计量经济学计算题题库

1、五、简答题：1.给定一元线性回归模型： （1）叙述模型的基本假定；（2）写出参数和的最小二乘估计公式； （3）说明满足基本假定的最小二乘估计量的统计性质；（4）写出随机扰动项方差的无偏估计公式。2.对于多元线性计量经济学模型： （1）该模型的矩阵形式及各矩阵的含义；（2）对应的样本线性回归模型的矩阵形式；（3）模型的最小二乘参数估计量。6.线性回归模型的基本假设。违背基本假设的计量经济模型是否可以估计五、简答题：1答：（1）零均值，同方差，无自相关，解释变量与随机误差项相互独立（或者解释变量为非随机变量）（2），（3）线性即，无偏性即，有效性即（4），其中2. 答：（1）； （2）；（3）。6

2、答：（1）随机误差项具有零均值。即E()=0 i=1,2,n（2）随机误差项具有同方差。即 Var()= i=1,2,n（3）随机误差项在不同样本点之间是独立的，不存在序列相关。即Cov()=0 ij i,j=1,2,n（4）解释变量是确定性变量，不是随机变量，随机误差项与解释变量之间不相关。即 Cov()=0 j=1,2,k i=1,2,n （5）解释变量之间不存在严重的多重共线性。（6）随机误差项服从零均值、同方差的正态分布。即 N(0,)i=1,2,n六、一元计算题某农产品试验产量（公斤/亩）和施肥量（公斤/亩）7块地的数据资料汇总如下： 后来发现遗漏的第八块地的数据：，。要求汇总全部8

3、块地数据后分别用小代数解法和矩阵解法进行以下各项计算，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。4计算施肥量对该农产品产量的平均弹性。5.令施肥量等于50公斤/亩，对农产品试验亩产量进行预测，信度为0.05。6.令施肥量等于30公斤/亩，对农产品试验平均亩产量进行预测，信度为0.01。  所需临界值在以下简表中选取： t0.025,6 = 2.447 t0.025,7 = 2.365 t0.025,8 = 2.30

4、6 t0.005,6 = 3.707 t0.005,7 = 3.499 t0.005,8 = 3.355F0.05,1,7 = 5.59 F0.05,2,7 = 4.74 F0.05,3,7 = 4.35 F0.05,1,6 = 5.99 F0.05,2,6 = 5.14 F0.05,3,6 = 4.76 小代数解法首先汇总全部8块地数据： =255+20 =275 =1217.71+7=10507 =10507+202 = 10907 = 10907-8=1453.88 =3050+400=3450 =8371.429+7=1337300 =1337300+4002 =

5、1497300 =1497300 -8()= 9487.5 =3122.857+7=114230 =114230+20400 =122230 =122230-834.375431.25 =3636.25 1.该农产品试验产量对施肥量X（公斤/亩）回归模型进行估计 统计意义：当增加1个单位，Y平均增加2.5011个单位。经济意义：当施肥量增加1公斤，亩产量平均增加2.5011公斤。2.对回归系数（斜率）进行统计假设检验，信度为0.05。 = 0.2122 H0: b = 0 H1: b0 = = 11.7839 > （2.447=） 拒绝假设H0: b = 0, 接受对立假设H1: b0

6、统计意义：在95%置信概率下，2.5011与b=0之间的差异不是偶然的，2.5011不是由b=0这样的总体所产生的。经济意义：在95%置信概率下，施肥量对亩产量的影响是显著的。 3.估计可决系数并进行统计假设检验，信度为0.05。统计意义：在Y的总变差中，有95.86%可以由X做出解释。回归方程对于样本观测点拟合良好。经济意义：在亩产量的总变差中，有95.86%是可以由施肥量做出解释的。 拒绝假设 接受对立假设统计意义：在95%的置信概率下，回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的，不是由这样的总体产生的。经济意义：在95%的置信概率下，施肥量对亩产量的解释作用是显

7、著的。4计算施肥量对该农产品产量的平均弹性。2.50110.199统计意义：就该样本而言，增加1%将使增加0.199%。经济意义：8块地的施肥量每增加1%将使农产品产量增加0.199%。5.令施肥量等于50公斤/亩，对农产品试验亩产量进行预测，信度为0.05。 345.28 + 2.501150 = 470.329（公斤/亩）统计意义：在95%的置信概率下，当X0 = 50时，区间447.81, 492.847将包含总体真值经济意义：在95%的置信概率下，当施肥量为50公斤时，亩产量在447.81到492 .847公斤之间。 6.令施肥量等于30公斤/亩，对农产品试验平均亩产量进行预

