计量经济学(庞浩)第二版第七章练习题及参考解答.(精选)

7.1 表7.11中给出了1970-1987年期间美国的个人消费支出(PCE)和个人可支配收入(PDI)数据，所有数字的单位都是10亿美元(1982年的美元价)。

表7.11 1970-1987年美国个人消费支出(PCE)和个人可支配收入(PDI)数据 年份 PCE PDI 1970 1971 年份 PCE PDI 年份 PCE PDI 1982 2050.7 2261.5 1983 2146.0 2331.9 1984 2249.3 2469.8 1985 2354.8 2542.8 1986 2455.2 2640.9 1987 2521.0 2686.3 1492.0 1668.1 1976 1803.9 2001.0 1538.8 1728.4 1977 1883.8 2066.6 1978 1961.0 2167.4 1979 2004.4 2212.6 1980 2000.4 2214.3 1981 2042.2 2248.6 1972 1621.9 1797.4 1973 1689.6 1916.3 1974 1674.0 1896.6 1975 1711.9 1931.7 估计下列模型：

PCEtA1A2PDIttPCEtB1B2PDItB3PCEt1t

(1) 解释这两个回归模型的结果。

(2) 短期和长期边际消费倾向（MPC）是多少？

练习题7.1参考解答:

1）第一个模型回归的估计结果如下，

Dependent Variable: PCE Method: Least Squares Date: 07/27/05 Time: 21:41 Sample: 1970 1987 Included observations: 18

Variable Coefficient Std. Error t-Statistic

C -216.4269 32.69425 -6.619723 PDI 1.008106 0.015033 67.05920 R-squared 0.996455 Mean dependent var Adjusted R-squared 0.996233 S.D. dependent var S.E. of regression 18.88628 Akaike info criterion Sum squared resid 5707.065 Schwarz criterion Log likelihood -77.37269 F-statistic Durbin-Watson stat 1.366654 Prob(F-statistic)

Prob. 0.0000 0.0000 1955.606 307.7170 8.819188 8.918118 4496.936 0.000000

ˆ216.42691.008106PDI 回归方程：PCEttword.

（32．69425） （0.015033） t =（-6.619723） （67.05920） R2=0.996455 F=4496.936 第二个模型回归的估计结果如下，

Dependent Variable: PCE Method: Least Squares Date: 07/27/05 Time: 21:51 Sample (adjusted): 1971 1987 Included observations: 17 after adjustments

Variable Coefficient Std. Error t-Statistic

C -233.2736 45.55736 -5.120436 PDI 0.982382 0.140928 6.970817 PCE(-1) 0.037158 0.144026 0.257997

R-squared 0.996542 Mean dependent var Adjusted R-squared 0.996048 S.D. dependent var S.E. of regression 18.47783 Akaike info criterion Sum squared resid 4780.022 Schwarz criterion Log likelihood -72.05335 F-statistic Durbin-Watson stat 1.570195 Prob(F-statistic)

Prob. 0.0002 0.0000 0.8002 1982.876 293.9125 8.829805 8.976843 2017.064 0.000000

ˆ233.27360.9824PDI0.0372PCE 回归方程：PCEttt1 （45.557） （0.1409） （0.1440）

t = （-5.120） （6.9708） （0.258） R=0.9965 F=2017.064

22）从模型一得到MPC=1.008；从模型二得到，短期MPC=0.9824，由于模型二为自回归模型，要先转换为分布滞后模型才能得到长期边际消费倾向，我们可以从库伊克变换倒推得到长期MPC=0.9824/（1+0.0372）=0.9472。

7.2 表7.12中给出了某地区1980-2001年固定资产投资Y与销售额X的资料。

表7.12 某地区1980-2001年固定资产投资Y与销售额X的资料（单位：亿元）

年份 1980 1981 1982 1983 1984 1985 1986 Y 36.99 33.60 35.42 42.35 52.48 53.66 58.53 X 52.805 55.906 63.027 72.931 84.790 86.589 98.797 年份 1991 1992 1993 1994 1995 1996 1997 Y 128.68 123.97 117.35 139.61 152.88 137.95 141.06 X 168.129 163.351 172.547 190.682 194.538 194.657 206.326 word.

