古扎拉蒂计量经济学基础第5版题库及详解复习资料！

(资料图片仅供参考)

本文参考资料：

古扎拉蒂《计量经济学基础》（第5版）精讲【教材精讲＋考研真题串讲】

古扎拉蒂《计量经济学基础》（第5版）课后习题详解

部分摘录：

在课文的模型（19.2.22）中，我们曾证明供给方程是过度识别的，能否对结构方程的叁数作些约束使得此方程变为恰好识别的？说明这种约束的理由。

答：供给方程过度识别的原因是，需求函数包含了两个前定变量I和R。如果它只包含一个，则供给方程恰好识别。也就是说，只要把收入变量或财富变量任意一个从供给函数中排除就能够识别供给函数，但在19.2.22中，两个变量都被排除了，从而使得供给方程是过度识别的。因此，若需求方程中a2=0或a；=0，则供给方程恰好识别。

第18章习题8所给模型的结构方程是可识别的吗？

答：这个方程组中有M=4和K=5，根据阶条件：产出方程，排除了6个变量，因此是过度识别的；投资方程，排除了6个变量，过度识别；消费方程，排除了5个变量，过度识别；利润方程，排除了6个变量，过度识别。

参照第18章习题7并找出哪些结构方程是可识别的。

答：这里有M=4和K=2，根据阶条件，Y1和Y2都排除了1个变量，Y2不能识别，而Y3和Y4排除了3个变量，因此恰好识别。

为什么没有必要用两阶段最小二乘法去估计恰好识别方程？

答：设计2SLS是为了对过度识别结构方程的参数提供唯一的估计值，这是ILS所无法做到的。但如果一个方程恰好可以识别，则2SLS与ILS所给出的参数估计值相同，就没有必要采取两阶段最小二乘法。

在回归（6.6.8）和（6.6.10）之间，你觉得哪个模型好？为什么？

答：方程（6.6.8）是一个增长方程，而方程（6.6.10）则是一个线性趋势模型。前者给出了回归子的相对变化，而后者给出的则是绝对变化。为便于比较，相对变化可能更有意义。、

对回归（6.6.8）检验假设：斜率系数与0.005无显著差异。

答：虚拟假设是：真实的斜率系数为0.005。对立假设可以是单侧的，也可以是双侧的。如果使用双侧对立假设，估计的斜率值为0.00705，利用t检验可得：t=（0.00705-0.005）/0.00018=11.3889这个t值是高度显著的，因此可以拒绝虚拟假设。

参照第8章中讨论的儿童死亡率的例子。此例涉及儿童死亡率（CM）对人均GNP（即PGNP）和妇女识宇率（FLR）的回归。现在假设我们增加变量总人口出生率（TFR），得到如下回归结果。a.将这些回归结果与方程（8.1.4）中给出的结果相比较。你看到了什么变化？你又如何解释这些变化？b.值得在模型中增加变量TFR吗？为什么？c.既然所有的t系数都是个别统计显著的，我们能否说此时不存在共线性问题？

答：a.尽管人均GNP和FLR的系数和截距的数值都有所变化，但符号未变。此外，这些变量仍是统计显著的。这些变化来自TFR变量的引入，从而表明这些回归元之间可能存在某种共线性。b.由于TFR系数的t值高度显著（p值仅为0.0032），所以看来模型应包含TFR。由于一个妇女生育的子女数越多，儿童死亡率提高的可能性就越大，所以这个系数符号为正也说得通。c.不能，因为有存在共线性，但每个系数仍都是统计显著的情形。多重共线性的问题仍需要采用各种侦察手段。

在涉及诸如GNP、货币供给、价格、收入、失业等时间序列的数据中，一般都疑虑存在多重共线性，为什么？答：经济变量通常受到诸如商业周期和时间趋势等类似因素的影响。因此，在回归分析中，使用诸如GNP和货币供给等变量时，应该预计到存在多重共线性的可能。

逐步回归。为决定一个回归模型的“最优”解释变量集，研究者常用逐步回归的方法。在此方法中，既可采取每次引进一个X变量逐步向前回归（stepwise forward regression）的程序，也可先把所有可能的X变量都放在一个多元回归中，然后逐一地把它们剔除逐步向后回归（stepwise backward regression）。加进或剔除一个变量，通常是根据F检验看它对ESS的贡献而作出决定的。根据你现在对多重共线性的认识，你赞成某种逐步程序吗？为什么？

答：不赞成。变量的添加应该基于经济理论，而不能仅基于多一个变量就能使ESS或R2增大。而且，如果变量有相关关系，那么添加或剔除一些变量会改变其他的系数值。

.......

>>>本文为资料节选>>>完整版及相关资料均载于攻关学习网>>>每年更新！

>>>完整版>>>百度>>>攻关学习网>>>查找>>>

>>>或直接复制网址查找   

http://ggw.100xuexi.com

标签：