?= 0. 81 X 对Y的短期影响乘数为b0X 对Y的长期影响乘数为?bi= 0. 81 + 0.76 -0.09 -1.74 = -0.26
?1 = 0.76，b?2 = -0.09，b?3 = -1.74 X 对Y的各期延期过渡性乘数分别为：b3．3．
解：①③④⑤生产设备使用率对通货膨胀率的短期影响为0.1408，长期影响为0.3768 ( = 0.1409 + 0.2360 )。
?2，长期影响为b?2 / (1-b?3)。 ②生产设备使用率对通货膨胀率的短期影响为b4．4．
解：投资的短期影响乘数为0.6，表示当期收入Yt每变化一个单位，投资平均变化0.6个单位。
投资的长期影响乘数为2.0 ( = 0.6 + 0.8 + 0.4 + 0.2 )，表示收入Y每变化一个单位，由于滞后效应投资平均变化合计为2个单位。
消费的短期影响乘数为0.58，表示当期收入Yt每变化一个单位，投资平均变化0.58个单位。 消费的长期影响乘数约为0.659 ( = 0.58 / （1 – 0.22 ）)，表示收入Y每变化一个单位，由于滞后效应消费平均变化合计为0.659个单位。 5．5．
解：ls y c pdl(x,3,2)
Dependent Variable: Y Method: Least Squares Date: 02/26/05 Time: 23:04 Sample(adjusted): 1978 1994
Included observations: 17 after adjusting endpoints
Variable
C PDL01 PDL02 PDL03
R-squared
Adjusted R-squared S.E. of regression
Coefficient Std. Error t-Statistic -6.419601 1.156862 0.065752 -0.460829
2.130157 0.195928 0.176055 0.181199
-3.013675 5.904516 0.373472 -2.543216
Prob. 0.0100 0.0001 0.7148 0.0245 81.97653 27.85539 4.321154
0.996230 Mean dependent var 0.995360 S.D. dependent var 1.897384 Akaike info criterion
Sum squared resid Log likelihood Durbin-Watson stat
Lag Distribution of X . * | . *| . * | * . |
46.80087 Schwarz criterion -32.72981 F-statistic 1.513212 Prob(F-statistic)
4.517204 1145.160 0.000000
i Coefficient Std. Error T-Statistic
0 0.63028 1 1.15686 2 0.76178 3 -0.55495
0.17916 0.19593 0.17820 0.25562 0.06785
3.51797 5.90452 4.27495 -2.17104 29.3877
Sum of Lags 1.99398
Dependent Variable: Y Method: Least Squares Date: 02/26/05 Time: 23:13 Sample(adjusted): 1978 1994
Included observations: 17 after adjusting endpoints
Variable
C Z0 Z1 Z2
R-squared
Adjusted R-squared S.E. of regression
Coefficient Std. Error t-Statistic -6.419601 0.630281 0.987410 -0.460829
2.130157 -3.013675 0.179160 0.525307
3.517969 1.879682
Prob. 0.0100 0.0038 0.0827 0.0245 81.97653 27.85539 4.321154
0.181199 -2.543216
0.996230 Mean dependent var 0.995360 S.D. dependent var 1.897384 Akaike info
criterion
Sum squared resid Log likelihood Durbin-Watson stat
46.80087 Schwarz criterion -32.72981 F-statistic 1.513212 Prob(F-statistic)
4.517204 1145.160 0.000000
Yt = a + b0Xt + b1Xt-1 + b2Xt-2 + b3Xt-3 + ut
= – 6.419601 + 0.63028Xt + 1.15686Xt-1 +0.76178Xt-2 – 0.55495Xt-3 + ut 6．
