计量经济学(第四版)习题集及参考材料内容标准答案详细版.doc

,.计量经济学（第四版）习题参考答案 潘省初第一章 绪论1.1 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1.2 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。1.3什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。1.4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。如就是一个估计量，。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。第二章 计量经济分析的统计学基础 2.1 略，参考教材。2.2请用例2.2中的数据求北京男生平均身高的99置信区间 =1.25 用a=0.05，N-1=15个自由度查表得=2.947，故99%置信限为 =1742.9471.25=1743.684 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170.316至177.684厘米之间。2.3 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 备择假设 检验统计量查表 因为Z= 5 >,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。2.4 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 : 备择假设 : 查表得 因为t = 0.83 < , 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。第三章 双变量线性回归模型3.1 判断题（说明对错；如果错误，则予以更正）（1）OLS法是使残差平方和最小化的估计方法。对（2）计算OLS估计值无需古典线性回归模型的基本假定。对（3）若线性回归模型满足假设条件（1）（4），但扰动项不服从正态分布，则尽管OLS估计量不再是BLUE，但仍为无偏估计量。错只要线性回归模型满足假设条件（1）（4），OLS估计量就是BLUE。（4）最小二乘斜率系数的假设检验所依据的是t分布，要求的抽样分布是正态分布。对（5）R2TSS/ESS。错R2 =ESS/TSS。（6）若回归模型中无截距项，则。对（7）若原假设未被拒绝，则它为真。错。我们可以说的是，手头的数据不允许我们拒绝原假设。（8）在双变量回归中，的值越大，斜率系数的方差越大。错。因为，只有当保持恒定时，上述说法才正确。3.2设和分别表示Y对X和X对Y的OLS回归中的斜率，证明r为X和Y的相关系数。证明：3.3证明：（1）Y的真实值与OLS拟合值有共同的均值，即 ；（2）OLS残差与拟合值不相关，即 。（1），即Y的真实值和拟合值有共同的均值。（2）3.4证明本章中（3.18）和（3.19）两式：（1） （2）（1）（2）3.5考虑下列双变量模型：模型1：模型2：（1）b1和a1的OLS估计量相同吗？它们的方差相等吗？（2）b2和a2的OLS估计量相同吗？它们的方差相等吗？（1），注意到由上述结果，可以看到，无论是两个截距的估计量还是它们的方差都不相同。（2）这表明，两个斜率的估计量和方差都相同。3.6有人使用19801994年度数据，研究汇率和相对价格的关系，得到如下结果：其中，Y马克对美元的汇率X美、德两国消费者价格指数（CPI）之比，代表两国的相对价格（1）请解释回归系数的含义；（2）Xt的系数为负值有经济意义吗？ （3）如果我们重新定义X为德国CPI与美国CPI之比，X的符号会变化吗？为什么？（1）斜率的值 4.318表明，在19801994期间，相对价格每上升一个单位，（GM/$）汇率下降约4.32个单位。也就是说，美元贬值。截距项6.682的含义是，如果相对价格为0，1美元可兑换6.682马克。当然，这一解释没有经济意义。（2）斜率系数为负符合经济理论和常识，因为如果美国价格上升快于德国，则美国消费者将倾向于买德国货，这就增大了对马克的需求，导致马克的升值。（3）在这种情况下，斜率系数被预期为正数，因为，德国CPI相对于美国CPI越高，德国相对的通货膨胀就越高，这将导致美元对马克升值。3.7随机调查200位男性的身高和体重，并用体重对身高进行回归，结果如下：其中Weight的单位是磅（lb），Height的单位是厘米（cm）。（1）当身高分别为177.67cm、164.98cm、187.82cm时，对应的体重的拟合值为多少？（2）假设在一年中某人身高增高了3.81cm，此人体重增加了多少？