计量经济学课后习题答案汇总.doc

计量经济学练习题第一章 导论一、单项选择题计量经济研究中常用的数据主要有两类：一类是时间序列数据，另一类是【 B 】A 总量数据 B 横截面数据 C平均数据 D 相对数据横截面数据是指【 A 】A 同一时点上不同统计单位相同统计指标组成的数据B 同一时点上相同统计单位相同统计指标组成的数据C 同一时点上相同统计单位不同统计指标组成的数据D 同一时点上不同统计单位不同统计指标组成的数据下面属于截面数据的是【 D 】A 1991-2003年各年某地区20个乡镇的平均工业产值B 1991-2003年各年某地区20个乡镇的各镇工业产值C 某年某地区20个乡镇工业产值的合计数D 某年某地区20个乡镇各镇工业产值同一统计指标按时间顺序记录的数据列称为【 B 】A 横截面数据 B 时间序列数据 C 修匀数据 D原始数据矚慫润厲钐瘗睞枥庑赖。回归分析中定义【 B 】A 解释变量和被解释变量都是随机变量B 解释变量为非随机变量，被解释变量为随机变量C 解释变量和被解释变量都是非随机变量D 解释变量为随机变量，被解释变量为非随机变量二、填空题计量经济学是 经济学 的一个分支学科，是对经济问题进行 定量实证研究 的技术、方法和相关理论，可以理解为 数学 、 统计学 和_经济学_三者的结合。聞創沟燴鐺險爱氇谴净。 现代计量经济学已经形成了包括 单方程回归分析 ， 联立方程组模型 ， 时间序列分析 三大支柱。 经典计量经济学的最基本方法是 回归分析 。计量经济分析的基本步骤是： 理论（或假说）陈述 、 建立计量经济模型 、 收集数据 、 计量经济模型参数的估计 、 检验和模型修正 、 预测和政策分析 。残骛楼諍锩瀨濟溆塹籟。 常用的三类样本数据是 截面数据 、 时间序列数据 和 面板数据 。 经济变量间的关系有 不相关关系 、 相关关系 、 因果关系 、 相互影响关系 和 恒等关系 。三、简答题什么是计量经济学？它与统计学的关系是怎样的？计量经济学就是对经济规律进行数量实证研究，包括预测、检验等多方面的工作。计量经济学是一种定量分析，是以解释经济活动中客观存在的数量关系为内容的一门经济学学科。酽锕极額閉镇桧猪訣锥。计量经济学与统计学密切联系，如数据收集和处理、参数估计、计量分析方法设计，以及参数估计值、模型和预测结果可靠性和可信程度分析判断等。可以说，统计学的知识和方法不仅贯穿计量经济分析过程，而且现代统计学本身也与计量经济学有不少相似之处。例如，统计学也通过对经济数据的处理分析，得出经济问题的数字化特征和结论，也有对经济参数的估计和分析，也进行经济趋势的预测，并利用各种统计量对分析预测的结论进行判断和检验等，统计学的这些内容与计量经济学的内容都很相似。反过来，计量经济学也经常使用各种统计分析方法，筛选数据、选择变量和检验相关结论，统计分析是计量经济分析的重要内容和主要基础之一。彈贸摄尔霁毙攬砖卤庑。计量经济学与统计学的根本区别在于，计量经济学是问题导向和以经济模型为核心的，而统计学则是以经济数据为核心，且常常是数据导向的。典型的计量经济学分析从具体经济问题出发，先建立经济模型，参数估计、判断、调整和预测分析等都是以模型为基础和出发点；典型的统计学研究则并不一定需要从具体明确的问题出发，虽然也有一些目标，但可以是模糊不明确的。虽然统计学并不排斥经济理论和模型，有时也会利用它们，但统计学通常不一定需要特定的经济理论或模型作为基础和出发点，常常是通过对经济数据的统计处理直接得出结论，统计学侧重的工作是经济数据的采集、筛选和处理。謀荞抟箧飆鐸怼类蒋薔。此外，计量经济学不仅是通过数据处理和分析获得经济问题的一些数字特征，而且是借助于经济思想和数学工具对经济问题作深刻剖析。经过计量经济分析实证检验的经济理论和模型，能够对分析、研究和预测更广泛的经济问题起重要作用。计量经济学从经济理论和经济模型出发进行计量经济分析的过程，也是对经济理论证实或证伪的过程。