計量經濟學期末考試練習題庫

1、單項選擇1計量經濟學是一門（）學科。A.數(shù)學 B.經濟 C.統(tǒng)計 D.測量2狹義計量經濟模型是指（）。 A.投入產出模型 B.數(shù)學規(guī)劃模型 C.包含隨機方程的經濟數(shù)學模型 D.模糊數(shù)學模型3計量經濟模型分為單方程模型和（）。A.隨機方程模型 B.行為方程模型 C.聯(lián)立方程模型 D.非隨機方程模型4經濟計量分析的工作程序（）A.設定模型，檢驗模型，估計模型，改進模型B.設定模型，估計參數(shù)，檢驗模型，應用模型C.估計模型，應用模型，檢驗模型，改進模型D.搜集資料，設定模型，估計參數(shù)，應用模型5同一統(tǒng)計指標按時間順序記錄的數(shù)據(jù)列稱為（）A.橫截面數(shù)據(jù) B.時間序列數(shù)據(jù) C.修勻數(shù)據(jù) D.平行數(shù)據(jù)6樣

2、本數(shù)據(jù)的質量問題，可以概括為完整性、準確性、可比性和（）。A.時效性 B.一致性 C.廣泛性 D.系統(tǒng)性7有人采用全國大中型煤炭企業(yè)的截面數(shù)據(jù)，估計生產函數(shù)模型，然后用該模型預測未來煤炭行業(yè)的產出量，這是違反了數(shù)據(jù)的（）原則。A.一致性 B.準確性 C.可比性 D.完整性8判斷模型參數(shù)估計量的符號、大小、相互之間關系的合理性屬于（）準則。A.經濟計量準則 B.經濟理論準則 C.統(tǒng)計準則 D.統(tǒng)計準則和經濟理論準則9對下列模型進行經濟意義檢驗，哪一個模型通常被認為沒有實際價值的（）。A.（消費）（收入）B.（商品需求）（收入）（價格）C.（商品供給）（價格）D.（產出量）（資本）（勞動）答案：1

3、B 2C 3C 4B 5B6B 7A 8B 9B 1.回歸分析中定義的（）A.解釋變量和被解釋變量都是隨機變量B.解釋變量為非隨機變量，被解釋變量為隨機變量C.解釋變量和被解釋變量都為非隨機變量D.解釋變量為隨機變量，被解釋變量為非隨機變量2.最小二乘準則是指使（）達到最小值的原則確定樣本回歸方程。A. B. C. D.3.下圖中“”所指的距離是（）A. 隨機誤差項 B. 殘差 C. 的離差 D. 的離差4.最大或然準則是從模型總體抽取該n組樣本觀測值的（）最大的準則確定樣本回歸方程。A.離差平方和 B.均值 C.概率 D.方差5.參數(shù)估計量是的線性函數(shù)稱為參數(shù)估計量具有( )的性質。A.線性

4、 B.無偏性 C.有效性 D.一致性6.參數(shù)的估計量具備有效性是指（）A. B.為最小C. D.為最小7.要使模型能夠得出參數(shù)估計量，所要求的最小樣本容量為（）A.nk+1 B.nk+1 C.n30 D.n3(k+1)8.已知含有截距項的三元線性回歸模型估計的殘差平方和為，估計用樣本容量為，則隨機誤差項的方差估計量為( )。A.33.33 B.40 C.38.09 D.36.369.最常用的統(tǒng)計檢驗準則包括擬合優(yōu)度檢驗、變量的顯著性檢驗和（）。A.方程的顯著性檢驗 B.多重共線性檢驗 C.異方差性檢驗 D.預測檢驗10.反映由模型中解釋變量所解釋的那部分離差大小的是( )。A.總體平方和 B.

5、回歸平方和 C.殘差平方和 11.總體平方和TSS、殘差平方和RSS與回歸平方和ESS三者的關系是（）。A.RSS=TSS+ESS B.TSS=RSS+ESS C.ESS=RSS-TSS D.ESS=TSS+RSS12.下面哪一個必定是錯誤的（）。A. B. C. D. 13.產量（X，臺）與單位產品成本（Y，元/臺）之間的回歸方程為，這說明（）。 A.產量每增加一臺，單位產品成本增加356元 B.產量每增加一臺，單位產品成本減少1.5元 C.產量每增加一臺，單位產品成本平均增加356元 D.產量每增加一臺，單位產品成本平均減少1.5元14.回歸模型，i = 1，25中，總體方差未知，檢驗時，

