庞皓计量经济学课后答案第五章

1、庞皓计量经济学课后答案第五章 篇一：计量经济学庞皓第二版第五章答案 5.2 (1) 对原模型OLS回归分析结果： Dependent Variable: Y Method: Least Squares Date: 04/01/09Time: 15:44 Sample: 1 60 Included observations: 60 Variable C X R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.946423 Mean depende

2、nt var 0.945500 S.D. dependent var 9.032255 Akaike info criterion 4731.735 Schwarz criterion -216.1674 F-statistic 1.790431 Prob(F-statistic) (2) White检验结果： White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: RESID Method: Least Squares Date: 04/01/09Time: 15:

3、45 Sample: 1 60 Included observations: 60 Variable C X X R-squared Adjusted R-squared S.E. of regression 6.301373 Probability 10.86401 Probability 0.181067 Mean dependent var 0.152332 S.D. dependent var 102.3231 Akaike info criterionSum squared resid Log likelihood Durbin-Watson stat 596790.5 Schwar

4、z criterion -361.2856 F-statistic 1.442328 Prob(F-statistic) nR2=10.86401, 查表得?20.05(2)=5.99147，nR25.99147,因此回绝原假设，说明模型中随机误差项存在异方差。 Goldfeld-Quandt检验： Dependent Variable: Y Method: Least Squares Date: 04/01/09Time: 16:16 Sample: 1 22 Included observations: 22 Variable C X R-squared Adjusted R-square

5、d S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.817990 Mean dependent var 0.808890 S.D. dependent var 5.490969 Akaike info criterion 603.0148 Schwarz criterion -67.63654 F-statistic 1.136382 Prob(F-statistic) Dependent Variable: Y Method: Least Squares Date: 04/01/09Time:

6、16:17 Sample: 39 60 Included observations: 22 Variable C X R-squared Adjusted R-squared S.E. of regression Sum squared resid 0.733898 Mean dependent var 0.720593 S.D. dependent var 11.17103 Akaike info criterion 2495.840 Schwarz criterionLog likelihood Durbin-Watson stat -83.26137 F-statistic 0.6105

7、87 Prob(F-statistic) eF=?e 2221 =2495.840/603.0148=4.139, 查得F0.05(20，20)=2.12， 4.1392.12，那么回绝原假设，说明模型中随机误差项存在异方差。 (3) 加权最小二乘法修正异方差 W1=1/X Dependent Variable: Y Method: Least Squares Date: 04/01/09Time: 15:53 Sample: 1 60 Included observations: 60 Weighting series: W1 Variable C X Weighted Statistics

8、 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0.211441 Mean dependent var 0.197845 S.D. dependent var 7.778892 Akaike info criterion 3509.647 Schwarz criter

9、ion -207.2041 F-statistic 1.969805 Prob(F-statistic) White Heteroskedasticity Test: F-statistic Obs*R-squared Test Equation: Dependent Variable: STD_RESID Method: Least Squares Date: 04/01/09Time: 15:54 Sample: 1 60 Included observations: 60 Variable C X X R-squared Adjusted R-squared S.E. of regres

10、sion Sum squared resid Log likelihood Durbin-Watson stat 3.138491 Probability 5.951910 Probability 0.099198 Mean dependent var 0.067591 S.D. dependent var 57.45087 Akaike info criterion 188134.3 Schwarz criterion -326.6533 F-statistic 1.606243 Prob(F-statistic) 尽管White检验结果nR2=5.95191lt;?20.05(2)=5.9

11、9147，显示已消除异方差，但R2=0.2114,拟合优度太低，不是理想的结果。 W2=1/X2 Dependent Variable: Y Method: Least Squares Date: 04/01/09Time: 15:55 Sample: 1 60 Included observations: 60 Weighting series: W2 Variable C XWeighted Statistics R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-W

12、atson stat Unweighted Statistics R-squared Adjusted R-squared S.E. of regression Durbin-Watson stat 0.961581 Mean dependent var 0.960918 S.D. dependent var 8.111184 Akaike info criterion 3815.896 Schwarz criterion -209.7139 F-statistic 2.091305 Prob(F-statistic) White Heteroskedasticity Test: F-stat

13、istic Obs*R-squared Test Equation: Dependent Variable: STD_RESID Method: Least Squares Date: 04/01/09Time: 15:56 Sample: 1 60 Included observations: 60 Variable C X X R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 39.31455 Probability 34.78417 Pro

