计量经济学第三章

第三章、经典单方程计量经济学模型：多元线性回归模型

例1．某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为

fedu medu sibs edu 210.0131.0094.036.10++-=

R 2=0.214

式中，edu 为劳动力受教育年数，sibs 为该劳动力家庭中兄弟姐妹的个数，medu 与fedu 分别为母亲与父亲受到教育的年数。问

（1）sibs 是否具有预期的影响？为什么？若medu 与fedu 保持不变，为了使预测的受教育水平减少一年，需要sibs 增加多少？

（2）请对medu 的系数给予适当的解释。

（3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数为12年，另一个的父母受教育的年数为16年，则两人受教育的年数预期相差多少？ 解答：（1）预期sibs 对劳动者受教育的年数有影响。因此在收入及支出预算约束一定的条件下，子女越多的家庭，每个孩子接受教育的时间会越短。

根据多元回归模型偏回归系数的含义，sibs 前的参数估计值-0.094表明，在其他条件不变的情况下，每增加1个兄弟姐妹，受教育年数会减少0.094年，因此，要减少1年受教育的时间，兄弟姐妹需增加1/0.094=10.6个。

（2）medu 的系数表示当兄弟姐妹数与父亲受教育的年数保持不变时，母亲每增加1年受教育的机会，其子女作为劳动者就会预期增加0.131年的教育机会。

（3）首先计算两人受教育的年数分别为 10.36+0.13112+0.21012=14.452 10.36+0.13116+0.21016=15.816

因此，两人的受教育年限的差别为15.816-14.452=1.364

例2．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：

099

.0)046.0()

22.0()

37.1(05.0)log(32.0472.022

1=++=R X X Y

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(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Y=0.32log(X1)0.32(X1/X1)=0.32100%，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H1：01>β，检验原假设H0：01=β。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。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。 例3．下表为有关经批准的私人住房单位及其决定因素的4个模型的估计量和相关统计值（括号内为p-值）（如果某项为空，则意味着模型中没有此变量）。数据为美国40个城市的数据。模型如下：

μ

ββββββββ++++++++=statetax localtax unemp popchang

income value density g hou 76543210sin

式中housing ——实际颁发的建筑许可证数量，density ——每平方英里的人口密度，value ——自由房屋的均值（单位：百美元），income ——平均家庭的收入（单位：千美元），popchang ——1980~1992年的人口增长百分比，unemp ——失业率，localtax ——人均交纳的地方税，statetax ——人均缴纳的州税

（1）检验模型A 中的每一个回归系数在10%水平下是否为零（括号中的值为双边备择p-值）。根据检验结果，你认为应该把变量保留在模型中还是去掉？

（2）在模型A 中，在10%水平下检验联合假设H 0：i =0(i=1,5,6,7)。说明被择假设，

计算检验统计值，说明其在零假设条件下的分布，拒绝或接受零假设的标准。说明你的结论。

（3）哪个模型是“最优的”？解释你的选择标准。 （4）说明最优模型中有哪些系数的符号是“错误的”。说明你的预期符号并解释原因。确认

其是否为正确符号。 解答：（1）直接给出了P-值，所以没有必要计算t-统计值以及查t 分布表。根据题意，如果p-值<0.10,则我们拒绝参数为零的原假设。

由于表中所有参数的p-值都超过了10%，所以没有系数是显著不为零的。但由此去掉所有解释变量，则会得到非常奇怪的结果。其实正如我们所知道的，多元回去归中在省略变量时一定要谨慎，要有所选择。本例中，value 、income 、popchang 的p-值仅比0.1稍大一点，在略掉unemp 、localtax 、statetax 的模型C 中，这些变量的系数都是显著的。 （2）针对联合假设H 0：i =0(i=1,5,6,7)的备择假设为H1：i =0(i=1,5,6,7) 中至少有一个不为零。检验假设H0，实际上就是参数的约束性检验，非约束模型为模型A ，约束模型为模型D ，检验统计值为

462.0)

840/()7763.4()

37/()7763.47038.5()1/()/()(=-+-+-+=----=

e e e k n RSS k k RSS RSS F U U R U U R

显然，在H0假设下，上述统计量满足F 分布，在10%的显著性水平下，自由度为（4，32）

的F 分布的临界值位于2.09和2.14之间。显然，计算的F 值小于临界值，我们不能拒绝H0，所以βi (i=1,5,6,7)是联合不显著的。

(3）模型D 中的3个解释变量全部通过显著性检验。尽管R2与残差平方和较大，但相对来说其AIC 值最低，所以我们选择该模型为最优的模型。

（4）随着收入的增加，我们预期住房需要会随之增加。所以可以预期β3>0，事实上其估计值确是大于零的。同样地，随着人口的增加，住房需求也会随之增加，所以我们预期β4>0，事实其估计值也是如此。随着房屋价格的上升，我们预期对住房的需求人数减少，即我们预期β3估计值的符号为负，回归结果与直觉相符。出乎预料的是，地方税与州税为不显著的。由于税收的增加将使可支配收入降低，所以我们预期住房的需求将下降。虽然模型A 是这种情况，但它们的影响却非常微弱。

4、在经典线性模型基本假定下，对含有三个自变量的多元回归模型：

μββββ++++=3322110X X X Y

你想检验的虚拟假设是H0：1221=-ββ。

（1）用2

1?,?ββ的方差及其协方差求出)?2?(21ββ-Var 。 （2）写出检验H0：1221=-ββ的t 统计量。 （3）如果定义θββ=-212，写出一个涉及0、

、2和3的回归方程，以便能

直接得到估计值及其标准误。 解答：（1）由数理统计学知识易知

)?(4)?,?(4)?()?2?(2

21121ββββββVar Cov Var Var +-=- （2）由数理统计学知识易知

)?2?(1?2?2

121ββββ---=se t ，其中)?2?(21ββ-se 为)?2?(2

1ββ-的标准差。 （3）由θββ=-212知212βθβ+=，代入原模型得

μ

ββθβμβββθβ+++++=+++++=33212103322120)2()2(X X X X X X X Y

这就是所需的模型，其中估计值及其标准误都能通过对该模型进行估计得到。 3-2．观察下列方程并判断其变量是否呈线性？系数是否呈线性？或都是？或都不是？

1) i i i X Y εββ++=3

10

2) i i i X Y εββ++=log 10 3)

i i i X Y εββ++=log log 10

4) i i i X Y εβββ++=)(210 5) i i

i X Y εββ+=

10

6) i i i X Y εββ

+-+=)1(110

7) i i i i X X Y εβββ+++=1022110

3-3．多元线性回归模型与一元线性回归模型有哪些区别？

3-4．为什么说最小二乘估计量是最优的线性无偏估计量？多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计的条件是什么？

