計(jì)量經(jīng)濟(jì)學(xué)簡(jiǎn)答題部分答案-自行整理的-僅供參考

1、精選優(yōu)質(zhì)文檔-傾情為你奉上第一章判斷題1、在經(jīng)濟(jì)計(jì)量分析中，模型參數(shù)一旦被估計(jì)出來(lái)，就可將估計(jì)模型直接運(yùn)用于實(shí)際的計(jì)量經(jīng)濟(jì)分析。 錯(cuò)。參數(shù)一經(jīng)估計(jì)，建立了樣本回歸模型，還需要對(duì)模型進(jìn)行檢驗(yàn)，包括經(jīng)濟(jì)意義檢驗(yàn)、統(tǒng)計(jì)檢驗(yàn)、計(jì)量經(jīng)濟(jì)專門檢驗(yàn)等。 4.一元線性回歸模型中，對(duì)樣本回歸函數(shù)整體的顯著性檢驗(yàn)與斜率系數(shù)的顯著性檢驗(yàn)是一致的； 正確 最好能夠?qū)懗鲆辉€性回歸模型；F 統(tǒng)計(jì)量與t統(tǒng)計(jì)量的關(guān)系，即F= t2的來(lái)歷；或者說(shuō)明一元線性回歸僅有一個(gè)解釋變量，因此對(duì)斜率系數(shù)的 t 檢驗(yàn)等價(jià)于對(duì)方程的整體性檢驗(yàn)。 6、在對(duì)參數(shù)進(jìn)行最小二乘估計(jì)之前，沒(méi)有必要對(duì)模型提出經(jīng)典假定。 錯(cuò)誤 在經(jīng)典假定條件下，OLS

2、估計(jì)得到的參數(shù)估計(jì)量是該參數(shù)的最佳線性無(wú)偏估計(jì)（具有線性、無(wú)偏性、有效性）。總之，提出古典假定是為了使所作出的估計(jì)量具有較好的統(tǒng)計(jì)性質(zhì)和方便地進(jìn)行統(tǒng)計(jì)推斷。 簡(jiǎn)答題1在確定了被解釋變量之后，怎樣才能正確地選擇解釋變量？（1）需要正確理解和把握所研究的經(jīng)濟(jì)現(xiàn)象中暗含的經(jīng)濟(jì)學(xué)理論和經(jīng)濟(jì)行為規(guī)律。（2）要考慮數(shù)據(jù)的可得性。（3）要考慮所以入選變量之間的關(guān)系，使得每一個(gè)解釋變量都是獨(dú)立的。2時(shí)間序列數(shù)據(jù)和橫截面數(shù)據(jù)有何不同？時(shí)間序列數(shù)據(jù)是一批按照時(shí)間先后排列的統(tǒng)計(jì)數(shù)據(jù)。截面數(shù)據(jù)是一批發(fā)生在同一時(shí)間截面上的調(diào)查數(shù)據(jù)。3相關(guān)關(guān)系與因果關(guān)系的區(qū)別與聯(lián)系。相關(guān)關(guān)系是指兩個(gè)以上的變量的樣本觀測(cè)值序列之間表現(xiàn)出來(lái)

3、的隨機(jī)數(shù)學(xué)關(guān)系，用相關(guān)系數(shù)來(lái)衡量。因果關(guān)系是指兩個(gè)或兩個(gè)以上變量在行為機(jī)制上的依賴性，作為結(jié)果的變量是由作為原因的變量所決定的，原因變量的變化引起結(jié)果變量的變化。因果關(guān)系有單向因果關(guān)系和互為因果關(guān)系之分。具有因果關(guān)系的變量之間一定具有數(shù)學(xué)上的相關(guān)關(guān)系。而具有相關(guān)關(guān)系的變量之間并不一定具有因果關(guān)系。4回歸分析與相關(guān)分析的區(qū)別與聯(lián)系。相關(guān)分析是判斷變量之間是否具有相關(guān)關(guān)系的數(shù)學(xué)分析方法，通過(guò)計(jì)算變量之間的相關(guān)系數(shù)來(lái)實(shí)現(xiàn)?；貧w分析也是判斷變量之間是否具有相關(guān)關(guān)系的一種數(shù)學(xué)分析方法，它著重判斷一個(gè)隨機(jī)變量與一個(gè)或幾個(gè)可控變量之間是否具有相關(guān)關(guān)系。第二章簡(jiǎn)答題1.給定一元線性回歸模型： （1）敘述模型的

