1. 計量經濟學都有哪些模型啊，具體怎樣運用
#計量經濟學的定義
計量經濟學是以一定的經濟理論和統計資料為基礎，運用數學、統計學方法與電腦技術，以建立經濟計量模型為主要手段，定量分析研究具有隨機性特性的經濟變數關系。主要內容包括理論計量經濟學和應用經濟計量學。
#計量經濟學的研究步驟和方法
確定變數和數學關系式-模型設定；分析變數間具體的數量關系-估計參數；檢驗所得結論的可靠性-模型檢驗；經濟分析和預測-模型應用
#分布滯後模型估計的困難有哪幾個
A．自由度問題。自由度過分損失，到時估計偏差增大，顯著性檢驗失效。
B．多重共線性問題。滯後變數常存在多重共線性。
C．滯後長度難以確定。
#工具變數法
1．與所代替的解釋變數高度相關
2．與隨機擾動項不相關
3．與其他解釋變數不相關，以免出現多重共線性
#虛擬變數的基本概念
虛擬變數是人工構造的取值為0和1的作為屬性變數代表的變數
#聯立方程模型的區別
A．聯立方程組模型由幾個單一方程組成。被解釋變數不只一個。
B．模型里有隨機方程，也有確定性方程，但必含有隨機方程。
C．被解釋變數和解釋變數之間不僅是單向因果關系，也可能互為因果。
D．解釋變數可能與隨機擾動項相關。
#非完全多重共線性後果：
1.參數估計量方差增大
2.對參數區間估計時，置信區間趨於變大
3.嚴重時，假設檢驗容易作出錯誤判斷
4.嚴重時，可能r2較大和f檢驗顯著性高，但t檢驗可能不顯著，得出錯誤結論
#多重共線性檢驗：
1．簡單相關系數檢驗
2．方差擴大因子法
3．直觀判斷，如回歸系數標准差大，或與經濟理論背離
4．逐步回歸法
#自相關：
經濟系統的慣性。經濟活動滯後效應。數據處理造成的相關。蛛網現象。模型設定偏誤。零均值，低估參數估計值的方差，對模型預測的影響，高估t，f，r2不可靠，對模型影響，降低預測精度。
#異方差：
模型中省略某些重要解釋變數。模型設定誤差。測量誤差的變化。截面數據中總體各單位的差異。無偏，一致，非有效，誇大估計參數的統計顯著性，對預測影響，Y的預測非有效。
2. 計量經濟學使用Eviews軟體分析的案例模型
計量經濟學
期末實驗報告
實驗名稱：大中城市城鎮居民人均消費支出與其影響因素的分析
姓 名：
學 號：
班 級：
指導教師：
時 間：
23個城市城鎮居民人均消費支出
與其影響因素的分析
一、 經濟理論背景
近幾年來，中國經濟保持了快速發展勢頭，投資、出口、消費形成了拉動經濟發展的「三架馬車」，這已為各界所取得共識。通過建立計量模型，運用計量分析方法對影響城鎮居民人均消費支出的各因素進行相關分析，找出其中關鍵影響因素，以為政策制定者提供一定參考，最終促使消費需求這架「馬車」能成為引領中國經濟健康、快速、持續發展的基石。
二、 有關人均消費支出及其影響因素的理論
我們主要從以下幾個方面分析我國居民消費支出的影響因素：
①、居民未來支出預期上升，影響了居民即期消費的增長
居民的被動儲蓄直接導致購買力的巨大分流, 從而減弱對消費品的即期需求，嚴重地影響了居民即期消費的增長，進而導致有效需求的不足，最終導致經濟增長的乏力。90年代末期以來，我國的醫療、養老、失業保險、教育等一系列改革措施集中出台，原有的體制被打破，而新的體制尚未建立健全，因此目前的醫療、養老、失業保險、教育體制對居民個人支出的壓力較大，而且基本上都是硬性支出，支出的不確定性也很大，導致居民目前對未來支出預期的上升。
②、商品供求結構性矛盾依然突出
從消費結構上看，我國消費品市場已發生了新的根本性變化：居民低層次消費已近飽和，而更高水平的消費又未達到。改革開放20多年來，城鄉居民經過了一個中檔耐用消費品的普及階段後，目前老百姓的收入消費還不足以形成一個新的、以高檔產品為內容的主導性消費熱點，如轎車、住房等還遠不能納入大多數人的消費主流，居民現有的購買力不能形成推動主導消費品升級的動力。
③、物價總水平持續在低水平運行，通貨緊縮的壓力較大，不利於消費的增長
加入WTO之後，隨著關稅的降低和進口規模的擴大，國外產品對我國市場的沖擊將進一步加大，國際價格緊縮對國內價格變化將產生負面影響。物價的持續下降，不利於居民的消費增長。因為從居民的消費心理上看，買漲不買降是居民購物的習慣心理。由於居民對物價有進一步下降的預期，因此往往推遲消費，不利於居民消費的增長。另外，從統計上分析，由於物價的下降，名義消費增長往往低於實際消費的增長，這在一定程度上也不利於消費增長幅度的提高。
④、我國現階段沒有形成大的消費熱點，難以帶動消費的快速增長
經過近幾年的培育和發展，我國目前已經形成了住房消費、居民汽車消費、通信及電子產品的消費、節假日消費及旅遊消費等一些消費亮點，可以促進消費的穩定增長，但始終未能形成大的消費熱點，因此不能帶動消費的高速增長。
三、 相關數據收集
相關數據均來源於2006年《中國統計年鑒》：
23個大中城市城鎮居民家庭基本情況
地區 平均每戶就業人口（人） 平均每一就業者負擔人數（人） 平均每人實際月收入（元） 人均可支配收入（元） 人均消費支出（元）
北京 1.6 1.8 1865.1 1633.2 1187.9
