计量经济学期末考试练习题库

1．计量经济学是一门（）学科。

A.数学                        B.经济   

C.统计                        D.测量

2．狭义计量经济模型是指（）。 

A.投入产出模型                B.数学规划模型 

C.包含随机方程的经济数学模型  D.模糊数学模型

3．计量经济模型分为单方程模型和（）。

A.随机方程模型                B.行为方程模型   

C.联立方程模型                D.非随机方程模型

4．经济计量分析的工作程序（）

A.设定模型，检验模型，估计模型，改进模型

B.设定模型，估计参数，检验模型，应用模型

C.估计模型，应用模型，检验模型，改进模型

D.搜集资料，设定模型，估计参数，应用模型

5．同一统计指标按时间顺序记录的数据列称为（）

A.横截面数据                  B.时间序列数据      

C.修匀数据                    D.平行数据

6．样本数据的质量问题，可以概括为完整性、准确性、可比性和（）。

A.时效性                      B.一致性  

C.广泛性                      D.系统性

7．有人采用全国大中型煤炭企业的截面数据，估计生产函数模型，然后用该模型预测未来煤炭行业的产出量，这是违反了数据的（）原则。

A.一致性                      B.准确性   

C.可比性                      D.完整性

8．判断模型参数估计量的符号、大小、相互之间关系的合理性属于（）准则。

A.经济计量准则                B.经济理论准则    

C.统计准则                    D.统计准则和经济理论准则

9．对下列模型进行经济意义检验，哪一个模型通常被认为没有实际价值的（）。

A.（消费）（收入）

B.（商品需求）（收入）（价格）

C.（商品供给）（价格）

D.（产出量）（资本）（劳动）

答案：1．B   2．C   3．C     4．B      5．B

6．B  7．A    8．B    9．B 

1.回归分析中定义的（）

A.解释变量和被解释变量都是随机变量

B.解释变量为非随机变量，被解释变量为随机变量

C.解释变量和被解释变量都为非随机变量

D.解释变量为随机变量，被解释变量为非随机变量

2.最小二乘准则是指使（）达到最小值的原则确定样本回归方程。

A.                          B.    

C.                          D.

3.下图中“{”所指的距离是（）

A. 随机误差项                         B. 残差    

C. 的离差                           D. 的离差

4.最大或然准则是从模型总体抽取该n组样本观测值的（）最大的准则确定样本回归方程。

A.离差平方和                          B.均值      

C.概率                                D.方差

5.参数估计量是的线性函数称为参数估计量具有( )的性质。

A.线性                                B.无偏性       

C.有效性                              D.一致性

6.参数的估计量具备有效性是指（）

A.                          B.为最小

C.                            D.为最小

7.要使模型能够得出参数估计量，所要求的最小样本容量为（）

A.n≥k+1                              B.n≤k+1  

C.n≥30                               D.n≥3(k+1)

8.已知含有截距项的三元线性回归模型估计的残差平方和为，估计用样本容量为，则随机误差项的方差估计量为( )。

A.33.33                                B.40    

C.38.09                                D.36.36

9.最常用的统计检验准则包括拟合优度检验、变量的显著性检验和（）。

A.方程的显著性检验                     B.多重共线性检验  

C.异方差性检验                         D.预测检验

10.反映由模型中解释变量所解释的那部分离差大小的是( )。

A.总体平方和             B.回归平方和          C.残差平方和    

11.总体平方和TSS、残差平方和RSS与回归平方和ESS三者的关系是（）。

A.RSS=TSS+ESS                           B.TSS=RSS+ESS    

C.ESS=RSS-TSS                           D.ESS=TSS+RSS

12.下面哪一个必定是错误的（）。

A.        

B.        

C.        

D.     