（1）（2）3.8设有10名工人的数据如下：X1071058867910Y11101261079101110其中 X=劳动工时， Y=产量（1）试估计Y=+X + u（要求列出计算表格）；（2）提供回归结果（按标准格式）并适当说明；（3）检验原假设=1.0。(1)序号YtXt111101.422.841.9610021070.4-1-0.410.1649312102.424.845.76100465-3.6-310.8912.962551080.40000.1664678-2.60006.7664796-0.6-21.240.363681070.4-1-0.410.164991191.411.411.96811010100.420.840.16100 968000212830.4668 估计方程为: （2） 回归结果为（括号中数字为t值）： R2=0.518 (1.73) (2.93) 说明： Xt的系数符号为正，符合理论预期，0.75表明劳动工时增加一个单位,产量增加0.75个单位,拟合情况。 R2为0.518，作为横截面数据，拟合情况还可以.系数的显著性。斜率系数的t值为2.93，表明该系数显著异于0，即Xt对Yt有影响.(3) 原假设 : 备择假设 : 检验统计量 查t表, ,因为t= 0.978 < 2.306 ,故接受原假设:。3.9用12对观测值估计出的消费函数为Y=10.0+0.90X，且已知=0.01，=200，=4000，试预测当X=250时Y的值，并求Y的95%置信区间。 对于x0=250 ，点预测值 =10+0.90*250=235.0的95%置信区间为: 即 234.71 235.29。也就是说,我们有95%的把握预测将位于234.71 至235.29 之间.3.10设有某变量（Y）和变量（X）19951999年的数据如下:X61117813Y13524(1)试用OLS法估计 Yt = + Xt + ut（要求列出计算表格）；(2)(3)试预测X=10时Y的值，并求Y的95%置信区间。（1）列表计算如下：序号YtXt116-2-5102543623110000012135172612364289428-1-339164541312241169155500277410679 我们有： (2) (3) 对于=10 ,点预测值 =-1.015+0.365*10=2.635 的95%置信区间为: = 即 1.895 3.099,也就是说,我们有95%的把握预测将位于1.865 至3.405 之间.3.11根据上题的数据及回归结果，现有一对新观测值X20，Y7.62，试问它们是否可能来自产生样本数据的同一总体？问题可化为“预测误差是否显著地大？”当X0 =20时，预测误差 原假设：备择假设：检验：若为真，则 对于5-2=3个自由度，查表得5%显著性水平检验的t临界值为：结论：由于故拒绝原假设，接受备则假设H1，即新观测值与样本观测值来自不同的总体。3.12有人估计消费函数，得到如下结果（括号中数字为t值）： 15 + 0.81 0.98 （2.7） （6.5） n=19（1） 检验原假设：0（取显著性水平为5）（2） 计算参数估计值的标准误差；（3） 求的95置信区间，这个区间包括0吗？（1）原假设 备择假设 检验统计量 查t表,在5%显著水平下 ,因为t=6.5>2.11 故拒绝原假设,即，说明收入对消费有显著的影响。（2）由回归结果，立即可得： （3）b的95置信区间为： 3.13 回归之前先对数据进行处理。把名义数据转换为实际数据，公式如下：人均消费CC/P*100(价格指数)人均可支配收入YYr*rpop/100+Yu*(1-rpop/100)/P*100农村人均消费CrCr/Pr*100城镇人均消费CuCu/Pu*100农村人均纯收入YrYr/Pr*100 城镇人均可支配收入YuYu/Pu*100处理好的数据如下表所示： 年份CYCrCuYrYu1985401.78 478.57 317.42 673.20 397.60 739.10 1986436.93 507.48 336.43 746.66 399.43 840.71 1987456.14 524.26 353.41 759.84 410.47 861.05 1988470.23 522.22 360.02 785.96 411.56 841.08 1989444.72 502.13 339.06 741.38 380.94 842.24 1990464.88 547.15 354.11 773.09 415.69 912.92 1991491.64 568.03 366.96 836.27 419.54 978.23 1992516.77 620.43 372.86 885.34 443.44 1073.28 1993550.41 665.81 382.91 962.85 458.51 1175.69 1994596.23 723.96 410.00 1040.37 492.34 1275.67 1995646.35 