解：①ls cons c i
Dependent Variable: CONS Method: Least Squares Date: 02/27/05 Time: 12:07 Sample: 1970 1987
Included observations: 18
Variable
C I
R-squared
Adjusted R-squared S.E. of regression
Coefficient Std. Error t-Statistic -215.5513 1.007318
34.17468 -6.307341 0.015714
64.10408
Prob. 0.0000 0.0000 1954.783 307.5279 8.907759
0.996122 Mean dependent var 0.995879 S.D. dependent var 19.74147 Akaike info
criterion
Sum squared resid Log likelihood Durbin-Watson stat
6235.611 Schwarz criterion -78.16983 F-statistic 1.302084 Prob(F-statistic)
9.006690 4109.333 0.000000
ls cons c i ar(1)
Dependent Variable: CONS Method: Least Squares Date: 02/27/05 Time: 12:10 Sample(adjusted): 1971 1987
Included observations: 17 after adjusting endpoints Convergence achieved after 4 iterations
Variable
C I AR(1)
R-squared
Adjusted R-squared S.E. of regression
Coefficient Std. Error t-Statistic -252.4571 1.023369 0.255795
50.61194 -4.988095 0.022749 0.251946
44.98535 1.015279
Prob. 0.0002 0.0000 0.3272 1982.006 293.7879 8.862813
0.996423 Mean dependent var 0.995911 S.D. dependent var 18.78532 Akaike info
criterion
Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots
4940.433 Schwarz criterion -72.33391 F-statistic 2.056004 Prob(F-statistic) .26
9.009851 1949.685 0.000000
White Heteroskedasticity Test: F-statistic Obs*R-squared
0.467959 Probability 1.065257 Probability
0.635730 0.587060
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 02/27/05 Time: 12:15 Sample: 1971 1987
Included observations: 17
Variable
C I I^2
Coefficient Std. Error t-Statistic
4650.259 -3.926305 0.000869
4580.279
1.015278
Prob. 0.3272 0.3636 0.3719
4.180833 -0.939120 0.000943
0.922457
R-squared
Adjusted R-squared S.E. of regression
0.062662 Mean dependent var -0.071243 S.D. dependent var 306.1821 Akaike info
criterion
290.6137 295.8256 14.44502
Sum squared resid Log likelihood Durbin-Watson stat
1312464. Schwarz criterion -119.7827 F-statistic 2.094745 Prob(F-statistic)
14.59206 0.467959 0.635730
ls cons c i cons(-1)
Dependent Variable: CONS Method: Least Squares Date: 02/27/05 Time: 12:19 Sample(adjusted): 1971 1987
Included observations: 17 after adjusting endpoints
Variable
C I CONS(-1)
R-squared
Adjusted R-squared S.E. of regression
Coefficient Std. Error t-Statistic -231.7219 0.976424 0.042684
48.43442 -4.784240 0.152882 0.156425
6.386780 0.272869
Prob. 0.0003 0.0000 0.7889 1982.006 293.7879 8.928034
0.996181 Mean dependent var 0.995636 S.D. dependent var 19.40801 Akaike info
criterion
Sum squared resid Log likelihood Durbin-Watson stat
5273.391 Schwarz criterion -72.88829 F-statistic 1.454971 Prob(F-statistic)
9.075071 1826.141 0.000000
?*)) H = (1- dw/2)n/(1?nvar(b1= (1 – 1.454971/2)17/(1?17*0.0152882= 1.125845 < 1.96 = h0.025
2)
第一章 绪 论
一、填空题：
1．数量关系，经济理论，统计学，数学 2．理论，确定，定量，随机 3．数学方法 4．理论，应用
5．单方程模型，联立方程模型
6．选择变量，确定变量之间的数学关系，拟定模型中待估计参数的数值范围 7．解释变量
8．外生经济，外生条件，外生政策，滞后被解释 9．经济行为理论
10．时间序列，截面数据，虚变量 11．完整性，准确性，可比性，一致性 12．对模型进行识别，估计方法的选择 13．经济意义，统计，计量经济学，预测 14．序列相关，异方差性，多重共线性
15．结构分析，经济预测，政策评价，检验和发展经济理论 16．弹性分析、乘数分析与比较静力分析
二、单选题： 1．B 2．C 3．C 4．B 5．B 6．B 7．A 8．B 9．B
三、多选题： 1．ABCD 2．ABCD 3．ABCD
四、名词解释：
1．是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科。是经济理论、统计学和数学三者的结合。
2．虚变量数据也称为二进制数据，一般取0或1。虚变量经常被用在计量经济学模型中，以表征政策、条件等因素。
3. 是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。 4. 是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。
五、简答题： 1．答：
数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。
2．答：
（1）从计量经济学的定义看；
（2）从计量经济学在西方经济学科中的地位看； （3）从计量经济学的研究对象和任务看； （4）从建立与应用计量经济学模型的过程看。 3．答：
（1）需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。 （2）要考虑数据的可得性。
（3）要考虑所以入选变量之间的关系，使得每一个解释变量都是独立的。 4．答：
（1）选择模型数学形式的主要依据是经济行为理论。
（2）也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图，作为建立理论模型的依据。
（3）在某种情况下，若无法事先确定模型的数学形式，那么就要采用各种可能的形式试模拟，然后选择模拟结果较好的一种。
5．答：
时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。
6．答：
成功的要素有三：理论、方法和数据。理论：所研究的经济现象的行为理论，是计量经济学研究的基础；方法：主要包括模型方法和计算方法是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支科学的主要特征；数据：反映研究对象的活动水平、相互间以及外部环境的数据，或更广义讲是信息，是计量经济学研究的原料。三者缺一不可。
7．答：
相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。 因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。
具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。
8．答：
相关分析是判断变量之间是否具有相关关系的数学分析方法，通过计算变量之间的相关系数来实现。回归分析也是判断变量之间是否具有相关关系的一种数学分析方法，它着重判断一个随机变量与一个或几个可控变量之间是否具有相关关系。
第二章 单方程计量经济学模型理论与方法（上）
一、填空题：
1.在解释变量中被忽略掉的因素的影响，变量观测值的观测误差的影响，模型关系的设定误差的影响，其他随机因素的影响
2.零均值，同方差，无自相关，解释变量与随机误差项相互独立（或者解释变量为非随机变量） 3.随机误差项，残差
????X)2 ?)2?min?(Y??4.min?e2?min?(Y?Y015.有效性或者方差最小性 6.线性，无偏性，有效性
7.提高样本观测值的分散度，增大样本容量，提高模型的拟合优度 8.3个
9.拟合优度检验、方程的显著性检验、变量的显著性检验
10.被解释变量观测值与其均值，被解释变量其估计值与其均值，被解释变量观测值与其估计值
11.模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立 12.n≥30或至少n≥3（k+1） 13.n≥30或至少n≥24
14.直接臵换法、对数变换法和级数展开法。 15.Y=1/Y X=1/X ，Y=α+βX
*
*
*
*
16.Y*=ln(Y/(1-Y))，Y*=α+βX
二、单选题： 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
三、多选题： 1．BEFH 2．BC 3．BC 4．ABC 5．ABCD 6．BCD 7．AD
8．DG ABCG G EF
四、名词解释：
1．根据最小二乘原理得到的关于参数估计值的线性代数方程组。
2．从最小二乘原理和最大或然原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限。样本容量必须不少于模型中解释变量的数目（包括常数项），即n≥k+1。
五、简答题： 1．答：
（1）零均值，同方差，无自相关，解释变量与随机误差项相互独立（或者解释变量为非随机变量）
答：
（1）由于社会经济的发展、经济行为的形成与演变在很大程度上都与前妻的经济活动密切相关，滞后变量模型可以更全面、客观地描述经济现象，提高模型的拟合程度。
（2）滞后变量模型可以反映过去的经济活动对现期经济行为的影响，从而描述了经济活动的运动过程，使模型成为动态模型。
（3）滞后变量模型可以模拟分析经济系统的变化和调整过程。
2．有限分布滞后模型估计的困难是什么？ 答：
（1）损失自由度。 （2）产生多重共线性。 （3）滞后长度难以确定。
3. 什么是经验加权估计法？常见的滞后结构类型有那几种？ 答：
根据实际经济问题的特点及经验判断，对滞后变量赋予一定的权数，构成各滞后变量的线性组合，形成新的变量，再用最小二乘法进行估计。其基本思路是减少模型中被估计的参数个数。 常见的滞后结构类型有：递减滞后结构、不变滞后结构和A型滞后结构。
4．经验加权估计法的优缺点、通常做法是什么？ 答：
优点是简单易行、不损失自有度、避免多重共线性和参数估计具有一致性等。缺点是设臵全书的主观随意性较大，要求对实际问题的特征具有比较透彻的了解。通常的做法是多选几组权数分别进行估计，根据检验统计量选取最佳方程。
5．什么是阿尔蒙估计法？其基本原理是什么？ 答：
利用有限多项式来减少待估参数的数量，以减少多重共线性和参数估计中的自由度损失。其基本原理是，如果有限分布滞后模型
Yt = a + b0Xt + b1Xt-1 + b1Xt-1 + ┅┅ + bkXt-k + Ut
中的参数bi ( I = 1，2，……，k) 的分布可以近似地用一个关于I 的低阶多项式表示，就可以利用多项式减少模型中的参数。
6．阿尔蒙估计法多项式的次数如何确定？ 答：
依据经济理论和实际经验加以确定。之后结构为递减型和常数型时选择一次多项式，倒V型选择二次多项式，有两个转向点时选择三次多项式。在实际应用中，一般取2或3，很少超过4。
7．阿尔蒙估计法滞后期长度如何确定？ 答：
可以依据经济理论和实际经验加以确定，也可以通过一些统计检验辅助确定。常用的统计检验有：相关系数、校正可决系数和施瓦兹准则。
8．阿尔蒙估计法的特点和缺点是什么？ 答：
特点是原理巧妙、简单、实用，具有充分柔性，有效消除了自由度损失问题。缺点是需要事先确定之后期长度和多项式次数，如何确定比较困难，实际确定往往带有主观性。
9． 9． 什么是几何分布滞后模型？ 答：
如果无限分布滞后模型：
Yt = a + b0Xt + b1Xt-1 + b2Xt-2 + ┅┅+ Ut
中的参数bi 是按几何级数列衰减的，即
bi = b0 λi (0 < λ < 1，I = 1，2，……)
其中，b0 为常数，公比λ为待估参数，则称为几何分布滞后模型，（也称Koyck模型）。 几何分布滞后模型的基本假设是：随着滞后期的增加，滞后变量对被解释变量的影响越来越小。这一假定在很多情况下是合理的。
10．什么是考伊克变换？ 答：
将几何分布滞后模型
Yt = a + b0 Xt + b0λXt-1 + b0λ2 Xt-1 + ┅┅+ Ut
变形为
Yt = a (1 - λ) + b0 Xt +λYt-1 + Ut*
其中，Ut = Ut -λUt-1，称为考伊克变换。
11．考伊克变换的意义是什么？
*
答：
考伊克变换将无限分布滞后模型变成只有Xt和Yt-1的自回归模型，模型结构极大简化，最大限度地保证了自由度，解决了滞后长度难以确定的问题。Xt和Yt-1之间的线性相关程度将低于X各期数值之间的线性相关程度，缓解了多重共线性。
12．考伊克模型的特点是什么？ 答：
（1）λ称为分布滞后衰退率，λ越小，衰退速度越快。
（2）b0为短期影响乘数，bi = b0 λi 为延期过渡性影响乘数，bi之和等于 b0/（1-λ）为长期影响乘数。
（3）模型只有Xt和Yt-1两个解释变量，缓解了多重共线性。
（4）模型只有a 、b0 和λ 三个待估参数，解决了无限分布滞后模型由于饱含无限个参数无法估计的问题。
13．考伊克模型的缺陷是什么？ 答：
（1）滞后影响按固定比率递减的假定对某些经济变量不适用。
（2）误差项Ut = Ut -λUt-1存在自相关，与Yt-1相关，给模型参数估计带来新困难。
14．什么是预期模型？难点是什么？如何解决？ 答：
某些经济变量的变化会受到另一些经济变量预期的影响，计量分析这类经济关系可以将解释变量预期值引入模型。难点是如何获取解释变量预期值，大多数情况下预期值是一个无法直接观察的变量。实际应用中往往对预期形成机理作出假定。
15．什么是自适应预期模型？是如何解决预期模型难点的？ 答：
如果被解释变量主要受某个预期变量的影响，预期变量的变化满足自适应预期假设，则被解释变量的变化可以用考伊克模型（几何分布滞后模型）来描述，称为自适应预期模型。
模型中预期变量不可观测的难题在自适应预期假设下，通过将模型转换为只含变量实际值的自回归模型，可以利用实际观测数据估计所需参数来解决。
16． 什么是滞后现象？产生滞后现象的原因主要有哪些？ 答：
*
解释变量和被解释变量的因果联系可能不在同时发生，在这一过程中通常有时间滞后，解释变量需要通过一段时间才能完全作用与被解释变量。由于经济活动的连续性，被解释变量的当前变化往往受到自身过去取值水平的影响。被解释变量受自身或其它经济变量前期水平的影响称为滞后现象。 产生滞后现象主要是由于经济变量自身、决策者心理、技术和制度的原因。
17．考伊克模型、自适应预期模型和局部调整模型有何异同？模型估计会存在哪些困难？如何解决？ 答：
三种模型的最终形式都是一届自回归模型。区别一是导出模型的经济背景与思想不同，二是由于模型形成机理不同导致随机误差项结构不同，给模型估计带来一定影响。考伊克模型和自适应预期模型不满足古典假定，古典最小二乘法估计是有偏非一致估计，可用工具变量法和搜索估计法缓解误差项与滞后被解释变量之间的相关。
18．检验一阶自回归模型随机误差项是否存在自相关，为什么用德宾—h检验而不用D—W检验？ 答：
一阶自回归模型在事实上存在自相关的情况下，D—W检验值总是在2附近，得出不存在自相关的判断，因此用德宾—h检验而不用D—W检验。
19．什么是局部调整模型？ 答：
在有些经济活动中，为了适应解释变量的变化，被解释变量有一个预期的最佳值与之对应，即解释变量的现值影响被解释变量的预期值，被解释变量的期望值是同期解释变量线性函数的模型称为局部调整模型。 Yt* = a + Xt + u。
20 什么是局部调整假设？ 答：
由于技术、制度和心理等因素的限制，被解释变量的期望值在短时期内是难以实现的，从而也是不可观测的。局部调整假设认为：被解释变量的实际变化仅仅是与其变化的一部分: Yt – Yt-1 = δ ( Yt* – Yt-1)。
三、单选题： 1． d 2． c 3． b 4． c
5． a 6． d 7． b 8． d 9． a 10．c 11．d
四、计算题和分析题： 1．1．
?= a?0= 0.5 ?= 0.85 b解：a0?1 = a?0+a?1+a?2= 0.5 + 0.45 – 0.10 = 0.85 b?2 = a?0+2a?1+4a?2= 0.5 + 2×0.45 – 4×0.10 = 1 b?3 = a?0+3a?1+9a?2= 0.5 + 3×0.45 – 9×0.10 = 0.95 b?4 = a?0+4a?1+16a?2= 0.5 + 4×0.45 – 16×0.10 = 0.7 b?5 = a?0+5a?1+25a?2= 0.5 + 5×0.45 – 25×0.10 = 0.25 b?= 0.5 X 对Y的短期影响乘数为b0X 对Y的长期影响乘数为?bi= 0.5 + 0.85 + 1 + 0.95 + 0.7 + 0.25 = 4.25
?1 = 0.85，b?2 = 1，b?3 = 0.95， X 对Y的各期延期过渡性乘数分别为：b?4 = 0.7，b?5 = 0.25。 b2．2．
?= a?0= 0.81 ?= 0.5 b解：a0?1 = a?0+a?1+a?2= 0.81 + 0.35 – 0.40 = 0.76 b?2 = a?0+2a?1+4a?2= 0. 81 + 2×0.35 – 4×0.40 = -0.09 b?3 = a?0+3a?1+9a?2= 0. 81 + 3×0.35 – 9×0.40 = -1.74 b
????P?Y0?t?(n?k?1)SY??E?Y0??Y0?t?(n?k?1)SY???1??0022??
