叶阿忠-计量经济学-课后习题参考答案.docxVIP

课后习题参考答案 第二章教材习题与解析 判断下列表达式是否正确： y y E(y E(y E( y y y y y 答案：对于计量经济学模型有两种类型，一是总体回归模型，另一是样本回归模型。两类回归模型都具有确定形式与随机形式两种表达方式： 总体回归模型的确定形式： 总体回归模型的随机形式： 样本回归模型的确定形式： 样本回归模型的随机形式： 除此之外，其他的表达形式均是错误的 2、给定一元线性回归模型：y= （1）叙述模型的基本假定； （2）写出参数β0和β （3）说明满足基本假定的最小二乘估计量的统计性质； （4）写出随机扰动项方差的无偏估计公式。 答案：（1）线性回归模型的基本假设有两大类，一类是关于随机误差项的，包括零均值、同方差、不序列相关、满足正态分布等假设；另一类是关于解释变量的，主要是解释变量是非随机的，如果是随机变量，则与随机误差项不相关。 （2）， （3）考察总体的估计量，可从如下几个方面考察其优劣性： 1）线性性，即它是否是另一个随机变量的线性函数； 2）无偏性，即它的均值或期望是否等于总体的真实值； 3）有效值，即它是否在所有线性无偏估计量中具有最小方差； 4）渐进无偏性，即样本容量趋于无穷大时，它的均值序列是否趋于总体真值； 5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值； 6）渐进有效性，即样本容量趋于无穷大时，它在所有的一致估计量中是否具有最小的渐进方差。 这里，前三个准则也称作估计量的有限样本性质或小样本性质，因为一旦某估计量具有该性质，它是不以样本的大小而改变的。拥有这类性质的估计量称为最佳线性无偏估计量 当然，在有限样本情形下，有时很难找到最佳线性无偏估计量，这时就需要考察样本容量无限增大时估计量的渐进性质。 后三个准则称为估计量的无限样本性质或大样本渐进性质。如果有限样本情况下不能满足估计的准则，则应扩大样本容量，考虑参数估计量的大样本性质。 （4）随机干扰项方差的估计式为： 3、假定有如下回归结果， ???? 其中Y = 我国的茶消费量（每天每人消费的杯数） ???? X = 茶的零售价格（元/公斤）， t表示时间 （1）这是一个时间数列回归还是横截面序列回归？?? （2）画出回归线。 （3）如何解释截距项的意义，它有经济含义吗？ （4）如何解释斜率？ （5）你能求出真实的总体回归函数吗？ 答案： （1）这是时间数列回归 （2） （3）截距2.9611表示茶的零售价在每公斤0元时，我国平均茶消费量为每人每天2.6911杯，这个数字没有明显的经济意义 （4）茶的零售价格每公斤变动一元，平均而言，茶消费量向反方向变动0.4795个杯数。 （5）不能，因为要了解我国所有人的茶消费情况几乎是不可能的。 4、使用本章应用CAPM模型实证分析的数据，估计不同年份贵州茅台的β系数，考察β是否有变化。可以使用2010-2019这十年的日收益率数据，看看β在不同年份是如何变化的？ 答案： 在命令窗口输入： regress RI RM if year==2010 输出结果如下： 类似的，我们可以求出2011到2019的回归结果。β系数如下表所示： 年份 β系数 年份 β系数 2010 0.481 2015 0.626 2011 0.555 2016 0.611 2012 0.702 2017 0.771 2013 0.401 2018 1.169 2014 0.686 2019 0.969 如上表所示，β系数的整体变化趋势逐渐增大的。由回归结果我们可以看到，t统计量通过了显著性检验，截距项的估计值也通过显著性检验，但值比较小，接近于0。CAPM可以认为基本成立。 第三章教材习题与解析 1、给定二元回归模型：（t=1，2，?，n） （1）叙述模型的古典假定； （2）写出总体回归方程、样本回归方程和样本回归模型； （3）写出回归模型的矩阵表示； （4）写出回归系数及随机误差项的最小二乘估计量，并叙述参数估计量的性质； （5）试述总离差平方和、回归平方和、残差平方和之间的关系及其自由度之间的关系。 答案： （1）模型的古典假定包括： 假设1：模型设定正确/线性于参数 假设2：X固定，即X在重复抽样中是固定的，也就是说X是非随机的。 假设3：X有变异，解释变量X在所抽取的样本中具有变异性，而且随着样本容量的无限增加，解释变量X的样本协方差阵趋于一个非零的有限正定矩阵。 假设4：不存在完全共线性，指在样本中（从而也在总体中），没有一个自变量是常数，自变量之间不存在严格（完全）的线性关系。 假设5：零条件数学期望，即给定自变量的任何值，误差u的期望值为零。 假设6：同方差，对于解释变量的所有观测值，随机误差项有相同的方差 假设7：无序列相关，即Cov( 假设8：正态性假设，即随机误差项μ服从均值