13.产量（X，台）与单位产品成本（Y，元/台）之间的回归方程为，这说明（）。

    A.产量每增加一台，单位产品成本增加356元

    B.产量每增加一台，单位产品成本减少1.5元

    C.产量每增加一台，单位产品成本平均增加356元

    D.产量每增加一台，单位产品成本平均减少1.5元

14.回归模型，i = 1，…，25中，总体方差未知，检验时，所用的检验统计量服从（）。

A.                            B.     

C.                            D.

15.设为回归模型中的参数个数（包括截距项），n为样本容量，ESS为残差平方和，RSS为回归平方和。则对总体回归模型进行显著性检验时构造的F统计量为（）。

A.                      B.    

C.                            D.

16.根据可决系数R2与F统计量的关系可知，当R2=1时有（）。

A.F=1                                 B.F=－1        

C.F→+∞                              D.F=0

17.线性回归模型的参数估计量是随机变量的函数，即。所以是（）。

A.随机变量                            B.非随机变量     

C.确定性变量                          D.常量

18.由 可以得到被解释变量的估计值，由于模型中参数估计量的不确定性及随机误差项的影响，可知是（）。

A.确定性变量                          B.非随机变量     

C.随机变量                            D.常量

19.下面哪一表述是正确的（）。

A.线性回归模型的零均值假设是指

B.对模型进行方程显著性检验（即检验），检验的零假设是

C.相关系数较大意味着两个变量存在较强的因果关系

D.当随机误差项的方差估计量等于零时，说明被解释变量与解释变量之间为函数关系

20.在双对数线性模型中，参数的含义是（）。

A.Y关于X的增长量                     B.Y关于X的发展速度     

C.Y关于X的边际倾向                   D.Y关于X的弹性

21.根据样本资料已估计得出人均消费支出Y对人均收入X的回归方程为

，这表明人均收入每增加１％，人均消费支出将增加（）。

A.2%                                  B.0.2%    

C.0.75%                               D.7.5%

22.半对数模型中，参数的含义是（）。 

A．X的绝对量变化，引起Y的绝对量变化

B．Y关于X的边际变化 

C．X的相对变化，引起Y的期望值绝对量变化    

D．Y关于X的弹性

23.半对数模型中，参数的含义是（）。

A.X的绝对量发生一定变动时，引起因变量Y的相对变化率

B.Y关于X的弹性

C.X的相对变化，引起Y的期望值绝对量变化      

D.Y关于X的边际变化

24.双对数模型中，参数的含义是（）。

A.X的相对变化，引起Y的期望值绝对量变化  

B.Y关于X的边际变化

C.X的绝对量发生一定变动时，引起因变量Y的相对变化率      

D.Y关于X的弹性               

答案：1. B    2. D    3. B    4. C      5. A

6. B     7. A    8. B    9. A     10. B

11. B    12．C   13．D   14．D    15．A

16. C    17．A    18．C   19．D    20．D

21．C    22. C    23. A   24．D

 第三部分

1.在线性回归模型中，若解释变量和的观测值成比例，既有，其中为非零常数，则表明模型中存在（）。

A.方差非齐性                   B.多重共线性       

C.序列相关                     D.设定误差

2.在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在（）。

A.多重共线性                   B.异方差性           

C.序列相关                     D.高拟合优度

3.戈德菲尔德—匡特检验法可用于检验（）。

A.异方差性                     B.多重共线性       

C.序列相关                     D.设定误差

4.若回归模型中的随机误差项存在异方差性，则估计模型参数应采用（）。   

A.普通最小二乘法               B.加权最小二乘法   

C.广义差分法                   D.工具变量法

5.如果回归模型中的随机误差项存在异方差，则模型参数的普通最小二乘估计量（）。

A.无偏且有效                   B.无偏但非有效       

C.有偏但有效                   D.有偏且非有效

6.设回归模型为，其中，则的最有效估计量为（）。

A.                     B.    

C.                       D.

7．对于模型，如果在异方差检验中发现，则用权最小二乘法估计模型参数时，权数应为（）。

A.                          B.       

C.                          D. 

8.若回归模型中的随机误差项存在一阶自回归形式的序列相关，则估计模型参数应采用（）。 

A.普通最小二乘法               B.加权最小二乘法 

C.广义差分法                   D.工具变量法 

9.用于检验序列相关的DW统计量的取值范围是()。

A.0≤DW≤1                     B.－1≤DW≤1     

C.－2≤DW≤2                   D.0≤DW≤4

10.已知DW统计量的值接近于2，则样本回归模型残差的一阶自相关系数近似等于（）。

A.0                            B.-1              

C.1                            D.0.5

11.已知样本回归模型残差的一阶自相关系数接近于-1，则DW统计量近似等于()。

A.0                            B.1          

C.2                            D.4

12.在给定的显著性水平之下，若DW统计量的下和上临界值分别为dL和du,则当dLA.存在一阶正自相关             B.存在一阶负相关  

C.不存在序列相关               D.存在序列相关与否不能断定

13．某企业的生产决策是由模型描述（其中为产量，为价格），又知：如果该企业在期生产过剩，决策者会削减期的产量。由此判断上述模型存在（）。

A. 异方差问题                  B. 序列相关问题   

C. 多重共线性问题              D. 随机解释变量问题

14.对于模型，若存在序列相关，同时存在异方差，即有， ，则广义最小二乘法随机误差项方差—协方差矩阵可表示为

这个矩阵是一个（）。

A.退化矩阵                     B.单位矩阵

