自相关性习题
计量经济学课后习题1-8章
计量经济学课后习题总结第一章绪论1、什么事计量经济学？计量经济学就是把经济理论、经济统计数据和数理统计学与其他数学方法相结合，通过建立经济计量模型来研究经济变量之间相互关系及其演变的规律的一门学科。
2、计量经济学的研究方法有那几个步骤？（1）建立模型：包括模型中变量的选取及模型函数形式的确定。
（2）模型参数的估计：通过搜集相关是数据，采用不同的参数估计方法，进行模型参数估计。
（3）模型参数的检验：包括经济检验、以及统计学方面的检验。
（4）经济计量模型的应用：经济预测、经济结构分析、经济政策评价。
3、经济计量模型有哪些特点？经济计量模型是一个代数的、随即的数学模型，它可以是线性或非线性（对参数而言）形式。
4、经济计量模型中的数据有哪几种类型（1）定量数据：时间序列数据、截面数据、面板数据（2）定型数据：虚拟变量数据第二章一元线性回归模型1、什么是相关关系？它有那几种类型？（书上没有确切的答案）（1）相关关系：当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。
变量间的这种相互关系，称为具有不确定性的相关关系（2）相关关系的种类1.按相关程度分类：（1）完全相关：一种现象的数量变化完全由另一种现象的数量变化所确定。
在这种情况下，相关关系便称为函数关系，因此也可以说函数关系是相关关系的一个特例。
（2）不完全相关：两个现象之间的关系介于完全相关和不相关之间（3）不相关：两个现象彼此互不影响，其数量变化各自独立2.按相关的方向分类：（1）正相关：两个现象的变化方向相同（2）负相关：两个现象的变化方向相反3.按相关的形式分类（1）线性相关：两种相关现象之间的关系大致呈现为线性关系（2）非线性相关：两种相关现象之间的关系并不表现为直线关系，而是近似于某种曲线方程的关系4.按相关关系涉及的变量数目分类（1）单相关：两个变量之间的相关关系，即一个因变量与一个自变量之间的依存关系（2）复相关：多个变量之间的相关关系，即一个因变量与多个自变量的复杂依存关系（3）偏相关：当研究因变量与两个或多个自变量相关时，如果把其余的自变量看成不变（即当作常量），只研究因变量与其中一个自变量之间的相关关系，就称为偏相关。
《应用时间序列分析》习题集
《时间序列分析》习题集统计学院应用统计教研室2004年8月初稿2008年4月补充第二章习题1．若序列长度为100，前12个样本自相关系数如下：该序列能否视为纯随机序列？2．表2-1数据是某公司在2004-2007年期间每月的销售量。
表2-1月份 2004年2005年2006年2007年1153 1341451172187175203178323424318914942122272141785300298295248622125622020272012372311628175165174135912312411912010104106859611858767901278747563（1）绘制该序列时序图及样本自相关图；（2）判断该序列的平稳性；（3）判断该序列的纯随机性。
3．1975年——1980年夏威夷莫那罗亚火山每月释放的CO2数据如下（单位：mm），见表2-2。
表2-2 330.45330.97331.64332.87333.61333.55331.9330.05328.58328.31329.41330.63331.63332.46333.36334.45334.82334.32333.05330.87329.24328.87330.18331.5332.81333.23334.55335.82336.44335.99334.65332.41331.32330.73332.05333.53334.66335.07336.33337.39337.65337.57336.25334.39332.44332.25333.59334.76335.89336.44337.63338.54339.06338.95337.41335.71333.68333.69335.05336.53337.81338.16339.88340.57341.19340.87339.25337.19335.49336.63337.74338.36（1）绘制该序列时序图，并判断该序列是否平稳；（2）计算该序列的样本自相关系数；（3）绘制该样本自相关图，并解释该图形。
信号统计分析典型习题
f (m) =
⎛ m2 ⎞ exp ⎜ − 2 ⎟ 2 2πσ m ⎝ 2σ m ⎠ 1
求此时的似然比判决规则 3) m 为 [ m0 , m1 ] 上的均匀分布的随机参量，似然比判决规则。
9.
