计量经济学综合分析练习题及答案11Word文档下载推荐.docx
《计量经济学综合分析练习题及答案11Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《计量经济学综合分析练习题及答案11Word文档下载推荐.docx(12页珍藏版)》请在冰豆网上搜索。
89677.05
2000
2736.88
99214.55
2001
3361.02
109655.17
2002
3979.08
120332.69
2003
4505.51
135822.76
2004
5143.65
159878.34
2005
6104.18
183867.88
2006
7425.98
210870.99
数据来源:
《中国统计年鉴2007》。
(一)为了考察国家财政用于文教科卫支出(Y)和国内生产总值(X)的关系,观察Y和X的散点图,得到如下结果:
要求:
写出绘制上述散点图的命令格式。
答:
绘制上述散点图的命令格式为:
scatxy
(二)上述散点图显示Y与X之间呈较强的线性关系,因此可以建立有截距项的Y对X的线性回归模型,即
。
采用OLS法得到如下结果:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/22/08Time:
19:
59
Sample:
19902006
Includedobservations:
17
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-450.6960
143.1581
-3.148239
0.0066
X
0.035299
0.001340
26.33443
0.0000
R-squared
0.978829
Meandependentvar
2779.285
AdjustedR-squared
0.977417
S.D.dependentvar
2025.624
S.E.ofregression
304.4025
Akaikeinfocriterion
14.38471
Sumsquaredresid
1389913.
Schwarzcriterion
14.48273
Loglikelihood
-120.2700
F-statistic
693.5023
Durbin-Watsonstat
0.329682
Prob(F-statistic)
0.000000
写出用OLS法估计上述回归方程的命令格式。
用OLS法估计上述方程的命令格式为:
lsycx
(三)根据上述软件输出结果,完成下列任务(要求写出主要的步骤,得数可以直接取自软件输出结果)
1.写出OLS法得到的回归方程,并对结果的统计意义和经济意义进行解释。
解:
OLS法得到的回归方程为
Y=-450.6960+0.035299X+e
(-3.148239)(26.33443)
R2=0.978829
=0.977417
统计意义:
当X增加1个单位时,可引起Y平均增加0.035299个单位。
经济意义:
当GDP增加1亿元时,国家财政用于文教科卫支出平均增加0.035299亿元。
2.进行经济意义检验。
随着GDP的增加,国家财政用于文教科卫支出应随之提高。
由于斜率β1的估计值为正号,因此模型的经济意义检验通过。
3.进行变量的显著性检验【=0.05,t0.05(15)=1.753,t0.025(15)=2.131】。
提出假设H0:
β1=0H1:
β1≠0
计算检验统计量:
=26.33443
由于t>t0.025(15)=2.131(或者,其双尾P值=0.0000<
0.05),所以拒绝假设H0:
β1=0,接受对立假设H1:
β1≠0。
在95%置信概率下,β1显著地不等于0,X对Y的影响显著。
在95%置信概率下,GDP对文教科卫支出的影响显著。
4.进行拟合优度检验。
=0.978829
在Y的总变差中,有97.8829%可以由X做出解释,回归方程对于样本观测点的拟合效果良好。
在文教科卫支出的总变差中,有97.8829%可以由GDP做出解释。
=0.977417
用方差而不用变差,考虑到自由度,剔除解释变量数目与样本容量的影响,使具有不同样本容量和解释变量数目的回归方程可以对拟合优度进行比较。
5.进行方程的显著性检验【=0.05,F0.05(1,15)=4.54,F0.05(2,15)=3.68】。
(由于是一元回归)提出假设H0:
β1=0H1:
β1≠0
=693.5023>
4.54=F0.05(1,15)
所以,拒绝假设H0:
β1=0,接受对立假设H1:
β1≠0。
在95%的置信概率下,Y与X之间的线性关系显著成立。
在95%的置信概率下,文教科卫支出与GDP之间的线性关系是显著的。
6.用DW法检验模型是否存在自相关【=0.05,dL0.05,17,2=1.13,dU0.05,17,2=1.38】。
=0(不存在一阶自相关)H1:
≠0(存在一阶自相关)
计算DW统计量:
DW=
=0.329682
由于DW=0.329682<
1.13=dL0.05,17,2,所以,在95%置信概率下,认为模型存在正自相关。
7.回归模型的残差图如下:
写出绘制上述残差图的命令格式,并用图示法检验模型是否存在自相关。
绘制上述残差图的命令格式为:
plotresid
从上述残差图可知,模型存在正自相关。
(四)对模型进行异方差检验。
OLS回归模型的残差resid与X之间的散点图如下:
进一步采用G-Q检验法,检验模型是否存在异方差。
首先,按照解释变量X排序;
然后,去掉中间1997-1999年的3个数值,用两个容量为7的子样本分别作回归,得到如下结果:
子样本Ⅰ的回归结果:
22:
09
19901996
7
248.4126
22.50226
11.03945
0.0001
0.020456
0.000505
40.48280
0.996958
1075.073
0.996350
414.0100
25.01234
9.511572
3128.087
9.496118
-31.29050
1638.857
3.138118
子样本Ⅱ的回归结果:
12
20002006
-975.1889
274.7464
-3.549415