C.长方形矩阵                   D.正方形矩阵

15.用矩阵形式表示的广义最小二乘参数估计量为，此估计量为（）。

A.有偏、有效的估计量           B.有偏、无效的估计量

C.无偏、无效的估计量           D.无偏、有效的估计量

16.采用广义最小二乘法关键的一步是得到随机误差项的方差—协方差矩阵Ω，这就需要对原模型首先采用（）以求得随机误差项的近似估计量，从而构成矩阵Ω的估计量。

A.一阶差分法                   B.广义差分法

C.普通最小二乘法

17.如果模型中出现随机解释变量并且与随机误差项相关时，最常用的估计方法是（）。

A.普通最小二乘法               B.加权最小二乘法  

C.差分法                       D.工具变量法

18.在下图a、b、c、d、e中，为解释变量，e为相对应的残差。图形（）表明随机误差项的方差随着解释变量的增加而呈U性变化。

答案：1. B    2. A    3. A    4. B     5. B

6. C     7. D    8. C    9. D    10. A

11. D     12. D   13. B   14. D   15. D

16. C     17. D    18. e

1.某商品需求函数为，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（ ）。 

A.2                           B.4              

C.5                           D.6

2.根据样本资料建立某消费函数如下：，其中C为消费，x为收入，虚拟变量，所有参数均检验显著，则城镇家庭的消费函数为( )。

A.             B.  

C.            D.  

3.假设某需求函数为，为了考虑“季节”因素（春、夏、秋、冬四个不同的状态），引入4个虚拟变量形成截距变动模型，则模型的（ ）。

A.参数估计量将达到最大精度   B.参数估计量是有偏估计量

C.参数估计量是非一致估计量   D.参数将无法估计

4.对于模型，为了考虑“地区”因素（北方、南方），引入2个虚拟变量形成截距变动模型，则会产生（ ）。

A.序列的完全相关             B.序列的不完全相关

C.完全多重共线性             D.不完全多重共线性

5.设消费函数为，其中虚拟变量D=，当统计检验表明下列哪项成立时，表示城镇家庭与农村家庭有一样的消费行为（ ）。

A.                  B.

C.                  D.

6.消费函数模型，其中y为消费，x为收入，，，，该模型中包含了几个质的影响因素（ ）。

A.1                          B.2  

        C.3                          D.4

7.设消费函数，其中虚拟变量，如果统计检验表明成立，则北方的消费函数与南方的消费函数是（ ）。

A.相互平行的                 B.相互垂直的  

C.相互交叉的                 D.相互重叠的

8.假定月收入水平在1000元以内时，居民边际消费倾向维持在某一水平，当月收入水平达到或超过1000元时，边际消费倾向将明显下降，则描述消费（C）依收入（I）变动的线性关系宜采用（ ）。

A.

B.

C.

D.，D、同上

答案要点：1.B   2.A，   3.D    4.C      5.A

6.D    7.A     8.D

二、有关操作

ＥViews软件操作及练习题指令

                             曾 康 华 编

一、建立工作文件

　　打开ＥViews主窗口；从ＥViews主菜单中点击File键，选择Ｎew→Workfile，则打开一个Workfile 　Range选择框，其中需做三项选择：①Workfile　frequency；②Start date；③End date 。根据数据的性质做①Workfile　frequency；②Start date；③End date各项选择。

　　点击OK键。这时会建立一个尚未命名的工作文件（Workfile：UNTITLED）。点击name键（起名，保存）。

二、关闭工作文件

从ＥViews主窗口右上方，点击×。

三、打开工作文件

双击ＥViews标识，从主窗口，点击File→open→Workfile→工作文件名（工作文件名字符不得超过１６个）。

四、输入数据

从主窗口，点击Quick→Empty Group→用手工输入数据。输入好数据后，对时间序列数据name（起名）→save（保存）。

也可从Ecxel中把数据粘贴到Empty Group，name→save。

注意：如果输入数据错误，如何该？从Ｅviews主菜单中点击Edit键。

五、用公式生成新序列

从主窗口，点击Quick→Generate Series→输入计算公式。

最常用运算符号：加（+），减（-），乘（*），除（/），乘方（^），X的一阶差分（D（X），即X-X（-1）），对X取自然对数（log（X）），对X取自然对数后做一阶差分（Dlog（X）），

下面是@函数及其含义：

@SUM（X）——序列X的和

@MEAN（X）——序列X的均值

@ VAR（X）——序列X的方差

@ SUMSQ（X）——序列X的平方和

@ COV（X，Y）——序列X和序列Y协方差

@ COR（X，Y）——序列X和序列Y

@ R2——R2统计量

@RBA R2——调整的R2统计量

@ SE——回归函数的标准误差

@ F——F统计量

@ MOVAV（X，n）——序列X的n期移动平均，其中n为整数

六、改变工作文件区间

从主窗口，点击proc→structure/Resize Current Page→改变区间。

七、把各序列放到一起

方法一：从主窗口，点击Object→New Object→Group→输入序列名→OK→ name→save。

方法二：从工作文件窗口，左键单击某一序列→按住电脑左下方Ctrl键不松→再依次左键单击另外序列→按鼠标右键→as Group→ name→save。

八、单序列（X）的直方图和描述统计量

左键双击打开序列（X）→View→Descriptive statistic→Histogram and stats

九、多序列描述统计量

左键双击打开序列组（Group）→View→Descriptive statistic→Common stats

十、序列的折线图

    左键双击打开序列（X）→Graph→line→OK

十一、序列Ｙ和Ｘ的散点图

　　从ＥViews主窗口，点击Quick键，选择Graph功能，这时将弹出一个对话框，要求输入图画所用的变量名。对于画散点图来说，应该输入两个变量。这里因为要画x，y的散点图，所以输入x，y。点击OK键，会得到对话框，从Graph　Type选项中选Scatter  Diagram，然后按OK键，得到散点图。如要改变x，y横纵轴的位置，改变x，y顺序即可。

十二、进行OLS回归（以双变量回归模型为例）

　　从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入y c x或者y=c（1）＋c（2）*x。在Estimate　Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

十三、预测

操作：（1）打开工作文件（WorkFile），从主窗口→Procs→structure/Resize Current Page→改变区间。在打开的扩展范围选择框中分别输入预测区间。