一个二元通信系统以等概率发送信息 “0” ， “1” ； “0” 不发送信号， “1” 发送复包络为 F ( t ) 的窄带脉冲信号。信号持续时间为 T。采用 M 个接收机接收信号
0
{λ ( x ) H } = 1 ， {λ ( x ) H } − E {λ ( x ) H } = Var {λ ( x ) H } 。
1 பைடு நூலகம் 0
8.
在二元参量的统计检测中，两个假设下的信号分别为
H0 : H1 :
2 x ~ N ( 0, σ n ) 2 x ~ N ( m, σ n )
其中 m 是信号的参量。 1) 试给出 m 为确定量时的似然比判决。( m > 0 和 m < 0 时的判决规则不同) 2) m 为随机参量，其概率密度函数为
,10
其中 μ > 0 ，噪声 ni 是独立同分布的，其概率密度函数为
⎧1 −1 ≤ n ≤ 1 f n ( n) = ⎨ other ⎩0
求符号检测器相对于线性检测器的 ARE 。
17. 二元假设如下：
⎧ H 0 : xi = ni i = 1, 2, ⎨ ⎩ H1 : xi = μ + ni
,10
x2 ( t )
d dt
y1 ( t )
y2 ( t )
4.
均值为零、 方差为 σ n 的白噪声系列 n ( k ) 通过冲激响应为 h ( k ) = ⎨
2
{
}
密码学-课后习题
解：置乱密码的格纸表如下表所示：
列
行
0
1
2
3
4
0
c
r
y
p
t
1
o
g
r
a
p
2
h
y
i
s
t
3
h
e
s
c
i
4
e
n
c
e
a
5
n
d
s
t
u
6
d
y
o
f
s
7
e
c
r
e
t
8
w
r
i
t
i
9
n
g
a
b
c
根据密钥字money，得到读出列的顺序为1、3、2、0、4。按照此顺序读出各列，得到置乱密文如下：RGYENDYCRG PASCETFETB YRISCSORIA COHHENDEWN TPTIAUSTIC
4-7分别用多项式乘法、移位相加法和表操作法计算下列字节乘法运算：
（1） （2）
解（1） ， 。
①多项式乘法计算字节乘法运算
②移位相加法计算字节乘法运算
由于 ，且
因此，有
③表操作法计算字节乘法运算
查表4-2的对数表，有： ， 。因此，
查表4-3的反对数表，有： 。因此， 。
4-9利用 的已知结果，证明 域上的元素 。
解：该4级序列产生器的全状态图如题4-20图2所示。由图可见，从最小的非0状态开始，一个周期的输出序列为100011110101100，其周期为15，因此它是m序列产生器。
判断变量之间的独立性或相关性练习题
判断变量之间的独立性或相关性练习题1. 问题描述在统计学和数据分析中，我们经常需要判断变量之间的独立性或相关性，以便更好地理解数据的特征和关系。
本文将提供一些练习题，帮助读者熟悉判断变量之间独立性或相关性的方法和技巧。
2. 变量之间的独立性判断题在下列描述中，判断给出的两个变量是否独立。
问题1：调查了一批成年人的性别和婚姻状况。
其中，男性中已婚比例为70%，女性中已婚比例为65%。
是否可以得出性别与婚姻状况之间相关？问题2：研究了某地区的月平均气温和空调使用率，发现当月气温较高时，空调使用率也相对较高。
是否可以得出气温与空调使用率之间相关？问题3：对一批成年人进行了体质指数（BMI）的测量，并同时记录了其饮食习惯（如常食高糖食品与否）。
分析结果发现，BMI数值较高的人群中，高糖饮食比例较高。
是否可以得出BMI与饮食习惯之间相关？3. 变量之间的相关性判断题在下列描述中，判断给出的两个变量之间是否存在相关性。
问题4：某城市进行了一项交通管制措施，限制了车辆通行时间。
研究发现，在管制时间内，车辆拥堵现象显著减少。
是否可以得出交通管制措施与车辆拥堵之间相关？问题5：调查了一批家庭成员年龄与每月家庭支出的数据，并进行了相关分析。
结果显示，随着家庭成员年龄的增长，家庭支出也呈现上升趋势。
是否可以得出家庭成员年龄与家庭支出之间相关？问题6：研究了某一批学生的熬夜时间与学习成绩，发现熬夜时间较长的学生，其学习成绩普遍较低。
是否可以得出熬夜时间与学习成绩之间相关？4. 解答及分析问题1：性别与婚姻状况相关性分析由于给出了男性和女性中已婚比例的数据，我们可以计算两者之间的卡方检验，从而判断性别与婚姻状况之间是否存在相关性。
问题2：气温与空调使用率相关性分析我们可以使用Pearson相关系数来分析气温与空调使用率之间的相关性。
