《計(jì)量經(jīng)濟(jì)學(xué)》期末總復(fù)習(xí)

1、計(jì)量經(jīng)濟(jì)學(xué)期末總復(fù)習(xí)一、單項(xiàng)選擇題1 .在雙對(duì)數(shù)線性模型InY i=ln 3 0+ 3 ilnXi+ui中，3 i的含義是（D ）18A . Y關(guān)于X的增長(zhǎng)量B . Y關(guān)于X的發(fā)展速度C. Y關(guān)于X的邊際傾向D . Y關(guān)于X的彈性2.在二元線性回歸模型：Yi1X li2X 2i u i 中，1 表示(A )A .當(dāng)X2不變、Xi變動(dòng)一個(gè)單位時(shí)，Y的平均變動(dòng)B .當(dāng)X 1不變、X 2變動(dòng)一個(gè)單位時(shí)，Y的平均變動(dòng)C.當(dāng)X1和X2都保持不變時(shí)，丫的平均變動(dòng)D .當(dāng)X1和X2都變動(dòng)一個(gè)單位時(shí)，丫的平均變動(dòng)3.如果線性回歸模型的隨機(jī)誤差項(xiàng)存在異方差,則參數(shù)的普通最小二乘估計(jì)量是（DA.無(wú)偏的，但方差不是

2、最小的有偏的，且方差不是最小的C.無(wú)偏的，且方差最小有偏的，但方差仍為最小序列相關(guān)設(shè)定誤差5.如果X為隨機(jī)解釋變量，Xi與隨機(jī)誤差項(xiàng)ui相關(guān)，即有Cov（Xi, ui）工0，則普通最小二乘估計(jì)？是（B ）A .有偏的、一致的有偏的、非一致的C.無(wú)偏的、一致的無(wú)偏的、非一致的6.設(shè)某商品需求模型為 Yt=B 0+ 3 iXt+ ut,其中丫是商品的需求量，X是商品價(jià)格，為了 考慮全年4個(gè)季節(jié)變動(dòng)的影響，假設(shè)模型中引入了 4個(gè)虛擬變量，則會(huì)產(chǎn)生的問題為（A.異方差性B.序列相關(guān)C.不完全的多重共線性D .完全的多重共線性4. DW檢驗(yàn)法適用于檢驗(yàn)（ BA .異方差C. 多重共線性7.當(dāng)截距和斜率同

3、時(shí)變動(dòng)模型Yi= a 0+ a iD+ 3 iXi+ 3 2 （DX i）+ui退化為截距變動(dòng)模型時(shí),通過統(tǒng)計(jì)檢驗(yàn)的是（B . a 1=0 ,3 2=0C. a 1 M 0,3 2=0D . a 1=0 ,3 2M 0&若隨著解釋變量的變動(dòng)，被解釋變量的變動(dòng)存在兩個(gè)轉(zhuǎn)折點(diǎn)，即有三種變動(dòng)模式，則在分段線性回歸模型中應(yīng)引入虛擬變量的個(gè)數(shù)為（C. 3個(gè)9.對(duì)于無(wú)限分布滯后模型Yt= a + 3 0Xt+ 3 1Xt-1+ 3 2Xt-2 +ut，無(wú)法用最小二乘法估計(jì)其參數(shù)是因?yàn)椋ˋ 參數(shù)有無(wú)限多個(gè)B .沒有足夠的自由度C.存在嚴(yán)重的多重共線性D .存在序列相關(guān)10 .使用多項(xiàng)式方法估計(jì)有限分

4、布滯后模型Yt= a + 3 0Xt+ 3 1Xt-1 + 3 kXt-k+ut時(shí)，多項(xiàng)式 3 i= a 0+ a 1i+ a 2i2+ + amim的階數(shù)m必須（A .小于kB.小于等于kC.等于kD .大于k11對(duì)于無(wú)限分布滯后模型Y t= a + 3 0Xt+ 3 1Xt-1 + 3 2Xt-2+ +ut,Koyck 假定 B k= 3 0 入 k, 0<入1，則長(zhǎng)期影響乘數(shù)為（C . 1 入12.對(duì)自回歸模型進(jìn)行自相關(guān)檢驗(yàn)時(shí)，若直接使用DW檢驗(yàn)，則DW值趨于（C. 213 .對(duì)于 Koyck變換模型 Yt=a (1-入)+ 3 °Xt+入Yt-1+Vt，其中Vt=ut-