         （2）编辑变量X的数据（用鼠标右键激活），输入X的实际值。

         （3）在回归模型估计结果显示窗口的命令行中，单击Forecast，打开预测窗口，预测结果变量的缺省选择为YF，选择静态预测，点击OK。在工作文件窗口，就会显示YF。

         （4）主窗口→Quick→Graph，打开作图对话框输入Y  FY，选择Line Graph，Singe Scale。

   十四、显示残差图

    在回归模型估计结果显示窗口的命令行中，单击resids即可。

十五、自相关练习的操作指令（以双变量回归模型为例）

操作：（1）用OLS方法估计模型的参数。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入y c x或者y=c（1）＋c（2）*x。在Estimate　Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK键，即可得到回归结果。然后name→save。

（2）检验自相关

①图示法。由OLS估计结果，得到残差resid，并把残差resid转换成E，即从主窗口→Quick→Generate Series→生成序列（E=resid）。再从从主窗口→Quick→Graph，在图形对话框中键入E  E（-1），再单击Scatter Diogram，得到散点图。

②DW检验。由OLS估计结果，得到DW，给定显著性水平α，查DW统计表，n表示样本观测值的个数，k是解释变量的个数，得到DW统计量的下限临界值dl和du，再根据DW检验的判断法则，进行判断。

（3）自相关的修正

①根据DW统计量，利用公式=1-DW/2，计算。

②对Y序列作广义差分。点击Quick→Generate Series→输入计算公式（DY=Y-Y（-1））。

③对X序列作广义差分。点击Quick→Generate Series→输入计算公式（DX=X-X（-1））。

（4）再用OLS方法估计模型的参数。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入dy c dx或者dy=c（1）＋c（2）*dx。在Estimate　Setting选择框中自动给出缺省选择LS估计法和样本区间。点击OK，即可得到回归结果。然后name→save。

（5）再进行DW检验。

（6）消除了自相关的模型即为所求模型。

十六、异方差练习的操作指令（以双变量回归模型为例）

操作：（1）用OLS方法估计模型的参数。

（2）异方差检验

①图示法。从Equation→resid，得到残差图。还可把resid变换为e，再作e与序列x的散点图。

②G-Q检验。从主窗口→点击Procs→Sort Current page→yes，出现排序对话框后，键入x，选升序（ascending），单击OK。假定样本数据为n，去掉中间c（n/4）个数据，然后分成两组数据，分别做两个回归，得到两个残差平方和。构造F统计量，取显著性水平0.05，查F分布表，得到F临界值，如果F统计量大于F临界值，则存在异方差。

（3）异方差的修正。用加权最小二乘法，具体操作：在工作文件单击方程标识，打开回归方程，在方程窗口单击Estimate→Options→Weighted LS/TSLS→Weight（输入权数）→OK

（4）为了分析异方差的校正情况，利用WLS估计出模型以后，还需要利用怀特检验再次判断模型是否存在异方差性。具体操作：在方程窗口单击View→Residual Test→White Heteroskedasticity。

（5）取显著性水平0.05，查，n为辅助方程解释变量的个数，如果nR2<,则修正后的方程不存在异方差。

十七、多重共线性练习的操作指令

操作：（1）运用OLS法对方程估计参数。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。

（2）做F检验，由方程得到F统计量，在给定显著性水平0.05下，查F0.05（k，n-k-1），这里k为变量出个数，n为样本点数。如果F0.05（k，n-k-1）（3）检验。先计算被解释变量和解释变量之间的相关系数，ＥViews操作如下：在主窗口→点击Quick→Group Statistics→Correlation→Series Line（输入被解释变量和解释变量）→OK，判断解释变量之间的相关程度。

（4）多重共线性的修正（逐步回归法）。运用OLS方法逐一求Y（被解释变量）对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的双变量回归方程为基础，在此基础上，再添加其他解释变量，直到选出最佳的回归模型。

十八、有限分布滞后模型练习的操作指令

设定模型： 

操作：建立Workfile，从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  x  x（-1） x（-2）x（-3）x（-4）x（-5），点击OK。或者在Equation　Specification选择框中输入Y  c  x（0 to -5）。

十九、多项式分布滞后模型的阿尔蒙估计法（Almon method of Polynomizl Distributed Log Models）

（一）阿尔蒙估计法（1）

设定模型：

注意：这里k=6，r=2。

则原模型可变为：

    其中： 

ＥViews操作：（1）建立Workfile，注意：name→save。

（2）生成新变量，从主窗口点击Quick→Generate Series→输入计算公式（W0=x+x（-1）+x（-2）+x（-3）+x（-4）+x（-5）+x（-6）；W1=x（-1）+2*x（-2）+3*x（-3）+4*x（-4）+5*x（-5）+6*x（-6）；W2=x（-1）+4*x（-2）+9*x（-3）+16*x（-4）+25*x（-5）+36*x（-6））。

（3）用OLS法做Y对W0，W1，W2回归。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入y c W0  W1  W2。点击OK。可以得到的估计值。

（4）利用，计算：

；； 

；； 

（5）最后得到分布滞后模型的估计式。

（二）阿尔蒙估计法（2）

操作：（1）建立Workfile，注意：name→save。

（2）运用ＥViews程序中阿尔蒙估计法，可以直接进行，从主窗口点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入y c PDL（x，k，r），（应输入命令：y c PDL（x，6，2）），点击OK。可以得到的估计值。

