计量经济学习题与解答5Word格式.doc
《计量经济学习题与解答5Word格式.doc》由会员分享,可在线阅读,更多相关《计量经济学习题与解答5Word格式.doc(13页珍藏版)》请在冰豆网上搜索。
在漏选相关变量的情况下,OLS估计量在小样本下有偏,在大样本下非一致;
当多选了无关变量时,OLS估计量是无偏且一致的,但却是无效的;
而当函数形式选取有问题时,OLS估计量的偏误是全方位的,不仅有偏、非一致、无效率,而且参数的经济含义也发生了改变。
在模型设定的检验方面,检验是否含有无关变量,可用传统的t检验与F检验进行;
检验是否遗漏了相关变量或函数模型选取有错误,则通常用一般性设定偏误检验(RESET检验)进行。
本专题最后介绍了一个关于选取线性模型还是双对数线性模型的一个实用方法。
第四个专题是关于建模一般方法论的问题。
重点讨论了传统建模理论的缺陷以及为避免这种缺陷而由Hendry提出的“从一般到简单”的建模理论。
传统建模方法对变量选取的“偿试”性使得实际建模过程存在“数据开采”问题而受到质疑。
Hendry提出的约化建模型理论正是针对这一缺陷而提出的一套全新的建模理论。
该理论认为,在模型的最初设定上,就设立一个“一般”的模型,它包括了所有先验经济理论与假设中所应包括的全部变量,然后在模型的估计过程中逐渐剔除不显著的变量,最后得到一个较“简单”的最终模型。
约化建模理论的主要优点就在于,提出了一个对不同先验假设的更为系统的检验程序;
同时由于它的初始模型就是一个包括所有可能变量的“一般”模型,也就避免了过度的“数据开采”问题;
另外,由于初始模型的“一般”性,所有研究者的“起点”都有是相同的,因此,在相同的约化程序下,最后得到的最终模型也应该是相同的。
本专题重点介绍了一个“一般”模型所应具有的基本特征、“从一般到简单”的约化过程、相关的非嵌套检验以及约化模型的准则。
二、典型例题分析
例1.一个由容量为209的样本估计的解释CEO薪水的方程为
Ln(salary)=4.59+0.257ln(sales)+0.011roe+0.158finance+0.181consprod–0.283utility
(15.3)(8.03)(2.75)(1.775)(2.130)(-2.895)
其中,salary表示年薪水(万元)、sales表示年收入(万元)、roe表示公司股票收益(万元);
finance、consprod和utility均为虚拟变量,分别表示金融业、消费品工业和公用事业。
假设对比产业为交通运输业。
(1)解释三个虚拟变量参数的经济含义;
(2)保持sales和roe不变,计算公用事业和交通运输业之间估计薪水的近似百分比差异。
这个差异在1%的显著水平上是统计显著的吗?
(3)消费品工业和金融业之间估计薪水的近似百分比差异是多少?
写出一个使你能直接检验这个差异是否统计显著的方程。
解答:
(1)finance的参数的经济含义为:
当销售收入与公司股票收益保持不变时,金融业的CEO要比交通运输业的CEO多获薪水15.8个百分点。
其他两个可类似解释。
(2)公用事业和交通运输业之间估计薪水的近似百分比差异就是以百分数解释的utility的参数,即为28.3%。
由于参数的t统计值为-2.895,它大于1%显著性水平下自由度为203的t分布的临界值1.96,因此这种差异是统计上显著的。
(3)由于消费品工业和金融业相对于交通运输业的薪水百分比差异分别为15.8%与18.1%,因此它们间的差异为18.1%-15.8%=2.3%。
一个能直接检验这一差异是否显著的方程为
其中,trans为交通运输业虚拟变量。
这里对比基准为金融业,因此表示了消费品工业与金融业薪水的百分数差异,其t统计值可用来进行显著性检验。
例2.假设货币需求关系式为,式中,为时间t的实际现金余额;
为时间t的“期望”实际收入;
为时间t的利率。
根据适应规则,,修改期望值。
已知,,的数据,但的数据未知。
(1)建立一个可以用于推导估计值的经济计量模型。
(2)假设和与都不相关。
OLS估计值是1)无偏的;
2)一致的吗?
为什么?
(3)假设=的性质类似
(2)部分。
那么,本例中OLS估计值是1)无偏的;
(1)由于
(1)
(2)
第二个方程乘以有
(3)
由第一个方程得
代入方程(3)得
整理得
=
该模型可用来估计并计算出。
(2)在给定的假设条件下,尽管与相关,但与模型中出现的任何解释变量都不相关,因此只是m与M存在异期相关,所以OLS估计是一致的,但却是有偏的估计值。
(3)如果,则和相关,因为与相关。
所以OLS估计结果有偏且不一致。
3、一个估计某行业ECO薪水的回归模型如下
其中,salary为年薪sales为公司的销售收入,mktval为公司的市值,profmarg为利润占销售额的百分比,ceoten为其就任当前公司CEO的年数,comten为其在该公司的年数。
一个有177个样本数据集的估计得到R2=0.353。
若添加ceoten2和comten2后,R2=0.375。
问:
此模型中是否有函数设定的偏误?