0.0164
0.039310
0.001825
21.53876
0.989337
4750.900
0.987205
1622.017
183.4774
13.49702
168319.7
13.48156
-45.23956
463.9183
1.511549
0.000004
1.试写出绘制上述残差resid与X之间散点图的命令格式,并用图示法检验模型是否存在异方差。
scatxresid
从上述散点图可知,模型存在异方差。
2.试写出按照解释变量X排序的命令格式。
按照解释变量X排序的命令格式为:
sortx
3.为完成子样本Ⅰ的回归,需重新定义样本区间。
试写出定义子样本Ⅰ样本区间的命令格式。
为完成子样本Ⅰ的回归,重新定义样本区间的命令格式为:
smpl19901996
4.根据两个子样本的回归结果,利用G-Q法,检验模型是否存在异方差【=0.05,F0.05(5,5)=5.05,F0.05(7,7)=3.79】。
12=22H1:
12≠22
由于
F=
=
/
=168319.7/3128.087=53.8091>
5.05=F0.05(5,5)
所以,在5%的显著性水平下,应拒绝两个子样本方差相同的假设,也即原模型随机干扰项存在递增型异方差。
(五)采用加权最小二乘法消除原模型的异方差。
将样本区间恢复到全部数据,再一次进行全部数据的回归分析,并利用回归分析结果得到的残差序列(resid)产生一个序列名为E的新序列,使得E为resid的绝对值。
然后,生成如下新序列:
CE=1/E;
XE=X/E;
YE=Y/E,进行普通最小二乘回归,得到如下结果:
YE
11/23/08Time:
07:
24
CE
-417.2870
41.39127
-10.08152
XE
0.035039
0.000395
88.81306
0.999030
24.66127
0.998966
32.39789
1.042005
3.030301
16.28660
3.128326
-23.75756
Durbin-Watsonstat
0.864928
1.试写出生成上述新序列ce、xe、ye的命令格式。
生成上述新序列ce、xe、ye的命令格式为:
genrce=1/e
genrxe=x/e
genrye=y/e
2.试写出用WLS法消除了异方差之后的回归方程,并和OLS法的回归结果进行比较。
用加权最小二乘法得到的回归结果为:
Y=-417.2870+0.035039X+e
(-10.08152)(88.81306)
R2=0.999030
=0.998966
和OLS法的回归结果进行比较,我们可以发现,用WLS法进行回归后,解释变量X对应的回归系数的符号依然正确;
而且无论是解释变量X对应的回归系数的显著性,还是整个模型的拟合优度,都有显著地改善。
所以,在检验发现模型随机干扰项存在异方差的情况下,采用WLS法估计方程,确实可以取得更好的回归效果。
3.已知dL0.05,17,2=1.13,1.38=dU0.05,17,2,试问上述用WLS法得到的回归方程是否通过了序列相关性检验?
为什么?
上述用WLS法得到的回归方程没有通过序列相关性检验。
因为DW=0.864928<
dL0.05,17,2=1.13,落入了DW值的正自相关区域。
(六)采用广义差分法消除原模型的序列相关。
在上述加权最小二乘法得到的回归方程的基础上,引入AR
(1)和AR
(2)之后,得到如下回归结果:
引入AR
(1)之后的回归结果:
44
Sample(adjusted):
19912006
16afteradjustingendpoints
Convergenceachievedafter15iterations
-385.6082
36.14400
-10.66866
0.034461
0.000406
84.93981
AR
(1)
0.718176
0.204172
3.517509
0.0038
0.999410
26.10828
0.999320
32.88815
0.857792
Akaikeinfocriterion
2.698451
9.565498
2.843311
-18.58761
2.039054
InvertedARRoots
.72
引入AR
(1)和AR
(2)之后的回归结果:
46
19922006
15afteradjustingendpoints
Convergenceachievedafter73iterations
-386.7290
40.55244
-9.536515
0.034479
0.000462
74.61202
0.678464
0.320468
2.117101
0.0579
AR
(2)
0.039461
0.378632
0.104220
0.9189
0.999392
27.72775
0.999226
33.37557
0.928798
2.913328
9.489326
3.102141
-17.84996
1.991356
.73
-.05
1.试写出得到上述引入AR
(1)和AR
(2)之后的回归结果的命令格式。
为得到上述引入AR
(1)和AR
(2)之后的回归结果,命令格式为:
lsyecexear
(1)ar
(2)
2.已知dL0.05,16,3=0.98,dU0.05,16,3=1.54;
dL0.05,15,4=0.82,dU0.05,15,4=1.75,试问原模型存在几阶自相关?
由于引入AR
(1)之后的回归方程的DW值为:
DW=2.039054≈2(或者说,dU0.05,16,3=1.54<
DW=2.039054<
4-dU0.05,16,3=2.46),初步判断引入AR
(1)之后已消除自相关。
而由于进一步引入AR
(2)之后的回归方程的DW值为1.991356,仍然接近等于2,且dL0.05,15,4=0.82<
DW=1.991356<
4-dL0.05,15,4=3.18,但是AR
(2)前的系数不显著(对应的双尾P值为0.9189)。
所以,可以确认原模型仅存在一阶自相关。
3.试写出Y和X之间消除了异方差和序列相关之后的模型。
消除了异方差和序列相关之后的模型:
Y=-385.6082+0.034461X+e