计量经济学习题集答案
计量经济学习题集参考答案
第一章
一、单选
ADABD BAACB ACBD 二、多选
ABCD BCDE BCE ABC 三、四、 略
第二章
一、单选
CBDDD BCDDD ADBDC ABBDD BDAAD BBCB 二、多选
ACD ABCE ABC BE AC CDE ABCE CDE ABCE ADE ABCDE ABCE BCE 三、判断 ×××√× 四、五、 略
六、计算与分析题 1、(1)令Y=1/y,X=e
x
,则可得线性模型:Y=0+1X+u。
(2)X1=sinx,X2=cosx,X3=sin2x,X4=cos2x,则原模型可化为线性模型
Y=1X1+2X2+3X3+4X4+u。
2、(1)设X1=
11
,X2=2,则原模型化为 xx
y=0+1X1+2X2+u;
(2) 对原模型取对数:
LnQ=LnA+αLnK+βLnL+u,
设Y=LnQ,a=LnA,X1=LnK,X2=LnL,则原模型可化为: Y=a+αX1+βX2+u。
(3) 模型取对数:
Lny=0+1x+u,设Y=Lny,则原模型化为
Y=0+1x+u。
(4) 由模型可得:
1-y=
exp[(01xu)]
,从而有:
1exp[(01xu)]
y
exp(01xu) 1y
取对数:Ln(
yy)01xu,设Y= Ln(),则 1y1y
原模型可化为:Y=01xu。
3、显著;Sˆ=4.8387,Sˆ=0.0433;[0.7186, 0.9013],不包含0。
1
ˆ=26.2768+4.2589X 4、(1)y
(2)两个系数的经济意义:产量为0时,总成本为26.2768;
当产量每增加1时,总成本平均增加4.2589。 (3)产量为10时,总成本为68.8658。
5、-4.78表示当联邦资金利率增加一个百分点时,美国政府每100美元债券的价格平均下降4.78美元,101.4表示当联邦资金利率为0时,美国政府每100美元债券的价格平均为101.4
ˆ表示拟合值,Y表示实际观测值;没有;联邦资金利率影响美国政府债券价美元。一样;Yi
格,它们之间是反向变动的关系。 6、(1)横截面序列回归。 (2)略
(3)截距2.691 1表示咖啡零售价在t时为每磅0美元时,美国平均咖啡消费量为每天每人2.691 2杯。它没有经济意义。
(4)斜率-0.479 5表示咖啡售价与其消费量负相关。在时间t,若售价每上升1美元/磅,则平均每天每人消费量会减少0.479 5 杯。
(5)不能。因为同一条消费曲线上不同点的价格弹性是不相同的。要求咖啡需求的价格弹性,必须确定具体的X值及与之对应的Y值。
7、证明:
(1)由于ui满足所有的一元线性回归模型的基本假设,因此有E(Yi)=Xi,从而
E(Y)=E(
11
Yi)(Xi)X, nn
E(YiY)(XiX)
因此有
ˆ]E[Y/X]X/X E[1
ˆ]E[XY/X2]E[iiiXiE[Yi]/Xi2XiXi/Xi2 2ˆ](XX)E(YY)/(XX)2] E[ii3i
(X
i
X)(XiX)/(XiX)2]=β
这说明三个估计量都是无偏的。
ˆY/X(2)由于1
1
Yi/X和Var(Yi)=u2,故有 n
ˆ)2/(nX2) V(1u
ˆ)V(XY/X2)2/(X2) V(iiiui2
注意到:
(X
i
X)(YiY)(XiX)Yi,我们有
ˆ)V[(XX)Y/(XX)2]=2/(XX)2 V(iiiui3
由于
(X
i
X)X2XiXX
2
2i
2
Xi22XXinX=Xi2nX
22
ˆ)最小。 因此方差V(2
8、横截面序列回归; 消费支出Y=a+b*可支配收入X
ˆt=51.3960+0.7943xt y
t=(0.3581)(30.9166) R= 0.9715 F=955.8383
斜率表示:当收入增加一个单位时,消费支出平均增加了0.7943个单位;
常数项不显著,斜率显著;X=1000时,Y的点预测值为845.696; 其95%的区间预测为:[432.65, 1253.35]。 9、(1)图形略
2
ˆ=2.63+1.2503X (2)回归方程为Yii
(3)实际利率不变时,名义利率与通胀正相关。斜率1.2503表示了这种正相关关系,即通胀率上升(或下降)一点,则平均地,名义利率上升(或下降)1.2503点。
10、(1)散点图略
ˆt=0.0098+0.4852xt R2=0.9549 y
(0.2849) (0.0333)
(2)回归系数β的含义是国民收入每增加一个单位,货币供应量将增加0.4852个单位。 (3)希望1997年国民收入达到15.0,货币供应量应定在Y=7.2878水平上。
11、(1)回归结果为
ˆP=-273 722.54+105 117.58GPA ASii
(85 758.310) (26 347.09)
t= (-3.191 8) (3.989 7) r2=0.36
因为估计的GPA的系数是显著的,所以它对ASP有正的影响。 (2)回归结果为
ˆP=-332 306.84+641.66GMAT ASii
(47 572.09) (76.150 4)
t=(-6.985 3) (8.426 2) r2=0.717 2
显著正相关。
(3)因为回归模型为
ˆP=23 126.321+2.63Tuitioni ASi
(9 780.863) (0.551 6)
t=(2.366 4) (4.774 3) r2=0.448 7
所以每年的学费与ASP显著正相关。
从回归方程看,学费高,ASP就高。但是因为学费解释了ASP变动的71%影响ASP
的因素还很多,所以不是很绝对的。 (4)因为
ˆA=3.147 6+6.170 6Tuitioni GPi
(0.072 6) (4.090 6)
t=(43.379 4) (1.508) r=0.0751
2
ˆAT=570.426 4+0.003 1Tuitioni GMi
(13.837 2) (0.000 8)
t=(41.224 3) (4.025 7) r=0.367
所以,高学费的商业学校意味着较高的GMAT成绩,因为GMAT与Tuition显著正
相关;因为GPA成绩与Tuition不是显著正相关的,所以高学费的学校不意味着较高的
2
GPA成绩。
第三章
一、单选
CDCBD ADCBB ACBCC CBBDB CDBAB CA 二、多选
BCD ACDE BCD ABC ABCD
三、四、 略
五、计算与分析题 1、(1)系数0.10表示当其他条件不变时,施肥强度增加1磅/亩时,玉米产量平均增加0.1蒲式耳/亩;系数5.33表示当其他条件不变时,降雨量增加1时,玉米产量平均增加5.33蒲式耳/亩。 (2)不意味。
ˆ)=0.4,但ˆ不一定就等于0.4。 (3)不一定。F的真实值为0.4,说明E(FF
ˆ)≠5.33,但ˆ的真实值可能会等(4)否。即使RS不是最佳线性无偏估计量,即E(RSRS
于5.33。
2、(1)截距项为-58.9,在此没有什么意义。X1的系数表明在其它条件不变时,个人年消费量增加1美元,牙买加对进口的需求平均增加0.2万美元。X2的系数表明在其它条件不变时,进口商品与国内商品的比价增加1美元,牙买加对进口的需求平均减少0.1万美元。 (2)被回归方程解释的部分为96%,未被回归方程解释的部分为4%。 (3)提出原假设:H0:b1=b2=0, 计算统计量
