《計量經(jīng)濟學(xué)實務(wù)》課后參考答案 葉霖莉薛襄稷

第一章緒論課后習(xí)題答案一、單項選擇題CBBCDBA二、簡述題1.計量經(jīng)濟學(xué)的含義是什么？答：以一定的經(jīng)濟理論和統(tǒng)計資料為基礎(chǔ)，運用數(shù)學(xué)、統(tǒng)計學(xué)方法與電腦技術(shù)，以建立經(jīng)濟計量模型為主要手段，定量研究具有隨機特性的經(jīng)濟變量之間的關(guān)系。2.簡述計量經(jīng)濟學(xué)與數(shù)理經(jīng)濟學(xué)、數(shù)理統(tǒng)計學(xué)的關(guān)系。答：數(shù)理經(jīng)濟學(xué)與計量經(jīng)濟學(xué)：數(shù)理經(jīng)濟學(xué)也是著重于研究經(jīng)濟的定量方面，但它僅是用數(shù)學(xué)形式表達經(jīng)濟理論，并不關(guān)心經(jīng)濟理論的可測性，且模型所反映的經(jīng)濟變量之間的關(guān)系是確定的。而計量經(jīng)濟學(xué)的主要興趣在于利用由數(shù)理經(jīng)濟學(xué)剔除的數(shù)學(xué)模型及實際數(shù)據(jù)來驗證經(jīng)濟理論；模型所反映的經(jīng)濟間的關(guān)系是非確定性的，隨機的相關(guān)關(guān)系。數(shù)理經(jīng)濟學(xué)為計量經(jīng)濟學(xué)提供了建模依據(jù)。數(shù)理統(tǒng)計學(xué)與計量經(jīng)濟學(xué)：數(shù)理統(tǒng)計學(xué)為各種數(shù)據(jù)提供切實可靠的數(shù)學(xué)分析方法，是計量經(jīng)濟學(xué)建立模型的主要工具。但數(shù)理統(tǒng)計學(xué)在研究變量之間關(guān)系時，要求研究變量必須服從一些假定。但是在現(xiàn)實經(jīng)濟生活中，各經(jīng)濟變量很難完全滿足數(shù)理統(tǒng)計學(xué)所作的假定，要研究經(jīng)濟變量之間的關(guān)系，計量經(jīng)濟學(xué)必須在數(shù)理統(tǒng)計方法上開發(fā)出特有的分析技術(shù)。3.計量經(jīng)濟學(xué)中常用的數(shù)據(jù)類型有哪些？它們各自有什么特點？答：常用的統(tǒng)計數(shù)據(jù)有以下幾種類型：（一）時間序列數(shù)據(jù)時間序列數(shù)據(jù)是不同時間點上收集到的數(shù)據(jù)，這類數(shù)據(jù)反映某一事物隨時間的動態(tài)變化狀態(tài)。（二）橫截面數(shù)據(jù)橫截面數(shù)據(jù)是在同一時間不同統(tǒng)計單位相同統(tǒng)計指標組成的數(shù)列。（三）面板數(shù)據(jù)面板數(shù)據(jù)有時間序列和橫截面兩個維度。當這類數(shù)據(jù)按兩個維度排列時，是排在一個平面上，與只有一個維度的數(shù)據(jù)排在一條線上有著明顯的不同，整個表格像是一個面板。（四）虛擬變量數(shù)據(jù)許多經(jīng)濟變量是可以定量度量的，但也有一些影響經(jīng)濟變量的因素無法定量度量，當需要把它們引入到模型中，常用人工構(gòu)造的虛擬變量來表示。如反映文化程度的虛擬變量可取為：4.什么計量經(jīng)濟學(xué)模型？計量經(jīng)濟學(xué)模型包括哪些要素？答：計量經(jīng)濟模型是用適當?shù)臄?shù)學(xué)關(guān)系式揭示經(jīng)濟活動中各個因素之間的定量關(guān)系。其一般表達式為：Y=f（X，，u）式中包含經(jīng)濟變量Y和X、參數(shù)、隨機誤差項u和方程的形式f（.）等四個要素。5.為什么要對估計的計量經(jīng)濟模型進行檢驗？檢驗的內(nèi)容有哪些？答：建立模型時我們經(jīng)常容易出現(xiàn)理論依據(jù)可能不充分導(dǎo)致模型設(shè)計不合理，樣本可能較小，結(jié)論只是抽樣的某種偶然結(jié)果，違反計量經(jīng)濟估計的基本假定等一系列問題，因此當模型參數(shù)被估計以后，還不能直接加以應(yīng)用，需要對模型和所估計的參數(shù)加以評定。具體需要進行檢驗：（1）經(jīng)濟意義檢驗經(jīng)濟意義檢驗主要檢驗?zāi)Ｐ蛥?shù)估計量的符號和大小是否符合經(jīng)濟理論。經(jīng)濟意義檢驗是第一位，只有經(jīng)濟意義檢驗通過了，才可以進行下一步檢驗。（2）統(tǒng)計檢驗統(tǒng)計檢驗主要是運用數(shù)理統(tǒng)計中的統(tǒng)計推斷方法，對模型及參數(shù)的統(tǒng)計可靠性作出說明。較為廣泛應(yīng)用的統(tǒng)計檢驗有擬合優(yōu)度檢驗（R2檢驗）、單個變量的顯著性檢驗（t檢驗）、和回歸方程的顯著性檢驗（F檢驗）等。（3）計量經(jīng)濟學(xué)檢驗參數(shù)估計的方法有多種，但每一種方法都有相當嚴格的假設(shè)條件，比如最小二乘估計法要求隨機誤差項具有零均值、同方差、無自相關(guān)、與解釋變量不相關(guān)、正態(tài)分布等基本假設(shè)，否則計算方法將失去效用或得到錯誤的結(jié)論。計量經(jīng)濟學(xué)檢驗是對計量經(jīng)濟方法的基本假定進行檢驗，主要包括多重共線性、自相關(guān)和異方差等檢驗。（4）模型預(yù)測檢驗是將樣本以外的解釋變量的觀測值代入模型，求出預(yù)測值，然后比較預(yù)測值與實際值的差異，差異小說明模型對實際經(jīng)濟系統(tǒng)的代表功能強，應(yīng)用價值大。反之說明不能有效在模擬實際經(jīng)濟系統(tǒng)的運行規(guī)律。應(yīng)予以舍棄。分析題(一)模型設(shè)定建立以私人汽車銷量作為被解釋變量，以人均收入、汽車價格、油價等為解釋變量的計量模型；設(shè)定模型時，應(yīng)注意3個問題：（1）要有科學(xué)的理論依據(jù)，（2）模型要選擇適當?shù)臄?shù)學(xué)形式，（3）方程中的變量要具有可觀測性；（二）收集樣本數(shù)據(jù)（三）估計參數(shù)一般來說參數(shù)是未知的，又是不可直接觀測的。由于隨機項的存在，參數(shù)也不能通過變量值去精確計算。只能通過變量樣本觀測值選擇適當方法去估計。（四）模型檢驗經(jīng)濟含義的檢驗：所估計的模型與經(jīng)濟理論是否相符統(tǒng)計意義的檢驗：檢驗參數(shù)估計值是否抽樣的偶然結(jié)果計量經(jīng)濟學(xué)檢驗:（多重共線性，異方差，自相關(guān)）模型預(yù)測檢驗：將模型預(yù)測的結(jié)果與經(jīng)濟運行的實際對比（五）模型應(yīng)用經(jīng)濟結(jié)構(gòu)分析：分析變量之間的數(shù)量比例關(guān)系；經(jīng)濟預(yù)測：由預(yù)先測定的解釋變量去預(yù)測應(yīng)變量在樣本以外的數(shù)據(jù)（動態(tài)預(yù)測、空間預(yù)測）；政策評價：用模型對政策方案作模擬測算，對政策方案作評價，把計量經(jīng)濟模型作為經(jīng)濟活動的實驗室。第二章一元線性回歸模型課后習(xí)題答案一、選擇題1-5DCCAC6-9ACCC二、簡述題1.相關(guān)系數(shù)的計算公式及EViews6.0軟件操作步驟。答：相關(guān)系數(shù)（Correlationcoefficient）是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標，用r表示，公式如下：=其中r表示相關(guān)系數(shù)，代表的協(xié)方差，Var(.)代表方差。EViews6.0軟件操作過程為：按組打開變量，view—correlation。2.相關(guān)分析與回歸分析的聯(lián)系和區(qū)別？答：相關(guān)分析與回歸分析既有聯(lián)系又有區(qū)別。兩者聯(lián)系體現(xiàn)為：都是研究經(jīng)濟變量之間非確定的相關(guān)關(guān)系，相關(guān)分析是回歸分析的基礎(chǔ)和前提，回歸分析則是相關(guān)分析的深入和繼續(xù)。兩者的區(qū)別體現(xiàn)為：第一，對變量的要求不一樣。相關(guān)分析中變量的地位是對稱的，都是非隨機變量；回歸分析中變量的地位是非對稱的，必須明確變量間的依賴關(guān)系，需確定解釋變量與被解釋變量，要求解釋變量非隨機，被解釋變量是隨機變量。第二，研究方式有所區(qū)別。相關(guān)分析主要通過統(tǒng)計指標（如相關(guān)系數(shù)）來度量變量間的關(guān)系，而回歸分析主要通過計量模型來度量變量間的關(guān)系，不僅可以揭示變量X對Y影響大小，還可以由回歸方程進行預(yù)測和控制。3.什么是總體回歸模型、樣本回歸模型、總體回歸函數(shù)、樣本回歸函數(shù)？有什么區(qū)別？答：被解釋變量Y的條件期望隨著解釋變量Xi的變化而有規(guī)律地變化，把這種變化關(guān)系用函數(shù)表示出來，就是總體回歸函數(shù)，記為：觀察值Yi與它的期望值存在偏差：總體回歸模型：在實際的經(jīng)濟活動中，我們很多時候得不到總體，往往拿到的是樣本資料，根據(jù)樣本提供的信息來估計的回歸函數(shù)為樣本回歸函數(shù)，記為：同理，樣本回歸模型表達式為：4.隨機誤差項產(chǎn)生的主要原因有哪些？答：（1）無法取得數(shù)據(jù)的已知因素。如研究消費函數(shù)時，我們知道消費習(xí)慣、個性偏好、民族特征等都會影響到消費，但是這些因素難以量化，無法引入到模型中。（2）理論上尚不清楚或難以確定的因素。由于我們對所研究的經(jīng)濟現(xiàn)象認識不充分，只能放在隨機誤差項里。（3）變量的觀測誤差。在進行計量分析時數(shù)據(jù)往往是不完全準確的，常常存在或大或小的測量誤差，這部分誤差就被歸結(jié)到隨機誤差項中。（4）模型設(shè)定誤差?？傮w回歸函數(shù)的確切形式一般是未知的，在進行回歸分析時我們通常都根據(jù)實際問題性質(zhì)和特點對總體回歸函數(shù)作近似的假定。（5）隨機誤差。在影響因素中，還有一些因素無法控制。如涉及到人的思想或行為的變量，對被解釋變量的影響所產(chǎn)生的隨機誤差放在隨機誤差項中。5.一元線性回歸模型在使用普通最小二乘法估計參數(shù)時，需要滿足哪些基本假定？答：假設(shè)1滿足零均值（集中趨勢），即假設(shè)2要求滿足同方差（離中趨勢），即=常數(shù)假設(shè)3滿足無序列相關(guān)（前后期關(guān)系），即假設(shè)4與解釋變量Xi之間不相關(guān)（與Xi關(guān)系），即假設(shè)5服從正態(tài)分布（分布情況），即除此以外，計量經(jīng)濟學(xué)模型的設(shè)定也要滿足條件，包括：（1）選擇了正確的函數(shù)形式；（2）選擇了正確的自變量和因變量，自變量要求非隨機變量（或為隨機變量，但ui與解釋變量Xi之間不相關(guān)），因變量為隨機變量。6.一個優(yōu)良的統(tǒng)計量應(yīng)滿足哪些統(tǒng)計性質(zhì)？答：(1)線性性，即它是否是另一隨機變量的線性函數(shù)；(2)無偏性，即它的均值或期望值是否等于總體的真實值；(3)有效性，即它是否在所有線性無偏估計量中具有最小方差。這三個準則也稱作估計量的小樣本性質(zhì)，擁有這類性質(zhì)的估計量稱為最佳線性無偏估計量（Bestlinerunbiasedestimator）。當不滿足小樣本性質(zhì)時，需進一步考察估計量的大樣本或漸近性質(zhì)。在經(jīng)典計量經(jīng)濟學(xué)中我們只考慮前者。7.什么是普通最小二乘原理，并根據(jù)普通最小二乘法原理推導(dǎo)參數(shù)的計算公式。答：基本原理：不同的估計方法可得到不同的樣本回歸參數(shù)、，所估計的也不同。理想的估計方法應(yīng)使與的差（即殘差ei）越小越好。因ei可正可負，所以可以取最小，這就是最小二乘法的基本思路。用式子可以表示為：回歸系數(shù)的估算要使達到最小，需針對上式分別對求一階偏導(dǎo)數(shù)，即：=0=0經(jīng)整理得下列方程組：上述方程組稱為正規(guī)方程組。通過求解得參數(shù)，的估計值為：可簡化為：8.簡述一元線性回歸模型擬合優(yōu)度檢驗的基本思想。答：擬合優(yōu)度檢驗是指樣本回歸線對樣本觀測點的擬合程度。如果各觀測點緊密地聚集在這條直線的周圍，則表明該直線對Y和X之間關(guān)系的描述是好的；否則，用直線來描述這兩個變量之間的關(guān)系就未必恰當。在總離差分解的基礎(chǔ)上通過構(gòu)造可決系數(shù)指標來反映擬合的優(yōu)劣程度。9.簡述變量顯著性檢驗的意義和步驟。答：在一元線性回歸模型中，要判斷X是否對Y具有顯著的線性影響，這就需要進行變量的顯著性檢驗。其具體步驟如下：（1）提出假設(shè)以為例，如果變量Xi是顯著的，那么回歸系數(shù)β1顯著不為0。