这些是以处理数据为主，与经济理论关系比较松散统计学研究不能比拟的功能，也是计量经济学与统计学的区别。厦礴恳蹒骈時盡继價骚。经济数据在计量经济分析中的作用是什么？经济数据是计量经济分析的材料。经济数据是通过对经济变量进行观测和统计，从现实经济和经济历史中得到的，反映经济活动水平的数字特征。从本质上说，经济数据都是由相关的经济规律生成的，因此是反映经济规律的信息载体，确定经济规律的基本材料。经济数据的数量和质量，对计量经济分析的有效性和价值有举足轻重轻重的影响。茕桢广鳓鯡选块网羈泪。试分别举出时间序列数据、横截面数据、面板数据的实例。时间序列数据指对同一个观测单位，在不同时点的多个观测值构成的观测值序列，或者以时间为序收集统计和排列的数据，如浙江某省从1980年到2007年各年的GDP；横截面数据是指在现一时点上，对不同观测单位观测得到的多个数据构成的数据集，如2007年全国31个省自治区直辖市的GDP；面板数据就是由对许多个体组成的同一个横截面，在不同时点的观测值构成的数据，如从1980年到2007年各年的全国31个省自治区直辖市GDP。鹅娅尽損鹌惨歷茏鴛賴。第二章 两变量线性回归一、单项选择题表示x与y之间真实线性关系的是【 C 】A B EC D 参数b的估计量具备有效性是指【B 】A Var()=0 B Var()为最小C (b)0 D (b)为最小产量（x，台）与单位产品成本（y， 元/台）之间的回归方程为3561.5x，这说明【 B 】籟丛妈羥为贍偾蛏练淨。A 产量每增加一台，单位产品成本增加356元B 产量每增加一台，单位产品成本减少1.5元C产量每增加一台，单位产品成本平均增加356元D产量每增加一台，单位产品成本平均减少1.5元对回归模型进行统计检验时，通常假定服从【 C 】A N（0，） B t(n-2)C N（0，） D t(n)以y表示实际观测值，表示回归估计值，则普通最小二乘法估计参数的准则是使【 D 】A 0 B 0C 为最小 D 为最小以X为解释变量，Y为被解释变量，将X、Y的观测值分别取对数，如果这些对数值描成的散点图近似形成为一条直线，则适宜配合下面哪一模型形式?( D )預頌圣鉉儐歲龈讶骅籴。A. Yi=0+1Xi+iB. lnYi=0+1Xi+iC. Yi=0+1lnXi+iD. lnYi=0+1lnXi+i下列各回归方程中，哪一个必定是错误的?( C )A. Yi=50+0.6Xi rXY=0.8B.Yi=-14+0.8Xi rXY=0.87C. Yi=15-1.2Xi rXY=0.89D. Yi=-18-5.3Xi rXY=-0.96渗釤呛俨匀谔鱉调硯錦。已知某一直线回归方程的判定系数为0.81，则解释变量与被解释变量间的线性相关系数为( B )铙誅卧泻噦圣骋贶頂廡。A. 0.81B. 0.90C. 0.66D. 0.32对于线性回归模型Yi=0+1Xi+i，要使普通最小二乘估计量具备无偏性，则模型必须满足( A )擁締凤袜备訊顎轮烂蔷。A. E(i)=0B. Var(i)=2C. Cov(i,j)=0D. i服从正态分布用一组有30个观测值的样本估计模型，在0.05的显著性水平下对的显著性作t检验，则显著地不等于零的条件是其统计量t大于【 D 】贓熱俣阃歲匱阊邺镓騷。A （30） B （30） C （28） D （28）某一特定的x水平上，总体y分布的离散度越大，即越大，则【 A 】A 预测区间越宽，精度越低 B 预测区间越宽，预测误差越小C 预测区间越窄，精度越高 D 预测区间越窄，预测误差越大对于总体平方和TSS、回归平方和RSS和残差平方和ESS的相互关系，正确的是【B 】A TSSRSS+ESS B TSS=RSS+ESSC TSSRSS+ESS D TSS=RSS+ESS对于随机误差项i,Var(i)=E()=2内涵指（B）A随机误差项的均值为零B所有随机误差都有相同的方差C两个随机误差互不相关D误差项服从正态分布二、判断题随机误差项i与残差项ei是一回事。（ ）对两变量回归模型，假定误差项i服从正态分布。