资源预览内容
第1页 / 共14页
第2页 / 共14页
第3页 / 共14页
第4页 / 共14页
第5页 / 共14页
第6页 / 共14页
第7页 / 共14页
第8页 / 共14页
第9页 / 共14页
第10页 / 共14页
亲,该文档总共14页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
1第一章第一章1.6 一个完整的计量经济模型应包括哪些基本要素?你能举一个例子吗? 答:一个完整的计量经济模型应包括三个基本要素:经济变量、参数和随机误差项。例如研究一家店铺月销售额的计量经济模型:其中,为该月店uXYY铺销售总额,为该月店铺销售量,二者是经济变量;和为参数;是随机误差Xu项。 1.7 答:经济变量反映不同时间、不同空间的表现不同,取值不同,是可以观 测的因素。经济参数是表现经济变量相互依存程度的、决定经济结构和特征的、 相对稳定的因素,通常不能直接观测。 参数是未知的,又是不可直接观测的。由于随机误差项的存在,参数也不 能通过变量值去精确计算。只能通过变量样本观测值选择适当方法去估计。1.11 答:时间序列数据:中国 1990 年至 2013 年国内生产总值,可从中国统计局网站 查得数据。 截面数据:中国 2013 年各城市收入水平,中国统计局网站查得数据。 面板数据:中国 1990 年至 2013 年各城市收入水平,中国统计局网站查得数据。 虚拟变量数据:自然灾害状态,1 表示该状态发生,0 表示该状态不发生。 1.13 为什么对已经估计出参数的模型还要进行检验?你能举一个例子说明各种检验的 必要性吗? 答:一,在设定模型时,对所研究经济现象规律性的认识可能并不充分,所依据的经 济理论对所研究对象也许还不能作出正确的解释和说明。 二,经济理论是正确的,但可能我们对问题的认识只是从某些局部出发,或者只是考 察了某些特殊的样本,以局部去说明全局的变化规律,可能导致偏差。 三,我们用以估计参数的统计数据或其它信息可能并不十分可靠,或者较多地采用了 经济突变时期的数据,不能真实代表所研究的经济关系,或者由于样本太小,所估计 参数只是抽样的某种偶然结果。第二章第二章2.3(1) 当时,消费支出 C 的点预测值: (元)1000fY 500.6 1000650iC (2)平均值的预测区间:已知: ,650iC 0.025(10)2.23t2 2300302122ien222222()()11(),()ff ff iiYYYYCtCtnyny2221(1000800)1(1000800)(6502.2330),(6502.2330)128000128000=(650-27.5380,650+27.5380)=(622.46,677.54)当时,在 95%的置信概率下消费支出 C 平均值的预测区间为(622.46,677.54)元。1000fY (3)个别值的预测区间:222222()()11(1),(1)ff ff iiYYYYCtCtnyny221(1000800)1(1000800)(6502.23301),(6502.23301)128000128000=(650-30.1247,650+30.1247)=(619.88,680.12)元当时,在 95%的置信概率下消费支出 C 个别值的预测区间为1000fY (619.88,680.12)元。2.4(3)区间预测3取=0.5,平均值置信度 95%的预测区间为fY222)(1iff xXX ntY已知=1556.647,(10)=2.228,=31.736,n=10fY025.0t =(1.9894)2*11=43.53482 ix)1()(22nXXXf=(4.5-3.5233)2=0.95392)(XXf当=4.5 时,将相关数据代入计算得到fX1556.6472.228*31.736*=1556.64722.93865348.439539.0 121即是说,当建筑面积达到 4.5 万平方米时,建造平均单位成本平均值置信度 95%的预测区间为(1533.7084,1579.5856)元。第三章第三章 思考题3.2 答:多元线性回归模型中,回归系数(,)表示的是jjk当控制其它解释变量不变的条件下,第个解释变量的单位变动对被解释变量j 平均值的影响,这样的回归系数称为偏回归系数。 简单线性回归模型只有一个解释变量,回归系数表示解释变量的单位变动 对被解释变量平均值的影响。多元线性回归模型中的回归系数是偏回归系数, 是当控制其它解释变量不变的条件下,某个解释变量的单位变动对被解释变量 平均值的影响,从而可以实现保持某些控制变量不变的情况下,分析所关注的 变量对被解释变量的真实影响。3.3 答:多元线性回归中的古典假定比简单线性回归时多出一个无多重共线性 假定。假定各解释变量之间不存在线性关系,或各个解释变量观测值之间线性 无关。解释变量观测值矩阵列满秩(列) 。这是保证多元线性回归模型参数Xk 估计值有解的重要条件。43.4 答:多元线性回归分析中,多重可决系数是模型中解释变量个数的增函数, 这给对比不同模型的多重可决系数带来缺陷,所以需要修正。 联系:由方差分析可以看出,F 检验与可决系数有密切联系,二者都建立 在对应变量变差分解的基础上。F 统计量也可通过可决系数计算。对方程联合 显著性检验的 F 检验,实际上也是对可决系数的显著性检验。 区别:F 检验有精确的分布,它可以在给定显著性水平下,给出统计意义 上严格的结论。可决系数只能提供一个模糊的推测,可决系数越大,模型对数 据的拟合程度就越好。但要大到什么程度才算模型拟合得好,并没有一个绝对 的数量标准。练习题 3.456感觉感觉 3.53.5 的的数字有误数字有误,但是过程,但是过程可以参考(可以参考(470895-70895470895-70895)3.5 已知某商品的需求量(Y)、价格(X2)和消费者收入(X3),下表给出了解释变量和.