南財(cái)計(jì)量經(jīng)濟(jì)學(xué)練習(xí)冊答案

1、南財(cái)計(jì)量經(jīng)濟(jì)學(xué)練習(xí)冊答案（第一章） 來源： 宣思源的日志 一、名詞解釋1、截面數(shù)據(jù)：截面數(shù)據(jù)是許多不同的觀察對象在同一時(shí)間點(diǎn)上的取值的統(tǒng)計(jì)數(shù)據(jù)集合，可理解為對一個(gè)隨機(jī)變量重復(fù)抽樣獲得的數(shù)據(jù)。2、時(shí)間序列數(shù)據(jù)：時(shí)間序列數(shù)據(jù)是同一觀察對象在不同時(shí)間點(diǎn)上的取值的統(tǒng)計(jì)序列，可理解為隨時(shí)間變化而生成的數(shù)據(jù)。3、虛變量數(shù)據(jù)：虛擬變量數(shù)據(jù)是人為設(shè)定的虛擬變量的取值。是表征政策、條件等影響研究對象的定性因素的人工變量，其取值一般只取“0”或“1”。4、內(nèi)生變量與外生變量：。內(nèi)生變量是由模型系統(tǒng)決定同時(shí)可能也對模型系統(tǒng)產(chǎn)生影響的變量，是具有某種概率分布的隨機(jī)變量，外生變量是不由模型系統(tǒng)決定但對模型系統(tǒng)產(chǎn)生影響的

2、變量，是確定性的變量。二、單項(xiàng)選擇題1、C       2、B       3、A      4、A      5、B    6、A三、填空題1、因果關(guān)系、相互影響關(guān)系2、時(shí)間序列數(shù)據(jù)、截面數(shù)據(jù)、面板數(shù)據(jù)3、時(shí)間序列模型、單方程模型、聯(lián)立方程組模型 四、簡答題1、計(jì)量經(jīng)濟(jì)學(xué)與經(jīng)濟(jì)理論、統(tǒng)計(jì)學(xué)、數(shù)學(xué)的聯(lián)系主要體現(xiàn)在計(jì)量經(jīng)濟(jì)學(xué)對經(jīng)濟(jì)理論、統(tǒng)計(jì)

3、學(xué)、數(shù)學(xué)的應(yīng)用方面，分別如下：1）計(jì)量經(jīng)濟(jì)學(xué)對經(jīng)濟(jì)理論的利用主要體現(xiàn)在以下幾個(gè)方面（1）計(jì)量經(jīng)濟(jì)模型的選擇和確定            （2）對經(jīng)濟(jì)模型的修改和調(diào)整（3）對計(jì)量經(jīng)濟(jì)分析結(jié)果的解讀和應(yīng)用2）計(jì)量經(jīng)濟(jì)學(xué)對統(tǒng)計(jì)學(xué)的應(yīng)用（1）數(shù)據(jù)的收集、處理                   （2）參數(shù)估計(jì)（3）參

4、數(shù)估計(jì)值、模型和預(yù)測結(jié)果的可靠性的判斷3）計(jì)量經(jīng)濟(jì)學(xué)對數(shù)學(xué)的應(yīng)用（1）關(guān)于函數(shù)性質(zhì)、特征等方面的知識（2）對函數(shù)進(jìn)行對數(shù)變換、求導(dǎo)以及級數(shù)展開            （3）參數(shù)估計(jì)（4）計(jì)量經(jīng)濟(jì)理論和方法的研究2、模型的檢驗(yàn)主要包括：經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)、模型的預(yù)測檢驗(yàn)。在經(jīng)濟(jì)意義檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ褪欠穹辖?jīng)濟(jì)意義，檢驗(yàn)求得的參數(shù)估計(jì)值的符號、大小、參數(shù)之間的關(guān)系是否與根據(jù)人們的經(jīng)驗(yàn)和經(jīng)濟(jì)理論所擬訂的期望值相符合；在統(tǒng)計(jì)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)值的可靠性，即檢驗(yàn)

