计量经济学课后思考题答案

第五章异方差性思考题5.1简述什么是异方差？为什么异方差的出现总是与模型中某个解释变量的变化有关？答：设模型为),....,,(....n21iXXYii33i221i，如果其他假定均不变，但模型中随机误差项的方差为),...,,()(n21iVar2ii，则称i具有异方差性。由于异方差性指的是被解释变量观测值的分散程度是随解释变量的变化而变化的，所以异方差的出现总是与模型中某个解释变量的变化有关。5.2试归纳检验异方差方法的基本思想，并指出这些方法的异同。答：各种异方差检验的共同思想是，基于不同的假定，分析随机误差项的方差与解释变量之间的相关性，以判断随机误差项的方差是否随解释变量变化而变化。其中，戈德菲尔德-跨特检验、怀特检验、ARCH检验和Glejser检验都要求大样本，其中戈德菲尔德-跨特检验、怀特检验和Glejser检验对时间序列和截面数据模型都可以检验，ARCH检验只适用于时间序列数据模型中。戈德菲尔德-跨特检验和ARCH检验只能判断是否存在异方差，怀特检验在判断基础上还可以判断出是哪一个变量引起的异方差。Glejser检验不仅能对异方差的存在进行判断，而且还能对异方差随某个解释变量变化的函数形式进行诊断。5.3什么是加权最小二乘法？它的基本思想是什么？答：以一元线性回归模型为例：12iiiYXu经检验i存在异方差，公式可以表示为22var()()iiiufX。选取权数iw，当2i越小时，权数iw越大。当2i越大时，权数iw越小。将权数与残差平方相乘以后再求和，得到加权的残差平方和：2i21i2iiXYwew)(**，求使加权残差平方和最小的参数估计值**ˆˆ21和。这种求解参数估计式的方法为加权最小二乘法。加权最小二乘的基本思想是通过权数Wi使异方差经受了“压缩”和“扩张”变为同方差。区别对待不同的2i。对较小的2ie,给予较大的权数，对较大的2ie给予较小的权数，从而使2ie更好地反映2i对残差平方和的影响。5.4产生异方差的原因是什么？试举例说明经济现象中的异方差性。答：原因包括模型设定误差，模型中略去重要解释变量或者模型数学形式不正确都可能导致异方差。样本数据的观测误差以及截面数据中总体各单位的差异等也会导致异方差的存在。5.5如果模型中存在异方差性，对模型又什么影响？这时候模型还能进行应用分析吗？答：当模型中的误差项存在异方差时，参数估计仍然是无偏的但方差不再是最小的；在异方差存在的情况下，参数估计的方差可能会高估或者低估真实的方差，从而会低估或者高估t统计量，从而可能导致错误的结论。由于参数估计量不再是有效的，从而对Y的预测也将不是有效的。5.6对数变化的作用是什么？进行对数变化应注意什么？对数变换后模型的经济意义有什么变化？答：通过对数变换可以实现：一能使测定变量值的尺度缩小；二经过对数变换后的线性模型，其残差e表示相对误差，而相对误差往往比绝对误差有较小的差异。进行对数变化应注意的是，对变量取对数虽然能够减少异方差对模型的影响，但应注意取对数后变量的经济意义。如果变量之间在经济意义上并非呈对数线性关系，则不能简单地对变量取对数，这时只能用其他方法对异方差进行修正。5.7怎样确定加权最小二乘法中的权数？答：在样本容量足够的情况下，可以先尝试用怀特检验找出引起异方差的解释变量，然后通过Glejser检验找出残差e随该解释变量变化而变化的函数形式，进而以该函数开方的倒数作为权数进行加权最小二乘估计。第六章思考题6.1如何使用DW统计量来进行自相关检验？该检验方法的前提条件和局限性有哪些？答：DW检验是J.Durbin(杜宾)和G.S.Watson(沃特森)于1951年提出的一种适用于小样本的检验方法，一般的计算机软件都可以计算出DW值。给定显著水平α，依据样本容量n和解释变量个数k’，查D.W.表得d统计量的上界du和下界dL，当0ddL时，表明存在一阶正自相关，而且正自相关的程度随d向0的靠近而增强。当dLddu时，表明为不能确定存在自相关。当dud4-du时，表明不存在一阶自相关。当4-dud4-dL时，表明不能确定存在自相关。当4-dLd4时，表明存在一阶负自相关，而且负自相关的程度随d向4的靠近而增强。DW检验的前提条件：（1）回归模型中含有截距项；（2）解释变量是非随机的（因此与随机扰动项不相关）（3）随机扰动项是一阶线性自相关。；（4）回归模型中不把滞后内生变量（前定内生变量）做为解释变量。（5）没有缺失数据，样本比较大。DW检验的局限性：（1）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。这时，只有增大样本容量或选取其他方法（2）DW统计量的上、下界表要求n15,这是因为样本如果再小，利用残差就很难对自相关的存在性做出比较正确的诊断(3)DW检验不适应随机误差项具有高阶序列相关的检验.(4)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6.2当回归模型中的随机误差项为AR(1)自相关时，为什么仍用OLS法会低估jˆ的标准误差？仍然考虑一元线性回归模型，以为例：记为存在自相关的估计值，则时，说明随机误差项存在自相关，此时，所以这个时候参数估计值的方差不是最小。如果存在自相关时仍然用最小二乘方法估计参数，就极有可能低估参数估计值的真实方差。6.3判断以下陈述的真伪，并给出合理的解释。（1）当回归模型随机误差项有自相关时，普通最小二乘估计量是有偏误的和非有效的。判断：错误。当回归模型随机误差项有自相关时，普通最小二乘估计量是无偏误的和非有效的。（2）DW检验假定随机误差项ui的方差是同方差。判断：错误。DW统计量的构造中并没有要求误差项的方差是同方差。（3）用一阶差分法消除自相关是假定自相关系数为-1。判断：错误。用一阶差分法消除自相关是假定自相关系数为1，即原原模型存在完全一阶正自相关。（4）当回归模型随机误差项有自相关时，普通最小二乘估计的预测值的方差和标准误差不再是有效的。判断：正确。**2222222222222222222()ˆˆ()()()()()()()()()()()2()2()2()()ˆ()2tttttttttttiiijijijtttstssttstsstttstXXuVarEEXXXXXXEuEKuXXXXEKKKKEuKKEuuKKEuuXXVarK令K（）2ˆ()()stsKEuu满足古典假定2ˆβ*2ˆβ2β0)(tsuuE)ˆ()ˆ(2*2βVarβVar6.4对于四个解释变量的回归模型如果样本量n=50,当DW统计量为如下数值时，请判断模型中的自相关状况。（1）DW=1.05（2）DW=1.40（3）DW=2.50（4）DW=3.97答：给定显著水平α=0.05，依据样本容量n=50和解释变量个数k’=4，查D.W.表得d统计量的上界du=1.721，下界dL=1.378，4du=2.279，4dL=2.622。（1）DW=1.05dL，所以模型存在正自相关。(2)dLDW=1.40du,所以模型不能确定是否存在自相关。（3）4duDW=2.504dL，所以模型不能确定是否存在自相关。（4）DW=3.974dL，所以模型存在负自相关。第七章分布滞后模型与自回归模型7.1什么是滞后现象？产生滞后现象的原因主要有哪些？答：解释变量与被解释变量的因果联系不可能在短时间内完成，在这一过程中通常都存在时间滞后，也就是说解释变量需要通过一段时间才能完全作用于被解释变量。此外，由于经济活动的惯性，一个经济指标以前的变化态势往往会延续到本期，从而形成被解释变量的当期变化同自身过去取值水平相关的情形。这种被解释变量受自身或其它经济变量过去值影响的现象称为滞后效应。心理预期因素、技术因素、制度因素等都是产生滞后现象的原因7.2对分布滞后模型进行估计存在哪些困难？实际应用中如何处理这些困难？答：分布滞后模型进行估计存在的困难自由度问题：如果样本观测值个数n较小，随着滞后长度s的增大，有效样本容量n-s变小，会出现自由度不足的问题。多重共线性问题：由于经济活动的前后继起性，经济变量的滞后值之间通常存在较强的联系，因此，分布滞后模型中滞后解释变量观测值之间往往会存在严重多重共线性问题。滞后长度难于确定的问题：在实际经济分析中用分布滞后模型来处理滞后现象时，模型中滞后长度的确定较为困难，没有充分的先验信息可供使用。实际应用中处理这些困难的方法：对于有限分布滞后模型，其基本思想是设法有目的地减少需要直接估计的模型参数个数，以缓解多重共线性，保证自由度。对于无限分布滞后模型，主要是通过适当的模型变换，使其转化为只需估计有限个参数的自回归模型。ttttttuXXXXY4433221107.3库伊克模型、自适应预期模型与局部调整模型有哪些共性和不同之处？模型估计会存在哪些困难？如何解决？答：（1）相同之处：库伊克模型、自适应预期模型、局部调整模型三个模型的最终形式都是一阶自回归模型。（2）不同之处：1）导出模型的经济背景和思想不同。库伊克模型是在无限分布滞后模型的基础上，根据库伊克几何分布滞后假定导出的；自适应预期模型是由解释变量自适应过程得到的；局部调整模型是由应变量的局部调整得到的。2）模型存在的问题不同。三个模型的形成机理不同，所以随机误差项的结构不同，库伊克模型和自适应预期模型都存在自相关、解释变量与随机误差项相关的问题；而局部调整模型则不存在。库伊克模型和自适应预期模型不能够直接使用最小二乘法直接估计，而局部调整模型则可以。（3）模型估计存在的困难及解决的方法（a）出现了随机解释变量1ty，而1ty可能与tu相关；(b)随机扰动项可能自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动无自相关.如果用最小二乘法直接估计自回归模型，则估计可能是有偏的，而且不是一致估计。估计自回归模型需要解决两个问题：设法消除1ty与tu的相关性；检验tu是否存在自相关。所以应用工具变量法进行估计一阶自回归模型，就是在进行参数估计的过程中选择适当的工具变量，代替回归模型中同随机扰动项存在相关性的解释变量。7.4叙述用阿尔蒙多项式法估计外生变量有限分布滞后模型的方法步骤，对多项式的次数m有哪些限制，为什么？答：阿尔蒙多项式法的目的是消除多重共线性的影响。其基本原理：在有限分布滞后模型滞后长度s已知的情况下，滞后项系数有一取值结构，把它看成是相应滞后期i的函数。在以滞后期i为横轴、滞后系数取值为纵轴的坐标系中，如果这些滞后系数落在一条光滑曲线上，或近似落在一条光滑曲线上，则可以由一个关于i的次数较低的m次多项式很好地逼近，即:2012,0,1,2,,;mimiiiisms将阿尔蒙多项式变换代入分布滞后模型并整理，模型变为如下形式:00112201211232222123123,232323ttttmmtttttttstttttstttttsmmmmtttttsyzzzzuzxxxxzxxxsxzxxxsxzxxxsx对于变换后的模型，在满足古典假定的条件下，可用最小二乘法进行估计。将估计的参数代入阿尔蒙多项式，就可求出原分布滞后模型参数的估计值。在实际应用中，阿尔蒙多项式的次数m通常取得较低，一般取2或3，很少超过4。7.5考虑如下模型：tttttuYXXY132211假定ttuY和1相关。为了消除相关，采用如下工具变量法：先求tY对tX1和tX2的回归，得到tY的估计值tYˆ，然后做如下回归：tttttuYXXY132211ˆ其中1ˆtY是第一步粗估计