8、测，信度为0.01。  345.28 + 2.501130 = 420.308（公斤/亩）统计意义：在99%的置信概率下，当X0 = 30时，区间409.16, 431.466将包含总体真值。经济意义：在99%的置信概率下，当施肥量为30公斤时，平均亩产量在409.16到431.466公斤之间。七、二元计算题设某商品的需求量（百件），消费者平均收入（百元），该商品价格（元）的统计数据如下： （至少保留三位小数）=800 =80 =60 =439=67450 =740 =390 =6920 =4500 n = 10 经TSP计算部分结果如下：（表一、表二、表三中被解释变量均为, n =

9、 10）表一 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG C 99.469295 13.472571 7.3830965 0.000 X1 2.5018954 0.7536147 3.3198600 0.013 X2 - 6.5807430 1.3759059 - 4.7828436 0.002R-squared 0.949336 Mean of dependent var 80.00000Adjusted R- squared 0.934860 S.D. of dependent var 19.57890S.E of regression

10、4.997021 Sum of squared resid 174.7915Durbin-Watson stat 1.142593 F statistics 65.58230 表二 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG C 38.40000 8.3069248 4.6226493 0.002 X1 5.200000 0.9656604 5.3849159 0.001R-squared 0.783768 Mean of dependent var 80.00000Adjusted R- squared 0.756739 S.D.

11、 of dependent var 19.57890S.E of regression 9.656604 Sum of squared resid 746.0000Durbin-Watson stat 1.808472 F statistics 28.99732 表三 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG C 140.0000 8.5513157 16.371750 0.000 X2 - 10.00000 1.3693064 -7.3029674 0.000R-squared 0.869565 Mean of dependen

12、t var 80.00000Adjusted R- squared 0.853261 S.D. of dependent var 19.57890S.E of regression 7.500000 Sum of squared resid 450.0000Durbin-Watson stat 0.666667 F statistics 53.33333完成以下任务，并对结果进行简要的统计意义和经济意义解释（要求列出公式、代入数据及计算结果，计算结果可以从上面直接引用）。(一)1. 建立需求量对消费者平均收入、商品价格的线性回归方程并进行估计。2. 对偏回归系数(斜率)进行检验， 显著性水平=

13、0.05。3. 估计多重可决系数，以显著性水平=0.05对方程整体显著性进行检验。并估计校正可决系数。4计算商品需求量分别与消费者平均收入和商品价格的偏相关系数。5用Beta系数分析商品需求量对消费者平均收入的变化以及商品需求量对商品价格的变化哪个更敏感。6需求量对收入的弹性以及需求量对价格的弹性分别是多少。7假如提高消费者收入和降低价格是提高商品需求量的两种可供选择的手段，你将建议采用哪一个，为什么？(二) 8. 建立需求量对消费者平均收入的回归方程并进行估计。9.估计可决系数，以显著性水平=0.05对方程整体显著性进行检验。(三)设消费者平均收入为700元、商品价格为5元10.用需求量对消

14、费者平均收入、商品价格的回归方程，对需求量进行均值区间预测，显著性水平=0.01。11.在需求量对消费者平均收入的回归方程和需求量对商品价格的回归方程中，选择拟合优度更好的一个回归方程，对需求量进行均值区间预测，显著性水平=0.01。12.请对以上全部分析过程、结果和需要进一步解决的问题做出说明。 小代数解法 (一) 1. 建立需求量对消费者平均收入、商品价格的线性回归方程并进行估计。 = 67450-108080 = 3450 = 740-1088 = 100 = 390-1066 = 30= 6920-10808 = 520 = 4500-10806 = -300 = 439-1

15、086 = - 41 = 2.501895 = - 6.580743= 80-2.5018958-(-6.580743) 6 = 99.46929 = 99.46929+2.508195-6.580743统计意义：当保持不变，增加1个单位，Y平均增加2.50单位；当保持不变，增加1个单位，Y平均减少6.58单位。经济意义：当商品价格保持不变，消费者平均收入增加100元，商品需求平均增加250件；当消费者平均收入不变，商品价格升高1元，商品平均减少658件。 2. 对偏回归系数(斜率)进行检验， 显著性水平=0.05。= 3450 - 2.501895520-6.580743(-300