5、入ut-1,則可用作Yt-1的工具變量為（A . XtB . Xt-1C . YtD . Vt14.使用工具變量法估計(jì)恰好識(shí)別的方程時(shí)，下列選項(xiàng)中有關(guān)工具變量的表述錯(cuò)誤的是(AA .工具變量可選用模型中任意變量，但必須與結(jié)構(gòu)方程中隨機(jī)誤差項(xiàng)不相關(guān)B .工具變量必須與將要替代的內(nèi)生解釋變量高度相關(guān)C.工具變量與所要估計(jì)的結(jié)構(gòu)方程中的前定變量之間的相關(guān)性必須很弱，以避免多重共線性D .若引入多個(gè)工具變量，則要求這些工具變量之間不存在嚴(yán)重的多重共線性15.根據(jù)實(shí)際樣本資料建立的回歸模型是（A .理論模型B.回歸模型C.樣本回歸模型D .實(shí)際模型16.下列選項(xiàng)中，不屬于.生產(chǎn)函數(shù)f（L , K）的性質(zhì)

6、是（B .丄 0,丄 0 L KA. f(0, K)=f(L , 0)=0C.邊際生產(chǎn)力遞減D 投入要素之間的替代彈性小于零17.關(guān)于經(jīng)濟(jì)預(yù)測(cè)模型，下面說法中錯(cuò)誤的是（A .經(jīng)濟(jì)預(yù)測(cè)模型要求模型有較高的預(yù)測(cè)精度B 經(jīng)濟(jì)預(yù)測(cè)模型比較注重對(duì)歷史數(shù)據(jù)的擬合優(yōu)度C .經(jīng)濟(jì)預(yù)測(cè)模型比較注重宏觀經(jīng)濟(jì)總體運(yùn)行結(jié)構(gòu)的分析與模擬的是（D 經(jīng)濟(jì)預(yù)測(cè)模型不太注重對(duì)經(jīng)濟(jì)活動(dòng)行為的描述18關(guān)于宏觀經(jīng)濟(jì)計(jì)量模型中的季度模型，下列表述中錯(cuò)誤A .季度模型以季度數(shù)據(jù)為樣本B .季度模型一般規(guī)模較大C.季度模型主要用于季度預(yù)測(cè)D .季度模型注重長(zhǎng)期行為的描述19.宏觀經(jīng)濟(jì)模型的導(dǎo)向是（A .由總供給與總需求的矛盾決定的B由國(guó)家

7、的經(jīng)濟(jì)發(fā)展水平?jīng)Q定的C.由總供給決定的D.由總需求決定的20. X與丫的樣本回歸直線為（DA . Yi= 3 0 十 B 1Xi +UiB . Y i= 01 X i u iC. E(Yi)= 3 0十B iXiD . Yi = 01Xi21.在線性回歸模型中，若解釋變量X1和X2的觀測(cè)值成比例，即X1i=KX2i，其中K為常數(shù)，則表明模型中存在（A，方差非齊性B 序列相關(guān)C.多重共線性D .設(shè)定誤差22.回歸分析中，用來(lái)說明擬合優(yōu)度的統(tǒng)計(jì)量為（A .相關(guān)系數(shù)B回歸系數(shù)C.判定系數(shù)D .標(biāo)準(zhǔn)差23.若某一正常商品的市場(chǎng)需求曲線向下傾斜，可以斷定（A 它具有不變的價(jià)格彈性B .隨價(jià)格下降需求量增

