计量经济学复习题

《计量经济学复习题》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2.1．对于人均存款与人均收入之间的关系式使用美国36年的年度数据得如下估计模型，括号内为标准差：＝0.538　　（1）的经济解释是什么？（2）和的符号是什么？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）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

2、入时的平均储蓄为负，因此符号应为负。储蓄是收入的一部分，且会随着收入的增加而增加，因此预期的符号为正。实际的回归式中，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=3

3、6-2=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。2-2．判断正误并说明理由：1)随机误差项ui和残差项ei是一回事2)总体回归函数给出了对应于每一个自变量的因变量的值3)线性回归模型意味着变量是线性的4)在线性回归模型中，解释变量是原因，被解释变量是结果5)随机变量的条件均值与非条件均值是一回事答：错；错；错；错；

4、错。2-3．试证明：（1），从而：（2）（3）；即残差与的估计值之积的和为零。答：⑴根据定义得知，从而使得：证毕。⑵证毕。⑶证毕。2-4．下面数据是对X和Y的观察值得到的。∑Yi=1110；∑Xi=1680；∑XiYi=204200∑Xi2=315400；∑Yi2=133300假定满足所有的古典线性回归模型的假设，要求：（1）β1和β2？（2）β1和β2的标准差？（3）R2？（4）对β1、β2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：β2=0吗？解：⑴，⑵，，⑶，⑷，自由度为8，解得：的95%的置信区间。同理，，解得：为的95%的置信区

5、间。由于不在的置信区间内，故拒绝零假设：。3.1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（X1）与利润占销售额的比重（X2）为解释变量，一个有32容量的样本企业的估计结果如下：其中括号中为系数估计值的标准差。（1）解释log(X1)的系数。如果X1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X1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X2对R&D强度Y是否在统计上有显著的影响？解答：（1）log

6、(x1)的系数表明在其他条件不变时，log(x1)变化1个单位，Y变化的单位数，即DY=0.32Dlog(X1)»0.32(DX1/X1)=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X1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H1：，检验原假设H0：。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

7、。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X2，参数估计值的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。3-2．多元线性回归模型的基本假设是什么？试说明在证明最小二乘估计量的无偏性和有效性的过程中，哪些基本假设起了作用？答：多元线性回归模型的基本假定有：零均值假定、随机项独立同方差假定、解释变量的非随机性假定、解释变量之间不存在线性相关关系假定、随

8、机误差项服从均值为0方差为的正态分布假定。在证明最小二乘估计量的无偏性中，利用了