计量经济学例题
计量经济学大题例题
计量经济学大题例题计量经济学大题例题的正文如下:计量经济学大题是考研数学三中一个重要的部分，其中涉及到大量的计算和分析。
下面，我们将通过几个例题来讲解计量经济学大题的解题方法。
例题 1:某公司预计未来两年会有 20% 的增长率，当前股价为10 元。
该公司预计未来三年会有 15% 的增长率，此时股价为 8 元。
假设市场对公司未来的增长前景持乐观态度，请问能否通过公司未来的增长率来判断公司的投资价值？解答：我们可以使用现值公式来解决这道题。
设该公司的未来两年和未来三年的现金流分别为 C1、C2 和 C3，则它们的现值分别为: C1=10×(1+20%)=12.10 元C2=8×(1+15%)=9.39 元C3=10×(1+15%)×(1+20%)=12.31 元因此，现值为 12.10 元的现金流比现值为 9.39 元的现金流更具有投资价值。
例题 2:假设某公司预计未来三年会有 20%、25% 和 30% 的增长率，此时市场对公司未来的增长前景持乐观态度，请问能否通过公司未来的增长率来判断公司的投资价值？解答：与上一个问题类似，我们可以使用现值公式来解决这道题。
设该公司的未来两年和未来三年的现金流分别为 C1、C2 和 C3，则它们的现值分别为:C1=10×(1+20%)=12.10 元C2=8×(1+25%)=9.75 元C3=10×(1+30%)=12.00 元因此，现值为 12.10 元的现金流比现值为 9.75 元的现金流更具有投资价值。
以上两道题是计量经济学大题中比较典型的例题，希望大家能够熟练掌握它们的解题方法。
同时，我们也可以通过不断练习来提高自己的解题能力，从而在考试中取得优异的成绩。
拓展:除了上述例题之外，计量经济学大题还有很多其他类型的例题，例如面板数据模型、自回归移动平均模型等。
下面，我们举一个例子来说明面板数据模型的解题方法。
计量经济学第三版例题stata解答
第二章例．1(p24)（1）表中E(Y|X=800)即条件均值的求法，将数据直接复制到stata中。
程序：sum y if x==800程序：sum y if x==1100程序：sum y if x==1400（2）图的做法：程序：twoway(scatter y x )(lfit y x ),title("不同可支配收入水平组家庭消费支出的条件散布图")xtitle("每一个月可支配收入（元）")ytitle("每一个月消费支出（元）")xtick(500(500)4000)ytick(0(500)3500)例．1（p37）将数据直接复制到stata 中程序：（1）total xiyireturn listscalars:r(skip) = 0 xiyi 4974750 1507821 1563822 8385678Total Std. Err. [95% Conf. Interval]Scatter 表示散点图选项，lfit 表示回归线，title表示题目，xtick 表示刻度，（500（500）4000）分别表示起始刻度，中间数表示以单位刻度，4000表示最后的刻度。
r(first) = 1r(k_term) = 0r(k_operator) = 0r(k) = 0r(k_level) = 0r(output) = 1r(b) = 4974750r(se) =g a=r(b) in 1total xi2return listg b=r(b) in 1di a/b.67(2)mean Yigen m=r(b) in 1mean Xig n=r(b) in 1di m-n*由此取得回归方程：Y=+例．2(p53)程序：（1）回归reg y x（2）求X的样本均值和样本方差:mean xMean estimation Number of obs = 31 Mean Std. Err. [95% Conf. Interval] x 11363.69 591.7041 10155.27 12572.11 sum x ,d（d表示detail的省略，那个命令会产生更多的信息）xPercentiles Smallest1% 8871.27 8871.275% 8920.59 8920.5910% 9000.35 8941.08 Obs 3125% 9267.7 9000.35 Sum of Wgt. 3150% 9898.75 Mean 11363.69Largest Std. Dev. 3294.46975% 12192.24 16015.5890% 16015.58 18265.1 Variance 1.09e+0795% 19977.52 19977.52 Skewness 1.69197399% 20667.91 20667.91 Kurtosis 4.739267di r(Var)（专门注意Var的大小写）例（P56）（1）reg Y XSource SS df MS Number of obs = 29 F( 1, 27) = 2214.60 Model 2.4819e+09 1 2.4819e+09 Prob > F = 0.0000 Residual 30259023.9 27 1120704.59 R-squared = 0.9880 Adj R-squared = 0.9875 Total 2.5122e+09 28 89720219.8 Root MSE = 1058.6 Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X .4375268 .0092973 47.06 0.000 .4184503 .4566033 _cons 2091.295 334.987 6.24 0.000 1403.959 2778.632（2）图的绘制：twoway (line Y X year),title("中国居民可支配总收入X与消费总支出Y 的变更图")第三章例（p72）reg Y X1 X2Source SS df MS Number of obs = 31F( 2, 28) = 560.57Model 166971988 2 83485994.2 Prob > F = 0.0000Residual 4170092.27 28 148931.867 R-squared = 0.9756Adj R-squared = 0.9739Total 171142081 30 5704736.02 Root MSE = 385.92Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X1 .5556438 .0753076 7.38 0.000 .4013831 .7099046X2 .2500854 .1136343 2.20 0.036 .0173161 .4828547_cons 143.3266 260.4032 0.55 0.586 -390.0851 676.7383例．1（p85）g lnP1=ln(P1)g lnP0=ln(P0)g lnQ=ln(Q)g lnX=ln(X)Source SS df MS Number of obs = 22 F( 3, 18) = 258.84 Model .765670868 3 .255223623 Prob > F = 0.0000 Residual .017748183 18 .00098601 R-squared = 0.9773 Adj R-squared = 0.9736 Total .783419051 21 .037305669 Root MSE = .0314 lnQ Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX .5399167 .0365299 14.78 0.000 .4631703 .6166631 lnP1 -.2580119 .1781856 -1.45 0.165 -.632366 .1163422 lnP0 -.2885609 .2051844 -1.41 0.177 -.7196373 .1425155 _cons 5.53195 .0931071 59.41 0.000 5.336339 5.727561 drop lnX lnP1 lnP0g lnXP0=ln(X/P0)g lnP1P0=ln(P1/P0)reg lnQ lnXP0 lnP1P0Source SS df MS Number of obs = 22F( 2, 19) = 408.93Model .765632331 2 .382816165 Prob > F = 0.0000Residual .01778672 19 .000936143 R-squared = 0.9773Adj R-squared = 0.9749Total .783419051 21 .037305669 Root MSE = .0306lnQ Coef. Std. Err. t P>|t| [95% Conf. Interval]lnXP0 .5344394 .0231984 23.04 0.000 .4858846 .5829942lnP1P0 -.2753473 .1511432 -1.82 0.084 -.5916936 .040999_cons 5.524569 .0831077 66.47 0.000 5.350622 5.698515练习题13（p105）g lnY=ln(Y)g lnK=ln(K)g lnL=ln(L)reg lnY lnK lnLSource SS df MS Number of obs = 31 F( 2, 28) = 59.66 Model 21.6049266 2 10.8024633 Prob > F = 0.0000 Residual 5.07030244 28 .18108223 R-squared = 0.8099 Adj R-squared = 0.7963 Total 26.6752291 30 .889174303 Root MSE = .42554 lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnK .6092356 .1763779 3.45 0.002 .2479419 .9705293 lnL .3607965 .2015915 1.79 0.084 -.0521449 .7737378 _cons 1.153994 .7276114 1.59 0.124 -.33645 2.644439第二问：test b_[lnk]+b_[lnl]==1第四章例．4 (P116)（1）回归g lnY=ln(Y)g lnX1=ln(X1)g lnX2=ln(X2)reg lnY lnX1 lnX2Source SS df MS Number of obs = 31 F( 2, 28) = 49.60 Model 2.9609923 2 1.48049615 Prob > F = 0.0000 Residual .835744123 28 .029848004 R-squared = 0.7799 Adj R-squared = 0.7642 Total 3.79673642 30 .126557881 Root MSE = .17277 lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 .1502137 .1085379 1.38 0.177 -.072116 .3725435 lnX2 .4774534 .0515951 9.25 0.000 .3717657 .5831412 _cons 3.266068 1.041591 3.14 0.004 1.132465 5.39967于是取得方程：lnY=++（2）绘制参差图：predict e, residg ei2=e^2scatter ei2 lnX2,title("图异方差性查验图")xtick(6ytick(0predict在回归结束后，需要对拟合值以及残差进行分析，需要使用（3）G-Q查验sort X2drop in 13 /19reg lnY lnX1 lnX2 in 1/12Source SS df MS Number of obs = 12F( 2, 9) = 12.79Model .19947228 2 .09973614 Prob > F = 0.0023Residual .070196863 9 .007799651 R-squared = 0.7397Adj R-squared = 0.6818Total .269669142 11 .024515377 Root MSE = .08832lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 .3983847 .0787908 5.06 0.001 .2201475 .5766219lnX2 .2347508 .1097475 2.14 0.061 -.0135153 .4830169_cons 3.141209 1.122358 2.80 0.021 .6022575 5.68016reg lnY lnX1 lnX2 in 13/24Source SS df MS Number of obs = 12 F( 2, 9) = 32.06 Model 1.36238223 2 .681191114 Prob > F = 0.0001 Residual .191197445 9 .021244161 R-squared = 0.8769 Adj R-squared = 0.8496 Total 1.55357967 11 .141234516 Root MSE = .14575 lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 -.113766 .1599622 -0.71 0.495 -.4756257 .2480937 lnX2 .6201685 .1116539 5.55 0.000 .3675898 .8727472 _cons 3.993643 1.884053 2.12 0.063 -.2683811 8.255668 di F=（能够用字母替代）2..7222222（4）怀特查验（从头把原始数据出入）reg lnY lnX1 lnX2predict e ,residg e2=e^2g lnX12=(lnX1)^2g lnX22=(lnX2)^2g lnX1X2=lnX1*lnX2reg e2 lnX1 lnX2 lnX12 lnX22 lnX1X2Source SS df MS Number of obs = 31F( 5, 25) = 9.83Model .035298411 5 .007059682 Prob > F = 0.0000Residual .017947599 25 .000717904 R-squared = 0.6629Adj R-squared = 0.5955Total .05324601 30 .001774867 Root MSE = .02679e2 Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 -2.32907 1.116442 -2.09 0.047 -4.628426 -.0297138lnX2 -.4573069 .4540203 -1.01 0.323 -1.392379 .4777655lnX12 .1491144 .0581072 2.57 0.017 .0294404 .2687884lnX22 .0211007 .0133574 1.58 0.127 -.0064095 .0486109lnX1X2 .0193327 .0412645 0.47 0.643 -.0656532 .1043186_cons 10.24328 5.474522 1.87 0.073 -1.031707 21.51827reg e2 lnX1 lnX2 lnX12 lnX22Source SS df MS Number of obs = 31 F( 4, 26) = 12.62 Model .035140831 4 .008785208 Prob > F = 0.0000 Residual .018105178 26 .000696353 R-squared = 0.6600 Adj R-squared = 0.6077 Total .05324601 30 .001774867 Root MSE = .02639 e2 Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 -1.851123 .4467273 -4.14 0.000 -2.769384 -.932862 lnX2 -.2581661 .1571598 -1.64 0.112 -.5812127 .0648806 lnX12 .1261597 .0307668 4.10 0.000 .0629176 .1894018 lnX22 .0172142 .0103109 1.67 0.107 -.0039802 .0384085 _cons 7.763275 1.375323 5.64 0.000 4.936257 10.59029 g lne2= ln(e2)reg lne2 lnX2 lnX22Source SS df MS Number of obs = 31F( 2, 28) = 3.55Model 29.2575216 2 14.6287608 Prob > F = 0.0423Residual 115.374726 28 4.12052593 R-squared = 0.2023Adj R-squared = 0.1453Total 144.632248 30 4.82107492 Root MSE = 2.0299lne2 Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX2 -25.97629 9.860002 -2.63 0.014 -46.17359 -5.778992lnX22 1.701071 .6414051 2.65 0.013 .3872121 3.01493_cons 93.19585 37.65529 2.47 0.020 16.06249 170.3292. predict m ,xb（和书上直接以差残作为权数是有区别的，理论上不能能以残差直接作为权数）. predictnl n=exp(xb()). g wi=sqrt(n). vwls lnX1 lnX2,sd(wi)Variance-weighted least-squares regression Number of obs = 31 Goodness-of-fit chi2(28) = 73.28 Model chi2(2) = 263.97 Prob > chi2 = 0.0000 Prob > chi2 = 0.0000lnY Coef. Std. Err. z P>|z| [95% Conf. Interval]lnX1 .3177322 .0514579 6.17 0.000 .2168765 .4185879 lnX2 .428669 .0275805 15.54 0.000 .3746122 .4827257 _cons 2.338164 .4472981 5.23 0.000 1.461476 3.214852例（教师有标准答案）reg Y XSource SS df MS Number of obs = 29F( 1, 27) = 2214.60Model 2.4819e+09 1 2.4819e+09 Prob > F = 0.0000Residual 30259023.9 27 1120704.59 R-squared = 0.9880Adj R-squared = 0.9875Total 2.5122e+09 28 89720219.8 Root MSE = 1058.6Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X .4375268 .0092973 47.06 0.000 .4184503 .4566033_cons 2091.295 334.987 6.24 0.000 1403.959 2778.632predict e,residtsset yeartime variable: year, 1978 to 2006delta: 1 unitline e year,title("残差相关图")xtick(1978(5)2006)ytick(-3000(1000)3000)scatter e e1,title("残差相关图")xtick(-2000(1000)3000)ytick(-3000(1000)3000)g T=_ng T2=T^2Source SS df MS Number of obs = 29 F( 2, 26) = 5380.77 Model 