8、加C.隨價(jià)格上升需求量增加D .需求無(wú)彈性24.在判定系數(shù)定義中,ESS表示（A .刀(Y Y)22E(Yi Y)C.刀(Y-Y)225.用于檢驗(yàn)序列相關(guān)的DW統(tǒng)計(jì)量的取值范圍是（ D ）O< DWSlC.-2 KDW <2D . CK DWM26.誤差變量模型是指（A .模型中包含有觀測(cè)誤差的解釋變量B .用誤差作被解釋變量C.用誤差作解釋變量D .模型中包含有觀測(cè)誤差的被解釋變量27.由簡(jiǎn)化式參數(shù)的估計(jì)量得到結(jié)構(gòu)參數(shù)的估計(jì)量的方法是（A .二階段最小二乘法B .極大似然法C.間接最小二乘法D .工具變量法B . -1 < DWSl28將社會(huì)經(jīng)濟(jì)現(xiàn)象中質(zhì)的因素引入線性模型（

9、A. 只影響模型的截距B .只影響模型的斜率C.在很多情況下，不僅影響模型截距，還同時(shí)會(huì)改變模型的斜率D. 既不影響模型截距，也不改變模型的斜率29時(shí)間序列資料中，大多存在序列相關(guān)問題，對(duì)于分布滯后模型，這種序列相關(guān)問題就轉(zhuǎn)化為（ BA 異方差問題B 多重共線性問題C.隨機(jī)解釋變量問題D 設(shè)定誤差問題30.根據(jù)判定系數(shù)R2與F統(tǒng)計(jì)量的關(guān)系可知，當(dāng)R2=1 時(shí)有（D ）B . F=0AF=-1C. F=1D . F=s31發(fā)達(dá)市場(chǎng)經(jīng)濟(jì)國(guó)家宏觀經(jīng)濟(jì)計(jì)量模型的核心部分包括總需求、總供給和（A .建模時(shí)所依據(jù)的經(jīng)濟(jì)理論B 總收入C.關(guān)于總需求，總生產(chǎn)和總收入的恒等關(guān)系D 總投資32在消費(fèi) Yt 對(duì)收入

10、 Zt 的誤差修正模型Yt01(Yt 101Zt 1)2 Z t 1 t 中，1和 2 稱為（ CB 協(xié)整參數(shù)A 均衡參數(shù)C 短期參數(shù)D 長(zhǎng)期參數(shù)33用模型描述現(xiàn)實(shí)經(jīng)濟(jì)系統(tǒng)的原則是（A 以理論分析作先導(dǎo)，解釋變量應(yīng)包括所有解釋變量B 以理論分析作先導(dǎo)，模型規(guī)模大小要適度C.模型規(guī)模越大越好，這樣更切合實(shí)際情況D 模型規(guī)模大小要適度，結(jié)構(gòu)盡可能復(fù)雜Xi的非線性函數(shù)的是34.下列模型中E（Yi）是參數(shù)1的線性函數(shù)，并且是解釋變量A. E(Yi)= 012X2E(Y i)= 01 JX iC.E(Yi)= 0 /rX iE(Y i)= 035.估計(jì)簡(jiǎn)單線性回歸模型的最小二乘準(zhǔn)則是：確定1，使得（AA

11、 .刀(Y- 0- 1Xi)2最小刀(Yi- 0-1Xi-ei)2 最小C.刀(Y- 0- 1Xi-Ui)2最小刀(Yi- 01X i )2最小36.在模型Yi= 0Xi1eUi中，下列有關(guān) 丫對(duì)X的彈性的說法中，正確的是（A .1是Y關(guān)于X的彈性B .0是Y關(guān)于X的彈性C. In 0是丫關(guān)于X的彈性D .In 1是丫關(guān)于X的彈性37.假設(shè)回歸模型為Yi= Xi Ui，其中Xi為隨機(jī)變量，且 Xi與ui相關(guān),的普通最小二乘估計(jì)量（DA. 無(wú)偏且不一致B無(wú)偏但不一致C.有偏但一致D. 有偏且不一致38.設(shè)截距和斜率同時(shí)變動(dòng)模型為Yi= 01D1Xi2(DXi) Ui，其中D為虛擬變量。如果經(jīng)檢驗(yàn)

12、該模型為斜率變動(dòng)模型，則下列假設(shè)成立的是（C.39.1時(shí)，CES生產(chǎn)函數(shù)趨于（A .線性生產(chǎn)函數(shù)B. C D生產(chǎn)函數(shù)D .對(duì)數(shù)生產(chǎn)函數(shù)C. 投入產(chǎn)出生產(chǎn)函數(shù)二、多項(xiàng)選擇題1. 對(duì)于經(jīng)典線性回歸模型，各回歸系數(shù)的普通最小二乘估計(jì)具有的優(yōu)良特性有ACB )A .無(wú)偏性B .線性性C.有效性D .一致性E.確定性2.序列相關(guān)情形下，常用的參數(shù)估計(jì)方法有(A .一階差分法B .廣義差分法C.工具變量法D .加權(quán)最小二乘法E.普通最小二乘法3.狹義的設(shè)定誤差主要包括(A .模型中遺漏了重要解釋變量B模型中包含了無(wú)關(guān)解釋變量C.模型中有關(guān)隨機(jī)誤差項(xiàng)的假設(shè)有誤D .模型形式設(shè)定有誤E.回歸方程中有嚴(yán)重的多重

13、共線性4.用最小二乘法估計(jì)簡(jiǎn)化式模型中的單個(gè)方程，最小二乘估計(jì)量的性質(zhì)為(A .無(wú)偏的B .有偏的C. 一致的D .非一致的E.漸近無(wú)偏的5. 常用的多重共線性檢驗(yàn)方法有(A.簡(jiǎn)單相關(guān)系數(shù)法B. 矩陣條件數(shù)法C.方差膨脹因子法D.判定系數(shù)增量貢獻(xiàn)法E.工具變量法6. 對(duì)于 Yi= 01D 1Xi2(DXi) ui ，其中 D 為虛擬變量。下面說法正確的有A. 其圖形是兩條平行線B .基礎(chǔ)類型的截距為0C.基礎(chǔ)類型的斜率為1D. 差別截距系數(shù)為 1E.差別斜率系數(shù)為217. 對(duì)于有限分布滯后模型 Yi=0X t1Xt1kX t k ut ，最小二乘法原則上是適用的，但會(huì)遇到下列問題中的（B. 異

14、方差問題A.多重共線性問題C.隨機(jī)解釋變量問題D. 最大滯后長(zhǎng)度 k 的確定問題E. 樣本較小時(shí)，無(wú)足夠自由度的問題8. 下列關(guān)于二階段最小二乘法說法中正確的有（A. 對(duì)樣本容量沒有嚴(yán)格要求B. 適合一切方程C. 假定模型中所有前定變量之間無(wú)多重共線性D .僅適合可識(shí)別方程E. 估計(jì)量不具有一致性三、問答題1. 建立與應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)模型的主要步驟是什么？2. 多元線性回歸模型的基本假設(shè)是什么？試說明在證明最小最小二乘估計(jì)量的無(wú)偏性和有 效性的過程中，哪些基本假設(shè)起了作用？ 答：多元線性回歸模型的基本假定有：零均值假定、隨機(jī)項(xiàng)獨(dú)立同方差假定、解釋變量的非 隨機(jī)性假定、 解釋變量之間不存在線性相關(guān)

15、關(guān)系假定、 隨機(jī)誤差項(xiàng)服從均值為 0 方差為的正 態(tài)分布假定。 在證明最小二乘估計(jì)量的無(wú)偏性中， 利用了解釋變量與隨機(jī)誤差項(xiàng)不相關(guān)的假 定；在有效性的證明中，利用了隨機(jī)項(xiàng)獨(dú)立同方差假定。3. 多元線性回歸模型隨機(jī)干擾項(xiàng)的假定有哪些？（1）隨機(jī)誤差項(xiàng)的條件期望值為零。（2）隨機(jī)誤差項(xiàng)的條件方差相同。（3）隨機(jī)誤差項(xiàng)之間無(wú)序列相關(guān)。 （4）自變量與隨機(jī)誤差項(xiàng)獨(dú)立無(wú)關(guān)。（5）隨機(jī)誤差項(xiàng)服從正態(tài)分布。（6）各解釋變量之間不存在顯著的線性相關(guān)關(guān)系4.在多元線性回歸分析中，t檢驗(yàn)與F檢驗(yàn)有何不同？在一元線性回歸分析中二者是否有等 價(jià)的作用？5. 簡(jiǎn)述異方差性的含義、來(lái)源、后果并寫出懷特（White ）檢驗(yàn)

