计量经济学思考题.docx

上传人:b****7 文档编号:9935408 上传时间:2023-02-07 格式:DOCX 页数:17 大小:22.37KB
下载 相关 举报
计量经济学思考题.docx_第1页
第1页 / 共17页
计量经济学思考题.docx_第2页
第2页 / 共17页
计量经济学思考题.docx_第3页
第3页 / 共17页
计量经济学思考题.docx_第4页
第4页 / 共17页
计量经济学思考题.docx_第5页
第5页 / 共17页
点击查看更多>>
下载资源
资源描述

计量经济学思考题.docx

《计量经济学思考题.docx》由会员分享,可在线阅读,更多相关《计量经济学思考题.docx(17页珍藏版)》请在冰豆网上搜索。

计量经济学思考题.docx

计量经济学思考题

1、经济计量学的研究步骤有哪些?

一、模型设定:

依据一定的经济理论或经验,先验地用一个或一组数学方程式表示被研究系统内经济变量之间的关系。

1、研究有关经济理论;2、确定变量以及函数形式;3、统计数据的收集与整理

二、参数估计:

参数估计的方法主要有一般最小平方法(OLS)及其拓展形式(GLS、WLS、2StageLS等)、最大似然估计法、数值计算法等。

三、模型检验

1、经济意义准则;2、统计检验准则;3、计量经济检验准则  

四、模型应用

1、检验经济理论;2、结构分析(乘数分析、弹性分析);3、政策评价4、预测 

 

2、简述经济计量模型的检验准则有哪三方面?

(1)经济意义准则;

(2)统计检验准则;(3)计量经济检验准则

 

3、经济计量模型中的随机干扰项来自哪些方面?

1、变量的省略。

由于人们认识的局限不能穷尽所有的影响因素或由于受时间、费用、数据质量等制约而没有引入模型之中的对被解释变量有一定影响的自变量。

2、统计误差。

数据搜集中由于计量、计算、记录等导致的登记误差;或由样本信息推断总体信息时产生的代表性误差。

3、模型的设定误差。

如在模型构造时,非线性关系用线性模型描述了;复杂关系用简单模型描述了;此非线性关系用彼非线性模型描述了等等。

4、随机误差。

被解释变量还受一些不可控制的众多的、细小的偶然因素的影响。

若相互依赖的变量间没有因果关系,则称其有相关关系。

 

4、多元线性回归模型随机干扰项的假定有哪些?

(1)随机误差项的条件期望值为零。

(2)随机误差项的条件方差相同。

(3)随机误差项之间无序列相关。

(4)自变量与随机误差项独立无关。

(5)随机误差项服从正态分布。

(6)各解释变量之间不存在显著的线性相关关系。

 

5、简述选择解释变量的逐步回归法?

逐步回归的基本思想是“有进有出”。

具体做法是将变量一个一个引入,引入变量的条件是t统计量经检验是显著的。

即每引入一个自变量后,对已经被选入的变量要进行逐个检验,当原引入的变量由于后面变量的引入而变得不再显著时,要将其剔除。

引入一个变量或从回归方程中剔除一个变量,为逐步回归的一步,每一步都要进行t检验,以确保每次引入新的变量之前回归方程中只包含显著的变量。

 

6、对于非线性模型如何进行参数估计?

一、解释变量可以直接替换的非线性回归模型

1、多项式函数模型

(1)多项式函数形式

令                           原模型可化为线性形式,即可利用多元线性回归分析的方法处理了。

(2)利用Eviews应用软件进行回归分析

在主窗口的命令栏内,直接键入ls y c x x^2 x^3,回车即可得到输出结果

(3)利用SPSS应用软件进行回归分析

在SPSS中,依次点击Analyze/Regression/CurveEstimation,打开对话窗口。

在Models选项组中,共有11种曲线可供选择:

Linear(直线)、Quadratic(二次曲线)、Compound(复合曲线)、Growth(增长曲线)、Logarithmic(对数曲线)、Cubic(三次曲线)、S(S曲线)、Exponential(指数曲线)、Inverse(倒数曲线)、Power(Power曲线)、Logistic(逻辑斯蒂曲线)。