1987 1988 1989 1990 67.48 78.13 95.13 112.60 113.201 126.905 143.936 154.391 1998 1999 2000 2001 163.45 183.80 192.61 182.81 223.541 232.724 239.459 235.142 运用局部调整假定或自适应预期假定估计以下模型参数，并解释模型的经济意义，探测模型扰动项的一阶自相关性： 1）设定模型

* YtXtut

其中Yt为预期最佳值。 2）设定模型

* YtXtet

u* 其中Yt为预期最佳值。 3）设定模型

* YtXtut

* 其中Xt为预期最佳值。

练习题7.2参考解答:

1）在局部调整假定下，先估计一阶自回归模型：Yt0Xt1Yt1ut回归的估计结果如下，

Dependent Variable: Y Method: Least Squares Date: 25/02/10 Time: 22:42 Sample (adjusted): 1981 2001

Included observations: 21 after adjustments

Variable C X Y(-1)

R-squared

Coefficient

-15.10403 0.629273 0.271676

Std. Error

4.729450 0.097819 0.114858

t-Statistic

-3.193613 6.433031 2.365315

Prob.

0.0050 0.0000 0.0294

109.2167 51.78550 6.616515 6.765733 690.0561

*****

0.987125 Mean dependent var 0.985695 S.D. dependent var 6.193728 Akaike info criterion 690.5208 Schwarz criterion -66.47341 F-statistic

word.

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

^1.518595 Prob(F-statistic)

0.000000

回归方程：Yt15.104030.629273Xt0.271676Yt1 （4.729450） （0.097819） （0.114858） t = （-3.193613） （6.433031） （2.365315） R2=0.987125 F=690.0561 DW=1.518595

****根据局部调整模型的参数关系，有 ,0, 11, utut

将上述估计结果代入得到：

11*10.2716760.728324

*0*20.738064 0.864001

故局部调整模型估计结果为：Y^*t20.7380640.864001Xt

经济意义：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.864001亿元。 运用德宾h检验一阶自相关：

dn121h(1)(11.518595)1.2972821nVar(1*)21-210.1148582在显著性水平0.05上，查标准正态分布表得临界值h1.96，由于

2h1.29728h1.96，则接收原假设0，说明自回归模型不存

2在一阶自相关问题。

2）先对数变换模型，有lnYtlnlnXtut 在局部调整假定下，先估计一阶自回归模型：lnYt回归的估计结果如下，

Dependent Variable: LNY Method: Least Squares Date: 25/02/10 Time: 22:55 Sample (adjusted): 1981 2001

Included observations: 21 after adjustments

Variable C LNX LNY(-1)

R-squared

Coefficient

-1.078046 0.904522 0.260033

Std. Error

0.184144 0.111243 0.087799

t-Statistic

-5.854366 8.131039 2.961684

Prob.

0.0000 0.0000 0.0084

4.559823

**0lnXt1*lnYt1ut*

* 0.993725 Mean dependent var

word.

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

^0.993028 S.D. dependent var 0.047007 Akaike info criterion 0.039774 Schwarz criterion 36.02742 F-statistic 1.479333 Prob(F-statistic)

0.562953 -3.145469 -2.996251 1425.219 0.000000

回归方程：lnYt1.0780460.904522lnXt0.260033lnYt1 （0.184144） （0.111243） （0.087799） t = （-5.854366） （8.131039） （2.961684） R2=0.993725 F=1425.219 DW1=1.479333 根据局部调整模型的参数关系，有lnln，将上述估计结果代入得到：

**0，1*1

11*10.2600330.739967

lnln**01.45688 1.22238

^*故局部调整模型估计结果为：lnYt1.456881.22238lnXt，也即

Y0.232961Xt1.22238

经济意义：该地区销售额每增加1%，未来预期最佳新增固定资产投资为1.22238%。 运用德宾h检验一阶自相关：

^*tdn1.47933321h(1)(1)1.30313

21nVar(1*)21210.0877992在显著性水平0.05上，查标准正态分布表得临界值h1.96，由于

2h1.30313h1.96，则接收原假设0，说明自回归模型不存在

2一阶自相关。

****YXYu0t1t1t 3）在自适应预期假定下，先估计一阶自回归模型：t回归的估计结果如下，

Dependent Variable: Y Method: Least Squares Date: 25/02/10 Time: 22:42 Sample (adjusted): 1981 2001

Included observations: 21 after adjustments

Variable

Coefficient

Std. Error

word.

t-Statistic

Prob.

C X Y(-1)

R-squared

-15.10403 0.629273 0.271676

4.729450 0.097819 0.114858

-3.193613 6.433031 2.365315

0.0050 0.0000 0.0294

109.2167 51.78550 6.616515 6.765733 690.0561 0.000000

0.987125 Mean dependent var 0.985695 S.D. dependent var 6.193728 Akaike info criterion 690.5208 Schwarz criterion -66.47341 F-statistic 1.518595 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

^

回归方程：Yt15.104030.629273Xt0.271676Yt1 （4.729450） （0.097819） （0.114858） t = （-3.193613） （6.433031） （2.365315） R=0.987125 F=690.0561 DW=1.518595

****根据局部调整模型的参数关系，有 0 11 utut

2将上述估计结果代入得到：

11*10.2716760.728324

*0*20.738064 0.864001

故局部调整模型估计结果为：Y^*t20.7380640.864001Xt

经济意义：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.864001亿元。 运用德宾h检验一阶自相关：

dn121h(1)(11.518595)1.29728在显著*221nVar(1)21-210.114858性水平

0.052上，查标准正态分布表得临界值h1.96，由于

2h1.29728h1.96，则接收原假设0，说明自回归模型不存在一阶自相关。

7.3 利用表7.12的数据，取阿尔蒙多项式的次数m=2，运用阿尔蒙多项式变换法估计分布滞后模型：

Yt0Xt1Xt12Xt23Xt34Xt4ut

练习题7.3参考解答:

word.

分布滞后模型：Yt0Xt1Xt1...4Xt4ut s=4，取m=2。

假设00，1012，202142，303192，

4041162 （*）

则模型可变为：Yt0Z0t1Z1t2Z2tut，其中：

Z0tXtXt1Xt2Xt3Xt4Z1tXt12Xt23Xt34Xt4 Z2tXt14Xt29Xt316Xt4估计的回归结果如下，

Dependent Variable: Y Method: Least Squares Date: 25/02/10 Time: 23:19 Sample (adjusted): 1984 2001

Included observations: 18 after adjustments

Variable C Z0 Z1 Z2

R-squared

Coefficient

-35.49234 0.891012 -0.669904 0.104392

Std. Error

8.192884 0.174563 0.254447 0.062311

t-Statistic

-4.332093 5.104248 -2.632783 1.675338

Prob.

0.0007 0.0002 0.0197 0.1160

121.2322 45.63348 6.688517 6.886378 299.7429 0.000000

0.984670 Mean dependent var 0.981385 S.D. dependent var 6.226131 Akaike info criterion 542.7059 Schwarz criterion -56.19666 F-statistic 1.130400 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

^回归方程：Y35.492430.891012Z0t0.669904Z1t0.104392Z2t

35.49124,00.89101,10.66990,20.10439

由（*）式可得，

00.89101,10.32550,20.03123,30.17917,40.11833

由阿尔蒙多项式变换可得如下估计结果：

^Yt-35.49234 0.89101Xt 0.32550Xt1-0.03123Xt2-0.17917Xt3-0.11833Xt4

word.

7.4 表7.13中给出了1962-1995年某地区基本建设新增固定资产Y和全省工业总产值X按当年价格计算的历史资料。

表7.13 1962-1995年某地区基本建设新增固定资产Y和全省工业总产值X(单位：亿元) 年份 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 Y 0.94 1.69 1.78 1.84 4.36 7.02 5.55 6.93 7.17 2.33 2.18 2.39 3.3 5.24 5.39 1.78 0.73 X 4.95 6.63 8.51 9.37 11.23 11.34 19.9 29.49 36.83 21.19 18.14 19.69 23.88 29.65 40.94 33.08 20.3 年份 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 Y 2.06 7.93 8.01 6.64 16 8.81 10.38 6.2 7.97 27.33 12.58 12.47 10.88 17.7 14.72 13.76 14.42 X 42.69 51.61 61.5 60.73 64.64 66.67 73.78 69.52 79.64 92.45 102.94 105.62 104.88 113.3 127.13 141.44 173.75 *（1） 设定模型YtXtt 作局部调整假定，估计参数，并作解释。 * （2） 设定模型YtXtt 作自适应预期假定，估计参数，并作解释。

