计量期末练习.doc

已知回归模型，式中E为某类公司一名新员工的起始薪金（元），N为所受教育水平（年）。随机扰动项的分布未知，其他所有假设都满足。
（1）从直观及经济角度解释和。
（2）OLS估计量和满足线性性、无偏性及有效性吗？简单陈述理由。
（3）对参数的假设检验还能进行吗？简单陈述理由。
（4）如果被解释变量新员工起始薪金的计量单位由元改为100元，估计的截距项、斜率项有无变化？
（5）若解释变量所受教育水平的度量单位由年改为月，估计的截距项与斜率项有无变化？
（1）为接受过N年教育的员工的总体平均起始薪金。当N为零时，平均薪金为，因此表示没有接受过教育员工的平均起始薪金。是N每变化一个单位所引起的E的变化，即表示每多接受一年教育所对应的薪金增加值。
（2）OLS估计量和仍满足线性性、无偏性及有效性，因为这些性质的的成立无需随机扰动项的正态分布假设。
（3）如果的分布未知，则所有的假设检验都是无效的。因为t检验与F检验是建立在的正态分布假设之上的。
（4）考察被解释变量度量单位变化的情形。以E*表示以百元为度量单位的薪金，则

由此有如下新模型

或
这里，。所以新的回归系数将为原始模型回归系数的1/100
（5）再考虑解释变量度量单位变化的情形。设N*为用月份表示的新员工受教育的时间长度，则N*=12N，于是

或
可见，估计的截距项不变，而斜率项将为原回归系数的1/12。

2、对于人均存款与人均收入之间的关系式使用美国36年的年度数据得如下估计模型，括号内为标准差：

＝0.538　　
（1）的经济解释是什么？
（2）和的符号是什么？为什么？实际的符号与你的直觉一致吗？如果有冲突的话，你可以给出可能的原因吗？
（3）对于拟合优度你有什么看法吗？
（4）检验是否每一个回归系数都与零显著不同（在1%水平下）。同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述。你的结论是什么？

（1）为收入的边际储蓄倾向，表示人均收入每增加1美元时人均储蓄的预期平均变化量。
（2）由于收入为零时，家庭仍会有支出，可预期零收入时的平均储蓄为负，因此符号应为负。储蓄是收入的一部分，且会随着收入的增加而增加，因此预期的符号为正。实际的回归式中，的符号为正，与预期的一致。但截距项为正，与预期不符。这可能是模型的错误设定造成的。如家庭的人口数可能影响家庭的储蓄行为，省略该变量将对截距项的估计产生了影响；另外线性设定可能不正确。
（3）拟合优度刻画解释变量对被解释变量变化的解释能力。模型中53.8%的拟合优度，表明收入的变化可以解释储蓄中53.8 %的变动。
（4）检验单个参数采用t检验，零假设为参数为零，备择假设为参数不为零。在零假设下t 分布的自由度为n-2=36-2=34。由t分布表知，双侧1%下的临界值位于2.750与2.704之间。斜率项的t值为0.067/0.011=6.09，截距项的t值为384.105/151.105=2.54。可见斜率项的t 值大于临界值，截距项小于临界值，因此拒绝斜率项为零的假设，但不拒绝截距项为零的假设。

3、某地区通过一个样本容量为722的调查数据得到劳动力受教育年数的一个回归方程为
R2=0.214
式中，为劳动力受教育年数，为劳动力家庭中兄弟姐妹的个数，与分别为母亲与父亲受到教育的年数。问
（1）sibs是否具有预期的影响？为什么？若与保持不变，为了使预测的受教育水平减少一年，需要增加多少？
（2）请对的系数给予适当的解释。
（3）如果两个劳动力都没有兄弟姐妹，但其中一个的父母受教育的年数均为12年，另一个的父母受教育的年数均为16年，则两人受教育的年数预期相差多少年？
（1）预期sibs对劳动者受教育的年数有影响。因此在收入及支出预算约束一定的条件下，子女越多的家庭，每个孩子接受教育的时间会越短。
根据多元回归模型偏回归系数的含义，sibs前的参数估计值-0.094表明，在其他条件不变的情况下，每增加1个兄弟姐妹，受教育年数会减少0.094年，因此，要减少1年受教育的时间，兄弟姐妹需增加1/0.094=10.6个。
（2）medu的系数表示当兄弟姐妹数与父亲受教育的年数保持不变时，母亲每增加1年受教育的时间，其子女作为劳动者就会预期增加0.131年的教育时间。
（3）首先计算两人受教育的年数分别为
10.36+0.131´12+0.210´12=14.452
10.36+0.131´16+0.210´16=15.816
因此，两人的受教育年限的差别为15.816-14.452=1.364
4、考虑以下方程（括号内为标准差）：

