计量经济学试卷

思考 1、经济计量学的研究步骤有哪些？ 2、简述经济计量模型的检验准则有哪三方面？ 3、经济计量模型中的随机干扰项 来自哪些方面？ 4、多元线性回归模型随机干扰项 的假定有哪些？ 5、简述选择解释变量的逐步回归法？ 6、对于非线性模型如何进行参数估计？ 7、简述异方差性的检验方法？ 8、如何才能说 为 的格兰杰意义上的原因？ 练习题 1．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对数据进行回归的部分结果如下： (一)方差分析表 df SS MS F SignificanceF 回归 （1） （3） 1602709 （6） 2.17E-09 残差 （2） （4） （5） 总计 11 1642867 (二)参数估计表 Coefficients 误差 t Stat P-value Intercept （7） 62.45529 5.823191 0.000168 X Variable 1 2.028873 （8） 19.97749 2.17E-09 要求（计算结果精确至0.1）：（1）填空；（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。 2、以下是某个案例的Eviews分析结果(局部）。 Dependent Variable: Y Method: Least Squares Sample(adjusted): 1 10 Included observations: 10 after adjusting endpoints 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 Mean dependent var 41.90000 Adjusted R-squared （4） S.D. dependent var 34.28783 S.E.of regression 16.11137 Akaike info criterion 8.686101 Sum squared resid 1557.457 Schwarz criterion 8.807135 Log likelihood -39.43051 F-statistic 11.58741 Durbin-Watson stat 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？ 3、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。 4、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 Significance F 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 t Stat P-value Intercept 7589.1025 2445.0213 3.1039 0.00457 X Variable 1 －117.8861 31.8974 -3.6958 0.00103 X Variable 2 80.6107 14.7676 5.4586 0.00001 X Variable 3 0.5012 0.1259 3.9814 0.00049 要求：(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？ 5、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 + 30 X1 －20ln X2 + 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） 6、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。 7、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 Dependent Variable: Y Method: Least Squares Sample: 1 12 Included observations: 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 Adjusted R-squared 0.844738 Akaike info criterion 8.283763 Sum squared resid 1993.125 Schwarz criterion 8.364580 Log likelihood -47.70258 F-statistic 60.84814 Durbin-Watson stat 2.154969 Prob(F-statistic) 0.000015 模型二 Dependent Variable: Y Method: Least Squares Sample: 1 12 Included observations: 12 Convergence achieved after 6 iterations 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 Adjusted R-squared 0.922179 Akaike info criterion 7.593063 Sum squared resid 999.0044 Schwarz criterion 7.673881 Log likelihood -43.55838 Durbin-Watson stat 2.818195 8、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: 2004:1 2008:4 Included observations: 20 Method: Holt-Winters Multiplicative Seasonal Original Series: Y Forecast Series: YSM Parameters: Alpha 0.4600 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 2164.646 Root Mean Squared Error 10.40348 End of Period Levels: 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: 2004:1 2008:4 Included observations: 20 Method: Holt-Winters Additive Seasonal Original Series: Y Forecast Series: YSM Parameters: Alpha 0.3400 Beta 0.0000 Gamma 0.0000 Sum of Squared Residuals 3533.643 Root Mean Squared Error 13.29218 End of Period Levels: Mean 349.8953 Trend 11.67188 Seasonals: 2008:1 -6.292187 2008:2 8.435938 2008:3 43.76406 2008:4 -45.90781 9、基于Eviews软件，说明如何对下列模型进行参数估计 （1） ; （2） ； （3） 10、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。 Dependent Variable: Y Method: Least Squares Sample: 2008M01 2009M12 Included observations: 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     Mean dependent var 3.116667 Adjusted R-squared 0.857594     S.D. dependent var 2.116533 S.E. of regression 0.798709     Akaike info criterion 2.504828 Sum squared resid 13.39665     Schwarz criterion 2.652084 Log likelihood -27.05793     F-statistic 70.25528 Durbin-Watson stat 0.449745     Prob(F-statistic) 0.000000 White Heteroskedasticity Test: F-statistic 1.649512     Probability 0.216083 Obs*R-squared 3.258427     Probability 0.196084 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample: 2008M01 2008M12 Included observations: 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     Mean dependent var 0.558194 Adjusted R-squared 0.053460     S.D. dependent var 0.535814 S.E. of regression 0.521295     Akaike info criterion 1.651466 Sum squared resid 5.706708     Schwarz criterion 1.798722 Log likelihood -16.81759     F-statistic 1.649512 Durbin-Watson stat 1.879222     Prob(F-statistic) 0.216083 Dependent Variable: LOG(X1) Method: Least Squares Sample: 2008M01 2009M12 Included observations: 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     Mean dependent var 2.513666 Adjusted R-squared 0.953698     S.D. dependent var 0.007079 S.E. of regression 0.001523     Akaike info criterion -10.05635 Sum squared resid 5.10E-05     Schwarz criterion -9.958181 Log likelihood Durbin-Watson stat 122.6762     F-statistic 474.7392 0.569325     Prob(F-statistic) 0.000000 - 1 - （共 8 页） PAGE - 8 - _1209158807.unknown _1372562112.unknown _1372562121.unknown _1256135345.unknown _1352533161.unknown _1256135305.unknown _1209150685.unknown _1209150717.unknown _1145169098.unknown _1209133685.unknown _1109424982.unknown