6、所用的檢驗統(tǒng)計量服從（）。A. B. C. D.15.設為回歸模型中的參數(shù)個數(shù)（包括截距項），n為樣本容量，ESS為殘差平方和，RSS為回歸平方和。則對總體回歸模型進行顯著性檢驗時構造的F統(tǒng)計量為（）。A. B. C. D.16.根據(jù)可決系數(shù)R2與F統(tǒng)計量的關系可知，當R2=1時有（）。A.F=1 B.F=1 C.F+ D.F=017.線性回歸模型的參數(shù)估計量是隨機變量的函數(shù)，即。所以是（）。A.隨機變量 B.非隨機變量 C.確定性變量 D.常量18.由 可以得到被解釋變量的估計值，由于模型中參數(shù)估計量的不確定性及隨機誤差項的影響，可知是（）。A.確定性變量 B.非隨機變量 C.隨機變量 D.

7、常量19.下面哪一表述是正確的（）。A.線性回歸模型的零均值假設是指B.對模型進行方程顯著性檢驗（即檢驗），檢驗的零假設是C.相關系數(shù)較大意味著兩個變量存在較強的因果關系D.當隨機誤差項的方差估計量等于零時，說明被解釋變量與解釋變量之間為函數(shù)關系20.在雙對數(shù)線性模型中，參數(shù)的含義是（）。A.Y關于X的增長量 B.Y關于X的發(fā)展速度 C.Y關于X的邊際傾向 D.Y關于X的彈性21.根據(jù)樣本資料已估計得出人均消費支出Y對人均收入X的回歸方程為，這表明人均收入每增加，人均消費支出將增加（）。A.2% B.0.2% C.0.75% D.7.5%22.半對數(shù)模型中，參數(shù)的含義是（）。 AX的絕對量變化

8、，引起Y的絕對量變化BY關于X的邊際變化 CX的相對變化，引起Y的期望值絕對量變化    DY關于X的彈性23.半對數(shù)模型中，參數(shù)的含義是（）。A.X的絕對量發(fā)生一定變動時，引起因變量Y的相對變化率B.Y關于X的彈性C.X的相對變化，引起Y的期望值絕對量變化      D.Y關于X的邊際變化24.雙對數(shù)模型中，參數(shù)的含義是（）。A.X的相對變化，引起Y的期望值絕對量變化  B.Y關于X的邊際變化C.X的絕對量發(fā)生一定變動時，引起因變量Y的相對變化率     

9、; D.Y關于X的彈性               答案：1. B 2. D 3. B 4. C 5. A6. B 7. A 8. B 9. A 10. B11. B 12C 13D 14D 15A16. C 17A 18C 19D 20D21C 22. C 23. A 24D 第三部分1.在線性回歸模型中，若解釋變量和的觀測值成比例，既有，其中為非零常數(shù)，則表明模型中存在（）。A.方差非齊性 B.多重共線性 C.序列相關 D.設定誤差

10、2.在多元線性回歸模型中，若某個解釋變量對其余解釋變量的判定系數(shù)接近于1，則表明模型中存在（）。A.多重共線性 B.異方差性 C.序列相關 D.高擬合優(yōu)度3.戈德菲爾德匡特檢驗法可用于檢驗（）。A.異方差性 B.多重共線性 C.序列相關 D.設定誤差4.若回歸模型中的隨機誤差項存在異方差性，則估計模型參數(shù)應采用（）。 A.普通最小二乘法 B.加權最小二乘法 C.廣義差分法 D.工具變量法5.如果回歸模型中的隨機誤差項存在異方差，則模型參數(shù)的普通最小二乘估計量（）。A.無偏且有效 B.無偏但非有效 C.有偏但有效 D.有偏且非有效6.設回歸模型為，其中，則的最有效估計量為（）。A. B. C.