天津 1.4 2.0 2010.6 1889.8 939.8
石家莊 1.4 2.0 1061.3 1010.0 722.9
太原 1.3 2.2 1256.9 1159.9 789.5
呼和浩特 1.5 1.9 1354.2 1279.8 772.7
沈陽 1.3 2.1 1148.5 1048.7 812.1
大連 1.6 1.8 1269.8 1133.1 946.5
長春 1.8 1.7 1156.1 1016.1 690.2
哈爾濱 1.4 2.0 992.8 942.5 727.4
上海 1.6 1.9 1884.0 1686.1 1505.3
南京 1.4 2.0 1536.4 1394.0 920.6
杭州 1.5 1.9 1695.0 1464.9 1264.2
寧波 1.5 1.8 1759.4 1543.2 1271.4
合肥 1.6 1.8 1042.5 950.1 686.9
福州 1.7 1.9 1172.5 1059.4 942.8
廈門 1.5 1.9 1631.7 1394.3 998.7
南昌 1.4 1.8 1405.0 1321.1 665.4
濟南 1.7 1.7 1491.3 1356.8 1071.4
青島 1.6 1.8 1495.6 1378.5 1020.7
鄭州 1.4 2.1 1012.2 954.2 750.3
武漢 1.5 2.0 1052.5 972.2 853.1
長沙 1.4 2.1 1256.9 1148.9 986.8
廣州 1.7 1.8 1898.6 1591.1 1215.1
四、 模型的建立
根據數據，我們建立多元線性回歸方程的一般模型為：
其中：
——人均消費支出
——常數項
——回歸方程的參數
——平均每戶就業人口數
——平均每一就業者負擔人口數
——平均每人實際月收入
——人均可支配收入
——隨即誤差項
五、實驗過程
（一）回歸模型參數估計
根據數據建立多元線性回歸方程：
首先利用Eviews軟體對模型進行OLS估計，得樣本回歸方程。
利用Eviews輸出結果如下：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:08
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -1682.180 1311.506 -1.282633 0.2159
X1 564.3490 395.2332 1.427889 0.1704
X2 569.1209 379.7866 1.498528 0.1513
X3 1.552510 0.629371 2.466766 0.0239
X4 -1.180652 0.742107 -1.590947 0.1290
R-squared 0.721234 Mean dependent var 945.2913
Adjusted R-squared 0.659286 S.D. dependent var 224.1711
S.E. of regression 130.8502 Akaike info criterion 12.77564
Sum squared resid 308191.9 Schwarz criterion 13.02249
Log likelihood -141.9199 F-statistic 11.64259
Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076
根據多元線性回歸關於Eviews輸出結果可以得到參數的估計值為： , , ， ，
從而初步得到的回歸方程為：
Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)
T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)
F=11.64259 df=18
模型檢驗：由於在 的水平下，解釋變數 、 、 的檢驗的P值都大於0.05，所以變數不顯著，說明模型中可能存在多重共線性等問題，進而對模型進行修正。
（二）處理多重共線性
我們採用逐步回歸法對模型的多重共線性進行檢驗和處理：
X1：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:28
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 153.8238 518.6688 0.296574 0.7697
X1 523.0964 341.4840 1.531833 0.1405
R-squared 0.100508 Mean dependent var 945.2913
Adjusted R-squared 0.057675 S.D. dependent var 224.1711
S.E. of regression 217.6105 Akaike info criterion 13.68623