注意：ＥViews程序中，PDL（x，k，r），PDL是Polynomizl Distributed Log Models的简写，x表示为自变量，k表示滞后期，r表示系数多项式的阶数，在这个例子中，应输入命令：PDL（x，6，2）

（3）用“PDL”估计分布滞后模型时，ＥViews所采用的滞后多项式变换不是形如，而是阿尔蒙多项式的派生形式：，其中k为滞后期数，并且滞后期数为偶数。在本例中取k=6，这样，系数多项式应是：

  （j=0，1，2，3，4，5，6）

（4）利用计算（j=0，1，2，3，4，5，6）。

（5）最后得到分布滞后模型的估计式。

二十、用经验权数法估计有限分布滞后模型的参数

设定模型： 

操作：（1）建立Workfile。注意：name→save。

（2）运用检验加权法，选择下列三组权数分别表示递减滞后、A型滞后、不变滞后。

①1，1/2，1/4，1/8；②1/4，1/2，2/3，1/4；③1/4，1/4，1/4，1/4。

（3）生成新的三个序列

  操作：从主窗口，点击Quick→Generate Series→输入计算公式z1t=xt+1/2*xt-1+1/4*xt-2+1/8*xt-3；

z2t=1/4xt+1/2*xt-1+2/3*xt-2+1/4*xt-3 

z3t=1/4xt+1/4*xt-1+1/4*xt-2+1/4*xt-3。

（4）回归分析。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  z1t，用Z2t 、Z3t替换z1t，重复前面回归过程，可得到另外两个经验加权模型的回归结果。

（5）对三个模型，要检验自相关、t检验和R2，从中选出最佳的分布滞后模型。

★注意：有限分布滞后模型中滞后期数的判定：Akaike info criterion（赤池准则） 和Schwarz criterion（施瓦茨准则）最小。

二十一、随机自变量模型（Random Regressors Models）的参数估计（工具变量法）

若线性回归模型的假定cov（GDP  u）=0不满足，即自变量x是随机解释变量，用OLS法估计量将失去无偏性和一致性，为此，必须对随机项是否与自变量强相关进行检验。

操作：（1）建立Workfile。注意：name→save。

（2）进行豪斯曼（Hausman Test）检验。检验GDP 与u是否存在强相关（省略）。假定GDP 与u存在强相关，而储蓄变量与随机误差项u不相关（这里只是为了说明方法的应用，不去计较储蓄变量与随机误差项u实际上是否相关），可以作为自变量GDP的工具变量。

（3）在工作文件指令窗口输入下列命令：

Equation Hausman.Ls GDP C Chuxu

Genr Vhat=Resid

Equation Eq01.LS Chukou C GDP Vhat

点击回车

注意:第一句命令得到GDP关于它的工具变量Chuxu的回归方程(称作Hausman方程)；第二句命令是建立一个变量Vhat等于Hausman方程的Resid；第三个命令得到出口（Chukou）关于GDP和Vhat的回归方程。对残差的估计值进行t检验，得t=-4.686，在1%是显著水平下，残查的回归参数的显著的，因此，拒绝原假设，自变量GDP与随机误差项之间存在相关性。

（4）以储蓄（Chuxu）作为GDP的工具变量。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Chukou  c  GDP，在Instrument list框内添入Chuxu，选择“TSLS”方法（Two Stage Least Squares），点击OK。

二十二、虚拟变量模型（1）练习的操作指令

操作：建立Workfile，从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  D1，点击OK。

二十三、虚拟变量模型（2）练习的操作指令

其中 =大学教师的年薪； ---------教龄

操作：建立Workfile，name→save。再从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  D1  x，点击OK。

二十四、虚拟变量模型（3）练习的操作指令

测量斜率变动的模型，以乘法形式引入虚拟解释变量，是在所设定的计量模型中，将虚拟解释变量与其他解释变量相乘作为新的解释变量，以达到其调整模型斜率系数的目的。

这个模型等价于：

操作：（1）建立Workfile，name→save。

（2）生成新变量，从主窗口点击Quick→Generate Series→输入计算公式（Z=XD1）

（3）做回归。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  x  x D1，点击OK。

二十五、虚拟变量模型（4）练习的操作指令

测量斜率和截距都变动的模型，如果斜率和截距都变动，适合采用以下模型：

操作：（1）建立Workfile，name→save。

（2）生成新变量，从主窗口点击Quick→Generate Series→输入计算公式（Z=XD1）

（3）做回归。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  x  D1  x D1，点击OK。

二十六、虚拟变量模型（5）练习的操作指令

分段线性回归，当在模型中使用虚拟变量时，回归函数就不再是连续的了。那么，能否可以用虚拟变量描述出模型结构的变化，又使回归函数保持连续呢？可以。

   考虑模型：

其中表示结构发生变化的t=b1时刻的值。

    当D1=0时，

当D1=1时，

操作：建立Workfile，name→save。

（2）生成新变量，从主窗口点击Quick→Generate Series→输入计算公式（Z=（X-Xb）D1）

（3）做回归。从ＥViews主窗口，点击Quick→点击Estimate  Equation功能。弹出一个对话框。在Equation　Specification选择框中输入Y  c  x  （X-Xb）D1，点击OK。

