1、三、判斷題（判斷下列(xili)命題正誤，并說明理由）1、簡單線性回歸模型與多元(du yun)線性回歸模型的基本假定是相同的。2、在模型中引入解釋變量(binling)的多個滯后項容易產(chǎn)生多重共線性。3、D-W檢驗中的D-W值在0到4之間，數(shù)值越小說明模型隨機誤差項的自相關(guān)度越小，數(shù)值越大說明模型隨機誤差項的自相關(guān)度越大。 4、在計量經(jīng)濟模型中，隨機擾動項與殘差項無區(qū)別。5、在經(jīng)濟計量分析中，模型參數(shù)一旦被估計出來，就可將估計模型直接運用于實際的計量經(jīng)濟分析。6、線性回歸模型意味著因變量是自變量的線性函數(shù)。7、多重共線性問題是隨機擾動項違背古典假定引起的。8、通過虛擬變量將屬性因素引入計量經(jīng)

2、濟模型，引入虛擬變量的個數(shù)與樣本容量大小有關(guān)。 9、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗與斜率系數(shù)的顯著性檢驗是一致的。10、如果聯(lián)立方程模型中某個結(jié)構(gòu)方程包含了所有的變量, 則這個方程不可識別。11、在實際中，一元回歸沒什么用，因為因變量的行為不可能僅由一個解釋變量來解釋。12、多重共線性問題是隨機擾動項違背古典假定引起的13、在異方差性的情況下，常用的OLS法必定高估了估計量的標準誤。14、虛擬變量只能作為解釋變量。15、隨機擾動項的方差與隨機擾動項方差的無偏估計沒有區(qū)別。16、經(jīng)典線性回歸模型（CLRM）中的干擾項不服從正態(tài)分布的，OLS估計量將有偏的。17、虛擬變量的取值只能取

3、0或1。18、擬合優(yōu)度檢驗和F檢驗是沒有區(qū)別的。19、聯(lián)立方程組模型不能直接用OLS方法估計參數(shù)。20、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗與斜率系數(shù)的顯著性檢驗是一致的；21、多重共線性問題是隨機擾動項違背古典假定引起的。22、在模型的回歸分析結(jié)果報告中，有，則表明解釋變量 對的影響是顯著的。 23、結(jié)構(gòu)(jigu)型模型中的每一個方程都稱為結(jié)構(gòu)式方程，結(jié)構(gòu)方程中，解釋變量只可以是前定變量。24、通過(tnggu)虛擬變量將屬性因素引入計量經(jīng)濟模型，引入虛擬變量的個數(shù)與模型(mxng)有無截距項無關(guān)。25、在對參數(shù)進行最小二乘估計之前，沒有必要對模型提出古典假定26、當異方差出現(xiàn)時，

4、常用的t和F檢驗失效；27、解釋變量與隨機誤差項相關(guān)，是產(chǎn)生多重共線性的主要原因。28、經(jīng)典線性回歸模型（CLRM）中的干擾項不服從正態(tài)分布的，OLS估計量將有偏的。29、由間接最小二乘法與兩階段最小二乘法得到的估計量都是無偏估計。30、在異方差性的情況下，常用的OLS法必定高估了估計量的標準誤。31、即使經(jīng)典線性回歸模型（CLRM）中的干擾項不服從正態(tài)分布的，OLS估計量仍然是無偏的。變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗與斜率系數(shù)的顯著性檢驗是一致的。33、多重共線性問題是隨機擾動項違背古典假定引起的；34、秩條件是充要條件，因此利用秩條件就可以完成聯(lián)立方程識別狀態(tài)的確定。35、在經(jīng)濟

5、計量分析中，模型參數(shù)一旦被估計出來，就可將估計模型直接運用于實際的計量經(jīng)濟分析。36、假定個人服裝支出同收入水平和性別有關(guān)，由于性別是具有兩種屬性（男、女）的定性因素，因此，用虛擬變量回歸方法分析性別對服裝支出的影響時，需要引入兩個虛擬變量。37、雙變量模型中，對樣本回歸函數(shù)整體的顯著性檢驗與斜率系數(shù)的顯著性檢驗是一致的。38、隨機擾動項的方差與隨機擾動項方差的無偏估計沒有區(qū)別。39、經(jīng)典線性回歸模型（CLRM）中的干擾項不服從正態(tài)分布的，OLS估計量將有偏的。40、在簡單線性回歸中可決系數(shù)與斜率系數(shù)的t檢驗的沒有關(guān)系。41、異方差性、自相關(guān)性都是隨機誤差現(xiàn)象，但兩者是有區(qū)別的。42、通過虛擬