3-5．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？ 3-6．请说明区间估计的含义。

3-7．什么是正规方程组？分别用非矩阵形式和矩阵形式写出模型：

i ki k i i i u x x x y +++++=ββββ 22110，n i ,,2,1 =的正规方程组，及其推导过程。

3-16．考虑下列两个模型：

Ⅰ、i i i i u x x y +++=33221βββ Ⅱ、i i i i i u x x x y '+++=-332212)(ααα

要求：（1）证明：1??22-=βα ，11??βα= ，3

3??βα= （2）证明：残差的最小二乘估计量相同，即：i i u u

'=?? （3）在何种情况下，模型Ⅱ的拟合优度会小于模型Ⅰ拟合优度。

3-17．假设要求你建立一个计量经济模型来说明在学校跑道上慢跑一英里或一英里以上的人数，以便决定是否修建第二条跑道以满足所有的锻炼者。你通过整个学年收集数据，得到两个可能的解释性方程：

方程A ：3

215.10.10.150.125?X X X Y +--= 75.02

=R 方程B ：4

217.35.50.140.123?X X X Y -+-= 73.02=R 其中：——某天慢跑者的人数

——该天降雨的英寸数 ——该天日照的小时数

——该天的最高温度（按华氏温度） ——第二天需交学期论文的班级数

请回答下列问题：（1）这两个方程你认为哪个更合理些，为什么？

（2）为什么用相同的数据去估计相同变量的系数得到不同的符号？

3-18．对下列模型：i i i i u z x y +++=2βα （1）

i i i i u z x y +-+=ββα （2）

求出β的最小二乘估计值；并将结果与下面的三变量回归方程的最小二乘估计值作比较：

（3）i i i i u z x y +-+=γβα ，你认为哪一个估计值更好？

3-19．假定以校园内食堂每天卖出的盒饭数量作为被解释变量，盒饭价格、气温、附近餐厅的盒饭价格、学校当日的学生数量（单位：千人）作为解释变量，进行回归分析；假设不管是否有假期，食堂都营业。不幸的是，食堂内的计算机被一次病毒侵犯，所有的存储丢失，无法恢复，你不能说出独立变量分别代表着哪一项！下面是回归结果（括号内为标准差）：

i

i i i i X X X X Y 43219.561.07.124.286.10?-+++= （2.6） (6.3) (0.61) (5.9) 63.02

=R 35=n

要求：（1）试判定每项结果对应着哪一个变量？ （2）对你的判定结论做出说明。

3-22．下面给出依据15个观察值计算得到的数据：

693.367=Y ， 760.4022=X ，0.83=X ，269.660422=∑i y

096.848552

2=∑i

x

，0.2802

3=∑i x ， 346.747782=∑i

i

x

y

9.42503=∑i

i

x

y ，

0.479632=∑i i

x x

其中小写字母代表了各值与其样本均值的离差。

要求：（1）估计三个多元回归系数；（2）估计它们的标准差；并求出与？

（3）估计、95%的置信区间；

（4）在%5=α下，检验估计的每个回归系数的统计显著性（双边检验）； （5）检验在%5=α下所有的部分系数都为零，并给出方差分析表。

3-28．考虑以下预测的回归方程：t

t t RS F Y 33.510.0120?++-= 50.02

=R 其中：——第t 年的玉米产量（蒲式耳/亩）

——第t 年的施肥强度（磅/亩）

t RS ——第t 年的降雨量（英寸）

要求回答下列问题：（1）从和对的影响方面，说出本方程中系数10.0和33.5的含义； （2）常数项120-是否意味着玉米的负产量可能存在？ （3）假定的真实值为40.0，则估计值是否有偏？为什么？

（4）假定该方程并不满足所有的古典模型假设，即并不是最佳线性无偏估计值，则是否意味着的真实值绝对不等于33.5？为什么？

3-29．已知线性回归模型U X Y +=B 式中~U （0，I 2

σ），13=n 且3=k （为样本容

量，为参数的个数），由二次型)()'(B B X Y X Y --的最小化得到如下线性方程组：

3??2?321=++βββ 9??5?2321=++βββ 8?6??3

21-=++βββ 要求：（1）把问题写成矩阵向量的形式；用求逆矩阵的方法求解之；

（2）如果53='Y Y ，求； （3）求出的方差—协方差矩阵。

习题答案

3-2．答：变量非线性、系数线性；变量、系数均线性；变量、系数均线性；变量线性、系数非线性；变量、系数均为非线性；变量、系数均为非线性；变量、系数均为线性。 3-3．答：多元线性回归模型与一元线性回归模型的区别表现在如下几方面：一是解释变量的个数不同；二是模型的经典假设不同，多元线性回归模型比一元线性回归模型多了“解释变量之间不存在线性相关关系”的假定；三是多元线性回归模型的参数估计式的表达更复杂； 3-4．在多元线性回归模型中，参数的最小二乘估计量具备线性、无偏性、最小方差性，同时多元线性回归模型满足经典假定，所以此时的最小二乘估计量是最优的线性无偏估计量，又称BLUE 估计量。对于多元线性回归最小二乘估计的正规方程组，

3-5．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，利用了解释变量与随机误差项不相关的假定；在有效性的证明中，利用了随机项独立同方差假定。

3-6．答：区间估计是指研究用未知参数的点估计值（从一组样本观测值算得的）作为近似值的精确程度和误差范围。

3-7．答：含有待估关系估计量的方程组称为正规方程组。 正规方程组的非矩阵形式如下：

??

???????=++++-=++++-=++++-=++++-∑∑∑∑∑∑∑∑0

)????(0)????(0)?