于是，可提出：原假設(shè)H0：β1=0（沒有線性關(guān)系）備擇假設(shè)H1：β1≠0（有線性關(guān)系）（2）構(gòu)造t統(tǒng)計量該統(tǒng)計量服從自由度為n-2的t分布。（3）確定顯著水平，確定臨界值查t分布表，得到一個臨界值。（4）做出判斷如果︱t︱＞,則拒絕原假設(shè)H0：β1=0，即在的置信度下接受備擇假設(shè)H1：β1≠0，表明解釋變量Xi對因變量的影響是顯著的。反之︱t︱≤，則接受原假設(shè)H0：β1=0，表明在的置信度下變量Xi對因變量的影響是不顯著的。三、計算題及軟件操作題1.(1)序列YiXi11410-8-2016040014.2-0.221820-4-104010018.1-0.1323301000221425403103010025.9-0.95305082016040029.80.2合計1101500039010001100(2)回歸線的性質(zhì):平均值點在樣本回歸線上。 。，即殘差與Xi不相關(guān)。 2.（1）表中空白地方(1)-11.1829（2）36.2857（2）普通最小二乘法回歸方程為：0.0254說明人口每增加1萬人，保費收入平均增加0.0254萬元。（3）說明人口對保費收入有顯著影響。（4）可決系數(shù),保費收入的變動有97.88%是由人口的變動引起的，擬合程度較高。3.(1)散點圖：二者相關(guān)系數(shù)為：0.9887軟件回歸結(jié)果為：DependentVariable:YMethod:LeastSquaresIncludedobservations:33VariableCoefficientStd.Errort-StatisticProb.C18.5892269.503150.2674590.7909X0.3284440.00893936.743600.0000R-squared0.977554Meandependentvar1651.046AdjustedR-squared0.976830S.D.dependentvar2017.131S.E.ofregression307.0420Akaikeinfocriterion14.35054Sumsquaredresid2922518.Schwarzcriterion14.44124Loglikelihood-234.7839F-statistic1350.092Durbin-Watsonstat0.539264Prob(F-statistic)0.000000（2）回歸方程為：說明地區(qū)生產(chǎn)總值每增加1億元，出口平均增加0.3284億元。（3）說明地區(qū)生產(chǎn)總值對出口有顯著影響。（4）可決系數(shù),出口的變動有97.76%是由地區(qū)生產(chǎn)總值的變動引起的，擬合程度較高。（5）出口總額的預(yù)測值：預(yù)測區(qū)間：由已知信息可得：，，，n=33，4970.272,根據(jù)相關(guān)數(shù)據(jù)可計算得:將相關(guān)數(shù)據(jù)代入計算得到：所以預(yù)測區(qū)間為：（7553.8059,8283.1957）4.略第三章多元線性回歸模型課后習(xí)題答案一、單項選擇題DDBBCDD二、簡述題1．多元線性回歸模型的基本假定有哪些？答：假設(shè)1：隨機誤差項的均值為零，即假設(shè)2：隨機誤差項同方差，即假設(shè)3：隨機誤差項無序列相關(guān)，即假設(shè)4：隨機誤差項與解釋變量之間不相關(guān)，即假設(shè)5：無多重共線性假定,，即解釋變量之間不存在線性相關(guān)關(guān)系。假設(shè)6：隨機誤差項服從正態(tài)分布，即2．簡單說明為什么要引入修正的可決系數(shù)?它同原來的可決系數(shù)有什么關(guān)系？答：擬合優(yōu)度隨解釋變量個數(shù)增加會增大，人們總是可以通過增加模型中解釋變量的方法來增大的值。因此，多元模型中用來作為擬合優(yōu)度的測度，不是十分令人滿意的。為此，我們引入修正可決系數(shù)。與之間的關(guān)系：3．簡述回歸方程顯著性檢驗的基本思路。答：對于多元線性回歸模型 i=1,2,…,n要檢驗回歸模型在整體上是否具有顯著的線性關(guān)系,所檢驗的原假設(shè)與備擇假設(shè)分別為：不全為零檢驗的思想來自于總離差平方和的分解式：TSS=ESS+RSS對于給定的樣本數(shù)據(jù),總離差平方和TSS是確定的,回歸平方和ESS反映了k個解釋變量X的聯(lián)合體對被解釋變量Y的線性作用的結(jié)果，考慮比值如果這個比值較大，則X的聯(lián)合體對Y的解釋程度高，可認為總體存在線性關(guān)系，反之總體上可能不存在線性關(guān)系。因此可通過該比值的大小對總體線性關(guān)系進行推斷，通常將自由度考慮進去?？勺C明，在原假設(shè)成立的條件下，統(tǒng)計量即服從自由度為的分布。根據(jù)變量的樣本觀測值和估計值，計算F統(tǒng)計量的數(shù)值；給定一個顯著性水平，可得到一個臨界值。如果則在顯著性水平下拒絕原假設(shè)，說明模型的線性關(guān)系顯著成立，模型通過回歸方程顯著性檢驗；如果，則接受原假設(shè)，說明模型的線性關(guān)系顯著不成立，模型未通過回歸方程顯著性檢驗。三、計算分析題1.（1）樣本容量是n=20（2）求TSS=66042（3）ESS和RSS的自由度分別是2、17（4）求=ESS/TSS=0.9767,說明Y的總離差中被回歸方程解釋的部分為97.67%。（5）用F檢驗,模型整體顯著性檢驗通過，兩個解釋變量聯(lián)合起來對Y有顯著影響。（6）2.（1）（2）0.0865的經(jīng)濟含義：在其余解釋變量不變的情況下，家庭月平均收入每增加1元，會導(dǎo)致書刊消費支出平均增加0.0865元。52.3703的經(jīng)濟含義：在其余解釋變量不變的情況下，戶主受教育年數(shù)每增加1年，會導(dǎo)致家庭書刊消費支出平均增加52.3703元。（3）隨著家庭收入和戶主受教育年數(shù)的增加，家庭書刊消費支出相應(yīng)也會增加，模型估計結(jié)果符合經(jīng)濟含義，通過經(jīng)濟意義檢驗。（4）回歸方程整體的顯著性檢驗通過。(5)通過顯著性檢驗通過顯著性檢驗3.軟件回歸結(jié)果：DependentVariable:YMethod:LeastSquaresIncludedobservations:16CoefficientStd.Errort-StatisticProb.