16、) = 174.7915 = 0.7536 = 1.3759 = = 3.3199>=2.365 拒绝假设，接受对立假设 统计意义：在95%置信概率下，与之间差异不是偶然的，不是由这样的总体所产生的。 经济意义：在95%置信概率下，消费者平均收入对该商品的需求量的影响是显著的。 = = -4.7827>=2.365 拒绝假设，接受对立假设统计意义：在95置信概率下，与之间的差异不是偶然的， 不是由所这样的总体产生的。经济意义：在95置信概率下，商品价格对该商品的需求量的影响是显著的。3. 估计多重可决系数，以显著性水平=0.05对方程整体显著性进行检验。估计校正可决系数。统计意义：

17、在Y的总变差中，有94.93%可以由做出解释。回归方程对于样本观测点拟合良好。经济意义：在商品需求量的总变差中，有94.93%是可以由消费者平均收入、商品价格做出解释的。 所以，拒绝假设,接受对立假设统计意义：在95%的置信概率下，回归方程可以解释的方差与未被解释的方差之间的差异不是偶然的，不是由这样的总体产生的。经济意义：在95%的置信概率下，消费者平均收入和该商品价格在整体上对商品需求量的解释作用是显著的。=0.9349统计意义：用方差而不用变差，考虑到自由度，剔除解释变量数目与样本容量的影响，使具有不同样本容量和解释变量数目的回归方程可以对拟合优度进行比较。 4计算商品需求量分

18、别与消费者平均收入和商品价格的偏相关系数。统计意义：在控制的影响下，与的相关程度为0.7819；在控制的影响下，与的相关程度为-0.8750。经济意义：在控制商品价格的影响下，消费者平均收入与商品需求量的相关程度为0.7819；在控制消费者平均收入的影响下，商品价格与商品需求量的相关程度为-0.8750。由于，所以商品价格要比消费者平均收入与商品需求量相关程度高。 5用Beta系数分析商品需求量对消费者平均收入的变化以及商品需求量对商品价格的变化哪个更敏感。2.501895×0.4260统计意义：增加一个标准差，将使增加0.4260个标准差。经济意义：消费者平均收入每增加1

19、个标准差，将使商品需求量增加0.4260个标准差。(- 6.580743) ×-0.6137统计意义：增加一个标准差，将使减少 0.6137个标准差。经济意义：商品价格每增加1个标准差，将使商品需求量减少0.6137个标准差。由于商品需求量对商品价格的变化要比商品需求量对消费者平均收入的变化更敏感。 6需求量对收入的弹性以及需求量对价格的弹性分别是多少。2.5018950.2501895统计意义：就该样本而言，增加1%将使增加0.2501895%。经济意义：就该样本而言，消费者平均收入每增加1%，将使商品需求量增加0.2501895%。(- 6.580743)-0.4936

20、统计意义：增加1%，将使减少 0.4936%。经济意义：商品价格每增加1%，将使商品需求量减少0.4936%。由于商品需求量对商品价格的变化要比商品需求量对消费者平均收入的变化更敏感。7假如提高消费者收入和降低价格是提高商品需求量的两种可供选择的手段，你将建议采用哪一个，为什么？由于和，商品需求量对商品价格的变化要比商品需求量对消费者平均收入的变化更敏感。因此采用降低价格的手段对提高商品需求量的效果更好。(二) 8. 建立需求量对消费者平均收入的回归方程并进行估计。 统计意义：当增加1个单位，Y平均增加5.2个单位。经济意义：当消费者平均收入增加100元，该商品需求量平均增加520件。

21、0;9.估计可决系数，以显著性水平=0.05对方程整体显著性进行检验。统计意义：在Y的总变差中，有78.38%是可以由做出解释的。回归直线对样本观测点拟合良好。经济意义：在商品需求量中，有78.38%是可以由消费者平均收入做出解释的。 所以，拒绝假设，接受对立假设统计意义：在95%的置信概率下，回归方程可以解释的方差与未被解释的方差之间的差异是偶然的，不是由这样的总体产生的。经济意义：在95%的置信概率下，消费者平均收入对商品需求量的解释作用是显著的。=0.7567统计意义：用方差而不用变差，考虑到自由度，剔除解释变量数目与样本容量的影响，使具有不同样本容量和解释变量数目的回归方程可以对拟合优

22、度进行比较。 (三)设消费者平均收入为700元、商品价格为5元10.用需求量对消费者平均收入、商品价格的回归方程，对需求量进行均值区间预测，显著性水平=0.01。 = 99.46929+2.5018957-6.5807435 = 84.0788（百件）=2.55155统计意义：在99%的置信概率下，当时区间75.151,93.007将包含总体真值。经济意义：在99%的置信概率下，当消费者平均收入为700元，商品价格为5元，商品平均需求量在7515件 到9301件 之间。 11.在需求量对消费者平均收入的回归方程和需求量对商品价格的回归方程中，选择拟合优度更好的一个回归方程，

23、对需求量进行均值区间预测，显著性水平=0.01。由于需求量对消费者平均收入的回归方程拟合优度、均低于需求量对商品价格的回归方程拟合优度、，故选择需求量对商品价格的回归方程进行预测。（百件）统计意义：在99%的置信概率下，当时，区间80.812，99.188将包含总体真值。经济意义：在99%的置信概率下，商品价格为5元时商品平均需求量在8081到9919件之间。 12.请对以上全部分析过程、结果和需要进一步解决的问题做出说明 0.94930.86960.93490.853384.078890预测区间全距17.856 ( =93.0067-75.151)18.3761(= 99

24、.188-80.812)结论：需求量对商品价格、消费者平均收入的回归方程总的来说优于需求量对商品价格的回归方程。在整个分析过程中未对多重共线性、异方差和自相关进行检验和处理。五、简答题：1.简述多重共线性的含义。5.简述异方差性的含义。10.简述序列相关性的含义。1. 答：对于模型 i=1,2,n 其基本假设之一是解释变量是互相独立的。如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。如果存在 i=1,2,n 其中c不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为完全共线性。5. 答：对于模型 i=1,2,n同方差性假设为： 常数 i=1,2,n如果出现 i=1,2

25、,n即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性。10答：对于模型 i=1,2,n随机误差项互相独立的基本假设表现为： ij，i,j=1,2,n如果对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在相关关系，即 ij，i,j=1,2,n则认为出现了自相关性。二计算题和分析题  1.考察以下分布滞后模型： 假如用2阶有限多项式变换估计这个模型后得 +式中，     求原模型中各参数的估计值；     试估计x对y的短期影响乘数、长期影响乘数和各期延期过渡性乘数。 2.考察

26、以下分布滞后模型： 假如用2阶有限多项式变换估计这个模型后得 +式中，     求原模型中的各参数的估计值；     试估计x对y的短期影响乘数、长期影响乘数和各期延期过渡性乘数。3.考虑如下回归模型：t=(-6.27) (2.6) (4.26)R2=0.727其中，y=通货膨胀率；x=生产设备使用率     生产设备使用率对通货膨胀率的短期影响和长期影响分别是多大？     如果你手中无原始数据，并让你估计下列回归模型：你怎样估计生产设备使用率对通货膨胀率的短期影响和长期影

27、响？ 4.对于下列估计模型：投资函数：消费函数：其中，I为投资、Y为收入、C为消费。试分别计算投资、消费的短期影响乘数和长期影响乘数，并解释其经济含义。5.表8-4给出了某行业1975-1994年的库存额（y）和销售额（x）的资料。试利用分布滞后模型，建立库存函数（用2阶有限多项式变换估计这个模型）。表8-4 某行业1975-1994年的库存额（y）和销售额（x）的资料年份XY年份XY197526.48045.069198541.00368.221197627.74050.642198644.86977.965197728.23651.871198746.44984.65519782

28、7.28052.070198850.28290.815197930.21952.709198953.55597.074198030.79653.814199052.859101.640198130.89654.939199155.917102.440198233.11358.123199262.017107.710198335.03260.043199371.398120.870198437.33563.383199482.078147.1306.表8-5给出了美国1970-1987年间个人消费支出（C）与个人可支配收入（I）的数据（单位：10亿美元，1982年为基期）表8-5 美国1970-

29、1987年间个人消费支出（C）与个人可支配收入（I）的数据年份CI年份CI19701492.01668.119792004.42212.619711538.81728.419802004.42214.319721621.91797.419812024.22248.619731689.61916.319822050.72261.519741674.01896.619832146.02331.919751711.91931.719842249.32469.819761803.92001.019852354.82542.819771883.82066.619862455.22640.91978196