6、變量將屬性因素引入計量經(jīng)濟模型，引入虛擬變量的個數(shù)與模型有無截距項無關(guān)。43、滿足(mnz)階條件的方程一定可以識別。44、庫依克模型、自適應(yīng)預(yù)期模型與局部調(diào)整模型的最終(zu zhn)形式是不同的。45、半對數(shù)(du sh)模型中，參數(shù)的含義是X的絕對量變化，引起Y的絕對量變化。46、對已經(jīng)估計出參數(shù)的模型不需要進行檢驗。47、經(jīng)典線性回歸模型（CLRM）中的干擾項不服從正態(tài)分布的，OLS估計量將有偏的。48、在有M個方程的完備聯(lián)立方程組中，當識別的階條件為（H為聯(lián)立方程組中內(nèi)生變量和前定變量的總數(shù)，為第i個方程中內(nèi)生變量和前定變量的總數(shù)）時，則表示第i個方程不可識別。 49、隨機誤差項和殘

7、差是有區(qū)別的。四、計算分析題1、根據(jù)某城市19781998年人均儲蓄(y)與人均收入(x)的數(shù)據(jù)資料建立了如下回歸模型 se=（340.0103）（0.0622）試求解以下問題取時間段19781985和19911998，分別建立兩個模型。模型1： 模型2： t=（-8.7302）（25.4269） t=（-5.0660）（18.4094） 計算(j sun)F統(tǒng)計量，即，對給定(i dn)的，查F分布(fnb)表，得臨界值。請你繼續(xù)完成上述工作，并回答所做的是一項什么工作，其結(jié)論是什么？ （2）根據(jù)表1所給資料，對給定的顯著性水平，查分布表，得臨界值，其中p=3為自由度。請你繼續(xù)完成上述工作，

8、并回答所做的是一項什么工作，其結(jié)論是什么？表1ARCH Test:F-statistic6.033649 Probability0.007410Obs*R-squared10.14976 Probability0.017335Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/04/06 Time: 17:02Sample(adjusted): 1981 1998Included observations: 18 after adjusting endpointsVariableCoefficientStd

9、. Errort-StatisticProb. C244797.2373821.30.6548510.5232RESID2(-1)1.2260480.3304793.7099080.0023RESID2(-2)-1.4053510.379187-3.7062220.0023RESID2(-3)1.0158530.3280763.0963970.0079R-squared0.563876 Mean dependent var971801.3Adjusted R-squared0.470421 S.D. dependent var1129283.S.E. of regression821804.5

10、 Akaike info criterion30.26952Sum squared resid9.46E+12 Schwarz criterion30.46738Log likelihood-268.4257 F-statistic6.033649Durbin-Watson stat2.124575 Prob(F-statistic)0.0074102、根據(jù)某地區(qū)居民對農(nóng)產(chǎn)品的消費y和居民收入x的樣本資料，應(yīng)用最小二乘法估計模型，估計結(jié)果如下，擬合效果見圖。由所給資料完成以下問題：在n=16，的條件(tiojin)下，查D-W表得臨界值分別為，試判斷模型(mxng)中是否存在自相關(guān)；如果(rg

11、u)模型存在自相關(guān)，求出相關(guān)系數(shù)，并利用廣義差分變換寫出無自相關(guān)的廣義差分模型。se=（1.8690）（0.0055） 3、某人試圖建立我國煤炭行業(yè)生產(chǎn)方程，以煤炭產(chǎn)量為被解釋變量，經(jīng)過理論和經(jīng)驗分析，確定以固定資產(chǎn)原值、職工人數(shù)和電力消耗量變量作為解釋變量，變量的選擇是正確的。于是建立了如下形式的理論模型：煤炭產(chǎn)量= 固定資產(chǎn)原值+ 職工人數(shù)+ 電力消耗量+，選擇2000年全國60個大型國有煤炭企業(yè)的數(shù)據(jù)為樣本觀測值；固定資產(chǎn)原值用資產(chǎn)形成年當年價計算的價值量，其它采用實物量單位；采用OLS方法估計參數(shù)。指出該計量經(jīng)濟學(xué)問題中可能存在的主要錯誤，并簡單說明理由。4、根據(jù)某種商品銷售量和個人收

12、入的季度數(shù)據(jù)建立如下模型： 其中，定義虛擬變量為第i季度時其數(shù)值取1，其余為0。這時會發(fā)生什么問題，參數(shù)是否能夠用最小二乘法進行估計？5、根據(jù)(gnj)某城市19781998年人均(rn jn)儲蓄與人均收入的數(shù)據(jù)資料建立了如下回歸模型： se=（340.0103）（0.0622）試求解(qi ji)以下問題：取時間段19781985和19911998，分別建立兩個模型。 模型1： t=（-8.7302）（25.4269） 模型2： t=（-5.0660）（18.4094） 計算F統(tǒng)計量，即，給定，查F分布表，得臨界值。請你繼續(xù)完成上述工作，并回答所做的是一項什么工作，其結(jié)論是什么？利用y對x

