計量經(jīng)濟學第三版部分答案(第六章之后的)

計量經(jīng)濟學第三版部分答案(第六章之后的)第六章1、答：給定顯著水平α，依據(jù)樣本容量n和解釋變量個數(shù)k’，查D.W.表得d統(tǒng)計量的上界du和下界dL，當0<d<dL時，表明存在一階正自相關，而且正自相關的程度隨d向0的靠近而增強。當dL<d<du時，表明為不能確定存在自相關。當du<d<4-du時，表明不存在一階自相關。當4-du<d<4-dL時，表明不能確定存在自相關。當4-dL<d<4時，表明存在一階負自相關，而且負自相關的程度隨d向4的靠近而增強。前提條件：DW檢驗的前提條件：（1）回歸模型中含有截距項；（2）解釋變量是非隨機的（因此與隨機擾動項不相關）（3）隨機擾動項是一階線性自相關。；（4）回歸模型中不把滯后內生變量（前定內生變量）做為解釋變量。（5）沒有缺失數(shù)據(jù)，樣本比較大。DW檢驗的局限性：（1）DW檢驗有兩個不能確定的區(qū)域，一旦DW值落在這兩個區(qū)域，就無法判斷。這時，只有增大樣本容量或選取其他方法（2）DW統(tǒng)計量的上、下界表要求n15,這是因為樣本如果再小，利用殘差就很難對自相關的存在性做出比較正確的診斷(3)DW檢驗不適應隨機誤差項具有高階序列相關的檢驗.(4)只適用于有常數(shù)項的回歸模型并且解釋變量中不能含滯后的被解釋變量2、答：（1）當回歸模型隨機誤差項有自相關時，普通最小二乘估計量是有偏誤的和非有效的。判斷：錯誤。當回歸模型隨機誤差項有自相關時，普通最小二乘估計量是無偏誤的和非有效的。（2）DW檢驗假定隨機誤差項ui的方差是同方差。判斷：錯誤。DW統(tǒng)計量的構造中并沒有要求誤差項的方差是同方差。（3）用一階差分法消除自相關是假定自相關系數(shù)為-1。判斷：錯誤。用一階差分法消除自相關是假定自相關系數(shù)為1，即原原模型存在完全一階正自相關。（4）當回歸模型隨機誤差項有自相關時，普通最小二乘估計的預測值的方差和標準誤差不再是有效的。判斷：正確。3、答：給定顯著水平α=0.05，依據(jù)樣本容量n=50和解釋變量個數(shù)k’=4，查D.W.表得d統(tǒng)計量的上界du=1.721，下界dL=1.378，4du=2.279，4dL=2.622。（1）DW=1.05dL，所以模型存在正自相關。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,說明在5%顯著性水平下廣義差分模型已無自相關。β=45.35242/(1-0.657352)=140.563152由此，得到的最終消費模型為：Y=140.563152+0.709686X（3）該模型的經(jīng)濟意義是，人均實際收入每增加一元，人均實際消費支出會增加0.669262元。第七章7.3庫伊克模型、自適應預期模型與局部調整模型有哪些共性和不同之處？模型估計會存在哪些困難？如何解決？答：（1）相同之處：庫伊克模型、自適應預期模型、局部調整模型三個模型的最終形式都是一階自回歸模型。（2）不同之處：1）導出模型的經(jīng)濟背景和思想不同。庫伊克模型是在無限分布滯后模型的基礎上，根據(jù)庫伊克幾何分布滯后假定導出的；自適應預期模型是由解釋變量自適應過程得到的；局部調整模型是由應變量的局部調整得到的。2）模型存在的問題不同。三個模型的形成機理不同，所以隨機誤差項的結構不同，庫伊克模型和自適應預期模型都存在自相關、解釋變量與隨機誤差項相關的問題；而局部調整模型則不存在。庫伊克模型和自適應預期模型不能夠直接使用最小二乘法直接估計，而局部調整模型則可以。（2）模型估計存在的困難及解決的方法（a）出現(xiàn)了隨機解釋變量Yt-1，而Yt-1可能與隨機擾動項相關；(b)隨機擾動項可能自相關，庫伊克模型和自適應預期模型的隨機擾動項都會導致自相關，只有局部調整模型的隨機擾動無自相關.如果用最小二乘法直接估計自回歸模型，則估計可能是有偏的，而且不是一致估計。估計自回歸模型需要解決兩個問題：設法消除與的相關性；檢驗是否存在自相關。所以應用工具變量法進行估計一階自回歸模型，就是在進行參數(shù)估計的過程中選擇適當?shù)墓ぞ咦兞?，代替回歸模型中同隨機擾動項存在相關性的解釋變量。7.6檢驗一階自回歸模型隨機擾動項是否存在自相關，為什么用德賓h-檢驗而不用DW檢驗？答：因為DW檢驗法不適合于方程含有滯后被解釋變量的場合，在自回歸模型中，滯后被解釋變量是隨機變量，已有研究表明，如果用DW檢驗法，則d統(tǒng)計量值總是趨近于2。也就是說，在一階自回歸中，當隨機擾動項存在自相關時，DW檢驗卻傾向于得出非自相關的結論。練習題7.4估計一階自回歸模型;回歸估計：Yt=66247+0.04731X1t+0.27507X2t+0.4552Yt-1根據(jù)局部調整模型的函數(shù)關系，有l(wèi)na*=δlna,β*0=δβ0,β*1=δβ1,β*2=1-δ將估計結果帶入可得：δ=0.594479a=111437073β0=0.0796β1=0.4627局部調整模型估計結果為Y*t=111437073+0.0796X1t+0.4627X2t經(jīng)濟意義：社會商品銷售額每增加1億元，未來預期年末貨幣流通量增加0.0796億元