???(0)????(221102221102122110122110ki ki k i i ki i i ki k i i i i i ki k i i i i ki

k i i i x x x x x y x x x x x y x x x x x y x x x y ββββββββββββββββ 正规方程组的矩阵形式如下：

B

?X X '=Y X ' 3-16．解：（1）证明：由参数估计公式可得下列参数估计值

1?)

()(?2

233232222332322

22332322223332223323222232332222-=-=

--=∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑βα

i

i

i

i

i i

i i

i

i

i i

i

i

i

i

i

i

i

i

i

i

i

i

i i

i

i

i i

i

i

i i i i

i i i i

x

x x

x x x x x x x x x x x x x x x x y x x x y x x x x x x x x

x y x

x x x y

x

3

233232223232222223323222332222233232222332222

23?)()(?βα

=-=

--=

∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑∑i

i

i

i

i i

i i i

i

i i

i

i

i

i

i

i

i

i

i

i

i

i i

i

i

i

i

i

i

i

i

i

i

i

i

i

i

i

x

x x

x x x x x x x x

x x x x x x x y x x x y x x x x x x x x x y x x x x y x

x

1

3

322332233221????)?1(???β

ββααααα

=--=-+-=---=x x y x x y x x x y

⑵证明：

i i

i i i i i i i i i i u

x x y x x y x x x y u

?????)?1(?????3322133221332212=---=-+--=----='βββααα

ααα

⑶设：i i i x y z 2-= I 式的拟合优度为：

∑∑--=-=2

22

1

)

(?11y y u TSS ESS R i i II 式的拟合优度为：

∑∑-'-=-=2

2

2

2

)

(?11z z u

TSS ESS R i i 在⑵中已经证得i i u u

'=??成立，即二式分子相同，若要模型II 的拟合优度小于模型I 的拟合优度，必须满足：

22)()(y y z z

i i

-<-∑∑。

3-17．答：⑴方程B 更合理些。原因是：方程B 中的参数估计值的符号与现实更接近些，如与日照的小时数同向变化，天长则慢跑的人会多些；与第二天需交学期论文的班级数成反向变化，这一点在学校的跑道模型中是一个合理的解释变量。

⑵解释变量的系数表明该变量的单位变化在方程中其他解释变量不变的条件下对被解释变量的影响，在方程A 和方程B 中由于选择了不同的解释变量，如方程A 选择的是“该天的最高温度”而方程B 选择的是“第二天需交学期论文的班级数”，由此造成与这两个变量之间的关系不同，所以用相同的数据估计相同的变量得到不同的符号。 3-18．答：将模型⑴改写成i i i i u x z y ++=-βα)2(，则的估计值为：

∑∑---=2

)

()2)((?x x z y x x i

i i

i

β

将模型⑵改写成i i i i u z x y +-+=)(βα，则的估计值为：

∑∑+--+--=2

)

()(?z x z x y

z x z x i

i

i

i

i

β

这两个模型都是三变量回归模型⑶在某种限制条件下的变形。如果限制条件正确，则前两个回归参数会更有效；如果限制条件不正确则前两个回归参数会有偏。

3-19．答：⑴答案并不唯一，猜测为：为学生数量，为附近餐厅的盒饭价格，为气温，为校

园内食堂的盒饭价格；

⑵理由是被解释变量应与学生数量成正比，并且应该影响显著；与本食堂盒饭价格成反比，这与需求理论相吻合；与附近餐厅的盒饭价格成正比，因为彼此是替代品；与气温的变化关系不是十分显著，因为大多数学生不会因为气温升高不吃饭。 3-22．解：⑴

7266.07578105506200.4796280096.848550

.47969.4250280346.74778?2323223223232322==

-??-?=

--=

∑∑∑∑∑∑∑∑i

i

i

i

i

i

i

i

i

i i

i

i x

x x x x x x x x y x x y β

7363

.275781020735800.4796280096.848550

.4796346.74778096.848559.4250?2

323223223222233==

-??-?=

--=

∑∑∑∑∑∑∑∑i

i

i

i

i

i

i

i

i

i i

i

i x

x x x x x x x x y x x y β

1572

.530.87363.2760.4027266.0693.367???3

3221=?-?-=--=X X Y βββ ⑵

3821

.612

9

.42507363.2346.747787266.0269.660423

15??33322222

=?-?-=

---=

-=

∑∑∑∑i

i i i i

i

x y x y y n e ββσ

768.1215

1

)()(211=??=

=σββA Var se 其中：∑∑∑∑∑∑∑-?-?+?=

i

i i i i i i

i i i x x x x x x x x X X x X x X A 32322322322

222322

同理，可得：0486.0)(2=βse ，8454.0)(3=βse

拟合优度为：9988.0??2

33222

=+=

∑∑∑i i

i i i y x y x y R ββ

9986.01

)

1(122=----=k

n n R R ⑶%5,12..==αf d ，查表得95.0)179.2(=≤t P

179.20486.07266.0179.22

≤-≤

-β，得到8325.06207.02≤≤β

179.28454.07363.2179.23

≤-≤-β，得到5784.48942.03≤≤β

8325.06207.0%9522≤≤∴ββ的置信区间为：，

5784.48942.0%9533≤≤ββ的置信区间为：

⑷)3,2,1(,0:0==i B H i ，0:1≠i B H

双边）%(5=α，12315..=-=f d 查表得临界值为179.2179.2≤≤-t

则：0:,179.20963.49768.120

1572.5311=∴>=-=

B t 拒绝零假设β

0:,179.29509.140486.007266.022=∴>=-=B t 拒绝零假设β

0:,179.22367.38454

.007363.233

=∴>=-=B t 拒绝零假设β

⑸所有的部分系数为0，即：0210===B B H ,等价于0:2

0=R H

方差来源 平方和 自由度 平方和的均值 来自回归 65963.018 2 32981.509 来自残差 79.2507 12 6.6042 总离差

66042.269

0203.49946042

.6509

.32981==

F ，12,2..%,5==f d α，临界值为3.89

F 值是显著的，所以拒绝零假设。

3-28．解：⑴在降雨量不变时，每亩增加一磅肥料将使第年的玉米产量增加0.1蒲式耳/亩；在每亩施肥量不变的情况下，每增加一英寸的降雨量将使第年的玉米产量增加5.33蒲式耳/亩；

⑵在种地的一年中不施肥、也不下雨的现象同时发生的可能性极小，所以玉米的负产量不可能存在；

⑶如果的真实值为0.40，并不能说明0.1是有偏的估计，理由是0.1是本题估计的参数，而

0.40是从总体得到的系数的均值。

⑷不一定。即便该方程并不满足所有的古典模型假设、不是最佳线性无偏估计值，也有可能得出的估计系数等于5.33。

3-29．解：⑴该方程组的矩阵向量形式为：

??