16、方法的檢驗(yàn)步驟。t 統(tǒng)計(jì)量經(jīng)檢驗(yàn)是顯著的。即每引入一 當(dāng)原引入的變量由于后面變量的引入而 為逐步回歸的 t 檢驗(yàn)，以確保每次引入新的變量之前回歸方程中只包含顯著的變量。7. 教材第154 頁(yè)，5 題。8. 教材第154 頁(yè)，6 題。9. 教材第186 頁(yè)，1題.6. 簡(jiǎn)述選擇解釋變量的逐步回歸法 逐步回歸的基本思想是“有進(jìn)有出” 。 具體做法是將變量一個(gè)一個(gè)引入，引入變量的條件是 個(gè)自變量后， 對(duì)已經(jīng)被選入的變量要進(jìn)行逐個(gè)檢驗(yàn)， 變得不再顯著時(shí)， 要將其剔除。 引入一個(gè)變量或從回歸方程中剔除一個(gè)變量， 一步，每一步都要進(jìn)行10. 教材第 186 頁(yè)，第 3 題 .12. 在時(shí)間序列數(shù)據(jù)的計(jì)量經(jīng)

17、濟(jì)分析過程中，（1）（2）（3）11. 教材第 305 頁(yè)，第 1題.為什么要進(jìn)行時(shí)間序列的平穩(wěn)性檢驗(yàn)？隨機(jī)時(shí)間序列的平穩(wěn)性條件是什么？ 請(qǐng)證明隨機(jī)游走序列不是平穩(wěn)序列。單位根檢驗(yàn)為什么從 DF 檢驗(yàn)擴(kuò)展到 ADF 檢驗(yàn)？13. 克萊因和戈德伯格曾用 1921-1941 年與 1945-1950 年（ 1942-1944 年戰(zhàn)爭(zhēng)期間略去） 美國(guó) 國(guó)內(nèi)消費(fèi)C和工資收入 W、非工資一非農(nóng)業(yè)收入 P、農(nóng)業(yè)收入A的共27年時(shí)間序列資料， 利用普通最小二乘法估計(jì)得出了下列回歸方程：Ct=8.133+1.059W t+0.452Pt+0.121A t(8.92) (0.17) (0.66) (1.09)R

18、2=0.95F=107.37式下括號(hào)中的數(shù)字為相應(yīng)參數(shù)估計(jì)量的標(biāo)準(zhǔn)誤。試對(duì)該模型進(jìn)行評(píng)價(jià)， 指出其中存在的問題。t 0.025(23)=2.069 )顯著性水平取 5%，已知 F0.05（3,23）=3.03,作者選擇石油年消費(fèi)量（OIL ，單位：萬(wàn)GDP,按當(dāng)年價(jià)格計(jì)算，單位：億元）為解釋變14. 指出下列論文中的主要錯(cuò)誤之處： 在一篇關(guān)于中國(guó)石油消費(fèi)預(yù)測(cè)研究的論文中， 噸標(biāo)準(zhǔn)煤）為被解釋變量，國(guó)內(nèi)生產(chǎn)總值（ 量， 19902006 年年度數(shù)據(jù)為樣本。首先假定邊際消費(fèi)傾向不變，建立了線性模型：OILtGDPt tt 1990,1991, ,2006采用 OLS 估計(jì)模型，得到t 1990,1

19、991, ,2006OIL?t 13390.30 0.183125GDPt然后假定消費(fèi)彈性不變，建立了對(duì)數(shù)線性模型:In OILtIn GDPttt 1990,1991,2006采用OLS估計(jì)模型，得到In OII?5.122385 0.458338ln GDRt 1990,1991,2006分別將2020年國(guó)內(nèi)生產(chǎn)總值預(yù)測(cè)值(500000億元) 下的2020年石油消費(fèi)預(yù)測(cè)值分別為104953和68656萬(wàn)噸標(biāo)準(zhǔn)煤。代入模型，計(jì)算得到兩種不同假定情況39個(gè)工業(yè)行業(yè)(編號(hào)i =1 ,(t=1991 , 1991,1999)的351組數(shù)據(jù)為樣本，以固定資產(chǎn)存量I的分別建立了如下3個(gè)模型：15.在一