R2/kESS/k0.96/2F1922
RSS/(nk1)(1R)/(nk1)0.04/16 =
FF0.05(2,16)=3.63,拒绝原假设,回归方程显著成立。 (4) 提出原假设:H0:b1= 0,
ˆb0.2ˆT(b1)121074
S(b1)0.0092
:t0.025(16)=2.12,拒绝原假设,接受b1显著非零,说明X1 ---个人消费支出对进口需求有
解释作用,这个变量应该留在模型中。 提出原假设:H0:b2=0
ˆb0.1ˆ(b2)21.19S(b2)0.084
:t0.025(16)=2.12,不能拒绝原假设,接受b2显著为零,说明X2 ---进口商品与国内商品的比价对进口需求没有解释作用,这个变量不应该留在模型中。
3、(1)b2=
74778.346*2804250.9*4796550620
==0.7266 2
[1**********].096*2804796
4250.9*84855.09674778.346*[1**********]
==2.7363 b3=
[1**********].096*28047962b1=367.693-0.7266*402.760-2.7363*8.0=53.1572
(2)
2
e
2
t
n3
=
660420.7266*74778.3462.7363*4250.9
=6.3821
153
se(b1)=(b1)=[(
11/2
+A*6.3821)]=12.768 15
402.7602*2808.02*84855.0962*402.76*8.0*4796.0
A=
84855.096*280.047962
同理可得:
se(b2)=0.0486 ,se(b3)=0.8454
(3)R=
2
2
b2yix2ib3yix3i
2yi
=0.9988
2
R=1-(1-R)
n1
=1-(1-0.9988)(14/12)=0.9986 nk
(4)自由度=15-3=12,α=5%,查表得:P(|t|≤2.179)=0.95 ∴ -2.179≤ 从而得:
0.6207≤B2≤0.8325,0.8942≤B3≤4.5784
∴B295%的置信区间为[0.6207,0.8325],B395%的置信区间为[0.8942,4.5784]
(5)H0:Bi=0,(i=1,2,3);H1:Bi≠0 α=5%(双边),自由度=15-3=12 查表得临界值为-2.179≤t≤2.179
t1=(53.1572-0)/12.9768=4.0963>2.179,∴拒绝零假设,即B1≠0。 t2=(0.7266-0)/0.0486=14.9509>2.179,∴拒绝零假设,即B2≠0。
2.7363B30.7266B2
≤2.179,-2.179≤≤2.179
0.04860.8454
t3=(2.7363-0)/0.8454=3.2367>2.179,∴拒绝零假设,即B3≠0。
4、(1)回归结果表明空调价格与BTU比率、能量效率、设定数是相关的,相关系数分别为
0.023,19.729,7.653。
(2)该回归结果的经济意义在于揭示了影响空调价格的因素。 (3)H0:B2=0;H1:B2≠0
自由度=15,α=5%,查表得t的临界值为1.753 ∵t=
0.0230
=4.6>1.753,∴拒绝零假设,即B2≠0。
0.005
∴BTU价格对价格有正向影响。 (4)F=
0.84/(41)
=26.25
(10.84)/(194)
在自由度为(3,15)时,F的临界值很小(
所以不能拒绝零假设,三个解释变量在很大程度上解释了空调价格的变动。 5、(1)尽管方程A的拟合优度更好,大多数观察者更偏好方程B。因为B中系数估计值的
符号与预期一致。另外,X4是一个对校园跑道而言理论上合理的变量,而X3规定的不充分(特冷或特热的天气会减少锻炼者)。 (2)自变量的系数告诉我们该变量的单位变化在方程中其他解释变量不变的条件下对因变
量的影响。如果我们改变方程中其它变量的值,则我们是保持不同的变量不变,因此β有不同的意义。 6、(1)“最小二乘”估计是求出Y的实际值和估计值之差的平方和最小的参数估计值。“平
方”最小是指它们的和最小。 (2)若R=0,则残差平方和RSS等于总体平方和TSS,即回归平方和ESS等于0。因为
2
R2=ESS/TSS,TSS=ESS+RSS,它不能为负。
(3)模型A:R=1-(1)[(56-1)/(56-1-1)]=-0.02=0
模型T:R=1-(1-0.40)[(38-1)/(38-2-1)]=0.37
(4)模型T与预期的估计值符号一致,并且包含了一个重要变量(假定利率为名义利率),
因此它优于模型A,模型A的符号与预期不一致。较高的R并不意味着方程就自动的更优。
7、(1)CLFPRM=51.965+0.056*UNRM+3.12*AHE82
se=(5.223) (0.084) (0.706) R=0.6324
2
2
22
t= (9.949) (0.662) (4.419) R=0.5799
(2)CLFPRF=125.243-1.004*UNRM+8.207*AHE82
se=(13.992) (0.259) (1.951) R2=0.8311 t=(8.951) (-3.878) (-4.027) R=0.8093
(3)CLFPRM=81.065-0.089*UNRM-0.464*AHE
se=(0.642) (0.047) (0.043) R2=0.9044 t=(126.355)(-1.888) (-10.721) R=0.8907
(4)CLFPRF=45.345-0.365*UNRM+1.397AHE
se=(1.648)(0.123) (0.100) R2=0.9745 t=(27.519)(-2.977) (13.905) R=0.9708
(5)(1)和(3)的回归结果不同,可能的解释为:(1)(3)采用的平均小时工资分别采
用1982年美元价和当前美元价进行衡量,这就存在通货膨胀对实际工资的影响,即使名义工资是上升的,实际工资也有可能下降,从而导致劳动参与率的下降。
(6)解释同(5)。
222
2
ˆt=10.647+0.634x1t-9.052x2t R=0.98 8、y
(0.0316) (5.4015)
2
ˆ=12.828 996-7.431 180 9X+1.581 507 2X-0.732 085 5X 9、Y324
(4.745) (2.839) (0.234) (2.326) t检验量: t1=2.704 t2=-2.617 t3=6.745 t4=-0.315
R=0.937,R= 0.925 ,F=78.727
若给定显著性水平α=0.05,则t0.025(20-3-1)=2.120,可知变量X2,X3显著,变量X4不显著。F0.05(1,16)=4.49,线性回归方程显著。 去掉X4,重新估计得:
2
2
ˆ=12.539-7.175X+1.550X Y32
(4.530) (2.647) (0.206)
t检验量:t1=2.768 t2=-2.710 t3=7.531 R=0.936 160 R=0.929 F=124.646