??

??????-=????????????????????893???611152121321βββ

??????????-=??????????-?????????

?=??????????-213893611152121???1321

βββ ⑵9.13

1382913353)(?2=-?-?-?-=--=k n RSS TSS σ

⑶的方差—协方差矩阵为：

????

??????----=??????????=X X '=---619.0225

.0675

.0225.0125.1475.2675.0475

.2525

.66111521219.1)(?)?(1

12σβ

Cov V

庞皓计量经济学课后答案第三章

统计学2班 第二次作业 1、?i =-151.0263 + 0.1179X 1i + 1.5452X 2i T= (-3.066806) (6.652983) (3.378064) R 2=0.934331 R 2=0.92964 F=191.1894 n=31 ⑴模型估计结果说明，各省市旅游外汇收入Y 受旅行社职工人数X 1，国际旅游人数X 2的影响。由所估计出的参数可知，在假定其他变量不变的情况下，当旅行社职工人数每增加1人，各省市旅游外汇收入增加0.1179百万美元。在嘉定其他变量不变的情况下。当国际旅游人数每增加1万人，各省市旅游外汇收入增加1.5452百万美元。 ⑵由题已知，估计的回归系数β1的T 值为：t （β1）=6.652983。 β2的T 值分为： t （β2）=3.378064。 α=0.05.查得自由度为n-2=22-2=29的临界值t 0.025(29)=2.045229 因为t （β1）=6.652983≥t 0.025(29)=2.045229.所以拒绝原假设H 0：β1=0。 表明在显著性水平α=0.05下，当其他解释变量不变的情况下，旅行社职工人数X 1对各省市旅游外汇收入Y 有显著性影响。 因为 t （β2）=3.378064≥t 0.025(29)=2.045229，所以拒绝原假设H 0：β2=0 表明在显著性水平α=0.05下，当其他解释变量不变的情况下，和国际旅游人数X 2对各省市旅游外汇收入Y 有显著性影响。 ⑶正对H O ：β1=β2=0，给定显著水性水平α=0.05，自由度为k-1=2,n-k=28的临界值 F 0.05（2,28）=3.34038。由题已知F=191.1894>F 0.05（2,28）=3.34038，应拒绝原假设 H O ：β1=β2=0，说明回归方程显著，即旅行社职工人数和旅游人数变量联合起来对各省市旅游外汇收入有显著影响。 2、⑴样本容量n=15 残差平方和RSS=66042-65965=77 回归平方和ESS 的自由度为K-1=2 残差平方和RSS 的自由度为n-k=13 ⑵可决系数R 2=TSS ESS =6604265965 =0.99883 调整的可决系数R 2=1-（1-R 2）k n n --1=1-（1-0.99883）1214=0.99863 ⑶利用可决系数R 2=0.99883，调整的可决系数R 2=0.99863，说明模型对样本的拟合很好。不能确定两个解释变量X 2和X 3个字对Y 都有显著影响。

计量经济学第三版庞皓

第二章简单线性回归模型 第一节回归分析与回归函数P15 （一）相关分析与回归分析 1、相关关系 2、相关系数 3、回归分析 （二）总体回归函数（条件期望） （三）随机扰动项 （四）样本回归函数 第二节简单线性回归模型参数的估计P26 （一）简单线性回归的基本假定 （二）普通最小二乘法求样本回归函数 （三）OLS回归线的性质 （四）最小二乘估计量的统计性质 1、参数估计量的评价标准（无偏性、有效性、一致性） 2、OLS估计量的统计特性（线性特性、无偏性、有效性、高斯-马尔可夫定理） 第三节拟合优度的度量（RSS、ESS、TSS）P35 （一）总变差的分解 （二）可决系数 （三）可决系数与相关系数的关系 第四节回归系数的区间估计与假设检验P38 （一）OLS估计的分布性质 （二）回归系数的区间估值 （三）回归系数的假设检验 1、Z检验 2、t检验 第五节回归模型预测P43 第六节案例分析P48 第三章多元线性回归模型 第一节多元线性回归模型及古典假定P64 一、多元线性回归模型 二、多元线性回归模型的矩阵形式 三、多元线性回归模型的古典假定 第二节多元线性回归模型的估计P68 一、多元线性回归性参数的最小二乘估计 二、参数最小二乘估计的性质（线性特性、无偏性、有效性） 三、OLS估计的分布性质 四、随机扰动项方差的估计 五、多元线性回归模型参数的区间估计

第三节多元线性回归模型的检验P74 一、拟合优度检验（多重可决系数、修正的可决系数） 二、回归方程的显著性检验（F-检验） 三、回归参数的显著性检验（t-检验） 第四节多元线性回归模型的预测P79 第五节案例分析P81 第四章多重共线性第一节什么是多重共线性P94 第二节多重共线性产生的后果 第三节多重共线性的检验 第四节多重共线性的补救措施 第五节案例分析P109