（0.080） (0.072) (0.658)
其中：——年的每位雇员的工资
——年的物价水平
——年的失业率
要求：（1）进行变量显著性检验；
（2）对本模型的正确性进行讨论，是否应从方程中删除？为什么？

（1） 在给定5%显著性水平的情况下，进行t检验。
参数的t值：
参数的t值：
参数的t值：
在5%显著性水平下，自由度为19-3-1=15的t分布的临界值为，、的参数显著不为0，但不能拒绝的参数为0的假设。
（2）回归式表明影响工资水平的主要原因是当期的物价水平、失业率，前期的物价水平对他的影响不是很大，当期的物价水平与工资水平呈正向变动、失业率与工资水平呈相反变动，符合经济理论，模型正确。可以将从模型删除.

5、假设你以校园内食堂每天卖出的盒饭数量作为被解释变量，以盒饭价格、气温、附近餐厅的盒饭价格、学校当日的学生数量（单位：千人）作为解释变量，进行回归分析。假设你看到如下的回归结果（括号内为标准差），但你不知道各解释变量分别代表什么。

（2.6） (6.3) (0.61) (5.9)
试判定各解释变量分别代表什么，说明理由。
（1）答案与真实情况是否一致不一定，因为题目未告知是否通过了经济意义检验。猜测为：为学生数量，为附近餐厅的盒饭价格，为气温，为校园内食堂的盒饭价格；
（2）理由是被解释变量应与学生数量成正比，并且应该影响显著；被解释变量应与本食堂盒饭价格成反比，这与需求理论相吻合；被解释变量应与附近餐厅的盒饭价格成正比，因为彼此有替代作用；被解释变量应与气温的变化关系不是十分显著，因为大多数学生不会因为气温变化不吃饭。

6、假设要求你建立一个计量经济模型来说明在学校跑道上慢跑一英里或一英里以上的人数，以便决定是否修建第二条跑道以满足所有的锻炼者。你通过整个学年收集数据，得到两个可能的解释性方程：
方程A：
方程B：
其中：——第i天慢跑者的人数
——第i天降雨的英寸数
——第i天日照的小时数
——第i天的最高温度（按华氏温度）
——第i天的后一天需交学期论文的班级数
请回答下列问题：
（1）这两个方程你认为哪个更合理些，为什么？
（2）为什么用相同的数据去估计相同变量的系数得到不同的符号？
（1）方程B更合理些。原因是：方程B中的参数估计值的符号与现实更接近些，如与日照的小时数同向变化，天长则慢跑的人会多些；与第二天需交学期论文的班级数成反向变化。
（2）解释变量的系数表明该变量的单位变化，在方程中其他解释变量不变的条件下，对被解释变量的影响，由于在方程A和方程B中选择了不同的解释变量，方程A选择的是“该天的最高温度”，而方程B选择的是“第二天需交学期论文的班级数”，造成了与这两个变量之间关系的不同，所以用相同的数据估计相同的变量得到了不同的符号。

7、一个研究对某地区大学生就业的影响的简单模型可描述如下

式中，EMP为新就业的大学生人数，MIN1为该地区最低限度工资，POP为新毕业的大学生人数，GDP1为该地区国内生产总值，GDP为该国国内生产总值。
（1）如果该地区政府以多多少少不易观测的却对新毕业大学生就业有影响的因素作为基础来选择最低限度工资，则OLS估计将会存在什么问题？
（2）令MIN为该国的最低限度工资，它与随机扰动项相关吗？
（3）按照法律，各地区最低限度工资不得低于国家最低工资，那么MIN能成为MIN1的工具变量吗？
（1）由于地方政府往往是根据过去的经验、当前的经济状况以及期望的经济发展前景来定制地区最低限度工资水平的，而这些因素没有反映在上述模型中，而是被归结到了模型的随机扰动项中，因此 MIN1 与m不仅异期相关，而且往往是同期相关的，这将引起OLS估计量的偏误，甚至当样本容量增大时也不具有一致性。
（2）全国最低限度的制定主要根据全国国整体的情况而定，因此MIN基本与上述模型的随机扰动项无关。
（3）由于地方政府在制定本地区最低工资水平时往往考虑全国的最低工资水平的要求，因此MIN1与MIN具有较强的相关性。结合（2）知MIN可以作为MIN1的工具变量使用。