2
2
若给定显著性水平α=0.05,则t0.025(20-2-1)=2.110,可知变量X2,X3显著。
F0.05(1,17)=4.45,方程也是显著的。
ˆ=-151.026 3+0.117 9X+1.545 2X 10、Y12
(49.245) (0.018) (0.457) t=(3.066 806) (6.652 983) (3.378 064)
R2=0.934 331 R=0.929 640
t0.025(28)= 2.048 显然三个参数显著不为0。
F=199.189 4>F0.05(2,28)=3.34,线性回归方程显著成立。
11、设z1x,z2x,则原模型变为
2
2
y01z12z2u
可对此线性模型应用OLS法估计,得:
ˆ9.9426.4218z12.2133z2 R2=0.9940 y
se= (5.0730) (0.4229) 所以,原模型为:
ˆ9.9426.4218x2.2133x2 R2=0.9940 y
se= (5.0730) (0.4229)
第四章
4.1
一、单选
DABCA CCBBD BA 二、多选
AB BD BCDE ABCD 三、判断 ×√√√√ 四、五、 略
六、计算与分析题 1、(1)对模型进行变换:
yt/x1t0/x1t12x2t/x1tut/x1t
变换后的模型已无异方差性,因为
V(ut/x1t)V(ut)/x12t2x12t/x12t2(常数)
(2)记ytyt/x1t,x1t1/x1t,x2tx2t/x1t,utut/x1t 则模型变为
***
yt*10x1t2x2tut
*
*
*
*
**
1xtyt**
1xtx2t*2xt
*1t
2
ˆ0
*
2*xtyt
xxx
*1t*
*21t*2t*
xxx
*
*
2t*22t
ˆ2,
*
1xt**1xtx2t
2
xxx
*1t
*21t*2t
yxyxxxx
*1t*2t*1t
*t*t
*2t*22t
ˆ1yˆ0x1ˆ2x2
2、(1)略
ˆ=4.6103+0.7574X,可能存在异方差。 (2)y
ˆ=6.7381+0.2215X,不存在异方差。一般结论:异方差是由个别异常观测值引起 (3)y
的。
3、应用OLS估计,得原模型的回归方程为:
ˆ=-644.1+0.085X Yii
se=(117.6) (0.005)
R2=0.903
首先检验模型是否存在异方差性,运用Goldfeld_Quandt检验。 对观测值X较小的子样本,应用最小二乘法得:
ˆ=-738.84+0.088X Yii
se=(189.4) (0.015)
R2=0.787
ESS1=144 771.5
对观测值X较大的子样本,应用最小二乘法得:
ˆ=1141.07+0.029X Yii
se=(709.8) (0.022)
R2=0.152
计算统计量
ESS2=769 889.2
F=
ESS2769889.2
=5.3
ESS1144771.5
给定显著性水平α=5%,查F分布表得临界值F0.05(9,9)=3.18。因为F=5.3>3.18,拒绝同方差假设,即随机误差项存在异方差性。
假设Var(ui)=Xi,变换原模型,得
2
2
Yiu101i XiXiXi
记Yi=
*
Yiu1**
,Xi,uii,运用OLS估计得
XiXiXi
ˆ*0.088718.88X* Yii
se =(71.27) (0.004) R2=0.770
4、(1)应用OLS估计:
ˆ=-90.222+0.870X 较小样本:Yii
se=(123.231)(0.058) ESS1=10957.8
ˆ=-79.772+0.835X 较大样本:Yii
se=(108.523)(0.033) ESS2=41118.96
计算统计量
F=
ESS241118.96
=3.7525
ESS110957.8
给定显著性水平α=5%,查F分布表得临界值F0.05(8,8)=3.44。因为F=3.7525>3.44,拒绝同方差假设,即随机误差项存在异方差性。 (2)应用OLS估计:
ˆ=29.032+0.806X Yii
se=(47.260)(0.017) R2=0.992
xi
1893.00
1919.00 1953.00 1957.00 1960.00
yi
1585.00 1577.00 1596.00 1560.00 1660.00
ei
30.21 1.25 -7.15 -46.37 51.21
xi的等级
1 2 3 4 5
|ei|的等级 8 1 4 12 13
di
-7.00 1.00 -1.00 -8.00 -8.00
di2
49.00 1.00 1.00 64.00 64.00
2248.00 2314.00 2334.00 2450.00 2515.00 2688.00 2769.00 2774.00 2839.00 2895.00 3547.00 3626.00 4297.00 4632.00 1846.00 1977.00 1898.00 2048.00 1947.00 2087.00 2322.00 2311.00 2341.00 2303.00 2940.00 2856.00 3530.00 3777.00 5.08 82.88 -12.24 44.27 -109.12 -108.56 61.15 46.12 23.73 -59.40 52.09 -95.59 37.59 14.58 7 8 9 10 11 12 13 14 15 16 17 18 19 20 3 17 5 10 20 19 16 11 7 15 14 18 9 6 4.00 -9.00 4.00 .00 -9.00 -7.00 -3.00 3.00 8.00 1.00 3.00 .00 10.00 14.00 16.00 81.00 16.00 .00 81.00 49.00 9.00 9.00 64.00 1.00 9.00 .00 100.00 196.00
d
2i
=826
rs1
6di2n(n21)
=
=1-
6*826
=0.3789 2
20(201)
=1.877
T=
rsn2r
2s
0.3789*0.3789
2
在5%的显著性水平下,t0.025(18)=2.101; 在10%的显著性水平下,t0.05(18)=1.734
所以,在在5%的显著性水平下,可以认为没有异方差性;但在10%的显著性水平下,认为存在异方差性。 (3)令Yi=
*
Yi1*
,Xi, XiXi
*
*
ˆ45.463X0.800 R2=0.041 运用OLS估计得:Yii
se =(51.691) (0.021)
t =(0.880) (37.611)
ˆ=45.463,ˆ=0.800。 因此,原模型的无偏估计为:01
5、 销售xi 6 375.3 11 626.4
|ei| 333.79 470.90
销售xi排序 1 2
|ei|排序 4 6
di
-3 -4
21 896.2 26 408.3 32 405.6 35 107.7 40 295.4 70 761.6 80 552.8 95 294.0 101 314.1 116 141.3 122 315.7 141 649.9 175 025.8 230 614.5 293 543.0 r=1-6*
633.02 540.65 143.67 307.73 1 056.66 1 941.06 3 857.50 685.74 1 829.60 2 209.60 359.23 1 547.84 7 434.34 5 845.88 28.94 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 9 8 2 3 11 14 16 10 13 15 5 12 18 17 1 -5 -3 4 4 -3 -5 -6 1 -1 -2 9 3 -2 0 17
rsn2566
0.4159, =1.829
218*(1821)rs
在5%的显著性水平下,这个值是显著的,所以接受存在异方差的假设。
6、(1)对回归方程的t检验是显著的,而且回归方程中的系数比表中数据显著,说明表中数据高估了标准差。
(2)散点图略。散点图表明存在异方差。 (3)得出的结论是存在异方差。 (4)采用加权最小二乘法。
7、(1)Salaryi=B1B2Ageiui (2)若误差与年龄成正比,则模型变为
Salaryi
Agei
1720AgeiB1Agei
1738
AgeiAgeiAgeiAgei
Salaryi
Agei
B2
uiAgei
回归得:se=(406.8) (348.5)
t=(-4.22) (4.986)
(3)若误差与年龄平方成正比例,则模型变为:
Salaryi1
2.94()415.39
AgeiAgei
se = (0.4488) (21.83) t = (-6.554) (19.02)
(4)(3)中的回归系数更显著,故更为可行。
ˆ=2 027 + 0.229 7X 8、(1) Yii
se=(944.8) (0.100 7)
t=(2.145) (2.280)
R2 =0.4262
(2)
ˆYi
i
X1
2390.182i
ii
se=(1 142) (0.125 9) t=(2.099) (1.449)
R2 =0.6506
回归方程(2)更好,因为消除了异方差的影响。
ˆ=3865-5.195X+0.007X+3.259X-448.9X 9、(1)Yi2i3i4i5i
se=(1553)(7.848) (0.0672) (10.47) (327.0)
t=(2.538)(-0.6619) (0.1043) (0.3112) (-1.373) R2=0.3920 (2)Park 检验:
Lnei=14.67-0.604LnX2i-0.1532LnX3i+0.1539LnX4i-0.8807LnX5i Se=(9.797)(1.262) (0.8045) (0.8285) (0.7265) t=(1.497)(-0.479) (-0.1905) (0.1857) (-1.212)
2
R2=0.3359
在5%的显著性水平下,估计的斜率系数均不显著,不能判断。 4.2
一、单选
DBADD ACDBB BBACA DDBCC CDCC 二、多选
BC ABCE ADE AB ABCDE 三、判断
×√×√××√√√√ 四、五略
六、计算与分析题
ˆ=10.77157+0.024978X 1、(1)y
(1.1302027)(7.236261)
R2=0.765957 DW=0.470962 F=52.36347 (2)存在一阶自相关
(3)DW=2(1-), =0.76452
ˆtyˆt14.2488090.035224(xtxt1) (4)y
DW=1.424375 无自相关
ˆ=-18.043184+0..35224X (5)y
ˆ=53.12938-0.01447X AR(1):1.194698 (6) y
DW=2.533979 无自相关
2、(1)查表有dL=1.03,dU=1.67
∵d=0.81
(2)查表有dL=0.95,dU=1.54,4-dL=3.05,4-dU=2.46
∵d=3.48>4-dL=3.05 ,∴存在一阶负的自相关。
(3)查表有dL=1.07,dU=1.83
∵dL=1.07
(4)查表有dL=1.22,dU=1.73,4-dL=2.78,4-dU=2.27
∵4-dU=2.27
∵dU=1.57
∵d=0.91
(7)查表有dL=0.98,dU=1.88
∵dL=0.98
ˆ0.259420.5880(3、(1)Yt
1
) Xt
2
t=(-0.2572) (4.3996) r=0.6594
(2)d=0.6394
(3)存在一阶正的自相关。 (4)1
*
d
=0.6803 2
*
ˆ1.3150.1648X (5)Ytt
se=(0.447) (0.221) t=(2.941) (0.745)
R2=0.0526 d=0.8758
利用D——W检验,可发现仍然存在一阶正的自相关。
ˆt261.090.2452xt R2=0.9388 4、(1)y
t=(-8.3345) (16.616)
(2)d=0.5901,存在正的自相关。
1
d
=0.7025 2
ˆt405.650.3100xt R2=0.9729 (3)(i) y
t=(-5.245) (9.1868)
ˆt302.070.2674xt R2=0.9679 (ii) y
t=(-5.606) (10.635)
ˆ10.770.02512X 5、(1)Ytt
se=(9.240) (0.003361)
t=(1.166) (7.474)
R2=0.7773 d=0.4607
在5%显著性水平下的临界值为1.158,1.391 (2)因为d=0.4607
所以拒绝原假设,即存在一阶正的自相关。 (3)1
d
=0.7697 2
(4)舍去第一个观测值:
ˆ*6.1830.03806X* Ytt
se=(6.907) (0.004849)
t=(-0.8952) (4.481)
R2=0.5724 d=1.361
包含第一个观测值:
ˆ*6.1860.0380X5t* Yt
se=(6.907) (0.008490) t=(-0.8952) (4.481)
R2=0.5724 d=1.361
ˆt231.7990.217x1t0.024x25.77x3 6、(1)y
(2)d=1.824
dU=1.331
(3)采用Spearman等级系数相关检验法: rs1
6di2n(n21)
=1-
6*340
=-0.1888
12(1221)
=
=0.608
T=
rsn20.1888*r
2s
0.1888
2
在5%的显著性水平下,t0.025(10)=2.228;
表明没有明显的异方差。 4.3
一、单选 CCBCA B 二、多选
ACD ACD ACD ABC ABCDE 三、判断
×√×√×× 四、五、略
六、计算与分析题
1、计算相关系数r12=-0.94,所明x1与x2之间存在着较强的共线性。 先作y对x1的回归得:
ˆ=12.49-0.65x1 R2=0.78 y
(1.01) (0.12)
再作y对x2的回归得:
ˆ=1.22+0.13x2 R2=0.94 y
(0.64) (0.011)
最后作y对x1与x2的回归得:
ˆ=-1.92+0.198x1+0.161x2 R2=0.95 y
(0.186) (0.033)
综合分析:收入对需求拟合的较好,在二元回归方程中,价格的符号不对,因此,适合