14、bability 0.579736 Mean dependent var 0.564990 S.D. dependent var 70.07281 Akaike info criterion 279881.3 Schwarz criterion -338.5696 F-statistic 1.520939 Prob(F-statistic) 尽管R2=0.9616,拟合优度特别高，但Whit e检验结果nR2=34.78417?20.05(2)=5.99147，显示异方差仍存在，不是理想的结篇二：计量经济学第三版庞皓课后习题答案 （1）对百户拥有家用汽车量建立计量经济模型，用Eviews分析如

15、下： ?Dependent Variable: Y Method: Least Squares Date: 05/24/15Time: 22:28 Sample: 1 31 得到模型为 对模型进展检验 1）可决系数是0.666062，修正的可决系数为0.628957，说明模型对样本拟合较好 2）F检验，F=17.95108F(3.27)=3.65,回归方程明显。 3）t检验，t统计量分别为4.749476,4.265050，-2.922950，-4.366843，均大于t（27）=2,0518，因此这些系数都是明显的。 按照 1)可决系数越大，说明拟合程度越好 2)F的值与临界值比拟，假设大于

16、临界值，那么否认原假设，回归方程是明显的；假设小于临界值，那么接受原假设，回归方程不明显。 3)t的值与临界值比拟，假设大于临界值，那么否认原假设，系数都是明显的；假设小于临界值，那么接受原假设，系数不明显。 （2）经济意义：人均GDP增加一万元，百户拥有家用汽车增加5.996865辆，城镇人口比重增加一个百分点，百户拥有家用汽车减少0.524047辆，交通工具消费价格指数每上升1，百户拥有家用汽车减少2.265680辆。 （3）模型改良:搜集其他年份的截面数据进展分析 (1)用Eviews分析得 ?Dependent Variable: Y Method: Least Squares Dat

17、e: 05/26/15Time: 13:13 Sample: 1 18 对模型进展检验： 1）可决系数是0.951338，修正的可决系数为0.944850，说明模型对样本拟合特别好。 2）F检验，F=146.6246 F（2,15）=4.77，回归方程明显。 3）t检验，t统计量分别为2.952725，10.12943，均大于t（15）=2.131，因此这些系数都是明显的。 经济意义检验：模型可能结果说明，在假定其他变量不变的情况下，家庭月平均收入每增长1元，平均说来家庭书刊年消费支出会增长0.086214元;户主受年数每增长1年，平均说来家庭书刊年消费支出增加52.43607元。 （2）用E

18、views分析： Dependent Variable: Y Method: Least Squares Date: 05/28/15 Time: 22:30 Sample: 1 18R-squared 0.923054 Mean dependent var Adjusted R-squared 0.918245 S.D. dependent var S.E. of regression 73.97565 Akaike info criterion Sum squared resid 87558.36 Schwarz criterion Log likelihood -101.9481 Han

19、nan-Quinn criter. F-statistic 191.9377 Durbin-Watson stat Dependent Variable: X Method: Least Squares Date: 05/28/15Time: 22:34 Sample: 1 18 Included observations: 18 Variable Coefficient Std. Error t-Statistic R-squared 0.483182 Mean dependent var Adjusted R-squared 0.450881 S.D. dependent var S.E.

20、 of regression 517.8529 Akaike info criterion Sum squared resid 4290746. Schwarz criterion Log likelihood -136.9753 Hannan-Quinn criter. F-statistic 14.95867 Durbin-Watson stat 以上分别是Y与T，X与T的一元回归 模型分别是： (3)用Eviews分析结果如下： Dependent Variable: E1 Method: Least Squares Date: 05/29/15Time: 20:39 Sample: 1

21、 18 Included observations: 18 Variable Coefficient Std. Error t-Statistic R-squared 0.366239 Mean dependent var Prob(F-statistic) 0.007788模型为： （4）由上分析可知，2与2的系数是一样的。回归系数与被解释变量的残差系数是一样的，它们的变化规律是一致的。 （1）预期可能各个参数的符号是X1，X2，X3，X4，X5的符号为正，X6的符号为负 （2）按照Eviews分析得到数据如下： ?Dependent Variable: Y Method: Least Sq

22、uares Date: 05/27/15Time: 22:40 Sample: 1994 2011与预期不相符。 评价： 可决系数为0.994869，能够认为拟合程度特别好。 F检验，F=465.3617F（5.12）=3,89，回归方程明显 T检验，X2,X3,X4,X5，X6 ，系数对应的t值分别为：1.254330，0.490501，-1.005377，0.951671，0.476621，均小于t（12）=2.179，因此所得系数都是不明显的。 (3)由Eviews分析得 ?Dependent Variable: YMethod: Least Squares Date: 05/27/15

23、Time: 22:42 Sample: 1994 2011得到模型的方程为： 评价： 1） 可决系数为0.993601，拟合程度特别好。 2） F检验，F=1164.567F（5.12）=3,89，回归方程明显 3） T检验，X5 系数对应的t值为46.79946，大于t（12）=2.179，因此系数是明显的， 即人均GDP对年底存款余额有明显阻碍。 X6 系数对应的t值为-1.762581，小于t （12）=2.179，因此系数是不明显的，即居民消费价格指数对年底存款余额阻碍不明显。篇三：计量经济学课后考虑题 庞皓版 第一章 绪论 考虑题 1.1如何样理解产生于西方国家的计量经济学能够在中国

24、的经济理论研究和现代化建立中发挥重要作用？ 答：计量经济学的产生源于对经济征询题的定量研究，这是社会经济开展到一定阶段的客观需要。计量经济学的开展是与现代科学技术成就结合在一起的，它反映了社会化大消费对各种经济要素和经济活动进展数量分析的客观要求。经济学从定性研究向定量分析的开展，是经济学逐步向更加精细、更加科学开展的表现。我们只要坚持以科学的经济理论为指导，严密结合中国经济的实际，就能够使计量经济学的理论与方法在中国的经济理论研究和现代化建立中发挥重要作用。 1.2理论计量经济学和应用计量经济学的区别和联络是什么？ 答：计量经济学不仅要寻求经济计量分析的方法，而且要对实际经济征询题加以研究，

25、分为理论计量经济学和应用计量经济学两个方面。 理论计量经济学是以计量经济学理论与方法技术为研究内容，目的在于为应用计量经济学提供方法论。所谓计量经济学理论与方法技术的研究，本质上是指研究如何运用、改造和开展数理统计方法，使之成为适宜测定随机经济关系的特别方法。 应用计量经济学是在一定的经济理论的指导下，以反映经济事实的统计数据为按照，用计量经济方法技术研究计量经济模型的有用化或探究实证经济规律、分析经济现象和预测经济行为以及对经济政策作定量评价。 1.3如何样理解计量经济学与理论经济学、经济统计学的关系？ 答：1、计量经济学与经济学的关系。联络：计量经济学研究的主体经济现象和经济关系的数量规律

26、；计量经济学必须以经济学提供的理论原那么和经济运转规律为按照；经济计量分析的结果：对经济理论确定的原那么加以验证、充实、完善。区别：经济理论重在定性分析,并不对经济关系提供数量上的详细度量；计量经济学对经济关系要作出定量的可能，对经济理论提出经历的内容。 2、计量经济学与经济统计学的关系。联络：经济统计侧重于对社会经济现象的描绘性计量；经济统计提供的数据是计量经济学据以可能参数、验证经济理论的根本按照；经济现象不能作实验，只能被动地观测客观经济现象变动的既成事实，只能依赖于经济统计数据。区别：经济统计学主要用统计指标和统计分析方法对经济现象进展描绘和计量；计量经济学主要利用数理统计方法对经济变

27、量间的关系进展计量。 1.4在计量经济模型中被解释变量和解释变量的作用有什么不同？ 答：在计量经济模型中，解释变量是变动的缘故，被解释变量是变动的结果。被解释变量是模型要分析研究的对象。解释变量是说明被解释变量变动主要缘故的变量。 1.5一个完好的计量经济模型应包括哪些根本要素？你能举一个例子吗？ 答：一个完好的计量经济模型应包括三个根本要素：经济变量、参数和随机误差项。 例如研究消费函数的计量经济模型：Y?X?u 其中，Y为居民消费支出，X为居民家庭收入，二者是经济变量；和为参数；u是随机误差项。 1.6假设你是中央银行货币政策的研究者，需要你对增加货币供给量促进经济增长提出建议，你将考虑哪

28、些要素？你认为能够如何样运用计量经济学的研究方法？ 答：货币政策工具或者说阻碍货币供给量的要素有再贴现率、公开市场业务操作以及法定准备金率。因此会考虑再贴现率、公开市场业务操作以及法定预备金率。选择这三种要素作为解释变量。货币供给量作为被解释变量。从而建立简单线性回归模型。 1.7计量经济学模型的主要应用领域有哪些？ 答：计量经济模型主要能够用于经济构造分析、经济预测、政策评价和检验与开展经济理论。 1.8假设要按照历史经历预测明年中国的粮食产量，你认为应当考虑哪些要素？应当如何样设定计量经济模型？ 答：阻碍中国的粮食产量的要素能够有农业资金投入、农业劳动力、粮食播种面积、受灾面积等。可建立如