城鄉(xiāng)居民儲蓄余額每增加1億元，未來預期年末貨幣流通量增加0.4627億元模型對數(shù)變換：在局部調整假定下，估計一階自回歸模型回歸估計lnYt=0.672511+0.200421lnX1t+0.18120lnX2t+0.52471lnYt-1根據(jù)局部調整模型的參數(shù)關系，lna*=δlna,β*0=δβ0,β*1=δβ1,β*2=1-δ將估計結果帶入可得：δ=0.465282a=1.44538β0=0.43075β1=0.38944局部調整模型估計結果為：lnYt=1.44538+0.43075lnX1t+0.3894lnX2t經(jīng)濟意義：社會商品銷售額每增加1%，未來預期年末貨幣流通量增加0.43075%

城鄉(xiāng)居民儲蓄余額每增加1%，未來預期年末貨幣流通量增加0.38944%

第八章8.2虛擬變量為何只選0、1，選2、3、4行嗎？為什么？答：虛擬變量是非此即彼的問題，一般情形下，虛擬變量的取值為0和1。當虛擬變量取值為0時，表示某種屬性或狀態(tài)的類型或水平不出現(xiàn)或不存在；當虛擬變量取值為1時，表示某種屬性或狀態(tài)的類型或水平出現(xiàn)或存在。取值一般不選2、3、4，否則對回歸系數(shù)的分析帶來不便。8.5四種加法方式引入虛擬變量會產(chǎn)生什么效應？答：四種加法方式引入虛擬變量均改變了截距，可以用于分析虛擬變量不同類之間的水平差異。8.6引入虛擬被解釋變量的背景是什么？含有虛擬被解釋變量模型的估計方法有哪些？答：某經(jīng)濟現(xiàn)象或活動受到多種因素的影響，需要對這一經(jīng)濟現(xiàn)象或活動進行是或否的判斷或決策時，需要引入被解釋變量。虛擬被解釋變量模型的估計方法主要有線性概率模型估計和對數(shù)單位模型估計。練習題8.6經(jīng)分析得邊際效應=10第九章9.3檢驗變量設定誤差有哪幾種方法？他們的共性和差異是什么？常用方法有：DW檢驗、LM檢驗、RESET檢驗、模型函數(shù)形式設定檢驗。9.4如何進行遺漏變量設定誤差的后果分析？其檢驗有哪些方法？如何檢驗？當模型遺漏了真實的變量后，模型的參數(shù)估計是有偏且不一致的：參數(shù)估計的方差估計不正確，隨機擾動項方差的估計也是不正確的，將使假設檢驗、空間估計失效。檢驗的方法有DW檢驗、LM檢驗、RESET檢驗、模型函數(shù)形式設定檢驗。9.5如何進行無關變量設定誤差的后果分析？其檢驗有哪些方法？如何檢驗？模型的參數(shù)估計任然是無偏且一致的，隨機擾動項的方差被正確估計，但所估計的方差將趨之于過大，從而使得參數(shù)估計的有效性降低，參數(shù)估計較為不準確，區(qū)間估計的精度下降。檢驗方法除了上訴四種以外還有非嵌套模型設定的假設檢驗等。練習題9.6答：在截面數(shù)據(jù)情況下題中所說的四條準則是正確的；但是在時序數(shù)據(jù)情況下，上訴準則則不一定是正確的。第十章10.1對時間序列進行分析，為什么提出平穩(wěn)性問題？