通过计算相关系数的数值，可以判断两者之间是否存在线性相关关系。
问题3：BMI与饮食习惯相关性分析对于这个问题，我们可以使用卡方检验来判断BMI与饮食习惯之间的相关性。
应用时间序列分析习题标准答案
应⽤时间序列分析习题标准答案第⼆章习题答案2.1（1）⾮平稳（2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376（3）典型的具有单调趋势的时间序列样本⾃相关图2.2（1）⾮平稳，时序图如下（2）-（3）样本⾃相关系数及⾃相关图如下：典型的同时具有周期和趋势序列的样本⾃相关图2.3（1）⾃相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118（2）平稳序列（3）⽩噪声序列2.4，序列LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。
显著性⽔平=0.05不能视为纯随机序列。
2.5（1）时序图与样本⾃相关图如下（2）⾮平稳（3）⾮纯随机 2.6（1）平稳，⾮纯随机序列（拟合模型参考：ARMA(1,2)）（2）差分序列平稳，⾮纯随机第三章习题答案3.1 解：1()0.7()()t t t E x E x E ε-=?+0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01(t t t B B B x εε)7.07.01()7.01(221 +++=-=- 229608.149.011)(εεσσ=-=t x Var49.00212==ρφρ 022=φ3.2 解：对于AR （2）模型：=+=+==+=+=-3.05.02110211212112011φρφρφρφρρφφρφρφρ解得：==15/115/721φφ3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E原模型可变为：t t t t x x x ε+-=--2115.08.02212122)1)(1)(1(1)(σφφφφφφ-+--+-=t x Var2)15.08.01)(15.08.01)(15.01()15.01(σ+++--+==1.98232σ=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ??=-====015.06957.033222111φφφρφ 3.4 解：原模型可变形为：t t x cB B ε=--)1(2由其平稳域判别条件知：当1||2<φ，112<+φφ且112<-φφ时，模型平稳。
时间序列第2-3章习题解答
则模型的传递形式为：
＝
，确定该模型的 Green 函数，使该
故该模型的 Green 函数为： 该模型可以等价表示为无穷阶 MA 模型形式为：
13. 某 ARMR(2,2)模型为： .
解因
所以
，求 . 其中
, .
14. 证明 ARMR(1,1)序列 解 方法一 因为 所以
的自相关系数为：
第 3 章 习题（王燕）
1. 已知 AR(1)模型为 解由 . 由
。求 ，
，和 。
＝
＝
（常均值性），有
， ，（由平稳序列的方差常性）
又
，
，故
，
所以 ＝
。
根据 Yule–Walker 方程，有
，
即 ，
故 ＝
本题也可不要推导，由相关公式和性质直接给出结果。
2. 已知某 AR(2)模型为： 求 ， 的值。
1.5
样本自相关系数图
1
0.5
0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-0.5
自相关系数如下：
延迟
1
2
3
4
5
6
7
8
自相关系数 0.5060 0.5385 0.3736 0.2907 0.2578 0.1475 0.2696 0.1862
延迟
9
10
11
12
13
14
15
16
自相关系数 0.1776 0.2584 0.2070 0.2263 0.1375 -0.0268 -0.0532 -0.1124
延迟
机械工程测试基础习题课(第五章)
0
τ
0
T
τ
解：因为Rx(τ)=Rxy(τ+T) 因为
1 lim T →∞ T
∫
T
0
1 x(t ) x(t + τ ) dt = lim T →∞ T
∫
T
0
x(t ) y (t + τ + T )dt
第五章 习题课
5-5 试根据一个信号的自相关函数图形，讨论如何确 试根据一个信号的自相关函数图形， 定该信号中的常值分量和周期成分。 定该信号中的常值分量和周期成分。
nπ x1 (n) = ∑ x1 (t )δ (t − nTs ) = ∑ cos ( 2π nTs ) δ (t − nTs ) = ∑ cos 2 n =0 n =0 n=0
N −1 N −1 N −1
n δ (t − ) 4
采样输出序列x(n) 为：1，0，-1，0，1，0，-1，0，…… 采样输出序列 ， ， ， ， ， ， ， ，
解：设x1(t)=A1cos(ω1t+ϕ1)；x2(t)= A2cos(ω2t+ϕ2) ∵ ω1≠ω2， ∴
Rx1x2 (τ ) = Rx2 x1 (τ )=0
又因为x 和 为周期信号， 又因为 1(t)和x2(t)为周期信号，故 为周期信号
∴
A12 A2 2 Rx (τ ) = Rx1 (τ ) + Rx2 (τ ) = cos(ω1τ ) + cos(ω2τ ) 2 2
结论：如果 lim Rx (τ ) = C， 则µ x = ± C
τ →∞
Rx(τ)
x0 2 2
0
τ
自相关实例与习题
Fitted values
从散点图看可能存在正相关。画自相关与偏相关图
0.50
0.50
0.00
Partial autocorrelations of re
0.00
-0.50
-1.00
-0.50
0
5
10
Lag
Bartlett's formula for MA(q) 95% confidence bands
使用PW方法进行估计：
Prais-Winsten AR(1) regression -- iterated estimates
Source
Model Residual
Total
SS
.04494596 .027154354
.072100315
df
MS
3 .014981987 26 .001044398
[95% Conf. Interval]
-2.610545 -.0050074
.0014929 -.0199311
.5128361 .0034029 .0044152 1.193941
使用CO方法估计：
Cochrane-Orcutt AR(1) regression -- iterated estimates
Root MSE
=
29 18.80 0.0000 0.8624 0.8165 .0286
consumption
price income
temp
consumption L1.
price L1.
income L1.
temp L1.
_cons
Coef. Std. Err.
t P>|t|
计量经济学习题及答案
精心整理期中练习题1、回归分析中使用的距离是点到直线的垂直坐标距离。
最小二乘准则是指（ ）A ．使∑=-n t tt Y Y 1)ˆ(达到最小值 B.使∑=-nt t t Y Y 1达到最小值 C. 使∑=-n t t t Y Y12)(达到最小值 D.使∑=-n t t t Y Y 12)ˆ(达到最小值 2、根据样本资料估计得出人均消费支出 Y 对人均收入 X 的回归模型为ˆln 2.00.75ln i iY X =+，这表明人均收入每增加 1％，人均消费支出将增加 （ ）A. 0.75B. 0.75%C. 2D. 7.5%3、设k 为回归模型中的参数个数,n 为样本容量。
则对总体回归模型进行显着性检验的F 统计量与可决系数2R 之间的关系为( ) A.)1/()1()/(R 22---=k R k n F B. )/(1)-(k )R 1/(R 22k n F --= C. )/()1(22k n R R F --= D. )1()1/(22R k R F --= 6、二元线性回归分析中 TSS=RSS+ESS 。
则 RSS 的自由度为（ ）A.1B.n-2C.2D.n-39、已知五个解释变量线形回归模型估计的残差平方和为8002=∑t e ，样本容量为46，则随机误差项μ的方差估计量2ˆσ为（ ） 1、经典线性回归模型运用普通最小二乘法估计参数时，下列哪些假定是正确的（ ）A.0)E(u i =B. 2i )V ar(u i σ=C. 0)u E(u j i ≠D.随机解释变量X 与随机误差i u 不相关E. i u ～),0(2i N σ 2、对于二元样本回归模型ii i i e X X Y +++=2211ˆˆˆββα，下列各式成立的有（ ） A.0=∑i e B. 01=∑i i X e C. 02=∑i i X e D.0=∑i i Y e E. 021=∑i i X X 4、能够检验多重共线性的方法有（ ）A.简单相关系数矩阵法B. t 检验与F 检验综合判断法C. DW 检验法D.ARCH 检验法E.辅助回归法计算题1、为了研究我国经济发展状况，建立投资（1X ，亿元）与净出口（2X ，亿元）与国民生产总值（Y ，亿元）的线性回归方程并用13年的数据进行估计，结果如下：S.E=(2235.26) (0.12) (1.28)2R =0.99 F=582 n=13 问题如下：①从经济意义上考察模型估计的合理性；（3分）②估计修正可决系数2R ，并对2R 作解释；（3分）③在5%的显着性水平上，分别检验参数的显着性；在5%显着性水平上，检验模型的整体显着性。
通信原理教程习题答案第四版
第一章习题习题1.1 在英文字母中E 出现的概率最大，等于0.105，试求其信息量。
解：E 的信息量：()()b 25.3105.0log E log E 1log 222E =-=-==P P I习题1.2 某信息源由A ，B ，C ，D 四个符号组成，设每个符号独立出现，其出现的概率分别为1/4，1/4，3/16，5/16。
试求该信息源中每个符号的信息量。
解：b A P A P I A 241log )(log )(1log 222=-=-==b I B 415.2163log 2=-= b I C 415.2163log 2=-= b I D 678.1165log 2=-=习题1.3 某信息源由A ，B ，C ，D 四个符号组成，这些符号分别用二进制码组00，01，10，11表示。
若每个二进制码元用宽度为5ms 的脉冲传输，试分别求出在下列条件下的平均信息速率。
（1） 这四个符号等概率出现； （2）这四个符号出现概率如习题1.2所示。
解：（1）一个字母对应两个二进制脉冲，属于四进制符号，故一个字母的持续时间为2×5ms 。
传送字母的符号速率为Bd 100105213B =⨯⨯=-R等概时的平均信息速率为s b 2004log log 2B 2B b ===R M R R（2）平均信息量为比特977.1516log 165316log 1634log 414log 412222=+++=H则平均信息速率为 s b 7.197977.1100B b =⨯==H R R习题1.4 试问上题中的码元速率是多少？ 解：311200 Bd 5*10B B R T -===习题1.5 设一个信息源由64个不同的符号组成，其中16个符号的出现概率均为1/32，其余48个符号出现的概率为1/96，若此信息源每秒发出1000个独立的符号，试求该信息源的平均信息速率。
解：该信息源的熵为96log 961*4832log 321*16)(log )()(log )()(22264121+=-=-=∑∑==i i i i Mi i x P x P x P x P X H=5.79比特/符号因此，该信息源的平均信息速率 1000*5.795790 b/s b R mH === 。
北方民族大学计量期末习题第六章 自相关
一、单项选择题1.在给定的显著性水平之下，若DW 统计量的下和上临界值分别为dL 和dU,则当L U d d d <<时，可认为随机误差项( )A.存在一阶正自相关B.存在一阶负相关C.不存在序列相关D.存在序列相关与否不能断定2.在序列自相关的情况下，参数估计值的方差不能正确估计的原因是（ ）A22() i E u σ≠ B ()0() i j E u u i j ≠≠ C ()0 i i E x u ≠ D ()0 i E u ≠ 3.在检验异方差的方法中，不正确的是（ ）A. Goldfeld-Quandt 方法B. X-Y 散点图检验法C. White 检验法D. DW 检验法4.在DW 检验中，当d 统计量为0时，表明（ ）A.存在完全的正自相关B.存在完全的负自相关C.不存在自相关D.不能判定5.在下列产生序列自相关的原因中，不正确的是（ ）A.经济变量的惯性作用B.经济行为的滞后作用C.设定偏误D.解释变量的共线性6.加权最小二乘法是（ ）的一个特例A.广义差分法B.普通最小二乘法C.广义最小二乘法D.两阶段最小二乘法8.