1、精選優質文檔-傾情為你奉上一、（20分）簡述10大假設；分析違反其中某2個假設所產生的后果；說明無偏和最優（最小方差）的含義。二、（16分）假設消費函數的設定形式為：估計結果如下表（以EVIEWS為例）。（若需臨界值，只需用類似t0.05 標記即可）1. 計算的估計的t-值；構造的置信水平為95的置信區間；2. 計算的顯著性（陳述原和備選假設以及統計量（值）并解釋的Prob=0.00。3. 基于回歸結果說明總體是否顯著及其含義。4. 基于回歸結果計算殘差的一階相關系數（不查表）。根據計算的結果，你認為是否需要校正？EViews-Equation:UNTITLED Workfile:TAB801

2、Dependent Variable: PCEMethod: Least SquaresDate:02/24/99 Time:15.05SampleL1956 1970Included observations:15VarableCoefficientStd.Errort-StatisticProb.CPDI12.7620.01730.0000R-squarde0.Mean dependent var367.6933Adjusted R-squared0.S. D. dependent var68.68264S.E. of regression3.Akaike info cri

3、erion5.Sum squared resid144.0346Schwarz criterion5.Log likelihood-38.24911F-statistic5947.715Durbin-Watson stat1.Prob(F-statistic)0.三.（12分）假定使用虛擬變量對儲蓄（Y）和收入（X）（樣本：1970-1995）的回歸結果為：Yt1.0161-152.478Dt-0.0803Xt-0.0051（DtXt）se(0.0503)(160.6090)(0.0401)(0.0021)N=30 R2=0.936 =0.9258 SEE=0.1217 DW=0.9549其中

4、：Dt=1 t=1982-1995 =0 t=1970-19811. 解釋兩個時期（1970-1981和1982-1995）的儲蓄（Y）收入（X）行為：2. 檢驗是否具有結構變化（若需臨界值，只需用類似t0.05 標記即可）。四.（12分）設變量X和Z沒有共線性，對于下述模型：模型A：模型B：模型C：1. 解釋嵌套和非嵌套的概念。2. 說明非嵌套的F檢驗及其在EVIEWS上的實現步驟。五.（18分）對于下述模型：其中Xi =家庭收入，Yi =1表示這一家庭已購買住房，Yi =0表示這一家庭沒有購買住房。1. 證明或說明的異方差。2. 如何校正異方差及其在EVIEWS上的實現步驟。3. 定義，說

5、明如何形成邏輯（logit）模型及其如何求相應購買住房的概率。六.（22分）對于下述貨幣供需結構聯立模型。假定為貨幣，Yt為收入，Rt為利率，Pt為價格，為殘差，而Mt和為Yt內生變量，Rt , Pt為外生變量。1. 求這一聯立方程組的簡約式并寫出關于Y的簡約方程的簡約參數與對應的結構參數的關系。2. 如何對供給方程進行聯立性檢驗（分步驟敘述并在適當的位置提出檢驗的原假設以及如何檢驗這一原假設及其接受和拒絕原假設的意義）；3. 現懷疑Yt具有外生性，如何檢驗它的外生性（要求同上）？一、判斷說明題（先判斷對錯，然后說明理由，每題3分，共計30分）1. 計量經濟學模型中的內生變量是因變量。（ ）2

6、. 學歷變量是虛擬變量。（ ）3. 模型中解釋變量越多，Rss越小。（ ）4. 在模型：中， （）5. 異方差影響到模型估計的無偏性。 （）6. 擾動項不為零并不影響估計的無偏性。 （）7. 選擇的模型是否過原點，結果無大礙。 （）8. 模型中解釋變量寧多勿少。 （）9. 解釋變量越多，多重共線性越嚴重。（）10. d2意味著無自相關。（）二、（10分）假設： ，如何檢驗如下假設：1. 2. 三、（8分）為什么要假定模型的擾動項是零為均值的正態分布？四、（10分）如何提高估計的精度？五、（12分）考慮以下模型：1. 和的OLS估計會不會是一樣的？為什么？2. 和的OLS估計會不會是一樣的？為什

7、么？3. 和有什么關系？4. 你能直接比較兩個模型的擬合優度嗎？為什么？六、（10分）對模型：中的，你如何發現并解決自相關的問題？七、（10分）設計如下模型估計的思路與步驟：八、（10分）如何估計模型：一、（15分）請說明經典線性回歸模型（clrm）的估計是最優線性無偏估計（BLUE）二、（10分）考慮下列模型： (1) (2)(Se) (0.5) (1.2) r2=0.85其中100，200。請問模型（1）的有關統計量的取值是多少？三、（15分）用kids表示一名婦女生育的孩子的數目，edu表示該婦女接受教育的年數。有人用如下模型（1）分析生育率與婦女受教育程度的關系，回歸結果如模型（2）所