C108.314923.152474.6783300.0004X154.0351611.308814.7781490.0004X2-2.9797780.819122-3.6377710.0030R-squared0.763349

Meandependentvar103.6250AdjustedR-squared0.726941

S.D.dependentvar37.85549S.E.ofregression19.78139

Akaikeinfocriterion8.974721Sumsquaredresid5086.946

Schwarzcriterion9.119582Loglikelihood-68.79777

Hannan-Quinncriter.8.982139F-statistic20.96662

Durbin-Watsonstat0.822980Prob(F-statistic)0.000085（1）計量回歸模型：（2）54.0352的經(jīng)濟含義：在其余解釋變量不變的情況下，本企業(yè)廣告投入每增加1單位，會導(dǎo)致本企業(yè)銷售額平均增加54.0352單位。-2.9798的經(jīng)濟含義：在其余解釋變量不變的情況下，競爭對手銷售額每增加1單位，會導(dǎo)致本企業(yè)銷售額平均減少2.9798個單位。（3）=0.7633,說明Y的總離差中被回歸方程解釋的部分為76.33%?；貧w方程整體的顯著性檢驗通過。通過顯著性檢驗通過顯著性檢4.（1）預(yù)期三個解釋變量的符號都為正。（2）模型估計結(jié)果：DependentVariable:YMethod:LeastSquaresDate:09/30/15Time:08:17Sample:19952014Includedobservations:20CoefficientStd.Errort-StatisticProb.

C23769.026053.7713.9263170.0012X11.2668070.1473788.5956480.0000X2-0.0131180.029909-0.4385840.6668X3-0.3505610.091553-3.8290510.0015R-squared0.999881

Meandependentvar48289.34AdjustedR-squared0.999859

S.D.dependentvar44227.31S.E.ofregression524.7837

Akaikeinfocriterion15.54071Sumsquaredresid4406367.