平穩(wěn)是時間序列里面一個非常重要的假設，模型ar,ma,arma,var，garch，arch全部建立在時序平穩(wěn)的基礎上。（1）計量經(jīng)濟學經(jīng)典分析方法隱含著一個重要假設：數(shù)據(jù)是平穩(wěn)的。如果數(shù)據(jù)非平穩(wěn)，那么在大樣本下的統(tǒng)計推斷基礎——“一致性”要求就會被破壞。這往往導致“偽回歸”問題的出現(xiàn)。但實踐經(jīng)驗證明，現(xiàn)實經(jīng)濟現(xiàn)象中的時間序列數(shù)據(jù)通常是非平穩(wěn)的，而且一些主要的國民經(jīng)濟變量往往表現(xiàn)出一致的上升或下降，這使得兩個沒有任何因果關系的變量，擁有較高的R^2。通過經(jīng)典因果關系模型對這樣的數(shù)據(jù)進行分析很難獲得有效的統(tǒng)計量，分析、檢驗和預測結果也都是無效的，時間序列的平穩(wěn)性對計量回歸分析的有效性有很大影響；（2）經(jīng)典計量經(jīng)濟模型假定變量均為隨機的，但時間序列是在不同時間觀測的數(shù)據(jù)，不能看做是同一個隨機變量的反復抽樣，而只能是隨機過程的一個實現(xiàn)，每個數(shù)據(jù)都是特定時間隨機變量的唯一實現(xiàn)值，其樣本均值和方差的含義與隨機變量反復抽樣的樣本總體均值和方差有所不同，這有悖于經(jīng)典計量經(jīng)濟模型統(tǒng)計推斷的基礎。因而，對時間序列進行分析時，首先要考慮其平衡性問題。10.3什么是非平穩(wěn)？為什么隨機游走過程是非平穩(wěn)的？所謂時間序列的非平穩(wěn)，是指時間序列的統(tǒng)計規(guī)律隨著時間的位移而發(fā)生變化，即生成變量時間序列數(shù)據(jù)的隨機過程的特征隨時間而變化。對于隨機游走序列，它的均值為零、方差無限大,所以它是一非平穩(wěn)序列10.5怎樣判斷變量之間是否存在協(xié)整關系有兩種檢驗方法，一種是基于回歸殘差的協(xié)整檢驗，這種檢驗也稱為單一方程的協(xié)整檢驗；另一種是基于回歸系數(shù)完全信息的Johansen協(xié)整檢驗。10.6什么是誤差修正機制？誤差修正模型的特點是什么？任何一組相互協(xié)整的時間序列變量都存在誤差修正機制，誤差修正模型把長期關系和短期變動結合起來，使得協(xié)整與誤差修正模型之間存在一種對應關系，當變量之間存在協(xié)整關系時，變量在本期的變動，會根據(jù)上期偏差的情況做出調整，從而使其向長期均衡關系靠攏，這種不斷進行調整的過程就是誤差修正機制。誤差修正模型的特點是：

（1）若,YtXt存在協(xié)整關系，則ECMt具有平穩(wěn)性；因為yt,xt～I（1），則yt,xt～I（0），上式中的變量都具有平穩(wěn)性?；貧w參數(shù)的估計量具有優(yōu)良的漸近特性，所以用最小二乘法估計誤差修正模型不存在虛假回歸問題。

