内容发布更新时间 : 2024/12/23 0:30:43星期一 下面是文章的全部内容请认真阅读。
模型式下括号中的数字为相应回归系数估计量的标准误。
试对所给出的两个模型进行检验，并选择出一个合适的模型。[??0.05，t0.025(5)=2.57，t0.025(6)=2.45；F0.05(3,6)=4.76，F0.05(4,5)=5.19]（计算结果保留二位小数）
2．据20年的年度样本资料，得到如下的劳动力薪金模型
?=1.073+5.288Vt－0.116Ｘt+0.54M t+0.046M t-1 Wt(0.797)(0.812)(0.111)(0.022)(0.019) R2=0.934
其中，Wt=劳动力人均薪金，V=岗位空缺率，X=就业人员人均国内生产总值，Mt=出口额，Mt-1=上年出口额（括号内的数字为标准误，计算结果保留三位小数）。 要求：（1）引进变量Ｘ的原理为何？理论上，Ｘ的系数符号应为正还是负。 （2）哪些变量可从模型中删去。[t0.025(15)=2.131] （3）检验回归模型的总显著性，[F0.05(4,15)=3.06]
3．经济学家提出假设，能源价格上升导致资本产出率下降。据30年的季度数据，得到如下回归模型：
Ln(Y/K)=1.5492+0.7135Ln(L/K)－0.1081LnP+0.0045t
(16.35)(21.69)(-6.42)(15.86) R2=0.98
其中，Ｙ=产出，Ｋ=资本流量，L=劳动投入，Pt=能源价格，t=时间。括号内的数字为t统计量。（计算结果保留二位小数） 问：（1）回归分析的结果是否支持经济学家的假设；
（2）如果在样本期内价格P增加60%，据回归结果，资本产出率下降了多少？ （3）除了（L/K）和P的影响，样本期内的资本产出率趋势增长率如何？ （4）如何解释系数0.7135？
参考答案
一、单项选择题 1．C 2．A 3．B 4．C 5．D 6．B 7．A 8．D 9．A 10．A 11．A 12．D 13．D 14．C 15．D 二、多项选择题 1．BCD 2．BC 3．ABCD 4．AC 三、名词解释
1．多元线性回归模型：在模型中包含二个以上的解释变量的线性回归模型。 2．调整的判定系数：R?1?22?ei/(n?k)?(Yi2?Y)/(n?1)2 ，所谓调整，就是指R的计算式中
2的
?ei和?(Yi?Y)2都用它们的自由度（n－k）和（n－1）去除。
3．对数线性模型：LnYi????LnXi?ui ，该模型中LnYi对?,?是线性关系，LnYi
对LnXi也是线性关系。该模型可称为对数—对数线性模型，简称为对数线性模型。 四、简答题
1．多元回归分析中为何要使用调整的判定系数。
16
答：判定系数R2的一个重要性质是：在回归模型中增加一个解释变量后，它不会减少，而且通常会增大。即R2是回归模型中解释变量个数的非减函数。所以，使用R2来判断具有相同被解释变量Y和不同个数解释变量X的回归模型的优劣时就很不适当。此时，R2不能用于比较两个回归方程的拟合优度。
为了消除解释变量个数对判定系数R2的影响，需使用调整后的判定系数：
R2?1??ei/(n?k)?(Yi2?Y)2/(n?1) ，所谓调整，就是指R的计算式中的
2?ei和?(Yi?Y)22都用它们的自由度（n－k）和（n－1）去除。
?方差的因素有哪些？ 2．多元经典回归模型中，影响偏回归系数βj的最小二乘估计量?j?的方差取决于如下三个因素：?2,SST和R2。 答：?jjj?)与?成正比；?越大，??的方差Var(??)越大。回归模型的干扰项u（１）Var(?jjj22是对回归结果的干扰，干扰(?)越大，使得估计任何一个解释变量对Y的局部影响就越困难。
2
?)与Xj的总样本变异SSTj成反比；?的方差Var(??)（２）Var(?总样本变异SSTj越大，?jjj越小。
?)与解释变量之间的线性关联程度R正相关；R越大，??的方差Var(??)（３）Var(?jjjjj22越大。
3．简述高斯一马尔可夫定理及其意义。
?分别?，?，??，?答：在多元线性回归模型的经典假定下，普通最小二乘估计量?21k?，?，?，?是?1，?2，?，?k的最佳线性无偏估计量。就是说，普通最小二乘估计量?21?是所有线性无偏估计量中方差最小的。 ?k高斯－马尔可夫定理的意义在于：当经典假定成立时，我们不需要再去寻找其它无偏估计量，没有一个会优于普通最小二乘估计量。也就是说，如果存在一个好的线性无偏估计量，这个估计量的方差最多与普通最小二乘估计量的方差一样小，不会小于普通最小二乘估计量的方差。
４．简述多元回归模型的整体显著性检验决策规则。 答：（1）设定假设
17
原假设H0:?2??3????k?0 备择假设H1:?j不全为0，j＝2,3,?,k （2）计算F统计量
F?ESS/(k?1)
RSS/(n?k)
（3）在给定显著性水平?的条件下，查F分布表得临界值F?(k?1,n?k)。 （4）判断
如果F?F?(k?1,n?k)，则拒绝H0，接受备择假设H1。 如果F?F?(k?1,n?k)，则不拒绝H0。
5．对于多元线性回归模型，为什么在进行了总体显著性F检验之后，还要对每个偏回归系数进行是否为0的t检验。
