計(jì)量經(jīng)濟(jì)學(xué)習(xí)題及答案-免費(fèi)閱讀
【正文】 對(duì)于第三個(gè)方程判別結(jié)果為過度識(shí)別的。答：一是居民收入總額RIi前參數(shù)的符號(hào)有誤，應(yīng)是正號(hào)；二是全社會(huì)固定資產(chǎn)投資總額IVi這一解釋變量的選擇有誤，它對(duì)社會(huì)消費(fèi)品零售總額應(yīng)該沒有直接影響。同理，=1，故，對(duì)于模型中第二個(gè)解釋變量通不過檢驗(yàn)。生育孩子對(duì)教育年數(shù)的簡(jiǎn)單回歸模型為： ① 隨機(jī)干擾項(xiàng)包含什么樣的因素？它們可能與教育水平相關(guān)嗎？ ② 上述簡(jiǎn)單回歸分析能夠揭示教育對(duì)生育率在其他條件不變下的影響嗎？請(qǐng)解釋。一元線性回歸模型的基本假設(shè)主要有哪些？違背基本假設(shè)的計(jì)量經(jīng)濟(jì)學(xué)模型是否就不可以估計(jì)？答：線性回歸模型的基本假設(shè)有兩大類：一類是關(guān)于隨機(jī)干擾項(xiàng)的，包括零均值，同方差，不序列相關(guān)，滿足正態(tài)分布等假設(shè)；另一類是關(guān)于解釋變量的，主要有，解釋變量是非隨面的，如果是隨機(jī)變量，則與隨機(jī)干擾項(xiàng)不相關(guān)。③ 對(duì)輔助模型利用在第一步所得的的樣本數(shù)據(jù)及原模型的解釋變量的樣本數(shù)據(jù)對(duì)輔助模型進(jìn)行OLS回歸，算出輔助回歸模型的判定系數(shù)。因?yàn)榻?jīng)濟(jì)系統(tǒng)中包含有很多的隨機(jī)因素，這引起因素有時(shí)又非常重要而又無法準(zhǔn)確地加以測(cè)度，因此，引入隨機(jī)誤差項(xiàng)，由這誤差項(xiàng)來反映這些因素的影響。其原理是彈性分析、乘數(shù)分析與比較靜力分析。 某商品需求函數(shù)模型為，其中Y為需求量，X為價(jià)格。④ 模型的檢驗(yàn)，包括參數(shù)的顯著性檢驗(yàn)、模型整體顯著性的檢驗(yàn)、異方差性的檢驗(yàn)、序列相關(guān)性的檢驗(yàn)及多重共線性的檢驗(yàn)。其原理是如果按照某種經(jīng)濟(jì)理論建立的計(jì)量經(jīng)濟(jì)學(xué)模型可以很好的擬合實(shí)際觀察數(shù)據(jù)，則意味著該理論是符合客觀事實(shí)的，否則，則表明該理論不能解釋客觀事實(shí)。以二元線性回歸模型為例，闡述運(yùn)用White檢驗(yàn)法檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲钚缘幕具^程。模型存在多重共線性可能產(chǎn)生的后果主要有哪些? （1）各個(gè)解釋變量對(duì)被解釋變量的影響很難精確鑒別； (2) 模型回歸系數(shù)估計(jì)量的方差會(huì)很大，從而使模型參數(shù)的顯著性檢驗(yàn)失效； (3) 模型參數(shù)的估計(jì)量對(duì)刪除或增添少量的觀測(cè)值及刪除一個(gè)不顯著的解釋變量都可能非常敏感。（2）t檢驗(yàn)的可靠性降低（3）增大模型的預(yù)測(cè)誤差試述用DW檢驗(yàn)法檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖谛蛄邢嚓P(guān)性的基本過程。你決定對(duì)已有的30個(gè)連鎖店的銷售額作為他們所處地位置特征的函數(shù)進(jìn)行回歸分析，并且用這個(gè)回歸方程模型預(yù)測(cè)你考慮的新的連鎖店的不同位置的可能銷售額。請(qǐng)進(jìn)行變量的差分變換消除此模型中的序列相關(guān)性？ 解：先將模型滯后一期再在二邊乘于得， 再將愿模型與此新模型二邊相減得， 此模型中的隨機(jī)誤差項(xiàng)滿足基本假定作差分變換處理后的模型為：此新模型不存在序列相關(guān)性5 請(qǐng)將下列模型進(jìn)行適當(dāng)變換化為標(biāo)準(zhǔn)線性模型： ① ② ③ 解：① 設(shè)， 則，原模型化為： ② 對(duì)原模型取對(duì)數(shù)：設(shè)， ，則原模型化為： ③ 對(duì)原模型取對(duì)數(shù)：設(shè)
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1