Sum squared resid 994441.2 Schwarz criterion 13.78497
Log likelihood -155.3917 F-statistic 2.346511
Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491
X2：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 1756.641 667.2658 2.632596 0.0156
X2 -424.1146 347.9597 -1.218861 0.2364
R-squared 0.066070 Mean dependent var 945.2913
Adjusted R-squared 0.021597 S.D. dependent var 224.1711
S.E. of regression 221.7371 Akaike info criterion 13.72380
Sum squared resid 1032515. Schwarz criterion 13.82254
Log likelihood -155.8237 F-statistic 1.485623
Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412
X3：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:29
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 182.8827 137.8342 1.326831 0.1988
X3 0.540400 0.095343 5.667960 0.0000
R-squared 0.604712 Mean dependent var 945.2913
Adjusted R-squared 0.585888 S.D. dependent var 224.1711
S.E. of regression 144.2575 Akaike info criterion 12.86402
Sum squared resid 437014.5 Schwarz criterion 12.96276
Log likelihood -145.9362 F-statistic 32.12577
Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013
X4：
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:30
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 184.7094 161.8178 1.141465 0.2665
X4 0.596476 0.124231 4.801338 0.0001
R-squared 0.523300 Mean dependent var 945.2913
Adjusted R-squared 0.500600 S.D. dependent var 224.1711
S.E. of regression 158.4178 Akaike info criterion 13.05129
Sum squared resid 527020.1 Schwarz criterion 13.15003
Log likelihood -148.0898 F-statistic 23.05284
Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096
由得出的數據可以看出， 的調整的判定系數最大，因此首先把 引入調整的方程中，然後在分別引入變數 、 、 進行OLS得：
X1、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:32
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C -222.8991 345.9081 -0.644388 0.5266
X1 289.8101 227.2070 1.275533 0.2167
X3 0.517213 0.095693 5.404899 0.0000
R-squared 0.634449 Mean dependent var 945.2913
Adjusted R-squared 0.597894 S.D. dependent var 224.1711
S.E. of regression 142.1510 Akaike info criterion 12.87276
Sum squared resid 404138.2 Schwarz criterion 13.02087
Log likelihood -145.0368 F-statistic 17.35596
Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043
X2、X3
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:33
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 239.5536 531.1435 0.451015 0.6568
X2 -27.00981 244.0392 -0.110678 0.9130
X3 0.536856 0.102783 5.223221 0.0000
R-squared 0.604954 Mean dependent var 945.2913
Adjusted R-squared 0.565449 S.D. dependent var 224.1711
S.E. of regression 147.7747 Akaike info criterion 12.95036
Sum squared resid 436747.0 Schwarz criterion 13.09847
Log likelihood -145.9292 F-statistic 15.31348
Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093
X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:34
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 331.7015 142.5882 2.326290 0.0306
X3 1.766892 0.553402 3.192782 0.0046
X4 -1.473721 0.656624 -2.244390 0.0363
R-squared 0.684240 Mean dependent var 945.2913
Adjusted R-squared 0.652664 S.D. dependent var 224.1711
S.E. of regression 132.1157 Akaike info criterion 12.72634
Sum squared resid 349091.0 Schwarz criterion 12.87445
Log likelihood -143.3529 F-statistic 21.66965
Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010
由數據結果可以看出，引入X4時方程的調整判定系數最大，且解釋變數均通過了顯著性檢驗，再分別引入X1、X2進行分析。
X1、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:37
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 193.6693 403.8464 0.479562 0.6370
X1 89.29944 243.6512 0.366505 0.7180
X3 1.652622 0.646003 2.558228 0.0192
X4 -1.345001 0.757634 -1.775265 0.0919
R-squared 0.686457 Mean dependent var 945.2913
Adjusted R-squared 0.636950 S.D. dependent var 224.1711
S.E. of regression 135.0712 Akaike info criterion 12.80625
Sum squared resid 346640.3 Schwarz criterion 13.00373
Log likelihood -143.2719 F-statistic 13.86591
Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050
X2、X3、X4
Dependent Variable: Y
Method: Least Squares
Date: 12/11/07 Time: 16:38
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 62.60939 489.2088 0.127981 0.8995
X2 134.1557 232.9303 0.575948 0.5714
X3 1.886588 0.600027 3.144175 0.0053
X4 -1.596394 0.701018 -2.277251 0.0345
R-squared 0.689658 Mean dependent var 945.2913
Adjusted R-squared 0.640657 S.D. dependent var 224.1711
S.E. of regression 134.3798 Akaike info criterion 12.79599
Sum squared resid 343100.8 Schwarz criterion 12.99347
Log likelihood -143.1539 F-statistic 14.07429
Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046
由輸出結果可以看出，在 的水平下，解釋變數 、 的檢驗的P值都大於0.05，解釋變數不能通過顯著性檢驗，因此可以得出結論模型中只能引入X3、X4兩個變數。則調整後的多元線性回歸方程為：
Se= (142.5882) (0.553402) (0.656624)
T= (2.326290) (3.192782) (-2.244390)
F=21.66965 df=20
（三）.異方差性的檢驗
對模型 進行懷特檢驗：
White Heteroskedasticity Test:
F-statistic 1.071659 Probability 0.399378
Obs*R-squared 4.423847 Probability 0.351673
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/11/07 Time: 16:53
Sample: 1 23
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 34247.50 128527.9 0.266460 0.7929
X3 247.9623 628.1924 0.394723 0.6977
X3^2 -0.071268 0.187278 -0.380548 0.7080
X4 -333.6779 714.3390 -0.467114 0.6460
X4^2 0.18 0.229933 0.526841 0.6047
R-squared 0.192341 Mean dependent var 15177.87
Adjusted R-squared 0.012861 S.D. dependent var 23242.54
S.E. of regression 23092.59 Akaike info criterion 23.12207
Sum squared resid 9.60E+09 Schwarz criterion 23.36892
Log likelihood -260.9038 F-statistic 1.071659
Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378
由檢驗結果可知， ，由White檢驗知，在 時，查 分布表，得臨界值 (20)=30.1435，因為 < (5)= 30.1435,所以模型中不存在異方差。
（四）.自相關的檢驗
由模型的輸出結果可知，估計結果都比較滿意，無論是回歸方程檢驗，還是參數顯著性檢驗的檢驗概率，都顯著小於0.05，D-W值為2.111635，顯著性水平 =0.05下查Durbin-Watson表，其中n=23，解釋變數的個數為2，得到下限臨界值 ，上限臨界值 ， =1.543<D-W=2.111635<4 ，由DW檢驗決策規則可知，該模型不存在自相關問題。
六、對模型進行分析和解釋經濟學意義
回歸方程的意義為：當平均每人實際月收入不變時，人均可支配收入每增加一個單位，人均消費支出減少1.473721個單位；當人均可支配收入不變時，平均每人實際月收入每增加一個單位，人均消費支出增加1.766892個單位。
七、 就模型所反映的問題給出針對性的政策建議或結論
對於我國人均消費支出的分析中，可以看出我國在過去的幾年裡經濟發展穩健，但是由於種種原因導致我國經濟的現狀存在一定的問題，如不完善的社會保障制度導致消費結構不合理；過高的居民儲蓄存款影響居民消費傾向；消費品生產行業投資方向失誤和低效率引起國內市場消費梗阻；保守的消費觀念和消費政策的制約；教育支出比重過大影響居民消費傾向 。對此我們國家應該在以下幾個方面對居民消費中存在的問題進行對策研究
（一）建立和完善社會保障制度，增強居民消費信心
（二）培育新的消費熱點，拓展居民的消費領域
（三）促使商品消費從自我積累型向信用支持型轉變
（四）分層次促進居民消費
（五）破解影響消費結構優化的政策制約
（六）化解有效供給不足與產品相對過剩的矛盾
3. 學過計量經濟的進。。 簡述經典計量經濟模型和非經典計量經濟模型有何區別 最好能詳細點
經典計量經濟學一般指20世紀70年代一切發展並廣泛應用的計量經濟學，回他們具有顯著的答共同特徵：
模型類型：採用隨機模型。
模型導向：以經濟理論為導向建立模型。
模型結構：變數之間的關系表現為線性或者可以化為線性，屬於因果分析模型，解釋變數具有同等地位，模型具有明確的形式和參數。
數據類型：以時間序列數據或者截面數據為樣本，被解釋變數為服從正態分布的連續隨機變數。
估計方法：僅利用樣本信息，採用最小二乘法或者最大似然法估計變數。
非經典計量經濟學一般指20世紀70年代以後發展的計量經濟學理論、方法及應用模型，也稱現代計量經濟學。經典計量經濟學一般指20世紀70年代一切發展並廣泛應用的計量經濟學
4. 為什麼計量經濟學模型研究是演繹和歸納的結合
2）以1978—2003年的時間序列研究中國城鎮居民消費函數時發現，1991年前後城鎮居民消費性支出Y對可支配收入X的回歸關系明顯不同。如果不加處理的在整個時間序列區間應用普通最小二乘法，會帶來結果的偏差。可以考慮以下哪一種方法克服此問題：（）。A、虛擬變數方法B、分時段建立模型C、增加樣本容量D、採用滯後變數的模型3）計量經濟學的核心思路是（b）A.回歸分析B.建立經濟模型C.最小二乘估計D.統計推斷4）關於包含虛擬變數的模型，下列哪個描述不準確（c）A．模型的解釋變數可以僅由虛擬變數構成。B．模型的解釋變數必須包含定量變數。C．模型的解釋變數可以包含定性變數與定量變數。D．在季度分析模型中不能將四個季度同時作為虛擬變數納入模型中。7）回歸分析中定義的(b)A.解釋變數和被解釋變數都是隨機變數B.解釋變數為非隨機變數，被解釋變數為隨機變數C.解釋變數和被解釋變數都為非隨機變數D.解釋變數為隨機變數，被解釋變數為非隨機變數8）對於滯後模型，解釋變數的滯後長度每增加一期，可利用的樣本數據就會(b)A.增加1個B.減少1個C.增加2個D.減少2個9）若回歸模型中的隨機誤差項存在較強的一階正自相關，則估計模型參數應採用(d)A.普通最小二乘法B.加權最小二乘法C.廣義差分法D.一階差分法11）違背了下列哪條性質後最小二乘估計量仍然是BLUE估計量（）A．線性性B.一致性C.有效性D.無偏性12）如果誤把非線性關系作為線性關系直接用普通最小二乘法回歸會導致（）A．誤差項均值非零B.誤差序列相關C．異方差D.多重共線性13）常見判別模型好壞的參考標准包括（）（多選）A．節省性B.數據優質性C.可識別性D.理論一致性14）隨機擾動項產生的原因是（abcd）（多選）（A）客觀現象的隨機性（人的行為、社會環境與自然影響的隨機性）（B）模型省略變數（被省略的具有隨機性的變數歸入隨機擾動項）（C）數學模型函數的形式的簡化（D）數學模型函數的形式的誤定（E）經濟數據的來源問題補充：判斷改錯1、標准線性回歸模型的參數表示了解釋變數引起被解釋變數的相對變化，而對數模型回歸參數則表示解釋變數引起被解釋變數的絕對變化。（f）2、如果存在異方差，普通最小二乘估計量是無偏的和無效的。（f）3、當R2=1，F=0；當R2=0，F=∞。（）4、回歸分析的結果要通過統計意義檢驗和計量經濟意義檢驗後方可應用。（t）5、在多元回歸分析中，方程Y=β0+β1X1+β2X2+ε中的偏回歸系數β2表示X2變化一個單位引起Y的平均變化。（t）抱歉有些題不會做
5. 求計量經濟學試題及答案。
計量經濟學期末試卷（2004年6月，滿分70分）
一（24分）將中國城鎮居民按照人均年收入分成 組，以2003年的組平均數為樣本觀測值，建立中國城鎮居民消費函數模型，以人均年消費額 為被解釋變數，經過理論分析和經驗檢驗，選擇人均年收入 和人均儲蓄余額 作為解釋變數，解釋變數和被解釋變數之間的關系為直接線性關系。模型形式為：
⑴ 分別寫出該問題的總體回歸函數、總體回歸模型、樣本回歸函數和樣本回歸模型；
⑵ 分別寫出隨機誤差項具有同方差且無序列相關、具有異方差但無序列相關、具有異方差且具有一階序列相關時的方差—協方差矩陣；
⑶ 當模型滿足基本假設時，寫出關於普通最小二乘法參數估計量的正規方程組；
⑷ 直觀判斷該模型是否具有異方差性？為什麼？
⑸ 如果該模型存在異方差性，寫出加權最小二乘法參數估計量的矩陣表達式，並指出在實際估計時權矩陣是如何選擇的；
⑹ 指出「偏回歸系數」 的實際含義，並指出解釋變數滿足什麼條件時可以用一元回歸模型得到相同的 的估計結果？
⑺ 如果僅以入均收入200元及以上的收入組為樣本，用OLS和ML分別估計模型，參數估計量是否等價？為什麼？
⑻ 如果模型中未包括顯著的解釋變數 ，可能導致模型違背哪些基本假設？
二（8分）簡要回答下列問題：
⑴ C-D生產函數模型和CES生產函數模型關於要素替代彈性和技術進步的假設分別是什麼？
⑵ 建立城鎮居民食品類需求函數模型如下：
其中V為人均購買食品支出額、Y為人均收入、 為食品類價格、 為其它商品類價格。 指出各個參數估計量的經濟意義和數值范圍。
三（8分）某聯立方程計量經濟學模型有3個方程、3個內生變數 、3個外生變數 和樣本觀測值始終為1的虛變數C，樣本容量為n。其中第二個方程為
⑴ 能否採用OLS方法估計該結構方程？為什麼？
⑵ 如果採用工具變數方法估計該方程，如何選擇 的工具變數？（指出兩種選擇）
四（16分）中國的銀行系統正遭受著壞帳的困擾，有估計認為全部壞帳足以讓整個銀行系統崩潰。毫無疑問壞帳是資源配置被扭曲的一個例子，換句話說如果沒有壞帳，中國的GDP增長率也許會更高。為檢驗這一理論，假設你已經收集了中國銀行系統壞帳累計總額的時序數據，以及其它一些總量數據如GDP，人口和總投資。
