【正文】 兩步法估計(jì)回歸模型的參數(shù)； ⑷ 直接用差分法估計(jì)回歸模型參數(shù)。（ 3）難以區(qū)分每個(gè)解釋變量的單獨(dú)影響。 13. 某經(jīng)濟(jì)學(xué)家想要估計(jì)稅收入函數(shù) 01()t t tT GDP u??? ? ? 式中： T =政府稅收 GDP =國內(nèi)生產(chǎn)總值 已知 GDP 有測量誤差，為了把注冊的汽車數(shù)量作為一個(gè)工具變量，研究者決定 采用工具變量法。 （ 2）利用 SPSS中逐步回歸分析法確定一個(gè)較好的回歸模型如下： Model Summary(c) Model R R Square Adjusted R Square Std. Error of the Estimate DurbinWatson 1 .972(a) .945 .938 .30660 2 .988(b) .975 .968 .21995 a Predictors: (Constant), x1 b Predictors: (Constant), x1, x2 c Dependent Variable: y ANOVA(c) Model Sum of Squares df Mean Square F Sig. 1 Regression 1 .000(a) Residual .752 8 .094 Total 9 2 Regression 2 .000(b) Residual .339 7 .048 Total 9 a Predictors: (Constant), x1 b Predictors: (Constant), x1, x2 c Dependent Variable: y Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) .942 .573 .139 x1 .122 .010 .972 .000 2 (Constant) .626 .008 x1 .082 .016 .651 .001 .227 x2 .080 .027 .365 .022 .227 a Dependent Variable: y 7 通過以上分析可以看出，選取 x1， x2作為解釋變量就可以很好的消除多重共線性，并且各類顯著性檢驗(yàn)都可以通過，所以我們得到以下回歸方程： iii xxy 21 ??? 12. 解： 工具變量法應(yīng)用的基本思路是，當(dāng)解釋變量與隨機(jī)項(xiàng)相關(guān)時(shí)，則尋找另一個(gè)變量，該變量與隨機(jī)解釋變量高度相關(guān)，但與隨機(jī)項(xiàng)不相關(guān)，則稱該變量為工具變量，用其替代隨機(jī)解釋變量。 5 后果： 多元線性回歸模型中如果存在完全的多重共線性（ Complete Multicollinearity， 或 Exact Multicollinearity）則參數(shù)的最小二乘估計(jì)量是不確定的，其標(biāo)準(zhǔn)差為無窮大；如果存在接近的多重共線性（ Near Multicollinearity），則參數(shù)的最小二乘估計(jì)量是確定的，而且具有無偏性，但其方差較大，常產(chǎn)生以下結(jié)果：（ 1）參數(shù)估計(jì)值不精確，也不穩(wěn)定，樣本觀測值稍有變動(dòng)，增加或減少解釋變量等都會(huì)使參數(shù)估計(jì)值發(fā)生較大變化，甚至出現(xiàn)符號錯(cuò)誤，從而不能正確反映解釋變量對因變量的影響。 （ 7） d =， k =5， n =26，顯著性水平 ? =5%： DL=, DU=，因?yàn)?DLd =DU, 所以無法判斷。 （ 3）因變量的預(yù)測精度降低。在許多情況下，隨機(jī)因素（如干旱、暴風(fēng)雨、戰(zhàn)爭、地震等）所產(chǎn)