计量经济学第三章练习题与参考全部解答

第三章练习题及参考解答 3.1为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t=(-3.066806) (6.652983) (3.378064) R 2=0.934331 92964.02 =R F=191.1894 n=31 1)从经济意义上考察估计模型的合理性。 2)在5%显著性水平上，分别检验参数21,ββ的显著性。 3)在5%显著性水平上，检验模型的整体显著性。 练习题3.1参考解答: (1)由模型估计结果可看出：从经济意义上说明，旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来，旅行社职工人数增加1人，旅游外汇收入将增加0.1179百万美元；国际旅游人数增加1万人次，旅游外汇收入增加1.5452百万美元。这与经济理论及经验符合，是合理的。 （2）取05.0=α ，查表得048.2)331(025.0=-t 因为3个参数t 统计量的绝对值均大于048.2)331(025.0=-t ，说明经t 检验3个参数均显著不为0，即旅行社职工人数和国 际旅游人数分别对旅游外汇收入都有显著影响。 （3）取05.0=α ，查表得34.3)28,2(05.0=F ，由于34.3)28,2(1894.19905.0=>=F F ，说明旅行社职工人数和 国际旅游人数联合起来对旅游外汇收入有显著影响，线性回归方程显著成立。 3.2 表3.6给出了有两个解释变量 2X 和.3X 的回归模型方差分析的部分结果： 表3.6 方差分析表 1）回归模型估计结果的样本容量n 、残差平方和RSS 、回归平方和ESS 与残差平方和RSS 的自由度各为多少? 2）此模型的可决系数和调整的可决系数为多少? 3）利用此结果能对模型的检验得出什么结论?能否确定两个解释变量 2X 和.3X 各自对Y 都有显著影响? 练习题3.2参考解答: (1) 因为总变差的自由度为14=n-1，所以样本容量：n=14+1=15 因为 TSS=RSS+ESS 残差平方和RSS=TSS-ESS=66042-65965=77 回归平方和的自由度为：k-1=3-1=2 残差平方和RSS 的自由度为：n-k=15-3=12 （2）可决系数为：2 65965 0.99883466042 ES R TSS S = == 修正的可决系数：2 2 2115177 110.998615366042 i i e n R n k y --=- =-?=--∑∑ （3）这说明两个解释变量2X 和.3X 联合起来对被解释变量有很显著的影响，但是还不能确定两个解释变量2X 和.3X 各 自对Y 都有显著影响。

庞皓计量经济学 第三章练习题及参考解答 (第3版)

第三章练习题及参考解答 3.1 第三章的“引子”中分析了，经济增长、公共服务、市场价格、交通状况、社会环境、政策因素，都会影响中国汽车拥有量。为了研究一些主要因素与家用汽车拥有量的数量关系，选择“百户拥有家用汽车量”、“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量，2011年全国各省市区的有关数据如下： 表3.6 2011年各地区的百户拥有家用汽车量等数据 资料来源:中国统计年鉴2012.中国统计出版社

1）建立百户拥有家用汽车量计量经济模型,估计参数并对模型加以检验，检验结论 的依据是什么?。 2)分析模型参数估计结果的经济意义,你如何解读模型估计检验的结果? 3) 你认为模型还可以如何改进? 【练习题3.1参考解答】: 1)建立线性回归模型: 1223344t t t t t Y X X X u ββββ=++++ 回归结果如下: 由F 统计量为17.87881, P 值为0.000001,可判断模型整体上显著, “人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量联合起来对百户拥有家用汽车量有显著影响。解释变量参数的t 统计量的绝对值均大于临界值0.025(27) 2.052t =,或P 值均明显小于0.05α=，表明在其他变量不变的情况下,“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”分别对百户拥有家用汽车量都有显著影响。 2）X2的参数估计值为5.9911,表明随着经济的增长,人均地区生产总值每增加1万元,平均说来百户拥有家用汽车量将增加近6辆。由于城镇公共交通的大力发展,有减少家用汽车的必要性,X3的参数估计值为-0.5231,表明随着城镇化的推进,“城镇人口比重”每增加1%,平均说来百户拥有家用汽车量将减少0.5231辆。汽车价格和使用费用的提高将抑制家用汽车的使用, X4的参数估计值为-2.2677,表明随着家用汽车使用成本的提高, “交通工具消费价格指数”每增加1个百分点,平均说来百户拥有家用汽车量将减少2.2677辆。 3)模型的可决系数为0.6652,说明模型中解释变量变解释了百户拥有家用汽车量变动的66.52%,还有33.48%未被解释。影响百户拥有家用汽车量的因素可能还有交通状况、社会环境、政策因素等，还可以考虑纳入一些解释变量。但是使用更多解释变量或许会面临某些基本假定的违反,需要采取一些其他措施。

计量经济学(第四版)习题及参考答案详细版

计量经济学（第四版）习题参考答案 潘省初

第一章 绪论 1.1 试列出计量经济分析的主要步骤。 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 计量经济模型中为何要包括扰动项? 为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3什么是时间序列和横截面数据? 试举例说明二者的区别。 时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4估计量和估计值有何区别？ 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则 根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。 第二章 计量经济分析的统计学基础 2.1 略，参考教材。

2.2请用例2.2中的数据求北京男生平均身高的99％置信区间 N S S x = =45 =1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？ 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/25X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？ 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。

计量经济学第三章课后习题详解

第三章习题 3.1 2011年各地区的百户拥有家用汽车量等数据 北京37.71 8.05 86.20 95.92 天津20.62 8.34 80.50 103.57 河北23.32 3.39 45.60 99.03 山西18.60 3.13 49.68 98.96 19.62 5.79 56.62 99.11 内蒙 古 辽宁11.15 5.07 64.05 100.12 吉林11.24 3.84 53.40 97.15 黑龙 5.29 3.28 5 6.50 100.54 江 上海18.15 8.18 89.30 101.58 江苏23.92 6.22 61.90 98.95 浙江33.85 5.92 62.30 96.69 安徽9.20 2.56 44.80 100.25 福建17.83 4.72 58.10 100.75 江西8.88 2.61 45.70 100.91 山东28.12 4.71 50.95 98.50 河南14.06 2.87 40.57 100.59 湖北9.69 3.41 51.83 101.15 湖南12.82 2.98 45.10 100.02 广东30.71 5.07 66.50 97.55 广西17.24 2.52 41.80 102.28 海南15.82 2.88 50.50 102.06 重庆10.44 3.43 55.02 99.12 四川12.25 2.61 41.83 99.76 贵州10.48 1.64 34.96 100.71 云南23.32 1.92 36.80 96.25 西藏25.30 2.00 22.71 99.95 陕西12.22 3.34 47.30 101.59 甘肃7.33 1.96 37.15 100.54 青海 6.08 2.94 46.22 100.46 宁夏12.40 3.29 49.82 100.99 新疆12.32 2.99 43.54 100.97 一、研究的目的和要求 经济增长，公共服务、市场价格、交通状况，社会环境、政策因素都会影响中国汽车拥有量。为了研究一些主要因素与家用汽车拥有量的数量关系，选择“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”等变量来进行研究和分析。 为了研究影响2011年各地区的百户拥有家用汽车量差异的主要原因，分析2011年各地区的百户拥有家用汽车量增长的数量规律，预测各地区的百户拥有家用汽车量的增长趋势，需要建立计量经济模型。 二、模型设定 为了探究影响2011年各地区的百户拥有家用汽车量差异的主要原因，选择百户拥有家用汽车量为被解释变量，人均GDP、城镇人口比重、交通工具消费价格指数为解释变量。