11、D.7對于模型，如果在異方差檢驗中發(fā)現(xiàn)，則用權最小二乘法估計模型參數(shù)時，權數(shù)應為（）。A. B. C. D. 8.若回歸模型中的隨機誤差項存在一階自回歸形式的序列相關，則估計模型參數(shù)應采用（）。 A.普通最小二乘法 B.加權最小二乘法 C.廣義差分法 D.工具變量法 9.用于檢驗序列相關的DW統(tǒng)計量的取值范圍是()。A.0DW1 B.1DW1 C.2DW2 D.0DW410.已知DW統(tǒng)計量的值接近于2，則樣本回歸模型殘差的一階自相關系數(shù)近似等于（）。A.0 B.-1 C.1 D.0.511.已知樣本回歸模型殘差的一階自相關系數(shù)接近于-1，則DW統(tǒng)計量近似等于()。A.0 B.1 C.2 D.4

12、12.在給定的顯著性水平之下，若DW統(tǒng)計量的下和上臨界值分別為dL和du,則當dL<DW<du時，可認為隨機誤差項（）。A.存在一階正自相關 B.存在一階負相關 C.不存在序列相關 D.存在序列相關與否不能斷定13某企業(yè)的生產決策是由模型描述（其中為產量，為價格），又知：如果該企業(yè)在期生產過剩，決策者會削減期的產量。由此判斷上述模型存在（）。A. 異方差問題 B. 序列相關問題 C. 多重共線性問題 D. 隨機解釋變量問題14.對于模型，若存在序列相關，同時存在異方差，即有， ，則廣義最小二乘法隨機誤差項方差協(xié)方差矩陣可表示為這個矩陣是一個（）。A.退化矩陣 B.單位矩陣C.長方形

13、矩陣 D.正方形矩陣15.用矩陣形式表示的廣義最小二乘參數(shù)估計量為，此估計量為（）。A.有偏、有效的估計量 B.有偏、無效的估計量C.無偏、無效的估計量 D.無偏、有效的估計量16.采用廣義最小二乘法關鍵的一步是得到隨機誤差項的方差協(xié)方差矩陣，這就需要對原模型首先采用（）以求得隨機誤差項的近似估計量，從而構成矩陣的估計量。A.一階差分法 B.廣義差分法C.普通最小二乘法17.如果模型中出現(xiàn)隨機解釋變量并且與隨機誤差項相關時，最常用的估計方法是（）。A.普通最小二乘法 B.加權最小二乘法 C.差分法 D.工具變量法18.在下圖a、b、c、d、e中，為解釋變量，e為相對應的殘差。圖形（）表明隨機誤

14、差項的方差隨著解釋變量的增加而呈U性變化。答案：1. B 2. A 3. A 4. B 5. B6. C 7. D 8. C 9. D 10. A11. D 12. D 13. B 14. D 15. D16. C 17. D 18. e1.某商品需求函數(shù)為，其中y為需求量，x為價格。為了考慮“地區(qū)”（農村、城市）和“季節(jié)”（春、夏、秋、冬）兩個因素的影響，擬引入虛擬變量，則應引入虛擬變量的個數(shù)為（ ）。 A.2 B.4 C.5 D.62.根據(jù)樣本資料建立某消費函數(shù)如下：，其中C為消費，x為收入，虛擬變量，所有參數(shù)均檢驗顯著，則城鎮(zhèn)家庭的消費函數(shù)為( )。A. B. C. D. 3.假設某需求

15、函數(shù)為，為了考慮“季節(jié)”因素（春、夏、秋、冬四個不同的狀態(tài)），引入4個虛擬變量形成截距變動模型，則模型的（ ）。A.參數(shù)估計量將達到最大精度 B.參數(shù)估計量是有偏估計量C.參數(shù)估計量是非一致估計量 D.參數(shù)將無法估計4.對于模型，為了考慮“地區(qū)”因素（北方、南方），引入2個虛擬變量形成截距變動模型，則會產生（ ）。A.序列的完全相關 B.序列的不完全相關C.完全多重共線性 D.不完全多重共線性5.設消費函數(shù)為，其中虛擬變量D=，當統(tǒng)計檢驗表明下列哪項成立時，表示城鎮(zhèn)家庭與農村家庭有一樣的消費行為（ ）。A. B.C. D. 6.消費函數(shù)模型，其中y為消費，x為收入，該模型中包含了幾個

16、質的影響因素（ ）。A.1 B.2 C.3 D.47.設消費函數(shù)，其中虛擬變量，如果統(tǒng)計檢驗表明成立，則北方的消費函數(shù)與南方的消費函數(shù)是（ ）。A.相互平行的 B.相互垂直的 C.相互交叉的 D.相互重疊的8.假定月收入水平在1000元以內時，居民邊際消費傾向維持在某一水平，當月收入水平達到或超過1000元時，邊際消費傾向將明顯下降，則描述消費（C）依收入（I）變動的線性關系宜采用（ ）。A.B.C.D.，D、同上答案要點：1.B 2.A， 3.D 4.C 5.A6.D 7.A 8.D二、有關操作Views軟件操作及練習題指令 曾 康 華 編一、建立工作文件打開Views主窗口；從Views主