二十七、联立方程模型的练习

其中：——t期的消费额，——t期的投资额，——t期的国民收入

——t期的支出额，——t-1期的国民收入

    经过检验，消费方程是过度识别，适合用二阶段最小二乘法估计。

操作：（1）第一步，作为解释变量的内生变量Y的简化方程为

（2）估计Y的简化式方程

（3）生成新序列：EY=Y-Resid

（4）利用Y的拟合值，在消费方程中用代替Y，再次应用OLS法，估计替代后的结构方程即消费方程。

注意：上述步骤可以直接使用二阶段最小二乘法估计命令，即在Estimate  Equation对话筐中，键入CS C Y CS（-1）@ C Y(-1) CS(-1) G，在估计方法方框中选择TSLS，点击OK。

（5）投资方程显然满足古典假设，可直接应用OLS法。

二十八、协整分析的练习

Augmented Dickey-Fuller Test（ADF）检验

考虑模型（1）△yt=δyt-1+∑λj△yt-j+μt

模型（2）△yt=η+δyt-1+∑λj△yt-j+μt

模型（3）△yt=η+βt+δyt-1+∑λj△yt-j+μt

其中：j=1，2，3

单位根的检验步骤如下：

第一步：估计模型（3）。在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列yt不存在单位根，说明序列yt是平稳的，结束检验。否则，进行第二步。

第二步：给定δ=0，在给定ADF临界值的显著水平下，如果参数β显著不为零，则进入第三步；否则表明模型不含时间趋势，进入第四步。

第三步：用一般的t分布检验δ=0。如果参数δ显著不为零，则序列yt不存在单位根，说明序列yt是平稳的，结束检验；否则，序列存在单位根，是非平稳序列，结束检验。

第四步：估计模型（2）。在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列yt不存在单位根，说明序列yt是平稳的，结束检验；否则，继续下一步。

第五步：给定δ=0，在给定ADF临界值的显著水平下，如果参数δ显著不为零，表明含有常数项，则进入第三步；否则继续下一步。

第六步：估计模型（1）。在给定ADF临界值的显著水平下，如果参数δ显著不为零，则序列yt不存在单位根，说明序列yt是平稳的，结束检验。否则，序列存在单位根，是非平稳序列，结束检验。

操作：（1）检验消费序列是否为平稳序列。在工作文件窗口，打开序列CS，在CS页面单击左上方的“Viem”键并选择“Unit Root Test”，依据检验目的确定要检验的模型类型，则有单位根检验结果。

消费时间序列为模型（3），其tδ值大于附表6（含有常数项和时间趋势）中0.01~0.10各种显著性水平下值。因此，在这种情况下不能拒绝原假设，即私人消费时间序列CS有一个单位根，SC序列是非平稳序列。

（2）单整。检验消费时间序列一阶差分（△SCt）的平稳性。

用OLS法做两个回归：

△2SCt  C   △SCt-1

△2SCt  C  t  △SCt-1      △2SCt为二阶差分，在两种情况下，tδ值都小于附表6中0.01~0.10各种显著性水平下的值。因此，拒绝原假设，即私人消费一阶差分时间序列没有单位根，即私人消费一阶差分时间序列没有单位根，或者说该序列的平稳序列。所以，SCt是非平稳序列，由于△SCt~I（0），因而SCt~I（1）。

（3）判断两变量的协整关系。

第一步：求出两变量的单整的阶

   对于SCt。做两个回归（SCt  C   SCt-1），（△2SCt  C    △SCt-1）。

   对于yt， 做两个回归（yt  C   yt-1），（△2yt  C    △yt-1）。

   判断SCt和yt都是非平稳的，而△SCt和△yt是平稳的，即SCt~I（1），yt~I（1）。

    第二步：进行协整回归

用OLS法做回归：（SCt  C  yt），并变换参差为et。

第三步：检验et的平稳性

用OLS法做回归：（△et C et-1）

第四步：得出两变量是否协整的结论

因为t=-3.15与下表协整检验EG或AGE的临界值相比较（K=2），采用显著性水平a=0.05，tδ值大于临界值，因而接受et非平稳的原假设，意味着两变量不是协整关系。可是，如果采用显著性水平a=0.10，则tδ值与临界值大致相当，因而可以预期，若a=0.11，则tδ值小于临界值，接受et平稳的备择假设，即两变量具有协整关系。

协整检验EG或AGE的临界值

 第一步：估计协整回归方程

       yt=b0+b1xt+ut

  得到协整的一致估计量（1，- b0   -b1），用它得出均衡误差ut的估计值et。

  第二步：用OLS法估计下面的方程

       △yt=a+∑βi△yt-i+∑φj△yt-j+λet-1+vt

  在具体建模中，首先要对长期关系模型的设定是否合理进行单位根检验，以保证et

为平稳序列。其次，对短期动态关系中各变量的滞后项，通常滞后期在0，1，2，3中进行实验。

（5）估计误差修正模型

用OLS法（△SCt-1   c    △yt   et-1）估计误差修正模型

△SCt=5951.557+0.284△yt-0.200 et-1

（6）解释:结果表明个人可支配收入yt的短期变动对私人消费存在正向影响。此外，由于短期调整系数的显著的，表明每年实际发生的私人消费与其长期均衡值的偏差中的20%的速度被修正。