780.49 449.68 1105.08 541.42 1337.94 1996689.69 848.30 500.03 1125.36 612.63 1389.35 1997711.96 897.63 501.75 1165.62 648.50 1437.05 1998737.16 957.91 498.38 1213.57 677.53 1519.93 1999785.69 1038.97 501.88 1309.90 703.25 1661.60 2000854.25 1103.88 531.89 1407.33 717.64 1768.31 2001910.11 1198.27 550.11 1484.62 747.68 1918.23 20021032.78 1344.27 581.95 1703.24 785.41 2175.79 20031114.40 1467.11 606.90 1822.63 818.93 2371.65 根据表中的数据用软件回归结果如下：= 90.93 + 0.692 R2=0.997t： (11.45) (74.82) DW=1.15农村：= 106.41 + 0.60 R2=0.979t： (8.82) (28.42) DW=0.76城镇：= 106.41 + 0.71 R2=0.998t： (13.74) (91.06) DW=2.02从回归结果来看，三个方程的R2都很高，说明人均可支配收入较好地解释了人均消费支出。三个消费模型中，可支配收入对人均消费的影响均是显著的，并且都大于0小于1，符合经济理论。而斜率系数最大的是城镇的斜率系数，其次是全国平均的斜率，最小的是农村的斜率。说明城镇居民的边际消费倾向高于农村居民。第四章 多元线性回归模型4.1 应采用（1），因为由（2）和（3）的回归结果可知，除X1外，其余解释变量的系数均不显著。（检验过程略）4.2 (1) 斜率系数含义如下:0.273: 年净收益的土地投入弹性, 即土地投入每上升1%, 资金投入不变的情况下, 引起年净收益上升0.273%.0.733: 年净收益的资金投入弹性, 即资金投入每上升1%, 土地投入不变的情况下, 引起年净收益上升0.733%. 拟合情况: ,表明模型拟合程度较高.(2) 原假设 备择假设 检验统计量 查表， 因为t=2.022<,故接受原假设,即不显著异于0, 表明土地投入变动对年净收益变动没有显著的影响. 原假设 备择假设 检验统计量 查表， 因为t=5.864>,故拒绝原假设,即显著异于0,表明资金投入变动对年净收益变动有显著的影响.（3） 原假设 备择假设 : 原假设不成立检验统计量 查表，在5%显著水平下 因为F=47>5.14，故拒绝原假设。结论,：土地投入和资金投入变动作为一个整体对年净收益变动有影响.4.3 检验两个时期是否有显著结构变化,可分别检验方程中D和DX的系数是否显著异于0.(1) 原假设 备择假设 检验统计量 查表 因为t=3.155>, 故拒绝原假设, 即显著异于0。(2) 原假设 备择假设 检验统计量 查表 因为|t|=3.155>, 故拒绝原假设, 即显著异于0。结论：两个时期有显著的结构性变化。4.4 （1） （2）变量、参数皆非线性，无法将模型转化为线性模型。（3）变量、参数皆非线性，但可转化为线性模型。取倒数得：把1移到左边，取对数为：，令4.5 （1）截距项为-58.9，在此没有什么意义。X1的系数表明在其它条件不变时，个人年消费量增加1百万美元，某国对进口的需求平均增加20万美元。X2的系数表明在其它条件不变时，进口商品与国内商品的比价增加1单位，某国对进口的需求平均减少10万美元。（2）Y的总变差中被回归方程解释的部分为96%，未被回归方程解释的部分为4%。（3）检验全部斜率系数均为0的原假设。 =由于F192 > F0.05(2,16)=3.63，故拒绝原假设，回归方程很好地解释了应变量Y。（4） A. 原假设H0：1= 0 备择假设H1：1 0 > t0.025(16)=2.12，故拒绝原假设，1显著异于零，说明个人消费支出（X1）对进口需求有解释作用，这个变量应该留在模型中。B. 原假设H0：2=0备择假设H1：2 0 <t0.025（16）=2.12，不能拒绝原假设，接受2=0，说明进口商品与国内商品的比价（X2）对进口需求地解释作用不强，这个变量是否应该留在模型中，需进一步研究。4.6（1）弹性为-1.34，它统计上异于0，因为在弹性系数真值为0的原假设下的t值为：得到这样一个t值的概率（P值）极低。可是，该弹性系数不显著异于-1，因为在弹性真值为-1的原假设下，t值为：这个t值在统计上是不显著的。（2）收入弹性虽然为正，但并非统计上异于0，因为t值小于1（）。（3）由，可推出 本题中，0.27，n46，k2，代入上式，得0.3026。4.7 （1）薪金和每个解释变量之间应是正相关的，因而各解释变量系数都应为正，估计结果确实如此。