 （网络版）

、计算题

1. 教材第104页，第9题。

2．已知Y和X满足如下的总体回归模型

Y= 0 1X u

（1）根据Y和X的5对观测值已计算出Y=3，X=11，(Xi X)=74，(Yi Y)=10，

2

2

(X

i

X)（Yi Y）=27。利用最小二乘法估计 0和 1。

（2）经计算，该回归模型的总离差平方和TSS为10，总残差平方和RSS为0.14，试计算判定系数r2并分析该回归模型的拟合优度。 (1)B0=

(X

i

X)（Yi Y）/

(X

i

X)2=74/72=0.3649

B1=Y-B0*X=7-11*0.3649=-1.0135

(2) r2=1-RSS/TSS=1-0.14/10=0.986 拟合优度为98.6%

3．由12对观测值估计得消费函数为：

C=50+0.6Y

其中，Y是可支配收入，已知Y=800，试计算：

（1）消费支出C的点预测值；

（2）在95%的置信概率下消费支出C的预测区间。

(Y Y)

2

=8000，

e

2

=30，当Y0=1000时，

（已知：t0.025(10)=2.23）

4. 1978-2000年天津市城镇居民人均可支配销售收入（Y，元）与人均年度消费支出（CONS， 元）的样本数据、一元线性回归结果如下所示：（共30分）

10000

8000

CONS

6000

4000

2000

00

2000

4000Y

6000

8000

Dependent Variable: LNCONS Method: Least Squares Date: 06/14/02 Time: 10:04 Sample: 1978 2000 C R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood ________ 0.998510 0.034224 42.23303 0.064931 -3.193690 0.0044 7.430699 1.021834 -6.336402 -6.237663 14074.12 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic

1．在空白处填上相应的数字（共4处）（计算过程中保留4位小数） 2．根据输出结果，写出回归模型的表达式。

3．给定检验水平α=0.05，检验上述回归模型的临界值t0.025=_______，F0.05=_______； 并说明估计参数与回归模型是否显著? 4．解释回归系数的经济含义。 5．根据经典线性回归模型的假定条件，判断该模型是否明显违反了某个假定条件？如有违背，应该如何解决？（6分）

5. 已知某市羊毛衫的销售量1995年第一季度到2000年第四季度的数据。 假定回归模型为：

Yt =β0+β1 X1t +β2 X2 t+ ut

式中：Y=羊毛衫的销售量

X1=居民收入 X2=羊毛衫价格

如果该模型是用季度资料估计，试向模型中加入适当的变量反映季节因素的影响。（仅考虑截距变动。

可以往模型里加入反映季节因素的虚拟变量D。由于共有四个季节，所以可以将此虚拟变量分为三个类别。设基础类别是夏季，于是虚拟变量可以如下引入：

即

D1

=D2

=

D3=

此时建立的模型为Yt=β0+β1X1t+β2X2t+D1+ D2+ D3+ut

6. 以下是某个案例的Eviews分析结果（局部）。

Dependent Variable: Y Method: Least Squares Sample(adjusted): 1 10

Included observations: 10 after adjusting endpoints Variable Coefficient Std. t-Statistic Prob.

Error

C 4.826789 9.217366 0.523663 0.6193 X1 0.178381 0.308178 0.5788 0.5838 X2 0.688030 0.2099 3.277910 0.0169 X3 —0.2226 0.156400 -1.423556 0.2044 R-squared 0.852805 Mean dependent var 41.90000 Adjusted R-squared 0.7792 S.D. dependent var 34.28783 S.E.of regression 16.11137 Akaike info criterion 8.686101

Sum squared resid 1557.457 Schwarz criterion Log likelihood -39.43051 F-statistic Durbin-Watson stat 3.579994 Prob(F-statistic)

①填上（1）、（2）、（3）、（4）位置所缺数据； ②以标准记法写出回归方程； ③你对分析结果满意吗？为什么？ 注意：coefficient= std.error * t-statistic

Adjusted r-s …… 此处隐藏：3741字，全部文档内容请下载后查看。喜欢就下载吧 ……