计量经济学_庞皓_第三版(附答案)

第二章简单线性回归模型 2.1 （1）①首先分析人均寿命与人均GDP的数量关系，用Eviews分析：Dependent Variable: Y Method: Least Squares Date: 12/27/14 Time: 21:00 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001 R-squared 0.526082 Mean dependent var 62.50000 Adjusted R-squared 0.502386 S.D. dependent var 10.08889 S.E. of regression 7.116881 Akaike info criterion 6.849324 Sum squared resid 1013.000 Schwarz criterion 6.948510 Log likelihood -73.34257 Hannan-Quinn criter. 6.872689 F-statistic 22.20138 Durbin-Watson stat 0.629074 Prob(F-statistic) 0.000134 有上可知，关系式为y=56.64794+0.128360x1 ②关于人均寿命与成人识字率的关系，用Eviews分析如下：Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 21:10 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000 R-squared 0.716825 Mean dependent var 62.50000 Adjusted R-squared 0.702666 S.D. dependent var 10.08889 S.E. of regression 5.501306 Akaike info criterion 6.334356 Sum squared resid 605.2873 Schwarz criterion 6.433542 Log likelihood -67.67792 Hannan-Quinn criter. 6.357721 F-statistic 50.62761 Durbin-Watson stat 1.846406 Prob(F-statistic) 0.000001 由上可知，关系式为y=38.79424+0.331971x2 ③关于人均寿命与一岁儿童疫苗接种率的关系，用Eviews分析如下：

计量经济学第13节习题答案Word版

习题答案 第一章 绪论 1.1 一般说来，计量经济分析按照以下步骤进行： （1）陈述理论（或假说） （2）建立计量经济模型 （3）收集数据 （4）估计参数 （5）假设检验 （6）预测和政策分析 1.2 我们在计量经济模型中列出了影响因变量的解释变量，但它（它们）仅是影响因变量的主要因素，还有很多对因变量有影响的因素，它们相对而言不那么重要，因而未被包括在模型中。为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。 横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4 估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130， 则根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。

第二章 计量经济分析的统计学基础 2.1 略，参考教材。 2.2 N S S x = = 4 5 =1.25 用 =0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/2510/25 X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即 此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?480/16 X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假 设,即从上次调查以来，平均月销售额没有发生变化。

计量经济学第三章课后习题

（1）估计回归方程的参数及随机干扰项的方差∧2σ，计算2R及2R。（2）对方程进行F检验，对参数进行t检验，并构造参数95%的置信区间。 （3）如果商品单价变为35元，则某一月收入为20000元的家庭消费支出估计是多少？构造该估计值的95%的置信区间。（个值与均值）R代码与输出结果： x1=c(23.56,24.44,32.07,32.46,31.15,34.14,35.3,38.7,39.63,46.68) x2=c(7620,9120,10670,11160,11900,12920,14340,15960,18000,19300) y=c(591.9,654.5,623.6,647,674,644.4,680,724,757.1,706.8) nx1=length(x1) nx2=length(x2) ny=length(y) nx1;nx2;ny lm.1=lm(y~x1+x2) summary(lm.1) Call: lm(formula = y ~ x1 + x2) Residuals: Min 1Q Median 3Q Max -22.014 -14.084 4.591 10.502 19.640

Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 626.509285 40.130100 15.612 1.07e-06 *** x1 -9.790570 3.197843 -3.062 0.01828 * x2 0.028618 0.005838 4.902 0.00175 ** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’1 Residual standard error: 17.39 on 7 degrees of freedom Multiple R-squared: 0.9022, Adjusted R-squared: 0.8743 F-statistic: 32.29 on 2 and 7 DF, p-value: 0.0002923 由输出结果显示，两个解释变量的估计值为-9.79057、0.028618。对方程进行F检验，其中F统计量的值为32.29，P值为0.0002923小于0.05，拒绝原假设，即认为该方程显著；对参数进行t检验，其P 值分别为0.01828、0.00175，均小于0.05，则拒绝原假设，即该回归参数显著。 anova(lm.1)#方差分析表 Analysis of Variance Table Response: y Df Sum Sq Mean Sq F value Pr(>F) x1 1 12265.1 12265.1 40.558 0.0003785 ***

计量经济学庞皓第三版课后答案解析

第二章 简单线性回归模型 2.1 （1） ①首先分析人均寿命与人均GDP 的数量关系，用Eviews 分析： Dependent Variable: Y Method: Least Squares Date: 12/27/14 Time: 21:00 Sample: 1 22 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 56.64794 1.960820 28.88992 0.0000 X1 0.128360 0.027242 4.711834 0.0001 R-squared 0.526082 Mean dependent var 62.50000 Adjusted R-squared 0.502386 S.D. dependent var 10.08889 S.E. of regression 7.116881 Akaike info criterion 6.849324 Sum squared resid 1013.000 Schwarz criterion 6.948510 Log likelihood -73.34257 Hannan-Quinn criter. 6.872689 F-statistic 22.20138 Durbin-Watson stat 0.629074 Prob(F-statistic) 0.000134 有上可知，关系式为y=56.64794+0.128360x 1 ②关于人均寿命与成人识字率的关系，用Eviews 分析如下： Dependent Variable: Y Method: Least Squares Date: 11/26/14 Time: 21:10 Sample: 1 22 Included observations: 22 Variable Coefficien t Std. Error t-Statistic Prob. C 38.79424 3.532079 10.98340 0.0000 X2 0.331971 0.046656 7.115308 0.0000 R-squared 0.716825 Mean dependent var 62.50000 Adjusted R-squared 0.702666 S.D. dependent var 10.08889 S.E. of regression 5.501306 Akaike info criterion 6.334356 Sum squared resid 605.2873 Schwarz criterion 6.433542 Log likelihood -67.67792 Hannan-Quinn criter. 6.357721