 

 

 

 

 

2、双曲线(倒数)模型

令             原模型可化为线性形式,即可利用一元线性回归分析的方法处理。

 

 

 

 

 

3、双对数函数模型

4、半对数函数模型

(1)对于对数—线性模型

它表示x变动一个单位,y将变动   %。

即y的相对变动百分比等于   乘以x的绝对变化量。

(2)对于线性—对数模型

它表示x变动1%,y将变动    个单位的绝对量。

即y的绝对变化量等于   乘以x的相对变化量。

 

 

 

 

 

5、逻辑斯蒂(Logistic)曲线

令                        则有:

 

二、解释变量需间接替换的非线性回归模型

1、指数曲线

 

 

 

 

 

两边取对数得:

  令                                            则有

 

 

7、简述异方差性的检验方法?

(一)图示法

(1)用x-y的散点图进行判断

    看是否存在明显的散点扩大、缩小或复杂型趋势(即不在一个固定的带型域中)

(2)利用x-   的散点图

看是否形成一斜率为零的直线

(二)戈德菲尔德-匡特检验

(三)戈里瑟检验

(四)Spearman等级(秩)相关检验

(五)怀特(White)检验

 

8、如何才能说为的格兰杰意义上的原因?

 

9、如果将空调季度销售额记为y,空调单价记为x;D1=1代表春季;D2=1代表夏季,D3=1代表秋季;D4=1代表冬季。

我们试图建立以下模型:

这时会产生什么问题?

会带来什么后果?

如何解决?

 

10、某汽车制造厂销售部经理认为,汽车的销售量与广告费用之间存在着密切的关系。

为此,该经理收集了12个汽车销售分公司的有关数据。

用Excel对数据进行回归分析的部分结果如下:

 

(一)方差分析表

 

 

df

SS

MS

F

SignificanceF

回归

___

______

1602709

______

2.17E-09

残差

___

______

______

 

 

总计

11

1642867

 

 

 

(二)参数估计表

 

 

Coefficients

标准误差

tStat

P-value

Intercept

363.6891

62.45529

5.823191

0.000168

XVariable1

2.028873

0.101558

19.97749

2.17E-09

要求(计算结果精确至0.1):

(1)在方差分析表中的下划线上填上适当的数据;

(2)计算销售量与广告费用之间的相关系数,并据此分析两者的关系形态与强度;

(3)写出销售量对广告费用的一元线性回归方程,并检验在5%的显著性水平下,回归系数和回归方程的线性关系是否显著。

 

11、以下是某个案例的Eviews分析结果(局部)。

DependentVariable:

Y            Method:

LeastSquares

Sample(adjusted):

1 10

Includedobservations:

10afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

4.826789

9.217366

0.523663

0.6193

X1

0.178381

0.308178

(1)

0.5838

X2

0.688030

(2)

3.277910

0.0169

X3

(3)

0.156400

-1.423556

0.2044

R-squared

0.852805

Meandependentvar

41.90000

AdjustedR-squared

(4)

S.D.dependentvar

34.28783

S.E.ofregression

16.11137

Akaikeinfocriterion

8.686101

Sumsquaredresid

1557.457

Schwarzcriterion

8.807135

Loglikelihood

-39.43051

F-statistic

11.58741

Durbin-Watsonstat

3.579994

 Prob(F-statistic)

0.006579

①填上

(1)、

(2)、(3)、(4)位置所缺数据;

②以标准记法写出回归方程;

③你对分析结果满意吗?

为什么?

 

12、根据下列SPSS软件运行结果,确定最佳模型,并说明理由;以标准记法写出回归方程。

 

 

 

 

13、一家家用电器产品销售公司在30个地区设有销售分公司。

为研究产品彩电销售量(台)与该公司的销售价格(百元)、各地区的年人均收入(百元)、广告费用(百元)之间的关系,搜集到30各地区的有关数据。

设彩电销售量为y,销售价格为x1,年人均收入为x2,广告费用为x3,利用Excel得到下面的回归结果。

相关系数矩阵

 

 

y

X1

X2

X3

y

1

 

 

 

X1

-0.46922

1

 

 