系数0.280的含义是，其它变量不变的情况下，CEO薪金关于销售额的弹性为0.28；系数0.0174的含义是，其它变量不变的情况下，如果股本收益率上升一个百分点（注意，不是1），CEO薪金的上升约为1.07；与此类似，其它变量不变的情况下，公司股票收益上升一个单位，CEO薪金上升0.024。（2）用回归结果中的各系数估计值分别除以相应的标准误差，得到4个系数的t值分别为：13.5、8、4.25和0.44。用经验法则容易看出，前三个系数是统计上高度显著的，而最后一个是不显著的。（3）R20.283，拟合不理想，即便是横截面数据，也不理想。4.8 （1）2.4。（2）因为Dt和（Dtt）的系数都是高度显著的，因而两时期人口的水平和增长率都不相同。19721977年间增长率为1.5，19781992年间增长率为2.6（1.51.1）。4.9 原假设H0: 1 =2，3 =1.0 备择假设H1: H0不成立 若H0成立，则正确的模型是： 据此进行有约束回归，得到残差平方和。 若H1为真，则正确的模型是原模型： 据此进行无约束回归（全回归），得到残差平方和S。 检验统计量是： F(g,n-K-1) 用自由度（2，n-3-1）查F分布表，5%显著性水平下，得到FC ， 如果F< FC, 则接受原假设H0，即1 =2，3 =0； 如果F> FC, 则拒绝原假设H0，接受备择假设H1。4.10 （1）2个，（2）4个，4.11 4.12 对数据处理如下：lngdpln（gdp/p） lnk=ln（k/p） lnL=ln（L/P）对模型两边取对数，则有lnYlnAalnKblnLlnv用处理后的数据回归，结果如下： t：(0.95) (16.46) (3.13) 由修正决定系数可知，方程的拟合程度很高；资本和劳动力的斜率系数均显著（tc=2.048）, 资本投入增加1，gdp增加0.96%，劳动投入增加1，gdp增加0.18%，产出的资本弹性是产出的劳动弹性的5.33倍。第五章 模型的建立与估计中的问题及对策5.1（1）对（2）对（3）错即使解释变量两两之间的相关系数都低，也不能排除存在多重共线性的可能性。（4）对（5）错在扰动项自相关的情况下OLS估计量仍为无偏估计量，但不再具有最小方差的性质，即不是BLUE。（6）对（7）错模型中包括无关的解释变量，参数估计量仍无偏，但会增大估计量的方差，即增大误差。（8）错。在多重共线性的情况下，尽管全部“斜率”系数各自经t检验都不显著， R2值仍可能高。（9）错。存在异方差的情况下，OLS法通常会高估系数估计量的标准误差，但不总是。（10）错。异方差性是关于扰动项的方差，而不是关于解释变量的方差。5.2 对模型两边取对数，有lnYt=lnY0+t*ln(1+r)+lnut ,令LYlnYt，alnY0，bln(1+r)，vlnut，模型线性化为：LYabtv估计出b之后，就可以求出样本期内的年均增长率r了。5.3（1）DW=0.81，查表（n=21,k=3,=5%）得dL=1.026。 DW=0.811.026 结论：存在正自相关。（2）DW=2.25，则DW=4 2.25 = 1.75 查表（n=15, k=2, =5%）得du =1.543。 1.543DW= 1.75 2 结论：无自相关。（3）DW= 1.56，查表（n=30, k=5, =5%）得dL =1.071, du =1.833。 1.071DW= 1.56 1.833结论：无法判断是否存在自相关。5.4(1) 横截面数据.(2) 不能采用OLS法进行估计，由于各个县经济实力差距大，可能存在异方差性。(3) GLS法或WLS法。5.5 （1）可能存在多重共线性。因为X3的系数符号不符合实际.R2很高,但解释变量的t值低：t2=0.9415/0.8229=1.144, t3=0.0424/0.0807=0.525.解决方法：可考虑增加观测值或去掉解释变量X3.（2）DW=0.8252, 查表(n=16,k=1,=5%)得dL=1.106.DW=0.8252< dL=1.106 结论：存在自相关. 单纯消除自相关，可考虑用科克伦奥克特法或希尔德雷斯卢法；进一步研究，由于此模型拟合度不高,结合实际,模型自相关有可能由模型误设定引起,即可能漏掉了相关的解释变量，可增加相关解释变量来消除自相关。5.6 存在完全多重共线性问题。因为年龄、学龄与工龄之间大致存在如下的关系：Ai7SiEi解决办法：从模型中去掉解释变量A，就消除了完全多重共线性问题。5.7 （1）若采用普通最小二乘法估计销售量对广告宣传费用的回归方程，则系数的估计量是无偏的，但不再是有效的，也不是一致的。（2）应用GLS法。设原模型为 （1）由于已知该行业中有一半的公司比另一半公司大，且已假定大公司的误差项方差是小公司误差项方差的两倍，则有，其中。则模型可变换为 （2）此模型的扰动项已满足同方差性的条件，因而可以应用OLS法进行估计。（3）可以。