计量经济学习题1.doc

第四章 经典单方程计量经济学模型：放宽基本假定的模型本章主要介绍计量经济模型的二级检检验问题，即计量经济检验。主要讨论对回归模型的若干基本经典假定是否成立进行检验、当检验发现不成立时继续采用OLS估计模型所带来的不良后果以及如何修正等问题。具体包括异方差性问题、序列相关性问题、多重共线性问题。1.异方差含义：模型随机扰动项的方差不同后果：OLS估计是线性无偏、一致的非有效；参数估计值的标准差的偏误，通常的假设检验却不再可靠，通常的t和F检验失效。同样地，模型的预测变得无效。检验：图示法、Park-Glerser、G-Q法及White法。修正：采用加权最小二乘法进行修正。2. 序列相关性含义：模型随机扰动项出现序列相关。后果：与异方差的情形相类似，OLS估计量仍具线性无偏性、一致性但非有效，通常的假设检验不再可靠，预测也变得无效。检测：图示法、D-W及Lagrange 乘子（LM）法。（适用范围）修正：广义差分法。3.多重共线性含义：解释变量间存在线性关系，分为完全共线与近似共线两类。后果：完全共线性时，模型的参数无法估计。近似共线性时，由于并不违背所有的基本假定，模型参数的估计仍是无偏、一致且有效的（BLUE），但估计的参数的标准差往往较大，从而使得t-统计值减小，参数的显著性下降，导致某些本应存在于模型中的变量被排除，甚至出现参数正负号方面的一些混乱。显然，近似多重共线性使得模型偏回归系数的特征不再明显，从而很难对单个系数的经济含义进行解释。检验：相关系数法修正：逐步回归法、差分法。二、典型例题分析1、已知模型式中，为某公司在第i个地区的销售额；为该地区的总收入；为该公司在该地区投入的广告费用（i=0,1,2,50）。（1）由于不同地区人口规模可能影响着该公司在该地区的销售，因此有理由怀疑随机误差项ui是异方差的。假设依赖于人口规模的容量，请逐步描述你如何对此进行检验。需说明：1）零假设和备择假设；2）要进行的回归；3）要计算的检验统计值及它的分布（包括自由度）；4）接受或拒绝零假设的标准。（2）假设。逐步描述如何求得BLUE并给出理论依据。解答：（1）如果依赖于总体的容量，则随机扰动项的方差依赖于。因此，要进行的回归的一种形式为。于是，要检验的零假设H0：，备择假设H1：。检验步骤如下：第一步：使用OLS方法估计模型，并保存残差平方项；第二步：做对常数项C和的回归第三步：考察估计的参数的t统计量，它在零假设下服从自由度为2的t分布。第四步：给定显著性水平面0.05（或其他），查相应的自由度为2的t分布的临界值，如果估计的参数的t统计值大于该临界值，则拒绝同方差的零假设。（2）假设时，模型除以有：由于，所以在该变换模型中可以使用OLS方法，得出BLUE估计值。方法是对关于、做回归，不包括常数项。2、某地区22年年度数据估计了如下工业就业回归方程（-0.56） (2.3) (-1.7) (5.8) 式中，Y为总就业量；X1为总收入；X2为平均月工资率；X3为地方政府的总支出。（1）试证明：一阶自相关的DW检验是无定论的。（2）逐步描述如何使用LM检验解答：（1）由于样本容量n=22，解释变量个数为k=3，在5%在显著性水平下，相应的上下临界值为、。由于DW=1.147位于这两个值之间，所以DW检验是无定论的。（2）进行LM检验：第一步，做Y关于常数项、lnX1、lnX2和lnX3的回归并保存残差； 第二步，做关于常数项、lnX1、lnX2和lnX3和的回归并计算；第三步，计算检验统计值(n-1)=210.996=20.916；第四步，由于在不存在一阶序列相关的零假设下(n-1)呈自由度为1的分布。在5%的显著性水平下，该分布的相应临界值为3.841。由于20.9163.841，因此拒绝零假设，意味着原模型随机扰动项存在一阶序列相关。3、某地区用最近15年用水年度数据得出如下估计模型： （-1.7） (0.9) (1.4) (-0.6) (-1.2) (-0.8)F=38.9water用水总量（百万立方米）,house住户总数（千户）,pop总人口（千人）,pcy人均收入（元）,price价格（元/100立方米）,rain降雨量（mm）。（1）根据经济理论和直觉,请计回归系数的符号是什么(不包括常量)，为什么？观察符号与你的直觉相符吗？（2）在10%的显著性水平下，请进行变量的t-检验与方程的F-检验。T检验与F检验结果有相矛盾的现象吗？（3）你认为估计值是（1）有偏的；（2）无效的或（3）不一致的吗？详细阐述理由。解答：（1）在其他变量不变的情况下，一城市的人口越多或房屋数量越多，则对用水的需求越高。所以可期望house和pop的符号为正；收入较高的个人可能用水较多，因此pcy的预期符号为正，但它可能是不显著的。如果水价上涨，则用户会节约用水，所以可预期price的系数为负。显然如果降雨量较大，则草地和其他花园或耕地的用水需求就会下降，所以可以期望rain的系数符号为负。从估计的模型看，除了pcy之外，所有符号都与预期相符。（2）t-统计量检验单个变量的显著性，F-统计值检验变量是否是联合显著的。这里t-检验的自由度为15-5-1=9，在10%的显著性水平下的临界值为1.833。可见，所有参数估计值的t值的绝对值都小于该值，所以即使在10%的水平下这些变量也不是显著的。这里，F-统计值的分子自由度为5，分母自由度为9。10%显著性水平下F分布的临界值为2.61。可见计算的F值大于该临界值，表明回归系数是联合显著的。T检验与F检验结果的矛盾可能是由于多重共线性造成的。house、pop、pcy都是高度相关的，这将使它们的t-值降低且表现为不显著。price和rain不显著另有原因。根据经验，如果一个变量的值在样本期间没有很大的变化，则它对被解释变量的影响就不能够很好地被度量。可以预期水价与年降雨量在各年中一般没有太大的变化，所以它们的影响很难度量。（3）多重共线性往往表现的是解释变量间的样本观察现象，在不存在完全共线性的情况下，近似共线并不意味着基本假定的任何改变，所以OLS估计量的无偏性、一致性和有效性仍然成立，即仍是BLUE估计量。但共线性往往导致参数估计值的方差大于不存在多重共线性的情况。4判断下列各题对错，并简单说明理由：1) 在存在异方差情况下，OLS估计量是有偏的和无效的；2) 如果存在异方