发布时间 : 星期四 文章计量经济学课后思考题答案更新完毕开始阅读
7.3 库伊克模型 、自适应预期模型与局部调整模型有哪些共性和不同之处？模型估计会存在哪些困难？如何解决？
答：（1）相同之处：库伊克模型、自适应预期模型、局部调整模型三个模型的最终形式都是一阶自回归模型。
（2）不同之处：
1）导出模型的经济背景和思想不同。
库伊克模型是在无限分布滞后模型的基础上，根据库伊克几何分布滞后假定导出的；自适应预期模型是由解释变量自适应过程得到的；局部调整模型是由应变量的局部调整得到的。
2）模型存在的问题不同。 三个模型的形成机理不同，所以随机误差项的结构不同，库伊克模型和自适应预期模型都存在自相关、解释变量与随机误差项相关的问题；而局部调整模型则不存在。库伊克模型和自适应预期模型不能够直接使用最小二乘法直接估计，而局部调整模型则可以。
（3）模型估计存在的困难及解决的方法 （a）出现了随机解释变量
yt?1 ，而
yt?1可能与
ut相关；
(b)随机扰动项可能自相关，库伊克模型和自适应预 期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动无自相关.如果用最小二乘法直接估计自回归模型，则估计可能是有偏的，而且不是一致估计。
估计自回归模型需要解决两个问题：设法消除
yt?1与
ut的相关性；检验
ut是否存
在自相关。所以应用工具变量法进行估计一阶自回归模型，就是在进行参数估计的过程中选择适当的工具变量，代替回归模型中同随机扰动项存在相关性的解释变量。
7.4叙述用阿尔蒙多项式法估计外生变量有限分布滞后模型的方法步骤，对多项式的次数m有哪些限制，为什么？
答：阿尔蒙多项式法的目的是消除多重共线性的影响。
其基本原理：在有限分布滞后模型滞后长度s 已知的情况下，滞后项系数有一取值结构，把它看成是相应滞后期i的函数。在以滞后期i为横轴、滞后系数取值为纵轴的坐标系中，如果这些滞后系数落在一条光滑曲线上，或近似落在一条光滑曲线上，则可以由一个关于i的次数较低的m次多项式很好地逼近，即 :
?i??0??1i??2i2??????mim,i?0,1,2,???,s;m?s
将阿尔蒙多项式变换代入分布滞后模型并整理，模型变为如下形式:
yt????0z0t??1z1t??2z2t?????mzmt?ut,z0t?xt?xt?1?xt?2?????xt?sz1t?xt?1?2xt?2?3xt?3?????sxt?sz2t?xt?1?22xt?2?32xt?3?????s2xt?s???zmt?xt?1?2mxt?2?3mxt?3?????smxt?s对于变换后的模型，在满足古典假定的条件下，可用最小二乘法进行估计。将估计的参数代入阿尔蒙多项式，就可求出原分布滞后模型参数的估计值。
在实际应用中，阿尔蒙多项式的次数m通常取得较低，一般取2或3，很少超过4。 7.5考虑如下模型：
Yt????1X1t??2X2t??3Yt?1?ut
假定Yt?1和ut相关。为了消除相关，采用如下工具变量法：先求Yt对
X1t和X2t的回归，
?得到Yt的估计值Yt，然后做如下回归：
??uYt????1X1t??2X2t??3Yt?1t
??其中Yt?1是第一步粗估计值Yt的滞后值。分析说明该方法为什么可以消除原模型中
?和uYt?1t之间的相关性。
??Yt答：由于X1t、X2t和ut不相关，作为对X1t和X2t的回归，也与ut不相关，进而Yt?1?也与ut不相关，因此对式Yt????1X1t??2X2t??3Yt?1?ut模型中
进行回归，可以消除原
?和uYt?1t之间的相关性。
7.6 检验一阶自回归模型随机扰动项是否存在自相关，为什么用德宾h-检验而不用DW检验？
答：因为DW检验法不适合于方程含有滞后被解释变量的场合，在自回归模型中，滞后被解释变量是随机变量，已有研究表明，如果用DW检验法，则d统计量值总是趋近于2。也就是说，在一阶自回归中，当随机扰动项存在自相关时，DW检验却倾向于得出非自相关的结论。
德宾提出了检验一阶自相关的h统计量检验法。
h???n1?nVar(?)??*1d?(1?)2n1?nVar(?)?*1
其中，?为随机扰动项一阶自相关系数? 的估计量， d为DW统计量，n 为样本容量，Var(?)为滞后被解释变量Yt?1的回归系数的估计方差。
在?=0的假定下，h统计量的极限分布为标准正态分布。因此，在大样本情况下，可以用h统计量值判断随机扰动项是否存在一阶自相关。
给定显著性水平?，查标准正态分布表得临界值 h?。若?h?> h?,则拒绝原假设 ，说明自回归模型存在一阶自相关；若?h?< h? ，则接受原假设?=0,说明自回归模型不存在一阶自相关。
第八章 虚拟变量回归
8.1什么是虚拟变量？它在模型中有什么作用？
答：虚拟变量是人工构造的取值为0或1的作为属性变量代表的变量。虚拟变量的作用主要有：（1）可以作为属性因素的代表，如性别、所有制等；（2）作为某些非精确计量的数量因素的代表，如受教育程度、管理者素质等；（3）作为某些偶然因素或政策因素的代表，如战争、灾害、改革前后等；（4）可以作为时间序列分析中季节的代表；（5）可以实现分段回归，研究斜率、截距的变动，或比较两个回归模型的结构差异。
8.2虚拟变量为何只选0、1，选2、3、4行吗？为什么？
答：虚拟变量是非此即彼的问题，一般情形下，虚拟变量的取值为0和1。当虚拟变量取值为0时，表示某种属性或状态的类型或水平不出现或不存在；当虚拟变量取值为1时，表示某种属性或状态的类型或水平出现或存在。取值一般不选2、3、4，否则对回归系数的分析带来不便。
8.3对式（8.10）的模型，如果选择一个虚拟变量
?*1?1，大专及大专以上?D??0，高中
??1，高中以下?这样的设置方式隐含了什么假定？这一假定合理吗？
答：隐含的假定是大专及大专以上的人数和高中以下的人数是相等的，显然这是不合理
的。
8.4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？
答：加入虚拟变量的途径有两种基本类型：一是加法类型；二是乘法类型。加法类型适用于截距效应的分析，乘法类型适用于斜率效应的分析。
8.5四种加法方式引入虚拟变量会产生什么效应？
答：四种加法方式引入虚拟变量均改变了截距，可以用于分析虚拟变量不同类之间的水平差异。
8.6引入虚拟被解释变量的背景是什么？含有虚拟被解释变量模型的估计方法有哪些？ 答：某经济现象或活动受到多种因素的影响，需要对这一经济现象或活动进行是或否的判断或决策时，需要引入被解释变量。虚拟被解释变量模型的估计方法主要有线性概率模型估计和对数单位模型估计。
8.7设服装消费模型为：Yi??1??2D2??3D3??Xi?ui，其中，Xi为收入水平；Yi?1，大专及大专以上?1，女性为年服装消费支出；D3??，D2??，试写出不同收入人群
0，其他0，男性??组的服装消费函数模型。
答：大专以下男性（D2?0,D3?0）服装消费模型：Yi??1??Xi?ui 大专以下女性（D2?1,D3?0）服装消费模型：Yi??1??2??Xi?ui 大专及大专以上男性（D2?0,D3?1）服装消费模型：Yi??1??3??Xi?ui 大专及大专以上女性（D2?1,D3?1）服装消费模型：Yi??1??2??3??Xi?ui 8.8利用月度数据资料，为了检验下面的假设，应引入多少个虚拟解释变量？ （1）一年里的12个月全部表示出季节模式。
（2）只有2月、6月、8月、10月和12月表现出季节模式。 答：（1）引入11个虚拟变量；（2）引入4个虚拟变量。