若添加ceoten2和comten2后,估计的模型为
如果b6、b7是统计上显著不为零的,则有理由认为模型设定是有偏误的。
而这一点可以通过第三章介绍的受约束F检验来完成:
在10%的显著性水平下,自由度为(2,¥
)的F分布的临界值为2.30;
在5%的显著性水平下,临界值为3.0。
由此可知在10%的显著性水平下拒绝b6=b7=0的假设,表明原模型有设定偏误问题;
而在5%的显著性水平下则不拒绝b6=b7=0的假设,表明原模型没有设定偏误问题。
三、习题
(一)基本知识类题型
5-1.解释下列概念:
1)虚拟变量
2)虚拟因变量模型
3)滞后变量
4)滞后效应
5)分布滞后模型
6)自回归模型
7)h检验
8)有限最小二乘法
5-2.在建立计量经济模型时,什么时候、为什么要引入虚拟变量?
5-3.举例说明虚拟变量在模型中的作用。
5-4.什么是“虚拟变量陷阱”?
(二)基本证明与问答类题型
5-5.对包含常数项的季节变量模型运用最小二乘法时,如果模型中引入4个季节虚拟变量,其估计结
果会出现什么问题?
5-6.滞后外生变量模型和滞后内生变量模型的概念是什么?
5-7.滞后变量模型有哪几种类型?
外生变量分布滞后模型使用OLS方法存在哪些问题?
5-8.产生模型设定偏误的主要原因是什么?
模型设定偏误的后果以及检验方法有哪些?
5-9.试在消费函数中(以加法形式)引入虚拟变量,用以反映季节因素(淡、旺季)和收入层次差异(高、中、低)对消费需求的影响,并写出各类消费函数的具体形式。
5-10.现有如下估计的利润函数:
其中:
、分别为销售利润和销售收入;
为虚拟变量,旺季时,淡季时;
,试分析:
(1)季节因素的影响情况;
(2)写出模型的等价形式。
5-11.如何确定有限分布滞后模型中的滞后期长度?
5-12.被解释变量对于一个或者多个解释变量反应滞后的原因是什么?
给出一些分布滞后模型的例子。
5-13.简述约化建模理论与传统建模理论的联系与区别;
变量的外生性概念在约化建模理论与传统建模理论中有何不同?
5-14.局部调整方法用于多元回归模型会出现什么问题?
5-15.在计量经济模型定式中,解释变量设定误差有几类?
各有什么特点?
5-16.在实际建模中如何保证约化过程的有效性?
人们有时将约化建模理论称为“TTT方法论”,意思是“检验、检验、再检验”,谈谈你对此的看法。
5-17.说明使用代理变量的条件。
5-18.叙述用阿尔蒙多项式法估计外生变量有限分布滞后模型的方法步骤,对多项式的次数有哪些限制,为什么?
5-19.如果一个定性变量含有个类别,为什么不能设个虚拟变量?
(三)基本计算类题型
5-20.假设利率时,投资取决于利润;
而利率时,投资同时取决于利润和利润;
试用一个可以检验的模型来表达上述关系。
5-21.考虑以下模型:
(在农村)
(在城镇)
若假设,即不论在农村或在城镇,模型中第二个系数、是相同的;
如何检验这个假设?
5-22.假设某投资函数:
为t期的投资;
表示t期的销售量。
假定滞后形式为倒“V”型,简述如何设计权数估计此模型。
5-23.设不含设定误差的回归模型为:
如果遗漏了重要解释变量X3,而错误地定式为:
请给出在此条件下的OLS估计参数、的偏倚公式,并给予说明。
5-24.请判断下列陈述是否正确:
(1)在回归模型中,如果虚拟变量的取值为0或2,而非通常情况下的为0或1,那么参数的估计值将减半,其T值也将减半;
(2)在引入虚拟变量后,普通最小二乘法的估计值只有在大样本情况下才是无偏的;
5-25.根据美国1961年第一季度至1977年第二季度的季度数据,我们得到了如下的咖啡需求函数的回归方程:
——人均咖啡消费量(单位:
磅)
——咖啡的价格(以1967年价格为不变价格)
——茶的价格(1/4磅,以1967年价格为不变价格)
——时间趋势变量(1961年第一季度为1,……1977年第二季度为66)
——1:
第一季度;
第二季度;
第三季度
要求回答下列问题:
(1)模型中、和的系数的经济含义是什么?
(2)咖啡的价格需求是否很有弹性?
(3)咖啡和茶是互补品还是替代品?
(4)如何解释时间变量的系数?
(5)如何解释模型中虚拟变量的作用?
(6)哪一个虚拟变量在统计上是显著的?
(7)咖啡的需求是否存在季节效应?
5-26.为了研究体重与身高的关系,我们随机抽样调查了51名学生(其中36名男生,15名女生),并得到如下两种回归模型:
(a)
(b)
(weight)——体重(单位:
(height)——身高(单位:
英寸)
(1)