17、菜單中點擊File鍵，選擇ewWorkfile，則打開一個Workfile Range選擇框，其中需做三項選擇：Workfilefrequency；Start date；End date 。根據(jù)數(shù)據(jù)的性質做Workfilefrequency；Start date；End date各項選擇。點擊OK鍵。這時會建立一個尚未命名的工作文件（Workfile：UNTITLED）。點擊name鍵（起名，保存）。二、關閉工作文件從Views主窗口右上方，點擊×。三、打開工作文件雙擊Views標識，從主窗口，點擊FileopenWorkfile工作文件名（工作文件名字符不得超過個）。四、輸入數(shù)據(jù)從

18、主窗口，點擊QuickEmpty Group用手工輸入數(shù)據(jù)。輸入好數(shù)據(jù)后，對時間序列數(shù)據(jù)name（起名）save（保存）。也可從Ecxel中把數(shù)據(jù)粘貼到Empty Group，namesave。注意：如果輸入數(shù)據(jù)錯誤，如何該？從views主菜單中點擊Edit鍵。五、用公式生成新序列從主窗口，點擊QuickGenerate Series輸入計算公式。最常用運算符號：加（+），減（-），乘（*），除（/），乘方（），X的一階差分（D（X），即X-X（-1），對X取自然對數(shù)（log（X），對X取自然對數(shù)后做一階差分（Dlog（X），下面是函數(shù)及其含義：SUM（X）序列X的和MEAN（X）序列X的均值

19、 VAR（X）序列X的方差 SUMSQ（X）序列X的平方和 COV（X，Y）序列X和序列Y協(xié)方差 COR（X，Y）序列X和序列Y R2R2統(tǒng)計量RBA R2調整的R2統(tǒng)計量 SE回歸函數(shù)的標準誤差 FF統(tǒng)計量 MOVAV（X，n）序列X的n期移動平均，其中n為整數(shù)六、改變工作文件區(qū)間從主窗口，點擊procstructure/Resize Current Page改變區(qū)間。七、把各序列放到一起方法一：從主窗口，點擊ObjectNew ObjectGroup輸入序列名OK namesave。方法二：從工作文件窗口，左鍵單擊某一序列按住電腦左下方Ctrl鍵不松再依次左鍵單擊另外序列按鼠標右鍵as G

20、roup namesave。八、單序列（X）的直方圖和描述統(tǒng)計量左鍵雙擊打開序列（X）ViewDescriptive statisticHistogram and stats九、多序列描述統(tǒng)計量左鍵雙擊打開序列組（Group）ViewDescriptive statisticCommon stats十、序列的折線圖 左鍵雙擊打開序列（X）GraphlineOK十一、序列和的散點圖從Views主窗口，點擊Quick鍵，選擇Graph功能，這時將彈出一個對話框，要求輸入圖畫所用的變量名。對于畫散點圖來說，應該輸入兩個變量。這里因為要畫x，y的散點圖，所以輸入x，y。點擊OK鍵，會得到對話框，從Gr

21、aphType選項中選Scatter Diagram，然后按OK鍵，得到散點圖。如要改變x，y橫縱軸的位置，改變x，y順序即可。十二、進行OLS回歸（以雙變量回歸模型為例）從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入y c x或者y=c（1）c（2）*x。在EstimateSetting選擇框中自動給出缺省選擇LS估計法和樣本區(qū)間。點擊OK鍵，即可得到回歸結果。然后namesave。十三、預測操作：（1）打開工作文件（WorkFile），從主窗口Procsstructure/Resize

22、Current Page改變區(qū)間。在打開的擴展范圍選擇框中分別輸入預測區(qū)間。 （2）編輯變量X的數(shù)據(jù)（用鼠標右鍵激活），輸入X的實際值。 （3）在回歸模型估計結果顯示窗口的命令行中，單擊Forecast，打開預測窗口，預測結果變量的缺省選擇為YF，選擇靜態(tài)預測，點擊OK。在工作文件窗口，就會顯示YF。 （4）主窗口QuickGraph，打開作圖對話框輸入Y FY，選擇Line Graph，Singe Scale。 十四、顯示殘差圖 在回歸模型估計結果顯示窗口的命令行中，單擊resids即可。十五、自相關練習的操作指令（以雙變量回歸模型為例）操作：（1）用OLS方法估計模型的參數(shù)。從Views主

23、窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入y c x或者y=c（1）c（2）*x。在EstimateSetting選擇框中自動給出缺省選擇LS估計法和樣本區(qū)間。點擊OK鍵，即可得到回歸結果。然后namesave。（2）檢驗自相關圖示法。由OLS估計結果，得到殘差resid，并把殘差resid轉換成E，即從主窗口QuickGenerate Series生成序列（E=resid）。再從從主窗口QuickGraph，在圖形對話框中鍵入E E（-1），再單擊Scatter Diogram，得到散點圖。DW檢驗

24、。由OLS估計結果，得到DW，給定顯著性水平，查DW統(tǒng)計表，n表示樣本觀測值的個數(shù)，k是解釋變量的個數(shù)，得到DW統(tǒng)計量的下限臨界值dl和du，再根據(jù)DW檢驗的判斷法則，進行判斷。（3）自相關的修正根據(jù)DW統(tǒng)計量，利用公式=1-DW/2，計算。對Y序列作廣義差分。點擊QuickGenerate Series輸入計算公式（DY=Y-Y（-1）。對X序列作廣義差分。點擊QuickGenerate Series輸入計算公式（DX=X-X（-1）。（4）再用OLS方法估計模型的參數(shù)。從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpeci

25、fication選擇框中輸入dy c dx或者dy=c（1）c（2）*dx。在EstimateSetting選擇框中自動給出缺省選擇LS估計法和樣本區(qū)間。點擊OK，即可得到回歸結果。然后namesave。（5）再進行DW檢驗。（6）消除了自相關的模型即為所求模型。十六、異方差練習的操作指令（以雙變量回歸模型為例）操作：（1）用OLS方法估計模型的參數(shù)。（2）異方差檢驗圖示法。從Equationresid，得到殘差圖。還可把resid變換為e，再作e與序列x的散點圖。G-Q檢驗。從主窗口點擊ProcsSort Current pageyes，出現(xiàn)排序對話框后，鍵入x，選升序（ascending）

26、，單擊OK。假定樣本數(shù)據(jù)為n，去掉中間c（n/4）個數(shù)據(jù)，然后分成兩組數(shù)據(jù)，分別做兩個回歸，得到兩個殘差平方和。構造F統(tǒng)計量，取顯著性水平0.05，查F分布表，得到F臨界值，如果F統(tǒng)計量大于F臨界值，則存在異方差。（3）異方差的修正。用加權最小二乘法，具體操作：在工作文件單擊方程標識，打開回歸方程，在方程窗口單擊EstimateOptionsWeighted LS/TSLSWeight（輸入權數(shù)）OK（4）為了分析異方差的校正情況，利用WLS估計出模型以后，還需要利用懷特檢驗再次判斷模型是否存在異方差性。具體操作：在方程窗口單擊ViewResidual TestWhite Heterosked

27、asticity。（5）取顯著性水平0.05，查，n為輔助方程解釋變量的個數(shù)，如果nR2<,則修正后的方程不存在異方差。十七、多重共線性練習的操作指令操作：（1）運用OLS法對方程估計參數(shù)。從Views主窗口，點擊Quick點擊Estimate Equation功能。（2）做F檢驗，由方程得到F統(tǒng)計量，在給定顯著性水平0.05下，查F0.05（k，n-k-1），這里k為變量出個數(shù)，n為樣本點數(shù)。如果F0.05（k，n-k-1）<F統(tǒng)計量。則表明從整體上看，被解釋變量和解釋變量之間線性關系顯著。（3）檢驗。先計算被解釋變量和解釋變量之間的相關系數(shù)，Views操作如下：在主窗口點擊Qu

28、ickGroup StatisticsCorrelationSeries Line（輸入被解釋變量和解釋變量）OK，判斷解釋變量之間的相關程度。（4）多重共線性的修正（逐步回歸法）。運用OLS方法逐一求Y（被解釋變量）對各個解釋變量的回歸，結合經濟意義和統(tǒng)計檢驗選出擬合效果最好的雙變量回歸方程為基礎，在此基礎上，再添加其他解釋變量，直到選出最佳的回歸模型。十八、有限分布滯后模型練習的操作指令設定模型：操作：建立Workfile，從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Y c x x（-