13、回歸所得的殘差平方構(gòu)造一個輔助回歸函數(shù)： 計算給定顯著性水平，查分布表，得臨界值，其中p=3，自由度。請你繼續(xù)完成上述工作，并回答所做的是一項什么工作，其結(jié)論是什么？（3）試比較（1）和（2）兩種方法，給出簡要評價。6、Sen和Srivastava（1971）在研究貧富國之間期望壽命的差異時，利用101個國家的數(shù)據(jù)，建立了如下的回歸模型：(4.37) (0.857) (2.42) R2=0.752其中(qzhng)：X是以美元計的人均收入；Y是以年計的期望(qwng)壽命；Sen和Srivastava 認為(rnwi)人均收入的臨界值為1097美元（），若人均收入超過1097美元，則被認定為富

14、國；若人均收入低于1097美元，被認定為貧窮國。（括號內(nèi)的數(shù)值為對應(yīng)參數(shù)估計值的t-值）。（1）解釋這些計算結(jié)果。（2）回歸方程中引入的原因是什么？如何解釋這個回歸解釋變量？（3）如何對貧窮國進行回歸？又如何對富國進行回歸？7、某公司想決定在何處建造一個新的百貨店，對已有的30個百貨店的銷售額作為其所處地理位置特征的函數(shù)進行回歸分析，并且用該回歸方程作為新百貨店的不同位置的可能銷售額，估計得出（括號內(nèi)為估計的標準差） （0.02） （0.01） （1.0） （1.0）其中：第個百貨店的日均銷售額（百美元）；第個百貨店前每小時通過的汽車數(shù)量（10輛）； 第個百貨店所處區(qū)域內(nèi)的人均收入（美元）；

15、第個百貨店內(nèi)所有的桌子數(shù)量； 第個百貨店所處地區(qū)競爭店面的數(shù)量；請回答以下問題：說出本方程中系數(shù)0.1和0.01的經(jīng)濟含義。各個變量前參數(shù)估計的符號是否與期望的符號一致？在0.05的顯著性水平下檢驗變量的顯著性。（臨界值，）8、一國的對外貿(mào)易分為出口和進口，凈出口被定義為出口與進口的差額。影響凈出口的因素很多，在宏觀經(jīng)濟學(xué)中，匯率和國內(nèi)收入水平被認為是兩個最重要的因素，我們根據(jù)這一理論對影響中國的凈出口水平的因素進行實證分析。設(shè)NX表示我國凈出口水平（億元）；GDP為我國國內(nèi)生產(chǎn)總值（億元），反映我國的國內(nèi)收入水平；D(GDP)表示GDP的一階差分；E表示每100美元對人民幣的平均匯率（元/百

16、美元），反映匯率水平。利用19852001年我國的統(tǒng)計數(shù)據(jù)（摘自2002中國統(tǒng)計年鑒），估計的結(jié)果見下表。（1）選擇解釋我國凈出口水平最適合的計量經(jīng)濟模型，寫出該模型并說明選擇的原因，其它模型可能存在什么問題；（2）解釋選擇的計量經(jīng)濟模型的經(jīng)濟意義。相關(guān)系數(shù)矩陣Dependent Variable: NXMethod: Least SquaresDate: 03/21/02 Time: 11:02Sample: 1985 2001Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-2135.88764

17、5.9685-3.3064880.0048E4.8518320.9835874.9327940.0002R-squared0.618636 Mean dependent var879.9059Adjusted R-squared0.593211 S.D. dependent var1348.206S.E. of regression859.8857 Akaike info criterion16.46161Sum squared resid11091052 Schwarz criterion16.55963Log likelihood-137.9237 F-statistic24.33245D

18、urbin-Watson stat0.890230 Prob(F-statistic)0.000180Dependent Variable: NXMethod: Least SquaresDate: 03/21/02 Time: 11:04Sample: 1985 2001Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-761.6691313.1743-2.4320930.0280GDP0.0368270.0058106.3384920.0000R-squared0.728145 Mean dep

19、endent var879.9059Adjusted R-squared0.710021 S.D. dependent var1348.206S.E. of regression726.0044 Akaike info criterion16.12312Sum squared resid7906237. Schwarz criterion16.22115Log likelihood-135.0465 F-statistic40.17648Durbin-Watson stat1.289206 Prob(F-statistic)0.000013Dependent Variable: NXMetho

20、d: Least SquaresDate: 03/21/02 Time: 11:06Sample: 1985 2001Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-822.2318789.9381-1.0408810.3156E0.1803342.1450810.0840690.9342GDP0.0356710.0150082.3768550.0323R-squared0.728282 Mean dependent var879.9059Adjusted R-squared0.689465 S.

21、D. dependent var1348.206S.E. of regression751.2964 Akaike info criterion16.24026Sum squared resid7902248. Schwarz criterion16.38730Log likelihood-135.0422 F-statistic18.76202Durbin-Watson stat1.279954 Prob(F-statistic)0.000109Dependent Variable: NXMethod: Least SquaresDate: 03/21/02 Time: 11:09Sampl

22、e(adjusted): 1986 2001Included observations: 16 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-3036.617444.7869-6.8271280.0000E8.7812480.9297889.4443580.0000D(GDP)-0.3014650.054757-5.5055500.0001R-squared0.878586 Mean dependent var962.9563Adjusted R-squared0.859907 S.D. dep

23、endent var1346.761S.E. of regression504.0793 Akaike info criterion15.45070Sum squared resid3303247. Schwarz criterion15.59557Log likelihood-120.6056 F-statistic47.03583Durbin-Watson stat2.214778 Prob(F-statistic)0.0000019、下面結(jié)果是利用某地(mu d)財政收入對該地第一、二、三產(chǎn)業(yè)增加值的回歸結(jié)果，根據(jù)這一結(jié)果試判斷該模型是否存在多重共線性，說明你的理由。Dependent

24、Variable: REVMethod: Least SquaresSample: 1 10Included observations: 10VariableCoefficientStd. Errort-StatisticProb. C17414.6314135.101.2320130.2640GDP1-0.2775100.146541-1.8937430.1071GDP20.0848570.0935320.9072520.3992GDP30.1905170.1516801.2560480.2558R-squared0.993798 Mean dependent var63244.00Adju

25、sted R-squared0.990697 S.D. dependent var54281.99S.E. of regression5235.544 Akaike info criterion20.25350Sum squared resid1.64E+08 Schwarz criterion20.37454Log likelihood-97.26752 F-statistic320.4848Durbin-Watson stat1.208127 Prob(F-statistic)0.00000110、通過(tnggu)建模發(fā)現(xiàn)，某企業(yè)的某種產(chǎn)品價格P和可變成本V之間滿足如下關(guān)系：。目前可變成

26、本占產(chǎn)品價格的20?，F(xiàn)在，企業(yè)可以改進該產(chǎn)品，但是改進要增加10可變成本（其他費用保持(boch)不變）。問，企業(yè)是否該選擇改進？11、某公司想決定在何處建造一個新的百貨店，對已有的30個百貨店的銷售額作為其所處地理位置特征的函數(shù)進行回歸分析，并且用該回歸方程作為新百貨店的不同位置的可能銷售額，估計得出（括號內(nèi)為估計的標準差） （0.02） （0.01） （1.0） （1.0）其中：第個百貨店的日均銷售額（百美元）；第個百貨店前每小時通過的汽車數(shù)量（10輛）； 第個百貨店所處區(qū)域內(nèi)的人均收入（美元）； 第個百貨店內(nèi)所有的桌子數(shù)量； 第個百貨店所處地區(qū)競爭店面的數(shù)量；請回答以下問題：說出本方程中

27、系數(shù)0.1和0.01的經(jīng)濟含義。各個變量前參數(shù)估計的符號是否(sh fu)與期望的符號一致？在0.05的顯著性水平下檢驗(jinyn)變量的顯著性。（臨界值，）12、以廣東省東莞市的財政支出作為被解釋變量(binling)、財政收入作為解釋變量做計量經(jīng)濟模型，即，方程估計、殘差散點圖及ARCH檢驗輸出結(jié)果分別如下：方程估計結(jié)果：Dependent Variable: YMethod: Least SquaresDate: 05/31/03 Time: 12:42Sample: 1980 1997Included observations: 18VariableCoefficientStd. E

28、rrort-StatisticProb. C-2457.310680.5738-3.6106440.0023X0.7193080.01115364.497070.0000R-squared0.996168 Mean dependent var25335.11Adjusted R-squared0.995929 S.D. dependent var35027.97S.E. of regression2234.939 Akaike info criterion18.36626Sum squared resid79919268 Schwarz criterion18.46519Log likelih

29、ood-163.2963 F-statistic4159.872Durbin-Watson stat2.181183 Prob(F-statistic)0.000000殘差與殘差滯后1期的散點圖： ARCH檢驗輸出(shch)結(jié)果：ARCH Test:F-statistic2.886465 Probability0.085992Obs*R-squared7.867378 Probability0.096559Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/10/03 Time: 00:33Sample(

30、adjusted): 1984 1997Included observations: 14 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-9299857.7646794.-1.2161770.2549RESID2(-1)0.0335820.3083770.1089000.9157RESID2(-2)-0.7432730.320424-2.3196500.0455RESID2(-3)-0.85485211.02966-0.0775050.9399RESID2(-4)37.0434510.91380

31、3.3941820.0079R-squared0.561956 Mean dependent var5662887.Adjusted R-squared0.367269 S.D. dependent var16323082S.E. of regression12984094 Akaike info criterion35.86880Sum squared resid1.52E+15 Schwarz criterion36.09704Log likelihood-246.0816 F-statistic2.886465Durbin-Watson stat1.605808 Prob(F-stati

32、stic)0.085992根據(jù)以上輸出結(jié)果回答下列(xili)問題：（1）該模型中是否違背無自相關(guān)(xinggun)假定？為什么？（，）（2）該模型中是否存在異方差？說明理由（顯著性水平為0.1，）。（3）如果原模型存在異方差，你認為應(yīng)如何修正？（只說明修正思路，無需計算）已知某公司的廣告費用(X)與銷售額(Y)的統(tǒng)計數(shù)據(jù)如下表所示：X(萬元)402520304040252050205020Y(萬元)490395420475385525480400560365510540估計銷售額關(guān)于廣告費用的一元(y yun)線性回歸模型說明參數(shù)的經(jīng)濟(jngj)意義在的顯著水平(shupng)下對參數(shù)的顯

33、著性進行t檢驗。設(shè)某商品的需求模型為，式中，是商品的需求量，是人們對未來價格水平的預(yù)期，在自適應(yīng)預(yù)期假設(shè)下，通過適當變換，使模型中變量成為可觀測的變量。15、為了研究深圳市地方預(yù)算內(nèi)財政收入與國內(nèi)生產(chǎn)總值的關(guān)系，得到以下數(shù)據(jù)：年 份地方預(yù)算內(nèi)財政收入Y（億元）國內(nèi)生產(chǎn)總值(GDP)X（億元）199021.7037171.6665199127.3291236.6630199242.9599317.3194199367.2507449.2889199474.3992615.1933199588.0174795.69501996131.7490950.04461997144.77091130.013

34、31998164.90671289.01901999184.79081436.02672000225.02121665.46522001265.65321954.6539資料來源:深圳統(tǒng)計年鑒2002，中國統(tǒng)計出版社利用EViews估計其參數(shù)結(jié)果為(1)建立(jinl)深圳地方預(yù)算內(nèi)財政收入對GDP的回歸(hugu)模型；(2)估計所建立模型的參數(shù)，解釋斜率系數(shù)的經(jīng)濟(jngj)意義；（3）對回歸結(jié)果進行檢驗；(4) 若是2005年年的國內(nèi)生產(chǎn)總值為3600億元，確定2005年財政收入的預(yù)測值和預(yù)測區(qū)間()。16、運用美國1988研究與開發(fā)（R&D）支出費用（Y）與不同部門產(chǎn)品銷售量（X）的數(shù)

35、據(jù)建立了一個回歸模型，并運用Glejser方法和White方法檢驗異方差，由此決定異方差的表現(xiàn)形式并選用適當方法加以修正。結(jié)果如下： White Heteroskedasticity Test:F-statistic3.057161 Probability0.076976Obs*R-squared5.212471 Probability0.073812Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 08/08/05 Time: 15:38Sample: 1 18Included observations: 1

36、8VariableCoefficientStd. Errort-StatisticProb. C-6219633.6459811.-0.9628200.3509X229.3496126.21971.8170660.0892X2-0.0005370.000449-1.1949420.2507R-squared0.289582 Mean dependent var6767029.Adjusted R-squared0.194859 S.D. dependent var14706003S.E. of regression13195642 Akaike info criterion35.77968Su

37、m squared resid2.61E+15 Schwarz criterion35.92808Log likelihood-319.0171 F-statistic3.057161Durbin-Watson stat1.694572 Prob(F-statistic)0.076976 請問：（1）White檢驗(jinyn)判斷模型是否存在異方差。（2）Glejser檢驗判斷(pndun)模型是否存在異方差。（3）該怎樣(znyng)修正。17、Sen和Srivastava（1971）在研究貧富國之間期望壽命的差異時，利用101個國家的數(shù)據(jù)，建立了如下的回歸模型：(4.37) (0.857

38、) (2.42) R2=0.752其中：X是以美元計的人均收入；Y是以年計的期望壽命；Sen和Srivastava 認為人均收入的臨界值為1097美元（），若人均收入超過1097美元，則被認定為富國；若人均收入低于1097美元，被認定為貧窮國。（括號內(nèi)的數(shù)值為對應(yīng)參數(shù)估計值的t-值）。（1）解釋這些計算結(jié)果。（2）回歸方程中引入的原因是什么？如何解釋這個回歸解釋變量？（3）如何對貧窮國進行回歸？又如何對富國進行回歸？18、為研究體重與身高的關(guān)系，我們隨機抽樣調(diào)查了51名學(xué)生（其中36名男生，15名女生），并得到如下兩種回歸模型： （7.5.1）t=(-5.2066) (8.6246) (7.5

39、.2)t=(-2.5884) (4.0149) (5.1613)其中，W(weight)=體重 （單位：磅）；h(height)=身高 （單位：英寸）請回答以下問題： 你將選擇哪一個模型？為什么？ 如果模型（7.5.2）確實更好，而你選擇了（7.5.1），你犯了什么錯誤？ D的系數(shù)說明了什么？19、美國各航空公司業(yè)績的統(tǒng)計數(shù)據(jù)公布(gngb)在華爾街日報1999年年鑒（The Wall Street Journal Almanac 1999）上。航班正點到達(dod)的比率和每10萬名乘客投訴的次數(shù)的數(shù)據(jù)如下資料來源:(美)David R.Anderson等商務(wù)與經(jīng)濟統(tǒng)計，第405頁，機械工業(yè)