P?90?3.355?2.7386?E(Y0)?90?3.355?2.7386??1?0.01 P?80.812?E(Y0)?99.188??0.99
统计意义：在99%的臵信概率下，当时X02?5，区间?80.812，99.188?将包含总体真值E(Y0)。 经济意义：在99%的臵信概率下，商品价格为5元时商品平均需求量在8081到9919件之间。
12.请对以上全部分析过程、结果和需要进一步解决的问题做出说明
2R 2R ??99.46929?2.501895X?6.580743XY12 ??140?10X Y20.9493 0.9349 84.0788 0.8696 0.8533 90 ? Y0预测 区间 全距 结论：需求量对商品价格、消费者平均收入的回归方程总的来说优于需求量对商品价格的回归方程。在整个分析过程中未对多重共线性、异方差和自相关进行检验和处理。
17.856 ( =93.0067-75.151) 18.3761(= 99.188-80.812) 第二章 单方程计量经济学模型理论与方法（下）
一、填空题： 1. 多重共线性 2. 判定系数检验法
3. 排除引起共线性的变量，差分法 4. 广义最小二乘法 5. E(Xi?)?0 6. 随机解释变量 7. ?YiZi?????0?X???X?????XZ ??11i22ikkii?8. 有偏，渐近无偏
???Z?X??1Z?Y，工具变量矩阵 9. B10. 异方差 11. 序列相关
二、单选题： 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
三、多选题： 1. AD 2. AB 3. BCD 4. ABC 5. CD 6. DF 7. ACD 8. BD
四、名词解释：
1. 在模型估计过程中被作为工具使用，以替代模型中与随机误差项相关的随机解释变量。
五、简答题： 1. 答： 对于模型
Yi??0??1X1i??2X2i????kXki??i i=1,2,…,n
其基本假设之一是解释变量X1,X2,?,Xk是互相独立的。如果某两个或多个解释变量之间出现了相关性，则称为多重共线性。如果存在
c1X1i?c2X2i???ckXki?0 i=1,2,…,n
其中c不全为0，即某一个解释变量可以用其它解释变量的线性组合表示，则称为完全共线性。 2. 答：
（1）完全共线性下参数估计量不存在
（2）一般共线性下普通最小二乘法参数估计量无偏，但方差较大。
（3）参数估计量经济含义不合理。参数并不反映各自与被解释变量之间的结构关系，而是反映它们对被解释变量的共同影响。
3. 答：主要有判定系数检验法和逐步回归检验法。 4. 答：主要有两类排除引起共线性的变量，差分法。 5. 答： 对于模型
Yi??0??1X1i??2X2i????kXki??i i=1,2,…,n
同方差性假设为：
2?常数 i=1,2,…,n Var(?i)???如果出现
Var(?i)??i2??2f(Xi) i=1,2,…,n
即对于不同的样本点，随机误差项的方差不再是常数，而互不相同，则认为出现了异方差性。 6．答：
（1）参数估计量仍然具有无偏性，但非有效，在大样本情况下仍不具有一致性。 （2）变量的显著性检验失去意义。 （3）模型的预测失效。 7．答：
主要有图示检验法、等级相关系数法、戈里瑟检验、巴特列特检验、戈德菲尔特—夸特检验等。 8．答：
由于异方差性，相对于不同的样本点，也就是相对于不同的解释变量观测值，随机误差项具有不同的方差，那么检验异方差性，也就是检验随机误差项的方差与解释变量观测值之间的相关性。各种检验方法就是
在这个思路下发展起来的。
9．答：加权最小二乘法。 10．答： 对于模型
Yi??0??1X1i??2X2i????kXki??i i=1,2,…,n 随机误差项互相独立的基本假设表现为：
Cov(?i,?j)?0 i≠j，i,j=1,2,…,n
如果对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在相关关系，即
Cov(?i,?j)?E(?i?j)?0 i≠j，i,j=1,2,…,n
则认为出现了自相关性。 11．答：
（1）参数估计量仍然具有无偏性，但非有效，在大样本情况下仍不具有一致性。 （2）变量的显著性检验失去意义。 （3）模型的预测失效。
12．答：图示检验法、冯诺曼比检验法、回归检验法、D.W.检验等。 13. 答：
（1）回归模型必须含有截距项； （2）解释变量必须是非随机的；
（3）解释变量中不能包含被解释变量的滞后期； （4）不能用于联立方程模型中各方程组的自相关检验； （5）只适用于随机误差项存在一阶自回归形式的自相关检验；
（6）DW检验存在两个不能确定是否存在自相关的范围，目前还没有比较好的解决办法。 14. 答：
由于自相关性，相对于不同的样本点，随机误差项之间不再是完全互相独立，而是存在相关关系，那么检验自相关性，也就是检验随机误差项之间的相关性。各种检验方法就是在这个思路下发展起来的。
15. 答：广义最小二乘法、差分法。 16. 答：
（1）与所替代的随机解释变量高度相关；
（2）与随机误差项不相关；
（3）与模型中其他解释变量不相关，以避免出现多重共线性。 17. 答：
所谓虚假序列相关问题，是指模型的序列相关性是由于省略了显著的解释变量而引致的。避免产生虚假序列相关性的措施是在开始时建立一个“一般”的模型，然后逐渐剔除确实不显著的变量。
第三章 模型中特殊解释变量（上）——虚拟变量
一、单选题 1.B 2.A 3.D 4.C 5.A 6.D 7.A 8.D
二、简答题 略 三、分析题 1.