29、下多元模型： Y?1?2X2?3X3?4X4?5X5?u 其中，Y为中国的粮食产量，X2为农业资金投入，X3为农业劳动力，X4为粮食播种面积，X5为受灾面积。 1.9参数和变量的区别是什么？为什么对计量经济模型中的参数通常只能用样本观测值去可能？ 答：经济变量反映不同时间、不同空间的表现不同，取值不同，是能够观测的要素。是模型的研究对象或阻碍要素。经济参数是表现经济变量互相依存程度的、决定经济构造和特征的、相对稳定的要素，通常不能直截了当观测。 一般来说参数是未知的，又是不可直截了当观测的。由于随机误差项的存在，参数也不能通过变量值去精确计算。只能通过变量样本观测值选择适当方法去可能。 1.1

30、0你能分别举出三个时间序列数据、截面数据、面板数据、虚拟变量数据的实际例子，并分别说明这些数据的来源吗？ 答：时间序列数据：中国1981年至2010年国内消费总值，可从中国统计年鉴查得数据。 截面数据：中国2010年各省、区、直辖市的国内消费总值，中国统计年鉴查得数据。 面板数据：中国1981年至2010年各省、区、直辖市的国内消费总值，中国统计年鉴查得数据。 虚拟变量数据：自然灾祸状态，1表示该状态发生，0表示该状态不发生。 1.11为什么对已经可能出参数的模型还要进展检验？你能举一个例子说明各种检验的必要性吗？ 答：模型中的参数被可能以后，一般说来如此的模型还不能直截了当加以应用，还需要对

31、其进展检验。首先，在设定模型时，对所研究经济现象规律性的认识可能并不充分，所按照的经济理论对所研究对象也许还不能作出正确的解释和说明。或者经济理论是正确的，但可能我们对征询题的认识只是从某些部分出发，或者只是调查了某些特别的样本，以部分去说明全局的变化规律，可能导致偏向。其次，我们用以可能参数的统计数据或其它信息可能并不十分可靠，或者较多地采纳了经济突变时期的数据，不能真实代表所研究的经济关系，或者由于样本太小，所可能参数只是抽样的某种偶尔结果。此外，我们所建立的模型、采纳的方法、所用的统计数据，都有可能违犯计量经济的根本假定，这也可能导出错误的结论。 1.12为什么计量经济模型能够用于政策评

32、价？其前提条件是什么？ 答：所谓政策评价，是利用计量经济模型对各种可供选择的政策的施行后果进展模仿运算，从而对各种政策方案作出评价。前提是，我们是把计量经济模型当作经济运转的实验室，去模仿所研究的经济体计量经济模型体系，分析整个经济体系对各种假设的政策条件的反映。在实际的政策评价时，经常把模型中的某些变量或参数视为可用政策调整的政策变量，然后分析政策变量的变动对被解释变量的阻碍。1.13为什么定义方程式能够用于联立方程组模型，而不宜用于建立单一方程模型？ 答：定义关系是指按照定义而表达的恒等式，是由经济理论或客观存在的经济关系决定的恒等关系。国民经济中许多平衡关系都能够建立恒等关系，如此的模型

33、称为定义方程式。在联立方程组模型中经常利用定义方程式。但是，定义方程式的恒等关系中没有随机误差项和需要可能的参数，因此一般不宜用于建立单一方程模型。 第二章 简单线性回归模型 2.1相关分析与回归分析的关系是什么？ 答：相关分析与回归分析有亲切的关系，它们都是对变量间相关关系的研究，二者能够互相补充。相关分析能够说明变量间相关关系的性质和程度，只有当变量间存在一定程度的相关关系时，进展回归分析才有实际的意义。同时，在进展相关分析时假设要详细确定变量间相关的详细数学方式，又要依赖于回归分析，而且相关分析中相关系数确实定也是建立在回归分析根底上的。 相关分析与回归分析的区别。从研究目的上看，相关分

34、析是用一定的数量指标（相关系数）度量变量间互相联络的方向和程度；回归分析却是要寻求变量间联络的详细数学方式，是要按照解释变量的固定值去可能和预测被解释变量的平均值。从对变量的处理看，相关分析对称地对待互相联络的变量，不考虑二者的因果关系，也确实是不区分解释变量和被解释变量，相关的变量不一定具有因果关系，均视为随机变量；回归分析是建立在变量因果关系分析的根底上，研究其中解释变量的变动对被解释变量的详细阻碍，回归分析中必须明确划分解释变量和被解释变量，对变量的处理是不对称的。 2.2什么是总体回归函数和样本回归函数？它们之间的区别是什么？ 答：总体回归函数是将总体被解释变量的条件期望表现为解释变量

