精品计量经济学大作业Word下载.docx
《精品计量经济学大作业Word下载.docx》由会员分享,可在线阅读,更多相关《精品计量经济学大作业Word下载.docx(20页珍藏版)》请在冰豆网上搜索。
通过MWD检验来对比线性模型和双对数模型之间。
可以看到,Z1通过了显著性检验,拒绝零假设,模型不是线性形式。
可以看到,Z2没有通过显著性检验,不拒绝备择假设,模型是双对数形式。
综上所述,模型应该选择双对数形式。
7.19(a)先包含所有解释变量,进行回归,估计结果如下:
MAP:
学校测验分数
经济变量----SPP:
学生人均支出(学生经费)预期符号为+
社会变量----STR:
学生教师比预期符号为-
社会变量----EDU:
高学历家庭比预期符号为+
经济变量----MINCOME:
家庭平均收入预期符号为+
社会变量----DUM:
等于1意味着学校位于高于平均MAP测验分数的区域。
+
模型回归结果如上所示。
根据模型估计结果,发现,没有一个解释变量在系数上显著,同时解释变量的符号和理论预期不一致。
因此需要重新考虑估计模型。
同时,由于F值显著和R2很高,因此,可能存在多重共线性。
(b)由于存在多重共线性,因此,需要剔除变量进行回归。
分别做经济变量和社会变量对于MAP分数的回归并逐步剔除对比不显著的变量。
最后引入只包含学生教师比(STR),高学历家庭比(EDU)和虚拟变量(DUM)。
发现相比较而言,社会变量更为重要。
但是,有关师生比的符合和预期相反。
(c)区域优势
(d)只是在此例中,学生经费不显著,而师生比显著但是符号不同。
应用在其他情况下,会有变化。
8.22(a)回归结果如下,解释同上。
(b)由于R2很高,而财富变量不显著且不符合经济学意义。
因此,可能存在多重共线性。
(c)分别做回归得到如下结果:
可以看到,两个解释变量都是显著且符合与经济学理论一致。
(d)二者高度相关。
(e)可以删除一个解释变量,但是可能造成模型设定形式错误。
由于样本容量过小,以至于无法独立分析收入水平和财富水平对消费支出的影响。
8.29Y:
新轿车需求量
X2:
新轿车消费者价格指数预期符号为-
X3:
城市居民消费者价格指数预期符号为-
X4:
个人可支配收入预期符号为+
X5:
利率预期符号为-
X6:
劳动力就业水平预期符号为+
首先,将所有解释变量放进模型中分别进行线性模型和对数模型的回归,得到如下结果:
大多数回归系数不显著,并且与理论预期不符合,可能存在多重共线性。
为了观察变量之间的相关性,做变量之间的相关系数矩阵:
通过相关系数矩阵发现,新轿车价格指数(X2)与城市居民价格消费指数(X3)的相关系数为0.9969,高度相关;
新轿车价格指数(X2)与个人可支配收入(X4)的相关系数为0.9914,高度相关;
个人可支配收入(X4)与劳动力就业水平(X6)的相关系数为0.9721,高度相关。
根据经济学理论,在研究消费函数时,自价格和收入是核心变量;
因此,我们尝试剔除城市居民价格消费指数(X3)和劳动力就业水平(X6),重新估计双对数模型。
发现,虽然符号符合理论预期,但是自价格和收入并不显著。
此时考虑,因为可支配收入(X4)与劳动力就业水平(X6)高度相关,尝试使用劳动力就业水平(X6),而把X4剔除。
双对数模型估计结果如下:
此时,模型中所有解释变量估计系数符号均符合理论预期,并且均在5%的统计显著性水平上显著,此模型可用。
8.31Y:
薪水SALARYX2:
利润PROFITX3:
营业额TURNOVER
回归结果解释框架同7.17.