2.5061e+09 2 1.2531e+09 Prob > F = 0.0000 Residual 6054792.7 26 232876.642 R-squared = 0.9976 Adj R-squared = 0.9974 Total 2.5122e+09 28 89720219.8 Root MSE = 482.57 Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X .1761519 .0259858 6.78 0.000 .1227374 .2295664 T2 21.65582 2.124183 10.19 0.000 17.2895 26.02215 _cons 3328.191 195.0326 17.06 0.000 2927.296 3729.086 reg Y X T2reg e X T2 e1Source SS df MS Number of obs = 28 F( 3, 24) = 64.94 Model 25597419.6 3 8532473.19 Prob > F = 0.0000 Residual 3153351.72 24 131389.655 R-squared = 0.8903 Adj R-squared = 0.8766 Total 28750771.3 27 1064843.38 Root MSE = 362.48 e Coef. Std. Err. t P>|t| [95% Conf. Interval]X -.1435191 .0335797 -4.27 0.000 -.2128242 -.074214 T2 11.04582 2.915754 3.79 0.001 5.028004 17.06365 e1 .6186482 .1467037 4.22 0.000 .3158666 .9214297 _cons 910.3409 172.739 5.27 0.000 553.8251 1266.857 g e2=e[_n-1]reg e X T2 e1 e2Source SS df MS Number of obs = 28F( 4, 23) = 46.69Model 25598535.3 4 6399633.84 Prob > F = 0.0000Residual 3152235.94 23 137053.737 R-squared = 0.8904Adj R-squared = 0.8713Total 28750771.3 27 1064843.38 Root MSE = 370.21e Coef. Std. Err. t P>|t| [95% Conf. Interval]X -.1421776 .0373799 -3.80 0.001 -.2195039 -.0648513T2 10.80845 3.973581 2.72 0.012 2.58847 19.02843e1 .6192203 .1499666 4.13 0.000 .3089908 .9294498e2 4.183503 46.36562 0.09 0.929 -91.73108 100.0981_cons 886.1107 321.3096 2.76 0.011 221.4311 1550.79prais Y X T2,rhotype(orrc)Prais-Winsten AR(1) regression -- iterated estimatesSource SS df MS Number of obs = 29F( 2, 26) = 1153.30Model 215943215 2 107971607 Prob > F = 0.0000Residual 2434113.93 26 93619.7664 R-squared = 0.9889Adj R-squared = 0.9880Total 218377329 28 7799190.31 Root MSE = 305.97Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X .1896298 .0292979 6.47 0.000 .1294071 .2498524T2 20.79527 2.693162 7.72 0.000 15.25939 26.33114_cons 3118.169 329.4324 9.47 0.000 2441.011 3795.327rho .764553Durbin-Watson statistic (original) 0.442033Durbin-Watson statistic (transformed) 1.361658newey lnY lnX, lag(2)例（P140）g lnX1=ln(X1)g lnX2=ln(X2)g lnX3=ln(X3)g lnX4=ln(X4)g lnX5=ln(X5)g lnY=ln(Y)reg lnY lnX1 lnX2 lnX3 lnX4 lnX5Source SS df MS Number of obs = 25 F( 5, 19) = 202.68 Model .205495866 5 .041099173 Prob > F = 0.0000 Residual .003852744 19 .000202776 R-squared = 0.9816 Adj R-squared = 0.9768 Total .209348611 24 .008722859 Root MSE = .01424 lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 .3811446 .050242 7.59 0.000 .275987 .4863022 lnX2 1.222289 .1351786 9.04 0.000 .9393566 1.505221 lnX3 -.0811099 .0153037 -5.30 0.000 -.1131409 -.0490789 lnX4 -.0472287 .0447674 -1.05 0.305 -.1409279 .0464705 lnX5 -.1011737 .0576866 -1.75 0.096 -.2219131 .0195656 _cons -4.173174 1.923624 -2.17 0.043 -8.199365 -.1469838 corr lnX1 lnX2 lnX3 lnX4 lnX5lnX1 lnX2 lnX3 lnX4 lnX5lnX1 1.0000lnX2 -0.5687 1.0000lnX3 0.4517 -0.2141 1.0000lnX4 0.9644 -0.6976 0.3988 1.0000lnX5 0.4402 -0.0733 0.4113 0.2795 1.0000 stepwise, pr : reg Y X1 X2 X3 X4 X5或stepwise, pe : reg Y X1 X2 X3 X4 X5（慢慢向前回归和慢慢向后回归）reg lnY lnX1 lnX2 lnX3Source SS df MS Number of obs = 25 F( 3, 21) = 320.34 Model .204871849 3 .068290616 Prob > F = 0.0000 Residual .004476761 21 .000213179 R-squared = 0.9786 Adj R-squared = 0.9756 Total .209348611 24 .008722859 Root MSE = .0146 lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX1 .3233849 .0108608 29.78 0.000 .3007987 .3459711 lnX2 1.290729 .0961534 13.42 0.000 1.090767 1.490691 lnX3 -.0867539 .0151549 -5.72 0.000 -.1182702 -.0552376 _cons -5.999638 1.162078 -5.16 0.000 -8.416312 -3.582964例．1（P151）reg X1 X2 ZSource SS df MS Number of obs = 31 F( 2, 28) = 1947.55 Model 323280649 2 161640324 Prob > F = 0.0000 Residual 2323912.12 28 82996.8616 R-squared = 0.9929 Adj R-squared = 0.9924 Total 325604561 30 10853485.4 Root MSE = 288.09 X1 Coef. Std. Err. t P>|t| [95% Conf. Interval]X2 -.470904 .1154633 -4.08 0.000 -.7074199 -.2343881 Z 1.460539 .0860022 16.98 0.000 1.284372 1.636707 _cons 132.7416 194.2843 0.68 0.500 -265.2317 530.7149 predict v,residreg Y X1 X2 vSource SS df MS Number of obs = 31F( 3, 27) = 1313.48Model 169977392 3 56659130.6 Prob > F = 0.0000Residual 1164688.99 27 43136.6292 R-squared = 0.9932Adj R-squared = 0.9924Total 171142081 30 5704736.02 Root MSE = 207.69Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X1 .4502363 .042451 10.61 0.000 .3631339 .5373386X2 .4025897 .0638268 6.31 0.000 .2716278 .5335515v 1.191137 .1427031 8.35 0.000 .8983341 1.483939_cons 155.6975 140.1522 1.11 0.276 -131.871 443.266ivreg Y X2 (X1=Z)Instrumental variables (2SLS) regressionSource SS df MS Number of obs = 31F( 2, 28) = 513.69Model 166680210 2 83340105 Prob > F = 0.0000Residual 4461870.66 28 159352.524 R-squared = 0.9739Adj R-squared = 0.9721Total 171142081 30 5704736.02 Root MSE = 399.19Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X1 .4502363 .0815915 5.52 0.000 .2831037 .6173688X2 .4025897 .122676 3.28 0.003 .1512992 .6538801_cons 155.6975 269.3743 0.58 0.568 -396.0907 707.4858reg Y X1 X2Source SS df MS Number of obs = 31F( 2, 28) = 560.57Model 166971988 2 83485994.2 Prob > F = 0.0000Residual 4170092.27 28 148931.867 R-squared = 0.9756Adj R-squared = 0.9739Total 171142081 30 5704736.02 Root MSE = 385.92Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X1 .5556438 .0753076 7.38 0.000 .4013831 .7099046X2 .2500854 .1136343 2.20 0.036 .0173161 .4828547_cons 143.3266 260.4032 0.55 0.586 -390.0851 676.7383第4章练习8（P154）(1)回归rename var1 Xrename var2 Yreg Y XSource SS df MS Number of obs = 20 F( 1, 18) = 1048.91 Model 49342144 1 49342144 Prob > F = 0.0000 Residual 846742.352 18 47041.2418 R-squared = 0.9831 Adj R-squared = 0.9822 Total 50188886.4 19 2641520.34 Root MSE = 216.89 Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X .755125 .0233157 32.39 0.000 .7061404 .8041095 _cons 272.3635 159.6772 1.71 0.105 -63.1059 607.8329（2）异方差判定(4种方式)predict e,residg e2=e^2scatter e2 Xi通过观测散点图可知残差有明显的扩大趋势ii 通过怀特检验，原假设为同方imtest,whiteWhite's test for Ho: homoskedasticityagainst Ha: unrestricted heteroskedasticitychi2(2) = 12.65Prob > chi2 = 0.0018Cameron & Trivedi's decomposition of IM-testSource chi2 df pHeteroskedasticity 12.65 2 0.0018Skewness 5.16 1 0.0232Kurtosis 1.85 1 0.1733Total 19.66 4 0.0006（3）解决异方差predict e,residualsg e2=e^2reg le2 XSource SS df MS Number of obs = 20F( 1, 18) = 7.80Model 18.3174302 1 18.3174302 Prob > F = 0.0120Residual 42.2889689 18 2.34938716 R-squared = 0.3022Adj R-squared = 0.2635Total 60.6063991 19 3.18981048 Root MSE = 1.5328le2 Coef. Std. Err. t P>|t| [95% Conf. Interval]X .0004601 .0001648 2.79 0.012 .0001139 .0008063_cons 6.825132 1.128446 6.05 0.000 4.454355 9.19591predict m,xbpredictnl h=exp(xb())reg Y X [w=1/h]Source SS df MS Number of obs = 20F( 1, 18) = 428.83Model 11254461.3 1 11254461.3 Prob > F = 0.0000Residual 472402.755 18 26244.5975 R-squared = 0.9597Adj R-squared = 0.9575Total 11726864.1 19 617203.372 Root MSE = 162Y Coef. Std. Err. t P>|t| [95% Conf. Interval]X .7399551 .0357325 20.71 0.000 .664884 .8150263_cons 359.3844 197.876 1.82 0.086 -56.33756 775.1064练习题9（p155）g lnX=ln(X)g lnY=ln(Y)reg lnY lnXSource SS df MS Number of obs = 28 F( 1, 26) = 3610.88 Model 45.5793477 1 45.5793477 Prob > F = 0.0000 Residual .328192471 26 .012622787 R-squared = 0.9929 Adj R-squared = 0.9926 Total 45.9075401 27 1.70027926 Root MSE = .11235 lnY Coef. Std. Err. t P>|t| [95% Conf. Interval]lnX .8544154 .0142188 60.09 0.000 .8251883 .8836426 _cons 1.588478 .1342196 11.83 0.000 1.312586 1.86437判定相关性：（通过e-t或DW值）predict e ,residline e yearscatter etsset yeartime variable: year, 1980 to 2007delta: 1 unitestat dwatsonDurbin-Watson d-statistic( 2, 28) = .3793231说明有正自相关性。
计量经济学经典习题参考答案
第一章练习题：一、选择题：1.下面属于截面数据的是：（ D ）A. 1991—2003年各年某地区20个乡镇的平均工业产值。
B. 1991—2003年各年某地区20个乡镇的各镇工业产值。
C. 某年某地区20个乡镇工业产值的合计数。
D. 某年某地区20个乡镇各镇的工业产值。
2.一个模型用于预测前必须经过的检验有：（ ABCD ） A. 经济准则检验。
B. 统计检验。
C. 计量经济学准则检验。
D. 模型预测检验。
E. 实践检验。
3.对计量经济模型的统计准则检验包括：（ BDE ） A.估计标准误差评价。
B.拟合优度检验。
C.预测误差程度评价。
D.总体线性关系显著性检验。
E.单个回归系数的显著性检验。
4.对计量经济模型的计量经济学准则检验包括：（ BCE ） A.误差程度检验。
B. 异方差检验。
C. 序列相关性检验。
D.超一致性检验E.多重共线性检验。
5.计量经济分析工作的四个步骤是：（BCDE ） A.理论研究。
B. 设定模型。
C. 估计参数。
D.检验模型. E.应用模型。
二、简答题：1.下面设计的计量经济模型是否合理，为什么？（不合理，GDP 在这里是定义方程）μ+⋅+=∑=i 31i iGDP ba GDP，其中，i GDP 是第一产业、第二产业和第三产业增加值。
μ为随机误差项。
第二章 练习题一、选择题：1.变量之间的关系可以分为两大类，它们是：（ A ）A.函数关系和相关关系B.线性相关关系和非线性相关关系C.正相关关系和负相关关系D.简单相关关系和复杂相关关系 2.相关关系是指：（ D ）A.变量间的非独立关系B.变量间的因果关系C.变量间的函数关系D.变量间的不确定的依存关系3.进行相关分析时，假定相关的两个变量 （ A ）A. 都是随机变量B.都不是随机变量C. 一个是随机变量，一个不是随机变量D. 随机的或非随机都可以4.参数β的估计量βˆ具有有效性是指 （ B ） A. ()0var =βˆ B. ()βˆvar 为最小 C. ()0=-ββˆ D. ()ββ-ˆ为最小 5.对于ii 10i e X βˆβˆY ++=，以σˆ表示估计标准误差，i Y ˆ表示回归值。
计量经济学练习题完整版
计量经济学试题1一 名词解释（每题5分，共10分） 1. 经典线性回归模型2. 加权最小二乘法（WLS ） 二 填空（每空格1分，共10分）1．经典线性回归模型Y i = B 0 + B 1X i + µi 的最小二乘估计量b 1满足E ( b 1 ) = B 1，这表示估计量b 1具备 性。
2．广义差分法适用于估计存在 问题的经济计量模型。
3．在区间预测中，在其它条件不变的情况下，预测的置信概率越高，预测的精度越 。
4．普通最小二乘法估计回归参数的基本准则是使 达到最小。
5．以X 为解释变量，Y 为被解释变量，将X 、Y 的观测值分别取对数，如果这些对数值描成的散点图近似形成为一条直线，则适宜配合 模型。
6．当杜宾-瓦尔森统计量 d = 4时，ρˆ＝ ，说明 。
7．对于模型i i i X Y μββ++=10，为了考虑“地区”因素（北方、南方两种状态）引入2个虚拟变量，则会产生 现象。
8. 半对数模型LnY i = B 0 + B 1X i + µI 又称为 模型。