35、的函数。样本回归函数是将被解释变量的样本条件均值表示为解释变量的函数。 总体回归函数和样本回归函数之间的区别。首先，总体回归函数尽管未知，但它是确定的；而由于从总体中每次抽样都能获得一个样本，就都能够拟合一条样本回归线，样本回归线是随抽样波动而变化的，能够有特别多条。因此样本回归函数还不是总体回归函数，至多只是未知的总体回归函数的近似反映。其次，总体回归函数的参数是确定的常数；而样本回归函数的参数是随抽样而变化的随机变量。 2.3什么是随机扰动项和剩余项（残差）？它们之间的区别是什么？ 答：总体回归函数中，被解释变量个别值Yi与条件期望E(YXi)的偏向是随机扰动项ui。 ?的偏向是残差项e。

36、残差项e在样本回归函数中，被解释变量个别值Yi与样本条件均值Yiii 概念上类似总体回归函数中的随机扰动项ui，可视为对随机扰动项ui的可能。 总体回归函数中的随机误差项是不能够直截了当观测的；而样本回归函数中的残差项是只要可能出样本回归的参数就能够计算的数值。 2.4为什么在对参数作最小二乘可能之前,要对模型提出古典假设? 答：在对参数作最小二乘可能之前,要对模型提出古典假设。由于模型中有随机扰动，可能的参数是随机变量，只有对随机扰动的分布作出假定，才能确定所可能参数的分布性质，也才可能进展假设检验和区间可能。只有具备一定的假定条件，所作出的可能才具有较好的统计性质。 2.5总体方差和参数可

37、能方差的区别是什么？答：总体方差是未知的，但是确定存在的。参数可能方差能够由样本数据计算出来，但只是总体的近似反映，未必等于真实值。 2.6为什么可决系数能够度量模型的拟合优度？在简单线性回归中它与对参数的检验的关系是什么？ 答：可决系数是回归平方和占总离差平方和的比重，即由样本回归作出解释的离差平方和在总离差平方和中占的比重，假设样本回归线对样本观测值拟合程度好，各样本观测点与回归线靠得越近，由样本回归作出解释的离差平方和在总离差平方和中占的比重也将越大，反之拟合程度越差，这部分所占比重就越小。因此可决系数能够作为综合度量回归模型对样本观测值拟合优度的指标。 在简单线性回归中，可决系数越大，

38、说明在总变差中由模型作出理解释的部分占的比重越大，X对Y的解释才能越强，模型拟合优度越好。对参数的检验是推断解释变量X是否是被解释变量Y的明显阻碍要素。二者的目的作用是一致的。 2.7有人说：“得到参数区间可能的上下限后，说明参数的真实值落入这个区间的概率为 ”如何评论这种说法？ 1?。 答：这种说法是错误的。区间是随机的，只是说明在重复抽样中，像如此的区间可构造许屡次，从长远看平均地说，这些区间中将有1?的概率包含着参数的真实值。参数的真实值尽管未知，却是一个固定的值，不是随机变量。因此应理解为区间包含参数真实值的概率是1?，而不能认为参数的真实值落入这个区间的概率为1?。 2.8对参数假设

39、检验的根本思想是什么？ 答：对参数假设检验的根本思想，是在所可能样本回归系数概率分布性质已确定的根底上，在对总体回归系数某种原假设成立的条件下，利用适当的有明确概率分布的统计量和给定的明显性水平?，构造一个小概率事件，推断原假设结果合理与否，是基于“小概率事件不易发生”的原理，能够认为小概率事件在一次观察中根本不会发生，假设小概率事件居然发生了，就认为原假设不成立，从而回绝原假设，不回绝备择假设。 2.9为什么对被解释变量个别值的预测区间会比对被解释变量平均值的预测区间更宽？ 答：预测被解释变量平均值仅存在抽样误差，而对被解释变量个别值的预测，不仅存在抽样误差，而且要受随机扰动项的阻碍。因此对个别值的预测区间比对平均值的预测区间更宽。 2.10假设有人利用中国19782000年的样本可能的计量经济模型直截了当预测“中国综合经济水平将在2050年到达美国2002年的水平”，你如何评论这种预测？ 答：用回归模型作预测时，预测期解释变量取值不宜偏离样本期过远，否那