5、模型的統(tǒng)計(jì)學(xué)性質(zhì)，有擬合優(yōu)度檢驗(yàn)、變量顯著檢驗(yàn)、方程顯著性檢驗(yàn)等；在計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)中，需要檢驗(yàn)?zāi)Ｐ偷挠?jì)量經(jīng)濟(jì)學(xué)性質(zhì)，包括隨機(jī)擾動(dòng)項(xiàng)的序列相關(guān)檢驗(yàn)、異方差性檢驗(yàn)、解釋變量的多重共線性檢驗(yàn)等；模型的預(yù)測檢驗(yàn)，主要檢驗(yàn)?zāi)Ｐ蛥?shù)估計(jì)量的穩(wěn)定性以及對樣本容量變化時(shí)的靈敏度，以確定所建立的模型是否可以用于樣本觀測值以外的范圍。五、計(jì)算分析題1、（1）不是。因?yàn)檗r(nóng)村居民儲蓄增加額應(yīng)與農(nóng)村居民可支配收入總額有關(guān)，而與城鎮(zhèn)居民可支配收入總額沒有因果關(guān)系。（2）不是。第t年農(nóng)村居民的純收入對當(dāng)年及以后年份的農(nóng)村居民儲蓄有影響，但并不對第t-1的儲蓄產(chǎn)生影響。2、一是居民收入總額RIt前參數(shù)符號有誤，應(yīng)是正號；二是

6、全社會(huì)固定資產(chǎn)投資總額IVt這一解釋變量的選擇有誤，它對社會(huì)消費(fèi)品零售總額應(yīng)該沒有直接的影響。3、（1）不合理，因?yàn)樽鳛榻忉屪兞康牡谝划a(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的增加值是GDP的構(gòu)成部分，三部分之和正為GDP的值，因此三變量與GDP之間的關(guān)系并非隨機(jī)關(guān)系，也非因果關(guān)系。 （2）不合理，一般來說財(cái)政支出影響財(cái)政收入，而非相反，因此若建立兩者之間的模型，解釋變量應(yīng)該為財(cái)政收入，被解釋變量應(yīng)為財(cái)政支出；另外，模型沒有給出具體的數(shù)學(xué)形式，是不完整的。南財(cái)計(jì)量經(jīng)濟(jì)學(xué)練習(xí)冊答案（第二章） 2011-09-19 14:09 | (分類:默認(rèn)分類) 一、名詞解釋1、總體回歸函數(shù)：是指在給定Xi下Y分布

7、的總體均值與Xi所形成的函數(shù)關(guān)系（或者說將總體被解釋變量的條件期望表示為解釋變量的某種函數(shù)）2、最大似然估計(jì)法（ML）:又叫最大或然法，指用產(chǎn)生該樣本概率最大的原則去確定樣本回歸函數(shù)的方法。3、OLS估計(jì)法：指根據(jù)使估計(jì)的剩余平方和最小的原則來確定樣本回歸函數(shù)的方法。4、殘差平方和：用RSS表示，用以度量實(shí)際值與擬合值之間的差異，是由除解釋變量之外的其他因素引起的被解釋變量變化的部分。5、擬合優(yōu)度檢驗(yàn)：指檢驗(yàn)?zāi)Ｐ蛯颖居^測值的擬合程度，用 表示，該值越接近1表示擬合程度越好。二、單項(xiàng)選擇題1、D 2、B 3、D 4、D 5、A 6、C 7、D 8、C 9、C 10、B11、B 12、B 13、

8、B 14、D 15、A三、多項(xiàng)選擇題1、ABCE 2、ACDE 3、BDE 4、BCDE 5、ABCDE四、判斷題1、× 2、× 3、× 4、 5、× 6、 7、× 8、× 9、 10、五、簡答分析題1、答：計(jì)量經(jīng)濟(jì)學(xué)模型考察的是具有因果關(guān)系的隨機(jī)變量間的具體聯(lián)系方式。由于是隨機(jī)變量，意味著影響被解釋變量的因素是復(fù)雜的，除了解釋變量的影響外，還有其他無法在模型中獨(dú)立列出的各種因素的影響。這樣，理論模型中就必須使用一個(gè)稱為隨機(jī)干擾項(xiàng)的變量來代表所有這些無法在模型中獨(dú)立表示出來的影響因素，以保證模型在理論上的科學(xué)性。2、答：將總體被解釋變