29、1） x（-2）x（-3）x（-4）x（-5），點擊OK?；蛘咴贓quationSpecification選擇框中輸入Y c x（0 to -5）。十九、多項式分布滯后模型的阿爾蒙估計法（Almon method of Polynomizl Distributed Log Models）（一）阿爾蒙估計法（1）設定模型：注意：這里k=6，r=2。則原模型可變?yōu)椋?其中： Views操作：（1）建立Workfile，注意：namesave。（2）生成新變量，從主窗口點擊QuickGenerate Series輸入計算公式（W0=x+x（-1）+x（-2）+x（-3）+x（-4）+x（-5）+x（

30、-6）；W1=x（-1）+2*x（-2）+3*x（-3）+4*x（-4）+5*x（-5）+6*x（-6）；W2=x（-1）+4*x（-2）+9*x（-3）+16*x（-4）+25*x（-5）+36*x（-6）。（3）用OLS法做Y對W0，W1，W2回歸。從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入y c W0 W1 W2。點擊OK?？梢缘玫降墓烙嬛怠＃?）利用，計算：；（5）最后得到分布滯后模型的估計式。（二）阿爾蒙估計法（2）操作：（1）建立Workfile，注意：namesave。（2

31、）運用Views程序中阿爾蒙估計法，可以直接進行，從主窗口點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入y c PDL（x，k，r），（應輸入命令：y c PDL（x，6，2），點擊OK。可以得到的估計值。注意：Views程序中，PDL（x，k，r），PDL是Polynomizl Distributed Log Models的簡寫，x表示為自變量，k表示滯后期，r表示系數(shù)多項式的階數(shù)，在這個例子中，應輸入命令：PDL（x，6，2）（3）用“PDL”估計分布滯后模型時，Views所采用的滯后多項式變換不是形如，而

32、是阿爾蒙多項式的派生形式：，其中k為滯后期數(shù)，并且滯后期數(shù)為偶數(shù)。在本例中取k=6，這樣，系數(shù)多項式應是： （j=0，1，2，3，4，5，6）（4）利用計算（j=0，1，2，3，4，5，6）。（5）最后得到分布滯后模型的估計式。二十、用經驗權數(shù)法估計有限分布滯后模型的參數(shù)設定模型：操作：（1）建立Workfile。注意：namesave。（2）運用檢驗加權法，選擇下列三組權數(shù)分別表示遞減滯后、A型滯后、不變滯后。1，1/2，1/4，1/8；1/4，1/2，2/3，1/4；1/4，1/4，1/4，1/4。（3）生成新的三個序列 操作：從主窗口，點擊QuickGenerate Series輸入計算

33、公式z1t=xt+1/2*xt-1+1/4*xt-2+1/8*xt-3；z2t=1/4xt+1/2*xt-1+2/3*xt-2+1/4*xt-3 z3t=1/4xt+1/4*xt-1+1/4*xt-2+1/4*xt-3。（4）回歸分析。從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Y c z1t，用Z2t 、Z3t替換z1t，重復前面回歸過程，可得到另外兩個經驗加權模型的回歸結果。（5）對三個模型，要檢驗自相關、t檢驗和R2，從中選出最佳的分布滯后模型。注意：有限分布滯后模型中滯后期數(shù)的判定

34、：Akaike info criterion（赤池準則） 和Schwarz criterion（施瓦茨準則）最小。二十一、隨機自變量模型（Random Regressors Models）的參數(shù)估計（工具變量法）若線性回歸模型的假定cov（GDP u）=0不滿足，即自變量x是隨機解釋變量，用OLS法估計量將失去無偏性和一致性，為此，必須對隨機項是否與自變量強相關進行檢驗。操作：（1）建立Workfile。注意：namesave。（2）進行豪斯曼（Hausman Test）檢驗。檢驗GDP 與u是否存在強相關（省略）。假定GDP 與u存在強相關，而儲蓄變量與隨機誤差項u不相關（這里只是為了說明方

35、法的應用，不去計較儲蓄變量與隨機誤差項u實際上是否相關），可以作為自變量GDP的工具變量。（3）在工作文件指令窗口輸入下列命令：Equation Hausman.Ls GDP C ChuxuGenr Vhat=ResidEquation Eq01.LS Chukou C GDP Vhat點擊回車注意:第一句命令得到GDP關于它的工具變量Chuxu的回歸方程(稱作Hausman方程)；第二句命令是建立一個變量Vhat等于Hausman方程的Resid；第三個命令得到出口（Chukou）關于GDP和Vhat的回歸方程。對殘差的估計值進行t檢驗，得t=-4.686，在1%是顯著水平下，殘查的回歸參數(shù)

36、的顯著的，因此，拒絕原假設，自變量GDP與隨機誤差項之間存在相關性。（4）以儲蓄（Chuxu）作為GDP的工具變量。從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Chukou c GDP，在Instrument list框內添入Chuxu，選擇“TSLS”方法（Two Stage Least Squares），點擊OK。二十二、虛擬變量模型（1）練習的操作指令初職年薪Y/千美元教育（1=大學教育，0=非大學教育）初職年薪Y/千美元教育（1=大學教育，0=非大學教育）21.2118.5017.