9.经典线性回归模型Y i = B 0 + B 1X i + µi 的最小二乘估计量b 0、b 1的关系可用数学式子表示为 。
三 单项选择题（每个1分，共20分）1．截面数据是指--------------------------------------------------------------（ ）A ．同一时点上不同统计单位相同统计指标组成的数据。
B ．同一时点上相同统计单位相同统计指标组成的数据。
C ．同一时点上相同统计单位不同统计指标组成的数据。
D ．同一时点上不同统计单位不同统计指标组成的数据。
2．参数估计量βˆ具备有效性是指------------------------------------------（ ） A ．0)ˆ(=βar V B.)ˆ(βarV 为最小 C ．0)ˆ(=-ββD.)ˆ(ββ-为最小 3．如果两个经济变量间的关系近似地表现为：当X 发生一个绝对量（X ∆）变动时，Y 以一个固定的相对量（Y Y /∆）变动，则适宜配合的回归模型是------------------------------------------------------------------------------------------- （ ）A ．i i i X Y μβα++= B.i i i X Y μβα++=ln C ．i ii X Y μβα++=1D.i i i X Y μβα++=ln ln 4．在一元线性回归模型中，不可能用到的假设检验是----------（ ） A ．置信区间检验 B.t 检验 C.F 检验 D.游程检验5．如果戈里瑟检验表明 ，普通最小二乘估计的残差项有显著的如下性质：24.025.1i i X e +=，则用加权最小二乘法估计模型时，权数应选择-------（ ）A ．i X 1 B. 21i X C.24.025.11i X + D.24.025.11i X +6．对于i i i i X X Y μβββ+++=22110，利用30组样本观察值估计后得56.827/)ˆ(2/)ˆ(2=-∑-∑=iiiY Y Y Y F ，而理论分布值F 0.05(2,27)=3.35，，则可以判断（ ）A ． 01=β成立 B. 02=β成立 C. 021==ββ成立 D. 021==ββ不成立7．为描述单位固定成本（Y ）依产量（X ）变化的相关关系，适宜配合的回归模型是：A ．i i i X Y μβα++= B.i i i X Y μβα++=ln C ．i ii X Y μβα++=1D.i i i X Y μβα++=ln ln 8．根据一个n=30的样本估计ii i e X Y ++=10ˆˆββ后计算得d=1.4，已知在95%的置信度下，35.1=L d ，49.1=U d ，则认为原模型------------------------（ ）A ．存在正的一阶线性自相关 B.存在负的一阶线性自相关 C ．不存在一阶线性自相关 D.无法判断是否存在一阶线性自相关9．对于ii i e X Y ++=10ˆˆββ，判定系数为0.8是指--------------------( ) A ．说明X 与Y 之间为正相关 B. 说明X 与Y 之间为负相关 C ．Y 变异的80%能由回归直线作出解释 D ．有80%的样本点落在回归直线上10. 线性模型i i i i X X Y μβββ+++=22110不满足下列哪一假定，称为异方差现象-------------------------------------------------------------------------------( )A ．0)(=j i ov C μμ B.2)(σμ=i ar V (常数) C ．0),(=i i ov X C μ D.0),(21=i i ov X X C11．设消费函数i i i X D Y μβαα+++=10，其中虚拟变量⎩⎨⎧=南方北方01D ，如果统计检验表明1α统计显著，则北方的消费函数与南方的消费函数是--（ ）A ．相互平行的 B.相互垂直的 C.相互交叉的 D.相互重叠的12. 在建立虚拟变量模型时，如果一个质的变量有m 种特征或状态，则一般引入几个虚拟变量：----------------------------------------------------------------（ ）A ．m B.m+1 C.m －1 D.前三项均可 13. 在模型i i iX Y μββ++=ln ln ln 10中，1β为---------------------（ ）A ．X 关于Y 的弹性 B.X 变动一个绝对量时Y 变动的相对量 C ．Y 关于X 的弹性 D.Y 变动一个绝对量时X 变动的相对量14．对于i i i e X Y ++=10ˆˆββ，以S 表示估计标准误差，iY ˆ表示回归值，则-------------------------------------------------------------------------------------------（ ）A ．S=0时，0)ˆ(=-∑ti Y Y B.S=0时，∑==-ni i i Y Y 120)ˆ( C ．S=0时，)ˆ(ii Y Y -∑为最小 D.S=0时，∑=-ni i i Y Y 12)ˆ(为最小 15．经济计量分析工作的基本工作步骤是-----------------------------（ ）A ．设定理论模型→收集样本资料→估计模型参数→检验模型B ．设定模型→估计参数→检验模型→应用模型C ．理论分析→数据收集→计算模拟→修正模型D ．确定模型导向→确定变量及方程式→应用模型16．产量（X ，台）与单位产品成本（Y ，元/台）之间的回归方程为：X Y5.1356ˆ-=，这说明-----------------------------------------------------------（ ）A ．产量每增加一台，单位产品成本平均减少1.5个百分点B ．产量每增加一台，单位产品成本减少1.5元C ．产量每增加一台，单位产品成本减少1.5个百分点D ．产量每增加一台，单位产品成本平均减少1.5元17．下列各回归方程中，哪一个必定是错误的------------------------（ ）A ．8.02.030ˆ=+=XY i i r X Y B. 91.05.175ˆ=+-=XY i i r X Y C ．78.01.25ˆ=-=XY ii r X Y D. 96.05.312ˆ-=--=XY ii r X Y18．用一组有28个观测值的样本估计模型i i i X Y μββ++=10后，在0.05的显著性水平下对1β的显著性作t 检验，则1β显著地不等于0的条件是统计量t 大于-------------------------------------------------------------------------------------（ ）A ．t 0.025(28) B. t 0.05(28) C. t 0.025(26) D. t 0.05(26)19．下列哪种形式的序列相关可用DW 统计量来检验（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 ．t t t V +=-1ρμμ B.t t t t V +⋅⋅⋅++=--121μρρμμ C. t t V ρμ= D. ⋅⋅⋅++=-12t t t V V ρρμ20．对于原模型t t t X Y μββ++=10，一阶差分模型是指------------（ ）A ．)()()(1)(1t tt t t t t X f X f X X f X f Y μββ++=B ．t t t X Y μβ∆+∆=∆1C ．t t t X Y μββ∆+∆+=∆10D ．)()()1(11101----+-+-=-t t t t t t X X Y Y ρμμρβρβρ四 多项选择题（每个2分，共10分）1．以Y 表示实际值，Yˆ表示回归值，i e 表示残差项，最小二乘直线满足------------------------------------------------------------------------------------------（ ）A ．通用样本均值点（Y X ,） B.ii Y Y ˆ∑=∑ C ．0),ˆ(=i i ov e Y C D.0)ˆ(2=-∑i i Y Y E ．0)ˆ(=-∑Y Y i2．剩余变差（RSS ）是指--------------------------------------------------（ ）A ．随机因素影响所引起的被解释变量的变差B ．解释变量变动所引起的被解释变量的变差C ．被解释变量的变差中，回归方程不能作出解释的部分D．被解释变量的总变差与解释变量之差E．被解释变量的实际值与回归值的离差平方和3. 对于经典线性回归模型，0LS估计量具备------------------------（）A．无偏性 B.线性特性 C.正确性 D.有效性 E.可知性4. 异方差的检验方法有---------------------------------------------------（）A．残差的图形检验 B.游程检验 C.White检验D.帕克检验E.方差膨胀因子检验5. 多重共线性的补救有---------------------------------------------------（）A．从模型中删掉不重要的解释变量 B.获取额外的数据或者新的样本 C.重新考虑模型 D.利用先验信息 E. 广义差分法五简答计算题（4题，共50分）1.简述F检验的意图及其与t检验的关系。
计量经济学试题与答案
计量经济学试题与答案一、选择题（每题5分，共25分）1. 以下哪个选项是计量经济学的基本任务？A. 建立经济模型B. 进行经济预测C. 分析经济现象的规律性D. 所有以上选项答案：D2. 以下哪个方法不属于计量经济学的研究方法？A. 最小二乘法B. 最大似然法C. 线性规划D. 广义矩估计答案：C3. 在线性回归模型中，以下哪个选项表示随机误差项的方差？A. σ²B. μC. εD. β答案：A4. 在计量经济学模型中，以下哪个选项表示解释变量与被解释变量之间的关系？A. 相关性B. 因果关系C. 联合分布D. 条件分布答案：B5. 在实证研究中，以下哪个选项可以用来检验模型的稳定性？A. 残差分析B. 异方差性检验C. 单位根检验D. 联合检验答案：C二、填空题（每题5分，共25分）1. 计量经济学是一门研究______、______和______的科学。
答案：经济模型、经济数据、经济预测2. 最小二乘法的原理是使______的平方和最小。
答案：回归残差3. 在线性回归模型中，回归系数的估计值是______的线性函数。
答案：解释变量4. 异方差性检验的方法有______检验、______检验和______检验。
答案：Breusch-Pagan检验、White检验、Goldfeld-Quandt检验5. 在实证研究中，单位根检验的目的是检验______。
答案：时间序列数据的平稳性三、计算题（每题20分，共40分）1. 设线性回归模型为：Y = β0 + β1X + ε，其中Y表示被解释变量，X表示解释变量，ε表示随机误差项。
给定以下数据：Y: 2, 3, 4, 5, 6X: 1, 2, 3, 4, 5求：回归系数β0和β1的估计值。
答案：首先，计算X和Y的均值：X̄ = (1 + 2 + 3 + 4 + 5) / 5 = 3Ȳ = (2 + 3 + 4 + 5 + 6) / 5 = 4然后，计算回归系数β1的估计值：β1̄= Σ[(Xi - X̄)(Yi - Ȳ)] / Σ[(Xi - X̄)²]= [(1-3)(2-4) + (2-3)(3-4) + (3-3)(4-4) + (4-3)(5-4) + (5-3)(6-4)] / [(1-3)² + (2-3)² + (3-3)² + (4-3)² + (5-3)²]= 4 / 10= 0.4最后，计算回归系数β0的估计值：β0̄ = Ȳ - β1̄X̄= 4 - 0.4 3= 2.2所以，回归系数β0和β1的估计值分别为2.2和0.4。
计量经济学题库(超完整版)及答案.详解
回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是 而不是 ；
（3）在此模型中是否漏了误差项 ；（4）该模型参数的经济意义是什么。
3．估计消费函数模型 得
t值（13.1）（18.7）n=19 R2=0.81
其中，C：消费（元）Y：收入（元）
2.8
1988
0.7
2.5
1989
2.3
2.3
1990
3.1
2.1
1991
3.3
2.1
1992
1.6
2.2
1993
1.3
2.5
1994
0.7
2.9
1995
-0.1
3.2
（1）设横轴是U，纵轴是P，画出散点图。根据图形判断，物价上涨率与失业率之间是什么样的关系？拟合什么样的模型比较合适？（2）根据以上数据，分别拟合了以下两个模型：
14.55127
0.0000
C
0.353191
0.562909
0.627440
0.5444
R-squared
0.954902
Mean dependent var
8.258333
Adjusted R-squared
0.950392
S.D. dependent var
2.292858
S.E. of regression
1988
3.6
7
1992
4.6
9
1996
5.8
12.4
根据以上数据估计货币供给量Y对国民收入X的回归方程，利用Eivews软件输出结果为：
Dependent Variable: Y
计量经济学例题
一、单项选择题4．横截面数据是指（A ）。
A ．同一时点上不同统计单位相同统计指标组成的数据B ．同一时点上相同统计单位相同统计指标组成的数据C ．同一时点上相同统计单位不同统计指标组成的数据D ．同一时点上不同统计单位不同统计指标组成的数据5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（C ）。
A ．时期数据B ．混合数据C ．时间序列数据D ．横截面数据9．下面属于横截面数据的是（ D ）。
A ．1991－2003年各年某地区20个乡镇企业的平均工业产值B ．1991－2003年各年某地区20个乡镇企业各镇的工业产值C ．某年某地区20个乡镇工业产值的合计数D ．某年某地区20个乡镇各镇的工业产值10．经济计量分析工作的基本步骤是（ A ）。
A ．设定理论模型→收集样本资料→估计模型参数→检验模型B ．设定模型→估计参数→检验模型→应用模型C ．个体设计→总体估计→估计模型→应用模型D ．确定模型导向→确定变量及方程式→估计模型→应用模型13．同一统计指标按时间顺序记录的数据列称为（ B ）。
A ．横截面数据B ．时间序列数据C ．修匀数据D ．原始数据14．计量经济模型的基本应用领域有（ A ）。
A ．结构分析、经济预测、政策评价B ．弹性分析、乘数分析、政策模拟C ．消费需求分析、生产技术分析、D ．季度分析、年度分析、中长期分析18．表示x 和y 之间真实线性关系的是（ C ）。
A ．01ˆˆˆt t Y X ββ=+B ．01()t t E Y X ββ=+C ．01t t t Y X u ββ=++D ．01t t Y X ββ=+19．参数β的估计量ˆβ具备有效性是指（ B ）。
A ．ˆvar ()=0βB ．ˆvar ()β为最小C ．ˆ()0ββ－＝D ．ˆ()ββ－为最小25．对回归模型i 01i i Y X u ββ+＝＋进行检验时，通常假定i u 服从（ C ）。
计量经济学例题
一、解：（1）首先计算实际GDP ，RGDP=GDP/INDEX ，得到如下数据：表1用log-lin 模型：log(RGDP)=b0+b1*year ，采用eviews 软件对表1中的数据进行回归分析，得到结果如表2所示表2Variable Coefficient Std. Error t-Statistic Prob.C -135.6453 7.229830 -18.76189 0.0000 YEAR 0.070307 0.003637 19.33267 0.0000R-squared 0.951623 Mean dependent var 4.126043 Adjusted R-squared 0.949077 S.D. dependent var 0.447198 S.E. of regression 0.100915 Akaike info criterion -1.658687 Sum squared resid 0.193492 Schwarz criterion -1.559208 Log likelihood 19.41621 F-statistic 373.7523 Durbin-Watson stat 0.248783 Prob(F-statistic) 0.000000得到模型为：log()135.64530.070307RGDP year =−+(18.76189)(19.3326)−结果表明：在1978—1998年间，Ln （RGDP ）的变化的95.1%可由year 的变化来解释。
在5%的显著性水平下，自由度n-k-1=19的t 统计量0.025(19) 2.093t =()00.02518.76189 2.09319t t =>= ()10.02519.3326 2.09319t t =>=，因此所有变量的参数显著不为零，并且年均增长率10.0703071b =<，经济意义是合理的。
(完整word版)计量经济学题库(超完整版)及答案.详解(word文档良心出品)
计量经济学题库计算与分析题（每小题10分）1X:年均汇率（日元/美元） Y:汽车出口数量（万辆）问题：（1）画出X 与Y 关系的散点图。
（2）计算X 与Y 的相关系数。
其中X 129.3＝，Y 554.2＝，2X X 4432.1∑（－）＝，2Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为 ˆ81.72 3.65YX =+ t 值 1.2427 7.2797 R 2=0.8688 F=52.99解释参数的经济意义。
2．已知一模型的最小二乘的回归结果如下：i iˆY =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。
回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是iˆY 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义是什么。
3．估计消费函数模型i i i C =Y u αβ++得i i ˆC =150.81Y + t 值 （13.1）（18.7） n=19 R 2=0.81其中，C ：消费（元） Y ：收入（元）已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。
问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。
4．已知估计回归模型得i i ˆY =81.7230 3.6541X + 且2X X 4432.1∑（－）＝，2Y Y 68113.6∑（－）＝， 求判定系数和相关系数。
5．有如下表数据（1拟合什么样的模型比较合适？ （2）根据以上数据，分别拟合了以下两个模型：模型一：16.3219.14P U=-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。
计量经济学习题以及全部答案
自相关。（ ） 9．在存在异方差的情况下，会对回归模型的正确建立和统计推断带来严重后果。（ ）
两组，分别作回归，得到两个残差平方和 ESS1 =0.360、 ESS2 =0.466，写出检验步骤（ =0.05）。
F 分布百分位表（ =0.05）
分子自由度
f2
f1 10
11
12
13
分 9 3.14 3.10 3.07 3.01
母 10 2.98 2.94 2.91 2.85
自 11 2.85 2.82 2.79 2.72
由 12 2.75 2.72 2.69 2.62
度 13 2.67 2.63 2.60 2.53
3．有人用广东省 1978—2005 年的财政收入（ AV ）作为因变量，
用三次产业增加值作
为自变量，进行了三元线性回归。第一产业增加值——VAD1 ，第二产业增加值——
VAD2 ，第三产业增加值——VAD3 ，结果为：
机误差项 ui 的方差估计量为（ ）。
A．33.33
B．40 C．38.09
D．36.36
6．设 k 为回归模型中的参数个数（不包括截距项）， n 为样本容量， ESS 为残差平方和， RSS 为回归平
方和。则对总体回归模型进行显著性检验时构造的 F 统计量为（ ）。
A． F = RSS TSS
B．
验，则 1 显著异于零的条件是对应 t 统计量的取值大于（ ）
(完整word版)计量经济学习题及答案..
