计量经济学第三版部分答案第六章之后的Word文件下载.docx

计量经济学第三版部分答案第六章之后的Word文件下载.docx

《计量经济学第三版部分答案第六章之后的Word文件下载.docx》由会员分享，可在线阅读，更多相关《计量经济学第三版部分答案第六章之后的Word文件下载.docx（14页珍藏版）》请在冰点文库上搜索。

这时，只有增大样本容量或选取其他方法

（2）DW统计量的上、下界表要求n³

15,这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断

（3）DW检验不适应随机误差项具有高阶序列相关的检验.

（4）只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量

2、答：

（1）当回归模型随机误差项有自相关时，普通最小二乘估计量是有偏误的和非有效的。

判断：

错误。

当回归模型随机误差项有自相关时，普通最小二乘估计量是无偏误的和非有效的。

（2）DW检验假定随机误差项ui的方差是同方差。

DW统计量的构造中并没有要求误差项的方差是同方差。

（3）用一阶差分法消除自相关是假定自相关系数

为-1。

用一阶差分法消除自相关是假定自相关系数

为1，即原原模型存在完全一阶正自相关。

（4）当回归模型随机误差项有自相关时，普通最小二乘估计的预测值的方差和标准误差不再是有效的。

正确。

3、答：

给定显著水平α=0.05，依据样本容量n=50和解释变量个数k’=4，查D.W.表得d统计量的上界du=1.721，下界dL=1.378，4-du=2.279，4-dL=2.622。

（1）DW=1.05<

dL，所以模型存在正自相关。

（2）dL<

DW=1.40<

du,所以模型不能确定是否存在自相关。

（3）4-du<

DW=2.50<

4-dL，所以模型不能确定是否存在自相关。

（4）DW=3.97>

4-dL，所以模型存在负自相关。

4、在回归模型方程中无自相关，如果我们错误地判定模型中有一阶自相关，并使用了广义差分模型，将会产生什么问题？

练习题6.1

（1）建立居民收入-消费函数

Y=79.93004+0.690488X

（2）

残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶自相关。

DW=0.574663，查表可知0<

=DW<

=dL,误差项存在着自相关

用广义差分法进行补救

Ρ=0.657352

Yt*=45.35242+0.709686Xt*

其中Yt*=Yt-0.657352Yt（-1）,Xt*=Xt-0.657352Xt（-1）

模型中DW=1.814502.dU<

DW<

4-dU,说明在5%显著性水平下广义差分模型已无自相关。

β=45.35242/（1-0.657352）=140.563152

由此，得到的最终消费模型为：

Y=140.563152+0.709686X

（3）该模型的经济意义是，人均实际收入每增加一元，人均实际消费支出会增加0.669262元。

第七章

7.3库伊克模型、自适应预期模型与局部调整模型有哪些共性和不同之处？

模型估计会存在哪些困难？

如何解决？

答：

（1）相同之处：

库伊克模型、自适应预期模型、局部调整模型三个模型的最终形式都是一阶自回归模型。

（2）不同之处：

1）导出模型的经济背景和思想不同。

库伊克模型是在无限分布滞后模型的基础上，根据库伊克几何分布滞后假定导出的；

自适应预期模型是由解释变量自适应过程得到的；

局部调整模型是由应变量的局部调整得到的。

2）模型存在的问题不同。

三个模型的形成机理不同，所以随机误差项的结构不同，库伊克模型和自适应预期模型都存在自相关、解释变量与随机误差项相关的问题；

而局部调整模型则不存在。

库伊克模型和自适应预期模型不能够直接使用最小二乘法直接估计，而局部调整模型则可以。

（2）模型估计存在的困难及解决的方法

（a）出现了随机解释变量Yt-1，而Yt-1可能与随机扰动项相关；

（b）随机扰动项可能自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动无自相关.如果用最小二乘法直接估计自回归模型，则估计可能是有偏的，而且不是一致估计。

估计自回归模型需要解决两个问题：

设法消除与的相关性；

检验是否存在自相关。

所以应用工具变量法进行估计一阶自回归模型，就是在进行参数估计的过程中选择适当的工具变量，代替回归模型中同随机扰动项存在相关性的解释变量。

7.6检验一阶自回归模型随机扰动项是否存在自相关，为什么用德宾h-检验而不用DW检验？

因为DW检验法不适合于方程含有滞后被解释变量的场合，在自回归模型中，滞后被解释变量是随机变量，已有研究表明，如果用DW检验法，则d统计量值总是趋近于2。

也就是说，在一阶自回归中，当随机扰动项存在自相关时，DW检验却倾向于得出非自相关的结论。

练习题7.4

（1）估计一阶自回归模型;

回归估计：

Yt=66247+0.04731X1t+0.27507X2t+0.4552Yt-1

根据局部调整模型的函数关系，有lna*=δlna,β*0=δβ0,β*1=δβ1,β*2=1-δ

将估计结果带入可得：

δ=0.594479a=111437073β0=0.0796β1=0.4627

局部调整模型估计结果为Y*t=111437073+0.0796X1t+0.4627X2t

经济意义：

社会商品销售额每增加1亿元，未来预期年末货币流通量增加0.0796亿元 

城乡居民储蓄余额每增加1亿元，未来预期年末货币流通量增加0.4627亿元

模型对数变换：

在局部调整假定下，估计一阶自回归模型

回归估计

lnYt=0.672511+0.200421lnX1t+0.18120lnX2t+0.52471lnYt-1

根据局部调整模型的参数关系，lna*=δlna,β*0=δβ0,β*1=δβ1,β*2=1-δ

δ=0.465282a=1.44538β0=0.43075β1=0.38944

局部调整模型估计结果为：

lnYt=1.44538+0.43075lnX1t+0.3894lnX2t

社会商品销售额每增加1%，未来预期年末货币流通量增加0.43075% 

城乡居民储蓄余额每增加1%，未来预期年末货币流通量增加0.38944% 

第八章

8.2虚拟变量为何只选0、1，选2、3、4行吗？

为什么？

虚拟变量是非此即彼的问题，一般情形下，虚拟变量的取值为0和1。

当虚拟变量取值为0时，表示某种属性或状态的类型或水平不出现或不存在；

当虚拟变量取值为1时，表示某种属性或状态的类型或水平出现或存在。

取值一般不选2、3、4，否则对回归系数的分析带来不便。

8.5四种加法方式引入虚拟变量会产生什么效应？

四种加法方式引入虚拟变量均改变了截距，可以用于分析虚拟变量不同类之间的水平差异。

8.6引入虚拟被解释变量的背景是什么？

含有虚拟被解释变量模型的估计方法有哪些？

某经济现象或活动受到多种因素的影响，需要对这一经济现象或活动进行是或否的判断或决策时，需要引入被解释变量。

虚拟被解释变量模型的估计方法主要有线性概率模型估计和对数单位模型估计。

练习题8.6

经分析得边际效应=10

第九章

9.3检验变量设定误差有哪几种方法？

他们的共性和差异是什么？

常用方法有：

DW检验、LM检验、RESET检验、模型函数形式设定检验。

9.4如何进行遗漏变量设定误差的后果分析？

其检验有哪些方法？

如何检验？

当模型遗漏了真实的变量后，模型的参数估计是有偏且不一致的：

参数估计的方差估计不正确，随机扰动项方差的估计也是不正确的，将使假设检验、空间估计失效。

检验的方法有DW检验、LM检验、RESET检验、模型函数形式设定检验。

9.5如何进行无关变量设定误差的后果分析？

模型的参数估计任然是无偏且一致的，随机扰动项的方差被正确估计，但所估计的方差将趋之于过大，从而使得参数估计的有效性降低，参数估计较为不准确，区间估计的精度下降。

检验方法除了上诉四种以外还有非嵌套模型设定的假设检验等。

练习题9.6

在截面数据情况下题中所说的四条准则是正确的；

但是在时序数据情况下，上诉准则则不一定是正确的。

第十章

10.1对时间序列进行分析，为什么提出平稳性问题？

平稳是时间序列里面一个非常重要的假设，模型ar,ma,arma,var，garch，arch全部建立在时序平稳的基础上。

（1）计量经济学经典分析方法隐含着一个重要假设：

数据是平稳的。

如果数据非平稳，那么在大样本下的统计推断基础——“一致性”要求就会被破坏。

这往往导致“伪回归”问题的出现。

但实践经验证明，现实经济现象中的时间序列数据通常是非平稳的，而且一些主要的国民经济变量往往表现出一致的上升或下降，这使得两个没有任何因果关系的变量，拥有较高的R^2。

通过经典因果关系模型对这样的数据进行分析很难获得有效的统计量，分析、检验和预测结果也都是无效的，时间序列的平稳性对计量回归分析的有效性有很大影响；

（2）经典计量经济模型假定变量均为随机的，但时间序列是在不同时间观测的数据，不能看做是同一个随机变量的反复抽样，而只能是随机过程的一个实现，每个数据都是特定时间随机变量的唯一实现值，其样本均值和方差的含义与随机变量反复抽样的样本总体均值和方差有所不同，这有悖于经典计量经济模型统计推断的基础。

因而，对时间序列进行分析时，首先要考虑其平衡性问题。

10.3什么是非平稳？

为什么随机游走过程是非平稳的？

所谓时间序列的非平稳，是指时间序列的统计规律随着时间的位移而发生变化，即生成变量时间序列数据的随机过程的特征随时间而变化。

对于随机游走序列，它的均值为零、方差无限大,所以它是一非平稳序列

10.5怎样判断变量之间是否存在协整关系

有两种检验方法，一种是基于回归残差的协整检验，这种检验也称为单一方程的协整检验；

另一种是基于回归系数完全信息的Johansen协整检验。

10.6什么是误差修正机制？

误差修正模型的特点是什么？

任何一组相互协整的时间序列变量都存在误差修正机制，误差修正模型把长期关系和短期变动结合起来，使得协整与误差修正模型之间存在一种对应关系，当变量之间存在协整关系时，变量在本期的变动，会根据上期偏差的情况做出调整，从而使其向长期均衡关系靠拢，这种不断进行调整的过程就是误差修正机制。

误差修正模型的特点是：

（1）若,YtXt存在协整关系，则ECMt具有平稳性；

因为yt,xt～I

（1），则yt,

xt～I（0），上式中的变量都具有平稳性。

回归参数的估计量具有优良的渐近特性，所以用最小二乘法估计误差修正模型不存在虚假回归问题。

（2）误差修正模型中既有描述变量长期关系的参数，又有描述变量短期关系的参数；

既可研究经济问题的静态（长期）特征又可研究其动态（短期）特征。

误差修正机制的特点是：

（1）因为ECM模型中包含的全部差分变量和非均衡误差都具有平稳性，所以用OLS法估计参数不会存在虚假回归问题；

（2）如果ADL模型中的变量为一阶非平稳性，只要这些变量存在协整关系ttXkkY10，那么ECM模型中的误差修正项就具有平稳性，所有差分变量也具有平稳性。

（3）ECM模型中的参数可分为长期参数和短期参数，非均衡误差项中的k是长期参数，模型中的B0和a-1是短期参数，短期参数便是变量间的短期关系。

（4）任何一个ADL模型都可以变换为一个ECM模型。

十一章

11.2联立方程模型有哪些种类？

各类联立方程模型的特点是什么？

1、结构型模型。

特点

（1）结构方程描述了经济变量之间的结构关系，所以结构方程反映了内生变量直接受前定变量、其他内生变量和随机误差项影响的因果关系，在结构方程的右端可能出现其他的内生变量。

（2）结构方程中的变量的系数称为结构参数，结构参数反映了结构方程中的解释变量对被解释变量的直接影响程度。

（3）结构模型具有偏倚性的问题。

（4）不能直接用结构模型进行预测。

2、简化型模型。

特点

（1）每一个方程的右端不再出现内生变量，而只有前定变量作为解释变量。

（2）模型中的前定变量和随机误差项不相关。

（3）简化模型的参数综合反映了前定变量对内生变量的直接影响和间接影响，其参数表现了前定变量对内生变量的影响乘数。

（4）在已知前定变量取值的条件下，可利用简化模型参数的估计式直接对内生变量进行预测分析。

3、递归模型。

特点是直接运用OLS方法对模型中的方程依次进行估计，而不会产生联立方程组的偏倚性问题。

11.3什么是联立方程偏倚？

为什么会产生联立方程偏倚?

在计量经济学中联立方程偏倚是联立方程模型的一种形式，在结构式模型中，一些变量可能在一个方程中作为解释变量，而在另外一方程中又作为被解释变量。

这就使得解释变量与随机误差项u之间存在相关关系，从而违背了最小二乘估计理论的一个重要假定，估计量一次是有偏的和非一致的。

这就是所谓的联立方程偏倚。

11.5为什么不能直接用普通最小二乘法对联立方程模型的参数进行估计？

在实际经济活动中，

变量之间不仅仅是存在单项的因果关系。

还会存在如下的情况：

第一，由于两个变量之间存在双向因果关系，用单一方程模型就不能完整的描述这两个变量之间的关系。

第二，为全面描述一项经济活动只用单一方程模型是不够的。

这时应该用多个方程的组合来描述整个经济

活动

11.6识别的阶条件和秩条件的含义是什么？

为什么在识别的过程中要将阶条件和秩条件结合运用？

阶条件：

当模型的一个方程中不包含的变量（内生变量和前定变量）的总个数，大于或者等于模型中内生变量总个数M减1，则该方程可能识别；

秩条件：

在有M个内生变量M个方程的完备联立方程模型中，当且仅当一个方程中不包含但在其他方程包含的变量（不论内生变量还是外生变量）的系数，至少能够构成一个非零的M-1阶行列式时，该方程是可以识别的。

模型识别的秩条件是充分必要条件，但识别程序过于繁琐；

阶条件比较简便，但又只是必要条件。

所以为了简化识别的工作量，可以将两种方法结合运用。

11.8间接最小二乘法的条件、步骤、参数估计的特性是什么？

条件：

模型为恰好识别的方程，在简化模型中的每一个方程都应满足基本假设，而且，在简化型模型中的前定变量不存在严重的多重共线性。

步骤：

（1）将结构型模型转化为简化型模型，并建立简化型模型与结构型模型之间参数的关系式。

（2）对简化模型中的每一个方程用OLS法估计其参数，得到简化型方程的参数估计量；

（3）在恰好识别的条件下，利用简化型模型与结构模型之间参数的关系式唯一地解出结构型方程的估计量。

特性：

简化型参数是无偏的，并且在大样本下是一致估计式；

但因结构型参数与简化型参数是非线性关系，结构型参数的估计在小样本中是有偏的，不过在大样本中是一致的估计量。

练习题11.3

（1）首先，用阶条件判断如下：

根据模型可知M=2，K=3,对于需求函数，有K-kt=3-3=mt-1=0,所以，该方程有可能是恰好识别。

其次，用秩条件判断，将结构型模型转化为简化型模型后，写出其系数的矩阵为

对于需求函数，划掉第一行和第一行里0所对应的非零元素以外的元素，得到一个非零元素，即1，按照秩条件原理，说明该方程为恰好识别。

（2）根据识别的原理，对于供给函数，运用阶条件有，K-kt=3-1=2>

mt-1=0，所以，该方程有可能是过度识别。

对于供给函数，按秩条件原理，可得三个非零元素，按照秩条件的原理，说明该方程为过度识别。

（3）对于货币需求函数在过渡识别的情况下，可考虑用间接最小二乘法估计参数；

对于货币供给函数在恰好识别的情况下，可考虑用两段最小二乘法估计参数；

（4）在货币供给函数里再引进变量Yt-1和Mt-1,使得函数变为过度识别的情况，这是对参数的估计就只能用两段最小二乘法。