（3） 比较上述两种模型的设定及拟合情况，你觉得哪一个模型较好，为什么？

练习题7.4参考解答:

1）在局部调整假定下，先估计一阶自回归模型，Yt回归的估计结果如下，

Dependent Variable: Y Method: Least Squares Date: 07/27/05 Time: 22:31 Sample (adjusted): 1963 1995

Included observations: 33 after adjustments

Variable C X

Coefficient

1.896645 0.102199

Std. Error

1.167127 0.024782

t-Statistic

1.625055 4.123961

Prob.

0.1146 0.0003

**0Xt1*Yt1ut*

word.

Y(-1)

R-squared

0.014700 0.182865 0.080389 0.9365

7.804242 5.889686 5.656455 5.792502 21.12278 0.000002

0.584750 Mean dependent var 0.557066 S.D. dependent var 3.919779 Akaike info criterion 460.9399 Schwarz criterion -90.33151 F-statistic 1.901308 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

^

回归方程：Yt1.89660.1022Xt0.0147Yt1 （1.167）（0.0248） （0.182865） t =（1.625）（4.1239） （0.080389） R=0.584750 F=21.12278

可以看出，Xt的回归系数显著，而Yt1的回归系数不显著，R不是很高，模型整体上对样本数据拟合一般。

****根据局部调整模型的参数关系，有,0,11,tt，将上述估计结果

22代入得到：0.9853,0.1037,1.9249

*故局部调整模型为：Yt1.92490.1037Xtt

经济意义：为了达到全省工业总产值的计划值，寻求一个未来预期新增固定资产的最佳量。全省工业总产值每计划增加1（亿元），则未来预期最佳新增固定资产量为0.1037亿元。

****2）在自适应预期假定下，先估计一阶自回归模型，Yt0Xt1Yt1ut

回归的估计结果如下，

Dependent Variable: Y Method: Least Squares Date: 07/27/05 Time: 22:31 Sample (adjusted): 1963 1995

Included observations: 33 after adjustments

Variable C X Y(-1)

R-squared

Coefficient

1.896645 0.102199 0.014700

Std. Error

1.167127 0.024782 0.182865

t-Statistic

1.625055 4.123961 0.080389

Prob.

0.1146 0.0003 0.9365

7.804242 5.889686 5.656455 5.792502

0.584750 Mean dependent var 0.557066 S.D. dependent var 3.919779 Akaike info criterion 460.9399 Schwarz criterion

Adjusted R-squared S.E. of regression Sum squared resid

word.

Log likelihood Durbin-Watson stat

^-90.33151 F-statistic 1.901308 Prob(F-statistic)

21.12278 0.000002

回归方程：Yt1.89660.1022Xt0.0147Yt1 （1.167）（0.0248） （0.182865） t =（1.625）（4.1239） （0.080389） R2=0.584750 F=21.12278

可以看出，Xt的回归系数显著，而Yt1的回归系数不显著，R2不是很高，模型整体上对样本数据拟合一般。

****根据自适应模型的参数关系，有,0,11,tt(1)t1，代入得

到：0.9853,0.1037,1.9249

*故局部调整模型为：Yt1.92490.1037Xtut

经济意义：新增固定资产的变化取决于全省工业总产值的预期值。全省工业总产值每预期增加增加1（亿元），当期新增固定资产量为0.1037（亿元）。 3）局部调整模型和自适应模型的区别在于：局部调整模型是对应变量的局部调整而得到的；而自适应模型是由解释变量的自适应过程而得到的。由回归结果可见，Y滞后一期的回归系数并不显著，说明两个模型的设定都不合理。

7.5 表7.14给出某地区各年末货币流通量Y，社会商品零售额X1、城乡居民储蓄余额X 2的数据。

表7.14 某地区年末货币流通量、社会商品零售额、城乡居民储蓄余额数据（单位：亿元）

城乡居民年末货币年份 流通量Y 售额X1 蓄余额X2 社会商品零城乡居民储年份 流通量Y 售额X1 X2 1953 1954 1955 1956 1957 1958 1959 10518 14088 13375 18354 16867 18515 22558 78676 101433 103989 124525 126467 134446 154961 4163 4888 5689 7406 9156 10193 13939 1970 1971 1972 1973 1974 1975 1976 38500 47100 57200 60000 62500 64500 68000 240332 274534 299197 314006 318954 336015 352924 26156 30944 35961 39667 43320 46184 48311 年末货币社会商品零储蓄余额word.