（ ）线性回归模型意味着因变量是自变量的线性函数。（ ）在线性回归模型中，解释变量是原因，被解释变量是结果。（ ）在实际中，两变量回归没什么用，因为因变量的行为不可能仅由一个解释变量来解释。（）三、填空题在计量经济模型中引入 误差 项，是因为经济变量关系一般是随机函数关系。样本观测值与回归理论值之间的偏差，称为 残差 ，我们用残差估计线性回归模型中的误差项 。_SST_反映样本观测值总体离差的大小；_SSR_反映由模型中解释变量所解释的那部分离差的大小；_SSE_反映样本观测值与估计值偏离的大小，也是模型中解释变量未解释的那部分离差的大小。坛摶乡囂忏蒌鍥铃氈淚。拟合优度（判定系数）。它是由_回归_引起的离差占总体离差的_比重_。若拟合优度越趋近于_1_，则回归直线拟合越好；反之，若拟合优度越趋近于_0_，则回归直线拟合越差。蜡變黲癟報伥铉锚鈰赘。在两变量回归中， 是的无偏估计。四、简答题什么是随机误差项？影响随机误差项的主要因素有哪些？它和残差之间的区别是什么？影响Y的较小因素的集合；被忽略的因素、测量误差、随机误差等；通过残差对误差项的方差进行估计。决定系数说明了什么？它与相关系数的区别和联系是什么？P53和P56最小二乘估计具有什么性质？ P37线性、无偏性和有效性（或最小方差性）在回归模型的基本假定中，的意义是什么？ 该假设的含义是：如果两变量之间确实是线性趋势占主导地位，随机误差只是次要因素时，那么虽然随机扰动会使个别观测值偏离线性函数，但给定解释变量时多次重复观测被解释变量，概率均值会消除随机扰动的影响，符合线性函数趋势。買鲷鴯譖昙膚遙闫撷凄。第三章 多元线性回归模型一、单项选择题决定系数是指【 C 】A 剩余平方和占总离差平方和的比重B 总离差平方和占回归平方和的比重C 回归平方和占总离差平方和的比重D 回归平方和占剩余平方和的比重在由n=30的一组样本估计的、包含3个解释变量的线性回归模型中，计算的决定系数为0.8500，则调整后的决定系数为【 D 】綾镝鯛駕櫬鹕踪韦辚糴。A 0.8603 B 0.8389 C 0.8655 D 0.8327驅踬髏彦浃绥譎饴憂锦。对于，检验H0:时，所用的统计量服从【 A 】A t(n-k-1) B t(n-k-2) C t(n-k+1) D t(n-k+2)猫虿驢绘燈鮒诛髅貺庑。调整的判定系数 与多重判定系数 之间有如下关系【 D 】 A B C D 用一组有30 个观测值的样本估计模型后，在0.05的显著性水平下对的显著性作t检验，则显著地不等于零的条件是其统计量大于等于【C 】锹籁饗迳琐筆襖鸥娅薔。A （30） B （28） C （27） D （1，28）对模型Yi=0+1X1i+2X2i+i进行总体显著性F检验，检验的零假设是( A )構氽頑黉碩饨荠龈话骛。A. 1=2=0B. 1=0C. 2=0D. 0=0或1=0在多元线性回归中，判定系数R2随着解释变量数目的增加而（B）A减少B增加C不变D变化不定二、判断题在多元回归模型的检验中，判定系数R2一定大于调整的R2。（）在EVIEWS中，genr命令是生成新的变量。（ ）在EVIEWS中，建立非线性模型的方法只有将非线性模型线性化的方法。（ ）三、填空题调整的可决系数的作用是 消除由解释变量数目差异造成的影响 。在多元线性回归模型中，F统计量与可决系数之间有如下关系：。有k个解释变量的多元回归模型的误差项方差2的无偏估计是。在总体参数的各种线性无偏估计中，最小二乘估计量具有_最小方差_的特性。四、简答题在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？P121由于没调整的决定系数只与被解释变量的观测值，以及回归残差有关，而与解释变量无直接关系。但多元线性回归模型解释变量的数目有多有少，数学上可以证明，决定系数是解释变量数目的增函数，意味着不管增加的解释变量是否真是影响被解释变量的重要因素，都会提高决定系数的数值，解释变量个数越多，决定系数一定会越大。