利润变量X2的估计系数显著,营业额变量X3的估计系数并不显著。
而F检验是统计显著的。
可能存在多重共线性。
由于模型存在两个变量,可以做相关系数进行判断,也可以通过两个变量之间的回归模型的结果进行判断。
相关系数达到0.7871,高度相关。
通过做X2和X3之间的回归模型发现,单个系数检验也通过了显著性假设,因此,两者之间相关,存在多重共线性。
9.9(a)据双对数模型回归结果如下:
回归结果解释同前。
(a)首先,做残差绝对值对教育的散点图。
其次,残差平方对教育的散点图。
通过残差散点图,可以初步判断可能存在异方差。
(c)首先使用帕克检验进行异方差的诊断。
由于存在两个解释变量,因此我们用Y的估计值与残差项的平方做回归,发现用因变量的估计值的回归系数在5%的统计显著水平下不显著,因此不拒绝原假设,不存在异方差。
其次,使用格莱泽检验进行异方差的诊断。
发现,也不存在异方差。
(d)假设根据(c)的帕克检验和格莱泽检验得到存在异方差的结果,那么需要根据(b)里散点图判断,发现残差平方是与X存在比例变动。
因此,采用平方根进行WLS可消除异方差。
(e)选择双对数模型
(f)不能比较,因为两个模型的因变量不同。
9.12(a)令因变量是工资(wage),自变量是年龄(age)。
进行普通线性回归:
模型回归结果的解释同上。
(b)按照题设,假设误差方差与年龄呈比例变动,参考书上P218,进行平方根变换,求加权最小二乘法的回归:
首先,要生成age的开根号值;
其次,将因变量和自变量均除以age的根号值;
由于方程两边同时除以age开根号值,因此,变换后的解释变量一个是
,一个是
。
最后,进行平方根变换的回归。
由于不存在截距项(常数项),因此用过原点的回归。
(c)按照题设,假设误差方差与年龄平方呈比例变动,参考书上P220,求加权最小二乘法的回归:
首先,需要将原始方程两边同时除以age,
即需要计算
和
其次,进行WLS回归。
得到如下结果:
(d)分别做(b)和(c)两个WLS回归的残差散点图,观察是否存在异方差的情形。
如果存在,继续进行帕克检验或者格莱泽检验。
对(b)的WLS估计结果,做解释变量age和残差平方的散点图。
对(c)的WLS估计结果,做解释变量age和残差平方的散点图。
可能存在异方差的情况。
以帕克检验为例,进行异方差的检验。
我们对(b)的WLS进行异方差检验。
首先,要生成wage的估计值(xb),然后用xb对残差平方回归,估计得到xb的系数,看其是否在统计上显著。
我们对(c)的WLS进行异方差检验。
根据结果发现,xb的估计系数在统计上不显著;
因此根据帕克检验,不存在异方差。
10.17(a)估计结果如下,模型回归结果解释同前。
(b)上面估计结果后给出了d统计量,d=0.4285.查5%的显著性水平的DW表,观察值个数n=27,解释变量个数k=1。
可知,xia限1.316,shang限1.469。
根据d统计量的数值,可以看到,d比下限小。
因此,根据判定规则,拒绝原假设,存在正自相关。
(c)根据计算公式,
(d)根据(c)估计广义差分方程:
需要先求出Y和X的滞后一期(命名为y1和x1),然后求差分形式(命名为y2和x2),最后对于差分形式进行回归。
如果要补入第一个观测值,需要用到普瑞斯-文斯顿变换:
进行回归得到广义差分方程:
(e)通过残差求ρ,即用残差项和残差滞后一期进行回归,得到斜率系数即为ρ。
根据回归结果,发现斜率是0.7685,因此得到ρ=0.7685.
重新估计广义差分方程:
(f)如果采用一阶差分,则ρ=1,因此可做过原点的回归。
修正后的模型与原始模型有差距,但是三种方法修正后的模型差距不大。
根据DW检验,仍然存在正自相关。