30、1.02167.419872521.02686.3考虑以下模型： 请回答以下问题：估计以上两模型；估计边际消费倾向（MPC）7.接上题，如果考虑如下模型： 请回答以下问题：估计以上两模型；估计个人消费支出对个人可支配收入的弹性系数。8.表8-6给出某地区1970-1991年固定资产投资（y）与销售额（x）的资料（单位：亿元）。表8-6 某地区1970-1991年固定资产投资（y）与销售额（x）的资料年份YX年份YX197036.9952.8051981128.68168.129197133.6055.9061982123.97163.351197235.4263.0271983117.3517

31、2.547197342.3572.9311984139.61190.682197452.4884.7901985152.88194.538197553.6686.5891986137.95194.657197658.5398.7971987141.06206.326197767.48113.2011988163.45223.541197878.13126.9051989183.80232.724197995.13143.9361990192.61239.4591980112.60154.3911991182.81235.142试就下列模型，按照一定的处理方法估计模型参数，并解释模型的经济意义，

32、检验模型随机误差项的一阶自相关性。     设定模型：，运用局部调整假定。     设定模型：，运用自适应预期假定。     运用阿尔蒙多项式变换法，估计分布滞后模型四、计算题和分析题：1 1 解：= 0.85 = = 0.5 1 = += 0.5 + 0.45 0.10 = 0.852 = +2+4= 0.5 + 2×0.45 4×0.10 = 13 = +3+9= 0.5 + 3×0.45 9×0.10 = 0.954 = +4+16= 0.5 + 4

33、×0.45 16×0.10 = 0.75 = +5+25= 0.5 + 5×0.45 25×0.10 = 0.25X 对Y的短期影响乘数为= 0.5 X 对Y的长期影响乘数为= 0.5 + 0.85 + 1 + 0.95 + 0.7 + 0.25 = 4.25X 对Y的各期延期过渡性乘数分别为：1 = 0.85，2 = 1，3 = 0.95，4 = 0.7，5 = 0.25。2 2 解：= 0.5 = = 0.81 1 = += 0.81 + 0.35 0.40 = 0.762 = +2+4= 0. 81 + 2×0.35 4

34、5;0.40 = -0.093 = +3+9= 0. 81 + 3×0.35 9×0.40 = -1.74X 对Y的短期影响乘数为= 0. 81 X 对Y的长期影响乘数为= 0. 81 + 0.76 -0.09 -1.74 = -0.26X 对Y的各期延期过渡性乘数分别为：1 = 0.76，2 = -0.09，3 = -1.743 3 解：生产设备使用率对通货膨胀率的短期影响为0.1408，长期影响为0.3768 ( = 0.1409 + 0.2360 )。 生产设备使用率对通货膨胀率的短期影响为2，长期影响为2 / (1-3)。 4 4 解：投资的短期

35、影响乘数为0.6，表示当期收入Yt每变化一个单位，投资平均变化0.6个单位。投资的长期影响乘数为2.0 ( = 0.6 + 0.8 + 0.4 + 0.2 )，表示收入Y每变化一个单位，由于滞后效应投资平均变化合计为2个单位。消费的短期影响乘数为0.58，表示当期收入Yt每变化一个单位，投资平均变化0.58个单位。消费的长期影响乘数约为0.659 ( = 0.58 / （1 0.22 ）)，表示收入Y每变化一个单位，由于滞后效应消费平均变化合计为0.659个单位。5 5 解：ls y c pdl(x,3,2)Dependent Variable: YMethod: Least Squ

36、aresDate: 02/26/05 Time: 23:04Sample(adjusted): 1978 1994Included observations: 17 after adjusting endpointsVariableCoefficient Std. Errort-StatisticProb. C-6.419601 2.130157-3.0136750.0100PDL011.156862 0.1959285.9045160.0001PDL020.065752 0.1760550.3734720.7148PDL03-0.460829 

37、;0.181199-2.5432160.0245R-squared0.996230 Mean dependent var81.97653Adjusted R-squared0.995360 S.D. dependent var27.85539S.E. of regression1.897384 Akaike info criterion4.321154Sum squared resid46.80087 Schwarz criterion4.517204Log likelihood-32.72981 F-statistic1145.160Durb

38、in-Watson stat1.513212 Prob(F-statistic)0.000000 Lag Distribution of X iCoefficientStd. ErrorT-Statistic . * | 0 0.63028 0.17916 3.51797 . *| 1 1.15686 0.19593 5.90452 . * | 2 0.76178 0.17820 4.27495 * . | 3-0.55495 0.25562-2.17104 Sum of Lags  1.99398 0.06785