对变换后的模型（2）用戈德弗尔德匡特检验法进行异方差性检验。如果模型没有异方差性，则表明对原扰动项的方差的假定是正确的；如果模型还有异方差性，则表明对原扰动项的方差的假定是错误的，应重新设定。5.8（1）不能。因为第3个解释变量（）是和的线性组合，存在完全多重共线性问题。（2）重新设定模型为我们可以估计出，但无法估计出。（3）所有参数都可以估计，因为不再存在完全共线性。（4）同（3）。5.9（1）R2很高，logK的符号不对，其 t值也偏低，这意味着可能存在多重共线性。（2）logK系数的预期符号为正，因为资本应该对产出有正向影响。但这里估计出的符号为负，是多重共线性所致。（3）时间趋势变量常常被用于代表技术进步。（1）式中，0.047的含义是，在样本期内，平均而言，实际产出的年增长率大约为4.7。（4）此方程隐含着规模收益不变的约束，即ab1，这样变换模型，旨在减缓多重共线性问题。（5）资本劳动比率的系数统计上不显著，看起来多重共线性问题仍没有得到解决。（6）两式中R2是不可比的，因为两式中因变量不同。5.10（1）所作的假定是：扰动项的方差与GNP的平方成正比。模型的估计者应该是对数据进行研究后观察到这种关系的，也可能用格里瑟法对异方差性形式进行了实验。（2）结果基本相同。第二个模型三个参数中的两个的标准误差比第一个模型低，可以认为是改善了第一个模型存在的异方差性问题。5.11 我们有原假设H0： 备则假设H1：检验统计量为：用自由度（25，25）查F表，5显著性水平下，临界值为：Fc1.97。因为F2.5454>Fc1.97，故拒绝原假设原假设H0：。结论：存在异方差性。5.12 将模型变换为：若、为已知，则可直接估计（2）式。一般情况下，、为未知，因此需要先估计它们。首先用OLS法估计原模型(1)式，得到残差et，然后估计：其中为误差项。用得到的和的估计值和生成令，用OLS法估计即可得到和，从而得到原模型（1）的系数估计值和。5.13 （1）全国居民人均消费支出方程：= 90.93 + 0.692 R2=0.997t： (11.45) (74.82) DW=1.15DW=1.15，查表（n=19,k=1,=5%）得dL=1.18。 DW=1.151.18结论：存在正自相关。可对原模型进行如下变换：Ct -Ct-1 = (1-)+(Yt-Yt-1)+（ut -ut -1）由令：Ct= Ct 0.425Ct-1 ， Yt= Yt-0.425Yt-1 ，=0.575 然后估计 Ct=+Yt + t ，结果如下：= 55.57 + 0.688 R2=0.994 t：(11.45) (74.82) DW=1.97DW=1.97，查表（n=19,k=1,=5%）得du=1.401。 DW=1.97>1.18，故模型已不存在自相关。（2）农村居民人均消费支出模型：农村：= 106.41 + 0.60 R2=0.979t： (8.82) (28.42) DW=0.76DW=0.76，查表（n=19,k=1,=5%）得dL=1.18。 DW=0.761.18，故存在自相关。解决方法与（1）同，略。（3）城镇：= 106.41 + 0.71 R2=0.998t： (13.74) (91.06) DW=2.02DW=2.02，非常接近2，无自相关。5.14 （1）用表中的数据回归，得到如下结果： =54.19 + 0.061X1 + 1.98*X2 + 0.03X3 - 0.06X4 R20.91t: (1.41) (1.58) (3.81) (1.14) (-1.78)根据tc(=0.05,n-k-1=26)=2.056，只有X2的系数显著。 （2）理论上看，有效灌溉面积、农作物总播种面积是农业总产值的重要正向影响因素。在一定范围内，随着有效灌溉面积、播种面积的增加，农业总产值会相应增加。受灾面积与农业总产值呈反向关系，也应有一定的影响。而从模型看，这些因素都没显著影响。这是为什么呢？ 这是因为变量有效灌溉面积、施肥量与播种面积间有较强的相关性，所以方程存在多重共线性。现在我们看看各解释变量间的相关性，相关系数矩阵如下：X1 X2 X3 X410.8960.8800.7150.89610.8950.6850.8800.89510.8830.7150.6850.8831X1X2 X3X4表中r120.896，r130.895，说明施肥量与有效灌溉面积和播种面积间高度相关。我们可以通过对变量X2的变换来消除多重共线性。令X22X2/X3（公斤/亩），这样就大大降低了施肥量与面积之间的相关性，用变量X22代替X2，对模型重新回归，结果如下： =233.62 + 0.088X1 + 13.66*X2 + 0.096X3 - 0.099X4 R20.91t: (-3.10) (2.48) (3.91) (4.77) (-3.19)从回归结果的t值可以看出，现在各个变量都已通过显著性检验，说明多重共线性问题基本得到解决。