因此，用该决定系数衡量多元线性回归模型的拟合程度是有问题的，会导致片面追求解释变量数量的错误倾向。正是由于存在这种缺陷，决定系数在多元线性回归分析拟合度评价方面的作用受到很大限制，需要修正。輒峄陽檉簖疖網儂號泶。回归模型的总体显著性检验与参数显著性检验相同吗？是否可以互相替代？多元线性回归模型每个参数的显著性与模型总体的显著性并不一定一致，因此除了各个参数的显著性检验以处，还需要进行模型总体显著性，也就是全体解释变量总体对被解释变量是否存在明显影响的检验，称为“回归显著性检验”。总体显著性检验是多元回归分析特有的，两变量线性回归解释变量系数的显著性检验与模型的总体显著性检验一致，不需要进行总体显著性检验。尧侧閆繭絳闕绚勵蜆贅。第四章 异方差性一、单项选择题下列哪种方法不是检验异方差的方法【 D 】A戈德菲尔特夸特检验 B残差序列图检验C 戈里瑟检验 D方差膨胀因子检验当存在异方差现象时，估计模型参数的适当方法是【 A 】A 加权最小二乘法 B 工具变量法C 广义差分法 D 使用非样本先验信息加权最小二乘法克服异方差的主要原理是通过赋予不同观测点以不同的权数，从而提高估计精度，即【 A 】识饒鎂錕缢灩筧嚌俨淒。A 重视方差较小样本的信息，轻视方差较大样本的信息B重视方差较大样本的信息，轻视方差较小样本的信息C重视方差较大和方差较小样本的信息D轻视方差较大和方差较小样本的信息如果戈里瑟检验表明，普通最小二乘估计结果的残差与有显著的形式为的相关关系（满足线性模型的全部经典假设），则用加权最小二乘法估计模型参数时，权数应为【C 】凍鈹鋨劳臘锴痫婦胫籴。A B C D 如果戈德菲尔特夸特检验显著，则认为什么问题是严重的【A 】A 异方差问题 B 序列相关问题C 多重共线性问题 D 设定误差问题容易产生异方差的数据是【 C 】A 时间序列数据 B 面板数据C 横截面数据 D 年度数据若回归模型中的随机误差项存在异方差性，则估计模型参数应采用【B 】 A 普通最小二乘法 B 加权最小二乘法C 广义差分法 D 工具变量法假设回归模型为，其中var()=，则使用加权最小二乘法估计模型时，应将模型变换为【C 】A B C D 设回归模型为，其中var()=，则b的最小二乘估计量为【 B 】A. 无偏且有效 B 无偏但非有效 C 有偏但有效 D 有偏且非有效三、判断题当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性。 （ ）在异方差情况下，通常预测失效。 （ ）恥諤銪灭萦欢煬鞏鹜錦。在异方差情况下，通常OLS估计一定高估了估计量的标准差。 （ ）如果OLS回归的残差表现出系统性，则说明数据中有异方差性。 （）如果回归模型遗漏一个重要的变量，则OLS残差必定表现出明显的趋势。（）当异方差出现时，常用的t检验和F检验失效。（ ）用截面数据建立模型时，通常比时间序列资料更容易产生异方差性。（ ）四、简答题什么是异方差性？试举例说明经济现象中的异方差性。两变量和多元回归线性回归模型的第三条假设都要求误差项是同方差的，就是误差项的方差是常数，即不随t变化。这条假设也不一定满足，也就是线性回归模型误差项的方差有可能随t变化，这时候称线性回归模型存在“异方差”或“异方差性”。鯊腎鑰诎褳鉀沩懼統庫。举例P162经济中不同收入家庭消费的分散度。如何发现和判断线性回归模型是否存在异方差问题？P166P174克服和处理异方差问题有哪些方法？P174P180第五章 自相关性一、单项选择题如果模型存在序列相关，则【D 】A cov（，）=0 B cov（，）=0（ts）C cov（，）0 D cov（，）0（ts）DW检验的零假设是（r为随机项的一阶自相关系数）【B 】A DW=0 B r=0 C DW=1 D r=1硕癘鄴颃诌攆檸攜驤蔹。DW的取值范围是【D 】A 1DW0 B 1DW1C 2DW2 D 0 DW4当DW4是时，说明【D 】A 不存在序列相关 B 不能判断是否存在一阶自相关C 存在完全的正的一阶自相关 D存在完全的负的一阶自相关根据20个观测值估计的结果，一元线性回归模型的DW2.3。在样本容量n=20，解释变量k=1，显著性水平a=0.05时，查得1，1.41，则可以判断【 A】阌擻輳嬪諫迁择楨秘騖。A 不存在一阶自相关 B存在正的一阶自相关C存在负的一阶自相关 D 无法确定当模型存在序列相关现象时，适宜的参数估计方法是【C 】A 加权最小二乘法 B 间接最小二乘法C 广义差分法 D 工具变量法采用一阶差分模型克服一阶线性自相关问题使用于下列哪种情况【 B 】A r0 B r1 C 1r0 D 0r1氬嚕躑竄贸恳彈瀘颔澩。假定某企业的生产决策是由模型描述的（其中为产量，为价格），又知：如果该企业在t-1期生产过剩，经济人员会削减t期的产量。由此判断上述模型存在【 B 】釷鹆資贏車贖孙滅獅赘。A 异方差问题 B 序列相关问题 C 多重共线性问题 D 随机解释变量问题根据一个n=30的样本估计后计算得DW=1.4，已知在5得的置信度下，1.35，1.49，则认为原模型【 B 】怂阐譜鯪迳導嘯畫長凉。A 不存在一阶序列自相关 B 不能判断是否存在一阶自相关C 存在完全的正的一阶自相关 D 存在完全的负的一阶自相关对于模型，以r表示与之间的线性相关系数（t=1，2，n），则下面明显错误的是【B 】A r=0.8，DW=0.4 B r=0.8，DW=0.4谚辞調担鈧谄动禪泻類。C r=0，DW=2 D r=1，DW=0已知DW统计量的值接近于2，则样本回归模型残差的一阶自相关系数r近似等于【A 】A 0 B -1 C 1 D 0.5嘰觐詿缧铴嗫偽純铪锩。已知样本回归模型残差的一阶自相关系数接近于-1，则DW统计量近似等于【D 】 A 0 B 1 C 2 D 4熒绐譏钲鏌觶鷹緇機库。戈德菲尔德夸特检验法可用于检验【A 】A 异方差性 B 多重共线性 C 序列相关 D 设定误差在给定的显著性水平之下，若DW统计量的下和上临界值分别为dL和du,则当dLDWdu时，可认为随机误差项【 D 】鶼渍螻偉阅劍鲰腎邏蘞。A 存在一阶正自相关 B 存在一阶负相关 C 不存在序列相关 D 存在序列相关与否不能断定三、判断题当模型存在高阶自相关时，可用D-W法进行自相关检验。 （ ）DW值在0和4之间，数值越小说明正相关程度越大，数值越大说明负相关程度越大。（ ）假设模型存在一阶自相关，其他条件均满足，则仍用OLS法估计未知参数，得到的估计量是无偏的，不再是有效的，显著性检验失效，预测失效。 （ ）纣忧蔣氳頑莶驅藥悯骛。当存在自相关时，OLS估计量是有偏的，而且也是无效的。 （ ）消除自相关的一阶差分变换假定自相关系数必须等于1。 （ ）发现模型中存在误差自相关时，都可以利用差分法来消除自相关。 （ ）四、简答题自相性对线性回归分析有什么影响？P196P198发现和检验自相关性有哪些方法？P198P2088克服自相关性有哪些方法？P208P215第六章 多重共线性一、单项选择题当模型存在严重的多重共线性时，OLS估计量将不具备【 C 】A 线性 B 无偏性 C 有效性 D 一致性颖刍莖蛺饽亿顿裊赔泷。经验认为，某个解释变量与其他解释变量间多重共线性严重的情况是这个解释变量的VIF【C 】A 大于1 B 小于1 C 大于10 D 小于5濫驂膽閉驟羥闈詔寢賻。如果方差膨胀因子VIF10，则认为什么问题是严重的【C 】A 异方差问题 B 序列相关问题C 多重共线性问题 D 解释变量与随机项的相关性在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于1，则表明模型中存在【A 】A 多重共线性 B异方差性 C 序列相关 D高拟合优度銚銻縵哜鳗鸿锓謎諏涼。在线性回归模型中，若解释变量和的观测值成比例，即有，其中k为非零常数，则表明模型中存在【B 】A 方差非齐性 B 多重共线性 C 序列相关 D 设定误差挤貼綬电麥结鈺贖哓类。