（2）誤差修正模型中既有描述變量長期關系的參數(shù)，又有描述變量短期關系的參數(shù)；既可研究經(jīng)濟問題的靜態(tài)（長期）特征又可研究其動態(tài)（短期）特征。

誤差修正機制的特點是：

（1）因為ECM模型中包含的全部差分變量和非均衡誤差都具有平穩(wěn)性，所以用OLS法估計參數(shù)不會存在虛假回歸問題；

（2）如果ADL模型中的變量為一階非平穩(wěn)性，只要這些變量存在協(xié)整關系ttXkkY10，那么ECM模型中的誤差修正項就具有平穩(wěn)性，所有差分變量也具有平穩(wěn)性。

（3）ECM模型中的參數(shù)可分為長期參數(shù)和短期參數(shù)，非均衡誤差項中的k是長期參數(shù)，模型中的B0和a-1是短期參數(shù)，短期參數(shù)便是變量間的短期關系。

（4）任何一個ADL模型都可以變換為一個ECM模型。十一章11.2聯(lián)立方程模型有哪些種類？各類聯(lián)立方程模型的特點是什么？1、結構型模型。特點（1）結構方程描述了經(jīng)濟變量之間的結構關系，所以結構方程反映了內生變量直接受前定變量、其他內生變量和隨機誤差項影響的因果關系，在結構方程的右端可能出現(xiàn)其他的內生變量。（2）結構方程中的變量的系數(shù)稱為結構參數(shù)，結構參數(shù)反映了結構方程中的解釋變量對被解釋變量的直接影響程度。（3）結構模型具有偏倚性的問題。（4）不能直接用結構模型進行預測。2、簡化型模型。特點（1）每一個方程的右端不再出現(xiàn)內生變量，而只有前定變量作為解釋變量。（2）模型中的前定變量和隨機誤差項不相關。（3）簡化模型的參數(shù)綜合反映了前定變量對內生變量的直接影響和間接影響，其參數(shù)表現(xiàn)了前定變量對內生變量的影響乘數(shù)。（4）在已知前定變量取值的條件下，可利用簡化模型參數(shù)的估計式直接對內生變量進行預測分析。3、遞歸模型。特點是直接運用OLS方法對模型中的方程依次進行估計，而不會產(chǎn)生聯(lián)立方程組的偏倚性問題。11.3什么是聯(lián)立方程偏倚？為什么會產(chǎn)生聯(lián)立方程偏倚?在計量經(jīng)濟學中聯(lián)立方程偏倚是聯(lián)立方程模型的一種形式，在結構式模型中，一些變量可能在一個方程中作為解釋變量，而在另外一方程中又作為被解釋變量。這就使得解釋變量與隨機誤差項u之間存在相關關系，從而違背了最小二乘估計理論的一個重要假定，估計量一次是有偏的和非一致的。這就是所謂的聯(lián)立方程偏倚。11.5為什么不能直接用普通最小二乘法對聯(lián)立方程模型的參數(shù)進行估計？在實際經(jīng)濟活動中，變量之間不僅僅是存在單項的因果關系。還會存在如下的情況：第一，由于兩個變量之間存在雙向因果關系，用單一方程模型就不能完整的描述這兩個變量之間的關系。第二，為全面描述一項經(jīng)濟活動只用單一方程模型是不夠的。這時應該用多個方程的組合來描述整個經(jīng)濟活動11.6識別的階條件和秩條件的含義是什么？為什么在識別的過程中要將階條件和秩條件結合運用？階條件：當模型的一個方程中不包含的變量（內生變量和前定變量）的總個數(shù)，大于或者等于模型中內生變量總個數(shù)M減1，則該方程可能識別；秩條件：在有M個內生變量M個方程的完備聯(lián)立方程模型中，當且僅當一個方程中不包含但在其他方程包含的變量（不論內生變量還是外生變量）的系數(shù)，至少能夠構成一個非零的M-1階行列式時，該方程是可以識別的。模型識別的秩條件是充分必要條件，但識別程序過于繁瑣；階條件比較簡便，但又只是必要條件。所以為了簡化識別的工作量，可以將兩種方法結合運用。11.8間接最小二乘法的條件、步驟、參數(shù)估