X2

0.74095

0.07837

1

 

X3

0.87595

-0.46880

0.60454

1

 

 

方差分析

 

Df

SS

MS

F

SignificanceF

回归分析

 

 

4008924.7

  

8.88341E-13

残差

 

 

 

 

 

总计

 

13458586.7

 -

 ―

 

 

参数估计表

 

Coefficients

标准误差

tStat

P-value

Intercept

7589.1025

 2445.0213

3.1039

0.00457

XVariable1

-117.8861

31.8974

-3.6958

0.00103

XVariable2

80.6107

  14.7676

5.4586

0.00001

XVariable3

0.5012

0.1259

3.9814

0.00049

(1)将方差分析表中的所缺数值补齐;

(2)如果只选一个自变量来预测销售量,三个自变量中哪一个会被优先选择?

请说明理由;

(3)写出销量与销售价格、年人均收入、广告费用的多元线性回归方程,并解释各回归系数的意义;

(4)若显著水平=0.05,回归方程的线性关系是否显著?

(5)若显著水平=0.05,各回归系数是否显著?

(6)销售量y的变差中被回归方程所解释的百分比是多少?

 

14、简述选择解释变量的逐步回归法?

 

15、用X1(万元)代表啤酒厂商的广告费,用X2(千元/吨)代表啤酒单价,用X3(千元/吨)代表白酒单价,用y代表啤酒销售量(吨)。

建立模型如下:

Y=120  + 30X1  -20lnX2 + 5X3

T= (3.21)  (2.98) (-3.01) (1.87)

F=141.223

(1)先验地,你认为各个系数的符号如何?

你的预期与结果一致吗?

(2)解释各个回归系数的意义?

(3)检验各个回归系数的统计显著性。

(临界值=2.10)

(4)如何检验假设:

所有的回归系数同时为零?

(临界值=4.33)

 

16、用x代表广告费,用y代表销售量,解释以下模型中的经济意义。

 

 

17、根据下列Eviews应用软件的运行结果比较分析选择哪个模型较好?

并说明理由;以标准形式写出确定的回归方程。

模型一

DependentVariable:

Y            Method:

LeastSquares

Sample:

112                     Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

46.13828

7.356990

6.271352

0.0001

1/X

1335.604

171.2199

7.800522

0.0000

AdjustedR-squared

0.844738

 Akaikeinfocriterion

8.283763

Sumsquaredresid

1993.125

   Schwarzcriterion

8.364580

Loglikelihood

-47.70258

   F-statistic

60.84814

Durbin-Watsonstat

2.154969

   Prob(F-statistic)

0.000015

 

模型二

DependentVariable:

Y                  Method:

LeastSquares

Sample:

112                         Includedobservations:

12

Convergenceachievedafter6iterations

Y=C

(1)*C

(2)^X

 

Coefficient

Std.Error

t-Statistic

Prob. 

C

(1)

195.1784

11.46600

17.02237

0.0000

C

(2)

0.979132

0.001888

518.5842

0.0000

AdjustedR-squared

0.922179

  Akaikeinfocriterion

7.593063

Sumsquaredresid

999.0044

   Schwarzcriterion

7.673881

Loglikelihood

-43.55838

   Durbin-Watsonstat

2.818195

 

 

18、根据下列Eviews运行结果,分别对2009年四个季度作出预测。

输出结果1

 

Sample:

2004:

12008:

4      Includedobservations:

20

Method:

Holt-WintersMultiplicativeSeasonal

OriginalSeries:

Y            ForecastSeries:

YSM

Parameters:

Alpha

0.4600

 

Beta

0.0000

 

Gamma

0.0000

SumofSquaredResiduals

2164.646

RootMeanSquaredError

10.40348

EndofPeriodLevels:

Mean

353.0604

 

 

Trend

11.67188

 

 

Seasonals:

2008:

1

0.975157

 

 

 

2008:

2

1.031936

 

 

 

2008:

3

1.182440

 

 

 

2008:

4

0.810467

输出结果2

 

Sample:

2004:

12008:

4    Includedobservations:

20

Method:

Holt-WintersAdditiveSeasonal

OriginalSeries:

Y              ForecastSeries:

YSM

Parameters:

Alpha

0.3400

 

Beta

0.0000

 

Gamma

0.0000

SumofSquaredResiduals

3533.643

RootMeanSquaredError

13.29218

EndofPeriodLevels:

Mean

349.8953

 

 

Trend

11.67188

 

 

Seasonals:

2008:

1

-6.292187

 

 

 

2008:

2

8.435938

 

 

 

2008:

3

43.76406

 

 

 

2008:

4

-45.90781

 

19、基于Eviews软件,说明如何对下列模型进行参数估计

  

(1);   

(2); (3)

 

20、下面是某案例Eviews的分析结果(局部),根据输出结果完成下列要求(写出判断或检验的依据)(α=0.05,=1.19,=1.55)

(1)以标准记法写出回归方程, 并解释回归系数的含义;

(2)对所求得的线性方程作显著性检验。

(3)对模型进行异方差检验,说明模型是否存在异方差;

(4)对模型进行自相关检验,说明模型是否存在序列自相关;

(5)计算方差扩大因子,说明模型是否存在多重共线性。

DependentVariable:

Y               Method:

LeastSquares

Sample:

2008M012009M12        Includedobservations:

24

 

 

 

 

 

 

 

 

 

 

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

C

-486.6758

96.84835

-5.025133

0.0001

LOG(X1)

-5.369058

111.7945

-0.048026

0.9621

LOG(X2)

204.4170

80.43056

2.541534

0.0190

 

 

 

 

 

 

 

 

 

 

R-squared

0.869978

    Meandependentvar

3.116667

AdjustedR-squared

0.857594

    S.D.dependentvar

2.116533

S.E.ofregression

0.798709

    Akaikeinfocriterion

2.504828

Sumsquaredresid

13.39665

    Schwarzcriterion

2.652084

Loglikelihood

-27.05793

    F-statistic

70.25528

Durbin-Watsonstat

0.449745

    Prob(F-statistic)

0.000000

 

WhiteHeteroskedasticityTest:

 

F-statistic

1.649512

    Probability

0.216083

Obs*R-squared

3.258427

    Probability

0.196084

 

 

 

 

 

TestEquation:

 

 

DependentVariable:

RESID^2Method:

LeastSquares

 

Sample:

2008M012008M12Includedobservations:

24

 

 

 

 

 

 

 

 

 

 

 

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

 

 

 

 

 

 

 

 

 

 

C

100.9379

63.21018

1.596861

0.1252

LOG(X1)

-132.2739

72.96509

-1.812838

0.0842

LOG(X2)

94.27548

52.49475

1.795903

0.0869

 

 

 

 

 

 

 

 

 

 

R-squared

0.135768

    Meandependentvar

0.558194

AdjustedR-squared

0.053460

    S.D.dependentvar

0.535814

S.E.ofregression

0.521295

    Akaikeinfocriterion

1.651466

Sumsquaredresid

5.706708

    Schwarzcriterion

1.798722

Loglikelihood

-16.81759

    F-statistic

1.649512

Durbin-Watsonstat

1.879222

    Prob(F-statistic)

0.216083

 

 

 

 

 

 

 

 

 

 

DependentVariable:

LOG(X1)     Method:

LeastSquares

Sample:

2008M012009M12       Includedobservations:

24

 

 

 

 

 

 

 

 

 

Prob.  

Variable

Coefficient

Std.Error

t-Statistic

 

 

 

 

 

 

 

 

 

 

C

0.782000

0.079477

9.839362

0.0000

LOG(X2)

0.703338

0.032280

21.78851

0.0000

 

 

 

 

 

 

 

 

 

 

R-squared

0.955711

    Meandependentvar

2.513666

AdjustedR-squared

0.953698

    S.D.dependentvar

0.007079

S.E.ofregression

0.001523

    Akaikeinfocriterion

-10.05635

Sumsquaredresid

5.10E-05

    Schwarzcriterion

-9.958181

Loglikelihood

Durbin-Watsonstat

122.6762

    F-statistic

474.7392

0.569325

    Prob(F-statistic)

0.000000

  

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 高等教育 > 军事

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1