77范文网 - 专业文章范例文档资料分享平台

计量经济学答案 整理版 (1)(3)

来源:网络收集 时间:2019-03-28 下载这篇文档 手机版
说明:文章内容仅供预览,部分内容可能不全,需要完整文档或者需要复制内容,请下载word后使用。下载word有问题请添加微信号:或QQ: 处理(尽可能给您提供完整文档),感谢您的支持与谅解。点击这里给我发消息

2.已知Y和X满足如下的总体回归模型

Y=?0??1X?u

(1)根据Y和X的5对观测值已计算出Y=3,X=11,(Xi?X)=74,(Yi?Y)=10,

?2?2?(Xi?X)(Yi?Y)=27。利用最小二乘法估计?0和?1。

(2)经计算,该回归模型的总离差平方和TSS为10,总残差平方和RSS为0.14,试计算判定系数r2并分析该回归模型的拟合优度。 (1)B0=

?(Xi?X)(Yi?Y)/

?(Xi?X)2=74/72=0.3649

B1=Y-B0*X=7-11*0.3649=-1.0135

(2) r2=1-RSS/TSS=1-0.14/10=0.986 拟合优度为98.6%

3.由12对观测值估计得消费函数为:

C=50+0.6Y

其中,Y是可支配收入,已知Y=800,试计算:

(1)消费支出C的点预测值;

(2)在95%的置信概率下消费支出C的预测区间。

11

??(Y?Y)2=8000,

?e2=30,当Y0=1000时,

(已知:t0.025(10)=2.23)

4. 1978-2000年天津市城镇居民人均可支配销售收入(Y,元)与人均年度消费支出(CONS, 元)的样本数据、一元线性回归结果如下所示:(共30分)

12

100008000CONS6000400020000020004000Y60008000

Dependent Variable: LNCONS Method: Least Squares Date: 06/14/02 Time: 10:04 Sample: 1978 2000 Included observations: 23 Variable C LnY R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient ________ 1.050893 0.998510 0.034224 42.23303 0.842771 Std. Error 0.064931 0.008858 t-Statistic -3.193690 _______ Prob. 0.0044 0.0000 7.430699 1.021834 -6.336402 -6.237663 14074.12 0.00000 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic)

1.在空白处填上相应的数字(共4处)(计算过程中保留4位小数) 2.根据输出结果,写出回归模型的表达式。

3.给定检验水平α=0.05,检验上述回归模型的临界值t0.025=_______,F0.05=_______; 并说明估计参数与回归模型是否显著? 4.解释回归系数的经济含义。 5.根据经典线性回归模型的假定条件,判断该模型是否明显违反了某个假定条件?如有违背,应该如何解决?(6分)

13

5. 已知某市羊毛衫的销售量1995年第一季度到2000年第四季度的数据。 假定回归模型为:

Yt =β0+β1 X1t +β2 X2 t+ ut

式中:Y=羊毛衫的销售量

X1=居民收入 X2=羊毛衫价格

如果该模型是用季度资料估计,试向模型中加入适当的变量反映季节因素的影响。(仅考虑截距变动。

可以往模型里加入反映季节因素的虚拟变量D。由于共有四个季节,所以可以将此虚拟变量分为三个类别。设基础类别是夏季,于是虚拟变量可以如下引入:

D1=D2=

D3=

此时建立的模型为Yt=β0+β1X1t+β2X2t+D1+ D2+ D3+ut

6. 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. t-Statistic Prob.

Error

C 4.826789 9.217366 0.523663 0.6193 X1 0.178381 0.308178 0.5788 0.5838 X2 0.688030 0.2099 3.277910 0.0169 X3 —0.2226 0.156400 -1.423556 0.2044 R-squared 0.852805 Mean dependent var 41.90000 Adjusted R-squared 0.7792 S.D. dependent var 34.28783 S.E.of regression 16.11137 Akaike info criterion 8.686101

14

Sum squared resid 1557.457 Schwarz criterion Log likelihood -39.43051 F-statistic Durbin-Watson stat 3.579994 Prob(F-statistic)

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? 注意:coefficient= std.error * t-statistic

Adjusted r-squared= 1-(1-r-squared)(n-1)/(n-k-1)

8.807135

11.58741 0.006579

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. 下图一是yt的差分变量Dyt的相关图和偏相关图;图二是以Dyt为变量建立的时间序列模型的输出结果。(20分)

15

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说综合文库计量经济学答案 整理版 (1)(3)在线全文阅读。

计量经济学答案 整理版 (1)(3).doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印 下载失败或者文档不完整,请联系客服人员解决!
本文链接:https://www.77cn.com.cn/wenku/zonghe/554289.html(转载请注明文章来源)
Copyright © 2008-2022 免费范文网 版权所有
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ: 邮箱:tiandhx2@hotmail.com
苏ICP备16052595号-18
× 注册会员免费下载(下载后可以自由复制和排版)
注册会员下载
全站内容免费自由复制
注册会员下载
全站内容免费自由复制
注:下载文档有可能“只有目录或者内容不全”等情况,请下载之前注意辨别,如果您已付费且无法下载或内容有问题,请联系我们协助你处理。
微信: QQ: