计量经济学第二版第四章课后习题
- 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)。
第四章课后习题 4.1 解
1)存在22βˆαˆ=且3
3βˆγˆ=。因为2X 和3X 之间的相关系数为零,即2X 和3X 相互之间不存在线性关系,两者是相互独立的,所以分别一元回归和二元回归两者的系数都不会发生变
化。
利用公式证明如下:
2)会。
3)如第一问解释,22βˆαˆ=,3
3βˆγˆ=是成立的,所以存在)αˆ()βˆ(22Var Var =,)αˆ()βˆ(33
Var Var =。
4.2 解:
根据我对多重共线性的认识,我认为任何一种逐步回归都存在弊端。根据课本上对多重共线性的定义,不仅包括解释变量之间精确的线性关系,还包括解释变量之间近似的线性关
系。而逐步回归法是通过逐步筛选并剔除引起多重共线性的变量。所以在采用逐步回归法时,难免会出现一些不符合要求的变量被剔除的情况,此变量岁引起多重共线性,但其对被解释变量也有一定的影响,直接剔除就是忽略其的影响,使得回归结果不够精确。误差增大。
4.3解:将数据输入到Eviews中,可得如下图所示:
图1
注释:X2表示国内生产总值GDP,X3表示居民消费价格指数CPI。
利用软件,采用最小二乘法进行回归,结果如下图所示:
图2 建立回归模型如下:
i t X X Y μβββ+++33221ln ln ln =
1)从回归结果中,可知此模型的参数1β=﹣3.06015,2β=1.656675,3β=﹣1.057054
2) 利用软件求出lnx2和lnx3的相关系数,可得
由上图可知lnx2,lnx3之间存在很强的线性相关性。证实存在多重共线性。
根据题目要求分别进行三次回归:
图3 图4 图5
根据元以上回归结果可知,lnx2和lnx3在一元回归中分别对lny 影响显著,都通过了P 值法的检验;而在第三个回归结果中,可知lnx2和lnx3存在显著的线性关系,因为1C 没有通过P 值法检验,故修正后的模型为
3
2ln 245971.2ln x x =。故此题中存在严重的多重共
线性。对回归结果产生了严重的影响。
3)对图2中的回归模型系数采用P 值法进行检验:
因为1β、2β、3β的P 值分别为0.0000,0.0000,0.0001都远远小于显著性水平0.05,故要拒绝原假设,也即1β、2β、3β的值显著不为零,也即1β、2β、3β对应的解释变量对被解释变量的影响显著。又因为对1β、2β、3β联合检验的F 值对应的P 值为0.0000<<0.05,故要拒绝原假设,也即三者联合起来对被解释变量有显著影响。且调整后的可决系数为0.99144,非常接近于1,可知此回归结果对模型的拟合程度非常高。但在题目中的第2问中可知,数据之间存在多重共线性。对于这种情形我认为可以忽略共线性的问题。
4.4 自己找一个经济问题建立多元回归模型
题目:旅游业的发展在近年来受到广泛关注。现分析国内旅游收入y 和国内旅游人数x2万人次,农村居民人均旅游消费x3/元,以及公路里程x3/万公里之间是否存在一定的线性关系。将数据输入如下图所示:
图5
图6
如上图分析,经过对解释变量的系数进行P 值法检验,可知C ,x3,x4未通过检验,即我们要接受原假设,1β3β4β均为0。
图7
如上图所示,x2,x3,x4之间的相关系数。由图可知x2和x3之间存在微弱的负相关,x3和x4之间也存在微弱的负相关;而x2和x4之间存在较强的线性关系,故次模型中存在多重共线性。
回归方法的改进:用逐步回归法重新进行回归。结果如下: (向前回归)forward
图8
根据上图可知,解释变量的系数均通过了P 值法的检验,均小于0.05的显著性水平。故此回归模型不存在多重共线性。
根据此次作业中的一些经济模型可以知道,避免多重共线性的出现需要注意,(1)选择变量时要有理论支持,即理论预期或假设;变量的数据要足够长,被解释变量与解释变量之间要有因果关系,并高度相关。(2)建模时尽量使解释变量之间不高度相关,或解释变量的线性组合不高度相关。
4.5 对已有模型 321121.0452.0059.113.8ˆX X X Y +++=进行评析,并指出其中问题。
解:由题意可知0053.1099.8/133.80==βT
2294.617.0/059.11==βT 6848.066.0/452.02==βT 1110.009.1/121.03==βT
又因为056.2)26(025.0=T ,则1βT >2.056,需要拒绝原假设,也即在其他解释变量不变的情况下,解释变量X1对被解释变量Y 的影响是显著的。除1βT 通过检验,其余参数均小于2.056,即我们应该接受原假设,也即0βT 、2βT 、3βT 的值为零,解释变量X2,X3对被解释变量的影响不显著。故此模型中的解释变量之间存在严重的多重共线性。应该对解释变量进行重新处理或者对模型进行修改从而优化模型,得到更加准确的模型。
4.6 (1)建立对数线性多元回归模型,引入全部变量建立对数线性多元回归模型如下: 生成:
lny=log(y), 同样方法生成: lnx1,lnx2,lnx3,lnx4,lnx5,lnx6,lnx7. 作全部变量对数线性多元回归,结果为:
图9
从修正的可决系数和F 统计量可以看出,全部变量对数线性多元回归整体对样本拟合很好,,各变量联合起来对能源消费影响显著。可是其中的lnX3、lnX4、lnX6对lnY 影响不显著,而且lnX2、lnX5的参数为负值,在经济意义上不合理。所以这样的回归结果并不理想。
(2) 预料此回归模型会遇到多重共线性问题, 因为国民总收入与GDP 本来就是一对关联指标;而工业增加值、建筑业增加值、交通运输邮电业增加值则是GDP 的组成部分。这