计量经济学练习题

1、思考题1、经济计量学的研究步骤有哪些？2、简述经济计量模型的检验准则有哪三方面？3、经济计量模型中的随机干扰项来自哪些方面？4、多元线性回归模型随机干扰项的假定有哪些？5、简述选择解释变量的逐步回归法？6、对于非线性模型如何进行参数估计？7、简述异方差性的检验方法？8、如何才能说为的格兰杰意义上的原因？练习题1某汽车制造厂销售部经理认为，汽车的销售量与广告费用之间存在着密切的关系。为此，该经理收集了12个汽车销售分公司的有关数据。用Excel对数据进行回归分析的部分结果如下： (一)方差分析表dfSSMSFSignificanceF回归（1）1（3）16027091602709（6）399.1

2、2.17E-09残差（2） 10（4）40158（5）4015.8总计111642867(二)参数估计表Coefficients标准误差t StatP-valueIntercept（7）363.689062.455295.8231910.000168X Variable 12.028873（8）0.1015519.977492.17E-09要求（计算结果精确至0.1）：（1）填空；（2）计算销售量与广告费用之间的相关系数，并据此分析两者的关系形态与强度；0.9877（3）写出销售量对广告费用的一元线性回归方程，并检验在5%的显著性水平下，回归系数和回归方程的线性关系是否显著。是2、以下是某个案

3、例的Eviews分析结果(局部）。Dependent Variable: Y Method: Least SquaresSample(adjusted): 1 10Included observations: 10 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C4.8267899.2173660.5236630.6193X10.1783810.308178（1）0.578820.5838X20.688030（2）0.209893.2779100.0169X3（3）-0.222640.156400-

4、1.4235560.2044R-squared0.852805Mean dependent var41.90000Adjusted R-squared（4）-0.698175S.D. dependent var34.28783 regression16.11137Akaike info criterion8.686101Sum squared resid1557.457Schwarz criterion8.807135Log likelihood-39.43051F-statistic11.58741Durbin-Watson stat3.579994 Prob(F-statistic)0.0

5、06579填上（1）、（2）、（3）、（4）位置所缺数据；以标准记法写出回归方程；你对分析结果满意吗？为什么？3、根据下列SPSS软件运行结果，确定最佳模型，并说明理由；以标准记法写出回归方程。4、一家家用电器产品销售公司在30个地区设有销售分公司。为研究产品彩电销售量（台）与该公司的销售价格（百元）、各地区的年人均收入（百元）、广告费用（百元）之间的关系，搜集到30各地区的有关数据。设彩电销售量为y，销售价格为x1，年人均收入为x2，广告费用为x3，利用Excel得到下面的回归结果。相关系数矩阵yX1X2X3y1X10.469221X20.740950.078371X30.87595-0.4

6、68800.604541方差分析DfSSMSFSignificance F回归分析14008924.74008924.7 11.878728.88341E-13残差289449662337487.9总计13458586.7参数估计表Coefficients标准误差t StatP-valueIntercept7589.1025 2445.02133.10390.00457X Variable 1117.886131.8974-3.69580.00103X Variable 280.6107 14.76765.45860.00001X Variable 30.50120.12593.98140.0

7、0049要求：(1)将方差分析表中的所缺数值补齐；(2)如果只选一个自变量来预测销售量，三个自变量中哪一个会被优先选择？请说明理由；(3)写出销量与销售价格、年人均收入、广告费用的多元线性回归方程，并解释各回归系数的意义；(4)若显著水平0.05，回归方程的线性关系是否显著？(5)若显著水平0.05，各回归系数是否显著？(6)销售量y的变差中被回归方程所解释的百分比是多少？5、用X1（万元）代表啤酒厂商的广告费，用X2（千元/吨）代表啤酒单价，用X3（千元/吨）代表白酒单价，用y代表啤酒销售量（吨）。建立模型如下：Y120 + 30 X1 20ln X2 + 5X3 T （3.21） （2.9

8、8） （-3.01） （1.87） F141.223（1）先验地,你认为各个系数的符号如何?你的预期与结果一致吗?（2）解释各个回归系数的意义?（3）检验各个回归系数的统计显著性。（临界值2.10）（4）如何检验假设:所有的回归系数同时为零?（临界值4.33）6、用x代表广告费，用y代表销售量，解释以下模型中的经济意义。7、根据下列Eviews应用软件的运行结果比较分析选择哪个模型较好？并说明理由；以标准形式写出确定的回归方程。模型一Dependent Variable: Y Method: Least SquaresSample: 1 12 Included observations: 12

9、VariableCoefficientStd. Errort-StatisticProb. C46.138287.3569906.2713520.00011/X1335.604171.21997.8005220.0000Adjusted R-squared0.844738 Akaike info criterion8.283763Sum squared resid1993.125 Schwarz criterion8.364580Log likelihood-47.70258 F-statistic60.84814Durbin-Watson stat2.154969 Prob(F-statis

10、tic)0.000015模型二Dependent Variable: Y Method: Least SquaresSample: 1 12 Included observations: 12Convergence achieved after 6 iterationsY=C(1)*C(2)XCoefficientStd. Errort-StatisticProb. C(1)195.178411.4660017.022370.0000C(2)0.9791320.001888518.58420.0000Adjusted R-squared0.922179 Akaike info criterio

11、n7.593063Sum squared resid999.0044 Schwarz criterion7.673881Log likelihood-43.55838 Durbin-Watson stat2.8181958、根据下列Eviews运行结果，分别对2009年四个季度作出预测。输出结果1Sample: 2004:1 2008:4 Included observations: 20Method: Holt-Winters Multiplicative SeasonalOriginal Series: Y Forecast Series: YSMParameters:Alpha0.460

12、0Beta0.0000Gamma0.0000Sum of Squared Residuals2164.646Root Mean Squared Error10.40348End of Period Levels:Mean353.0604Trend11.67188Seasonals:2008:10.9751572008:21.0319362008:31.1824402008:40.810467输出结果2Sample: 2004:1 2008:4 Included observations: 20Method: Holt-Winters Additive SeasonalOriginal Seri

13、es: Y Forecast Series: YSMParameters:Alpha0.3400Beta0.0000Gamma0.0000Sum of Squared Residuals3533.643Root Mean Squared Error13.29218End of Period Levels:Mean349.8953Trend11.67188Seasonals:2008:1-6.2921872008:28.4359382008:343.764062008:4-45.907819、基于Eviews软件，说明如何对下列模型进行参数估计 （1）; （2）； （3）10、下面是某案例Evi

14、ews的分析结果（局部）,根据输出结果完成下列要求（写出判断或检验的依据）（=0.05，=1.19，=1.55）1.以标准记法写出回归方程, 并解释回归系数的含义;2.对所求得的线性方程作显著性检验。3对模型进行异方差检验，说明模型是否存在异方差；4对模型进行自相关检验，说明模型是否存在序列自相关；5计算方差扩大因子，说明模型是否存在多重共线性。Dependent Variable: Y Method: Least SquaresSample: 2008M01 2009M12 Included observations: 24VariableCoefficientStd. Errort-Sta

15、tisticProb.  C-486.675896.84835-5.0251330.0001LOG(X1)-5.369058111.7945-0.0480260.9621LOG(X2)204.417080.430562.5415340.0190R-squared0.869978    Mean dependent var3.116667Adjusted R-squared0.857594    S.D. dependent var2.116533S.E. of regression0.79870

16、9    Akaike info criterion2.504828Sum squared resid13.39665    Schwarz criterion2.652084Log likelihood-27.05793    F-statistic70.25528Durbin-Watson stat0.449745    Prob(F-statistic)0.000000White Heteroskedasticity Test:F

17、-statistic1.649512    Probability0.216083Obs*R-squared3.258427    Probability0.196084Test Equation:Dependent Variable: RESID2 Method: Least SquaresSample: 2008M01 2008M12 Included observations: 24VariableCoefficientStd. Errort-StatisticProb.  C100.93

18、7963.210181.5968610.1252LOG(X1)-132.273972.96509-1.8128380.0842LOG(X2)94.2754852.494751.7959030.0869R-squared0.135768    Mean dependent var0.558194Adjusted R-squared0.053460    S.D. dependent var0.535814S.E. of regression0.521295    Akaike info criterion1.651466Sum squared resid5.706708    Schwarz criterion1.798722Log likelihood-16.81759    F-statistic1.649512Durbin-Watson stat1.879222    Prob(F-statistic)0.216083Dependent Variable: LOG(X1) Meth