9、量的條件期望表示為解釋變量的某種函數(shù)，這個(gè)函數(shù)就稱為總體回歸函數(shù)，其一般表達(dá)式為： ，一元線性總體回歸函數(shù)為 ；樣本回歸函數(shù)：將被解釋變量Y的樣本觀測值的擬和值表示為解釋變量的某種函數(shù) ，一元線性樣本回歸函數(shù)為 。樣本回歸函數(shù)是總體回歸函數(shù)的一個(gè)近似?？傮w回歸函數(shù)具有理論上的意義，但其具體的參數(shù)不可能真正知道，只能通過樣本估計(jì)。樣本回歸函數(shù)就是總體回歸函數(shù)的參數(shù)用其估計(jì)值替代之后的形式，即 為 的估計(jì)值。3、答：可決系數(shù)R2=ESS/TSS=1-RSS/TSS，含義為由解釋變量引起的被解釋變量的變化占被解釋變量總變化的比重，用來判定回歸直線擬合的優(yōu)劣，該值越大說明擬合的越好；而殘差平方和與樣本

10、容量關(guān)系密切，當(dāng)樣本容量比較小時(shí)，殘差平方和的值也比較小，尤其是不同樣本得到的殘差平方和是不能做比較的。此外，作為檢驗(yàn)統(tǒng)計(jì)量的一般應(yīng)是相對量而不能用絕對量，因而不能使用殘差平方和判斷模型的擬合優(yōu)度。4、答：普通最小二乘法所保證的最好擬合是同一個(gè)問題內(nèi)部的比較，即使用給出的樣本數(shù)據(jù)滿足殘差的平方和最小；擬合優(yōu)度檢驗(yàn)結(jié)果所表示的優(yōu)劣可以對不同的問題進(jìn)行比較，即可以辨別不同的樣本回歸結(jié)果誰好誰壞。五、計(jì)算分析題1、解：（1）收入、年齡、家庭狀況、政府的相關(guān)政策等也是影響生育率的重要的因素，在上述簡單回歸模型中，它們被包含在了隨機(jī)擾動(dòng)項(xiàng)之中。有些因素可能與受教育水平相關(guān)，如收入水平與教育水平往往呈正相

11、關(guān)、年齡大小與教育水平呈負(fù)相關(guān)等。（2）當(dāng)歸結(jié)在隨機(jī)擾動(dòng)項(xiàng)中的重要影響因素與模型中的教育水平educ相關(guān)時(shí)，上述回歸模型不能夠揭示教育對生育率在其他條件不變下的影響，因?yàn)檫@時(shí)出現(xiàn)解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)的情形，基本假設(shè)3不滿足。2、解：（1） 為接受過N年教育的員工的總體平均起始薪金。當(dāng)N為零時(shí)，平均薪金為 ，因此 表示沒有接受過教育員工的平均起始薪金。 是N每變化一個(gè)單位所引起的E的變化，即表示每多接受一年教育所對應(yīng)的薪金增加值。（2）OLS估計(jì)量 和仍 滿足線性性、無偏性及有效性，因?yàn)檫@些性質(zhì)的的成立無需隨機(jī)擾動(dòng)項(xiàng) 的正態(tài)分布假設(shè)。（3）如果 的分布未知，則所有的假設(shè)檢驗(yàn)都是無效的。因?yàn)閠

12、檢驗(yàn)與F檢驗(yàn)是建立在 的正態(tài)分布假設(shè)之上的。（4）考察被解釋變量度量單位變化的情形。以E*表示以百元為度量單位的薪金，則 由此有如下新模型 或 這里 ， 。所以新的回歸系數(shù)將為原始模型回歸系數(shù)的1/100（5）再考慮解釋變量度量單位變化的情形。設(shè)N*為用月份表示的新員工受教育的時(shí)間長度，則N*=12N，于是或 可見，估計(jì)的截距項(xiàng)不變，而斜率項(xiàng)將為原回歸系數(shù)的1/12。3、解：（1）散點(diǎn)圖如下圖所示。 （X2,Y2） （Xn,Yn） （X1,Y1） 首先計(jì)算每條直線的斜率并求平均斜率。連接 和 的直線斜率為。由于共有 1條這樣的直線，因此（2）因?yàn)閄非隨機(jī)且 ，因此 這意味著求和中的每一項(xiàng)都有期

