计量经济学三到十章课后习题答案

1、3.1 +即y=x+基本假定（1）解释变量x1,x2.,xp是确定性变量，不是随机变量，且要求rank(X)=p+1n,表明设计矩阵X中自变量列之间不相关，样本量的个数应大于解释变量的个数（2) 随机误差项具有零均值和等方差，即高斯马尔柯夫条件 （3） 对于多元线性回归的正态分布假定条件的矩阵模型为 N（0，） 随即向量yN(X)3.2 当存在时，回归参数的最小二乘估计为，要求出回归参数，即要求是一个非奇异矩阵，所以可逆矩阵为p+1阶的满秩矩阵，又根据两个矩阵乘积的秩不大于每一因子的秩rank(X)p+1,而X为n(p+1)阶矩阵，于是应有np+1结论说明，要想用最小二乘法估计多元线性回归模型的未知参数，样本量n必须大于模型自变量p的个数。3.3 3.4不能断定这个方程一定很理想，因为样本决定系数与回归方程中自变量的数目以及样本量n有关，当样本量个数n太小，而自变量又较多，使样本量与自变量的个数接近时，易接近1，其中隐藏一些虚假成分。3.5当接受H时，认定在给定的显著性水平下，自变量x1,x2,xp对因变量y无显著影响，于是通过x1,x2,xp去推断y也就无多大意义，在这种情况下，一方

2、面可能这个问题本来应该用非线性模型去描述，而误用了线性模型，使得自变量对因变量无显著影响；另一方面可能是在考虑自变量时，把影响因变量y的自变量漏掉了，可以重新考虑建模问题。 当拒绝H时，我们也不能过于相信这个检验，认为这个回归模型已经完美了，当拒绝H时，我们只能认为这个模型在一定程度上说明了自变量x1,x2,xp与自变量y的线性关系，这时仍不能排除排除我们漏掉了一些重要的自变量。3.6中心化经验回归方程的常数项为0，回归方程只包含p个参数估计值比一般的经验回归方程减少了一个未知参数，在变量较多时，减少一个未知参数，计算的工作量会减少许多，对手工计算尤为重要。 在用多元线性回归方程描述某种经济现象时，由于自变量所用的单位大都不同，数据的大小差异也往往很大，这就不利于在同一标准上进行比较，为了消除量纲不同和数量级的差异带来的影响，就需要将样本数据标准化处理，然后用最小二乘法估计未知参数，求得标准化回归系数。3.7对进行中心化处理得再将等式除以因变量的样本标准差则有=所以3.8 （为相关阵（)第i行，第j列的代数余子式）=3.9 F=小于1，F与一一对应，所以F与等价3.10 证得3.11

3、(1)相关性yx1x2x3yPearson 相关性1.556.731*.724*显著性（双侧）.095.016.018N10101010x1Pearson 相关性.5561.113.398显著性（双侧）.095.756.254N10101010x2Pearson 相关性.731*.1131.547显著性（双侧）.016.756.101N10101010x3Pearson 相关性.724*.398.5471显著性（双侧）.018.254.101N10101010*. 在 0.05 水平（双侧）上显著相关。(2)（3）（4）（5）（6）模型汇总模型RR 方调整 R 方标准 估计的误差1.898a.806.70823.44188a. 预测变量: (常量), x3, x1, x2。Anovab模型平方和df均方FSig.1回归13655.37034551.7908.283.015a残差3297.1306549.522总计16952.5009a. 预测变量: (常量), x3, x1, x2。b. 因变量: y系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-348.2801

4、76.459-1.974.096x13.7541.933.3851.942.100x27.1012.880.5352.465.049x312.44710.569.2771.178.284a. 因变量: y1回归方程为 y= -348.280+3.754x1+7.101x2+12.447x32复相关系数R=0.898，决定系数为0.806，拟合度较高。3方差分析表，F=8.283，P值=0.0150.05，表明回归方程高度显著，说明x1,x2,x3,整体上对y有高度显著的线性影响4回归系数的显著性检验x1工业总产值的P值=0.100 X2农业总产值的P值=0.049 X3居民非产品支出的P值=0.284在0.1的显著性水平上，x3未通过检验，应将其剔除掉输入移去的变量b模型输入的变量移去的变量方法1x2, x1a.输入a. 已输入所有请求的变量。b. 因变量: y模型汇总模型RR 方调整 R 方标准 估计的误差1.872a.761.69224.08112a. 预测变量: (常量), x2, x1。Anovab模型平方和df均方FSig.1回归12893.19926446.60011.11

5、7.007a残差4059.3017579.900总计16952.5009a. 预测变量: (常量), x2, x1。b. 因变量: y系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-459.624153.058-3.003.020x14.6761.816.4792.575.037x28.9712.468.6763.634.008a. 因变量: y1回归方程为 y= -459.624+4.676x1+8.971x22复相关系数R=0.872，决定系数为0.761，由决定系数看回归方程接近高度相关3方差分析表，F=11.117，P值=0.007，表明回归方程高度显著说明x1,x2,整体上对y有高度显著的线性影响4回归系数的显著性检验x1工业总产值的P值=0.037 X2农业总产值的P值=0.008 在0.05的显著性水平上,自变量x1,x2对y均有显著影响（7） 系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)-459.624153.058-3.003.020-821.547-97.700x14.6761.816

6、.4792.575.037.3818.970x28.9712.468.6763.634.0083.13414.808a. 因变量: y ( 8 ) 标准化回归方程y=0.479x1+0.676x2（9） 把x01=75,x02=42带入y= -459.624+4.676x1+8.971x2得y=267.86y置信水平95%的区间估计为（211.09492 , 324.57506）y置信水平95%的近似区间估计为（219.6978 , 316.0222）E（y)置信水平95%的区间估计为(245.00541 ,290.66457) (10)由于X3的回归系数显著性检验未通过，所以居民非商品支出对货运总量影响不大，但是回归方程整体对数据拟合较好。3.12输入移去的变量b模型输入的变量移去的变量方法1x2, x1a.输入a. 已输入所有请求的变量。b. 因变量: y模型汇总模型RR 方调整 R 方标准 估计的误差11.000a.999.9991189.51547a. 预测变量: (常量), x2, x1。Anovab模型平方和df均方FSig.1回归1.809E1029.046E96393.

7、516.000a残差16979364.566121414947.047总计1.811E1014a. 预测变量: (常量), x2, x1。b. 因变量: y系数a模型非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF1(常量)2914.6461337.4662.179.050x1.607.299.0812.034.065.05020.196x21.709.074.92123.175.000.05020.196a. 因变量: yVIF的值都大于10，所以变量之间存在多重共线性共线性诊断a模型维数特征值条件索引方差比例(常量)x1x2 112.8711.000.01.00.002.1254.795.26.00.033.00427.651.731.00.97a. 因变量: y表中第三行x0(常数项），x1,x2的系数分别为0.73,1.00,0.97，说明x0(常数项），x1,x2之间存在多重共线性。回归方程为y=2914.646+0.607x1+1.709x2,第一产业的增加值x1的P值=0.065第二产业的增加值x2的P值=0.000 在0.05的显著性水平上x1对y无显著影响第4章 违背基本假设的情况4.1 答：例4.1：截面资料下研究居民家庭的储蓄行为 其中：Yi表示第i个家庭的储蓄额，Xi表示第i个家庭的可支配收入。由于高收入家庭储蓄额的差异较大，低收入家庭的储蓄额则更有规律性，差异较小，所以i的方差呈现单调递增型变化。 例4.2：以某一行业的企业为样本建立企业生产函数模型 被解释变量：产出量Y，解释变量：资本K、劳动L、技术A，那么每个企业所处的外部环境对产出量的影响被包含在随机误差项中。由于每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。这时，随机误差项的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。4.2 答：回归模型一旦出现异方差性，如果仍采用OLS估计模型参数，会产生下列不良后果：1、参数估计量非有效

《计量经济学三到十章课后习题答案》由会员枫**分享，可在线阅读，更多相关《计量经济学三到十章课后习题答案》请在金锄头文库上搜索。