《计量经济学》第三版课后题答案

第一章绪论 参考重点： 计量经济学的一般建模过程 第一章课后题（1.4.5） 1.什么是计量经济学？计量经济学方法与一般经济数学方法有什么区别？ 答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，是由经济学、统计学和数学三者结合而成的交叉学科。 计量经济学方法揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述；一般经济数学方法揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。 4.建立与应用计量经济学模型的主要步骤有哪些？ 答：建立与应用计量经济学模型的主要步骤如下：(1)设定理论模型，包括选择模型所包含的变量，确定变量之间的数学关系和拟定模型中待估参数的数值范围；(2)收集样本数据，要考虑样本数据的完整性、准确性、可比性和—致性；(3)估计模型参数；(4)检验模型，包括经济意义检验、统计检验、计量经济学检验和模型预测检验。 5.模型的检验包括几个方面？其具体含义是什么？ 答：模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号与大小是否与根据人们的经验和经济理论所拟订的期望值相符合；在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质；在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等；模型的预测检验主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 第二章经典单方程计量经济学模型：一元线性回归模型参考重点： 1.相关分析与回归分析的概念、联系以及区别？ 2.总体随机项与样本随机项的区别与联系？

第三章计量经济学练习题参考解答教学资料

第三章计量经济学练习题参考解答

第三章练习题参考解答 练习题 3.1为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t=(-3.066806) (6.652983) (3.378064) R 2=0.934331 92964.02=R F=191.1894 n=31 （1）从经济意义上考察估计模型的合理性。 （2）在5%显著性水平上，分别检验参数21,ββ的显著性。 （3）在5%显著性水平上，检验模型的整体显著性。 3.2根据下列数据试估计偏回归系数、标准误差，以及可决系数与修正的可决系数： 367.693Y =， 1402.760X =， 28.0X =， 15n =， 2()66042.269i Y Y -=∑， 211()84855.096i X X -=∑， 222()280.000i X X -=∑， 11()()74778.346i i Y Y X X --=∑， 22()()4250.900i i Y Y X X --=∑， 1122()()4796.000i i X X X X --=∑ 3.3 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：

(1) 建立家庭书刊消费的计量经济模型； （2）利用样本数据估计模型的参数； （3）检验户主受教育年数对家庭书刊消费是否有显著影响； （4）分析所估计模型的经济意义和作用 3.4 考虑以下“期望扩充菲利普斯曲线（Expectations-augmented Phillips curve ）”模型： t t t t u X X Y +++=33221βββ 其中：t Y =实际通货膨胀率（%）；t X 2=失业率（%）；t X 3=预期的通货膨胀率（%） 下表为某国的有关数据， 表1. 1970-1982年某国实际通货膨胀率Y (%)，

第三章答案计量经济学

3.8表1中列出了1995年北京市规模最大的20家百货零售商店的商品销售收入X和销售利润Y的统计资料。 表格 1 （1）根据Y，X的相关图分析异方差性； （2）利用Goldfeld-Quandt检验，White检验，Park检验和Gleiser检验进行异方差性检验； （3）利用WLS方法估计利润函数. 答： (1)由相关图初步判断模型存在递增型异方差

（2）Goldfeld-Quandt检验 中间剔除的数据个数C=20/4=5 则样本1和样本2的样本数为(20-5)/2=7 操作步骤： Smpl 1 7 Ls y c x 得到RSS1=0.858264 Smpl 14 20 Ls y c x 得到RSS2=38.08500

Smpl 1 20 Genr f=38.08500/0.858264 得到：F=38.08500/0.858264=44.3745，大于)117,117(05.0----F =5.05，表明模型存在递增型异方差。 White 检验 操作步骤 LS Y C X 方程窗口下拉View\residual test\ White Heteroskedasticity Test nR 2=8.413667，其伴随概率为0.014893，小于给定的显著性水平α=0.05，拒绝原 假设，认为回归模型存在异方差。 Park 方法： 操作步骤 Ls y c x Genr lne2=log(resid^2) Genr lnx=log(x) Ls lne2 c lnx

①Ln(e 2t )=-7.6928+1.83936Ln(x t ) R 2=0.365421，F=10.36527，prob (F)=0.004754 Gleises 方法： 操作步骤 Ls y c x Genr e1=abs(resid) Ls e1 c x Ls e1 c x^(1/2) Ls e1 c x^2 ②t e =-0.03529+0.01992x t R 2=0.5022， F=18.15856，prob(F)=0.000047 ③t e =-1.25044+0.32653t X

计量经济学第三章课后习题详解

2011年各地区的百户拥有家用汽车量等数据 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏 新疆 一、 研究的目的和要求 经济增长，公共服务、市场价格、交通状况，社会环境、政策因素都会影响中国汽车拥有量。为了研 究一些主要因素与家用汽车拥有量的数量关系，选择“人均地区生产总值” 、“城镇人口比重”、“交通工具 消费价格指数”等变量来进行研究和分析。 为了研究影响2011年各地区的百户拥有家用汽车量差异的主要原因，分析 2011年各地区的百户拥有 家用汽车量增长的数量规律，预测各地区的百户拥有家用汽车量的增长趋势，需要建立计量经济模型。 二、 模型设定 为了探究影响2011年各地区的百户拥有家用汽车量差异的主要原因，选择百户拥有家用汽车量为被 解释变量，人均 GDR 城镇人 口比重、交通工具消费价格指数为解释变量。 首先，建立工作文件、选择数据类型“ integer data ”、“Start date ”中输入“ 1 ”，“End date ”中