1960 1961 1962 1963 1964 1965 1966 1967 1968 29036 41472 34826 30000 24300 29300 33900 36100 39600 170370 149182 154564 142548 143415 156998 176387 178162 167074 15495 12553 10080 11602 15031 17108 19301 20485 22572 1977 1978 1979 1980 1981 1982 1983 1984 1985 63000 66000 76000 85000 90000 101000 100000 160000 192000 378115 415830 452032 512543 547956 591088 646427 733162 919045 53313 61290 70033 92800 109707 133799 164314 201199 277185 *利用表中数据设定模型：Yt1X1t2X2tt

YtX1tX2te**12ut

其中，Yt为长期(或所需求的)货币流通量。试根据局部调整假设，作模型变换，估计并检验参数，对参数经济意义做出解释。

练习题7.5参考解答:

*****1）在局部调整假定下，先估计一阶自回归模型：Yt 0X1t1X2t2Yt1ut

回归的估计结果如下：

Dependent Variable: Y Method: Least Squares Date: 26/02/10 Time: 15:56 Sample (adjusted): 1954 1985

Included observations: 32 after adjustments

Variable C X1 X2 Y(-1)

R-squared

Coefficient

6596.228 0.047451 0.274838 0.405275

Std. Error

4344.078 0.039610 0.090534 0.187220

t-Statistic

1.518442 1.197940 3.035736 2.164699

Prob.

0.1401 0.2410 0.0051 0.0391

55355.97 40464.90 20.85375 21.03697 275.6267 0.000000

word.

0.967247 Mean dependent var 0.963738 S.D. dependent var 7705.604 Akaike info criterion 1.66E+09 Schwarz criterion -329.6600 F-statistic 2.109534 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

回归方程：Yt ^

6596.228 0.047451X1t0.274838X2t0.405275Yt1

（4344.078） （0.039610） （0.090534） （0.187220） t = （1.518442） （1.197940） （3.035736） （2.164699） R2=0.967247 F=275.6267 DW=2.109534

****根据局部调整模型的参数关系，有lnln, 00 ,11 ,21

将上述估计结果代入得到：

ˆlnY* *lnX*lnX*lnY1*10.4052750.594725 lnY2tt01t12t2t1^0*1**11091.2236700.07978 10.462126

故局部调整模型估计结果为：

^*tY11091.22367 0.07978X1t0.462126X2t

经济意义：在其他条件不变的情况下，该地区社会商品零售额每增加1亿元，则预期年末货币流通量增加0.07978亿元。同样，在其他条件不变的情况下，该地区城乡居民储蓄余额每增加1亿元，则预期年末货币流通量增加0.462126亿元。 2）先对数变换模型形式，lnYt*ln1lnX1t2lnX2tut

在局部调整假定下，先估计一阶自回归模型：

**lnYt* 0lnX1t1*lnX2t2lnYt1ut*

回归的估计结果如下：

Dependent Variable: LNY Method: Least Squares Date: 26/02/10 Time: 16:12 Sample (adjusted): 1954 1985

Included observations: 32 after adjustments

Variable C LNX1 LNX2 LNY(-1)

R-squared

Coefficient

0.644333 0.206230 0.180168 0.531445

Std. Error

1.677888 0.255557 0.154913 0.109260

t-Statistic

0.384014 0.806984 1.163031 4.864049

Prob.

0.7039 0.4265 0.2546 0.0000

10.70088 0.672279 -1.210486 -1.027269 291.3458 0.000000

word.