答：发生完全多重共线性问题，参数不能用最小二乘法进行估计。 2. 答：
（1）-0.1647表示咖啡的价格每价格提高1%，咖啡需求量将下降0.1647%；
0.5115表示人均可支配收入每提高1%，咖啡需求量将提高0.5115%； 0.1483表示茶的价格每提高1%，咖啡需求量将提高0.1483%。 （2）咖啡的需求是缺乏价格弹性的 （3）咖啡和茶是替代品
（4）-0.0089表示每季度咖啡需求量平均下降0.0089%。
（5）虚拟变量用来区别各个季度卡费需求量不同的季节效应。 （6）D2t在统计上是显著的 （7）咖啡的需求存在季节效应 3. 答：
（1）选择第二个模型。因为不同的性别，身高与体重的关系是不同的，并且从模型的估计结果看出，性别虚拟变量统计上是显著的。
（2）如果选择了堤一个模型，会发生异方差问题。
（3）D的系数23.8238说明当学生身高每增加1英寸时，男生比女生的体重平均多23.8238磅。 4.考虑如下回归模型：
（1）b4 的含义是既是男性又是白人的大学教师，与男性非白人以及白人女性的大学教师年收入的平均差异。
（2）E(YtD2?1,D3?1,Xt)?(?0??1??2??3??4)??5Xt
5. 答：
C??0??1X??2D1??3D2??4D3??5D4??6D5??7D6??
其中：D1???1?0汉族其他，D2???1?0?1?0蒙古族其他研究生其他，D3???1?0?1?0满族其他本科其他，
D4??6. 答：
?1?0南方北方，D5??，D6??。
Y??0??1X??2D1??3D2??4D2X??5D3??6D3X??7D4??8D4X??
?1城市?1春季?1夏季?1秋季D?D?D?D?其中：1?，2?，3?，5?。
0其他0其他0农村0其他????7. 答：
Qt??0??1It??2Pt??3Dt??t
?1其中：Dt???0P?P0P?P0
8. 答：
（1）估计此模型
Dependent Variable: S Method: Least Squares Included observations: 16 Variable C D2 D3 D4 R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 4767.750 912.2500 1398.750 2909.750 Std. Error 324.0365 458.2569 458.2569 458.2569 t-Statistic 14.71362 1.990696 3.052327 6.349605 Prob. 0.0000 0.0698 0.0100 0.0000 1233.022 15.99820 16.19135 14.09937 0.000308
0.778998 Mean dependent var 6072.938 0.723747 S.D. dependent var 648.0731 Akaike info criterion 5039985. Schwarz criterion -123.9856 F-statistic 1.272709 Prob(F-statistic)
（2）解释b1, b2, b3, b4
??1=4767.750，表示第一季度服装销售额平均为4767.750百万元；
?=912.2500，表示第二季度服装销售额比第一季度服装销售额平均多912.2500百万元； ?2?=1398.750，表示第三季度服装销售额比第一季度服装销售额平均多1398.750百万元； ?3?=2909.750，表示第三季度服装销售额比第一季度服装销售额平均多2909.750百万元； ?49.