39、 29.3877  Dependent Variable: YMethod: Least SquaresDate: 02/26/05 Time: 23:13Sample(adjusted): 1978 1994Included observations: 17 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-6.4196012.130157-3.0136750.0100Z00.6302810.1791603.5179690.0038Z10.9874100.5253071.879

40、6820.0827Z2-0.4608290.181199-2.5432160.0245R-squared0.996230 Mean dependent var81.97653Adjusted R-squared0.995360 S.D. dependent var27.85539S.E. of regression1.897384 Akaike info criterion4.321154Sum squared resid46.80087 Schwarz criterion4.517204Log likelihood-32.72981 F-statistic1145.160Durbin-Wat

41、son stat1.513212 Prob(F-statistic)0.000000 Yt = a + b0Xt + b1Xt-1 + b2Xt-2 + b3Xt-3 + ut= 6.419601 + 0.63028Xt + 1.15686Xt-1 +0.76178Xt-2 0.55495Xt-3 + ut 6 解：ls cons c iDependent Variable: CONSMethod: Least SquaresDate: 02/27/05 Time: 12:07Sample: 1970 1987Included observations: 18Variabl

42、eCoefficientStd. Errort-StatisticProb. C-215.551334.17468-6.3073410.0000I1.0073180.01571464.104080.0000R-squared0.996122 Mean dependent var1954.783Adjusted R-squared0.995879 S.D. dependent var307.5279S.E. of regression19.74147 Akaike info criterion8.907759Sum squared resid6235.611 Schwarz criterion9

43、.006690Log likelihood-78.16983 F-statistic4109.333Durbin-Watson stat1.302084 Prob(F-statistic)0.000000 ls cons c i ar(1)Dependent Variable: CONSMethod: Least SquaresDate: 02/27/05 Time: 12:10Sample(adjusted): 1971 1987Included observations: 17 after adjusting endpointsConvergence achieved after

44、 4 iterationsVariableCoefficientStd. Errort-StatisticProb. C-252.457150.61194-4.9880950.0002I1.0233690.02274944.985350.0000AR(1)0.2557950.2519461.0152790.3272R-squared0.996423 Mean dependent var1982.006Adjusted R-squared0.995911 S.D. dependent var293.7879S.E. of regression18.78532 Akaike info criter

45、ion8.862813Sum squared resid4940.433 Schwarz criterion9.009851Log likelihood-72.33391 F-statistic1949.685Durbin-Watson stat2.056004 Prob(F-statistic)0.000000Inverted AR Roots .26  White Heteroskedasticity Test:F-statistic0.467959 Probability0.635730Obs*R-squared1.065257 Probability0.587060

46、     Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 02/27/05 Time: 12:15Sample: 1971 1987Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C4650.2594580.2791.0152780.3272I-3.9263054.180833-0.9391200.3636I20.0008690.0009430.9224570.371

47、9R-squared0.062662 Mean dependent var290.6137Adjusted R-squared-0.071243 S.D. dependent var295.8256S.E. of regression306.1821 Akaike info criterion14.44502Sum squared resid1312464. Schwarz criterion14.59206Log likelihood-119.7827 F-statistic0.467959Durbin-Watson stat2.094745 Prob(F-statistic)0.63573

48、0 ls cons c i cons(-1)Dependent Variable: CONSMethod: Least SquaresDate: 02/27/05 Time: 12:19Sample(adjusted): 1971 1987Included observations: 17 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-231.721948.43442-4.7842400.0003I0.9764240.1528826.3867800.0000CONS(-1)0.0426

49、840.1564250.2728690.7889R-squared0.996181 Mean dependent var1982.006Adjusted R-squared0.995636 S.D. dependent var293.7879S.E. of regression19.40801 Akaike info criterion8.928034Sum squared resid5273.391 Schwarz criterion9.075071Log likelihood-72.88829 F-statistic1826.141Durbin-Watson stat1.454971 Prob(F-statistic)0.000000H = (1- dw/2)= (1 1.454971/2)= 1.125845 < 1.96 = h0.025 认为不存在自相关。 以上两个模型的边际消费倾向分别为1.023和0.97。7. 解：ls log(cons) c log(i)Dependent Variable: LOG(CONS)Method: Least SquaresDate: 02/27/05 Time: 12:33Sample: 1970 1987Included observations: