本科计量第七版习题.docx

《本科计量第七版习题.docx》由会员分享，可在线阅读，更多相关《本科计量第七版习题.docx（20页珍藏版）》请在第一文库网上搜索。

1、(4)如果存在异方差性，通常用的t检验和F检验是无效的。(5)当存在自相关时，OLS估计量既不是无偏的，又不是有效的。(6)消除一阶自相关的一阶差分变换法假定自相关系数必须等于lo(7)模型中包含无关的解释变量，参数估计量会有偏，并且会增大估计量的方差，即增大误差。(8)多元回归中，如果全部“斜率”系数各自经t检验都不显著，则R2值也高不了。(9)存在异方差的情况下，OLS法总是高估系数估计量的标准误差。(10)如果一个具有非常数方差的解释变量被(不正确地)忽略了，那么OLS残差将呈异方差性。5.2 考虑带有随机扰动项的复利增长模型：Yr=Y.( + r)lu Y表示GDP, Yo是Y的基期值

2、，r是样本期内的年均增长率，t表示年份，t=1978,2003。试问应如何估计GDP在样本期内的年均增长率？5.3 检验下列情况下是否存在扰动项的自相关。(1) DW=0.81, n=21, k=3(2) DW=2.25, n=15, k=2(3) DW=1.56, n=30, k=55.4 有人建立了一个回归模型来研究我国县一级的教育支出：Y=o+ 1X+2X2+3X3+u其中：Y, Xi, X2和X3分别为所研究县份的教育支出、居民人均收入、学龄儿童人数和可以利用的各级政府教育拨款。他打算用遍布我国各省、市、自治区的100个县的数据来估计上述模型。(1)所用数据是什么类型的数据？(2)能否

3、采用OLS法进行估计？为什么？(3)如不能采用OLS法，你认为应采用什么方法？5.5 试从下列回归结果分析存在问题及解决方法：(1) Y,= 24.7747 + 0.9415 X2f. - 0.0424 X3. R2 =0.9635SE： (6.7525)(0.8229)(0.0807)其中：丫=消费，X2二收入，X3=财产,且n=5000(2) Yl = 0.4529 -0.004 It R2 =0.5284t：(-3.9606)DW=0.8252其中Y=劳动在增加值中的份额，t二时间该估计结果是使用1949-1964年度数据得到的。5.6 工资模型：wi=bob1Si+b2Ei + b3A

4、i + b4Ui + ui其中Wi =工资，Si =学校教育年限，琦=工作年限，Ai =年龄，Ui =是否参加工会。在估计上述模型时，你觉得会出现什么问题？如何解决？5.7 你想研究某行业中公司的销售量与其广告宣传费用之间的关系。你很清楚地知道该行业中有一半的公司比另一半公司大，你关心的是这种情况下，什么估计方法比较合理。假定大公司的扰动项方差是小公司扰动项方差的两倍。(1)若采用普通最小二乘法估计销售量对广告宣传费用的回归方程(假设广告宣传费是与误差项不相关的自变量)，系数的估计量会是无偏的吗？是一致的吗?是有效的吗？(2)你会怎样修改你的估计方法以解决你的问题？(3)能否对原扰动项方差假设

5、的正确性进行检验？5.8 考虑下面的模型GNPt =. + Mt + lj + .Mt- + %其中GNP=国民生产总值，M =货币供给。(1)假设你有估计此模型的数据，你能成功地估计出模型的所有系数吗？说明理由。(2)如果不能，哪些系数可以估计？(3)如果从模型中去掉尸2”小这一项，你对(1)中问题的答案会改变吗？(4)如果从模型中去掉以这一项，你对(1)中问题的答案会改变吗？5.9 采用美国制造业18991922年数据，Dougherty得到如下两个回归结果：lnf = 2.81-0.53 In Ar+ 0.911n L + 0.47f R2 = 0.97F = 189.8(J)Se: (

6、1.38) (0.34)(0.14)(0.021)ln( yL) = -0.11 + 0.111n( KI L) + 0.006r R2 = 0.65 F = 19.5(2)Se:(0.03) (0.15)(0.002)其中：Y=实际产出指数，=实际资本投入指数,L=实际劳动力投入指数，t=时间趋势(1)回归式(1)中是否存在多重共线性？你是如何得知的？(2)回归式(1)中，logK系数的预期符号是什么？回归结果符合先验预期吗？为什么会这样？(3)回归式(1)中，趋势变量在其中起什么作用？(4)估计回归式(2)背后的逻辑是什么？(5)如果(1)中存在多重共线性，那么(2)式是否减轻这个问题？你

7、如何得知？(6)两个回归的R2可比吗？说明理由。5.10 有人估计了下面的模型：Ct=2GNPt.Dtt (1)其中：C =私人消费支出，GNP=国民生产总值，D=国防支出假定b,2=b2(GNq)2,将(1)式转换成下式：CtGNPt =(1GNQ) +万2 + DtIGNPt) + utIGNPt (2)使用19461975数据估计(1)、(2)两式，得到如下回归结果(括号中数字为标准误差)：Ct =26.19 + 0.6248GNQ - 0.4398。 R2 = 0.999(2.73) (0.006)(0.0736)Cl GNPl =25.92(1 / GNPJ + 0.6246 - 0

8、.4315(，/ GNPJR2 = 0.875(2.22)(0.0068) (0.0597)(1)关于异方差，模型估计者做出了什么样的假定？你认为他的依据是什么？(2)比较两个回归结果。模型转换是否改进了结果？5.11 考虑模型Y=0 + X 卢%(1)% =m-+m-2+也就是说，扰动项服从AR (2)模式，其中j是白噪声。请概述估计此模型所要采取的步骤。5.12 根据第四章习题11的回归结果，探讨模型是否存在问题？如果存在问题,是什么问题？如何解决?第六章 动态经济模型：自回归模型和分布滞后模型6.1 判断题（判断对错；如果错误，说明理由）（1）所有计量经济模型实质上都是动态模型。（2）如

9、果分布滞后系数中，有的为正有的为负，则科克模型将没有多大用处。（3）若适应预期模型用OLS估计，则估计量将有偏，但一致。（4）对于小样本，部分调整模型的OLS估计量是有偏的。（5）若回归方程中既包含随机解释变量，扰动项又自相关，则采用工具变量法，将产生无偏且一致的估计量。（6）解释变量中包括滞后因变量的情况下，用德宾-沃森d统计量来检测自相关是没有实际用处的。6.2 用OLS对科克模型、部分调整模型和适应预期模型分别进行回归时，得到的OLS估计量会有什么样的性质？6.3 简述科克分布和阿尔蒙多项式分布的区别。6.4 考虑模型工= + 4X+ X.+，1+假设九和令相关。要解决这个问题，我们采用

10、以下工具变量法：首先用匕对X.和X回归，得到匕的估计值然后回归1= + 4 X” + 22t + Xt- + t其中/是第一步回归（匕对X和X%回归）中得到的。（1）这个方法如何消除原模型中Z和巳的相关？（2）与利维顿采用的方法相比，此方法有何优点？6.5 设Mt=a + 2R+ut其中：M =对实际现金余额的需求，Y* =预期实际收入，R* =预期通货膨胀率假设这些预期服从适应预期机制：Z=+M*其中力和%是调整系数，均位于。和1之间。（1）请将Ml用可观测量表示；（2）你预计会有什么估计问题？6.6 考虑分布滞后模型工”+ .X, + Xf + X-2 + sX.3 + .Xi + 也假设

11、可用二阶多项式表示诸A如下：l =%）+J + % 产若施加约束我=尸4=0,你将如何估计诸系数（四，i=0,L,4）6.7 为了研究设备利用对于通货膨胀的影响，T.A.吉延斯根据1971年到1988年的美国数据获得如下回归结果：Yt =30.12 + 0.141X, +0.236Xz 1R2 =0.727t （-6.27） （2.60） （4.26）其中：Y=通货膨胀率（根据GNP平减指数计算）治=制造业设备利用率X=滞后一年的设备利用率（1）设备利用对于通货膨胀的短期影响是什么？长期影响又是什么？（2）每个斜率系数是统计显著的吗？（3）你是否会拒绝两个斜率系数同时为零的原假设？将利用何种检

12、验？6.8 考虑下面的模型：、 Yt= + (WoXt+ W1Xt.1 + W2Xt-2 + W3Xt-3)+u t请说明如何用阿尔蒙滞后方法来估计上述模型(设用二次多项式来近似)。6.9 下面的模型是一个将部分调整和适应预期假说结合在一起的模型.Yt*= Xl+eYrYt-l = (Yt* . t.1) + u tXt+e - Xte = (1- )(t - X(e)； t=l, 2,式中YJ是理想值，X+r和X5是预期值。试推导出一个只包含可观测变量的方程，并说明该方程参数估计方面的问题。第七章时间序列分析7.1 单项选择题(1)某一时间序列经一次差分变换成平稳时间序列，此时间序列称为()

13、的。A. 1阶单整B. 2阶单整C. K阶单整D.以上答案均不正确(2)如果两个变量都是一阶单整的，则( )oA.这两个变量一定存在协整关系B.这两个变量一定不存在协整关系C.相应的误差修正模型一定成立 D.还需对误差项进行检验(3)如果同阶单整的线性组合是平稳时间序列，则这些变量之间关系是()。A.伪回归关系B.协整关系C.短期均衡关系D.短期非均衡关系1.2 请说出平稳时间序列和非平稳时间序列的区别，并解释为什么在实证分析中确定经济时间序列的性质是十分必要的。1.3 什么是单位根？1.4 Dickey Fuller (DF)检验和 EngleGranger (EG)检验是检验什么的？1.5

14、 什么是伪回归？在回归中使用非均衡时间序列时是否必定会造成伪回归？1.6 由19481984英国私人部门住宅开工数(X)数据，某学者得到下列回归结果：Xz =31.03-0.188Xf 1Se: (12.50) (0.08)(t :)r :(-2.35)注：5%临界值汇值为-2.95, 10%临界值直为-2.60。(1)根据这一结果，检验住宅开工数时间序列是否平稳。(2)如果你打算使用t检验，则观测的t值是否统计显著？据此你是否得出该序列平稳的结论？(3)现考虑下面的回归结果：2Xz =4.76-1.39Xz 1 +O.3132Xz 1Se: (5.06) (0.236)(0.136)(f :)r:(-5.89)请判断住宅开工数的平稳性。1.7 由1971I到1988-IV加拿大的数据，得到如下回归结果；lnMlt =-10.2571 +1.59751n GDPlA.t: (-12.9422) (25.8865)R2 = 0.9463, OW = 0.3254MnMt = 0.0095 + 0.5833 In GDPtB. r： (2.4957) (1.8958)R2 =0.0885,DIV = 1.7399= -0.1958(?.i-lC. r(): (-2.2521)R2 = 0.1118,DW = 1.4767其中，Ml =货币供给，GDP=国内生产总值，e =