（1）如果认为季度影响使利润平均值发生变异，应当如何引入虚拟变量？
Yt??0??1Xt??2D1t??3D2t??4D3t??t
?1第一季度?1第二季度?1第三季度D1??D?D?，2?，1?
0其他0其他0其他???Dependent Variable: Y Method: Least Squares Included observations: 24
Variable C X D1 D2 D3
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 6.822253 0.034516 0.069517 1.230108 -0.022688
Std. Error 2.064070 0.012565 0.716844 0.691302 0.695464
t-Statistic 3.305243 2.746988 0.096976 1.779407 -0.032623
Prob. 0.0037 0.0128 0.9238 0.0912 0.9743 1.408437 3.366393 3.611821 3.324391 0.031787
0.411720 Mean dependent var 12.37500 0.287872 S.D. dependent var 1.188548 Akaike info criterion 26.84026 Schwarz criterion -35.39671 F-statistic 0.561582 Prob(F-statistic)
（2）如果认为季度影响使利润对销售额的变化率发生变异，应当如何引入虚拟变量？
Yt??0??1Xt??2D1tXt??3D2tXt??4D3tXt??t
Dependent Variable: Y Method: Least Squares Included observations: 24
Variable C X D1X D2X D3X
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient 7.089682 0.032534 0.000841 0.008072 0.000357
Std. Error 1.926717 0.012281 0.004728 0.004408 0.004472
t-Statistic 3.679669 2.649076 0.177856 1.831402 0.079734
Prob. 0.0016 0.0158 0.8607 0.0828 0.9373 1.408437 3.377199 3.622627 3.237605 0.034788
0.405329 Mean dependent var 12.37500 0.280135 S.D. dependent var 1.194987 Akaike info criterion 27.13188 Schwarz criterion -35.52639 F-statistic 0.636060 Prob(F-statistic)
（3）如果认为上述两种情况都存在，又应当如何引入虚拟变量？
Yt??0??1Xt??2D1t??3D2t??4D3t??5D1tXt??6D2tXt??7D3tXt??tDependent Variable: Y Method: Least Squares Included observations: 24
Variable C X
Coefficient 10.64163 0.010595
Std. Error 4.306622 0.026786
t-Statistic 2.470993 0.395551
Prob. 0.0251 0.6977
D1 D1X D2 D2X D3 D3X R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat -5.519406 0.036281 -1.749428 0.018432 -6.449159 0.041225 5.753082 0.037615 5.787286 0.036674 5.909676 0.037784 -0.959383 0.964524 -0.302288 0.502578 -1.091288 1.091047 0.3516 0.3491 0.7663 0.6221 0.2913 0.2914 1.408437 3.527570 3.920255 1.960612 0.125422 0.461720 Mean dependent var 12.37500 0.226222 S.D. dependent var 1.238927 Akaike info criterion 24.55904 Schwarz criterion -34.33084 F-statistic 0.505368 Prob(F-statistic)
第三章 模型中的特殊解释变量（下）——滞后变量
一、名词解释：
1．滞后变量：过去时期的、对当前被解释变量产生影响的变量。滞后变量可分为滞后解释变量和滞后被解释变量。
2．滞后变量模型：包含滞后变量的回归模型。
3．分布滞后模型：滞后变量模型中无滞后被解释变量，解释变量对被解释变量的影响分布在解释变量不同时期的滞后值上。
4．有限分布滞后模型：滞后期长度有限的分布滞后模型。 5．无限分布滞后模型：滞后期长度无限的分布滞后模型。
6．短期影响乘数：当期解释变量的系数，也称为即期乘数、短期乘数，表示短期影响和短期效果。 7．延期过渡性乘数：各滞后期解释变量的系数，也称为中期乘数、动态乘数。
8．长期影响乘数：所有解释变量的系数之和，也称为长期乘数、总分布乘数，表示解释变量变动一个单位时，由于滞后效应而形成的对被解释变量总的影响。
9．自适应预期假设：经济活动主体会根据自己过去在做预期时所按错误的程度，来修正以后时期的预期，即按照过去预测偏差的某一比例对于其进行修正。
10．自回归模型：仅包括解释变量的当前期和被解释变量的若干滞后期的滞后变量模型。
二、简答题：
1．滞后变量模型的作用是什么？