2、建立模型 参数估计 模型检验 模型应用 3、经济意义准则 统计意义准则 计量意义准则 4、t检验 F检验 R2检验 5、自相关检验 异方差检验 多重共线性检验 6、（1）变量间存在随机关系Y=? +? X +? （2）误差项均值为0。 （3）误差序列同方差。 （4）误差序列不相关。 （5）X是确定性的，非随机变量。 （6）误差项服从正态分布。 7、当解释变量为多元时，要使用调整的拟合优度，以解决变量元素增加对拟合优度的影响。 8、参数估计的无偏性仍然成立 参数估计的方差不再是最小的 t 统计量的值不能正确确定 9、图示检验法 Goldfeld-Quanadt检验 Gleiser检验 10、没有包含在解释变量中的经济变量固有的惯性。 模型设定偏误（Specification error）。 数据的“编造”。 11、自相关对参数估计的影响：当存在自相关时，普通最小二乘估计量不再是最佳线性无估计量，即它在线性无偏估计量中不是方差最小的。 自相关对模型检验的影响：使用t检验判断回归系数的显著性时可能得到错误的结论。 自相关对模型预测的影响：使预测的置信区间不可靠，从而降低预测的精度。 12、图示检验法：把给定的回归模直接用普通最小二乘法估计参数，求出残差项，作为随机项的真实估计值，再描绘残差项的散点图，根据散点图来判断相关性。 DW检验法：假设随机误差项的一阶自回归形式为： ut=?ut-1+vt 为了检验序列的相关性，构造的原假设是：H0:??0 为了检验上述假设，构造DW统计量首先要求出 回归估计式的残差e，定义DW统计量为： DW=?(e-ett=2nt-1)2?et=1n 2t13、杜宾-瓦森检验的局限性： DW检验有两个不能确定的区域，一旦DW值落在这两个区域，就无法判断。 DW检验不适应随机误差项具有高阶序列相关的检验； 只适用于有常数项的回归模型并且解释变量中不能含滞后的被解释变量； 14、当解释变量完全线性相关时 ——OLS失效； 如果模型中存在不完全的多重共线性，可以得到参数的估计值，但是对计量经济分析可能会产生一系列的影响。 （1）.参数估计值的方差增大 （2）.对参数区间估计时，置信区间趋于变大 （3）.假设检验容易作出错误的判断 （4）.可能造成可决系数较高，但对各个参数单独的t 检验却可能不显著，甚至可能使估计
的回归系数符号相反，得出完全错误的结论。
15、检验多重共线性的方法：
简单相关系数检验法 方差扩大（膨胀）因子法 直观判断法 逐步回归法
16、多重共线性产生的经济背景主要有几种情形： （1）经济变量之间具有共同变化趋势。 （2）模型中包含滞后变量。 （3）样本数据自身的原因。
七、计算分析题 Ch1：
1、假设A先生估计消费函数
（3）解释常数项和斜率项的经济学含义。 （4） 解释拟合优度R2的经济学含义。 注：临界值t0.025
答案： （1） 因为t?
?2.11
?18.7远大于临界值t0.025?2.11，所以参数?在5%的显著性水平下显著。
（2） 4.84； 0.043
（3） 常数项表示在收入为0时的自发性消费为15；斜率项表示收入每增加一个单位，消费
平均增加0.81
（4） 拟合优度R2表示收入作为解释变量可以解释消费变动的98%
Ch4：
2、已知一元模型 Yi??1??2Xi?uivar(ui)??i2??2Xi2
试用适当的方法消除异方差。 答案：
Yi??1??2Xi?ui?Yiu??1??2?iXiXiXi记为Y*=?1X*+?2+vi
Ch5：
3、考虑以下模型
请问怎样消除此模型中的自相关？
答案：
因为var（vi）=?2，所以变换后的模型不存在异方差。Yi??1??2Xi?ui
对上述模型使用普通最小二乘估计就会得到参数估计的最佳线性无偏估计量。
Ch6：
4、(1)已知生产函数为Y?AKL，请首先用对数变换方法建立线性计量回归模型。 (2)因为劳动力和资本的增长往往有同步性，也就是上述模型有多重共线性问题。假设????1，那么如何解决这一多重共线性问题？
答案：(1)logY(2)
???logA??logK??logL??
logY?logA??logK??logL???logY?logA?(1??)logK??logL???logY?logK?logA??(logL?logK)??YL?log?logA??(log)??KK计y????x??
因为模型已经化减为一元模型，所以不存在共线性问题。
综合题：
5、以下是对线性回归模型Yi = ? + ? Xi + ?i用EVIEWS软件做出的实际结果： Dependent Variable: Y Method: Least Squares Date: 06/02/11 Time: 20:38 Sample: 1 425 Included observations: 425 Coefficient Std. Error t-Statistic Prob. X -0.012331 0.001847 0.0000 C 0.203817 0.020792 0.0000 R-squared 0.895311 Mean dependent var 0.072384 Adjusted R-squared 0.883172 S.D. dependent var 0.144681 S.E. of regression 0.137776 Akaike info criterion -1.121681 Sum squared resid 8.029479 Schwarz criterion -1.102612 Log likelihood 240.3571 Hannan-Quinn criter. -1.114147 F-statistic 44.56411 Durbin-Watson stat 2.044364 Prob(F-statistic) 0.000000 （1）请写出样本回归线方程
（2）请计算参数估计量的t统计量的值
（3）请写出拟和优度R2和调整后的拟和优度值Adj-R2 （4）结合F统计量的值对方程总体显著性判断
（5）序列自相关检验的杜宾-瓦森的值是多少？如果dL=1.65，du=1.69，那么有无自相关性？
答案：
??0.204?0.012x （1）y（2） -6.68; 9.80
（3）R2=0.895；Adj-R2=0.883
（4）F统计量的值等于44.5，原假设成立的概率等于0，所以方程总体上高度显著。 （5）无自相关性
相关推荐：
loading