8、示。 （1） （2）Df=12 R2=0.912問：（1）u包含哪些因素？它們是否可能與教育相關？ （2）請你對回歸結果進行評價。 （3）該模型能否提示在其它條件不同時，教育對生育率的影響嗎？四、（15分）下表給出了三變量模型的回歸結果方差來源平方和（SS）自由度（df）ESS65.965RSSTSS66.04214問：（1）樣本容量是多少？ （2）求RSS？ （3） ESS和RSS的自由度各是多少？ （4）求R2和 （5） 你用什么假設檢驗假設：X2和X3對Y影響。五、（15分）考慮以下模型：其中，Y消費，X收入，t時間。（1） 請你解釋該模型的含義。（2） 該模型在估計中可能會遇到哪些問題

9、？（3） 如何克服以上問題？六、（15分）用季度數據估計某地區市場的汽油銷售量，結果如下：其中Q為銷售量，P為價格，Y為可支配收入，Si為第i季度虛擬變量。P和Y的下一年度的預期值如下表:季度1234P110116122114Y100102104103（1） 計算下一年度各季汽油銷售的預期值。（2） 如果你用同樣的數據和模型，但采用S2、S3、S4這三個虛擬變量，你估計的模型是什么？（3） 如果去掉截距項而用上四個季節虛擬變量，估計結果如何？七、（15分）請你敘述異方差問題解決的基本思路和相應方法。一、十大假定：（1）線性回歸模型；（2）X是非隨機的；（3）干擾項的均值為零；（4）同方差性；（

10、5）各個干擾項之間無自相關；（6）干擾u和解釋變量X是不相關的；（7）觀測次數n必須大于待估參數個數；（8）X值要有變異性；（9）正確的設定了回歸模型；（10）沒有完全的多重共線性。如果出現異方差或者自相關，平常的OLS估計量雖然仍然是線性、無偏和漸近（在大樣本中）正態分布的，但不再是所有線性無偏估計量中的最小方差者。簡言之，相對于其它線性無偏估計量而言，它不再是有效的，換言之，OLS估計量不再是BLUE。結果，通常的t,F和都不再成立。無偏是指估計量的均值或期望值等于真值。有效估計量（efficient estimator）是指這個估計量在所有線性無偏估計量中有最小方差。二、1. 的t值：的

11、置信水平為95的置信區間為： 其中，2. ：，：利用1中得出的的t值77.可以看出，此值遠遠大于5顯著水平上的臨界t值，所以是高度顯著的。因為得到一個大于77.的t值的概率極小，由p值的定義可以知道的Prob=0.003. 從上面的t值可以看出，總體是高度顯著的，說明了PCE和PDI之間有直接的關系。而且從可以看出，模型的擬合度是很高的。4.，存在正的自相關，需要校正。三、1. 計算出各個參數對應的t值，分別是： 20.2008，0.9494，2.0025，2.4286 t值表明，級差截距是不顯著的，斜率系數是顯著的。 在1970-1981年間的儲蓄收入回歸函數為1.01610.0803。 在

12、1972-1995年間的儲蓄收入回歸函數為1.0161（0.08030.0051）。可以看出在后一個時期，斜率系數的絕對值更大一些，說明后一時期，收入每增加一個單位，儲蓄減少的更多些。2. 由t值看出在兩個時期，斜率系數有變化，發生了結構變化，而截距的變化不顯著。四、1.模型A和模型B被嵌套在模型C中，因為模型A和模型B是模型C的一個特殊情形； 而模型A和模型B是非嵌套的，因為不能把一個作為另外一個的特殊情形而推導出來。 2.估計如下的嵌套或混和模型C：，這個模型嵌套了模型A和B，如果0，則模型B正確；如果0，則模型A正確。故用通常的F檢驗就可以完成這個任務，非嵌套模型也因此得名。 在Evie

13、ws上的實現步驟：與通常的F檢驗的實現方法一樣，利用通常的F檢驗來檢驗0和0即可。在Eviews上輸入數據，然后利用回歸命令回歸之后在所得的運行結果中就有F值，將此值和在給定顯著性水平下的F臨界值比較即可判斷出統計上是否顯著。五、1.對于一個貝努里分布，其均值為P，方差為P(1-P),所以可以得到的方差為：，異方差得到證明。2.將模型的兩邊同除以say即可以消除異方差，即： 3，可以簡單的寫成，所以有 從而Li，此模型即為Logit模型。 即相對頻數，我們就能將它作為對應于每個Xi的真實Pi的一個估計值，如果相當大，是Pi的良好估計值，Logit如下： 六、1.關于Y的簡約方程為： 即將Y的簡

14、約方程帶入M的方程即得M的簡約方程： 2.聯立性檢驗：用OLS估計Y的簡約方程，得到的估計量，則，將帶入供給方程，則有在無聯立性的虛擬假設下，和之間的相關應在漸近意義下等于零，因此，我們對做回歸，如果得到的系數統計上為零，就可以得到不存在有聯立性的問題，如果這個系數統計上顯著的，就把結論反過來。 3.通過誘導方程得到的預測值，然后假定如下方程：，我們可以通過F檢驗來檢驗假設：，如果此假設被拒絕，則可以認為是內生的，反之，是外生的。一1.錯。2.對。3.對。4.對。5.錯。6.對。7.錯。8.錯。9.對。10.錯。二解：因 ，1.將上式變形為： ，令，則有： 再用OLS對其進行估計，判斷的估計值