三、有些计算

1.为研究中国各地区入境旅游状况，建立了各省市旅游外汇收入（Y，百万美元）、旅行社职工人数（X1，人）、国际旅游人数（X2，万人次）的模型，用某年31个省市的截面数据估计结果如下：

                    t=(-3.066806)   (6.652983)   (3.3780)

                    R2=0.934331     F=191.14  n=31

从经济意义上考察估计模型的合理性。

在5%显著性水平上，分别检验参数的显著性。

在5%显著性水平上，检验模型的整体显著性。

参：模型估计结果可看出：旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来，旅行社职工人数增加1人，旅游外汇收入将增加0.1179百万美元；国际旅游人数增加1万人次，旅游外汇收入增加1.5452百万美元。

取，查表得

因为3个参数t统计量的绝对值均大于，说明经t检验3个参数均显著不为0，即旅行社职工人数和国际旅游人数分别对旅游外汇收入都有显著影响。

   取，查表得，由于，说明旅行社职工人数和国际旅游人数联合起来对旅游外汇收入有显著影响，线性回归方程显著成立。

2. 假设在模型中，之间的相关系数为零，于是有人建议你进行如下回归：

(1)是否存在？为什么？

(2) 

(3)是否有？

参考解答：

(1) 存在。

因为

当之间的相关系数为零时，离差形式的

有

同理有： 

(2)会的。

(3) 存在。

因为

当时， 

同理，有

3.Sen和Srivastava（1971）在研究国之间期望寿命的差异时，利用101个国家的数据，建立了如下的回归模型：

(4.37)  (0.857)      (2.42) 

R2=0.752

其中：X是以美元计的人均收入；

Y是以年计的期望寿命；

Sen和Srivastava 认为人均收入的临界值为1097美元（），若人均收入超过1097美元，则被认定为富国；若人均收入低于1097美元，被认定为贫穷国。

括号内的数值为对应参数估计值的t-值。

（1）解释这些计算结果。

（2）回归方程中引入的原因是什么？如何解释这个回归解释变量？

（3）如何对贫穷国进行回归？又如何对富国进行回归？

（4）从这个回归结果中可得到的一般结论是什么？

答案要点：（1）由，也就是说，人均收入每增加1.7183倍，平均意义上各国的期望寿命会增加9.39岁。若当为富国时，，则平均意义上，富国的人均收入每增加1.7183倍，其期望寿命就会减少3.36岁，但其截距项的水平会增加23.52，达到21.12的水平。但从统计检验结果看，对数人均收入lnX对期望寿命Y的影响并不显著。方程的拟合情况良好，可进一步进行多重共线性等其他计量经济学的检验。

（2）若代表富国，则引入的原因是想从截距和斜率两个方面考证富国的影响，其中，富国的截距为，斜率为，因此，当富国的人均收入每增加1.7183倍，其期望寿命会增加6.03岁。

（3）对于贫穷国，设定，则引入的虚拟解释变量的形式为；对于富国，回归模型形式不变。

4.以某地区22年的年度数据估计了如下工业就业回归方程

（-0.56）(2.3)       (-1.7)       (5.8)

式中，Y为总就业量；X1为总收入；X2为平均月工资率；X3为地方的总支出。

（1）试证明：一阶自相关的DW检验是无定论的。

（2）逐步描述如何使用LM检验

解答：

（1）由于样本容量n=22，解释变量个数为k=3，在5%在显著性水平下，相应的上下临界值为、。由于DW=1.147位于这两个值之间，所以DW检验是无定论的。

（2）进行LM检验：

第一步，做Y关于常数项、lnX1、lnX2和lnX3的回归并保存残差； 

第二步，做关于常数项、lnX1、lnX2和lnX3和的回归并计算；

第三步，计算检验统计值(n-1) =210.996=20.916；

第四步，由于在不存在一阶序列相关的零假设下(n-1)呈自由度为1的分布。在5%的显著性水平下，该分布的相应临界值为3.841。由于20.916>3.841，因此拒绝零假设，意味着原模型随机扰动项存在一阶序列相关。

5. 某地区供水部门利用最近15年的用水年度数据得出如下估计模型：

（-1.7）  (0.9)        (1.4)      (-0.6)   (-1.2)     (-0.8)

        F=38.9

式中，water——用水总量（百万立方米）,house——住户总数（千户）,pop——总人口（千人）,pcy——人均收入（元）,price——价格（元/100立方米）,rain——降雨量（毫米）。

（1）根据经济理论和直觉,请计回归系数的符号是什么(不包括常量)，为什么？观察符号与你的直觉相符吗？

（2）在10%的显著性水平下，请进行变量的t-检验与方程的F-检验。T检验与F检验结果有相矛盾的现象吗？

（3）你认为估计值是（1）有偏的；（2）无效的或（3）不一致的吗？详细阐述理由。

解答：

（1）在其他变量不变的情况下，一城市的人口越多或房屋数量越多，则对用水的需求越高。所以可期望house和pop的符号为正；收入较高的个人可能用水较多，因此pcy的预期符号为正，但它可能是不显著的。如果水价上涨，则用户会节约用水，所以可预期price的系数为负。显然如果降雨量较大，则草地和其他花园或耕地的用水需求就会下降，所以可以期望rain的系数符号为负。从估计的模型看，除了pcy之外，所有符号都与预期相符。