设为随机误差项，则一阶线性自相关是指（ ）A cov(,)0()t s u u t s ≠≠B 1t t t u u ρε-=+C 1122t t t t u u u ρρε--=++ D21t t t u u ρε-=+ 9.在自相关情况下，常用的估计方法（ ）A ．普通最小二乘法 B. 广义差分法 C ．工具变量法 D. 加权最小二乘法10.在DW 检验中，不能判定的区域是（ ）A 0,44l l d d d d <<-<<B 4u u d d d <<-C ,44l u u l d d d d d d <<-<<-D 上述都不对11.用于检验序列相关的DW 统计量的取值范围是( )。
A.0≤DW ≤1B.－1≤DW ≤1C.－2≤DW ≤2D.0≤DW ≤412.已知DW 统计量的值接近于2，则样本回归模型残差的一阶自相关系数ρˆ近似等于（ ）。
自相关性习题集与答案解析
自相关性一、名词解释1 序列相关性2 虚假序列相关3 差分法4 广义差分法5 自回归模型6 广义最小二乘法7 DW 检验 8 科克伦-奥克特跌代法 9 Durbin 两步法10 相关系数二、单项选择题1、如果模型y t =b 0+b 1x t +u t 存在序列相关，则（）(x t , u t )=0 (u t , u s )=0(t ≠s) C. cov(x t , u t )≠0 D. cov(u t , u s ) ≠0(t ≠s)2、DW 检验的零假设是（ρ为随机误差项的一阶相关系数）A 、DW ＝0B 、ρ＝0C 、DW ＝1D 、ρ＝13、下列哪个序列相关可用DW 检验（v t 为具有零均值，常数方差且不存在序列相关的随机变量）A ．u t ＝ρu t －1+v tB ．u t ＝ρu t －1+ρ2u t －2+…+v tC ．u t ＝ρv tD ．u t ＝ρv t +ρ2 v t-1 +…4、DW 的取值范围是（）A 、-1≤DW ≤0B 、-1≤DW ≤1C 、-2≤DW ≤2D 、0≤DW ≤45、当DW ＝4时，说明（）A 、不存在序列相关B 、不能判断是否存在一阶自相关C 、存在完全的正的一阶自相关D 、存在完全的负的一阶自相关6、根据20个观测值估计的结果，一元线性回归模型的DW ＝。
在样本容量n=20,解释变量k=1，显著性水平为时，查得dl=1,du=,则可以决断（）A 、不存在一阶自相关B 、存在正的一阶自相关C 、存在负的一阶自D 、无法确定7、当模型存在序列相关现象时，适宜的参数估计方法是（）A 、加权最小二乘法B 、间接最小二乘法C 、广义差分法D 、工具变量法8、对于原模型y t =b 0+b 1x t +u t ，广义差分模型是指（）0t 1t t t 01t t t t-101t t-1t t-1b B. y =b x uC. y =b +b x uD. y y =b (1-)+b (x x )(u u )ρρρρ++++--+- 9、采用一阶差分模型一阶线性自相关问题适用于下列哪种情况（）A 、ρ≈0B 、ρ≈1C 、-1＜ρ＜0D 、0＜ρ＜110、假定某企业的生产决策是由模型S t =b 0+b 1P t +u t 描述的（其中S t 为产量，P t 为价格），又知：如果该企业在t-1期生产过剩，经营人员会削减t 期的产量。
计量经济学--庞皓--第六章练习题参考解答
第六章练习题参考解答练习题6.1 下表给出了美国1960-1995年36年间个人实际可支配收入X 和个人实际消费支出Y 的数据。
美国个人实际可支配收入和个人实际消费支出单位：100亿美元注：资料来源于Economic Report of the President ，数据为1992年价格。
要求：（1）用普通最小二乘法估计收入—消费模型；t t u XY ++=221ββ（2）检验收入—消费模型的自相关状况（5%显著水平）；（3）用适当的方法消除模型中存在的问题。
6.2 在研究生产中劳动所占份额的问题时，古扎拉蒂采用如下模型模型1 t t u t Y ++=10αα 模型2 t t u t t Y +++=2210ααα其中，Y 为劳动投入，t 为时间。
据1949-1964年数据，对初级金属工业得到如下结果：模型1 t Y t 0041.04529.0ˆ-=t = （-3.9608）R 2 = 0.5284 DW = 0.8252模型2 20005.00127.04786.0ˆt t Y t +-=t = （-3.2724）(2.7777)R 2 = 0.6629DW = 1.82其中，括号内的数字为t 统计量。