二、判断题尽管有完全的多重共线性，OLS估计量仍然是最优线性无偏估计量。 （ ）变量的两两高度相关并不表示高度多重共线性。 （ ）在多元回归中，根据通常的t检验，每个参数都是统计上不显著的，你就不会得到一个高的值。 ( )赔荊紳谘侖驟辽輩袜錈。变量不存在两两高度相关表示不存在高度多重共线性。 ( )三、填空题强的近似多重共线性会对多元线性回归的 有效性 产生严重的不利影响。第k个解释变量与其他解释变量之间相关系数平方越大，方差膨胀因子（VIF）越 大 。存在完全多重共线性时，多元回归分析是 无法进行 。检验样本是否存在多重共线性的常见方法有：_方差扩大因子法 _和逐步回归检验法。处理多重共线性的方法有：保留重要解释变量、去掉不重要解释变量、_增加样本容量_、_差分模型_。塤礙籟馐决穩賽釙冊庫。四、简答题什么是多重共线性？多重共线性是由什么原因造成的？多重共线性是指多元线性回归模型中，模型的解释变量之间存在某种程度的线性关系（或P226P227），原因见P227228）。裊樣祕廬廂颤谚鍘羋蔺。如何发现和判断多重共线性？P230P235 克服多重共线性有哪些方法？ P235P244第七章 计量经济分析建模与应用一、单项选择题某商品需求函数为，其中y为需求量，x为价格。为了考虑“地区”（农村、城市）和“季节”（春、夏、秋、冬）两个因素的影响，拟引入虚拟变量，则应引入虚拟变量的个数为【B 】仓嫗盤紲嘱珑詁鍬齊驁。A 2 B 4 C 5 D 6绽萬璉轆娛閬蛏鬮绾瀧。根据样本资料建立某消费函数如下：=100.50+55.35+0.45，其中C为消费，x为收入，虚拟变量D，所有参数均检验显著，则城镇家庭的消费函数为【 A 】骁顾燁鶚巯瀆蕪領鲡赙。A =155.85+0.45 B =100.50+0.45C =100.50+55.35 D =100.95+55.35二、填空题在计量经济建摸时，对非线性模型的处理方法之一是_线性化_。虚拟变量不同的引入方式有两种。若要描述各种类型的模型在截距水平的差异，则以 加法 方式引入虚拟解释变量；若要反映各种类型的模型的不同相对变化率时，则以 乘法 引入虚拟解释变量。瑣钋濺暧惲锟缟馭篩凉。对于有m个不同属性的定性因素，应该设置 m-1 个虚拟变量来反映该因素的影响。三、简答题什么是虚拟变量？它在模型中有什么作用？ P255引入虚拟解释变量的两种基本方式是什么？它们各适用于什么情况？P258P260四、综合分析计算题设某商品的需求量（百件），消费者平均收入（百元），该商品价格（元）。经Eviews软件对观察的10个月份的数据用最小二乘法估计，结果如下：（被解释变量为）鎦诗涇艳损楼紲鯗餳類。 VARIABLE COEFFICIENT STD.ERROR T-STAT 2-TAILSIG栉缏歐锄棗鈕种鵑瑶锬。 C 99.469295 13.472571 7.3830965 0.000辔烨棟剛殓攬瑤丽阄应。 X1 2.5018954 0.7536147 （ 3.3199 ） 峴扬斕滾澗辐滠兴渙藺。 X2 - 6.5807430 1.3759059 （ -4.7828 ） 詩叁撻訥烬忧毀厉鋨骜。R-squared 0.949336 Mean of dependent var 80.00000则鯤愜韋瘓賈晖园栋泷。Adjusted R- squared （ ） S.D. of dependent var 19.57890胀鏝彈奥秘孫戶孪钇賻。S.E of regression 4.997021 Sum of squared resid 174.7915鳃躋峽祷紉诵帮废掃減。Durbin-Watson stat （ ） F statistics （ ）稟虛嬪赈维哜妝扩踴粜。完成以下问题：（至少保留三位小数）1写出需求量对消费者平均收入、商品价格的线性回归估计方程。2解释偏回归系数的统计含义和经济含义。3对该模型做经济意义检验。4估计调整的可决系数。