内容发布更新时间 : 2024/12/26 22:09:58星期一 下面是文章的全部内容请认真阅读。
C.完全信息极大似然估计法 D.二阶段最小二乘法
E.三阶段最小二乘法
5、如果模型中存在自相关现象，则会引起如下后果（ ） A.参数估计值有偏 B.参数估计值的方差不能正确确定 C.变量的显著性检验失效 D.预测精度降低 E.参数估计值仍是无偏的
三、判断题（判断下列命题正误，并说明理由）
1、 在实际中，一元回归没什么用，因为因变量的行为不可能仅由一个解释变量来
解释。
2、多重共线性问题是随机扰动项违背古典假定引起的；
3、在异方差性的情况下，常用的OLS法必定高估了估计量的标准误。 4、虚拟变量只能作为解释变量。
5、设估计模型为???171.4412?0.9672PDIPCEttt?(?7.4809)R2?0.9940(119.8711)DW?0.5316
由于R2?0.9940，表明模型有很好的拟合优度，则模型不存在伪（虚假）回归。 四、计算题
1、某公司想决定在何处建造一个新的百货店，对已有的30个百货店的销售额作为其所处地理位置特征的函数进行回归分析，并且用该回归方程作为新百货店的不同位置的可能销售额，估计得出（括号内为估计的标准差）
??30?0.1?X?0.01?X?10.0?X?3.0?X Yt1t2t3t4t （0.02） （0.01） （1.0） （1.0） 其中：Yt＝第i个百货店的日均销售额（百美元）；
X1t＝第i个百货店前每小时通过的汽车数量（10辆）；
X2t＝第i个百货店所处区域内的人均收入（美元）； X3t＝第i个百货店内所有的桌子数量； X4t＝第i个百货店所处地区竞争店面的数量； 请回答以下问题：
（1） 说出本方程中系数0.1和0.01的经济含义。 （2） 各个变量前参数估计的符号是否与期望的符号一致？
（3） 在?＝0.05的显著性水平下检验变量X1t的显著性。
（临界值t0.025(25)?2.06，t0.025(26)?2.056，t0.05(25)?1.708，t0.05(26)?1.706）
2、一国的对外贸易分为出口和进口，净出口被定义为出口与进口的差额。影响净出口的因素很多，在宏观经济学中，汇率和国内收入水平被认为是两个最重要的因素，我们根据这一理论对影响中国的净出口水平的因素进行实证分析。
设NX表示我国净出口水平（亿元）；GDP为我国国内生产总值（亿元），反映我国的国内收入水平；D(GDP)表示GDP的一阶差分；E表示每100美元对人民币的平均汇率（元/百美元），反映汇率水平。利用1985——2001年我国的统计数据（摘自《2002中国统计年鉴》），估计的结果见下表。
（1）选择解释我国净出口水平最适合的计量经济模型，写出该模型并说明选择的原因，其它模型可能存在什么问题；
（2）解释选择的计量经济模型的经济意义。
相关系数矩阵
Dependent Variable: NX
Method: Least Squares
Date: 03/21/02 Time: 11:02 Sample: 1985 2001
Included observations: 17 Variable C E R-squared
Coefficient -2135.887 4.851832 Std. Error t-Statistic Prob. 0.0048 0.0002 879.9059 1348.206 16.46161 16.55963 24.33245 0.000180
645.9685 -3.306488 0.983587 4.932794 0.618636 Mean dependent
var
Adjusted R-squared 0.593211 S.D. dependent var S.E. of regression 859.8857 Akaike info criterion Sum squared resid 11091052 Schwarz criterion Log likelihood -137.9237 F-statistic Durbin-Watson stat 0.890230 Prob(F-statistic)
Dependent Variable: NX Method: Least Squares
Date: 03/21/02 Time: 11:04 Sample: 1985 2001
Included observations: 17 Variable C GDP R-squared
Coefficient -761.6691 0.036827 Std. Error t-Statistic Prob. 0.0280 0.0000 879.9059 1348.206 16.12312 16.22115 40.17648 0.000013 313.1743 -2.432093 0.005810 6.338492 0.728145 Mean dependent
var
Adjusted R-squared 0.710021 S.D. dependent var S.E. of regression 726.0044 Akaike info criterion Sum squared resid 7906237. Schwarz criterion Log likelihood -135.0465 F-statistic Durbin-Watson stat 1.289206 Prob(F-statistic)
Dependent Variable: NX Method: Least Squares
Date: 03/21/02 Time: 11:06 Sample: 1985 2001
Included observations: 17 Variable C E GDP R-squared
Coefficient -822.2318 0.180334 0.035671 Std. Error t-Statistic Prob. 0.3156 0.9342 0.0323 879.9059 1348.206 16.24026 16.38730 18.76202 0.000109 789.9381 -1.040881 2.145081 0.084069 0.015008 2.376855 0.728282 Mean dependent
var
Adjusted R-squared 0.689465 S.D. dependent var S.E. of regression 751.2964 Akaike info criterion Sum squared resid 7902248. Schwarz criterion Log likelihood -135.0422 F-statistic Durbin-Watson stat 1.279954 Prob(F-statistic)
Dependent Variable: NX Method: Least Squares
Date: 03/21/02 Time: 11:09 Sample(adjusted): 1986 2001
Included observations: 16 after adjusting endpoints Variable C E D(GDP) R-squared
Coefficient -3036.617 8.781248 -0.301465 Std. Error t-Statistic Prob. 0.0000 0.0000 0.0001 962.9563
444.7869 -6.827128 0.929788 9.444358 0.054757 -5.505550 0.878586 Mean dependent
var
Adjusted R-squared 0.859907 S.D. dependent var S.E. of regression 504.0793 Akaike info criterion Sum squared resid 3303247. Schwarz criterion Log likelihood -120.6056 F-statistic Durbin-Watson stat 2.214778 Prob(F-statistic)
1346.761
15.45070 15.59557 47.03583 0.000001
3、下面结果是利用某地财政收入对该地第一、二、三产业增加值的回归结果，根据这一结果试判断该模型是否存在多重共线性，说明你的理由。
Dependent Variable: REV Method: Least Squares Sample: 1 10
Included observations: 10 Variable C GDP1 GDP2 GDP3 R-squared
Coefficient 17414.63 -0.277510 0.084857 0.190517 Std. Error t-Statistic Prob. 0.2640 0.1071 0.3992 0.2558 63244.00 54281.99 20.25350 20.37454 320.4848 0.000001 14135.10 1.232013 0.146541 -1.893743 0.093532 0.907252 0.151680 1.256048 0.993798 Mean dependent
var
Adjusted R-squared 0.990697 S.D. dependent var S.E. of regression 5235.544 Akaike info criterion Sum squared resid 1.64E+08 Schwarz criterion Log likelihood -97.26752 F-statistic Durbin-Watson stat 1.208127 Prob(F-statistic)