问：（1）模型1和模型2中是否有自相关；（2）如何判定自相关的存在？（3）怎样区分虚假自相关和真正的自相关。
6.3下表是北京市连续19年城镇居民家庭人均收入与人均支出的数据。
要求：（1）建立居民收入—消费函数；（2）检验模型中存在的问题，并采取适当的补救措施预以处理；（3）对模型结果进行经济解释。
6.4下表给出了日本工薪家庭实际消费支出与可支配收入数据日本工薪家庭实际消费支出与实际可支配收入单位：1000日元注：资料来源于日本银行《经济统计年报》数据为1990年价格。
要求：（1）建立日本工薪家庭的收入—消费函数；（2）检验模型中存在的问题，并采取适当的补救措施预以处理；（3）对模型结果进行经济解释。
自相关性习题及答案
自相关性一、名词解释1 序列相关性2 虚假序列相关3 差分法4 广义差分法5 自回归模型6 广义最小二乘法7 DW 检验 8 科克伦-奥克特跌代法 9 Durbin 两步法10 相关系数二、单项选择题1、如果模型y t =b 0+b 1x t +u t 存在序列相关，则（）A.cov(x t , u t )=0B.cov(u t , u s )=0(t ≠s)C. cov(x t , u t )≠0D. cov(u t , u s ) ≠0(t ≠s)2、DW 检验的零假设是（ρ为随机误差项的一阶相关系数）A 、DW ＝0B 、ρ＝0C 、DW ＝1D 、ρ＝13、下列哪个序列相关可用DW 检验（v t 为具有零均值，常数方差且不存在序列相关的随机变量）A ．u t ＝ρu t －1+v tB ．u t ＝ρu t －1+ρ2u t －2+…+v tC ．u t ＝ρv tD ．u t ＝ρv t +ρ2 v t-1 +…4、DW 的取值范围是（）A 、-1≤DW ≤0B 、-1≤DW ≤1C 、-2≤DW ≤2D 、0≤DW ≤45、当DW ＝4时，说明（）A 、不存在序列相关B 、不能判断是否存在一阶自相关C 、存在完全的正的一阶自相关D 、存在完全的负的一阶自相关6、根据20个观测值估计的结果，一元线性回归模型的DW ＝2.3。
在样本容量n=20,解释变量k=1，显著性水平为0.05时，查得dl=1,du=1.41,则可以决断（）A 、不存在一阶自相关B 、存在正的一阶自相关C 、存在负的一阶自D 、无法确定7、当模型存在序列相关现象时，适宜的参数估计方法是（）A 、加权最小二乘法B 、间接最小二乘法C 、广义差分法D 、工具变量法8、对于原模型y t =b 0+b 1x t +u t ，广义差分模型是指（）0t 1t t t 01t t t t-101t t-1t t-1b B. y =b x uC. y =b +b x uD. y y =b (1-)+b (x x )(u u )ρρρρ+++--+- 9、采用一阶差分模型一阶线性自相关问题适用于下列哪种情况（）A 、ρ≈0B 、ρ≈1C 、-1＜ρ＜0D 、0＜ρ＜110、假定某企业的生产决策是由模型S t =b 0+b 1P t +u t 描述的（其中S t 为产量，P t 为价格），又知：如果该企业在t-1期生产过剩，经营人员会削减t 期的产量。
庞皓《计量经济学》笔记和课后习题详解(自相关)【圣才出品】
第6章 自相关6.1 复习笔记考点一：什么是自相关 ★★★1．自相关的概念自相关又称序列相关，是指总体回归模型的随机误差项u i 之间存在相关关系的一种现象。
在古典假定中假设随机误差项是无自相关的，即：Cov （u i ，u j ）＝E （u i u j ）＝0（i ≠j ）。
如果该假定不能满足，就称u i 与u j 存在自相关，即不同观测点上的误差项彼此相关。
自相关系数可用来表示自相关的程度。
随机误差项u t 与滞后一期的u t －1的自相关系数ρ的计算公式为：1nt t u uρ-=∑式中u t －1是u t 滞后一期的随机误差项，因此上式计算的自相关系数ρ称为一阶自相关系数。
自相关系数ρ的取值范围为－1≤ρ≤1。
如果ρ＜0，则u t 与u t －1间存在负相关关系；如果ρ＞0，则u t 与u t －1间存在正相关关系；如果ρ＝0，则u t 与u t －1不相关。
2．自相关产生的原因（见表6-1）表6-1 自相关产生的原因自相关关系主要存在于时间序列数据中，但是在横截面数据中也可能会出现，通常称横截面数据中出现的自相关为空间自相关。
