【正文】
endent Variable: y ANOVA(b) Model Sum of Squares df Mean Square F Sig. 1 Regression 4 .000(a) Residual .279 5 .056 Total 9 a Predictors: (Constant), x4, x3, x2, x1 b Dependent Variable: y Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) .101 x1 .060 .048 .480 .268 .027 6 x2 .089 .037 .407 .062 .141 x3 .018 .519 .738 x4 .007 .018 .123 .420 .692 .048 a Dependent Variable: y 由多重共線性的經(jīng)典判斷法可以看出該模型擬合優(yōu)度及總體線性顯著性都非常好，但單個解釋變量顯著性卻都不理 想，所以模型存在多重共線性。（ 3）難以區(qū)分每個解釋變量的單獨影響。另外在計量經(jīng)濟學的研究中，將某些解釋變量的滯后值作為單獨的新解釋變量包含在模型中，已得到廣泛的應用。 ⑶ 用 Durbin 兩步法估計回歸模型的參數(shù)； ⑷ 直接用差分法估計回歸模型參數(shù)。 （ 5） d =， k =1， n =45，顯著性水平 ? =5%： DL=, DU=，因為 DU d =（ 4DU） , 所以不存在自相關。（ k =自變量數(shù)目， n =樣本容量） （ 1） d =， k =3， n =21，顯著性水平 ? =5%： DL=, DU=，因為 d = DL, 所以存在一階正自相關。 自相關產(chǎn)生的后果， 如果模型中的隨機項存在自相關，仍然 采用普通最小二乘法，會有以下后果： （ 1）最小二乘估計量仍然是線性的和無偏的，但不具有最小方差性，即不是最優(yōu)的。若回歸模型所采用的數(shù)學形式與所研究問題的真實關系不一致，隨機項就可能存在自相關。如 果略去的解釋變量有一些存在自相關，它必然在隨機項中反映出來，從而使隨機項具有自相關性。若這個假定違背， ( , ) 0ijCov u u ? ,即 u 在不同觀測點下的取值相關聯(lián)，則稱 u 存在序列相關或叫自相關（ Autoregression）。進行 Goldfe ld Quandt? 檢驗。 ⑵ 做散點圖，觀察家庭生活開支離差量的變化情況。這是因為低收入的家庭，其收入中扣除必要的生活支出以外，用于其他支出和儲蓄的部分也較少，因此隨機項波動的程度小，即方差小；而高收入家庭，其收入中扣除必要的生活支出以外，剩余的就較多，就有更大的使用選擇余地，這樣儲蓄的差異就較大，因而隨機項波動的程度就大，即方差大。 第四章課后練習答案 1. 解：古典線性回歸模型的一個很重要的假定是隨機項的同方差性，即對于每個 ix ， iu 的方差都是同一個常數(shù)，當此假定不能滿足時，則 iu 的方差在不同次的觀測中不再是一個常數(shù)，而是取得不同的數(shù)值，即 2( | )i i iVar u x ?? ≠常數(shù) (i? 1， 2，?， )n 則稱隨機項 iu 具有異方差性（ Heteroscedasticity）。即 2~ (0, )iuuN? . (6)各解釋變量之間不存在 顯著的線性相關關系。即 ( , ) 0ijCov u u ? ,（ , 1, 2, , 。 1 第三章課后練習答案 : 如果被解釋變量（因變量） y 與 k 個解釋變量（自變量） 1x ， 2x ，?， kx 之間有線性相關關系，那