对 Y 线性回归方差分析的部分结果:2X3X表 3.10 方差分析表变差来源平方和(SS)自由度(df)平方和的均值(MSS)来自回归(ESS)来自残差(RSS)总变差(TSS)377067.19470895.00191)回归模型估计结果的样本容量 n、来自回归的平方和(ESS)、回归平方和 ESS 与残差平方和 RSS 的自由度各为多少?2)此模型的可决系数和修正的可决系数为多少?3)利用此结果能对模型的检验得出什么结论?能否认为模型中的解释变量和2X联合起来对某商品的需求量 Y 的影响是否显著?本例中能否判断两个解释变量和3X2X各自对某商品的需求量 Y 也都有显著影响?3X【练习题练习题 3.53.5 参考解答参考解答】:】:变差来源平方和(SS)自由度(df)平方和的均值(MSS)来自回归(ESS)来自残差(RSS)总变差(TSS)377067.1970895.00447962.193-1=220-3=1719188533.604170.29411)1) n=19+1=20n=19+1=20来自回归的平方和(ESS)的自由度为 k-1=3-1=2残差平方和 RSS 的自由度为 n-k=20-3=1772) 可决系数 22 2 )(11YYeTSSRSS TSSRSSTSSRii222)()()(YYYYYYiiii=377067.19+70895.00=447962.192 2 270895.00110.8417()447962.19iieRYY =2R2120 11 (1)1 (1 0.8417)0.8231203nRnk 3) F=188533.60/4170.2941=45.2087或者 F=222030.841745.19551 13 110.8417nkR kR0.05(2,17)3.5945.1955FF所以可以认为模型中的解释变量和联合起来对某商品的需求量(Y)的影响显2X3X著但是,判断判断两个解释变量和.各自对某商品的需求量 Y 也都有显著影响2X3X需要 t 统计量,而本例中缺 t 统计量,还不能作出判断。第四章第四章思考题 4.1 答:多重共线性包括完全的多重共线性和不完全的多重共线性。多重共线性实质上是样本 数据问题,出现了解释变量系数矩阵的线性相关问题。 产生多重共线性的经济背景主要有以下几种情形: 第一, 经济变量之间具有共同变化趋势。第二,模型中包含滞后变量。第三, 利用截面数据建立模型也可能出现多重共线性。第四,样本数据自身的 原因。4.5 答:原因是这些变量之间通常具有共同变化的趋势。 4.9 1)答:正确。 理由:在高度多重共线性的情形中,没有任何方法能从所给的样本中把存在高 度共线性的解释变量的各自影响分解开来,从而也就无法得到单个参数显著性 检验的 t 统计量,因此无法判断单个或多个偏回归系数的单个显著性。 2)答:错误。8理由:在完全多重共线性情况下,参数估计值的方差无穷大,因此不再是有效 估计量,从而 BLUE 不再成立。 3)答:正确。理由:方差扩大因子,当时,方差扩大因子也会很大,说明变 )(2 jjR11VIF 2 jR量之间多重共线性也会越严重。4)答:正确。 理由:较高的简单相关系数只是多重共线性存在的充分条件,而不是必要条件。 特别是在多于两个解释变量的回归模型中,有时较低的简单相关系数也可能存 在多重共线性,这时就需要检查偏相关系数。因此,并不能简单地依据相关系 数进行多重共线性的准确判断。 5)答:正确。理由:以二元模型为例,从而方差扩大VIF xVar2 i 222 )(VIF xVar2 i 323 )(因子 VIF 越大,参数估计量的方法越大。 6)答:错误。 理由:在多元回归模型中,可能会由于多重共线性的存在导致很高的情况下,2R 各个参数单独的 t 检验却不显著。 7)答:正确。理由:根据公式,在两个解释变量线性相关程度一定的 )()(2 232 i 323r1xVar情况下,的值很少变化,从而会使得很小,从而增大,如果全3X2 i 3x)(3Var 部值都相同,趋于零,将是无穷大。3X2 i 3x)(3Var 8)正确。如果分析的目的仅仅是预测,则多重共线性是无害的。练习题 4.2克莱因与戈德伯格曾用 1921-1950 年(1942-1944 年战争期间略去)美国国 内消费 Y 和工资收入 X1、非工资非农业收入 X2、农业收入 X3 的时间序列资 料,利用 OLSE 估计得出了下列回归方程:37.107 95. 0(1.09) (0.66) (0.17) (8.92) 3121. 02452. 01059. 1133. 82FRXXXY(括号中的数据为相应参数估计量的标准误)。9试对上述模型进行评析,指出其中存在的问题。 解:从模型拟合结果可知,样本观测个数为 27,消费模型的判定系数,F 统计量为 107.37,在 0.05 置信水平下查分子自由度为 3,分母自95. 02R由度为 23 的 F 临界值为 3.028,计算的 F 值远大于临界值,表明回归方程是显 著的。模型整体拟合程度较高。 依据参数估计量及其标准误,可计算出各回归系数估计量的 t 统计量值:11. 009. 1121. 0,69. 066. 0452. 0,10. 617. 0059. 1,91. 092. 8133. 83210tttt除外,其余的值都很小。工资收入 X1 的系数的 t 检验值虽然显著,但该1tjt系数的估计值过大,该值为工资收入对消费边际效应,因为它为 1.059,意味 着工资收入每增加一美元,消费支出的增长平均将超过一美元,这与经济理论 和常识不符。 另外,理论上非工资非农业收入与农业收入也是消费行为的重要解释变量, 但两者的 t 检验都没
收藏 下载该资源
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号