20、篇研究我國(guó)工業(yè)資本配置效率的論文中，作者利用我國(guó)2,39)的9年增長(zhǎng)率為被解釋變量，以利潤(rùn) V的增長(zhǎng)率為解釋變量。itita1 i,t 1Vi,t1it利用全部樣本，采用低于大多數(shù)發(fā)展中國(guó)家。 為了分析我國(guó)工業(yè)行業(yè)的成長(zhǎng)性， 據(jù)，對(duì)模型進(jìn)行 OLS估計(jì)，從結(jié)果中發(fā)現(xiàn)了最具發(fā)展?jié)摿Φ?國(guó)每年的資本配置效率，分別用每年的行業(yè)數(shù)據(jù)，采用 看出，我國(guó)資本配置效率呈逐年下滑趨勢(shì)。OLS估計(jì)模型,結(jié)果表明我國(guó)資本配置效率不僅低于發(fā)達(dá)國(guó)家，也分別利用每個(gè)行業(yè)的時(shí)間序列數(shù)5個(gè)行業(yè)。為了定量刻畫我OLS估計(jì)模型，從估計(jì)結(jié)果可以分別從Panel Data的模型設(shè)定和估計(jì)方法兩方面，指出該論文存在的問題，并簡(jiǎn)單說明

21、理 由。四、計(jì)算題1.教材第104頁(yè)，第9題。2. 已知丫和X滿足如下的總體回歸模型Y= 01X u(1)根據(jù)丫和X的5對(duì)觀測(cè)值已計(jì)算出 Y =3 ,X=11,(Xi X)2 =74 , (Yi Y)2 =10 ,(Xi X) ( Yi Y ) =27。利用最小二乘法估計(jì)0和1。(2)經(jīng)計(jì)算，該回歸模型的總離差平方和TSS為10,總殘差平方和 RSS為0.14，試計(jì)算判定系數(shù)r2并分析該回歸模型的擬合優(yōu)度。3. 由12對(duì)觀測(cè)值估計(jì)得消費(fèi)函數(shù)為:C =50+0.6丫其中，丫是可支配收入，已知 丫 =800，(丫2 2Y) =8000， e =30，當(dāng) 丫0=1000 時(shí),試計(jì)算:(1 )消費(fèi)支出

22、C的點(diǎn)預(yù)測(cè)值;(2)在95%的置信概率下消費(fèi)支出 C的預(yù)測(cè)區(qū)間。(已知：t0.025(10)=2.23)4.1978-2000年天津市城鎮(zhèn)居民人均可支配銷售收入元)的樣本數(shù)據(jù)、一元線性回歸結(jié)果如下所示：(Y，元)與人均年度消費(fèi)支出(CONS， (共30分)dfcaCOMSVj147&300.320D対虬帥DO197942G.400D)eS.200Q19汕47fl.7£0QI9UIbJ!l.baUU4U&.EtHUU1他悒4ub.s&uu19U36U4.31UUbU.UJUU1904r2SJ70D599.500198587S.B2aD770.閃 DD198&am

23、p;1069.6 ID949.D8DDI9K/1lll/kMDI3HBura.nin1彌9HZ/ 77D1291 UMU199D1G3a.92D1440.47 D1991184.9801585.n D199?23a,38D1907J7D133314A43301.37n530貞叭1 fin199&5967,71 0ii酣乩眉a19976G0e.5GD7110.505-171.010幣創(chuàng)樂dl)maRun ssasi?i.07n.110000 節(jié)80006000 .4000 -2000” 02000400060008000Dependent Variable: LNCONSMethod:

24、Least SquaresDate: 06/14/02 Time: 10:04Samp le: 1978 2000In cluded observati ons: 23VariableCoefficie ntStd. Errort-StatisticP rob.C0.064931-3.1936900.0044LnY1.0508930.0088580.0000R-squared0.998510Mean dependent var7.430699Adjusted R-squaredS.D. dependent var1.021834S.E. of regressi onAkaike info cr