Schwarzcriterion15.73985Loglikelihood-151.4071

Hannan-Quinncriter.15.57958F-statistic44978.11

Durbin-Watsonstat1.534013Prob(F-statistic)0.000000X2,X3的符號與預(yù)期不符。（3）回歸方程整體的顯著性檢驗通過。通過顯著性檢驗未通過顯著性檢驗通過顯著性檢驗發(fā)現(xiàn)模型F檢驗很顯著，整體通過顯著性檢驗，但X2未通過顯著性檢驗。模型很可能存在多重共線性問題。第四章異方差性問題課后習(xí)題答案一、單項選擇題1-5CBADA6-10BACBB二、判斷題1-5三、簡述題1．簡述戈德菲爾德-夸特檢驗法（G-Q檢驗法）基本步驟？答：①將樣本觀察值按觀察值Xi的大小排隊;②將序列中間的c=n/4個觀察值除去，并將剩下的觀察值劃分相同的兩個子樣本，每個子樣樣本容量均為(n-c)/2；③對每個子樣分別進行OLS回歸，并計算各自的殘差平方和；④提出假設(shè)。即H0：兩部分數(shù)據(jù)的方差相等。構(gòu)造F統(tǒng)計量F=RSS2/RSS1若F大于臨界值，則認為模型存在異方差，如果小于臨界值，則認為模型不存在異方差。2.加權(quán)最小二乘法的基本思路和具體步驟？答：基本思路：對較小的殘差平方給予較大的權(quán)重，對較大的殘差平方給予較小的權(quán)重。具體步驟：（1）選擇權(quán)重w（2）計算∑we2，并使其達到最小，計算參數(shù)估計值。四、計算分析題1.（1）用GQ檢驗法檢驗?zāi)Ｐ褪欠翊嬖诋惙讲?。求F統(tǒng)計量為給定，F(xiàn)臨界值為。發(fā)現(xiàn)=5.6924483>，說明該模型的隨機誤差項存在異方差。（2）用懷特（white）檢驗法檢驗?zāi)Ｐ褪欠翊嬖诋惙讲?。nR2=21×0.5659=11.8839>χ0.05(2)=5.99說明該模型的隨機誤差項存在異方差。（3）第一種方法適合大樣本，類型為單調(diào)性異方差，用F檢驗來判斷有無異方差；第二種方法適合大樣本，類型沒有限制，用卡方檢驗來判斷有無異方差。2.（1）從圖1可以看出殘差平方隨的變動而變化，因此，模型很可能存在異方差。（2）加權(quán)最小二乘法。其基本思路：對較小的殘差平方給予較大的權(quán)重，對較大的殘差平方給予較小的權(quán)重。（3）表2權(quán)數(shù)為w2=1/X^2時模型效果最好，因為該回歸結(jié)果擬合優(yōu)度最高（為0.9387），且變量t檢驗都通過。最終模型為：（4）異方差的形式為：3.（1）GQ檢驗法檢驗異方差性：第一步：首先將變量X按從小到大進行排序。第二步：構(gòu)造子樣本區(qū)間。在本題中，樣本容量n=31，刪除中間1/4的觀測值，即大約7個觀測值，余下部分平分得兩個樣本區(qū)間：1—12和20—31，它們的樣本個數(shù)均是12個，即。第三步：分別對前后各12個樣本數(shù)據(jù)進行回歸，得到的殘差平方和為，，F(xiàn)統(tǒng)計量為（4.3）第四步：判斷。在下，查F分布表得臨界值為，因為，所以拒絕原假設(shè)，表明模型確實存在異方差。（2）對變量取對數(shù)，估計模型，在回歸命令窗口輸入log(y)clog(x),得到對數(shù)模型回歸結(jié)果。對數(shù)模型回歸結(jié)果對上述對數(shù)回歸模型做懷特檢驗可知：<，所以接受原假設(shè)，表明模型不存在異方差，經(jīng)過對數(shù)變換，模型已消除異方差。對數(shù)模型的懷特檢驗所以模型估計結(jié)果為：表明房地產(chǎn)業(yè)每增加1%增加值，地區(qū)生產(chǎn)總值增長0.69%，房地產(chǎn)行業(yè)的發(fā)展對地區(qū)經(jīng)濟發(fā)展具有重要推動作用。4.（1）采用截面數(shù)據(jù)易導(dǎo)致異方差。（2）檢驗是否存在異方差a.圖形法首先估計回歸模型，生成殘差序列.回歸結(jié)果如下：接著繪制殘差平方序列對的散點圖。由散點圖可以看出，殘差平方與解釋變量X的散點圖主要分布在圖形中的下三角部分，大致看出殘差平方隨的變動呈增大的趨勢，因此，模型存在異方差。b.GQ檢驗方式第一步：首先將變量X按從小到大進行排序。第二步：構(gòu)造子樣本區(qū)間。在本題中，樣本容量n=28，刪除中間8個觀測值，余下部分平分得兩個樣本區(qū)間：1—10和19—28，它們的樣本個數(shù)均是10個，即。第三步：分別對前后各10個樣本數(shù)據(jù)進行回歸，得到的殘差平方和為，，F(xiàn)統(tǒng)計量為第四步：判斷。在下，查F分布表得臨界值為，因為，所以拒絕原假設(shè)，表明模型確實存在異方差。c.White檢驗用Eviews軟件直接進行White檢驗，結(jié)果如下：從white檢驗結(jié)果可以看出。此外在下，查分布表,得臨界值；比較計算的統(tǒng)計量與臨界值，因為＞，所以拒絕原假設(shè)，不拒絕備擇假設(shè)，表明模型存在異方差。由上面的各種異方差檢驗結(jié)果可知，銷售收入（X）銷售利潤（Y）的影響模型存在異方差。（3）加權(quán)最小二乘法修正異方差。在實際Eviews操作中，我們選用三個權(quán)數(shù)?；貧w結(jié)果分別為：經(jīng)估計檢驗發(fā)現(xiàn)用權(quán)數(shù)的效果最好。對權(quán)數(shù)得到的修正模型進行異方差檢驗，選擇White檢驗，檢驗結(jié)果如下所示。由于<，所以接受原假設(shè)，模型不存在異方差，經(jīng)過加權(quán)后，模型消除了異方差。最終修正后的回歸模型結(jié)果為：第五章序列相關(guān)問題課后習(xí)題答案一、單項選擇題1-5BDDAB6-7CD二、判斷題1-5三、簡述題1.DW檢驗的局限性主要有哪些?答：(1)DW檢驗有兩個無法確定的區(qū)域，當或時，不能確定其是否存在序列相關(guān)。(2)只能檢驗一階序列相關(guān)，不適合于高階序列相關(guān)的檢驗。(3)樣本容量要足夠大，至少大于15。這是因為DW統(tǒng)計量的上下界表一般要求，樣本容量再小，時，DW檢驗上下界表的數(shù)據(jù)不完善，利用殘差很難對序列相關(guān)的存在作出比較正確的結(jié)論。(4)DW檢驗有運用的前提條件，只有符合這些條件DW檢驗才是有效的。2.序列相關(guān)的原因及后果？答：(1)序列相關(guān)產(chǎn)生的原因：經(jīng)濟變量固有的慣性;模型中遺漏了重要的解釋變量;模型設(shè)定偏誤;隨機因素的影響.(2)序列相關(guān)后果：參數(shù)估計量雖是無偏的，但不再具有最小方差性;變量的顯著性檢驗失去意義;模型的預(yù)測失效。