5在95%的置信度下对方程整体显著性进行检验。6在95%的置信度下检验偏回归系数(斜率)的显著性。7检验随机误差项的一阶自相关性。（，）解：需求量和收入正相关，和价格负相关，收入每增加一个单位，需求量上升2.5个单位，价格每增加一个单位，需求量下降6.58个单位；陽簍埡鲑罷規呜旧岿錟。该模型经济意义检验通过；，F检验通过t1=3.3199,t2=-4.7828,t检验通过7检验随机误差项的一阶自相关性。,，,不存在一阶自相关。设某地区机电行业销售额（万元）和汽车产量（万辆）以及建筑业产值（千万元）。经Eviews软件对1981年1997年的数据分别建立线性模型和双对数模型进行最小二乘估计，结果如下：沩氣嘮戇苌鑿鑿槠谔應。表1Dependent Variable: YVariableCoefficientStd. Errort-StatisticProb. C-57.4549681.02202-0.7091280.4899X145.7055815.668852.9169710.0113X211.933391.5165537.8687610.0000R-squared0.903899 Mean dependent var545.5059Adjusted R-squared0.890170 S.D. dependent var193.3659S.E. of regression64.08261 Akaike info criterion11.31701Sum squared resid57492.12 Schwarz criterion11.46405Log likelihood-93.19457 F-statistic65.83991Durbin-Watson stat2.103984 Prob(F-statistic)0.000000表2Dependent Variable: Ln (Y)VariableCoefficientStd. Errort-StatisticProb. C3.7349020.21276517.554100.0000Ln(X1)0.3879290.1378422.8142990.0138Ln(X2)0.5684700.05567710.210060.0000R-squared0.934467 Mean dependent var6.243029Adjusted R-squared0.925105 S.D. dependent var0.356017S.E. of regression0.097431 Akaike info criterion-1.660563Sum squared resid0.132899 Schwarz criterion-1.513526Log likelihood17.11479 F-statistic99.81632Durbin-Watson stat1.839701 Prob(F-statistic)0.0000001写出机电行业销售额对汽车产量和建筑业产值的双对数线性回归估计方程。Ln(y)=3.7349+0.3879ln(x1)+0.5685ln(x2)2对双对数模型进行经济意义检验和统计意义检验。机电行业销售额和汽车产量为正相关，和建筑业产值成正相关，经济意义检验通过；R2=0.9344，方程的拟合程度较高；F=99.8163，自变量整体对因变量的影响显著； t1=2.8143，t2=10.21，t检验通过，每个自变量对y影响显著。统计检验通过。钡嵐縣緱虜荣产涛團蔺。3比较表1和表2，你将选择哪个模型？为什么？选择模型2，方程拟合程度比模型1高，其他统计检验都通过。为证明刻卜勒行星运行第三定律，把地球与太阳的距离定为1个单位。地球绕太阳公转一周的时间为1个单位（年）。那么太阳系9个行星与太阳的距离（D）和绕太阳各公转一周所需时间（T）的数据如下：懨俠劑鈍触乐鹇烬觶騮。obs水星金星地球火星木星土星天王星海王星冥王星DISTANCE0.38