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∑=-nt t tY Y12)(达到最小值 D.使∑=-nt tt 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著性检验的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=∑te，样本容量为46，则随机误差项μ的方差估计量2ˆσ为（ ） A.33.33 B.40 C.38.09 D. 201、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 σ2、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=∑ieB. 01=∑ii Xe C. 02=∑iiXeD.=∑ii Ye E.21=∑i iX X4、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：ii i X X Y 21051980.4177916.2805.3871ˆ++= 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%的显著性水平上，分别检验参数的显著性；在5%显著性水平上，检验模型的整体显著性。
计量经济学习题及参考答案
计量经济学各章习题第一章绪论1.1试列出计量经济分析地主要步骤.1.2计量经济模型中为何要包括扰动项?1.3什么是时间序列和横截面数据? 试举例说明二者地区别1.4估计量和估计值有何区别？第二章计量经济分析地统计学基础2.1名词解释随机变量概率密度函数抽样分布样本均值样本方差协方差相关系数标准差标准误差显著性水平置信区间无偏性有效性一致估计量接受域拒绝域第I 类错误2.2请用例 2.2中地数据求北京男生平均身高地99％置信区间.2.325 个雇员地随机样本地平均周薪为130元，试问此样本是否取自一个均值为120 元、标准差为10 元地正态总体？文档收集自网络，仅用于个人学习2.4某月对零售商店地调查结果表明，市郊食品店地月平均销售额为2500 元，在下一个月份中，取出16 个这种食品店地一个样本，其月平均销售额为2600 元，销售额地标准差为480 元.试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？文档收集自网络，仅用于个人学习第三章双变量线性回归模型3.1判断题（判断对错；如果错误，说明理由）（1）OLS 法是使残差平方和最小化地估计方法.（2）计算OLS 估计值无需古典线性回归模型地基本假定.（3）若线性回归模型满足假设条件（1）～（4），但扰动项不服从正态分布，则尽管OLS 估计量不再是BLUE ，但仍为无偏估计量.文档收集自网络，仅用于个人学习（4）最小二乘斜率系数地假设检验所依据地是t 分布，要求地抽样分布是正态分布.2（5）R2＝TSS/ESS.（6）若回归模型中无截距项，则.（7）若原假设未被拒绝，则它为真.（8）在双变量回归中，地值越大，斜率系数地方差越大.3.2设和分别表示Y 对X 和X 对Y 地OLS 回归中地斜率，证明r 为X 和Y 地相关系数.3.3证明：（1）Y 地真实值与OLS 拟合值有共同地均值，即；（2）OLS 残差与拟合值不相关，即.3.4证明本章中（ 3.18）和（ 3.19）两式：（1）（2）3.5考虑下列双变量模型：模型1：模型2：（1）1 和1地OLS 估计量相同吗？它们地方差相等吗？（2）2 和2地OLS 估计量相同吗？它们地方差相等吗？3.6有人使用1980－1994 年度数据，研究汇率和相对价格地关系，得到如下结果：其中，Y＝马克对美元地汇率X＝美、德两国消费者价格指数（CPI）之比，代表两国地相对价格（1）请解释回归系数地含义；（2）X t 地系数为负值有经济意义吗？（3）如果我们重新定义X 为德国CPI与美国CPI之比，X 地符号会变化吗？为什么？3.7随机调查200 位男性地身高和体重，并用体重对身高进行回归，结果如下：其中Weight 地单位是磅（lb ），Height 地单位是厘米（cm）.（1）当身高分别为177.67cm、164.98cm、187.82cm 时，对应地体重地拟合值为多少？（2）假设在一年中某人身高增高了 3.81cm，此人体重增加了多少？3.8设有10 名工人地数据如下：X 10 7 10 5 8 8 6 7 9 10Y 11 10 12 6 10 7 9 10 11 10 其中X= 劳动工时，Y= 产量（1）试估计Y=α+βX + u（要求列出计算表格）；（2）提供回归结果（按标准格式）并适当说明；（3）检验原假设β=1.0.3.9用12 对观测值估计出地消费函数为Y=10.0+0.90X ，且已知=0.01，=200，=4000，试预测当X=250 时Y 地值，并求Y 地95%置信区间.文档收集自网络，仅用于个人学习3.10设有某变量（Y）和变量（X）1995—1999 年地数据如下:（3）试预测X=10 时Y 地值，并求Y 地95%置信区间.3.11根据上题地数据及回归结果，现有一对新观测值X ＝20，Y＝7.62，试问它们是否可能来自产生样本数据地同一总体？文档收集自网络，仅用于个人学习3.12有人估计消费函数，得到如下结果（括号中数字为t 值）：＝15 + 0.81 ＝0.98（2.7）（6.5）n=19（1）检验原假设：＝0（取显著性水平为5％）（2）计算参数估计值地标准误差；（3）求地95％置信区间，这个区间包括0 吗？3.13试用中国1985—2003 年实际数据估计消费函数：=α+β + u t其中：C代表消费，Y 代表收入.原始数据如下表所示，表中：Cr＝农村居民人均消费支出（元）Cu＝城镇居民人均消费支出（元）Y ＝国内居民家庭人均纯收入（元） Yr ＝农村居民家庭人均纯收入（元） Yu＝城镇居民家庭人均可支配收入（元） Rpop＝农村人口比重（%） pop＝历年年底我国人口总数（亿人）P＝居民消费价格指数（1985=100）Pr＝农村居民消费价格指数（1985=100）Pu＝城镇居民消费价格指数（1985=100）数据来源：《中国统计年鉴2004》使用计量经济软件，用国内居民人均消费、农村居民人均消费和城镇居民人均消费分别对各自地人均收入进行回归，给出标准格式回归结果；并由回归结果分析我国城乡居民消费行为有何不同.文档收集自网络，仅用于个人学习第四章多元线性回归模型4.1某经济学家试图解释某一变量Y 地变动.他收集了Y 和 5 个可能地解释变量～地观测值(共10 组)，然后分别作三个回归，结果如下(括号中数字为t 统计量)：文档收集自网络，仅用于个人学习( 1) = 51.5 + 3.21 R=0.63(3.45) (5.21)2) 33.43 + 3.67 + 4.62 + 1.21 R=0.75 文档收集自网络，仅用于个人学(3.61 )(2.56)(0.81) (0.22)3) 23.21 + 3.82 + 2.32 + 0.82 + 4.10 + 1.21(2.21 )(2.83)(0.62) (0.12) (2.10) (1.11)文档收集自网络，仅用于个人学习R=0.80 你认为应采用哪一个结果？为什么？4.2为研究旅馆地投资问题，我们收集了某地地1987-1995 年地数据来估计收益生产函数R=ALKe ，其中R=旅馆年净收益(万年) ，L=土地投入，K=资金投入， e 为自然对数地底.设回归结果如下(括号内数字为标准误差) ：文档收集自网络，仅用于个人学习= -0.9175 + 0.273lnL + 0.733lnK R=0.94(0.212) (0.135) (0.125)(1)请对回归结果作必要说明；( 2)分别检验α和β 地显著性；( 3)检验原假设：α =β = 0；4.3我们有某地1970-1987 年间人均储蓄和收入地数据，用以研究1970－1978 和1978 年以后储蓄和收入之间地关系是否发生显著变化. 引入虚拟变量后，估计结果如下(括号内数据为标准差) ：文档收集自网络，仅用于个人学习= -1.7502 + 1.4839D + 0.1504 - 0.1034D·R=0.9425 文档收集自网络，仅用于个人学习(0.3319) (0.4704) (0.0163) (0.0332)其中：Y=人均储蓄，X=人均收入，D= 请检验两时期是否有显著地结构性变化.4.4说明下列模型中变量是否呈线性，系数是否呈线性，并将能线性化地模型线性化.（1）（2）（3）4.5有学者根据某国19年地数据得到下面地回归结果：其中：Y=进口量（百万美元），X1 =个人消费支出（百万美元），X2 =进口价格/国内价格.（1）解释截距项以及X1和X2系数地意义；（2）Y 地总变差中被回归方程解释地部分、未被回归方程解释地部分各是多少？（3）进行回归方程地显著性检验,并解释检验结果；（4）对“斜率”系数进行显著性检验,并解释检验结果.4.6由美国46个州1992年地数据，Baltagi 得到如下回归结果：其中，C＝香烟消费（包/人年），P＝每包香烟地实际价格Y＝人均实际可支配收入（1）香烟需求地价格弹性是多少？它是否统计上显著？若是，它是否统计上异于-1？（2）香烟需求地收入弹性是多少？它是否统计上显著？若不显著，原因是什么？（3）求出.4.7有学者从209 个公司地样本，得到如下回归结果（括号中数字为标准误差）：其中，Salary＝CEO 地薪金Sales＝公司年销售额roe＝股本收益率（％）ros＝公司股票收益请分析回归结果.4.8为了研究某国1970－1992 期间地人口增长率，某研究小组估计了下列模型：其中：Pop＝人口（百万人），t＝趋势变量，.（1）在模型 1 中，样本期该地地人口增长率是多少？（2）人口增长率在1978 年前后是否显著不同？如果不同，那么1972－1977和1978－1992 两时期中，人口增长率各是多少？文档收集自网络，仅用于个人学习4.9设回归方程为Y= β0+β1X1+β2X2+β3X3+ u, 试说明你将如何检验联合假设：β1= β2 和β3 = 1 .文档收集自网络，仅用于个人学习4.10下列情况应引入几个虚拟变量，如何表示？（1）企业规模：大型企业、中型企业、小型企业；（2）学历：小学、初中、高中、大学、研究生.4.11在经济发展发生转折时期，可以通过引入虚拟变量来表示这种变化.例如，研究进口消费品地数量Y 与国民收入X 地关系时，数据散点图显示1979 年前后明显不同.请写出引入虚拟变量地进口消费品线性回归方程.文档收集自网络，仅用于个人学习4.12柯布－道格拉斯生产函数其中：GDP=地区国内生产总值（亿元）K=资本形成总额（亿元）L= 就业人数（万人）P=商品零售价格指数（上年＝100）试根据中国2003 年各省数据估计此函数并分析结果.数据如下表所示第五章模型地建立与估计中地问题及对策5.1判断题（判断对错；如果错误，说明理由）（1）尽管存在严重多重共线性，普通最小二乘估计量仍然是最佳线性无偏估计量（BLUE ）.（2）如果分析地目地仅仅是为了预测，则多重共线性并无妨碍. （3）如果解释变量两两之间地相关系数都低，则一定不存在多重共线性. （4）如果存在异方差性，通常用地t 检验和 F 检验是无效地. （5）当存在自相关时，OLS 估计量既不是无偏地，又不是有效地.（6）消除一阶自相关地一阶差分变换法假定自相关系数必须等于 1. （7）模型中包含无关地解释变量，参数估计量会有偏，并且会增大估计量地方差，即增大误差.（8）多元回归中，如果全部“斜率”系数各自经t 检验都不显著，则R2值也高不了.（9）存在异方差地情况下，OLS 法总是高估系数估计量地标准误差.（10）如果一个具有非常数方差地解释变量被（不正确地）忽略了，那么OLS 残差将呈异方差性.5.2考虑带有随机扰动项地复利增长模型：Y 表示GDP，Y0是Y 地基期值，r 是样本期内地年均增长率，t 表示年份，t＝1978，⋯,2003.文档收集自网络，仅用于个人学习试问应如何估计GDP 在样本期内地年均增长率？5.3 检验下列情况下是否存在扰动项地自相关 .（1） DW=0.81，n=21，k=3（2）DW=2.25，n=15，k=2（3）DW=1.56，n=30，k=55.4有人建立了一个回归模型来研究我国县一级地教育支出：Y= β0+β1X1+β 2X2+β3X3+u其中：Y，X1，X2 和X3分别为所研究县份地教育支出、居民人均收入、学龄儿童人数和可以利用地各级政府教育拨款.文档收集自网络，仅用于个人学习他打算用遍布我国各省、市、自治区地100 个县地数据来估计上述模型.（1）所用数据是什么类型地数据？（2）能否采用OLS 法进行估计？为什么？（3）如不能采用OLS 法，你认为应采用什么方法？5.5试从下列回归结果分析存在问题及解决方法：（1）= 24.7747 + 0.9415 - 0.0424 R=0.9635SE：（6.7525）（0.8229）（0.0807）其中：Y=消费，X2=收入，X3=财产，且n=5000 （2）= 0.4529 - 0.0041t R=0.5284t：（-3.9606） DW=0.8252其中Y= 劳动在增加值中地份额，t=时间该估计结果是使用1949-1964 年度数据得到地.5.6工资模型：wi＝b0＋b1Si＋b2Ei＋b3Ai＋b4Ui＋ui其中Wi＝工资，Si＝学校教育年限，Ei＝工作年限，Ai＝年龄，Ui＝是否参加工会.在估计上述模型时，你觉得会出现什么问题？如何解决？5.7你想研究某行业中公司地销售量与其广告宣传费用之间地关系.你很清楚地知道该行业中有一半地公司比另一半公司大，你关心地是这种情况下，什么估计方法比较合理.假定大公司地扰动项方差是小公司扰动项方差地两倍.文档收集自网络，仅用于个人学习（1）若采用普通最小二乘法估计销售量对广告宣传费用地回归方程（假设广告宣传费是与误差项不相关地自变量），系数地估计量会是无偏地吗？是一致地吗？是有效地吗？文档收集自网络，仅用于个人学习（2）你会怎样修改你地估计方法以解决你地问题？（3）能否对原扰动项方差假设地正确性进行检验？5.8考虑下面地模型其中GNP＝国民生产总值，M ＝货币供给. （1）假设你有估计此模型地数据，你能成功地估计出模型地所有系数吗？说明理由.（2）如果不能，哪些系数可以估计？（3）如果从模型中去掉这一项，你对（1）中问题地答案会改变吗？（4）如果从模型中去掉这一项，你对（1）中问题地答案会改变吗？5.9采用美国制造业1899－1922年数据，Dougherty得到如下两个回归结果：（1）（2）其中：Y＝实际产出指数，K＝实际资本投入指数，L ＝实际劳动力投入指数，t＝时间趋势（1）回归式（1）中是否存在多重共线性？你是如何得知地？（2）回归式（1）中，logK 系数地预期符号是什么？回归结果符合先验预期吗？为什么会这样？（3）回归式（1）中，趋势变量在其中起什么作用？（4）估计回归式（2）背后地逻辑是什么？（5）如果（1）中存在多重共线性，那么（2）式是否减轻这个问题？你如何得知？（6）两个回归地R2可比吗？说明理由.5.10有人估计了下面地模型：其中：C＝私人消费支出，GNP＝国民生产总值，D＝国防支出假定，将（1）式转换成下式：使用1946－1975数据估计（1）、（2）两式，得到如下回归结果（括号中数字为标准误差）：1）关于异方差，模型估计者做出了什么样地假定？你认为他地依据是什么？2）比较两个回归结果.模型转换是否改进了结果？也就是说，是否减小了估计标准误差？说明理由.5.11设有下列数据：RSS1＝55，K ＝4，n1＝30RSS3＝140，K ＝4，n3＝30 请依据上述数据，用戈德佛尔德－匡特检验法进行异方差性检验（5％显著性水平）.5.12考虑模型（1）也就是说，扰动项服从AR （2）模式，其中是白噪声.请概述估计此模型所要采取地步骤.5.13对第 3 章练习题 3.13 所建立地三个消费模型地结果进行分析：是否存在序列相关问题？如果有，应如何解决？5.14为了研究中国农业总产值与有效灌溉面积、化肥施用量、农作物总播种面积、受灾面积地相互关系，选31 个省市2003 年地数据资料，如下表所示：文档收集自网络，仅用于个人学习表中：Y＝农业总产值（亿元，不包括林牧渔）X1＝有效灌溉面积（千公顷）X2＝化肥施用量（万吨）X23＝化肥施用量（公斤/亩）X3＝农作物总播种面积（千公顷）X4＝受灾面积（千公顷）（1）回归并根据计算机输出结果写出标准格式地回归结果；（2）模型是否存在问题？如果存在问题，是什么问题？如何解决？第六章动态经济模型：自回归模型和分布滞后模型6.1判断题（判断对错；如果错误，说明理由）（1）所有计量经济模型实质上都是动态模型.（2）如果分布滞后系数中，有地为正有地为负，则科克模型将没有多大用处. （3）若适应预期模型用OLS 估计，则估计量将有偏，但一致. （4）对于小样本，部分调整模型地OLS 估计量是有偏地.（5）若回归方程中既包含随机解释变量，扰动项又自相关，则采用工具变量法，将产生无偏且一致地估计量.（6）解释变量中包括滞后因变量地情况下，用德宾－沃森d 统计量来检测自相关是没有实际用处地.6.2用OLS 对科克模型、部分调整模型和适应预期模型分别进行回归时，得到地OLS 估计量会有什么样地性质？文档收集自网络，仅用于个人学习6.3简述科克分布和阿尔蒙多项式分布地区别.6.4考虑模型假设相关.要解决这个问题，我们采用以下工具变量法：首先用对和回归，得到地估计值，然后回归其中是第一步回归（对和回归）中得到地.（1）这个方法如何消除原模型中地相关？（2）与利维顿采用地方法相比，此方法有何优点？6.5设其中：M＝对实际现金余额地需求，Y*＝预期实际收入，R*＝预期通货膨胀率假设这些预期服从适应预期机制：其中和是调整系数，均位于0和1之间.（1）请将M t 用可观测量表示；（2）你预计会有什么估计问题？6.6考虑分布滞后模型假设可用二阶多项式表示诸如下：若施加约束＝＝0，你将如何估计诸系数（，i=0,1, (4)6.7为了研究设备利用对于通货膨胀地影响，T. A.吉延斯根据1971年到1988年地美国数据获得如下回归结果：文档收集自网络，仅用于个人学习其中：Y＝通货膨胀率（根据GNP 平减指数计算）X t＝制造业设备利用率X t－1 ＝滞后一年地设备利用率1）设备利用对于通货膨胀地短期影响是什么？长期影响又是什么？(2)每个斜率系数是统计显著地吗？(3)你是否会拒绝两个斜率系数同时为零地原假设？将利用何种检验？6.8考虑下面地模型：Y t = α+β(W0X t+ W1X t-1 + W2X t-2 + W3X t-3)+u t 请说明如何用阿尔蒙滞后方法来估计上述模型(设用二次多项式来近似) .6.9下面地模型是一个将部分调整和适应预期假说结合在一起地模型：Y t*= βX t+1eY t-Y t-1 = δ(Y t*- Y t-1) + u tX t+1e- X t e= (1-λ)( X t - X t e)；t=1，2，⋯， n式中Y t*是理想值，X t+1e和X t e是预期值.试推导出一个只包含可观测变量地方程，并说明该方程参数估计方面地问题.文档收集自网络，仅用于个人学习第七章时间序列分析7.1单项选择题（1）某一时间序列经一次差分变换成平稳时间序列，此时间序列称为（）地.A．1 阶单整B．2阶单整C．K 阶单整D．以上答案均不正确文档收集自网络，仅用于个人学习（2）如果两个变量都是一阶单整地，则（）.A ．这两个变量一定存在协整关系B．这两个变量一定不存在协整关系C．相应地误差修正模型一定成立D．还需对误差项进行检验文档收集自网络，仅用于个人学习（3）如果同阶单整地线性组合是平稳时间序列，则这些变量之间关系是（） .A. 伪回归关系B.协整关系C.短期均衡关系D. 短期非均衡关系（4）．若一个时间序列呈上升趋势，则这个时间序列是（）.A ．平稳时间序列B．非平稳时间序列C．一阶单整序列 D. 一阶协整序列7.2请说出平稳时间序列和非平稳时间序列地区别，并解释为什么在实证分析中确定经济时间序列地性质是十分必要地.文档收集自网络，仅用于个人学习7.3什么是单位根？7.4Dickey－Fuller（DF）检验和Engle－Granger（EG）检验是检验什么地？文档收集自网络，仅用于个人学习7.5什么是伪回归？在回归中使用非均衡时间序列时是否必定会造成伪回归？7.6由1948－1984 英国私人部门住宅开工数（X）数据，某学者得到下列回归结果：注：5％临界值值为-2.95，10％临界值值为-2.60. （1）根据这一结果，检验住宅开工数时间序列是否平稳.（2）如果你打算使用t 检验，则观测地t 值是否统计显著？据此你是否得出该序列平稳地结论？（3）现考虑下面地回归结果：请判断住宅开工数地平稳性.7.7由1971-I 到1988-IV 加拿大地数据，得到如下回归结果；A.B.C.其中，M1＝货币供给，GDP=国内生产总值，e t＝残差（回归A）（1）你怀疑回归 A 是伪回归吗？为什么？（2）回归 B 是伪回归吗？请说明理由.（3）从回归 C 地结果，你是否改变（1）中地结论，为什么？（4）现考虑以下回归：这个回归结果告诉你什么？这个结果是否对你决定回归 A 是否伪回归有帮助？7.8 检验我国人口时间序列地平稳性，数据区间为1949－2003 年.单位：万人7.9对中国进出口贸易进行协整分析，如果存在协整关系，则建立E CM 模型.1951－2003 年中国进口（im ）、出口（ex）和物价指数（pt，商品零售物价指数）时间序列数据见下表.因为该期间物价变化大，特别是改革开放以后变化更为激烈，所以物价指数也作为一个解释变量加入模型中.为消除物价变动对进出口数据地影响以及消除进出口数据中存在地异方差，定义三个变量如下：文档收集自网络，仅用于个人学习第八章联立方程模型8.1判断题（判断对错；如果错误，说明理由）（1）OLS 法适用于估计联立方程模型中地结构方程.（2）2SLS 法不能用于不可识别方程.（3）估计联立方程模型地2SLS 法和其它方法只有在大样本地情况下，才能具有我们期望地统计性质 .(4) 联立方程模型作为一个整体，不存在类似 R 2这样地拟合优度测度 .(5) 如果要估计地方程扰动项自相关或存在跨方程地相关， 则 2SLS 法和其它估 计结构方程地方法都不能用 .(6) 如果一个方程恰好识别，则 ILS 和 2SLS 给出相同结果 .8.2 单项选择题1) 结构式模型中地方程称为结构方程 .在结构方程中， 解释变量可以是前定变3) 如果联立方程模型中某个结构方程包含了模型中所有地变量，则这个方程5)当一个结构式方程为恰好识别时，这个方程中内生解释变量地个数( A ．与被排除在外地前定变量个数正好相等 B ．小于被排除在外地前定变量个数 C ．大于被排除在外地前定变量个数D ．以上三种情况都有可能发生 文档收集自网络，仅用于个人学习6) 简化式模型就是把结构式模型中地内生变量表示为 ( ).A. 外生变量和内生变量地函数关系B.前定变量和随机误差项地模型C.滞后变量和随机误差项地模型 D.外生变量和随机误差项地模量，也可以是 ( ).文档收集自网络，仅用于个人学习 A. 外生变量 B.滞后变量2)前定变量是 ( )地合称 .A.外生变量和滞后内生变量C.内生变量D. 外生变量和内生变量 C.外生变量和虚拟变量 D. 解释变量和被解释变量( ).A. 恰好识别B.不可识别 (4) 下面说法正确地是( ).A.内生变量是非随机变量 C.外生变量是随机变量 C.过度识别 D.不确定B. 前定变量是随机变量个人收集整理勿做商业用途型7) 对联立方程模型进行参数估计地方法可以分两类，即：( ).A.间接最小二乘法和系统估计方法B.单方程估计法和系统估计方法个人收集整理勿做商业用途C.单方程估计法和二阶段最小二乘法D.工具变量法和间接最小二乘法（8）在某个结构方程过度识别地条件下，不适用地估计方法是（）.A. 间接最小二乘法B.工具变量法C.二阶段最小二乘法D.有限信息极大似然估计法8.3行为方程和恒等式有什么区别？8.4如何确定模型中地外生变量和内生变量？8.5考虑下述模型：C t = α + β D t +u t I t = γ + δD t-1 + νt D t = C t +I t + Z t ；t=1 ，2，⋯，n其中 C = 消费支出，D= 收入，I = 投资，Z = 自发支出. C、I 和D是内生变量.试写出消费支出地简化型方程，并研究各方程地识别问题.8.6考虑下述模型：Y t = C t + I t +G t +X tC t = β 0 + β 1D t + β2C t-1 + u tD t = Y t –T tI t = α0 + α1Y t + α2R t-1 +νt 模型中各方程是正规化方程，u t、νt为扰动项.（1）请指出模型中地内生变量、外生变量和前定变量.（2）写出用2SLS法进行估计时，每个阶段中要估计地方程.8.7下面是一个简单地美国宏观经济模型（1960－1999）其中C=实际私人消费，I= 实际私人总投资，G=实际政府支出，Y ＝实际GDP，M= 当年价M2，R=长期利率；P＝消费价格指数.内生变量：C，I，R，Y 前定变量：C t-1，I t-1，M t-1，P t，R t-1 和G t.（1）应用识别地阶条件，决定各方程地识别状态；（2）你打算用什么方法来估计可识别行为方程？8.8假设有如下计量经济模型：其中，Y＝国民收入，I=净资本形成，C=个人消费，Q ＝利润，P=生活费用指数，R= 工业劳动生产率1）写出模型地内生变量、外生变量和前定变量；个人收集整理勿做商业用途（2）用识别地阶条件确定各方程地识别状态；（3）此模型中是否有可以用ILS 法估计地方程？如有，请指出；（4）写出用2SLS 法进行估计时，每个阶段中要估计地方程. 8.9考虑下述模型：消费方程：C t=α0 +α 1Y t +α2C t-1 +u①投资方程：I t=β0 +β1Y t +β2I t –1+u2t②进口方程：M t = 0 + 1Y t + u3t ③Y t = C t+ I t + G t + X t - M t模型中各方程是正规化方程，u 1t, ⋯u3t为扰动项.（1）请指出模型中地内生变量、外生变量和前定变量.（2）利用阶条件识别各行为方程.（3）写出用3SLS 进行估计时地步骤.8.10考察下述国民经济地简单模型式中，C为消费，Y 为国民收入，I 为投资，R为利率.设样本容量n 为20，已算得中间结果为：（1）判别模型中消费方程地识别状态；（2）用间接最小二乘法求消费方程结构式系数；（3）将采用哪种方法估计投资方程?为什么?（不必计算）8.11由联立方程模型；得到其简化式如下：（1）两结构方程可识别吗？（2）如果知道，识别情况有何变化？（3）若对简化式进行估计，结果如下：个人收集整理勿做商业用途试求出结构参数地值，并说明如何检验原假设个人收集整理勿做商业用途版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理。
(完整)计量经济学计算题
1、某农产品试验产量Y (公斤/亩）和施肥量X (公斤/亩)7块地的数据资料汇总如下：∑=255iX ∑=3050i Y∑=71.12172ix∑=429.83712i y ∑=857.3122i i y x后来发现遗漏的第八块地的数据:208=X ，4008=Y 。