答：多元回归模型的总体显著性就是对原假设H0:?2??3????k?0进行检验。检验的目的就是判断被解释变量Y是否与X2,X3,?,Xk在整体上有线性关系。若原假设
H0:?2??3????k?0被拒绝，即通过了F检验，则表明Y与X2,X3,?,Xk在整体上有
线性关系。但这并不表明每一个X都对Y有显著的线性影响，还需要通过t检验判断每一个回归系数的显著性。
６．对数线性模型的优点有哪些？ 答：对数线性模型的优点为
（1）对数线性模型中斜率系数度量了一个变量（Y）对另一个变量（X）的弹性。 （2）斜率系数与变量X，Y的测量单位无关，其结果值与X，Y的测量单位无关。 （3）当Y>0时，使用对数形式LnY比使用水平值Y作为被解释变量的模型更接近经典线性模型。大于零的变量，其条件分布常常是有异方差性或偏态性；取对数后，虽然不能消除这两方面的问题，但可大大弱化这两方面的问题。
（4）取对数后会缩小变量的取值范围。使得估计值对被解释变量或解释变量的异常值不会很敏感。
７．什么是回归模型的设定偏误？简要说明其后果。 答：多元回归模型的设定偏误主要包括以下三种： （1）回归模型中包含了无关解释变量 （2）回归模型中遗漏了重要解释变量
18
（3）回归模型中的函数形式设定偏误
后果为：（1）回归模型中包含了无关解释变量：回归系数的最小二乘估计量的方差非最小。
（2）回归模型中遗漏了重要解释变量：如果遗漏的变量与包含的变量相关，则
回归系数的最小二乘估计量是有偏误的，且非一致。
（3）回归模型中的函数形式设定偏误：不能得到有效估计和正确的经济解释。 五、计算题 1．解：（1）t统计量分别为
t???8.946
1
t???2.864
2
t???7.842
3t统计量的绝对值均大于2，样本量为30，据简便准则，各回归系数均通过了检验。
R2/(k?1)0.9552/(3?1)（2）F? ?22(1?R)/(n?k)(1?0.955)/(30?3)=139.953
F?F0.05(2,27)?3.42
回归模型整体显著
（3）该地区劳动力投入每增加1%，产出将增加0.358%，资本存量每增加1%，产出将增加0.745%。
2．解：（1）R?（2）F?2ESS64.50??0.973 TSS66.30ESS/(k?1)
(TSS?ESS)/(n?k)?64.50/(3?1)
(66.30?64.50)/(20?3)=304.583
F=304.583>F0.05(2,17)=3.59 所以回归模型整体显著 3．解：（1）t??=7.601
1
t??=4.55
2
t??=0.056
3
t??=-3.891
4(PF)t-1的回归系数不显著，其它回归系数的︱t︱均大于2.12，其它回归系数均显著。 （2）理论上上期成本对本期工资水平有影响，但回归结果表明偏回归系数不显著，引入该变量不合理。
（3）应将模型设定为对数一对数线性模型。 六、分析题
R2/(k?1)1．解：（1）F? 2(1?R)/(n?k) 19
0.9972/(4?1)模型1：F1??331.834 2(1?0.997)/(10?4)0.9982/(4?1)模型2：F2??498.501 2(1?0.998)/(10?4)F1=331.834>F0.05(3,6)=4.76
F2=498.501>F0.05(4,5)=5.19，所以两模型整体上都显著。 （2）各回归系数检验
t???j??j?)Se(?j
模型1：t???t??2?12.760.104??1.96t???10.40 ?106.520.01?0.1880.319???2.69 t??2.66 ??40.070.120
︱t??︱=1.96 t???10.097?3.23 0.03t???2t??4?0.199??2.21 0.090.34??2.27 0.15t???30.015?0.30 0.05临界值为t0.05(5)=2.57，常数项，Ｘ2,Ｘ3,Ｘ4的系数均不显著。如降低置信水平如?=10%， Ｘ2,Ｘ4的系数可能显著，但Ｘ3的系数则无法显著，即Ｘ3与Ｙ无线性关系，并且Ｘ3的系数符号也不合理，因此，Ｘ3不应包含在模型中，应选用模型1。 2．解：（1）理论上分析人均产值越高，人均薪金就越高，因此Ｘ是影响Ｗ的因素，且回归系数的符号为正。 （2）V,X,M,Mt-1的t统计量分别为：6.512，-1.045，24.545，2.421，除Ｘ的系数外，t统计量绝对值均大于临界值t0.025(15)=2.131。因为Ｘ的系数不显著，W与X无线性关系，Ｘ应从模型中删去。 R2/(k?1)0.9342/(5?1)（3）F???25.629 22(1?R)/(n?k)(1?0./974)/(20?5)F>F0.05(4,15)=3.06，回归模型整体显著。 3．解：（1）该回归模型支持了假设，因为价格P的回归系数符号为负，说明价格每提高1%，资本产出率将下降0.1081%。 （2）资本产出率的下降幅度为 0.1081%×60=6.486% （3）时间变量t的回归系数代表增长率，资本产出率趋势增长率为0.45%。 （4）系数0.7135表示每单位资本的劳动力投入增加1%，资本产出率增加0.7135%。 20