40、出版社。航空公司名稱航班正點率（%）投訴率（次/10萬名乘客）西南(Southwest)航空公司818021大陸(Continental)航空公司766058西北(Northwest)航空公司766085美國(US Airways)航空公司757068聯(lián)合(United)航空公司738074美洲(American)航空公司722093德爾塔（Delta）航空公司712072美國西部(Americawest)航空公司708122環(huán)球(TWA)航空公司685125利用(lyng)EViews估計其參數(shù)結(jié)果為(1)求出描述投訴率是如何依賴航班按時到達正點率的估計的回歸方程。(2)對估計的回歸方程的斜

41、率作出解釋。(3)如果航班按時到達的正點率為80%，估計每10萬名乘客投訴的次數(shù)是多少？20、設(shè)消費函數(shù)為 式中，為消費支出；為個人可支配收入；為個人的流動資產(chǎn)；為隨機誤差項，并且（其中為常數(shù)）。試回答以下問題： (1)選用適當?shù)淖儞Q修正(xizhng)異方差，要求寫出變換過程；(2)寫出修正(xizhng)異方差后的參數(shù)估計量的表達式。21、考慮以下凱恩斯收入決定(judng)模型： 其中，C消費支出，I投資指出，Y收入，G政府支出；和是前定變量。（1）導(dǎo)出模型的簡化型方程并判定上述方程中哪些是可識別的（恰好或過度）。（2）你將用什么方法估計過度可識別方程和恰好可識別方程中的參數(shù)。22、表中

42、是中國1978年-1997年的財政收入Y和國內(nèi)生產(chǎn)總值X的數(shù)據(jù): 中國國內(nèi)生產(chǎn)總值及財政收入 單位:億元 年 份 國內(nèi)生產(chǎn)總值X 財政收入Y197819791980108110821983198419851986198719881989199019911992199319941995100619973624.14038.24517.84860.35301.85957.47206.78989.110201.411954.514992.316917.818598.421662.526651.934560.546670.057494.966850.573452.51132.261146.381159

43、.931175.791212.331366.951642.862004.822122.012199.352357.242664.902937.103149.483483.374348.955218.106242.207407.998651.14數(shù)據(jù)來源:中國統(tǒng)計年鑒試根據(jù)這些數(shù)據(jù)完成下列(xili)問題；(1)建立財政收入對國內(nèi)生產(chǎn)總值的簡單線性回歸(hugu)模型，并解釋斜率系數(shù)的經(jīng)濟意義;(2)估計所建立模型的參數(shù)(cnsh)，并對回歸結(jié)果進行檢驗；(3)若是1998年的國內(nèi)生產(chǎn)總值為78017.8億元，確定1998年財政收入的預(yù)測值和預(yù)測區(qū)間()。23、克萊因與戈德伯格曾用1921-19

44、50年(1942-1944年戰(zhàn)爭期間略去)美國國內(nèi)消費Y和工資收入X1、非工資非農(nóng)業(yè)收入X2、農(nóng)業(yè)收入X3的時間序列資料，利用OLSE估計得出了下列回歸方程：(括號中的數(shù)據(jù)為相應(yīng)參數(shù)估計量的標準誤)。試對上述模型進行評析，指出其中存在的問題。24、表中給出了19701987年期間美國的個人消息支出(PCE)和個人可支配收入(PDI)數(shù)據(jù)，所有數(shù)字的單位都是10億美元(1982年的美元價)。估計下列模型： 得到：Dependent Variable: PCEMethod: Least SquaresDate: 07/27/05 Time: 21:41Sample: 1970 1987Includ

45、ed observations: 18VariableCoefficientStd. Errort-StatisticProb.C-216.426932.69425-6.6197230.0000PDI1.0081060.01503367.059200.0000R-squared0.996455Mean dependent var1955.606Adjusted R-squared0.996233S.D. dependent var307.7170S.E. of regression18.88628Akaike info criterion8.819188Sum squared resid570

46、7.065Schwarz criterion8.918118Log likelihood-77.37269F-statistic4496.936Durbin-Watson stat1.366654Prob(F-statistic)0.000000Dependent Variable: PCEMethod: Least SquaresDate: 07/27/05 Time: 21:51Sample (adjusted): 1971 1987Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-Stati

47、sticProb.C-233.273645.55736-5.1204360.0002PDI0.9823820.1409286.9708170.0000PCE(-1)0.0371580.1440260.2579970.8002R-squared0.996542Mean dependent var1982.876Adjusted R-squared0.996048S.D. dependent var293.9125S.E. of regression18.47783Akaike info criterion8.829805Sum squared resid4780.022Schwarz crite

48、rion8.976843Log likelihood-72.05335F-statistic2017.064Durbin-Watson stat1.570195Prob(F-statistic)0.000000(1) 解釋這兩個回歸(hugu)模型的結(jié)果。(2) 短期和長期邊際(binj)消費傾向（MPC）是多少？25、為研究中國(zhn u)各地區(qū)入境旅游狀況，建立了各省市旅游外匯收入（Y，百萬美元）、旅行社職工人數(shù)（X1，人）、國際旅游人數(shù)（X2，萬人次）的模型，用某年31個省市的截面數(shù)據(jù)估計結(jié)果如下： t=(-3.066806) (6.652983) (3.378064) R2=0.93

49、4331 F=191.1894 n=31從經(jīng)濟意義上考察估計模型的合理性。在5%顯著性水平上，分別檢驗參數(shù)的顯著性；在5%顯著性水平上，檢驗?zāi)Ｐ偷恼w顯著性。26、研究某地區(qū)1962-1995年基本建設(shè)新增固定資產(chǎn)Y（億元）和全省工業(yè)總產(chǎn)值X（億元）按當年價格計算的歷史資料。估計結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 07/27/05 Time: 22:31Sample (adjusted): 1963 1995Included observations: 33 after adjustmentsVariableCoeffici

50、entStd. Errort-StatisticProb.C1.8966451.1671271.6250550.1146X0.1021990.0247824.1239610.0003Y(-1)0.0147000.1828650.0803890.9365R-squared0.584750Mean dependent var7.804242Adjusted R-squared0.557066S.D. dependent var5.889686S.E. of regression3.919779Akaike info criterion5.656455Sum squared resid460.939

51、9Schwarz criterion5.792502Log likelihood-90.33151F-statistic21.12278Durbin-Watson stat1.901308Prob(F-statistic)0.000002（1） 如果設(shè)定(sh dn)模型 作部分調(diào)整(tiozhng)假定，估計參數(shù)，并作解釋。 （2） 如果(rgu)設(shè)定模型 作自適應(yīng)假定，估計參數(shù)，并作解釋。 （3） 比較上述兩種模型的設(shè)定，哪一個模型擬合較好？27、考慮如下的貨幣供求模型：貨幣需求： 貨幣供給：其中，M=貨幣，Y收入，R利率，P價格，為誤差項；R和P是前定變量。(1) 需求函數(shù)可識別嗎？(2

52、) 供給函數(shù)可識別嗎？(3) 你會用什么方法去估計可識別的方程中的參數(shù)？為什么？(4) 假設(shè)我們把供給函數(shù)加以修改，多加進兩個解釋變量 和，會出現(xiàn)什么識別問題？你還會用你在（3）中用的方法嗎？為什么？三、判斷題1、 錯在多元線性回歸模型里除了對隨機誤差項提出假定外，還對解釋(jish)變量之間提出無多重共線性的假定。2、對在分布滯后模型里多引進解釋變量的滯后項，由于變量的經(jīng)濟意義一樣，只是時間不一致，所以很容易(rngy)引起多重共線性。3、錯DW值在0到4之間，當DW落在最左邊(zu bian)（0ddL）、最右邊(4-Dld4d)時，分別為正自相關(guān)、負自相關(guān);中間(dud4.28，所以模型

53、存在異方差 2）解：該檢驗為ARCH檢驗由Obs*R-squared=10.14987.81，表明模型存在異方差。2、1）因為DW=0.68知道，該變量顯著。8、解：（1）根據(jù)回歸結(jié)果，認為最后一個回歸模型（第四個）最佳，即將NX（凈出口）對匯率、DGDP（GDP的一階差分）回歸的模型最好。因為其各個變量t檢驗顯著，模型的F檢驗顯著，擬合優(yōu)度最高。而其他三個：第一個NX對E的回歸擬合優(yōu)度太低，第二個NX對GDP回歸擬合優(yōu)度也較低，而第三個將NX對E、GDP的回歸有多重共線性存在。（2）所選模型的經(jīng)濟意義是：影響凈出口的主要因素是匯率和GDP的增長量。匯率每提高一個單位，凈出口就會增加8.781

54、248個單位（億元），DGDP每增加一個單位（億元），則凈出口增加0.03682億元。9、答：存在嚴重多重共線性。因為方程整體非常顯著，表明三次產(chǎn)業(yè)GDP對財政收入的解釋能力非常強，但是每個個別解釋變量均不顯著，且存在負系數(shù)，與理論矛盾，原因是存在嚴重共線性。10、解：（1）由模型可知，價格和可變成本之間的彈性為0.56。假設(shè)改進產(chǎn)品，則可變成本增加10，價格的變化率為0.56*105.6，可見價格增加的幅度不如可變成本增加的幅度。（2）利潤增量為5.6*P10*V，只要利潤增量大于0，就應(yīng)該選擇改進。（3）易得，只要當P/V(10/5.6),就有利潤大于0。而目前成本只占價格的20，遠小于1