要求汇总全部8块地数据后进行以下各项计算，并对计算结果的经济意义和统计意义做简要的解释。
（1)该农产品试验产量对施肥量X(公斤/亩）回归模型Y a bX u =++进行估计； （2）对回归系数（斜率）进行统计假设检验，信度为0.05； （3)估计可决系数并进行统计假设检验，信度为0。
05。
解:首先汇总全部8块地数据：87181X X X i i i i +=∑∑== =255+20 =275 n X X i i ∑==81)8(375.348275==2)7(7127127Xx Xi i i i+=∑∑== =1217.71+7⨯27255⎪⎭⎫⎝⎛=1050728712812X X Xi i i i+=∑∑== =10507+202= 109072)8(8128128XX xi ii i+=∑∑== = 10907-8⨯28275⎪⎭⎫⎝⎛=1453.8887181Y Y Y i i i i +=∑∑===3050+400=3450 25.4318345081)8(===∑=n Y Y i i 2)7(7127127Y y Y i ii i +=∑∑== =8371.429+7⨯273050⎪⎭⎫⎝⎛=1337300 28712812Y YY i ii i +=∑∑== =1337300+4002= 14973002)8(8128128Y Y y i i i i +=∑∑== =1497300 -8⨯(83450）2== 9487。
5 )7()7(71717Y X yx Y X i iii ii +=∑∑== ==3122.857+7⎪⎭⎫ ⎝⎛7255⨯⎪⎭⎫⎝⎛73050=114230 887181Y X YX Y X i ii i ii +=∑∑== =114230+20⨯400 =122230)8()8(81818Y X YX y x i ii i ii -=∑∑== =122230-8⨯34。
计量经济学练习题带答案版
一 、单项选择题二、多项选择题三、计算分析题设某地区机电行业产出Y （万元），劳动力投入成本1X （万元）以及固定资产投入成本2X （万元）。
经Eviews 软件对2001年——2017年的数据分别建立双对数模型进行最小二乘估计，结果如下：Dependent Variable: Ln (Y)Ln(X1) 0.3879290.1378422.814299 0.0138 Ln(X2)0.568470 ( 0.05567710.210060.0000R-squared 0.934467 Mean dependent var6.243029 Adjusted R-squared ( 0.925105 ) S.D. dependent var0.356017 S.E. of regression 0.097431 Akaike info criterion -1.660563 Sum squared resid 0.132899 Schwarz criterion -1.513526 Log likelihood 17.11479 F-statistic （ 99.81632 ）1．补充括号内的数值，并规范地写出回归的分析结果，保留三位小数。
122ˆln 3.73490.3879ln(X )0.5685ln(X ) se (0.2128) (0.1378) (0.0557) 0.9251t=(17.5541) (2.8143) (10.2101) df=14 p=(0.000) (0.0138)Y R =++==2,1499.8163(0.0000) F =2. 对模型的估计结果进行偏回归系数和整体显著性检验。
（t0.025(14)=2.145；t0.025(15)=2.131；F0.05(2,14)=3.74；F0.05(3,14)=3.34）。
（注意运用临界值法！！）样本量为17，临界值选取t0.025(14)=2.145F临界值选取F0.05(2,14)=3.743. 如果有两种可供选择的措施以提高机电行业产出，措施一是加大劳动力的投入，措施二是增大固定资产的投入，你认为哪个措施效果更明显，为什么？选择措施二，因为劳动力成本增长1个百分点，机电行业产增长0.39个百分点，而固定资产投入成本增长1个百分点，机电行业销售额仅增长0.57个百分点四、分析题根据我国31个细分制造业的数据，得到生产函数的如下估计结果：ln(Ŷi)=1.168+0.37ln(K i)+0.61ln(L i)se= (0.331) ( a) (0.1293)t= (3.53) ( 4.23) ( b )R2=0.94其中，Y为总产出，K为资本投入，L为劳动投入。
《计量经济学》期末例题库(大学期末复习资料)
第二章 经典单方程计量经济学模型：一元线性回归模型1．假定有如下的回归结果：，其中，Y 表示美国的咖啡的消费量t t X Y 4795.06911.2-=∧（每天每人消费的杯数），X 表示咖啡的零售价格（美元/杯），t 表示时间。
要求：（1）这是一个时间序列回归还是横截面序列回归？（2）如何解释截距的意义，它有经济含义吗？如何解释斜率？（3）能否求出真实的总体回归函数？（4）根据需求的价格弹性定义：弹性=斜率×（X/Y ），依据上述回归结果，你能求出对咖啡需求的价格弹性吗？如果不能，计算此弹性还需要其他什么信息？2．下面数据是10对X 和Y 的观察值得到的。
∑Y i =1110； ∑X i =1680； ∑X i Y i =204200∑X i 2=315400； ∑Y i 2=133300假定满足所有的古典线性回归模型的假设，要求：（1）b 1和b 2？（2）b 1和b 2的标准差？（3）R 2？（4）对B 1、B 2分别建立95%的置信区间？利用置信区间法，你可以接受零假设：B 2=0吗？3、假设王先生估计消费函数（用模型表示），并获得下列结果：i i i u bY a C ++=，n=19i i Y C 81.015+=∧（3.1） (18.7) R 2=0.98 这里括号里的数字表示相应参数的T 值。
要求：（1）利用T 检验假设：b=0（取显著水平为5%）；（2）确定参数估计量的标准方差；（3）构造b 的95%的置信区间，这个区间包括0吗？1、 ⑴这是一个时间序列回归。
⑵截距2.6911表示咖啡零售价在时刻为每磅0美元时，美国平均消费量为每天每人t 2.6911杯，这个数字没有经济意义；斜率-0.4795表示咖啡零售价与消费量负相关，在时t 刻，价格上升1美元/磅，则平均每天每人消费量减少0.4795杯； ⑶不能；⑷不能；在同一条需求曲线上不同点的价格弹性不同，若要求出，须给出具体的值X 及与之对应的值。
计量经济学题库(超完整版)及答案.详解
计量经济学题库
计算与分析题（每小题10分）
（2）计算X与Y的相关系数。其中 ， ， ， ， （3）采用直线回归方程拟和出的模型为
t值1.24277.2797R2=0.8688 F=52.99
解释参数的经济意义。
2．已知一模型的最小二乘的回归结果如下：
标准差 （45.2）（1.53）n=30 R2=0.31
其中，Y：政府债券价格（百美元），X：利率（%）。
31．假设王先生估计消费函数（用模型 表示），并获得下列结果：
，n=19
（3.1） (18.7) R2=0.98
这里括号里的数字表示相应参数的T比率值。
要求：（1）利用T比率值检验假设：b=0（取显着水平为5%，）；（2）确定参数估计量的标准误差；
（3）构造b的95%的置信区间，这个区间包括0吗？
32.根据我国1978——2000年的财政收入 和国内生产总值 的统计资料，可建立如下的计量经济模型：
23.检验下列模型是否存在异方差性，列出检验步骤，给出结论。
样本共40个，本题假设去掉c=12个样本，假设异方差由 引起，数值小的一组残差平方和为 ，数值大的一组平方和为 。
24.假设回归模型为： ，其中： ；并且 是非随机变量，求模型参数 的最佳线性无偏估计量及其方差。
25.现有x和Y的样本观测值如下表:
2.0
5.0
1989
3.3
7.2
1993
计量经济学例题
第二章 经典单方程计量经济学模型：一元线性回归模型例1.令kids 表示一名妇女生育孩子的数目，educ 表示该妇女接受过教育的年数.生育率对教育年数的简单回归模型为μββ++=educ kids 10（1）随机扰动项μ包含什么样的因素？它们可能与教育水平相关吗？（2）上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗？请解释.解答：（1）收入、年龄、家庭状况、政府的相关政策等也是影响生育率的重要的因素，在上述简单回归模型中，它们被包含在了随机扰动项之中.有些因素可能与增长率水平相关，如收入水平与教育水平往往呈正相关、年龄大小与教育水平呈负相关等.（2）当归结在随机扰动项中的重要影响因素与模型中的教育水平educ 相关时，上述回归模型不能够揭示教育对生育率在其他条件不变下的影响，因为这时出现解释变量与随机扰动项相关的情形，基本假设4不满足.例2．已知回归模型μβα++=N E ，式中E 为某类公司一名新员工的起始薪金（元），N 为所受教育水平（年）.随机扰动项μ的分布未知，其他所有假设都满足.（1）从直观及经济角度解释α和β.（2）OLS 估计量αˆ和βˆ满足线性性、无偏性及有效性吗？简单陈述理由. （3）对参数的假设检验还能进行吗？简单陈述理由.解答：（1）N βα+为接受过N 年教育的员工的总体平均起始薪金.当N 为零时，平均薪金为α，因此α表示没有接受过教育员工的平均起始薪金.β是每单位N 变化所引起的E 的变化，即表示每多接受一年学校教育所对应的薪金增加值.（2）OLS 估计量αˆ和仍βˆ满足线性性、无偏性及有效性，因为这些性质的的成立无需随机扰动项μ的正态分布假设.（3）如果t μ的分布未知，则所有的假设检验都是无效的.因为t 检验与F 检验是建立在μ的正态分布假设之上的.例3.在例2中，如果被解释变量新员工起始薪金的计量单位由元改为100元，估计的截距项与斜率项有无变化？如果解释变量所受教育水平的度量单位由年改为月，估计的截距项与斜率项有无变化？解答：首先考察被解释变量度量单位变化的情形.以E*表示以百元为度量单位的薪金，则μβα++=⨯=N E E 100*.由此有如下新模型)100/()100/()100/(*μβα++=N E 或****μβα++=N E .这里100/*αα=，100/*ββ=.所以新的回归系数将为原始模型回归系数的1/100.再考虑解释变量度量单位变化的情形.设N*为用月份表示的新员工受教育的时间长度，则N*=12N ，于是μβαμβα++=++=)12/*(N N E 或μβα++=*)12/(N E可见，估计的截距项不变，而斜率项将为原回归系数的1/12.例4.对没有截距项的一元回归模型i i i X Y μβ+=1称之为过原点回归（regrission through the origin ）.试证明（1）如果通过相应的样本回归模型可得到通常的的正规方程组00i i i e e X ⎧=⎪⎨=⎪⎩∑∑则可以得到1β的两个不同的估计值： X Y =1~β， ()()∑∑=21ˆi i i X Y X β. （2）在基本假设0)(i =μE 下，1~β与1ˆβ均为无偏估计量. （3）拟合线X Y 1ˆˆβ=通常不会经过均值点),(Y X ，但拟合线X Y 1~~β=则相反. （4）只有1ˆβ是1β的OLS 估计量. 解答：（1）由第一个正规方程 0=∑t e 得0)~(1=-∑t t X Y β或∑∑=t t X Y 1~β，求解得X Y /~1=β.由第2个下规方程0)ˆ(1=-∑t t t X Y X β得∑∑=21ˆt tt X Y X β， 求解得)/()(ˆ21∑∑=t t t X Y X β. （2）对于X Y /~1=β，求期望 11111111()()[()][{)()]t t t t X X E E Y X E X E E X n X n Xβββμμββ==+=+== 这里用到了t X 的非随机性.对于)/()(ˆ21∑∑=t t t X Y X β，求期望2112211ˆ()(/)()()()[()]t t t t t t t t t t E E X Y X E X Y E X X X X ββμ===+∑∑∑∑∑∑ 2112211()()()()t t t t tX X E X X βμβ=+=∑∑∑∑ （3）要想拟合值X Y 1ˆˆβ=通过点),(Y X ，X 1ˆβ必须等于Y .但X X Y X X t t t∑∑=21ˆβ，通常不等于Y .这就意味着点),(Y X 不太可能位于直线X Y 1ˆˆβ=上. 相反地，由于Y X =1~β，所以直线X Y 1~ˆβ=经过点),(Y X . （4）OLS 方法要求残差平方和最小Min ∑∑-==212)ˆ(tt t X Y e RSS β 关于1ˆβ求偏导得0))(ˆ(2ˆ11=--=∂∂∑t t t X X Y RSS ββ，即0)ˆ(1=-∑t t t X Y X β()()∑∑=21ˆi i i X Y X β.可见1ˆβ是OLS 估计量. 例5．假设模型为t t t X Y μβα++=.给定n 个观察值),(11Y X ，),(22Y X ，…，),(n n Y X ，按如下步骤建立β的一个估计量：在散点图上把第1个点和第2个点连接起来并计算该直线的斜率；同理继续，最终将第1个点和最后一个点连接起来并计算该条线的斜率；最后对这些斜率取平均值，称之为βˆ，即β的估计值.（1）画出散点图，给出βˆ的几何表示并推出代数表达式. （2）计算βˆ的期望值并对所做假设进行陈述.这个估计值是有偏的还是无偏的？解释理由. （3）证明为什么该估计值不如我们以前用OLS 方法所获得的估计值，并做具体解释.