13、望值 ，所以平均值也會(huì)有同樣的期望值，則表明是無偏的。（3）根據(jù)高斯馬爾可夫定理，只有 的OLS估計(jì)量是最佳線性無偏估計(jì)量，因此，這里得到的 的有效性不如 的OLS估計(jì)量，所以較差。4、解：（1） 為收入的邊際儲蓄傾向，表示人均收入每增加1美元時(shí)人均儲蓄的預(yù)期平均變化量。（2）由于收入為零時(shí)，家庭仍會(huì)有支出，可預(yù)期零收入時(shí)的平均儲蓄為負(fù)，因此 符號應(yīng)為負(fù)。儲蓄是收入的一部分，且會(huì)隨著收入的增加而增加，因此預(yù)期 的符號為正。實(shí)際的回歸式中， 的符號為正，與預(yù)期的一致。但截距項(xiàng)為正，與預(yù)期不符。這可能是模型的錯(cuò)誤設(shè)定造成的。如家庭的人口數(shù)可能影響家庭的儲蓄行為，省略該變量將對截距項(xiàng)的估計(jì)產(chǎn)生了影響

14、；另外線性設(shè)定可能不正確。（3）擬合優(yōu)度刻畫解釋變量對被解釋變量變化的解釋能力。模型中53.8%的擬合優(yōu)度，表明收入的變化可以解釋儲蓄中53.8 %的變動(dòng)。5、解：（1）回歸方程的截距0.7264表示當(dāng) 時(shí)的股票或債券收益率，本身沒有經(jīng)濟(jì)意義；回歸方程的斜率1.0598表明當(dāng)有價(jià)證券的收益率每上升（或下降）1個(gè)點(diǎn)將使得股票或債券收益率上升（或下降）1.0598個(gè)點(diǎn)。（2） 為可決系數(shù)，是度量回歸方程擬合優(yōu)度的指標(biāo)，它表明該回歸方程中47.10%的股票或債券收益率的變化是由 變化引起的。當(dāng)然 也表明回歸方程對數(shù)據(jù)的擬合效果不是很好。（3）建立零假設(shè) ，備擇假設(shè) ， ， ，查表可得臨界值 ，由于

15、，所以接受零假設(shè) ，拒絕備擇假設(shè) 。說明此期間IBM股票不是不穩(wěn)定證券。6、解：（1）這是一個(gè)橫截面序列回歸。（2）截距2.6911表示咖啡零售價(jià)在 時(shí)刻為每磅0美元時(shí)，美國平均消費(fèi)量為每天每人2.6911杯，這個(gè)數(shù)字沒有經(jīng)濟(jì)意義；斜率-0.4795表示咖啡零售價(jià)與消費(fèi)量負(fù)相關(guān)，在 時(shí)刻，價(jià)格上升1美元/磅，則平均每天每人消費(fèi)量減少0.4795杯；（3）不能；（4）不能；在同一條需求曲線上不同點(diǎn)的價(jià)格彈性不同，若要求出，須給出具體的 值及與之對應(yīng)的 值。7、解：能用一元線性回歸模型進(jìn)行分析。因?yàn)?對方程左右兩邊取對數(shù)可得：令 可得一元線性回歸模型：8、解：列表計(jì)算得 據(jù)此可計(jì)算出 回歸直線方程

16、為 ：進(jìn)一步列表計(jì)算得：這里,n=18，所以：六、上機(jī)練習(xí)題1、解：（1）使用Eviews軟件，ASP對GPA分?jǐn)?shù)的回歸結(jié)果如表所示。Dependent Variable: ASP VariableCoefficientStd. Errort-StatisticProb.GPA105117.5826347.0863.98972340.0004319C-273722.585758.314-3.191790.0034766R-squared0.3624466Mean dependent var68260Adjusted R-squared0.3396769S.D. dependent var181

17、87.78S.E. of regression14779.439Akaike info criterion22.104202Sum squared resid6.116E+09Schwarz criterion22.197615Log likelihood-329.563F-statistic15.917893Durbin-Watson stat1.0062756Prob(F-statistic)0.0004319從回歸結(jié)果看，GPA分?jǐn)?shù)的系數(shù)是統(tǒng)計(jì)顯著的，對ASP有正的影響。（2）使用Eviews軟件，ASP對GMAT分?jǐn)?shù)的回歸結(jié)果如表所示。Dependent Variable: ASP V

18、ariableCoefficientStd. Errort-StatisticProb.GMAT641.659876.150368.4262220C-332306.847572.09-6.9853320R-squared0.717175Mean dependent var68260Adjusted R-squared0.707074S.D. dependent var18187.78S.E. of regression9843.701Akaike info criterion21.29139Sum squared resid2.71E+09Schwarz criterion21.3848Log

19、 likelihood-317.3709F-statistic71.00122Durbin-Watson stat1.128809Prob(F-statistic)0從回歸結(jié)果看，GMAT分?jǐn)?shù)與ASP顯著正相關(guān)。（3）使用Eviews軟件，ASP對學(xué)費(fèi)X的回歸結(jié)果如表所示。Dependent Variable: ASPVariableCoefficientStd. Errort-StatisticProb. X2.6334830.5516014.7742520.0001C23126.329780.8632.3644460.0252R-squared0.448748 Mean dependent

20、 var68260Adjusted R-squared0.429061 S.D. dependent var18187.78S.E. of regression13742.78 Akaike info criterion21.95876Sum squared resid5.29E+09 Schwarz criterion22.05217Log likelihood-327.3813 F-statistic22.79348Durbin-Watson stat1.142178 Prob(F-statistic)0.000051從計(jì)算結(jié)果看，每年的學(xué)費(fèi)與ASP顯著正相關(guān)。學(xué)費(fèi)高，ASP就高；但學(xué)費(fèi)僅

21、解釋了ASP變化的一部分（不到50%），明顯還有其他因素影響著ASP。（4）使用Eviews軟件回歸結(jié)果如表所示。Dependent Variable: GPAVariableCoefficientStd. Errort-StatisticProb. X6.17E-064.09E-061.5079520.1428C3.1475790.07255943.379360R-squared0.075112 Mean dependent var3.253333Adjusted R-squared0.04208 S.D. dependent var0.104166S.E. of regression0.1

22、01951 Akaike info criterion-1.664311Sum squared resid0.291032 Schwarz criterion-1.570897Log likelihood26.96466 F-statistic2.27392Durbin-Watson stat1.702758 Prob(F-statistic)0.142768從回歸結(jié)果看，盡管高學(xué)費(fèi)的商業(yè)學(xué)校與高質(zhì)量的MBA成績略有正縣相關(guān)性，但學(xué)費(fèi)對GPA分?jǐn)?shù)的影響是不顯著的，而也無法得出學(xué)費(fèi)是影響GPA分?jǐn)?shù)的主要原因的結(jié)論。2、解：（1）利用所給數(shù)據(jù)做圖，如圖所示 （2）從上圖可見，CPI指數(shù)與S&

23、;P指數(shù)正相關(guān)，且呈近似的新線性關(guān)系。（3）使用Eviews軟件回歸結(jié)果如表所示。Dependent Variable: S&PVariableCoefficientStd. Errort-StatisticProb. CPI11.083611.2285559.0216620.0003C-1137.826177.9488-6.3941220.0014R-squared0.942123 Mean dependent var464.3886Adjusted R-squared0.930548 S.D. dependent var112.3728S.E. of regression29.61

24、448 Akaike info criterion9.84936Sum squared resid4385.086 Schwarz criterion9.833906Log likelihood-32.47276 F-statistic81.39039Durbin-Watson stat1.187041 Prob(F-statistic)0.000279回歸結(jié)果顯示，CPI指數(shù)與S&P指數(shù)正相關(guān)，斜率表示當(dāng)CPI指數(shù)變化1個(gè)點(diǎn)，會(huì)使S&P指數(shù)變化11.08個(gè)點(diǎn)；截距表示當(dāng)CPI指數(shù)為0時(shí)，S&P指數(shù)為-1137.826，此數(shù)據(jù)沒有明顯的經(jīng)濟(jì)意義。南財(cái)計(jì)量經(jīng)濟(jì)學(xué)練習(xí)冊答案

25、（第三章） 2011-09-26 16:22 | (分類:默認(rèn)分類) 1、多元線性回歸模型：在現(xiàn)實(shí)經(jīng)濟(jì)活動(dòng)中往往存在一個(gè)變量受到其他多個(gè)變量影響的現(xiàn)象，表現(xiàn)在線性回歸模型中有多個(gè)解釋變量，這樣的模型被稱做多元線性回歸模型，多元是指多個(gè)解釋變量2、調(diào)整的可決系數(shù) ：又叫調(diào)整的決定系數(shù)，是一個(gè)用于描述多個(gè)解釋變量對被解釋變量的聯(lián)合影響程度的統(tǒng)計(jì)量，克服了 隨解釋變量的增加而增大的缺陷，與 的關(guān)系為 。3、偏回歸系數(shù)：在多元回歸模型中，每一個(gè)解釋變量前的參數(shù)即為偏回歸系數(shù)，它測度了當(dāng)其他解釋變量保持不變時(shí)，該變量增加1單位對被解釋變量帶來的平均影響程度。4、正規(guī)方程組：采用OLS方法估計(jì)線性回歸模型

26、時(shí)，對殘差平方和關(guān)于各參數(shù)求偏導(dǎo)，并令偏導(dǎo)數(shù)為0后得到的方程組，其矩陣形式為 。5、方程顯著性檢驗(yàn)：是針對所有解釋變量對被解釋變量的聯(lián)合影響是否顯著所作的檢驗(yàn)，旨在對模型中被解釋變量與解釋變量之間的線性關(guān)系在總體上是否顯著成立作出判斷。二、單項(xiàng)選擇題1、C 2、A 3、B 4、A 5、C 6、C 7、A 8、D 9、B 10、D三、多項(xiàng)選擇題1、ACDE 2、BD 3、BCD 4、BC 5、AD四、判斷題、1、 2、 3、× 4、× 5、五、簡答題1答：多元線性回歸模型與一元線性回歸模型的區(qū)別表現(xiàn)在如下幾個(gè)方面：一是解釋變量的個(gè)數(shù)不同；二是模型的經(jīng)典假設(shè)不同，多元線性回歸模

27、型比一元線性回歸模型多了個(gè)“解釋變量之間不存在線性相關(guān)關(guān)系”的假定；三是多元線性回歸模型的參數(shù)估計(jì)式的表達(dá)更為復(fù)雜。2.答：在滿足經(jīng)典假設(shè)的條件下，參數(shù)的最小二乘估計(jì)量具有線性性、無偏性以及最小性方差，所以被稱為最優(yōu)線性無偏估計(jì)量（BLUE）對于多元線性回歸最小二乘估計(jì)的正規(guī)方程組，能解出唯一的參數(shù)估計(jì)量的條件是（ ）-1存在，或者說各解釋變量間不完全線性相關(guān)。六、計(jì)算分析題1、解：（1）預(yù)期sibs對勞動(dòng)者受教育的年數(shù)有影響。因此在收入及支出預(yù)算約束一定的條件下，子女越多的家庭，每個(gè)孩子接受教育的時(shí)間會(huì)越短。根據(jù)多元回歸模型偏回歸系數(shù)的含義，sibs前的參數(shù)估計(jì)值-0.094表明，在其他條件

28、不變的情況下，每增加1個(gè)兄弟姐妹，受教育年數(shù)會(huì)減少0.094年，因此，要減少1年受教育的時(shí)間，兄弟姐妹需增加1/0.094=10.6個(gè)。（2）medu的系數(shù)表示當(dāng)兄弟姐妹數(shù)與父親受教育的年數(shù)保持不變時(shí)，母親每增加1年受教育的時(shí)間，其子女作為勞動(dòng)者就會(huì)預(yù)期增加0.131年的教育時(shí)間。（3）首先計(jì)算兩人受教育的年數(shù)分別為10.36+0.13112+0.21012=14.45210.36+0.13116+0.21016=15.816因此，兩人的受教育年限的差別為15.816-14.452=1.3642、解：在給定5%顯著性水平的情況下，進(jìn)行t檢驗(yàn)。參數(shù)的t值： 參數(shù)的t值：參數(shù)的t值：在5%顯著性水

29、平下，自由度為19-3-1=15的t分布的臨界值為 ， 、 的參數(shù)顯著不為0，但不能拒絕 的參數(shù)為0的假設(shè)。（2）回歸式表明影響工資水平的主要原因是當(dāng)期的物價(jià)水平、失業(yè)率，前期的物價(jià)水平對他的影響不是很大，當(dāng)期的物價(jià)水平與工資水平呈正向變動(dòng)、失業(yè)率與工資水平呈相反變動(dòng)，符合經(jīng)濟(jì)理論，模型正確?？梢詫?從模型刪除.3、解：（1）ln(X1)的系數(shù)表明在其他條件不變時(shí)，ln(X1)變化1個(gè)單位，Y變化的單位數(shù)，即DY=0.32Dln(X1)»0.32(DX1/ X1)。由此，如果X1增加10%，Y會(huì)增加0.032個(gè)百分點(diǎn)。這在經(jīng)濟(jì)上不是一個(gè)較大的影響。（2）針對備擇假設(shè)H1： ，檢驗(yàn)原假

30、設(shè)H0： 。易知相應(yīng)的t統(tǒng)計(jì)量的值為t=0.32/0.22=1.455。在5%的顯著性水平下，自由度為32-3=29的t 分布的臨界值為2.045，計(jì)算出的t值小于該臨界值，所以不拒絕原假設(shè)。這意味著銷售額對R&D強(qiáng)度的影響不顯著。在10%的顯著性水平下，t分布的臨界值為1.699，計(jì)算的t 值小于該值，不拒絕原假設(shè)，意味著銷售額對R&D強(qiáng)度的影響不顯著。（3）對X2，參數(shù)估計(jì)值的t統(tǒng)計(jì)值為0.05/0.46=1.087，它比10%顯著性水平下的臨界值還小，因此可以認(rèn)為它對Y在統(tǒng)計(jì)上沒有顯著的影響。4、解：（1）答案與真實(shí)情況是否一致不一定，因?yàn)轭}目未告知是否通過了經(jīng)濟(jì)意義檢驗(yàn)

31、。猜測為： 為學(xué)生數(shù)量， 為附近餐廳的盒飯價(jià)格， 為氣溫， 為校園內(nèi)食堂的盒飯價(jià)格； （2）理由是被解釋變量應(yīng)與學(xué)生數(shù)量成正比，并且應(yīng)該影響顯著；被解釋變量應(yīng)與本食堂盒飯價(jià)格成反比，這與需求理論相吻合；被解釋變量應(yīng)與附近餐廳的盒飯價(jià)格成正比，因?yàn)楸舜擞刑娲饔茫槐唤忉屪兞繎?yīng)與氣溫的變化關(guān)系不是十分顯著，因?yàn)榇蠖鄶?shù)學(xué)生不會(huì)因?yàn)闅鉁刈兓怀燥垺?、解：（1）樣本容量為n=14.+1=15 RSS=TSS-ESS=66042-65965=77ESS的自由度為: d.f.= 2RSS的自由度為: d.f.=n-2-1=12（2）R2=ESS/TSS=65965/66042=0.9988=1-(1- R

32、2)(n-1)/(n-k-1)=1-0.0012*14/12=0.9986（3）應(yīng)該采用方程顯著性檢驗(yàn)，即F檢驗(yàn)，理由是只有這樣才能判斷X1、X2一起是否對Y有影響。（4）不能。因?yàn)橥ㄟ^上述信息，僅可初步判斷X1、X2聯(lián)合起來對Y有線性影響，兩者的變化解釋了Y變化的99.8%。但由于無法知道X1，X2前參數(shù)的具體估計(jì)值，因此還無法判斷它們各自對Y的影響有多大。6、解：（1）（2） ，其中 為 的樣本標(biāo)準(zhǔn)差。（3）由 知 ，代入原模型得 這就是所需的模型，其中q估計(jì)值 及其樣本標(biāo)準(zhǔn)差都能通過對該模型進(jìn)行估計(jì)得到。7、解：（1）方程B更合理些。原因是：方程B中的參數(shù)估計(jì)值的符號與現(xiàn)實(shí)更接近些，如與

33、日照的小時(shí)數(shù)同向變化，天長則慢跑的人會(huì)多些；與第二天需交學(xué)期論文的班級數(shù)成反向變化。（2）解釋變量的系數(shù)表明該變量的單位變化，在方程中其他解釋變量不變的條件下，對被解釋變量的影響，由于在方程A和方程B中選擇了不同的解釋變量，方程A選擇的是“該天的最高溫度”，而方程B選擇的是“第二天需交學(xué)期論文的班級數(shù)”，造成了 與這兩個(gè)變量之間關(guān)系的不同，所以用相同的數(shù)據(jù)估計(jì)相同的變量得到了不同的符號。8、解：（1） 在降雨量不變時(shí),每畝增加1千克肥料將使當(dāng)年的玉米產(chǎn)量增加0.1噸/畝;在每畝施肥量不變的情況下,每增加1毫米的降雨量將使當(dāng)年的玉米產(chǎn)量增加5.33噸/畝。（2） 在種地的一年中不施肥也不下雨的現(xiàn)