25、iteri on-6.336402Sum squared resid0.034224Schwarz criteri on-6.237663Log likelihood42.23303F-statistic14074.12Durbi n- Watson stat0.842771P rob(F-statistic)0.000001 .在空白處填上相應(yīng)的數(shù)字（共4處）（計(jì)算過程中保留4位小數(shù)）2 .根據(jù)輸出結(jié)果，寫出回歸模型的表達(dá)式。3 .給定檢驗(yàn)水平a =0.05,檢驗(yàn)上述回歸模型的臨界值t0.025=并說明估計(jì)參數(shù)與回歸模型是否顯著？4 解釋回歸系數(shù)的經(jīng)濟(jì)含義。5.根據(jù)經(jīng)典線性回歸模型的假定條件

26、，判斷該模型是否明顯違反了某個(gè)假定條件？如有違背，應(yīng)該如何解決？ （6分）,F0.05 =5.已知某市羊毛衫的銷售量1995年第一季度到2000年第四季度的數(shù)據(jù)。假定回歸模型為：Yt = 3 0+ 卩 1 Xlt + 卩 2 X2 t+ ut式中：XX丫=羊毛衫的銷售量1=居民收入2=羊毛衫價(jià)格如果該模型是用季度資料估計(jì)，試向模型中加入適當(dāng)?shù)淖兞糠从臣竟?jié)因素的影響。 考慮截距變動(dòng)。（僅Method: LeastVariableCoefficie ntStd.t-StatisticErrorP rob.C4.8267899.217366 0.5236630.6193X10.1783810.308

27、178(1)0.5838X20.688030(2)3.2779100.0169X3(3)0.156400 -1.4235560.2044R-squared0.852805Mean dependent var41.90000Adjusted R-squared(4)S.D. dependent var34.28783S.E.of regressi on16.11137Akaike info criteri on8.686101Sum squared resid1557.457Schwarz criteri on8.807135Log likelihood-39.43051F-statistic1

28、1.58741Durb in-Wats on stat3.579994P rob(F-statistic)0.0065796.以下是某個(gè)案例的 Eviews分析結(jié)果(局部)。Dependent Variable: YSquaresSamp le(adjusted): 110In eluded observatio ns: 10 after adjusti ng endpoints 填上（1）、（ 2 ）、（ 3 ）、（ 4 ）位置所缺數(shù)據(jù); 以標(biāo)準(zhǔn)記法寫出回歸方程； 你對(duì)分析結(jié)果滿意嗎？為什么？7. 根據(jù)下列Eviews應(yīng)用軟件的運(yùn)行結(jié)果比較分析選擇哪個(gè)模型較好？并說明理由；以標(biāo) 準(zhǔn)形式寫出確

29、定的回歸方程。模型一Method: Least Squares In eludedDependent Variable: Y Samp le: 1 12 observati ons: 12VariableCoeffieie nt Std. Errort-StatistieP rob.C46.138287.3569906.2713520.00011/X1335.604171.21997.8005220.0000Adjusted R-squared0.844738Akaike info eriteri on8.283763Sum squared resid1993.125Sehwarz erite

30、ri on8.364580Log likelihood-47.70258F-statistie60.84814Durb in-Wats on stat2.154969P rob(F-statistie)0.000015模型二Dependent Variable: YMethod:Least SquaresSam pie: 1In eluded12observati ons: 12Conv erge nee achieved after 6 iteratio ns8.下圖一是yt的差分變量 模型的輸出結(jié)果。（20分）Y=C(1)*C (2)AXCoeffieie ntStd. Errort-St

31、atistie P rob.C(1)195.178411.4660017.022370.0000C(2)0.9791320.001888518.58420.0000Adjusted R-squared0.922179Akaike info7.593063eriteri onSum squared resid999.0044Sehwarz eriterio n7.673881Log likelihood-43.55838Durbi n-Wats on2.818195statDyt的相關(guān)圖和偏相關(guān)圖；圖二是以Dyt為變量建立的時(shí)間序列Autocorrelation卩nrtiEl CorrelalionACPACQ-Stat卩rob1a.G020.E0218,499D.OOO2Q.2350-20021J78o.noo3