解答：（1）散点图如下图所示.（X n ，Y n ）首先计算每条直线的斜率并求平均斜率.连接),(11Y X 和),(t t Y X 的直线斜率为)/()(11X X Y Y t t --.由于共有n －1条这样的直线，因此][11ˆ211∑==---=n t t t t X X Y Y n β （2）因为X 非随机且0)(=t E μ，因此βμμβμβαμβα=--+=-++-++=--][])()([][1111111X X E X X X X E X X Y Y E t t t t t t t 这意味着求和中的每一项都有期望值β，所以平均值也会有同样的期望值，则表明是无偏的.（3）根据高斯－马尔可夫定理，只有β的OLS 估计量是最付佳线性无偏估计量，因此，这里得到的βˆ的有效性不如β的OLS 估计量，所以较差.例6．对于人均存款与人均收入之间的关系式t t t Y S μβα++=使用美国36年的年度数据得如下估计模型，括号内为标准差：ˆ384.1050.067t tS Y =+ (151.105) (0.011) 20.538R = 023.199ˆ=σ （1）β的经济解释是什么？（2）α和β的符号是什么？为什么？实际的符号与你的直觉一致吗？如果有冲突的话，你可以给出可能的原因吗？（3）对于拟合优度你有什么看法吗？（4）检验是否每一个回归系数都与零显著不同（在1%水平下）.同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述.你的结论是什么？解答：（1）β为收入的边际储蓄倾向，表示人均收入每增加1美元时人均储蓄的预期平均变化量.（2）由于收入为零时，家庭仍会有支出，可预期零收入时的平均储蓄为负，因此α符号应为负.储蓄是收入的一部分，且会随着收入的增加而增加，因此预期β的符号为正.实际的回归式中，β的符号为正，与预期的一致.但截距项为负，与预期不符.这可能与由于模型的错误设定形造成的.如家庭的人口数可能影响家庭的储蓄形为，省略该变量将对截距项的估计产生影响；另一种可能就是线性设定可能不正确.（3）拟合优度刻画解释变量对被解释变量变化的解释能力.模型中53.8%的拟合优度，表明收入的变化可以解释储蓄中53.8 %的变动.（4）检验单个参数采用t 检验，零假设为参数为零，备择假设为参数不为零.双变量情形下在零假设下t 分布的自由度为n-2=36-2=34.由t 分布表知，双侧1%下的临界值位于2.750与2.704之间.斜率项计算的t 值为0.067/0.011=6.09，截距项计算的t 值为384.105/151.105=2.54.可见斜率项计算的t 值大于临界值，截距项小于临界值，因此拒绝斜率项为零的假设，但不拒绝截距项为零的假设.第三章 经典单方程计量经济学模型：多元线性回归模型例1．某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为fedu medu sibs edu 210.0131.0094.036.10++-= 20.214R = 式中，edu 为劳动力受教育年数，sibs 为该劳动力家庭中兄弟姐妹的个数，medu 与fedu 分别为母亲与父亲受到教育的年数.问（1）sibs 是否具有预期的影响？为什么？若medu 与fedu 保持不变，为了使预测的受教育水平减少一年，需要sibs 增加多少？（2）请对medu 的系数给予适当的解释.（3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数为12年，另一个的父母受教育的年数为16年，则两人受教育的年数预期相差多少？解答：（1）预期sibs 对劳动者受教育的年数有影响.因此在收入及支出预算约束一定的条件下，子女越多的家庭，每个孩子接受教育的时间会越短.根据多元回归模型偏回归系数的含义，sibs 前的参数估计值-0.094表明，在其他条件不变的情况下，每增加1个兄弟姐妹，受教育年数会减少0.094年，因此，要减少1年受教育的时间，兄弟姐妹需增加1/0.094=10.6个.（2）medu 的系数表示当兄弟姐妹数与父亲受教育的年数保持不变时，母亲每增加1年受教育的机会，其子女作为劳动者就会预期增加0.131年的教育机会.（3）首先计算两人受教育的年数分别为：10.36+0.131⨯12+0.210⨯12=14.452；10.36+0.131⨯16+0.210⨯16=15.816.因此，两人的受教育年限的差别为15.816-14.452=1.364例2．以企业研发支出（R&D ）占销售额的比重为被解释变量（Y ），以企业销售额（X 1）与利润占销售额的比重（X 2）为解释变量，一个有32容量的样本企业的估计结果如下：120.4720.32log()0.05Y X X =++ (1.37) (0.22) (0.046) 20.099R = 其中括号中为系数估计值的标准差.（1）解释log(X 1)的系数.如果X 1增加10%，估计Y 会变化多少个百分点？这在经济上是一个很大的影响吗？（2）针对R&D 强度随销售额的增加而提高这一备择假设，检验它不虽X 1而变化的假设.分别在5%和10%的显著性水平上进行这个检验.（3）利润占销售额的比重X 2对R&D 强度Y 是否在统计上有显著的影响？解答：（1）log(x1)的系数表明在其他条件不变时，log(X 1)变化1个单位，Y 变化的单位数，即∆Y=0.32∆log(X 1)≈0.32(∆X 1/X 1)=0.32⨯100%，换言之，当企业销售X1增长100%时，企业研发支出占销售额的比重Y 会增加0.32个百分点.由此，如果X 1增加10%，Y 会增加0.032个百分点.这在经济上不是一个较大的影响.（2）针对备择假设H 1：01>β，检验原假设H 0：01=β.易知计算的t 统计量的值为t=0.32/0.22=1.468.在5%的显著性水平下，自由度为32-3=29的t 分布的临界值为1.699（单侧），计算的t 值小于该临界值，所以不拒绝原假设.意味着R&D 强度不随销售额的增加而变化.在10%的显著性水平下，t 分布的临界值为1.311，计算的t 值小于该值，拒绝原假设，意味着R&D 强度随销售额的增加而增加.（3）对X 2，参数估计值的t 统计值为0.05/0.46=1.087，它比在10%的显著性水平下的临界值还小，因此可以认为它对Y 在统计上没有显著的影响.例3．下表为有关经批准的私人住房单位及其决定因素的4个模型的估计量和相关统计值（括号内为p-值）（如果某项为空，则意味着模型中没有此变量）.数据为美国40个城市的数据.模型如下：01234567sin hou g density value income popchang unemp localtaxstatetax ββββββββμ=++++++++式中housing ——实际颁发的建筑许可证数量，density ——每平方英里的人口密度，value ——自由房屋的均值（单位：百美元），income ——平均家庭的收入（单位：千美元），popchang ——1980~1992年的人口增长验结果，你认为应该把变量保留在模型中还是去掉？（2）在模型A 中，在10%水平下检验联合假设H 0：0i β= (i=1，5，6，7).说明被择假设，计算检验统计值，说明其在零假设条件下的分布，拒绝或接受零假设的标准.说明你的结论.（3）哪个模型是“最优的”？解释你的选择标准.（4）说明最优模型中有哪些系数的符号是“错误的”.说明你的预期符号并解释原因.确认其是否为正确符号.解答：（1）直接给出了P-值，所以没有必要计算t-统计值以及查t 分布表.根据题意，如果p-值<0.10，则我们拒绝参数为零的原假设.由于表中所有参数的p-值都超过了10%，所以没有系数是显著不为零的.但由此去掉所有解释变量，则会得到非常奇怪的结果.其实正如我们所知道的，多元回去归中在省略变量时一定要谨慎，要有所选择.本例中，value 、income 、popchang 的p-值仅比0.1稍大一点，在略掉unemp 、localtax 、statetax 的模型C 中，这些变量的系数都是显著的.（2）针对联合假设H 0：0i β=(i=1，5，6，7)的备择假设为H 1：0i β=(i=1，5，6，7)，中至少有一个不为零.检验假设H 0，实际上就是参数的约束性检验，非约束模型为模型A ，约束模型为模型D ，检验统计值为462.0)840/()7763.4()37/()7763.47038.5()1/()/()(=-+-+-+=----=e e e k n RSS k k RSS RSS F U U R U U R 显然，在H 0假设下，上述统计量满足F 分布，在10%的显著性水平下，自由度为（4，32）的F 分布的临界值位于2.09和2.14之间.显然，计算的F 值小于临界值，我们不能拒绝H 0，所以i β(i=1，5，6，7)是联合不显著的.（3）模型D 中的3个解释变量全部通过显著性检验.尽管R2与残差平方和较大，但相对来说其AIC 值最低，所以我们选择该模型为最优的模型.（4）随着收入的增加，我们预期住房需要会随之增加.所以可以预期β3>0，事实上其估计值确是大于零的.同样地，随着人口的增加，住房需求也会随之增加，所以我们预期β4>0，事实其估计值也是如此.随着房屋价格的上升，我们预期对住房的需求人数减少，即我们预期β3估计值的符号为负，回归结果与直觉相符.出乎预料的是，地方税与州税为不显著的.由于税收的增加将使可支配收入降低，所以我们预期住房的需求将下降.虽然模型A 是这种情况，但它们的影响却非常微弱.例4.在经典线性模型基本假定下，对含有三个自变量的多元回归模型：μββββ++++=3322110X X X Y ，你想检验的虚拟假设是H 0：1221=-ββ.（1）用21ˆ,ˆββ的方差及其协方差求出)ˆ2ˆ(21ββ-Var . （2）写出检验H 0：1221=-ββ的t 统计量.（3）如果定义θββ=-212，写出一个涉及β0、θ、β2和β3的回归方程，以便能直接得到θ估计值θˆ及其标准误.解答：（1）由数理统计学知识易知)ˆ(4)ˆ,ˆ(4)ˆ()ˆ2ˆ(221121ββββββVar Cov Var Var +-=-. （2）由数理统计学知识易知)ˆ2ˆ(1ˆ2ˆ2121ββββ---=se t ，其中)ˆ2ˆ(21ββ-se 为)ˆ2ˆ(21ββ-的标准差. （3）由θββ=-212知212βθβ+=，代入原模型得02122330121233(2)(2)Y X X X X X X X βθβββμβθββμ=+++++=+++++这就是所需的模型，其中θ估计值θˆ及其标准误都能通过对该模型进行估计得到.第四章 经典单方程计量经济学模型：放宽基本假定的模型例1.下列哪种情况是异方差性造成的结果？（1）OLS 估计量是有偏的。
计量经济学题库(超完整版)及答案.详解
计量经济学题库计算与分析题（每小题10分）1X:问题：（1）画出X 与Y 关系的散点图。
（2）计算X 与Y 的相关系数。
其中X 129.3＝，Y 554.2＝，2X X 4432.1∑（－）＝，2Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为t 值 1.2427 7.2797 R 2=0.8688 F=52.99解释参数的经济意义。
2．已知一模型的最小二乘的回归结果如下：i iˆY =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。
回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是iˆY 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义是什么。
3．估计消费函数模型i i i C =Y u αβ++得i i ˆC =150.81Y + t 值 （13.1）（18.7） n=19 R 2=0.81其中，C ：消费（元） Y ：收入（元）已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。
问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。
4．已知估计回归模型得i i ˆY =81.7230 3.6541X + 且2X X 4432.1∑（－）＝，2Y Y 68113.6∑（－）＝， 求判定系数和相关系数。
5．有如下表数据（1关系？拟合什么样的模型比较合适？ （2）根据以上数据，分别拟合了以下两个模型：模型一：16.3219.14P U=-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。
7．根据容量n=30的样本观测值数据计算得到下列数据：XY 146.5＝，X 12.6＝，Y 11.3＝，2X 164.2＝，2Y ＝134.6，试估计Y 对X 的回归直线。
计量经济学考试习题及答案
四、计算题1、（练习题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 t0041.04529.0ˆ-=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。
练习题6.2参考解答:（1）模型1中有自相关，模型2中无自相关。
（2）通过DW 检验进行判断。
模型1：d L =1.077, d U =1.361, DW<d L , 因此有自相关。
模型2：d L =0.946, d U =1.543, DW>d U , 因此无自相关。