34、象同時(shí)發(fā)生的可能性很小,所以玉米的負(fù)產(chǎn)量不可能存在.事實(shí)上,這里的截距無實(shí)際意義。（4） 不一定。即便該方程并不滿足所有的經(jīng)典模型假設(shè)，不是最佳線性無偏估計(jì)量， 的真實(shí)值也有等于5.33的可能性。因?yàn)橛衅烙?jì)意味著參數(shù)估計(jì)的期望不等于參數(shù)本身，并不排除參數(shù)的某一估計(jì)值恰好等于參數(shù)的真實(shí)值的可能性。9、解：（1） （2） >通過方程顯著性檢驗(yàn) （3） 的99%的置倍區(qū)間為（-3.156 , 2.356） 10、解：（1）直接給出了P值，所以沒有必要計(jì)算t統(tǒng)計(jì)值以及查t分布表。根據(jù)題意，如果p-值<0.10,則我們拒絕參數(shù)為零的原假設(shè)。由于表中所有參數(shù)的p值都超過了10%，所以沒有系數(shù)

35、是顯著不為零的。但由此去掉所有解釋變量，則會(huì)得到非常奇怪的結(jié)果。其實(shí)正如我們所知道的，在多元回去歸中省略變量時(shí)一定要謹(jǐn)慎，要有所選擇。本例中，value、income、popchang的p值僅比0.1稍大一點(diǎn)，在略掉unemp、localtax、statetax的模型C中，及進(jìn)一步略掉Density的模型D中，這些變量的系數(shù)都是顯著的。（2）針對聯(lián)合假設(shè)H0：bi =0(i=1,5,6,7)的備擇假設(shè)為H1：bi (i=1,5,6,7) 中至少有一個(gè)不為零。檢驗(yàn)假設(shè)H0，實(shí)際上就是對參數(shù)的約束的檢驗(yàn)，無約束回歸為模型A，受約束回歸為模型D，檢驗(yàn)統(tǒng)計(jì)值為 顯然，在H0假設(shè)下，上述統(tǒng)計(jì)量服從F分布

36、，在5%的顯著性水平下，自由度為（4，32）的F分布的臨界值為2.67。顯然，計(jì)算的F值小于臨界值，我們不能拒絕H0，所以i(i=1,5,6,7)是聯(lián)合不顯著的。（3）模型D中的3個(gè)解釋變量全部通過了10%水平下的顯著性檢驗(yàn)。盡管R2較小，殘差平方和較大，但相對來說其AIC值最低，所以我們選擇該模型為最優(yōu)的模型。（4）預(yù)期 ， ， ，因?yàn)殡S著收入的增加；隨著人口的增加，住房需求也會(huì)隨之增加；隨著房屋價(jià)格的上升，住房需求減少。回歸結(jié)果與直覺相符，最優(yōu)模型中參數(shù)估計(jì)值的符號為正確符號。六、上機(jī)練習(xí)題1、解： (1)(2)使用Eviews軟件的計(jì)算結(jié)果如表所示Dependent Variable:

37、YVariableCoefficientStd. Errort-StatisticProb. X1104.31466.40913616.275920X20.402190.1163483.4567760.0035C-0.97556830.32236-0.0321730.9748R-squared0.979727 Mean dependent var755.15Adjusted R-squared0.977023 S.D. dependent var258.6859S.E. of regression39.21162 Akaike info criterion10.32684Sum squared

38、 resid23063.27 Schwarz criterion10.47523Log likelihood-89.94152 F-statistic362.443Durbin-Watson stat2.561395 Prob(F-statistic)0可見學(xué)生購買課外書籍與其受教育年限及家庭收入水平有如下具體關(guān)系： （-0.032） （16.276） (3.457)=0.979 7, =0.977 0, =362.44(3)將 =10， =480代入回歸方程，可得Y= ×10 ×480=1235.13(元)由于因此，取 =（1 10 480 ），Y均值的預(yù)測的標(biāo)準(zhǔn)差為= = =20.23在5%的顯著性水平下，自由度為18-2-1=15的t分布的臨界值為 ，于是Y均值的95%的預(yù)測區(qū)間為 1235.13 2.131×20.23 或 （1192.02 ， 1278.24）同樣容易得到Y(jié)個(gè)值得預(yù)測的標(biāo)準(zhǔn)差為= = =44.12于是，Y個(gè)值的95%的預(yù)測區(qū)間為1235.13 2.131×44.12 或 （1141.11 ， 1329.14）2、解：（1）Eviews軟件回歸結(jié)果如表所示。Dependent Variable: LOG(Y)VariableCoefficientStd. Errort-StatisticProb. L