四、計算分析題1.（1）DEBT＝6.03+0.65GDP（2）n=19,k=1，查表dl=1.074；DW＝0.81<1.074，因此判斷模型存在正序列相關(guān)。（3）2.（1）DW檢驗法。DW檢驗法的基本前提：a.解釋變量X非隨機；b.隨機誤差項ut為一階自回歸形式； c.回歸模型中不應(yīng)含有滯后應(yīng)變量作為解釋變量；d.回歸含有截距項；e.數(shù)據(jù)序列無缺失項；（2）n=20,k=2，查表dl=1.100；du=1.537；DW=0.458723<dl=1.100，因此判斷模型存在正序列相關(guān)。自相關(guān)系數(shù)=1-d/2=0.7706385廣義差分模型為3.（1）模型估計結(jié)果為（2）5%顯著性水平下，由n=36,k=1可知：，由于，故存在正序列相關(guān)。（3）用科克蘭內(nèi)—奧克特法修正序列相關(guān).估計結(jié)果為：（21.81535）（8.020868）F=8543.624DW=2.066501此時，（），已消除序列相關(guān)。第六章多重共線性問題課后習(xí)題答案一、選擇題1.B2.A3.C4.A5.CD6.D7.D8.ABCD二、簡答題1.答：對于一個回歸模型，為模型的個自變量，如果其中的某兩個或多個自變量之間存在完全或準確的線性相關(guān)性，則稱該模型存在多重共線性。2.答：（一）完全多重共線性的情況下，模型回歸系數(shù)的普通最小二乘參數(shù)估計值無法確定，并且估計量的方差為無窮大。（二）不完全多重共線性情況下，對模型的可能產(chǎn)生的后果主要有以下幾點：1）不完全多重共線性問題存在的情況下，模型回歸系數(shù)的普通最小二乘估計量存在，并且仍然是最優(yōu)線性無偏估計量。但是方差在不完全多重共線性的影響下變大，使得估計量的可靠度降低。2）回歸系數(shù)的普通最小二乘估計量的經(jīng)濟含義不合理。3）回歸模型的擬合優(yōu)度較大，但是變量的顯著性檢驗值變小，不顯著的可能性變大。3.答：根據(jù)多重共線性的性質(zhì)，即模型中至少存在一個自變量可以由其他自變量的準確或近似線性組合表示。因此，輔助回歸模型的基本思路就是找出一個或者多個自變量與其他自變量的這種準確或近似的線性關(guān)系的話，就能夠說明模型存在多重共線性。4.答：（1）改變模型的形式：a）變換模型的函數(shù)形式，例如將線性回歸模型轉(zhuǎn)化為對數(shù)模型或者多項式模型。b）改變模型自變量的形式：相對變量、差分變量（2）刪除自變量：a）刪除不重要的自變量b）逐步回歸法——刪除引起共線性的自變量（3）減少參數(shù)估計量的方差a）增加樣本量b）嶺回歸法（4）其他方法：先驗信息法、主成分分析法等。5.答：逐步回歸法的基本思想是先將因變量對每個自變量做線性回歸方程，稱為基本回歸方程。根據(jù)基本回歸方程的回歸結(jié)果判斷自變量對因變量的貢獻大小，將貢獻最大的自變量作為基礎(chǔ)變量。然后逐一加入其他變量進行回歸，每引入一個新的變量時，都要檢驗新建立的模型的擬合效果是否有顯著提高；并且新模型中先前引入的自變量是否顯著，如果不顯著就將其剔除。從而保證回歸方程中均為顯著變量，直到?jīng)]有顯著的變量可以引入模型為止。三、計算分析題1.（1）作對的一元線性回歸，得到回歸方程為：回歸結(jié)果顯示，對的回歸方程擬合優(yōu)度達到0.9922，說明與之間具有高度線性相關(guān)性，貨物進出口模型存在較嚴重的多重共線性問題。（2）作對的二元線性回歸模型，回歸結(jié)果為：圖1對的二元線性回歸結(jié)果根據(jù)線性回歸結(jié)果顯示，自變量對沒有顯著影響，模型擬合優(yōu)度達到0.9572，這是多重共線性引起的典型后果。嘗試將線性回歸模型變換為對數(shù)模型形式，得到對數(shù)模型回歸結(jié)果為：圖2對數(shù)模型回歸結(jié)果由對數(shù)模型回歸結(jié)果，可知經(jīng)過對數(shù)變換后，與對均有顯著影響，并且模型的擬合優(yōu)度提升到0.9708。說明對數(shù)變換很好地修正了原模型中的多重共線性問題。2.（1）找出基礎(chǔ)變量建立因變量對每個自變量的一元回歸模型：，，，，，，，，，，，，從上述的一元回歸模型擬合結(jié)果，可知自變量對的貢獻由大到小依次為，因此選作為基礎(chǔ)變量。（2）逐一加入其他變量 依次加入變量，當加入的變量使得模型的擬合優(yōu)度有顯著提高，并且新模型各變量顯著，則保留新變量。若新模型存在不顯著的變量，則剔除該不顯著變量。若沒有顯著提高，但是模型各變量均顯著，則繼續(xù)加入其它變量。從而找到最佳回歸方程，具體過程如下表6.4逐步回歸過程-20.41420.12400.99683410.387值-4.349758.3985-52.09930.07670.22450.99792357.659值-3.60123.68452.278671.17960.1557-1.34270.99863459.534值2.701616.9499-3.503948.75900.1346-1.12020.07530.99862189.793值2.69544.2727-2.21850.702863.41260.15490.0862-1.34440.99862084.172值1.289914.53500.1913-3.3342 在變量的基礎(chǔ)上，引入變量，引入后的模型擬合優(yōu)度有小幅度提高，并且變量均顯著。再嘗試在變量的基礎(chǔ)上，引入變量，引入后的模型擬合優(yōu)度相較上一個加入的模型提升較多，并且各變量也顯著?？紤]同時引入變量、，得到的模型擬合優(yōu)度沒有提升，并且變量不顯著，說明存在多重共線性。因此，去掉變量，保留變量、。最后加入變量，模型的擬合優(yōu)度沒有顯著提升，并且變量的回歸系數(shù)不顯著，說明加入后模型存在多重共線性，因此剔除變量。最終得到最優(yōu)的回歸模型為：，，2．根據(jù)理論分析，食品需求量受四個因素的影響，建立回歸方程：利用表中數(shù)據(jù)，采用最小二乘法，得到回歸結(jié)果為：圖3食品需求模型回歸結(jié)果回歸方程為：回歸結(jié)果顯示回歸方程總體F檢驗顯著?，F(xiàn)用6.0軟件分別計算兩兩變量之間的相關(guān)系數(shù)，得表：表1：相關(guān)系數(shù)矩陣表可見解釋變量之間是高度相關(guān)的。為了處理多重共線性，采用逐步回歸分析法。根據(jù)理論分析，可支配收入應(yīng)該是食品需求最主要的影響因素，相關(guān)系數(shù)檢驗也表明，收入與食品需求的相關(guān)性最強。所以，首先建立以收入為解釋變量的一元回歸模型。

