当前位置：首页 > 计量经济学课后习题答案汇总
.. .. .. ..
三、填空题
⒈强的近似多重共线性会对多元线性回归的 有效性 产生严重的不利影响。
⒉第k个解释变量与其他解释变量之间相关系数平方越大，方差膨胀因子（VIF）越 大 。 ⒊存在完全多重共线性时，多元回归分析是 无法进行 。
⒋检验样本是否存在多重共线性的常见方法有：__方差扩大因子法 _和逐步回归检验法。 ⒌处理多重共线性的方法有：保留重要解释变量、去掉不重要解释变量、__增加样本容量_、_____差分模型______________。
四、简答题
⒈什么是多重共线性？多重共线性是由什么原因造成的？
多重共线性是指多元线性回归模型中，模型的解释变量之间存在某种程度的线性关系（或P226—P227），原因见P227—228）。 ⒉如何发现和判断多重共线性？
P230—P235
⒊ 克服多重共线性有哪些方法？ P235—P244
第七章 计量经济分析建模与应用
一、单项选择题
⒈某商品需求函数为yi?b0?b1xi?ui，其中y为需求量，x为价格。为了考虑“地区”（农村、城市）和“季节”（春、夏、秋、冬）两个因素的影响，拟引入虚拟变量，则应引入虚拟变量的个数为【B 】
A 2 B 4 C 5 D 6
参考.资料
.. .. .. ..
?=100.50+55.35Dt+0.45xt，其中C为消费，x⒉根据样本资料建立某消费函数如下：Ct为收入，虚拟变量D＝?【 A 】
?1城镇家庭，所有参数均检验显著，则城镇家庭的消费函数为
?0农村家庭?=155.85+0.45xt B C?=100.50+0.45xt A Ctt?=100.50+55.35xt D C?=100.95+55.35xt C Ctt二、填空题
⒈在计量经济建摸时，对非线性模型的处理方法之一是_线性化_________。
⒉虚拟变量不同的引入方式有两种。若要描述各种类型的模型在截距水平的差异，则以 加法 方式引入虚拟解释变量；若要反映各种类型的模型的不同相对变化率时，则以 乘法 引入虚拟解释变量。
⒊对于有m个不同属性的定性因素，应该设置 m-1 个虚拟变量来反映该因素的影响。
三、简答题
⒈什么是虚拟变量？它在模型中有什么作用？ P255
⒉引入虚拟解释变量的两种基本方式是什么？它们各适用于什么情况？
P258—P260
四、综合分析计算题
㈠设某商品的需求量Y（百件），消费者平均收入X1（百元），该商品价格X2（元）。经Eviews软件对观察的10个月份的数据用最小二乘法估计，结果如下：（被解释变量为
Y）
VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG
参考.资料
.. .. .. ..
C 99.469295 13.472571 7.3830965 0.000 X1 2.5018954 0.7536147 （ 3.3199 ） X2 - 6.5807430 1.3759059 （ -4.7828 ） R-squared 0.949336 Mean of dependent var 80.00000 Adjusted R- squared （ ） S.D. of dependent var 19.57890 S.E of regression 4.997021 Sum of squared resid 174.7915 Durbin-Watson stat （ ） F – statistics （ ） 完成以下问题：（至少保留三位小数）
1．写出需求量对消费者平均收入、商品价格的线性回归估计方程。 2．解释偏回归系数的统计含义和经济含义。 3．对该模型做经济意义检验。 4．估计调整的可决系数。
5．在95%的置信度下对方程整体显著性进行检验。 6．在95%的置信度下检验偏回归系数(斜率)的显著性。
2??e?e?300，dLt?17．检验随机误差项的一阶自相关性。（?t?1.08，
dU?1.36）
??99.4693?2.5019x1?6.5807x2 解：⒈y⒉需求量和收入正相关，和价格负相关，收入每增加一个单位，需求量上升2.5个单位，价格每增加一个单位，需求量下降6.58个单位；
⒊该模型经济意义检验通过； ⒋R?1?(1?R)22n?110?1?1?(1?0.9493)??0.945
n?k?110?2?1参考.资料
.. .. .. ..
R20.9493k2??65.53，F检验通过 ⒌F?21?0.94931?R10?3n?k?1⒍t1=3.3199,t2=-4.7828,t检验通过 7
．
i检
i?12验
2随机误差项的一阶自相关性。
?e?e??DW??ei?300?1.7163,dL?1.08，dU?1.36,不存在一阶自相关。
174.79㈡设某地区机电行业销售额Y（万元）和汽车产量X1（万辆）以及建筑业产值X2（千万元）。经Eviews软件对1981年——1997年的数据分别建立线性模型和双对数模型进行最小二乘估计，结果如下：
表1
Dependent Variable: Y
Variable C X1 X2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -57.45496 45.70558 11.93339
Std. Error 81.02202 15.66885 1.516553
t-Statistic -0.709128 2.916971 7.868761
Prob. 0.4899 0.0113 0.0000 545.5059 193.3659 11.31701 11.46405 65.83991 0.000000
0.903899 Mean dependent var 0.890170 S.D. dependent var 64.08261 Akaike info criterion 57492.12 Schwarz criterion -93.19457 F-statistic 2.103984 Prob(F-statistic)
参考.资料
本文作者：...共分享92篇相关文档