3> 输入“ 31” ,在EViews 命令框直接键入“ data Y X2 X3 X4 ”，在对应的“ Y X2 X3 X4 ”下输入或粘贴相应 的数据。 探索将模型设定为线性回归模型形式： |Yt"=El 彳 映t 十" P4X4L + U L 三、 估计参数 在命令框中输入“ LS Y C X2 X3 X4 ” ,回车即出现下面的回归结果： 根据数据，模型估计的结果写为： Y t - 246.8540 1 5.99686SX, 0. 524027X 5 2.265680：<4 F= n=31 四、 1. （1） 模型检验 统计检验 拟合优度：由上表中的 数据可以得到：I 询=，修正的可决系数为 同=，这说明模型对样本的拟合一般。说明解释变量“人 均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数”联合起来对被解释变量“百户拥 有家用汽车量”做了绝大部分的解释。 (2) F 检验：针对 1切B 2 - B B “=0,给定显著水平a =，在F 分布表中查出自由度为 k-1=3和n-k=27的临界值卜n （3,27）=，由上表可知 F=> （3,27）=,应拒绝原假设 卩！=0,说明回归方程显 著，即“人均地区生产总值”、“城镇人口比重”、“交通工具消费价格指数” “百户拥有家用汽车量”确实有显著影响。 变量联合起来确实对 (3) t 检验：分别针对 4=0，给定显著水平a =查t 分布表得自由度为 n-k=31-4=27 临界值 (4) T- * to. 03 ~(n-k)= T" t-- to. 03 ~(n-k)= (27)=,与趴、B A B 弘& 4对应的t 统计量分别为、、 、，其绝对值均大于 （27）=，这说明在显著性水平 乜=下，分别都应当拒绝 I ： : - .. =0， 也就是说，当在其他解释变量不变的情况下，解释变量“人均地区生产总值” （X2）、“城镇人口比 重”（X3）、“交通工具消费价格指数” （X4）分别对被解释变量“百户拥有家用汽车量”（ Y ）都 有显著的影响。 p 值判断：与 Bi 、仏 B A 对应的P 值分别为：、、、，均，表明在小于，表明在显著水平 应解释变量对被解释变量影响显著。 检 验的依据： 1> 合程度越好。 2> =的水平下，对 可决系数越大，说明拟 F 的值与临界值比较, 若大于临界值，则否定原假设，回归方程是显著的；若小于临界值，则接受原假设，回归方程不显著。 t 的值与临界值比较, 若 大于临界值，则否定原假设，系数都是显著地；若小于临界值，则接受原假设，系数不显著。

计量经济学第三章练习题及参考全部解答

第三章练习题及参考解答 为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y ，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下： i i i X X Y 215452.11179.00263.151?++-= t= R 2 = 92964.02 =R F= n=31 1)从经济意义上考察估计模型的合理性。 2)在5%显著性水平上，分别检验参数21,ββ的显著性。 3)在5%显著性水平上，检验模型的整体显著性。 练习题参考解答: (1)由模型估计结果可看出：从经济意义上说明，旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来，旅行社职工人数增加1人，旅游外汇收入将增加百万美元；国际旅游人数增加1万人次，旅游外汇收入增加百万美元。这与经济理论及经验符合，是合理的。 （2）取05.0=α ，查表得048.2)331(025.0=-t 因为3个参数t 统计量的绝对值均大于048.2)331(025.0=-t ，说明经t 检验3个参数均显著不为0，即旅行社职工人数 和国际旅游人数分别对旅游外汇收入都有显著影响。 （3）取05.0=α ，查表得34.3)28,2(05.0=F ，由于34.3)28,2(1894.19905.0=>=F F ，说明旅行社职工 人数和国际旅游人数联合起来对旅游外汇收入有显著影响，线性回归方程显著成立。 表给出了有两个解释变量 2X 和.3X 的回归模型方差分析的部分结果： 1）回归模型估计结果的样本容量n 、残差平方和RSS 、回归平方和ESS 与残差平方和RSS 的自由度各为多少 2）此模型的可决系数和调整的可决系数为多少 3）利用此结果能对模型的检验得出什么结论能否确定两个解释变量 2X 和.3X 各自对Y 都有显著影响 练习题参考解答: (1) 因为总变差的自由度为14=n-1，所以样本容量：n=14+1=15 因为 TSS=RSS+ESS 残差平方和RSS=TSS-ESS=66042-65965=77 回归平方和的自由度为：k-1=3-1=2 残差平方和RSS 的自由度为：n-k=15-3=12 （2）可决系数为：2 65965 0.99883466042 ES R TSS S = == 修正的可决系数：2 2 2115177 110.998615366042 i i e n R n k y --=- =-?=--∑∑ （3）这说明两个解释变量2X 和.3X 联合起来对被解释变量有很显著的影响，但是还不能确定两个解释变量2X 和.3X 各 自对Y 都有显著影响。

计量经济学-第三章

第三章、经典单方程计量经济学模型：多元线性回归模型 例1．某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为 fedu medu sibs edu 210.0131.0094.036.10++-= R 2=0.214 式中，edu 为劳动力受教育年数，sibs 为该劳动力家庭中兄弟姐妹的个数，medu 与fedu 分别为母亲与父亲受到教育的年数。问 （1）sibs 是否具有预期的影响？为什么？若medu 与fedu 保持不变，为了使预测的受教育水平减少一年，需要sibs 增加多少？ （2）请对medu 的系数给予适当的解释。 （3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数为12年，另一个的父母受教育的年数为16年，则两人受教育的年数预期相差多少？ 解答：（1）预期sibs 对劳动者受教育的年数有影响。因此在收入及支出预算约束一定的条件下，子女越多的家庭，每个孩子接受教育的时间会越短。 根据多元回归模型偏回归系数的含义，sibs 前的参数估计值-0.094表明，在其他条件不变的情况下，每增加1个兄弟姐妹，受教育年数会减少0.094年，因此，要减少1年受教育的时间，兄弟姐妹需增加1/0.094=10.6个。 （2）medu 的系数表示当兄弟姐妹数与父亲受教育的年数保持不变时，母亲每增加1年受教育的机会，其子女作为劳动者就会预期增加0.131年的教育机会。 （3）首先计算两人受教育的年数分别为 10.36+0.131?12+0.210?12=14.452 10.36+0.131?16+0.210?16=15.816 因此，两人的受教育年限的差别为15.816-14.452=1.364 例2．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： 099 .0)046.0() 22.0() 37.1(05.0)log(32.0472.022 1=++=R X X Y 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(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?Y=0.32?log(X1)≈0.32(?X1/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H1：01>β，检验原假设H0：01=β。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。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