计量经济学计算.pdf

@令 Y 表示一名妇女生育孩子的生育率， X 表示该妇女接受教育的年数。生育率 对教育年数的简单回归模型为： Y 0 1 X （1）随机干扰项 包含什么样的因素？他们可能与教育水平相关吗？ （2）上述简单回归分析能够揭示教育对生育率在其它条件不变下的影响吗？请 解释？ 答案 ：（1）收入、年龄、家庭状况、政府所谓相关政策也是影响生育率的重要原 因，在上述简单回归模型中， 他们被包含在了随机干扰项中。 有些因素可能与教 育水平相关， 如收入水平与教育水平往往呈正相关， 年龄大小与教育水平呈负相 关。 （2）当归结在随机干扰项中的重要影响因素与模型中的教育水平 X 相关时，上 述回归模型不能够揭示教育对生育率在其它条件不变下的影响， 因为这时出现解 释变量与随机干扰项相关的情形，违背了基本假设。 @以企业研发支出 （RD ）占销售额的比重为被解释变量 （Y ），以企业销售额 （X1 ） 与利润占销售额的比重（ X2 ）为解释变量，一个有 32 容量的样本企业的估计结 果如下： Y 0 .472 0 .32 log( X 1 ) 0 .05 X 2 (1.37 ) (0 .22 ) (0 .046 ) 2 R 0 .099 其中括号中为系数估计值的标准差。 （1）解释 log(X1) 的系数。 如果 X1 增加 10%，估计 Y 会变化多少个百分点？这 在经济上是一个很大的影响吗？ （2）针对 RD 强度随销售额的增加而提高这一备择假设， 检验它不虽 X1 而变 化的假设。分别在 5%和 10%的显著性水平上进行这个检验。 （3）利润占销售额的比重 X2 对 RD 强度 Y 是否在统计上有显著的影响？ 答案：多元线性回归模型的基本假设仍然是针对随机干扰项与针对解释变量两大 类的假设。 针对随机干扰项的假设有： 零均值， 同方差， 无序列相关且服从正态 分布。针对解释变量的假设有： 解释变量应具有非随机性， 如果是随机的， 则不 能与随机干扰项相关，各解释变量之间不存在（完全）线性相关关系。 在证明最小二乘估计量的无偏性中， 利用了解释变量非随机或与随机干扰项不相 关的假定；在有效性的证明中，利用了随机干扰项同方差且无序列相关的假定。 @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的一个回归方程 为： Y 10 . 36 0 .094 X 1 0 . 131 X 2 0 .210 X 3 R 2 0 .214 其中，Y 为劳动力受教育年数， X 1 为该劳动力家庭中兄弟姐妹的人数， X 2 和 X 3 分别为母亲与父亲受教育的年数， 问： X 1 是否具有预期的影响 ?为什么 ?X 2 和 X 3 保持不变，为了使预测的受教育水平减少一年，需要增加 X 1 多少？ (2) 请对 X 2 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为 12 年， 另一个的父母受教育的年数为 16 年，则两人受教育的年数预期相差多少 ? 答案： (1) 预期 X 1 对劳动者受教育的年数有影响。 因为在收入及支出预算约束一 定的条件下， 子女越