食品需求量與可支配收入的線性回歸結(jié)果DependentVariable:YMethod:LeastSquaresSample:19952004Includedobservations:10VariableCoefficientStd.Errort-StatisticProb.C12.455543.7627343.3102380.01070.1178450.00281041.937010.0000R-squared0.995472Meandependentvar140.0000AdjustedR-squared0.994906S.D.dependentvar43.01163S.E.ofregression3.069899Akaikeinfocriterion5.258023Sumsquaredresid75.39426Schwarzcriterion5.318540Loglikelihood24.29012F-statistic1758.713Durbin-Watsonstat2.627059Prob(F-statistic)0.000000依次將其余變量逐個引入模型，估計結(jié)果分別如表所示。食品需求量與可支配收入及食品類價格指數(shù)的線性回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C14.0470849.255430.2851880.78380.1257420.0149238.4259430.00010.3610550.6688730.5397960.1061R-squared0.995653Meandependentvar140.0000Durbin-Watsonstat2.533515Prob(F-statistic)0.000000食品需求量與收入、類價格指數(shù)及物價總指數(shù)的線性回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C127.592665.159871.9581470.09790.1036060.0138817.4639720.00031.8817850.7620632.4693290.04853.1856371.2164102.6188840.0396R-squared0.997972Meandependentvar140.0000Durbin-Watsonstat3.524120Prob(F-statistic)0.000000需求量、收入、類指數(shù)、物價總指數(shù)和資產(chǎn)的線性回歸結(jié)果VariableCoefficientStd.Errort-StatisticProb.C135.335275.131551.8013100.13150.0969540.0264883.6602780.01461.9913430.9016012.2086750.07823.4014051.4974882.2714070.07230.0150810.0493930.3053300.7724R-squared0.998009Meandependentvar140.0000Durbin-Watsonstat3.382618Prob(F-statistic)0.000001可以看出，在依次加入變量后，擬合優(yōu)度均有所增加，各系數(shù)符號正確，但加入流動資產(chǎn)擁有量后，擬合優(yōu)度雖然有所提高，但是系數(shù)卻不顯著，說明存在嚴重的多重共線性，所以在模型中應(yīng)剔除。從而得到最終回歸模型為：第七章虛擬變量模型課后習(xí)題答案一、單項選擇題1-5ABCBD6-8CDB二、簡述題1．什么虛擬變量？虛擬變量引入模型中的要遵循怎樣的原則？答：一個定性變量，它的可能值只有兩個，也就是說出現(xiàn)或不出現(xiàn)某種屬性。一般地，用1表示出現(xiàn)某種屬性，用0表示沒有出現(xiàn)該屬性。像這樣取值只為0、1的變量稱為虛擬變量或啞變量。一個多分類定性變量需要引入多個虛擬變量，引入的虛擬變量個數(shù)要比多分類定性變量的分類個數(shù)少一。即一個具有個屬性的定性變量，需要引入個虛擬變量。2．請簡述以虛擬變量為自變量的模型主要類別以及基本原理。答：（1）方差分析模型一個回歸模型的自變量只有虛擬變量，這樣的模型稱為方差分析模型。模型形式為：其中為個人月支出；；為隨機誤差項且。（2）協(xié)方差模型將自變量中同時包含定性變量和定量變量的回歸模型稱為協(xié)方差模型。模型形式為：其中表示大學(xué)生月話費支出，表示月生活費支出；；表示模型隨機誤差項且。3．線性概率模型存在的問題有哪些？答：（1）隨機誤差項的異方差性（2）不適用的擬合優(yōu)度（3）不一定落在0和1之間4．請簡述二元Probit模型的參數(shù)估計方法。見課本P138-1395．請簡述二元Logit模型的參數(shù)估計方法。見課本P143-145三、計算分析題1.（1）由回歸結(jié)果可知，當工作權(quán)法案生效時，私人部門雇員加入工會的平均百分比約為10.41%。當工作權(quán)法案沒有生效時，私人部門雇員加入工會的平均百分比約為19.81%。并且工作權(quán)法案是否生效，私人部門雇員加入工會的平均百分比相差約9.39%。（2）沒有頒布工作權(quán)法案的州，即當時，得到：2.應(yīng)用Eviews軟件建立二元選擇模型，得到模型結(jié)果為：模型結(jié)果可以這樣解釋：表明當保持Fib一致時，HDL指標每增加1個單位，的值將減少0.0125個單位。由模型結(jié)果可得在給定的條件下，上式兩邊對變量求導(dǎo)，得：根據(jù)上式可知，在保持不變的情況下，以不同的HDL指標值為起點開始每增加一個單位的HDL指標值，人體產(chǎn)生心梗的概率變化值。比如已知人體的Fib和HDL分別為50、0.5，我們可以將、代入上式，得這個結(jié)果意味著對于Fib值為0.5的人體而言，HDL值從50開始每增加1個單位，人體產(chǎn)生心肌梗塞的概率就會下降0.659%。第八章滯后變量模型課后習(xí)題答案一、單項選擇題1.C2.B3．B4．D5．D6．D7．D二、多選選擇題1.ABC2.ABCE3．ABC4．CD5．BCD6．ABCD三、簡答題1．有限分布滯后模型：滯后期長度有限的分布滯后模型稱為有限分布滯后模型。2．無限分布滯后模型：滯后期長度無限的分布滯后模型稱為無限分布滯后模型。3．一般來說，解釋變量對被解釋變量的影響不可能在短時間內(nèi)完成，在這一過程中通常存在時間滯后，也就是說，解釋變量需要通過一段時間才能完全作用于被解釋變量。此外，由于經(jīng)濟活動的慣性，一個經(jīng)濟指標之前的變化態(tài)勢往往會延續(xù)到本期，從而形成被解釋變量的檔期變化同自身過去取值水平相關(guān)的情形。這種被解釋變量受自身或其他經(jīng)濟變量過去值影響的現(xiàn)象稱為滯后現(xiàn)象。產(chǎn)生滯后效應(yīng)的原因主要有三種：心理因素：人們的心理定勢，行為方式滯后于經(jīng)濟形勢的變化，如中彩票的人不可能很快改變其生活方式。技術(shù)原因：如當年的產(chǎn)出在某種程度上依賴于過去若干期內(nèi)投資形成的固定資產(chǎn)。制度原因：如定期存款到期才能提取，造成了它對社會購買力的影響具有滯后性。4.對模型QUOTEYt=α+β0如果是有限期的分布滯后模型，普通最小二乘回歸也會遇到如下問題：(1)沒有先驗準則確定滯后期長度；(2)如果滯后期較長，而樣本數(shù)較小，將缺乏足夠的自由度進行傳統(tǒng)的統(tǒng)計檢驗；(3)同名變量滯后值之間可能存在高度線性相關(guān)，即模型會存在高度的多重共線性。通過對各滯后變量加權(quán)，組成線性合成變量而有目的地減少滯后變量的數(shù)目，以緩解多重共線性，保證自由度。常用的方法有：(1)經(jīng)驗加權(quán)法(2)阿爾蒙(Almon)多項式法(3)科伊克(Koyck)方法(4)帕斯卡（Pascal）方法。四、分析操作題1.分布滯后模型Y假定系數(shù)可用二次多項式近似，即ββββ則原模型可變?yōu)閅其中ZZZ具體操作步驟：第一步：打開Eviews7.2，點擊File→New→WorkfileCreate，在彈出的對話框里面開始（Startdata）和結(jié)束年份（Enddata）分別輸入1994和2014，點擊OK。在對話框里面輸入dataxy,點擊enter，把x和y相對應(yīng)的數(shù)據(jù)輸入表中.第二：點擊Quick→GenerateSeriesbyEquation，在彈出的對話框里面輸入：Z0=X+X(-1)+X(-2)+X(-3)，點擊OK。再依次根據(jù)X的數(shù)據(jù)，生成線性組合變量Z1和Z2，其中Z1和Z2對應(yīng)的方程為：Z1=X(-1)+2*X(-2)+3*X(-3)；Z2=X(-1)+4*X(-2)+9*X(-3)。第三：點擊Quick→EstimateEquation，在彈出的對話框里面輸入YCZ0Z1Z2；在Method欄中選擇最小二乘法（LeastSquares），點擊OK，屏幕顯示回歸估計結(jié)果如下。表中Z0Z1Z2對應(yīng)的系數(shù)分別是QUOTEα0，α1，α2α0，α1，α2的估計值QUOTEα0，αββββ從而，分布滯后模型的最終估計式為：Y2.第一步：打開Eviews7.0，點擊File→New→WorkfileCreate，如下圖1所示，在彈出的對話框里面開始（Startdata）和結(jié)束年份（Enddata）分別輸入1985和2004，點擊OK，如下圖所示：第二：在彈出的對話框里面輸入datayx，點擊enter鍵，在彈出的對話框中輸入y和x的數(shù)據(jù)，把相應(yīng)的數(shù)據(jù)輸入進去，如下右圖所示：第三：點擊Quick→GroupStatistics→GrangerCausalityTest后進入SeriesList窗口，在彈出的空白處錄入yx后點擊OK，如下如所示，進入LagSpecification（指定滯后長度）畫面，選擇適合的滯后長度，例如滯后長度為2，點擊OK則有以下結(jié)果：第四：在此窗口內(nèi)點擊ViewGrangerCausality…后，修改滯后長度，比如滯后長度等于3，再點擊OK則有：第五：重復(fù)點擊ViewGrangerCausality…后，修改滯后長度，比如滯后長度等于4、5，再點擊OK分別有以下結(jié)果：對上述結(jié)果總結(jié)如下：滯后長度M=nGranger因果性F值P值結(jié)論2Y→XX→Y16.44171.481670.00030.2632不拒絕拒絕3Y→XX→Y4.450181.509050.03120.2716不拒絕拒絕4Y→XX→Y3.758560.893960.06120.5151不拒絕拒絕5Y→XX→Y9.735941.431220.02330.3751不拒絕拒絕第九章聯(lián)立方程模型課后習(xí)題答案一、簡述題1．聯(lián)立方程模型如何識別？答：（1）簡化式識別假設(shè)聯(lián)立方程模型的結(jié)構(gòu)式為BY+ΓX=U，它相應(yīng)的簡化式模型為Y=πX+V，其中有g(shù)個內(nèi)生變量，k個前定變量，ki表示第i個結(jié)構(gòu)方程中所含的先決變量數(shù)目，gi表示第i個結(jié)構(gòu)方程中所含的內(nèi)生變量數(shù)目。1）秩條件若秩，則第i個結(jié)構(gòu)方程不可識別；若秩，則第i結(jié)構(gòu)方程可識別。2）階條件當?shù)趥€結(jié)構(gòu)方程可識別時，若則該方程恰好識別；若則該方程過度識別。（2）結(jié)構(gòu)式識別1）階條件記M為結(jié)構(gòu)模型中內(nèi)生變量和前定變量的總個數(shù)（M=g+k）,為第個結(jié)構(gòu)方程中所含變量（內(nèi)生變量和前定變量）的個數(shù)：=。當?shù)趇個結(jié)構(gòu)方程是可識別時若，或，稱階條件成立，此時如果第i個結(jié)構(gòu)方程可識別，則第i個結(jié)構(gòu)方程是恰好識別的；若，或，稱階條件成立，此時如果第i個結(jié)構(gòu)方程可識別，則第i個結(jié)構(gòu)方程是過度識別的；若，或，稱階條件不成立，則第i個結(jié)構(gòu)方程一定不可識別。2）秩條件若秩Rank（B(i)，Γ(i)）<g-1，則第i個結(jié)構(gòu)方程不可識別。若秩Rank（B(i)，Γ(i)）=g-1，則第i個結(jié)構(gòu)方程是可識別的。2．間接最小二乘法的基本原理是什么？答：聯(lián)立方程模型的結(jié)構(gòu)方程中包含有內(nèi)生解釋變量，不能直接采用OLS估計其參數(shù)。但是對于簡化式方程，可以采用OLS直接估計其參數(shù)。先對關(guān)于內(nèi)生解釋變量的簡化式方程采用OLS估計簡化式參數(shù)，得到簡化式參數(shù)估計量，然后通過參數(shù)關(guān)系體系，計算得到結(jié)構(gòu)式參數(shù)的估計量。間接最小二乘法只適用于恰好識別的結(jié)構(gòu)方程的參數(shù)估計，因為只有恰好識別的結(jié)構(gòu)方程，才能從參數(shù)關(guān)系體系中得到唯一一組結(jié)構(gòu)參數(shù)的估計量。3．簡述兩階段最小二乘法的基本思路和一般步驟。答：（1）基本思路間接最小二乘法一般只適用于聯(lián)立方程模型中恰好識別的結(jié)構(gòu)方程的估計，但是，在實際的聯(lián)立方程模型中，恰好識別的結(jié)構(gòu)方程很少出現(xiàn)，一般情況下被估計方程是過度識別的。這樣，ILS不能被使用，兩階段最小二乘估計是常用的另一種可選方法。首先利用OLS法估計簡化式方程，得到內(nèi)生變量的估計值，然后以內(nèi)生變量的估計值為工具變量，對結(jié)構(gòu)式方程應(yīng)用OLS法得到結(jié)構(gòu)參數(shù)估計值。兩階段最小二乘法是一種既適用于恰好識別的結(jié)構(gòu)方程，又適用于過度識別的結(jié)構(gòu)方程的單方程估計方法，是應(yīng)用最多的單方程估計方法。（2）一般步驟第一步：從結(jié)構(gòu)方程導(dǎo)出簡化式方程，用普通最小二乘法進行估價，然后用簡化方程求出結(jié)構(gòu)方程中內(nèi)生解釋變量的估計值。第二步：用所求出的內(nèi)生解釋變量的估計值替換結(jié)構(gòu)方程中該內(nèi)生解釋變量的樣本觀測值，再對結(jié)構(gòu)方程用普通最小二乘法進