15、對應的t值，看t值是否顯著。2. 將作為沒有約束的方程，對其進行估計，得RSSUR，將作為約束條件對其再進行估計，得RSSR;然后用F檢驗，判斷F的顯著性。其中： 三 .模型的擾動項表示所有可能影響y但又未能包括到回歸模型中的被忽略的替代變量。假定其均值為零表明凡是模型不含歸屬的因素對y的均值都沒有系統的影響，對y的平均影響為零。在正態假定下OLS的估計量的概率分布容易導出，OLS的估計量是的線性函數，此若是正態分布的，則也是正態分布的，將使后來的假設檢驗工作十分簡單。四. OLS估計量的精度由其標準誤來衡量，對給定的， X值的變化越大，估計的方差越小，從而得以更大的精密度加以估計。即，樣本含

16、量n的增大，的估計的精密度增大。五. 1. 把B模型寫成 ： 因此，這兩個模型很相似，模型的截距也相同。2. 兩個模型中X3的斜率系數的OLS估計值相同。3. 4.不能，因為兩個模型中的回歸子不同。六. 在自相關情況下，平常的OLS的估計量雖然是線性，無偏和漸進的正態分布，但不再是有效的，結果通常的t,F,都不再適用。偵察自相關的方法有：1非正式的方法，圖解法檢查殘差的相關性，對實際的殘差描點。正式的方法2，游程檢驗，3，德賓沃森的d檢驗。4，BG檢驗，5漸進正態檢驗，通常使用的是3 4兩種方法， 使用d檢驗時，作為一種經驗法則，如果在一項應用中求出d=2,便可認為沒有一階自相關，不管是正的還

17、是負的。當越接近零，正序列相關的跡象越明顯，使用BG檢驗主要用來檢驗高階自相關的情況。發現自相關的補救措施：1） 盡力查明是否是純粹的自相關，而不是模型誤設的結果；2） 若是純粹的自相關，對模型作適當的變換，使用廣義最小二乘法，使變換后的模型不存在自相關問題。3） 在大樣本情況下，可以使用尼維韋斯特方法。七這是LOGIT模型的估計，令 ： 從而得： 為了達到估計的目的，我們寫成下式：1.具體我們考慮關于每個收入水平，都有 個家庭，ni表示其中擁有住宅的家庭個數，則：對每一個收入水平，計算擁有住房的估計概率： 2.對每一個Xi，求logit： 3.為了解決異方差的問題，將上式變換如下 ： （1）

18、我們把它寫成：其中權重wiNiPi（1Pi）；Li*變換的或加權的Li；Xi*變換的或加權的Xi；vi變換的誤差項。 4.用OLS去估計（1）。 5.按照平常的OLS方式建立置信區間和檢驗假設。八. 解答：這是個分布滯后模型，可以用考伊克方法，假使我們從無限滯后的分布滯后模型開始，設想全部系數都有相同的符號，考伊克假定它們是按如下的幾何級數項衰減的。 其中，0<<1稱為分布滯后的衰減率，而1成為調節速度。模型：可寫成： 從而得：將其乘以 得：從而可得：經過整理得到：，這樣就轉化為自相關的問題，可以用一階自相關估計。一、根據高斯馬爾可夫定理：在給定經典線性回歸模型的假定下，最小二乘估

19、計量，在無偏估計量一類中，有最小方差，就是說，它們是BLUE。1 它是線性的： 、是關于yi的線性組合。2它是無偏的: 同理可以得到：3 它在所有這類線性無偏估計量中具有最小方差如： 因此說經典線性回歸模型的估計量是最優線性無偏估計量。二 解： (1) (2)模型（1）可轉化為： （*）將(*)式和（2）式的系數比較得： 可見兩模型斜率系數相同，截距不同。易知值保持不變。 三(1) U包含了除了模型中的解釋變量edu外所有影響kids而沒有被反映在模型中的其他因素，它可能和edu相關。(2) 由回歸的結果可以看出:婦女生育孩子的數目和她們接收教育的年數呈負相關，每當她們受教育年數增加一年，她們

20、生育小孩的數目平均將下降0.325個單位。截距項表示沒有文化婦女平均生育孩子的數目，它沒有什么實際的經濟意義。另外，0.912的模型擬合優度表明婦女受教育的年數大致解釋了婦女生育孩子的數目的91.2，因此，單從回歸結果看，該模型擬合的很好。(3) 由于這個模型為簡單的雙變量回歸模型，只能反映出教育對生育率的影響，要想其他條件不同時教育對生育率的影響，必須還要將其他因素考慮到模型中來，建立多變量回歸模型。四 （1）由的自由度為得到：樣本容量為；（2）由得到 ：(3) 和的自由度分別為和,即為；為;(4) （5）利用檢驗整體顯著性的F檢驗：很明顯得到這樣的F值的P為零。所以得到結論：我們應該拒絕原虛擬假設：和 對沒有影響，即和 對有顯著的影響。五（1） 該模型是一個分布滯后模型，它的