ˆ=1.22+0.13x2 R2=0.94 的方程应该是:y
(0.64) (0.011)
ˆ24.340.8716X0.03495X 2、(1)Yt23
se=(6.280) (0.3144) (0.0301)
t=(3.875) (2.773) (-1.160)
R2=0.9682
(2)有。因为R2值很大,而部分系数却不显著(t统计量很小)。
ˆ24.450.5091X (3)Yt2
se=(6.414) (0.0357) t=(3.813) (14.24)
R2=0.9621
ˆ26.450.04804X Yt3
se=(8.446) (0.04543)
t=(3.312) (10.58)
R2=0.9332
在这两个回归方程中,系数是显著的,而在同时对两个变量的回归中,却存在部分系数不显著,说明存在多重共线性。
ˆ2.4260.09521X (4)X23
se=(7.010) (0.00377)
t=(0.003461) (25.25)
R2=0.9876
R2值很大,而且系数是显著的,说明两个变量之间存在着高度的共线性。
(5)不会。因为这样可能造成模型设置失误,可通过重新考虑模型来消除共线性。
3、(1)x2是特定商品的价格指数,而x3是总体价格指数。这两种价格指数之间不存在线性关系也是可能的。
(2)x6是劳动力市场就业情况的一种指标。一般来讲,就业水平越高,对客车的需求也将越大。
(3)由于大部分客车靠贷款买的,而利率是贷款成本的一种度量。
ˆi3.25491.7902Lnx2t4.1085Lnx3t2.1272Lnx4t (4)Lny
t=(0.1703) (2.05) (-2.5683) (1.6912) 0.0304Lnx5t0.2778Lnx6t R2=0.8548 (-0.2499) (0.1364)
(5)从(4)中结果可看出多重共线性可能存在: 首先,R2较高,但是只有两个t是显著的;
第二,新车价格指数(x2)的系数为正,不符合经济意义;
第三,可支配收入(x4)和从业人数(x6)对需求都没有影响,这让人吃惊。
从以上结果可以看出:所有的x变量都高度相关。相对而言,x5相关性较弱。
由于x6与x4变化趋于一致,可舍去其中之一; 由于x3与x2变化趋于一致,可舍去其中之一。 (8)下列两个模型较合适:
ˆi22.1041.0378Lnx2t0.2949Lnx5t3.2439Lnx6t Lny
t=(-2.634) (-3.143) (-4.002) (3.719) R=0.6849
2
ˆi27.8000.9218Lnx3t0.2929Lnx5t3.7028Lnx6t Lny
t=(-3.926) (-4.549) (-3.9541) (5.229) R=0.7891
与愿模型相比,以上两模型中的所有系数符号正确且在统计上显著。
2
ˆ=3.914+0.06026X+0.08909X-0.0126X+0.007406X 4、解:(1)Y3124
se=(1.952) (0.048) (0.037) (0.018) (0.018)
R2=0.980, d= 2.1786 F=60.189
给定显著性水平α=5%,查F分布表,得临界值F0.05(4,5)=5.19,F>5.19,故回归方程显著。分别计算X1、X2、X3、X4的两两相关系数得:
r12=0.8794,r13=-0.3389,r14=0.9562,
r23=-0.3047,r24=0.7603,r34=-0.4135
可见有些解释变量之间是高度相关的。
(2)采用逐步回归法估计模型:
对Y分别关于X1、X2、X3、X4做最小二乘估计得:
ˆ=0.942+0.122X Y1
se=(0.573) (0.010)
t=(1.645) (11.737) r2=0.945 R2=0.938
ˆ=5.497+0.205X Y2
se=(0.308) (0.027)
t=(17.878) (7.627) r2=0.938 R2=0.879
ˆ=17.090-0.0951X Y3
se=(7.987) (0.080)
t=(2.140) (-1.193) r2=0.151 R2=0.045
ˆ=2.018+0.05503X Y4
se=(0.898) (0.009)
t=(2.247) (6.295) r2=0.832 R2=0.811
显然,方程对X1的回归拟合优度最大,把X1作为中最重要的解释变量,选取第一个归归方程为基本回归方程,加入解释变量X2,用OLS估计得:
ˆ=2.323+0.08183X+0.07992X Y12
se=(0.626) (0.016) (0.027)
t=(3.710) (5.220) (2.923) r2=0.975 R2=0.968
可以看出,在加入X2后,拟合优度R有所增加,参数估计值的符号也正确,并且没有影响X1的显著性,所以在模型中保留X2。
加入解释变量X3,运用OLS估计得:
2
ˆ=4.037+0.0793X+0.0795X-0.0157X Y312
se=(1.793) (0.016) (0.027) (0.015)
t=(2.251) (5.011) (2.916) (-1.020) r2=0.979 R2=0.968
可以看出,在加入X3后,拟合优度R2没有增加,并且X3和常数项不显著,所以在模型中不应保留X2。
加入解释变量X4,运用OLS估计得:
ˆ=2.686+0.04914X+0.09582X+0.01239X Y124
se=(0.785) (0.044) (0.034) (0.015)
t=(3.423) (1.127) (2.794) (0.086) r2=0.978 R2=0.967
可以看出,在加入X4后,拟合优度R2不仅没有增加,反而有所减少,并且X1和X4不显著,所以在模型中不应保留X4。
ˆ=2.323+0.08183X+0.07992X。 由此得最好的回归模型为:Y12
(已知在5%的显著性水平下,t0.025(8)=2.306,t0.025(7)=2.365 ,t0.025(6)=2.447。)
ˆ=-13.53+0.097X+0.015X-1.99X+0.34X 5、解:(1)Y3124
se=(7.5) (0.03) (0.05) (0.09) (0.15) t=(1.80) (3.66) (0.31) (-2.21) (2.27)
R2=0.996, d= 3.4 F=15.6
给定显著性水平α=5%,查F分布表,得临界值F0.05(4,5)=5.19,F>5.19,故回归方程显著。分别计算X1、X2、X3、X4的两两相关系数得:
r12=0.993,r13=0.980,r14=0.987, r23=0.964,r24=0.973,r34=0.991
可见有些解释变量之间是高度相关的。
(2)采用逐步回归法估计模型:
对Y分别关于X1、X2、X3、X4做最小二乘估计得:
ˆ=-1.24+0.118X Y1
se=(0.37) (0.002)
t=(-3.31) (41.94) R=0.995 d=2.6
2
ˆ=2.11+0.327X Y2
se=(0.81) (0.02)
t=(2.59) (15.31) R2=0.963 d=0.4
ˆ=-38.51+0.516X Y3
se=(4.20) (0.04)
t=(9.17) (12.54) R2=0.946 d=2.4
ˆ=-53.65+0.663X Y4
se=(3.63) (0.03)
t=(-14.77) (18.66) R2=0.975 d=2.1
根据经济理论分析和回归结果,易知可支配收入X1是最重要的解释变量,所以第一个归归方程为基本回归方程。加入服装价格指数X3,做OLS估计得:
ˆ=1.4+0.126X-0.036X Y31
se=(4.92) (0.01) (0.07)
t=(0.29) (8.43) (-0.54) R2=0.994, d=2.5
可以看出,在加入X3后,拟合优度R没有增加,参数估计值的变得不显著,所以在模型中不应保留X3。
加入解释变量X2,运用OLS估计得:
2
ˆ=1.598+0.131X-0.039X Y12
se=(0.622) (0.019) (0.053) t=(-2.57) (6.92) (-0.73)
R2=0.995,d=3.1
可以看出,在加入X2后,拟合优度R没有增加,并且X2系数的符号不正确,并且X2
不显著,说明存在严重的多重共线性,所以在模型中不应保留X2。
加入解释变量X4,运用OLS估计得:
2
ˆ=-8.376+0.102X+0.089X Y14
se=(8.242) (0.018) (0.104)
t=(-1.016) (5.608) (0.866) R2=0.995
可以看出,在加入X4后,拟合优度R2没有增加,参数估计值的符号也不正确,且系数不显著,所以在模型中不应保留X4。
ˆ= Yˆ=-1.24+0.118X。 由此得最好的回归模型为:Y1
(已知在5%的显著性水平下,t0.025(8)=2.306,t0.025(7)=2.365 ,t0.025(6)=2.447。)
ˆ=24.3370+0.8716X1-0.0349X2 6、(1)y
(3.8753)(2.7726) (-1.1604)
R2=0.9682 DW=2.6801 F=106.5019
(2)存在多重共线性,因为F统计量显著,而 t统计量很小,甚至不显著,X2参数的
符号不正确,因此可判断存在多重共线性。
ˆ=24.4545+0.5091X1 (3)y
(3.8128)(14.2432)
R2=0.9621 DW=2.6801 F=202.8679
ˆ=26.4520+0.0480X2 y
(3.1318)(10.5752)
R2=0.9332 DW=2.3897 F=111.8346 (4)X1(周收入)为影响Y(消费支出)的主要因素。
(5)因舍去X2(财富),因为周收入和财富高度相关,引入X2后,模型会出现严重的多
重共线性。
ˆ=-39.5896+0.1442X1+1.2523X2+0.6831X3 7、 (1)y
(-1.3043) (0.7189) (2.5330) (1.5516) R=0.7958 DW=1.8414 F=14.2881 (2) F0.05(3,11)=3.59,14.2881>3.59,模型的线性关系显著。 (3) VIF1=1/(1-0.06459)=1.069
2
VIF2=1/(1-0.6308)=2.7086 VIF3=1/(1-0.6177)=2.6157 不存在严重的多重共线性。 4.4
一、单选 DDDDC BA 二、判断 ×××√ 三、四、略
五、计算与分析题
1、解:对上述关系直接采用OLS估计得:
ˆS=852.393+0.569GDP C
t=(6.99) (193.37) R2=0.9997
因为消费CS与国内生产总值GDP均与随机项相关,而投资IV与随机项无关,与GDP高
度相关,因此用IV作为工具变量是可行的,
ˆ=1
IV
t1
15
t
CStTIVCS
=846.468
IV
t1
15
t
GDPtTIVGDP
其中,T=15,IV、CS、GDP分别为IV、CS、GDP的均值。
ˆ=CS-846.468GDP=0.568 故:0
ˆS=864.468+0.568GDP。 回归模型为:C
ˆ=2、解:1
Z
t1t
9
t
Tt9ZT
=
Z
t1
9
GDPt9ZGDP
3029*5.667*5.444
=0.6997
3829*5.667*6.778
ˆ=Tˆ*GDP=0.7018 01
回归模型为:Tt=0.7018+0.6997GDPt。
ˆ=1.4194+0.8247Y 3、(1)Ctt
(3.3325)(48.0673)
R=0.9923 DW=1.5616 F=2310.462
2
(2)以It为工具变量,估计得:
Cˆt=2.1866+0.7936Yt
(4.1437)(37.2660)
R2=0.9909 DW=1.8218 F=1388.749 以Gt为工具变量,估计得:
Cˆt=2.1527+0.7949Yt
(4.2807)(39.1921)
R2=0.9910 DW=1.8219 F=1536.017
(3)Yˆt=10.9712+4.443068It
+5.079541Gt (3.1360) (1.4415) (3.1388)
R2=0.8531 DW=1.8267 F=49.3661
以Yˆt为工具变量,估计得: Cˆt=2.1631+0.7945Yt
(4.3379)(39.5096)
R2=0.9909 DW=1.8219 F=1561.008
第五章
一、单选
BADCA BBABD 二、三、 略
第六章
一、单选
DABDB BCABD ABCDD DCCCA DDCDC DD 二、多选
ABC ABCDE ABCDE ACD ABC ABC BCD BC BDE BC 三、四、 略
五、计算与分析题
ABC
1、(1)内生变量:Qt,Qt,Pt;外生变量:t,Yt 。 (2)将方程整理为:
ds
Qt01Pt2Ytu1t Qt01Pt2tu2t
两方程相减:
(00)(11)Pt2Yt2tu1tu2t0
整理得:
Pt
1
[(00)2Yt2tu1tu2t]
(11)
将Pt的表达式代入原方程,有:
Qt
1001u1u1t
12Yt12t12t
11111111
2、由假定知:u1,u2,u3是不相关的,方程可逐个应用OLS法估计,因此,该模型是可识别的。
如果取消任何限制,则u1,u2,u3之间彼此相关,因此,第二、三个方程不能直接用OLS法估计,即不可识别。
3、(1)简化的回归模型为:
Y1t1011x1t12x2tu1t Y2t2021x1t22x2tv2t
(2)由于模型中均是m=2,k=1;所以k=m-1。由阶条件可得,两个方程均为恰好识别方程。 (3)用ILS方法,因为它给出了结构系数的一致估计值。
(4)若A3=0,则第一个仍为恰好识别方程,用ILS方法估计,第二个方程变为不可识别方程。
4、(1)Qt和Pt为内生变量,t和Yt为外生变量。
[BΓ]=
110
110
2
0 2
对方程(1):R(B00)=1,g=2,k=3,gi=2,ki=2,
R(B00)=g-1,k-ki=gi-1,所以方程(1)为恰好识别。 对方程(2):R(B00)=1,g=2,k=3,gi=2,ki=2,
R(B00)=g-1,k-ki=gi-1,所以方程(2)为恰好识别。 (2)将方程(1)代入方程(2)得简化式:
Pt
00uu2t22
Ytt1t
11111111
将Pt的表达式代入方程(2):
Qt
1001u1u1t
12Yt12t12t
11111111
Pt2表明收入Y的单位变动对价格P的影响; Yt11
Qt
21表明收入Y的单位变动对供需平衡量Q的影响。 Yt11
(3)
5、(1)
[BΓ]=
1201
1001
对方程(1),R(B00)=0,g=2,k=2,gi=2,ki=2, R(B00)
R(B00)=g-1,k-ki=gi-1,所以方程(2)为恰好识别。
(2)应用2SLS法估计方程(2): 第一阶段:
2ˆ11.92970.001M5 R =0.2162 Rtt
4
(1.9656) (7.9486*10第二阶段:
)
ˆ1275.9ˆ R2=0.9902 5508107.0249R7 Ytt
(24.9344) (29.2497)
6、(1) C I Y 1 П G
1010
[BΓ]=10001110
2
0
0 1
对方程(1):R(B00)=2,g=3,k=3,gi=2,ki=1,
秩条件:R(B00)=g-1;阶条件:k-ki>gi-1,所以方程(1)为过度识别。 对方程(2):R(B00)=2,g=3,k=3,gi=1,ki=2,
秩条件:R(B00)=g-1;阶条件:k-ki>gi-1,所以方程(2)为过度识别。 方程(3)为定义方程,无需识别。
(2)对消费方程(1)应用OLS法:
ˆ25.99300.5891Y R2=0.997 C
(7.979) (0.012) D—W=2.29 对消费方程(2)应用2SLS法:
ˆ114.7402.8773.02G 简化式:Y
ˆ25.48260.5900Y R2=0.9930 2SLS结果:C
(11.4397) (0.0175) D—W=2.31
从两种估计方法的结果可以看出,此问题的两种方法估计结果差别不大。
8、Ct=+Yt+ut=+(Ct+It)+ut Ct=
1
+
1
2t
It+ut
ICICI 所以:=
nI(I)1
t
2t
ttt
2
=62.39085
t
1
=
nItCtCtItnI(It)
2t
2
=-0.19958
解得:=77.7496 =-0.2493
ˆ=77.7496-0.2493Y 联立方程模型为: Ctt
Yt=Ct+It
9、(1)宏观经济理论说明利率取决于货币供给和货币需求,货币供给M2由央行给出,而
货币需求则取决于交易动机和预防动机(为收入GDP的函数)及投机需求(为利率的函数)即,利率取决于货币供给和收入(GDP)方程是 RtA1A2MtA3Ytu1t
对于YtB1B2Rtu2t,宏观经济理论说明从长期来看,产出取决于可用的生产要素(K和L)(资本设备和劳动力),资本设备来自于投资I,投资取决于利率水平R,即产出是利率的函数,故利率R和产出Y互相影响,存在着双向关系,为内生变量,M为外生变量。 (2)对方程RtA1A2MtA3Ytu1t而言,m=2,k=0,k
Yt
Buu2tB1B2A1B2A2
Mt+21t+=2122Mtv2t (1)
1B2A31B2A31B2A3Buu2tB1B2A1B2A2
,22,v2t21t
1B2A31B2A31B2A3
其中:21
同理:RtA1A2MtA3(B1B2Rtu2t)u1t =A1A2MtA3B1A3B2RtA3u2tu1t Rt
A1A3B1Auu1tA2
Mt32t = 1112Mtv1t (2)
1A3B21A3B21A3B2A1A3B1Auu1tA2
,12,v2t32t
1A3B21A3B21A3B2
其中:11
利用表中的数据分别对(1)和(2)进行回归后可得:
ˆ241.91.795Mˆ8.0920.00047M 7t,R Yttt
t=(-2.36) (40.90) t= (6.886) (-0.888) R2=0.986 d=0.409 R2=0.033 d=0.435 即:21
B1B2A1
=-241.9,
1B2A3
B2A2
=1.7957,
1B2A3
A1A3B1
=8.092,
1A3B2
A2
=-0.00047,
1A3B2
221.7957
=-4017.226 120.00047
22
11
12
则 B2
B121B211=-241.9+4017.226*8.092=32265.493
10、(1)因为两个方程均为m=2,k=1,k=m-1,所以两个方程均为“恰好识别”方程。 (2)RtA1A2MtA3Ytu1t (1)
YtB1B2RtB3Itu2t (2)
把(1)代入(2)得:
YtB1B2(A1A2MtA3Ytu1t)B3Itu2t
=B1B2A1B2A2MtB2A3YtB3ItB2u1tu2t
Yt1112Mt13v1t (3)
其中:11
B1B2A1
, (4)
1B2A3
B2A2
, (5)
1B2A3
B3
, (6)
1B2A3
12
13
v1t
B2u1tu2t
1B2A3
把(2)代入(1)得:
RtA1A2MtA3(B1B2RtB3Itu2t)u1t =A1A2MtA3B1A3B2RtA3B3ItA3u2tu1t Rt = 2122Mt23Itv2t (7) 其中:21
A1A3B1
, (8)
1A3B2
A2
22
1A, 3B2
A3B3
23
1A, 3B2
v3u2tu1t
1t
A1A,
3B2
利用表中的数据分别对(3)和(7)进行回归后可得:
Yˆt
249.18731.758M3t0.157I2t, t=(-2.244) (8.975) (0.196)
R2=0.986 d=0.39
Rˆt7.01410.005985Mt0.0233It
t= (6.533) (-3.1596) (3.0032)
R2=0.3142 d=0.4787
即:B1B2A1
11
1B=-249.1873, (11)
2A3
B2A2
12
1B=1.7583, (12)
2A3
B3
13
1B=0.1572 , (13)
2A3
A1A3B1
21
1A=7.0141, (14)
3B2
A2
22
1A=-0.005985, (15)
3B2
(9)(10)
23
A3B3
=0.0233 , (16)
1A3B2
221.7583
=-293.784 120.005985230.0233
=-0.148 130.1572
则 B2
A3
A121A311=7.0141-0.148*(-249.1873)=43.894
B111B221=-249.1873-(-293.784)*7.0141=1811.415
则由(13)可得:
B3=0.1572*(1-B2A3)=0.1572*(1+293.784*0.148)=6.992
再由(15)可得:
A2=-0.005985*(1-B2A3)=-0.005958*(1+293.784*0.148)=-0.226
故原模型可表示为:
ˆ43.8940.266M0.148Y Rttt
ˆ1811.415293.784R6.992I Yttt
(3)在本题中两方程均为可识别方程,而18题中仅有
ˆ32265.4934017.226R Ytt
为可识别方程,对比(18)和(19)可以看出:由于投资收入具有正面影响,所以在没有投