37、5021.7117.0018.0020.5119.0021.0122.01只含一個定性變量的回歸模型，在這個模型中， =初職年薪 操作：建立Workfile，從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Y c D1，點擊OK。二十三、虛擬變量模型（2）練習的操作指令年薪Y/千美元教齡X2性別1=男，0=女23.01119.51024.02121.02025.03122.03026.54123.14025.05028.05129.56126.06027.57031.57129.080包括一個

38、定量變量,一個兩分定性變量的回歸模型其中 =大學教師的年薪； -教齡 操作：建立Workfile，namesave。再從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Y c D1 x，點擊OK。二十四、虛擬變量模型（3）練習的操作指令測量斜率變動的模型，以乘法形式引入虛擬解釋變量，是在所設定的計量模型中，將虛擬解釋變量與其他解釋變量相乘作為新的解釋變量，以達到其調整模型斜率系數(shù)的目的。這個模型等價于： 操作：（1）建立Workfile，namesave。（2）生成新變量，從主窗口點擊Quick

39、Generate Series輸入計算公式（Z=XD1）（3）做回歸。從Views主窗口，點擊Quick點擊Estimate Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Y c x x D1，點擊OK。二十五、虛擬變量模型（4）練習的操作指令測量斜率和截距都變動的模型，如果斜率和截距都變動，適合采用以下模型：操作：（1）建立Workfile，namesave。（2）生成新變量，從主窗口點擊QuickGenerate Series輸入計算公式（Z=XD1）（3）做回歸。從Views主窗口，點擊Quick點擊Estimate Equation功能。

40、彈出一個對話框。在EquationSpecification選擇框中輸入Y c x D1 x D1，點擊OK。二十六、虛擬變量模型（5）練習的操作指令分段線性回歸，當在模型中使用虛擬變量時，回歸函數(shù)就不再是連續(xù)的了。那么，能否可以用虛擬變量描述出模型結構的變化，又使回歸函數(shù)保持連續(xù)呢？可以。 考慮模型： 其中表示結構發(fā)生變化的t=b1時刻的值。 當D1=0時， 當D1=1時，操作：建立Workfile，namesave。（2）生成新變量，從主窗口點擊QuickGenerate Series輸入計算公式（Z=（X-Xb）D1）（3）做回歸。從Views主窗口，點擊Quick點擊Estimate

41、Equation功能。彈出一個對話框。在EquationSpecification選擇框中輸入Y c x （X-Xb）D1，點擊OK。二十七、聯(lián)立方程模型的練習其中：t期的消費額，t期的投資額，t期的國民收入t期的政府支出額，t-1期的國民收入 經過檢驗，消費方程是過度識別，適合用二階段最小二乘法估計。操作：（1）第一步，作為解釋變量的內生變量Y的簡化方程為 （2）估計Y的簡化式方程（3）生成新序列：EY=Y-Resid（4）利用Y的擬合值，在消費方程中用代替Y，再次應用OLS法，估計替代后的結構方程即消費方程。注意：上述步驟可以直接使用二階段最小二乘法估計命令，即在Estimate Equa

42、tion對話筐中，鍵入CS C Y CS（-1） C Y(-1) CS(-1) G，在估計方法方框中選擇TSLS，點擊OK。（5）投資方程顯然滿足古典假設，可直接應用OLS法。二十八、協(xié)整分析的練習Augmented Dickey-Fuller Test（ADF）檢驗考慮模型（1）yt=yt-1+jyt-j+t模型（2）yt=+yt-1+jyt-j+t模型（3）yt=+t+yt-1+jyt-j+t其中：j=1，2，3單位根的檢驗步驟如下：第一步：估計模型（3）。在給定ADF臨界值的顯著水平下，如果參數(shù)顯著不為零，則序列yt不存在單位根，說明序列yt是平穩(wěn)的，結束檢驗。否則，進行第二步。第二步：

43、給定=0，在給定ADF臨界值的顯著水平下，如果參數(shù)顯著不為零，則進入第三步；否則表明模型不含時間趨勢，進入第四步。第三步：用一般的t分布檢驗=0。如果參數(shù)顯著不為零，則序列yt不存在單位根，說明序列yt是平穩(wěn)的，結束檢驗；否則，序列存在單位根，是非平穩(wěn)序列，結束檢驗。第四步：估計模型（2）。在給定ADF臨界值的顯著水平下，如果參數(shù)顯著不為零，則序列yt不存在單位根，說明序列yt是平穩(wěn)的，結束檢驗；否則，繼續(xù)下一步。第五步：給定=0，在給定ADF臨界值的顯著水平下，如果參數(shù)顯著不為零，表明含有常數(shù)項，則進入第三步；否則繼續(xù)下一步。第六步：估計模型（1）。在給定ADF臨界值的顯著水平下，如果參數(shù)顯

44、著不為零，則序列yt不存在單位根，說明序列yt是平穩(wěn)的，結束檢驗。否則，序列存在單位根，是非平穩(wěn)序列，結束檢驗。操作：（1）檢驗消費序列是否為平穩(wěn)序列。在工作文件窗口，打開序列CS，在CS頁面單擊左上方的“Viem”鍵并選擇“Unit Root Test”，依據(jù)檢驗目的確定要檢驗的模型類型，則有單位根檢驗結果。消費時間序列為模型（3），其t值大于附表6（含有常數(shù)項和時間趨勢）中0.010.10各種顯著性水平下值。因此，在這種情況下不能拒絕原假設，即私人消費時間序列CS有一個單位根，SC序列是非平穩(wěn)序列。（2）單整。檢驗消費時間序列一階差分（SCt）的平穩(wěn)性。用OLS法做兩個回歸：2SCt C

45、SCt-12SCt C t SCt-1 2SCt為二階差分，在兩種情況下，t值都小于附表6中0.010.10各種顯著性水平下的值。因此，拒絕原假設，即私人消費一階差分時間序列沒有單位根，即私人消費一階差分時間序列沒有單位根，或者說該序列的平穩(wěn)序列。所以，SCt是非平穩(wěn)序列，由于SCtI（0），因而SCtI（1）。（3）判斷兩變量的協(xié)整關系。第一步：求出兩變量的單整的階 對于SCt。做兩個回歸（SCt C SCt-1），（2SCt C SCt-1）。 對于yt， 做兩個回歸（yt C yt-1），（2yt C yt-1）。 判斷SCt和yt都是非平穩(wěn)的，而SCt和yt是平穩(wěn)的，即SCtI（1），

46、ytI（1）。 第二步：進行協(xié)整回歸用OLS法做回歸：（SCt C yt），并變換參差為et。第三步：檢驗et的平穩(wěn)性用OLS法做回歸：（et C et-1）第四步：得出兩變量是否協(xié)整的結論因為t=-3.15與下表協(xié)整檢驗EG或AGE的臨界值相比較（K=2），采用顯著性水平a=0.05，t值大于臨界值，因而接受et非平穩(wěn)的原假設，意味著兩變量不是協(xié)整關系。可是，如果采用顯著性水平a=0.10，則t值與臨界值大致相當，因而可以預期，若a=0.11，則t值小于臨界值，接受et平穩(wěn)的備擇假設，即兩變量具有協(xié)整關系。 協(xié)整檢驗EG或AGE的臨界值 樣本個數(shù) 顯著性水平 K=2 K=3 K=4 樣本容量

47、0.01 0.05 0.100.01 0.05 0.100.01 0.05 0.10 25-4.37 -3.59 -3.22-4.92 -4.10 -3.71-5.43 -4.56 -4.15 50-4.12 -3.46 -3.13-4.59 -3.92 -3.58-5.02 -4.32 -3.89 100-4.01 -3.39 -3.09-4.44 -3.83 -3.51-4.83 -4.21 -3.89 -3.90 -3.33 -3.05-4.30 -3.74 -3.45-4.65 -4.10 -3.81（4）誤差修正模型的估計 第一步：估計協(xié)整回歸方程 yt=b0+b1xt+ut 得到協(xié)整的一致估計量（1，- b0 -b1），用它得出均衡誤差ut的估計值et。 第二步：用OLS法估計下面的方程 yt=a+iyt-i+jyt-j+et-1+vt 在具體建模中，首先要對長期關系模型的設定是否