（3）如果通过改变模型的设定可以消除自相关现象，则为虚假自相关，否则为真正自相关。
2、根据某地区居民对农产品的消费y 和居民收入x 的样本资料，应用最小二乘法估计模型，估计结果如下。
3524.09123.27ˆ+=ySe=(1.8690) (0.0055)R 2=0.9966 0506.221612=∑=i i e ,DW=0.6800,F=4122.531由所给资料完成以下问题：(1) 在n=16，α=0.05的条件下，查D-W 表得临界值分别为L d =1.106,U d =1.371，试判断模型中是否存在自相关；(2) 如果模型存在自相关，求出相关系数ρˆ，并利用广义差分变换写出无自相关的广义差分模型。
因为DW=0.68<1.106，所以模型中的随机误差存在正的自相关。
计量经济学第三版第三章案例题答案
3.1（1）①对百户拥有家用汽车量计量经济模型，用Eviews分析结果如下：②得到模型得：Y=246.8540+5.996865X2-0.524027 X3-2.265680 X4③对模型进行检验：1）可决系数是0.666062，修正的可决系数为0.628957，说明模型对样本拟合较好2）F检验，F=17.95108>F（3,27）=3.65，回归方程显著。
3）t检验，t统计量分别为4.749476，4.265020，-2.922950，-4.366842，均大于t（27）=2.0518，所以这些系数都是显著的。
④依据：1）可决系数越大，说明拟合程度越好2）F的值与临界值比较，若大于临界值，则否定原假设，回归方程是显著的；若小于临界值，则接受原假设，回归方程不显著。
3）t的值与临界值比较，若大于临界值，则否定原假设，系数都是显著的；若小于临界值，则接受原假设，系数不显著。
（2）经济意义：人均ＧＤＰ增加１万元，百户拥有家用汽车增加5.996865辆，城镇人口比重增加１个百分点，百户拥有家用汽车减少0.524027辆，交通工具消费价格指数每上升１，百户拥有家用汽车减少2.265680辆。
（3）用EViews分析得：模型方程为：Y=5.135670 X2-22.81005 LNX3-230.8481 LNX4+1148.758此分析得出的可决系数为0.691952>0.666062，拟合程度得到了提高，可这样改进。
3.2（１）对出口货物总额计量经济模型，用Eviews分析结果如下：①由上可知，模型为：Y = 0.135474X2 + 18.85348X3 - 18231.58②对模型进行检验：1）可决系数是0.985838，修正的可决系数为0.983950，说明模型对样本拟合较好2）F检验，F=522.0976>F（2,15）=4.77，回归方程显著3）t检验，t统计量分别为X2的系数对应t值为10.58454，大于t（15）=2.131，系数是显著的，X3的系数对应t值为1.928512，小于t（15）=2.131，说明此系数是不显著的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
一、单项选择题4．横截面数据是指（A ）。
A ．同一时点上不同统计单位相同统计指标组成的数据B ．同一时点上相同统计单位相同统计指标组成的数据C ．同一时点上相同统计单位不同统计指标组成的数据D ．同一时点上不同统计单位不同统计指标组成的数据5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（C ）。
A ．时期数据B ．混合数据C ．时间序列数据D ．横截面数据9．下面属于横截面数据的是（ D ）。
A ．1991－2003年各年某地区20个乡镇企业的平均工业产值B ．1991－2003年各年某地区20个乡镇企业各镇的工业产值C ．某年某地区20个乡镇工业产值的合计数D ．某年某地区20个乡镇各镇的工业产值10．经济计量分析工作的基本步骤是（ A ）。
A ．设定理论模型→收集样本资料→估计模型参数→检验模型B ．设定模型→估计参数→检验模型→应用模型C ．个体设计→总体估计→估计模型→应用模型D ．确定模型导向→确定变量及方程式→估计模型→应用模型13．同一统计指标按时间顺序记录的数据列称为（ B ）。
A ．横截面数据B ．时间序列数据C ．修匀数据D ．原始数据14．计量经济模型的基本应用领域有（ A ）。
A ．结构分析、经济预测、政策评价B ．弹性分析、乘数分析、政策模拟C ．消费需求分析、生产技术分析、D ．季度分析、年度分析、中长期分析18．表示x 和y 之间真实线性关系的是（ C ）。
A ．01ˆˆˆt t Y X ββ=+B ．01()t t E Y X ββ=+C ．01t t t Y X u ββ=++D ．01t t Y X ββ=+19．参数β的估计量ˆβ具备有效性是指（ B ）。
A ．ˆvar ()=0βB ．ˆvar ()β为最小C ．ˆ()0ββ－＝D ．ˆ()ββ－为最小25．对回归模型i 01i i Y X u ββ+＝＋进行检验时，通常假定i u 服从（ C ）。
A ．2i N 0) σ（， B ． t(n-2) C ．2N 0)σ（， D ．t(n)26．以Y 表示实际观测值，ˆY 表示回归估计值，则普通最小二乘法估计参数的准则是使（ D）。
A ．i i ˆY Y 0∑（－）＝B ．2i i ˆY Y 0∑（－）＝C ．i i ˆY Y ∑（－）＝最小D ．2i i ˆY Y ∑（－）＝最小27．设Y 表示实际观测值，ˆY 表示OLS 估计回归值，则下列哪项成立（ D ）。
A ．ˆY Y ＝B ．ˆY Y ＝C ．ˆY Y ＝D ．ˆY Y ＝28．用OLS 估计经典线性模型i 01i i Y X u ββ+＝＋，则样本回归直线通过点___D______。
A ．X Y （，）B ． ˆX Y （，）C ．ˆX Y （，）D ．X Y （，） 29．以Y 表示实际观测值，ˆY 表示OLS 估计回归值，则用OLS 得到的样本回归直线i 01iˆˆˆY X ββ+＝满足（ A ）。
A ．i i ˆY Y 0∑（－）＝B ．2i i Y Y 0∑（－）＝C ． 2i i ˆY Y 0∑（－）＝D ．2i i ˆY Y 0∑（－）＝ 30．用一组有30个观测值的样本估计模型i 01i i Y X u ββ+＝＋，在0.05的显著性水平下对1β的显著性作t 检验，则1β显著地不等于零的条件是其统计量t 大于（ D ）。
A ．t 0.05(30)B ．t 0.025(30)C ．t 0.05(28)D ．t 0.025(28)31．已知某一直线回归方程的决定系数为0.64，则解释变量与被解释变量间的线性相关系数为（ B ）。
A ．0.64B ．0.8C ．0.4D ．0.3232．相关系数r 的取值范围是（ D ）。
A ．r ≤-1B ．r ≥1C ．0≤r ≤1D ．－1≤r ≤133．决定系数R 2的取值范围是（ C ）。
A ．R2≤-1B ．R2≥1C ．0≤R2≤1D ．－1≤R2≤134．某一特定的X 水平上，总体Y 分布的离散度越大，即σ2越大，则（ A ）。
A ．预测区间越宽，精度越低B ．预测区间越宽，预测误差越小C 预测区间越窄，精度越高D ．预测区间越窄，预测误差越大35．如果X 和Y 在统计上独立，则相关系数等于（ C ）。
A ．1B ．－1C ．0D ．∞38．回归模型i i i u X Y ++=10ββ中，关于检验010=β：H 所用的统计量)ˆ(ˆ111βββVar -，下列说法正确的是（ D ）。
A ．服从）（22-n χB ．服从）（1-n t C ．服从）（12-n χ D ．服从）（2-n t 46．回归分析中定义的（ ）。
A.解释变量和被解释变量都是随机变量B.解释变量为非随机变量，被解释变量为随机变量C.解释变量和被解释变量都为非随机变量D.解释变量为随机变量，被解释变量为非随机变量48.在由30n =的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定系数为0.8500，则调整后的多重决定系数为（ ）A. 0.8603B. 0.8389C. 0.8655D.0.832750.用一组有30个观测值的样本估计模型01122t t t t y b b x b x u =+++后，在0.05的显著性水平上对1b 的显著性作t 检验，则1b 显著地不等于零的条件是其统计量t 大于等于（ ）A. )30(05.0tB. )28(025.0tC. )27(025.0tD. )28,1(025.0F52．在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于１，则表明模型中存在（ ）A.异方差性B.序列相关C.多重共线性D.高拟合优度53.线性回归模型01122......t t t k kt t y b b x b x b x u =+++++ 中，检验0:0(0,1,2,...)t H b i k ==时，所用的统计量服从( )A.t(n-k+1)B.t(n-k-2)C.t(n-k-1)D.t(n-k+2)54. 调整的判定系数与多重判定系数 之间有如下关系( ) A.2211n R R n k -=-- B. 22111n R R n k -=--- C. 2211(1)1n R R n k -=-+-- D. 2211(1)1n R R n k -=---- 55．关于经济计量模型进行预测出现误差的原因，正确的说法是（ ）。
A.只有随机因素B.只有系统因素C.既有随机因素，又有系统因素D.A 、B 、C 都不对57.下列说法中正确的是：（ ）A 如果模型的2R 很高，我们可以认为此模型的质量较好B 如果模型的2R 较低，我们可以认为此模型的质量较差C 如果某一参数不能通过显著性检验，我们应该剔除该解释变量D 如果某一参数不能通过显著性检验，我们不应该随便剔除该解释变量61.Goldfeld-Quandt 方法用于检验（ ）A.异方差性B.自相关性C.随机解释变量D.多重共线性62.在异方差性情况下，常用的估计方法是（ ）A.一阶差分法B.广义差分法C.工具变量法D.加权最小二乘法63.White 检验方法主要用于检验（ ）A.异方差性B.自相关性C.随机解释变量D.多重共线性64.Glejser 检验方法主要用于检验（ ）A.异方差性B.自相关性C.随机解释变量D.多重共线性65.下列哪种方法不是检验异方差的方法（ ）A.戈德菲尔特——匡特检验B.怀特检验C.戈里瑟检验D.方差膨胀因子检验69．果戈德菲尔特——匡特检验显著，则认为什么问题是严重的（ ）A.异方差问题B.序列相关问题C.多重共线性问题D.设定误差问题72．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＝174．DW 的取值范围是（ ）。
A ．-1≤DW ≤0B ．-1≤DW ≤1C ．-2≤DW ≤2D ．0≤DW ≤475．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79．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＜183．同一统计指标按时间顺序记录的数据列称为（ ）。
A.横截面数据B.时间序列数据C.修匀数据D.原始数据84．当模型存在严重的多重共线性时，OLS 估计量将不具备（ ）A ．线性B ．无偏性C ．有效性D ．一致性85．经验认为某个解释与其他解释变量间多重共线性严重的情况是这个解释变量的VIF （ ）。
A ．大于B ．小于C ．大于5D ．小于586．模型中引入实际上与解释变量有关的变量，会导致参数的OLS 估计量方差（ ）。
A ．增大B ．减小C ．有偏D ．非有效88．如果方差膨胀因子VIF ＝10，则什么问题是严重的（ ）。
A ．异方差问题B ．序列相关问题C ．多重共线性问题D ．解释变量与随机项的相关性89．在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在( )。
A 异方差B 序列相关C 多重共线性D 高拟合优度90．存在严重的多重共线性时，参数估计的标准差（ ）。
A ．变大B ．变小C ．无法估计D ．无穷大91．完全多重共线性时，下列判断不正确的是（ ）。
A ．参数无法估计B ．只能估计参数的线性组合C ．模型的拟合程度不能判断D ．可以计算模型的拟合程度92．设某地区消费函数i i i x c c y μ++=10中，消费支出不仅与收入x 有关，而且与消费者的年龄构成有关，若将年龄构成分为小孩、青年人、成年人和老年人4个层次。
假设边际消费倾向不变，则考虑上述构成因素的影响时，该消费函数引入虚拟变量的个数为（ ）A.1个B.2个C.3个D.4个95．假设回归模型为i i i x y μβα++=，其中Xi 为随机变量，Xi 与Ui 相关则β的普通最小二乘估计量( )A.无偏且一致B.无偏但不一致C.有偏但一致D.有偏且不一致96．假定正确回归模型为i i i i x x y μββα+++=2211，若遗漏了解释变量X2，且X1、X2线性相关则1β的普通最小二乘法估计量( )A.无偏且一致B.无偏但不一致C.有偏但一致D.有偏且不一致97．模型中引入一个无关的解释变量( )A.对模型参数估计量的性质不产生任何影响B.导致普通最小二乘估计量有偏C.导致普通最小二乘估计量精度下降D.导致普通最小二乘估计量有偏，同时精度下降 101．如果一个回归模型中不包含截距项，对一个具有m 个特征的质的因素要引入虚拟变量数目为( )。