（2）t-统计量检验单个变量的显著性，F-统计值检验变量是否是联合显著的。

这里t-检验的自由度为15-5-1=9，在10%的显著性水平下的临界值为1.833。可见，所有参数估计值的t值的绝对值都小于该值，所以即使在10%的水平下这些变量也不是显著的。

这里，F-统计值的分子自由度为5，分母自由度为9。10%显著性水平下F分布的临界值为2.61。可见计算的F值大于该临界值，表明回归系数是联合显著的。

T检验与F检验结果的矛盾可能是由于多重共线性造成的。house、pop、pcy都是高度相关的，这将使它们的t-值降低且表现为不显著。price和rain不显著另有原因。根据经验，如果一个变量的值在样本期间没有很大的变化，则它对被解释变量的影响就不能够很好地被度量。可以预期水价与年降雨量在各年中一般没有太大的变化，所以它们的影响很难度量。

（3）多重共线性往往表现的是解释变量间的样本观察现象，在不存在完全共线性的情况下，近似共线并不意味着基本假定的任何改变，所以OLS估计量的无偏性、一致性和有效性仍然成立，即仍是BLUE估计量。但共线性往往导致参数估计值的方差大于不存在多重共线性的情况。

6. 选择两要素一级CES生产函数的近似形式建立中国电力行业的生产函数模型：

其中Y为发电量，K、L分别为投入的资本与劳动数量，t为时间变量。

  ⑴ 指出参数γ、ρ、m的经济含义和数值范围；

  ⑵ 指出模型对要素替代弹性的假设，并指出它与C-D生产函数、VES生产函数在要素替代弹性假设上的区别；

  ⑶ 指出模型对技术进步的假设，并指出它与下列生产函数模型

在技术进步假设上的区别；

答案：

⑴ 参数γ为技术进步速度，一般为接近0的正数；ρ为替代参数，在（－1，∞）范围内；m为规模报酬参数，在1附近。

⑵ 该模型对要素替代弹性的假设为：随着研究对象、样本区间而变化，但是不随着样本点而变化。而C-D生产函数的要素替代弹性始终为1，不随着研究对象、样本区间而变化，当然也不随着样本点而变化；VES生产函数的要素替代弹性除了随着研究对象、样本区间而变化外，还随着样本点而变化。

⑶ 该模型对技术进步的假设为希克斯中性技术进步；而生产函数模型

的技术进步假设为中性技术进步，包括3种中性技术进步。

7. 某人试图建立我国煤炭行业生产方程，以煤炭产量为被解释变量，经过理论和经验分析，确定以固定资产原值、职工人数和电力消耗量变量作为解释变量，变量的选择是正确的。于是建立了如下形式的理论模型：

      煤炭产量=固定资产原值+职工人数+电力消耗量+μ

选择2000年全国60个大型国有煤炭企业的数据为样本观测值；固定资产原值用资产形成年当年价计算的价值量，其它采用实物量单位；采用OLS方法估计参数。指出该计量经济学问题中可能存在的主要错误，并简单说明理由。

答案：（答出4条给满分）

⑴ 模型关系错误。直接线性模型表示投入要素之间完全可以替代，与实际生产活动不符。

⑵ 估计方法错误。该问题存在明显的序列相关性，不能采用OLS方法估计。

⑶ 样本选择违反一致性。行业生产方程不能选择企业作为样本。

⑷ 样本数据违反可比性。固定资产原值用资产形成年当年价计算的价值量，不具备可比性。

⑸ 变量间可能不存在长期均衡关系。变量中有流量和存量，可能存在1个高阶单整的序列。应该首先进行单位根检验和协整检验。

8. 克莱因与戈德伯格曾用1921-1950年(1942-1944年战争期间略去)美国国内消费Y和工资收入X1、非工资—非农业收入X2、农业收入X3的时间序列资料，利用OLSE估计得出了下列回归方程：

(括号中的数据为相应参数估计量的标准误)。

试对上述模型进行评析，指出其中存在的问题

答案要点：从模型拟合结果可知，样本观测个数为27，消费模型的判定系数，F统计量为107.37，在0.05置信水平下查分子自由度为3，分母自由度为23的F临界值为3.028，计算的F值远大于临界值，表明回归方程是显著的。模型整体拟合程度较高。

依据参数估计量及其标准误，可计算出各回归系数估计量的t统计量值：

除外，其余的值都很小。工资收入X1的系数的t检验值虽然显著，但该系数的估计值过大，该值为工资收入对消费边际效应，因为它为1.059，意味着工资收入每增加一美元，消费支出的增长平均将超过一美元，这与经济理论和常识不符。

另外，理论上非工资—非农业收入与农业收入也是消费行为的重要解释变量，但两者的t检验都没有通过。这些迹象表明，模型中存在严重的多重共线性，不同收入部分之间的相互关系，掩盖了各个部分对解释消费行为的单独影响。