4、基本假定；（2）寫出參數(shù)和的最小二乘估計(jì)公式； （3）說(shuō)明滿足基本假定的最小二乘估計(jì)量的統(tǒng)計(jì)性質(zhì)；（4）寫出隨機(jī)擾動(dòng)項(xiàng)方差的無(wú)偏估計(jì)公式。答:（1）零均值，同方差，無(wú)自相關(guān)，解釋變量與隨機(jī)誤差項(xiàng)相互獨(dú)立（或者解釋變量為非隨機(jī)變量）（2），（3）線性即，無(wú)偏性即，有效性即（4），其中2. 隨機(jī)誤差項(xiàng)包含哪些因素影響。（1）解釋變量中被忽略的因素的影響；（2）變量觀測(cè)值的觀測(cè)誤差的影響；（3）模型關(guān)系的設(shè)定誤差的影響；（4）其它隨機(jī)因素的影響。3.線性回歸模型的基本假設(shè)。違背基本假設(shè)的計(jì)量經(jīng)濟(jì)模型是否可以估計(jì)。（1）隨機(jī)誤差項(xiàng)具有零均值。即E()=0 i=1,2,n（2）隨機(jī)誤差項(xiàng)具有同方差。即

5、Var()= i=1,2,n（3）隨機(jī)誤差項(xiàng)在不同樣本點(diǎn)之間是獨(dú)立的，不存在序列相關(guān)。即Cov()=0 ij i,j=1,2,n（4）解釋變量是確定性變量，不是隨機(jī)變量，隨機(jī)誤差項(xiàng)與解釋變量之間不相關(guān)。即 Cov()=0 j=1,2,k i=1,2,n（5）解釋變量之間不存在嚴(yán)重的多重共線性。（6）隨機(jī)誤差項(xiàng)服從零均值、同方差的正態(tài)分布。即4.普通最小二乘法參數(shù)估計(jì)量的統(tǒng)計(jì)性質(zhì)及其含義。答：線性。所謂線性是指參數(shù)估計(jì)量是的線性函數(shù)。無(wú)偏性。所謂無(wú)偏性是指參數(shù)估計(jì)量的均值（期望）等于模型參數(shù)值，即，。有效性。參數(shù)估計(jì)量的有效性是指在所有線性、無(wú)偏估計(jì)量中，該參數(shù)估計(jì)量的方差最小。9. 什么是總體

6、回歸函數(shù)和樣本回歸函數(shù)?它們之間的區(qū)別是什么以簡(jiǎn)單線性回歸模型為例，總體回歸函數(shù)是總體因變量的條件期望表現(xiàn)為自變量函數(shù)；總體回歸函數(shù)是確定的和未知的，是回歸分析所估計(jì)的對(duì)象。樣本函數(shù)是根據(jù)樣本數(shù)據(jù)所估計(jì)出的因變量與自變量之間的函數(shù)關(guān)系；回歸分析的目的是用樣本回歸函數(shù)來(lái)估計(jì)總體回歸函數(shù)。它們的區(qū)別在于，總體回歸函數(shù)是未知但是確定的，而樣本回歸函數(shù)是隨樣本波動(dòng)而變化；總體回歸函數(shù)的參數(shù)是確定的，而樣本回歸函數(shù)的系數(shù)是隨機(jī)變量；總體回歸函數(shù)中的誤差項(xiàng)不可觀察，而樣本回歸函數(shù)中的殘差項(xiàng)是可以觀察的。10.什么是隨機(jī)擾動(dòng)項(xiàng)和殘差？它們之間的區(qū)別是什么答：隨機(jī)誤差項(xiàng)表示自變量之外其他變量對(duì)因變量產(chǎn)生的影響

7、，是不可觀察的的，通常要對(duì)其給出一定的假設(shè)。殘差項(xiàng)是指因變量實(shí)際觀測(cè)值與樣本回歸函數(shù)計(jì)算的估計(jì)值之間的偏差，是可以觀測(cè)的。他們的區(qū)別在于，反映的含義是不同且可觀測(cè)性也不同。11為什么在對(duì)參數(shù)作最小二乘估計(jì)之前要對(duì)模型提出古典假設(shè)？答：最小二乘發(fā)只是尋找估計(jì)量的一種方法，其尋找到的估計(jì)量是否具有良好的性質(zhì)則依賴模型的一些基本的假定。只有一系列的經(jīng)典假定下，最小二乘估計(jì)才是BLUE即在古典假定條件下，OLS估計(jì)量和是參數(shù)和的最佳線性無(wú)偏估計(jì)量，即BLUE，這一結(jié)論就是著名的高斯馬爾可夫定理。12.對(duì)參數(shù)假設(shè)檢驗(yàn)的基本思想是什么？答：假設(shè)檢驗(yàn)的基本思路是首先對(duì)總體參數(shù)值提出假設(shè)，然后再利用樣本告知的

8、信息去驗(yàn)證先前提出的假設(shè)是否成立。如果樣本數(shù)據(jù)不能充分證明和支持假設(shè)，則在一定的概率條件下，應(yīng)拒絕該假設(shè)；相反，如果樣本數(shù)據(jù)不能夠充分證明和支持假設(shè)是不成立的，則不能推翻假設(shè)成立的合理性和真實(shí)性。假設(shè)檢驗(yàn)推斷過(guò)程所依據(jù)的基本信念是小概率原理，即發(fā)生概率很小的隨機(jī)事件，在某一次特定的實(shí)驗(yàn)中幾乎不可能發(fā)生的。6. a圖呈無(wú)規(guī)律變化；b圖中當(dāng)X增加時(shí)，隨機(jī)誤差項(xiàng)的方差也隨之增大；c圖中隨機(jī)誤差項(xiàng)的方差與X的變化無(wú)關(guān)；d圖中當(dāng)X增加時(shí)，隨機(jī)誤差項(xiàng)的方差與之呈U形變化。四、計(jì)算題 1、已知某公司的廣告費(fèi)用(X)與銷售額(Y)的統(tǒng)計(jì)數(shù)據(jù)如下表所示：X(萬(wàn)元)4025 2030404025205020502

9、0Y(萬(wàn)元)490395420475385525480400560365510540(1) 估計(jì)銷售額關(guān)于廣告費(fèi)用的一元線性回歸模型 (2) 說(shuō)明參數(shù)的經(jīng)濟(jì)意義 (3) 在的顯著水平下對(duì)參數(shù)的顯著性進(jìn)行 t 檢驗(yàn)。 解：(1)利用 OLS 法估計(jì)樣本回歸直線為：(2)參數(shù)的經(jīng)濟(jì)意義：當(dāng)廣告費(fèi)用每增加1 萬(wàn)元，公司的銷售額平均增加4.185萬(wàn)元。 (3) ，廣告費(fèi)用對(duì)銷售額的影響是顯著的。 第二章Journal Almanac 1999）上。航班正點(diǎn)到達(dá)的比率和每 10 萬(wàn)名乘客投訴的次數(shù)的數(shù)據(jù)如下: 航空公司名稱航班正點(diǎn)率（%）投訴率（次/10 萬(wàn)名乘客）西南(Southwest)航空公司81

10、.80.21大陸(Continental)航空公司76.60.58西北(Northwest)航空公司76.60.85美國(guó)(US Airways)航空公司75.70.68聯(lián)合(United)航空公司73.80.74美洲(American)航空公司72.20.93德?tīng)査―elta）航空公司71.20.72美國(guó)西部(Americawest)航空公司70.81.22環(huán)球(TWA)航空公司68.51.25利用 EViews 估計(jì)其參數(shù)結(jié)果為： Dependent Variable: YMethod: Least SquaresDate: 06/11/09 Time: 19:12Sample: 1 9I

11、ncluded observations: 9VariableCoefficientStd. Errort-StatisticProb. C.0007X-0.0.-4.0.0016R-squared0. Mean dependent var0.Adjusted R-squared0. S.D. dependent var0.S.E. of regression0. Akaike info criterion-0.Sum squared resid0. Schwarz criterion-0.Log likelihood 4.F-Statistic24.67361Durbin-Wa

12、tson stat2.Prob(F-Statistic)0.(1)求出描述投訴率是如何依賴航班按時(shí)到達(dá)正點(diǎn)率的估計(jì)的回歸方程。 (2)對(duì)估計(jì)的回歸方程的斜率作出解釋。 (3)如果航班按時(shí)到達(dá)的正點(diǎn)率為 80%，估計(jì)每10萬(wàn)名乘客投訴的次數(shù)是多少？ 解：描述投訴率（Y）依賴航班按時(shí)到達(dá)正點(diǎn)率（X）的回歸方程： 即 t=(5.) (-4.) R2=0. F=24.67361 DW=2.這說(shuō)明當(dāng)航班正點(diǎn)到達(dá)比率每提高1個(gè)百分點(diǎn), 平均說(shuō)來(lái)每10萬(wàn)名乘客投訴次數(shù)將下降 0.07次。 如果航班按時(shí)到達(dá)的正點(diǎn)率為 80%，估計(jì)每 10 萬(wàn)名乘客投訴的次數(shù)為（次） 第二章簡(jiǎn)單題1.對(duì)于多元線性計(jì)量經(jīng)濟(jì)學(xué)模型

13、： （1）該模型的矩陣形式及各矩陣的含義；（2）對(duì)應(yīng)的樣本線性回歸模型的矩陣形式；（3）模型的最小二乘參數(shù)估計(jì)量。 答：（1）；（2）；（3）。2為什么要計(jì)算調(diào)整后的可決系數(shù)？答：剔除樣本容量和解釋變量個(gè)數(shù)的影響。3.擬合優(yōu)度檢驗(yàn)與方程顯著性檢驗(yàn)的區(qū)別與聯(lián)系。區(qū)別：它們是從不同原理出發(fā)的兩類檢驗(yàn)。擬合優(yōu)度檢驗(yàn)是從已經(jīng)得到估計(jì)的模型出發(fā)，檢驗(yàn)它對(duì)樣本觀測(cè)值的擬合程度，方程顯著性檢驗(yàn)是從樣本觀測(cè)值出發(fā)檢驗(yàn)?zāi)Ｐ涂傮w線性關(guān)系的顯著性。聯(lián)系：模型對(duì)樣本觀測(cè)值的擬合程度高，模型總體線性關(guān)系的顯著性就強(qiáng)?？赏ㄟ^(guò)統(tǒng)計(jì)量之間的數(shù)量關(guān)系來(lái)加以表示：。4.如何縮小參數(shù)估計(jì)量的置信區(qū)間。（1）增大樣本容量n；（2）提

14、高模型的擬合優(yōu)度，減少殘差平方和；（3）提高樣本觀測(cè)值的分散度第三章多重共線性2、下面結(jié)果是利用某地財(cái)政收入對(duì)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(shuō)明你的理由。 Dependent Variable: REV Method: Least Squares Sample: 1 10 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C 17414.63 14135.10 1. 0.2640 GDP1 -0. 0. -1. 0.1071 GDP2 0.

15、0. 0. 0.3992 GDP3 0. 0. 1. 0.2558 R-squared 0. Mean dependent var 63244.00 Adjusted R-squared 0. S.D. dependent var 54281.99 S.E. of regression 5235.544 Akaike info criterion 20.25350Sum squared resid 1.64E+08 Schwarz criterion 20.37454Log likelihood -97.26752 F-statistic 320.4848Durbin-Watson stat

16、1. Prob(F-statistic) 0.解：存在嚴(yán)重多重共線性。因?yàn)榉匠陶w非常顯著，表明三次產(chǎn)業(yè) GDP對(duì)財(cái)政收入的解釋能力非常強(qiáng)，但是每個(gè)個(gè)別解釋變量均不顯著，且存在負(fù)系數(shù)，與理論矛盾，原因是存在嚴(yán)重共線性。第四章異方差根據(jù)某城市 19781998 年人均儲(chǔ)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） R2=0.9748，S.E.=1065.425，DW=0.2934，F(xiàn)=733.6066 試求解以下問(wèn)題：（1） 取時(shí)間段 19781985 和 19911998，分別建立兩個(gè)模型。 模型 1： t=（-8.7302）（25.4269） R2=

17、0.9908, RSS1=1372.202 模型 2： t=（-5.0660）（18.4094） R2=0.9826, RSS2=5811.189計(jì)算F統(tǒng)計(jì)量，即F=RSS2/RSS1=5811.189/1372.202=4334.9370，給定=0.05 ，查 F 分布表，得臨界值 F0.05(6,6)=4.28。請(qǐng)你繼續(xù)完成上述工作，并回答所做的是一項(xiàng)什么工作，其結(jié)論是什么？ （2） 利用 Y對(duì) X回歸所得的殘差平方構(gòu)造一個(gè)輔助回歸函數(shù)： R2=0.5659,計(jì)算(n-p)R2=18×0.5659=10.1862給定顯著性水平=0.05 ，查2分布表，得臨界值0.05(3)=7.

18、81 ，其中，自由度 p=3。請(qǐng)你繼續(xù)完成上述工作，并回答所做的是一項(xiàng)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(jiǎn)要評(píng)價(jià)。 答：（1）這是異方差檢驗(yàn)，使用的是樣本分段擬和（Goldfeld-Quant），F(xiàn)=4334.937>4.28，因此拒絕原假設(shè)，表明模型中存在異方差。 （2）這是異方差 ARCH 檢驗(yàn)，(n-p)R2=10.1862>7.81，所以拒絕原假設(shè)，表明模型中存在異方差。 （3）這兩種方法都是用于檢驗(yàn)異方差。但二者適用條件不同： A. Goldfeld-Quant 要求大樣本；擾動(dòng)項(xiàng)正態(tài)分布；可用于截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)。 B. ARCH 檢

19、驗(yàn)僅適宜于時(shí)間序列數(shù)據(jù)，且其漸進(jìn)分布為2-分布。2、運(yùn)用美國(guó) 1988 研究與開(kāi)發(fā)（R&D）支出費(fèi)用（Y）與不同部門產(chǎn)品銷售量（X）的數(shù)據(jù)建立了一個(gè)回歸模型，并運(yùn)用 Glejser 方法和 White 方法檢驗(yàn)異方差，由此決定異方差的表現(xiàn)形式并選用適當(dāng)方法加以修正。結(jié)果如下： (0.1948) (3.83)R2=0.4783,s.e.=2759.15,F=14.6692White Heteroskedasticity Test: F-statistic 3. Probability 0.Obs*R-squared 5. Probability 0.Test Equation: Depe

20、ndent Variable: RESID2 Method: Least Squares Date: 08/08/08 Time: 15:38 Sample: 1 18 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C -. . -0. 0.3509X 229.3496 126.2197 1. 0.0892X2 -0. 0. -1. 0.2507R-squared 0. Mean dependent var .Adjusted R-squared 0. S.D. dependent var

21、 S.E. of regression Akaike info criterion 35.77968Sum squared resid 2.61E+15 Schwarz criterion 35.92808Log likelihood -319.0171 F-statistic 3.Durbin-Watson stat 1. Prob(F-statistic) 0. (4.5658) R2=0.2482請(qǐng)問(wèn)：（1）White 檢驗(yàn)判斷模型是否存在異方差。 （2）Glejser 檢驗(yàn)判斷模型是否存在異方差。 （3）該怎樣修正。 解：（1）給定= 0.05和自由度為2下，查卡方分布表，得臨界值2=

22、5.9915，而 White 統(tǒng)計(jì)量 nR2=5.2125，有，則不能拒絕原假設(shè)，說(shuō)明模型中不存在異方差。 （2）因?yàn)閷?duì)如下函數(shù)形式 得樣本估計(jì)式 (4.5658)R2=0.2482由此，可以看出模型中隨機(jī)誤差項(xiàng)有可能存在異方差。 （3）對(duì)異方差的修正?？扇?quán)數(shù)為 w=1/X。異方差簡(jiǎn)答題1.簡(jiǎn)述異方差性的含義。對(duì)于模型 i=1,2,n 同方差性假設(shè)為： 常數(shù) 如果出現(xiàn) i=1,2,n i=1,2,n 即對(duì)于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)的方差不再是常數(shù)，而互不相同，則認(rèn)為出現(xiàn)了異方差性。2.簡(jiǎn)述異方差性的后果。 （1）參數(shù)估計(jì)量仍然具有無(wú)偏性，但非有效，在大樣本情況下仍不具有一致性。 （2）變量的

23、顯著性檢驗(yàn)失去意義。 （3）模型的預(yù)測(cè)失效。3. .列舉異方差性的檢驗(yàn)方法。主要有圖示檢驗(yàn)法、等級(jí)相關(guān)系數(shù)法、戈里瑟檢驗(yàn)、巴特列特檢驗(yàn)、戈德菲爾特夸特檢驗(yàn)等4簡(jiǎn)述異方差性檢驗(yàn)方法的共同思路。答： 由于異方差性，相對(duì)于不同的樣本點(diǎn)，也就是相對(duì)于不同的解釋變量觀測(cè)值，隨機(jī)誤差項(xiàng)具有不同的方 差，那么檢驗(yàn)異方差性，也就是檢驗(yàn)隨機(jī)誤差項(xiàng)的方差與解釋變量觀測(cè)值之間的相關(guān)性。各種檢驗(yàn)方法就是 在這個(gè)思路下發(fā)展起來(lái)的。5列舉異方差的解決辦法。 答：加權(quán)最小二乘法。6簡(jiǎn)述什么是異方差?為什么異方差的出現(xiàn)總是與模型中某個(gè)解釋變量的變化有關(guān)？答：異方差性是指模型違反古典假定中的同方差性，即各殘差項(xiàng)的方差并非相等。

24、一般地，由于數(shù)據(jù)觀測(cè)質(zhì)量、數(shù)據(jù)異常值、某些經(jīng)濟(jì)變化的特性、模型設(shè)定形式的偏誤等原因，導(dǎo)致了異方差的出現(xiàn)。主要原因往往是重要變量的遺漏，所以很多情況下，異方差表現(xiàn)為殘差方差隨著某個(gè)（未納入模型的）解釋變量的變化而變化。7歸納教材中所介紹的檢驗(yàn)異方差的方法的基本思想。答：本書中給出了5種檢驗(yàn)方法：GoldfeldQuandt檢驗(yàn)，Glejser檢驗(yàn)，Breusch-Pagan檢驗(yàn)，White檢驗(yàn)，ARCH檢驗(yàn)。其共同的基本思想是：判斷隨機(jī)誤差項(xiàng)與解釋變量觀測(cè)值之間的相關(guān)性。對(duì)上述每一種檢驗(yàn)來(lái)說(shuō)，具體的尋找誤差項(xiàng)與解釋變量的關(guān)系的方法手段有所不一樣8什么是加權(quán)最小二乘法，它的基本思想是什么？答： 加

25、權(quán)最小二乘法是對(duì)各個(gè)殘差的平方賦予不同的權(quán)重后求和，求解參數(shù)估計(jì)值，使加權(quán)之后的殘差平方和最小。這種確定參數(shù)估計(jì)值的方法稱為加權(quán)最小二乘法。其基本思想是：在異方差的情形下，方差越小，偏離均值的離散程度越小，越應(yīng)該受到重視。即ei的方差越小，在確定回歸線時(shí)起的作用越大，反之，起的作用越小。這樣，應(yīng)該對(duì)方差小的ei賦予較大的權(quán)重，對(duì)方差大的ei賦予較小的權(quán)重，讓各個(gè)ei2提供的信息大致一致。9產(chǎn)生異方差的原因是什么 ? 試舉例說(shuō)明經(jīng)濟(jì)現(xiàn)象中的異方差性。異方差性是指模型違反了古典假定中的同方差假定，它是計(jì)量經(jīng)濟(jì)分析中的一個(gè)專門問(wèn)題。在線性回歸模型中，如果隨機(jī)誤差項(xiàng)的方差不是常數(shù)，即對(duì)不同的解釋變量觀

26、測(cè)值彼此不同，則稱隨機(jī)項(xiàng)具有異方差性，即 （t=1，2，n）。例如，利用橫截面數(shù)據(jù)研究消費(fèi)和收入之間的關(guān)系時(shí)，對(duì)收入較少的家庭在滿足基本消費(fèi)支出之后的剩余收入已經(jīng)不多，用在購(gòu)買生活必需品上的比例較大，消費(fèi)的分散幅度不大。收入較多的家庭有更多可自由支配的收入，使得這些家庭的消費(fèi)有更大的選擇范圍。由于個(gè)性、愛(ài)好、儲(chǔ)蓄心理、消費(fèi)習(xí)慣和家庭成員構(gòu)成等那個(gè)的差異，使消費(fèi)的分散幅度增大，或者說(shuō)低收入家庭消費(fèi)的分散度和高收入家庭消費(fèi)得分散度相比較，可以認(rèn)為牽著小于后者。這種被解釋變量的分散幅度的變化，反映到模型中，可以理解為誤差項(xiàng)方差的變化。產(chǎn)生原因：（1）模型中遺漏了某些解釋變量；（2）模型函數(shù)形式的設(shè)定

27、誤差；（3）樣本數(shù)據(jù)的測(cè)量誤差；（4）隨機(jī)因素的影響。10.如果模型中存在異方差性 , 對(duì)模型有什么影響 ? 這時(shí)候模型還能進(jìn)行應(yīng)用分析嗎 ?如果線性回歸模型的隨機(jī)誤差項(xiàng)存在異方差性，會(huì)對(duì)模型參數(shù)估計(jì)、模型檢驗(yàn)及模型應(yīng)用帶來(lái)重大影響，主要有：（1）不影響模型參數(shù)最小二乘估計(jì)值的無(wú)偏性；（2）參數(shù)的最小二乘估計(jì)量不是一個(gè)有效的估計(jì)量；（3）對(duì)模型參數(shù)估計(jì)值的顯著性檢驗(yàn)失效；（4）模型估計(jì)式的代表性降低，預(yù)測(cè)精度精度降低。11一般來(lái)說(shuō)，對(duì)各數(shù)據(jù)取對(duì)數(shù)之后不會(huì)改變數(shù)據(jù)的性質(zhì)和關(guān)系，且所得到的數(shù)據(jù)易消除異方差問(wèn)題；同時(shí)，取對(duì)數(shù)以后，經(jīng)濟(jì)變量具有彈性的含義，所以一般對(duì)變量取對(duì)數(shù)形式。判斷題4.判斷下列說(shuō)

28、法是否正確，并簡(jiǎn)要說(shuō)明為什么。（1）    當(dāng)異方差出現(xiàn)時(shí)，最小二乘估計(jì)是有偏的和不具有最小方差特性；        答：不正確。這個(gè)時(shí)候估計(jì)式是無(wú)偏的，但是不具有最小方差性。（2）    當(dāng)異方差出現(xiàn)時(shí)，常用的t和F檢驗(yàn)失效；    答：正確。由于方差不是常數(shù)而是變數(shù)，這時(shí)一般意義上t比值的分布是未知的，但肯定不再遵從t-分布，使得t檢驗(yàn)失效；同理，在異方差條件下，F(xiàn)比值也不再是遵從F-分布，F(xiàn)檢驗(yàn)也失效。（3）    異方差情況下，通常的OLS估計(jì)一定高估了估計(jì)量的標(biāo)準(zhǔn)差；        答：一般是低估了其標(biāo)準(zhǔn)差。（4）    如果OLS回歸的殘差表現(xiàn)出系統(tǒng)性，則說(shuō)明數(shù)據(jù)中有異方差性；        答：是，但同時(shí)也要考慮自相關(guān)性的存在。（5）