55、0/5.6,所以應(yīng)該選擇改進。11、答：（1）每小時通過該百貨店的汽車(qch)增加10輛，該店的每日收入就會平均增加10美元。該區(qū)域居民人均收入每增加1美元，該店每日收入就會平均增加1美元。（2） 最后一個系數(shù)與期望的符號不一致，應(yīng)該為負數(shù)，即該區(qū)競爭(jngzhng)的店面越多，該店收入越低。其余符號符合期望。（3） 用t檢驗(jinyn)。t0.1/0.02=5，有t知道，該變量顯著。12、解：（1）沒有違背無自相關(guān)假定；第一、殘差與殘差滯后一期沒有明顯的相關(guān)性；第二、根據(jù)D-W值應(yīng)該接受原假設(shè)；（寫出詳細步驟）（2）存在異方差（注意顯著性水平是0.1）；（寫出詳細步驟）（3）說出一種修

56、正思路即可。13、解：(1)利用OLS法估計樣本回歸直線為：(2)參數(shù)的經(jīng)濟意義：當廣告費用每增加1萬元，公司的銷售額平均增加4.185萬元。(3) ，廣告費用對銷售額的影響是顯著的。14、2、解：將自適應(yīng)預(yù)期假設(shè)寫成原模型 將滯后一期并乘以，有 式減去式，整理后得到式中：15、解：地方預(yù)算內(nèi)財政收入（Y）和GDP的關(guān)系近似直線關(guān)系，可建立線性回歸模型： 即 （4.16179） (0.003867) t=(-0.867692) (34.80013) R2=0.99181 F=1211.049R2=0.99181，說明GDP解釋了地方財政收入變動的99%，模型擬合程度較好。模型說明當GDP 每增

57、長1億元，平均(pngjn)說來地方財政收入將增長0.134582億元。當2005年GDP 為3600億元時，地方(dfng)財政收入的點預(yù)測值為： （億元）區(qū)間(q jin)預(yù)測： 取,平均值置信度95%的預(yù)測區(qū)間為： 時 （億元）個別值置信度95%的預(yù)測區(qū)間為： 即 = （億元）16、解：（1）給定和自由度為2下，查卡方分布表，得臨界值，而White統(tǒng)計量，有，則不拒絕原假設(shè)，說明模型中不存在異方差。（2）因為對如下函數(shù)形式 得樣本估計式 由此，可以看出模型中隨機誤差項有可能存在異方差。（3）對異方差的修正?？扇?quán)數(shù)為。17、解：（1）由，也就是說，人均收入每增加(zngji)1.7183

58、倍，平均意義上各國的期望壽命會增加9.39歲。若當為富國時，則平均意義上，富國的人均收入每增加1.7183倍，其期望壽命就會減少3.36歲，但其截距項的水平會增加23.52，達到21.12的水平。但從統(tǒng)計檢驗結(jié)果看，對數(shù)人均收入lnX對期望壽命Y的影響并不顯著。方程的擬合情況良好，可進一步進行(jnxng)多重共線性等其他計量經(jīng)濟學(xué)的檢驗。（2）若代表(dibio)富國，則引入的原因是想從截距和斜率兩個方面考證富國的影響，其中，富國的截距為，斜率為，因此，當富國的人均收入每增加1.7183倍，其期望壽命會增加6.03歲。（3）對于貧窮國，設(shè)定，則引入的虛擬解釋變量的形式為；對于富國，回歸模型形

59、式不變。18、答：（1）選擇第二個模型。因為不同的性別，身高與體重的關(guān)系是不同的，并且從模型的估計結(jié)果看出，性別虛擬變量統(tǒng)計上是顯著的。（2）如果選擇了堤一個模型，會發(fā)生異方差問題。（3）D的系數(shù)23.8238說明當學(xué)生身高每增加1英寸時，男生比女生的體重平均多23.8238磅。19、解：描述投訴率（Y）依賴航班按時到達正點率（X）的回歸方程： 即 （1.052260）（0.014176） t=(5.718961) (-4.967254) R2=0.778996 F=24.67361這說明當航班正點到達比率每提高1個百分點, 平均說來每10萬名乘客投訴次數(shù)將下降0.07次。如果航班按時到達的正

60、點率為80%，估計每10萬名乘客投訴的次數(shù)為 （次）20、解：（1）因為，所以取，用乘給定模型兩端，得 上述模型的隨機誤差項的方差為一固定(gdng)常數(shù)，即 （2）根據(jù)加權(quán)最小二乘法，可得修正(xizhng)異方差后的參數(shù)估計式為 其中(qzhng) 21、解：（1）給定模型的簡化式為 由模型的結(jié)構(gòu)型，M=3，K=2。下面只對結(jié)構(gòu)型模型中的第一個方程和第二個方程判斷其識別性。首先用階條件判斷。第一個方程，已知，因為，所以該方程有可能為過度識別。第二個方程，已知，因為 所以該方程有可能恰好識別。第三個方程為定義式，故可不判斷其識別性。其次用秩條件(tiojin)判斷。寫出結(jié)構(gòu)型方程組的參數(shù)矩陣