0.968959 Mean dependent var 0.965633 S.D. dependent var 0.124629 Akaike info criterion 0.434905 Schwarz criterion 23.36778 F-statistic 1.914829 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

回归方程：lnYt0.644333 0.20623lnX1t0.180168lnX2t0.531445lnYt1 （1.677888） （0.255557） （0.154913） （0.531445） t = （0.384014） （0.806984） （1.163013） （4.864049） R2=0.968959 F=291.3458 DW=1.914829

****根据局部调整模型的参数关系，有lnln ,00 ,11 ,21

^将上述估计结果代入得到：

*1210.5314450.468555

lnln*0*1*1.37514900.44014 10.384518

故局部调整模型估计结果为：

lnYt*1.375149 0.44014lnX1t0.384518lnX2t

经济意义：货币需求对社会商品零售额的长期弹性为：0.44104；货币需求对城乡居民储蓄

余额的长期弹性为0.384518。

**7.6 设 Mt1Yt2Rtt

^其中：M为实际货币流通量，Y为期望社会商品零售总额，R为期望储蓄总额，对于期望

**值作如下假定： Yt1Yt(11)Yt1 * Rt2Rt(12)Rt1

**

其中1,2为期望系数，均为小于1的正数。 (1) 如何利用可观测的量来表示Mt？ (2) 分析这样变换存在什么问题?

(3) 利用7.5题的数据进行回归，估计模型，并作检验。

练习题7.6参考解答:

1）首先将M滞后一期并乘上(11)得到

*(11)Mt1(11)(11)1Yt*(1)R112t1t1

再将原始方程减去该方程，得到

word.

Mt(11)Mt1111Yt2[Rt*(11)Rt*1]t(11)t1111Yt2[Rt*(1221)Rt*1]t(11)t1111Yt2[Rt*(12)Rt*1(12)Rt*1]t(11)t1111Yt2[Rt*(12)Rt*1]2(12)Rt*1t(11)t1111Yt22Rt2(12)Rt*1t(11)t1Mt(11)Mt1111Yt22Rt2(12)Rt*1t(11)t1(1)Mt1(11)Mt2111Yt122Rt12(12)Rt*2t1(11)t2(12)[Mt1(11)Mt2](12)1(12)11Yt1(12)22Rt12(12)(12)Rt*2(12)[t1(11)t2](2)(1)－(2) 于是Mt可表示为:

Mt1211[Yt(12)Yt1]22[Rt(11)Rt1](21)Mt1(11)(12)Mt2t(212)t1(11)(12)t2 （）

*2）从上面的变化中可看出，随机扰动项变为tt(212)t1(11)(12)t2,

这就可能导致出现随机扰动项的自相关，进而导致估计出来的结果是有偏的，而且不是一致估计。

3）对（）回归的估计结果如下，

Dependent Variable: MT Method: Least Squares Date: 07/26/05 Time: 00:18 Sample(adjusted): 1955 1985

Included observations: 31 after adjusting endpoints

Variable C Y Y(-1) R R(-1) MT(-1) MT(-2)

R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 9266.4908

0.1323 -0.1284 -0.3957 0.9533 0.4729 -0.0550

Std. Error 4918.1374

0.1096 0.1236 0.4883 0.6612 0.2361 0.2883

t-Statistic 1.8841 1.2068 -1.0389 -0.8104 1.4416 2.0028 -0.1908

Prob. 0.0717 0.2392 0.3091 0.4256 0.1623 0.0566 0.8502 56687.1935 40415.2055

20.9909 21.3147 125.7918

0 0.9691 Mean dependent var 0.9614 S.D. dependent var 7932.428 Akaike info criterion 1510162034 Schwarz criterion -318.3602 F-statistic 2.1446 Prob(F-statistic) word.

回归方程：

Mt9266.49080.1323Yt0.1284Yt10.3957Rt0.9533Rt10.4729Mt10.0550Mt2

可以看到，只有Mt1的回归系数在10% 的显著性水平下是显著的，其他回归系数均不显著；F统计量较大，方程整体显著；R2较高，模型整体上对样本数据拟合较好。

7.7 考虑如下回归模型：

^ˆ30120.1408X0.2306XYttt1t(-6.27) (2.6) (4.26)R20.727其中，y为通货膨胀率，x为生产设备使用率。

1） 生产设备使用率对通货膨胀率的短期影响和总的影响分别是多大？

2） 如果库伊克模型为Ytb1b2Xtb3Yt1t，你怎样得到生产设备使用率对通货膨胀率的短期影响和长期影响？

练习题7.7参考解答:

1）该模型为有限分布滞后模型，故生产设备使用率对通货膨胀的短期影响为0.1408，总的影响为0.1408+0.2306=0.3714。 2）利用工具变量法，用

ˆYt1来代替 Yt1进行估计，则库伊克模型变换为

ˆaˆu。若原先有Yˆ1aˆ2Xtaˆ3Xt1，则需估计的模型为 Ytb1b2Xtb3Ytt1tˆ1(b2aˆ2)Xt(b3aˆ3)Xt1ut，所以生产设备使用率对通货膨胀的短期影响Ytb1a为b2

7.8 表7.15中给出了某地区消费总额Y和货币收入总额X的年度资料。

表7.15 某地区消费总额Y（亿元）和货币收入总额X（亿元）的年度资料（单位：亿元） 年份 1975 1976 1977 1978 1979 X 103.169 115.07 132.21 156.574 166.091 Y 91.158 109.1 119.187 143.908 155.192 年份 1990 1991 1992 1993 1994 X 215.539 220.391 235.483 280.975 292.339 Y 204.75 218.666 227.425 229.86 244.23 ˆ2a^，总的影响为b2ˆ2(b3aˆ3)。 a^^word.

1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 155.099 138.175 146.936 157.7 179.797 195.779 194.858 189.179 199.963 205.717 148.673 151.288 148.1 156.777 168.475 174.737 182.802 180.13 190.444 196.9 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 278.116 292.654 341.442 401.141 458.567 500.915 450.939 626.709 783.953 890.637 258.363 275.248 299.277 345.47 406.119 462.223 492.662 539.046 617.568 727.397 分析该地区消费同收入的关系

1) 做Yt关于Xt的回归，对回归结果进行分析判断；

2) 建立适当的分布滞后模型，用库伊克变换转换为库伊克模型后进行估计，并对估计结果进行分析判断。

练习题7.8参考解答:

1）做Yt关于Xt的回归，回归的估计结果如下，

Dependent Variable: Y Method: Least Squares Date: 05/03/10 Time: 15:24 Sample: 1975 2004 Included observations: 30

Variable C X

R-squared

Coefficient

27.76594 0.807731

Std. Error

7.945083 0.022840

t-Statistic

3.494733 35.36542

Prob.

0.0016 0.0000

262.1725 159.3349 9.257921 9.351334 1250.713 0.000000

0.978103 Mean dependent var 0.977321 S.D. dependent var 23.99515 Akaike info criterion 16121.49 Schwarz criterion -136.8688 F-statistic 1.280986 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

^回归方程：Yt27.76590.80773Xt （7.945） （0.02284） t =（3.9447） （35.365） R=0.978103 F=1250.713

2word.

从回归结果来看，t检验值、F检验值及R2都显著，但在显著性水平0.05上，DW值

d1.28dl1.3，说明模型扰动项存在正自相关，需对模型进行修改。

2）事实上，当年消费不仅受当年收入的影响，而且还受过去各年收入水平的影响，因此，我们在上述模型中增添货币收入总额X的滞后变量进行分析。如前所述，对分布滞后模型直接进行估计会存在自由度损失和多重共线性等问题。在此，选择库伊克模型进行回归分析，即估计如下模型：Yt**0Xt1*Yt1ut*

回归的估计结果如下，

Dependent Variable: Y Method: Least Squares Date: 05/03/10 Time: 15:31 Sample (adjusted): 1976 2004

Included observations: 29 after adjustments

Variable C X Y(-1)

R-squared

Coefficient

-6.905686 0.251865 0.813628

Std. Error

4.179931 0.043638 0.062991

t-Statistic

-1.652105 5.771717 12.91657

Prob.

0.1105 0.0000 0.0000

268.0696 158.7886 7.334900 7.476344 4323.744 0.000000

0.997002 Mean dependent var 0.996772 S.D. dependent var 9.021969 Akaike info criterion 2116.294 Schwarz criterion -103.3560 F-statistic 1.215935 Prob(F-statistic)

2Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

回归结果显示，t检验值、F检验值及R都显著，但

dn129h(1)(11.215935)2.2442 2*ˆ21nVar(1)21290.06291在显著性水平

0.05上，查标准正态分布表得临界值h1.96，由于

2h2.2442h1.96，则拒绝原假设0，说明自回归模型存在一阶自相关，需对

2模型作进一步修改。

最新文件 仅供参考 已改成word文本 。 方便更改

word.