多数经济时间序列在较长时间内都表现为上升或下降的趋势，因此大多表现为正自相关。
但就自相关本身而言，既有正相关也有负相关。
3．自相关的表现形式（1）一阶自相关随机误差项的一阶自相关形式为：u t＝ρu t－1＋v t（－1＜ρ＜1）。
其中，ρ为自相关系数；v t为满足古典假定的误差项，即E（v t）＝0，Var（v t）＝σ2，Cov（v t，v t＋s）＝0，s ≠0。
一阶自回归形式记为AR（1），相应的式中的ρ称为一阶自相关系数。
（2）m阶自相关如果一阶自相关中的随机误差项v t是不满足古典假定的误差项，即v t中包含有u t的成分，如包含有u t－2，…，u t－m的影响，则需将u t－2，…，u t－m包含在回归模型中，即：u t＝ρ1u t －1＋ρ2u t －2＋…＋ρm u t －m ＋v t 。
自相关实例与习题
a
12
. reg consumption price income temp L. consumption L. price L. income L. temp
.6409404 .7758574
0.83 0.418 -.9725433 2.254424
income L1.
.0038767 .0019773
1.96 0.063 -.0002354 .0079887
temp L1.
-.0021416 .0007266
-2.95 0.008
-.0036525 -.0006306
a
5
自相关图不明显，偏相关图显示了1阶与10阶之后的 高阶自相关。进行BG检验与Q检验，先设定10阶滞 后。
. estat bgodfrey,lags(10)
Breusch-Godfrey LM test for autocorrelation
lags(p)
chi2
df
Prob > chi2
10
14.977
Root MSE
=
29 18.80 0.0000 0.8624 0.8165 .0286
consumption
Coef. Std. Err.
t P>|t|
[95% Conf. Interval]
price income
temp
-.9320616 -.0011027
自相关性习题集与答案解析
自相关性一、名词解释1 序列相关性2 虚假序列相关3 差分法4 广义差分法5 自回归模型6 广义最小二乘法7 DW 检验8 科克伦-奥克特跌代法9 Durbin 两步法 10 相关系数二、单项选择题 ~1、如果模型y t =b 0+b 1x t +u t 存在序列相关，则（）(x t , u t )=0 (u t , u s )=0(t ≠s) C. cov(x t , u t )≠0 D. cov(u t , u s ) ≠0(t ≠s) 2、DW 检验的零假设是（ρ为随机误差项的一阶相关系数） A 、DW ＝0 B 、ρ＝0 C 、DW ＝1 D 、ρ＝13、下列哪个序列相关可用DW 检验（v t 为具有零均值，常数方差且不存在序列相关的随机变量）A ．u t ＝ρu t －1+v tB ．u t ＝ρu t －1+ρ2u t －2+…+v tC ．u t ＝ρv tD ．u t ＝ρv t +ρ2 v t-1 +… 4、DW 的取值范围是（）A 、-1≤DW ≤0B 、-1≤DW ≤1C 、-2≤DW ≤2D 、0≤DW ≤4 5、当DW ＝4时，说明（） [A 、不存在序列相关B 、不能判断是否存在一阶自相关C 、存在完全的正的一阶自相关D 、存在完全的负的一阶自相关6、根据20个观测值估计的结果，一元线性回归模型的DW ＝。
在样本容量n=20,解释变量k=1，显著性水平为时，查得dl=1,du=,则可以决断（） A 、不存在一阶自相关 B 、存在正的一阶自相关 C 、存在负的一阶自 D 、无法确定7、当模型存在序列相关现象时，适宜的参数估计方法是（）A 、加权最小二乘法B 、间接最小二乘法C 、广义差分法D 、工具变量法 8、对于原模型y t =b 0+b 1x t +u t ，广义差分模型是指（）0t 1t t t 01t t t t-101t t-1t t-1b B. y =b x u C. y =b +b x uD. y y =b (1-)+b (x x )(u u )ρρρρ++++--+-9、采用一阶差分模型一阶线性自相关问题适用于下列哪种情况（） 。