8、某地区供水部门利用最近15年的用水年度数据得出如下估计模型：

（-1.7） (0.9) (1.4) (-0.6) (-1.2) (-0.8)
F=38.9
式中，water——用水总量（百万立方米）,house——住户总数（千户）,pop——总人口（千人）,pcy——人均收入（元）,price——价格（元/100立方米）,rain——降雨量（毫米）。
（1）根据经济理论和直觉,请估计回归系数的符号的正负(不包括常量)，为什么？观察符号与你的直觉相符吗？
（2）在5%的显著性水平下，请进行变量的t-检验与方程的F-检验。T检验与F检验结果有相矛盾的现象吗？
（3）你认为估计值是有偏的、无效的、或不一致的吗？详细阐述理由。
（1）在其他变量不变的情况下，一城市的人口越多或房屋数量越多，则对用水的需求越高。所以可期望house和pop的符号为正；收入较高的个人可能用水较多，因此pcy的预期符号为正，但它可能是不显著的。如果水价上涨，则用户会节约用水，所以可预期price的系数为负。显然如果降雨量较大，则草地和其他花园或耕地的用水需求就会下降，所以可以期望rain的系数符号为负。从估计的模型看，除了pcy之外，所有符号都与预期相符。
（2）t-统计量检验单个变量的显著性，F-统计值检验变量是否是联合显著的。
这里t-检验的自由度为15-5-1=9，在5%的显著性水平下的临界值为2.262。可见，所有参数估计值的t值的绝对值都小于该值，所以即使在5%的水平下这些变量也不是显著的。
这里，F-统计值的分子自由度为5，分母自由度为9。5%显著性水平下F分布的临界值为3.45。可见计算的F值大于该临界值，表明回归系数是联合显著的。
T检验与F检验结果的矛盾可能是由于多重共线性造成的。house、pop、pcy是高度相关的，这将使它们的t-值降低且表现为不显著。price和rain不显著另有原因。根据经验，如果一个变量的值在样本期间没有很大的变化，则它对被解释变量的影响就不能够很好地被度量。可以预期水价与年降雨量在各年中一般没有太大的变化，所以它们的影响很难度量。
（3）多重共线性往往表现的是解释变量间的样本观察现象，在不存在完全共线性的情况下，近似共线并不意味着基本假定的任何改变，所以OLS估计量的无偏性、一致性和有效性仍然成立，即仍是BLUE估计量。但共线性往往导致参数估计值的方差大于不存在多重共线性的情况。

9、假设利率时，投资取决于利润；而利率时，投资同时取决于利润和一个固定的级差利润。试用一个可以检验的模型来表达上述关系，并简述如何对利率的影响进行检验。
由于在利率r<0.08时，投资I仅取决于利润X；而当利率r≥0.08时，投资I同时取决于利润X和一个固定的级差利润R，故可以建立如下模型来表达上述关系：
（a）Ii=β0+β1Xi+RDi+µi
其中，
假设µi仍服从经典假设E（µi）=0，则有利率r≥0.08时的投资期望：
（b）E（Ii| Xi，Di=1）=（β0+R）+β1Xi
利率r<0.08时的投资期望：
（c）E（Ii| Xi，Di=0）=β0+β1Xi
从以上看出，假设利率R>0，两个投资函数的斜率相同而截距水平不同；当斜率相同的假设成立，对投资函数是否受到利率差异影响的假设检验，可由检验模型（b）和（c）是否具有相同截距加以描述，原假设H0：投资函数不受利率影响。若（a）中参数R估计值的t检验在统计上是显著的，则可以拒绝投资函数不受利率影响的假设。

10、一个由容量为209的样本估计的解释CEO薪水的方程为

（15.3）（8.03） （2.75） （1.775） （2.130） （-2.895）
其中，Y表示年薪水平（单位：万元），表示年销售收入（单位：万元），表示公司股票收益（单位：万元），，，均为虚拟变量，分别表示金融业、消费品行业、公用事业。假定对比行业为交通运输业。
（1）解释三个虚拟变量参数的经济含义
（2）保持和不变，计算公用事业和交通运输业之间估计薪水的近似百分比差异。
这个差异在1%的显著性水平上是统计显著的吗？
（3）消费品行业和金融业之间的估计薪水的近似百分比差异是多少？写出一个使你能
直接检验这个差异是否统计显著的方程。
（1）参数的经济意义是当销售收入和公司股票收益保持不变时，，即，金融业CEO的薪水要比交通运输业CEO的薪水多15.8个百分点，其他2个类似解释。
（2）公用事业和交通运输业之间的估计薪水的近似百分比差异就是以百分数解释的的参数，即28.3%，由于参数的t统计值为-2.895，它的绝对值大于1%显著性水平下，自由度为203的t分布的临界值1.96，故统计显著。
（3）由于消费品工业和金融业相对于交通运输业的薪水百分比差异分别为15.8%和 18.1%，所以它们之间的差异为8.1%-15.8%=2.3%，一个能直接检验显著性的方程是：

其中，为交通运输业的虚拟变量，对比基准为金融业。