资的影响下,利率对收入的影响将变大(显著负相关关系),但为了保持收入的均衡,则其截距项也将相应变大,其值从1181.415跳升到32265.493。
11、(1)Y1tA1A2Y2tA3X1tu1t (1) Y2tB1B2Y1tu2t (2) Y1t68X1t (3) Y2t412X1t (4) 把(1)代入(2)可得:
Y2t2122X1tv2t 其中:21
B2A3uB2u1tB1A1B2
,22,v2t2t
1A2B21A2B21A2B2
另由(4)可得:
B1A1B2
4 , (5)
1A2B2
B2A3
12 (6)
1A2B2
把(2)代入(1)可得:
Y1t1112X1tv1t
其中:
11
A3uA2u1tA1A2B1
,12,v1t1t
1A2B21A2B21A2B2
另由(3)可得:
A1A2B1
=6 , (7)
1A2B2
A3
=8 (8)
1A2B2
联立(5)、(6)、(7)、(8)可得:
B1=-5,B2=1.5
因为对(1)而言,m=2,k=0,k
Y1tA1A3X1tu1t
*
Y2tB1B2A1B2A3X1tB2u1tu2tB1*B2X1tv2t
其中:B1B1B2A1,B2B2A3,v2tB2u1tu2t 不存在联立方程问题,可直接估计。
(b)若A1=0,则按ILS方法估计后会有四个关于i和四个未知数A2、A3、B1、B2,可列出四个关于A2、A3、B1、B2的方程,那么A2、A3、B1、B2均可求,即两个方程均可识别。
**
第七章
一、单选
CABDC ACCBA ABDCD ABBBA
二、三、 略
四、计算与分析题
1、设生产函数为y=f(L,K),利润最大表示为:
maxП=pf(L,K)-wL-rK
在完全竞争条件下,利润最大的必要条件为
f
pw=0 LLf
pr=0 KK
解方程组得:
f
=w/p Lf
MPK==r/p
K
MPL=
2、(1)A[0.6(L)
=A(0.6L
m
0.4(K)]m/
0.4K)m/
显然,当m=1时,规模报酬不变。
(2)当m=2,ρ=1时,X=A(0.6L0.4K)
1
12
X
MPL2A(0.6L10.4K1)3(0.6)L2 LX
MPK2A(0.6L10.4K1)3(0.4)K2 K
边际替代率
MRSKL
MPL3K2
() MPK2L
KKKK)/()d()/()
1替代弹性==
MPLMP3K3K2d()/(L)d(()2)/(()2)
2L2LMPKMPK
d(
3、证明:MPLAL
1
K=α(Y/L)
同样有MPK=β(Y/K)
KKKK)/()d()/()=1 替代弹性=MPLMPKK
)/()d()/(L)d(
LLMPKMPK
d(
4、对CES生产函数Y=A[L
两边取对数: LnY=LnA-
(1)K]1/
1
Ln[L(1)K]
两边取极限 limLnY=lim{LnA-0
0
1
1
Ln[L(1)K]}
= LnA-lim
0
Ln[L(1)K]
=LnA+δLnK+(1-δ)LnL 即Y=AKL1
又CES生产函数的替代弹性
1 1
两边取极限limσ=lim
0
0
1
=1 1
结论:当ρ→0时,则σ→1,CES生产函数变为C—D生产函数,所以C—D生产函数可以看作CES生产函数的特例,CES生产函数也可看作C—D生产函数的推广。 5
应用OLS法估计得:
YLK
0.0903563.36544.9572 YLK
即μ=0.090356,α=3.365442,β=4.957229 (2)平均技术进步贡献率: T
1
=0.558733 9Y/Y
1K/K
Y/Y=0.311341 9
平均资本贡献率:
K
6、模型两边取对数:
Ln2yLn3yu lny1LnA
则原模型变为:
x2x3u x1LnA
应用OLS估计得: D(2)=
29.1630.80
30.80133.00
3.12
=2929.64
D2(2)
30.80
26.99133.0029.1630.80
3.1226.99
=-416.332
D3(2)
=690.9324
ˆ-416.332/2929.64=-0.14 需求的价格弹性
ˆ=690.9324/2929.64=0.24 需求的收入弹性
7、设收入为y,需求量为Q,价格为P 需求的收入弹性
dQ/QdQdy
Ey,所以Ey
dy/yQy
dQdy
Ey=0.6*0.1=0.06 Qy
dQdPdQ/Q
EP EP,所以QPdP/P
需求的价格弹性
dQdP
EP=(-0.4)*0.05=-0.02 QP
0.06-0.02=0.04
人们在该商品上的支出额将会增加4%。 8、
pq
j
j=188,再根据公式计算
Vi:
V1=120+0.38*(280-188)=154.96
同样计算有
V2=28.28,V3=31.56, V4=46.52,V5=11.84,V6=6.84
弹性:
dvivdvv
Ei,ii,所以Eii dvvividv
E1=0.38*280/154.96=0.69
同样计算有:
E2=0.89,E3=1.60,E4=1.86,E5=0.47,E6=0.82。
9、由题目条件知预算约束条件可以写为:
PX
ii1
k
i
=V (1)
对效用函数两边取对数
LnUiLn(XiXi0) (2)
i1
k
问题转化为在满足条件(1)的前提下使得(2)取得极大值的条件极值问题:
L(Xi,)iLn(XiX)(VPiXi)
0i
i1
i1
kk
对L(Xi,)求导数:
iLPi=0 (3) 0
XiXiXi
k
L
V-PiXi=0 (4) i1
利用条件
1
i
=1,可以解出:
P(X
ii1
k
i
Xi0)
代入(3)得:
PiXiPiXiPi(XiXi0)
0i
i1
k
再利用条件(4)可得:
PiXiPiXi(VPiXi0)
0i
i1
k
这便是所求的线性支出系统。
第九章
一、单选
DAABD DBDBC 二、三、略
四、计算与分析题
1、1=-0.8,2=0.5,3=-0.3
22
r0u (1122232)1.98u22 r1u (12132)=0.25u22
(231)=-0.26u r2u 22
r3=u(-3)=0.3u
rk=0,k>3 0=1
22 1r1/r0=0.25u/1.98u=0.126 22 2r2/r0=-0.26u/1.98u=-0.131 22
3r3/r0=0.3u/1.98u=0.152
k=0,k>3 2、
j
E(xtxtj)
=E[(t1t12t2)(tj1tj12tj2)]
整理得:
0=(112) 1=(112) 2=2 s=0,s>2
3、由上题可知:
0=(1+0.04+0.01) =1.05 1=(0.2+0.02) =0.22 2=0.1 s=0,s>2
所以:0=1,1r1/r0=0.22/1.05=0.21,
2
2
2
2
2
2
2
2
22
2r2/r0=0.1/1.05=0.1,k=0,k>2
4、xT1|T=0.1*0.012+0.2*0.015=0.0042
xT2|T=0.2*0.012=0.024
xT3|T=0
5、(1)自相关函数截尾为滑动平均过程(MA);
(2)自相关函数拖尾,偏相关函数截尾为自回归过程(AR);
(3)自相关函数和偏相关函数都拖尾为自回归滑动平均过程(ARMA)。