⑴ 寫出一個能夠描述該問題的計量經濟學模型，並解釋。
⑵ 寫出檢驗下述命題的原假設：「壞帳對當期GDP增長率無影響」。
⑶ 為1中你的模型提供合適的計量經濟學估計方法，詳細說明。
⑷ 要讓3中你的估計量滿足一致性，必須滿足什麼條件？
五（14分）假設你想研究國企和外企生產率的差別，為此你建立了如下的模型：
其中變數 表示人均產出（per worker）， 表示總資產凈值中由外國公司擁有的份額， 表示人均資本存量(per worker)。假定你收集了300個企業關於這些變數在2000年的數據。
⑴ 寫出下述命題的原假設：「國企和外企生產率無差異」
⑵ 假定你用簡單OLS估計模型，估計量具有一致性嗎？為什麼。
⑶ 假定你認為簡單OLS估計不具有一致性，提供一個可以獲得一致估計的估計方法，詳細說明。
⑷ 現在假定你還另外收集了相同廠商相同變數在2003年的數據，試建立一個更好的模型可以利用這一額外信息。討論你將如何估計這一模型。
計量經濟學試題（2002年6月）
⒈（共30分，每小題3分）建立中國居民消費函數模型
t=1978,1979,…,2001
其中 表示居民消費總額， 表示居民收入總額。
⑴ 能否用歷年的人均消費額和人均收入數據為樣本觀測值估計模型？為什麼？
⑵ 人們一般選擇用當年價格統計的居民消費總額和居民收入總額作為樣本觀測值，為什麼？這樣是否違反樣本數據可比性原則？為什麼？
⑶ 如果用矩陣方程 表示該模型，寫出每個矩陣的具體內容，並標明階數；
⑷ 如果所有古典假設都滿足，分別從最小二乘原理和矩方法出發，推導出關於參數估計量的正規方程組；
⑸ 如果 與 存在共線性，證明：當去掉變數 以消除共線性時， 的估計結果將發生變化；
⑹ 如果模型中 為隨機解釋變數且與 相關，證明：如果用OLS估計該消費函數模型，其參數估計量是有偏的；
⑺ 如果模型中 為隨機解釋變數且與 相關，選擇政府消費 為 的工具變數（ 滿足工具變數的所有條件），寫出關於參數估計量的正規方程組；
⑻ 如果經檢驗表明模型存在一階序列相關，而需要採用廣義差分法估計模型，指出在常用的軟體中是如何實現的？
⑼ 在不受到限制的情況下， 的值域為 ，寫出 的對數似然函數；
⑽ 試分析，以t=1978,1979,…,2001數據為樣本觀測值，能否說「樣本是從母體中隨機抽取的」？那麼採用OLS估計模型參數，估計結果是否存在偏誤？為什麼？
⒉（共16分，每小題4分）下列為一完備的聯立方程計量經濟模型
其中C為居民消費總額、I為投資總額、Y為國內生產總值、 為政府消費總額，樣本取自1978—2000年。
⑴ 證明：對於消費方程，用IV、ILS、2SLS方法分別估計，參數估計結果是等價的。
⑵ 說明：對於投資方程，能否用IV、ILS方法估計？為什麼？
⑶ 寫出該聯立方程計量經濟模型3SLS參數估計量的矩陣表達式，並寫出表達式中每個矩陣的具體形式；
⑷ 根據經驗判斷，該模型3SLS參數估計量與2SLS參數估計量是否等價？為什麼？
⒊（共18分，每小題3分）簡單回答以下問題：
⑴ 分別指出兩要素C-D生產函數、兩要素一級CES生產函數和VES生產函數關於要素替代彈性的假設。
⑵ 在一篇博士論文中設計的生產函數模型為：
其中，Y為產出量，K、L為資本和勞動投入量， 為第i種能源投入量，其它為參數。試指出該理論模型設計的主要問題，並給出正確的模型設計。
⑶ 建立城鎮居民食品類需求函數模型如下：
其中V為人均購買食品支出額、Y為人均收入、 為食品類價格、 為其它商品類價格。擬定每個參數的數值范圍，並指出參數之間必須滿足的關系。
⑷ 指出在實際建立模型時虛變數的主要用途。
⑸ 兩位研究者分別建立如下的中國居民消費函數模型
和
其中 表示居民消費總額， 表示居民收入總額。由相同的樣本和相同的估計方法，得到了不同的居民邊際消費傾向估計值。如何解釋這種現象？由此指出經典計量經濟學模型的的缺點。
⑹ 從經典計量經濟學模型設定理論出發，在建立中國宏觀計量經濟模型時，一般應該如何對第三產業的生產方程進行分解，並指出其理由。
⒋（6分）在你完成的單方程計量經濟學模型綜合練習中，你是如何確定理論模型的最終形式的？
計量經濟學期末試題
（2003年6月，滿分70分）
⒈（12分）某人試圖建立我國煤炭行業生產方程，以煤炭產量為被解釋變數，經過理論和經驗分析，確定以固定資產原值、職工人數和電力消耗量變數作為解釋變數，變數的選擇是正確的。於是建立了如下形式的理論模型：
煤炭產量= 固定資產原值+ 職工人數+ 電力消耗量+μ
選擇2000年全國60個大型國有煤炭企業的數據為樣本觀測值；固定資產原值用資產形成年當年價計算的價值量，其它採用實物量單位；採用OLS方法估計參數。指出該計量經濟學問題中可能存在的主要錯誤，並簡單說明理由。
⒉（12分）以 表示糧食產量， 表示播種面積， 表示化肥施用量，經檢驗，它們取對數後都是 變數且互相之間存在 關系。同時經過檢驗並剔除不顯著的變數（包括滯後變數），得到如下糧食生產模型：
(1)
⑴ 寫出長期均衡方程的理論形式；
⑵ 寫出誤差修正項ecm的理論形式；
⑶ 寫出誤差修正模型的理論形式；
⑷ 指出誤差修正模型中每個待估參數的經濟意義。
⒊（6分）對於上述糧食生產模型(1)，假設所有解釋變數與隨機誤差項都不相關。
⑴ 如果採用普通最小二乘法估計，用非矩陣形式寫出關於參數估計量的正規方程組；
⑵ 從以上正規方程組出發說明，為什麼不能採用分部回歸方法分別估計每個參數；
⒋（9分）投資函數模型
為一完備的聯立方程計量經濟模型中的一個方程，模型系統包含的內生變數為C（居民消費總額）、I（投資總額）和Y（國內生產總值），先決變數為 （政府消費）、 和 。樣本容量為 。
⑴ 可否用狹義的工具變數法估計該方程？為什麼？
⑵ 如果採用2SLS估計該方程，分別寫出2SLS估計量和將它作為一種工具變數方法的估計量的矩陣表達式；
⑶ 如果採用GMM方法估計該投資函數模型，寫出一組等於0的矩條件。
⒌（6分）建立城鎮居民食品類需求函數模型如下：
其中V為人均購買食品支出額、Y為人均收入、 為食品類價格、 為其它商品類價格。
⑴ 指出參數估計量的經濟意義是否合理，為什麼？
⑵ 為什麼經常採用交叉估計方法估計需求函數模型？
⒍（9分）選擇兩要素一級CES生產函數的近似形式建立中國電力行業的生產函數模型：
其中Y為發電量，K、L分別為投入的資本與勞動數量，t為時間變數。
⑴ 指出參數γ、ρ、m的經濟含義和數值范圍；
⑵ 指出模型對要素替代彈性的假設，並指出它與C-D生產函數、VES生產函數在要素替代彈性假設上的區別；
⑶ 指出模型對技術進步的假設，並指出它與下列生產函數模型
在技術進步假設上的區別；
⒎（8分）試指出在目前建立中國宏觀計量經濟模型時，下列內生變數應由哪些變數來解釋，簡單說明理由，並擬定關於每個解釋變數的待估參數的正負號。
⑴ 輕工業增加值 ⑵ 衣著類商品價格指數
⑶ 貨幣發行量 ⑷ 農業生產資料進口額
⒏（8分）回答：
⑴ 隨機時間序列的平穩性條件是什麼？證明隨機遊走序列不是平穩序列。
⑵ 單位根檢驗為什麼從DF檢驗擴展到ADF檢驗？
計量經濟學期末試題答案
（2003年6月，滿分70分）
⒈（12分）某人試圖建立我國煤炭行業生產方程，以煤炭產量為被解釋變數，經過理論和經驗分析，確定以固定資產原值、職工人數和電力消耗量變數作為解釋變數，變數的選擇是正確的。於是建立了如下形式的理論模型：
煤炭產量= 固定資產原值+ 職工人數+ 電力消耗量+μ
選擇2000年全國60個大型國有煤炭企業的數據為樣本觀測值；固定資產原值用資產形成年當年價計算的價值量，其它採用實物量單位；採用OLS方法估計參數。指出該計量經濟學問題中可能存在的主要錯誤，並簡單說明理由。
答案：（答出4條給滿分）
⑴ 模型關系錯誤。直接線性模型表示投入要素之間完全可以替代，與實際生產活動不符。
⑵ 估計方法錯誤。該問題存在明顯的序列相關性，不能採用OLS方法估計。
⑶ 樣本選擇違反一致性。行業生產方程不能選擇企業作為樣本。
⑷ 樣本數據違反可比性。固定資產原值用資產形成年當年價計算的價值量，不具備可比性。
⑸ 變數間可能不存在長期均衡關系。變數中有流量和存量，可能存在1個高階單整的序列。應該首先進行單位根檢驗和協整檢驗。
⒉（12分）以 表示糧食產量， 表示播種面積， 表示化肥施用量，經檢驗，它們取對數後都是 變數且互相之間存在 關系。同時經過檢驗並剔除不顯著的變數（包括滯後變數），得到如下糧食生產模型：
(1)
⑴ 寫出長期均衡方程的理論形式；
⑵ 寫出誤差修正項ecm的理論形式；
⑶ 寫出誤差修正模型的理論形式；
⑷ 指出誤差修正模型中每個待估參數的經濟意義。
答案：
⑴ 長期均衡方程的理論形式為：
⑵ 誤差修正項ecm的理論形式為：
⑶ 誤差修正模型的理論形式為：
⑷ 誤差修正模型中每個待估參數的經濟意義為：
：播種面積對產量的短期產出彈性；
：化肥施用量對產量的短期產出彈性；
：前個時期對長期均衡的偏離程度對當期短期變化的影響系數。
⒊（6分）對於上述糧食生產模型(1)，假設所有解釋變數與隨機誤差項都不相關。
⑴ 如果採用普通最小二乘法估計，用非矩陣形式寫出關於參數估計量的正規方程組；
⑵ 從以上正規方程組出發說明，為什麼不能採用分部回歸方法分別估計每個參數。
答案：
⑴ 在所有解釋變數與隨機誤差項都不相關的條件下，如果採用普通最小二乘法估計，關於參數估計量的正規方程組為：
⑵ 如果採用分部回歸方法分別估計每個參數，例如估計 ，建立一元模型，其正規方程組為： ，與上述⑴中第3個方程相比較，則要求方程右邊其餘各項均為0。但是，由於解釋變數之間存在一定程度的共線性，這一要求顯然不能滿足。所以，兩種情況下的 的估計結果不相同。
⒋（9分）投資函數模型
為一完備的聯立方程計量經濟模型中的一個方程，模型系統包含的內生變數為C（居民消費總額）、I（投資總額）和Y（國內生產總值），先決變數為 （政府消費）、 和 。樣本容量為 。
⑴ 可否用狹義的工具變數法估計該方程？為什麼？
⑵ 如果採用2SLS估計該方程，分別寫出2SLS估計量和將它作為一種工具變數方法的估計量的矩陣表達式；
⑶ 如果採用GMM方法估計該投資函數模型，寫出一組等於0的矩條件。
答案：
⑴ 不能用狹義的工具變數法估計該方程。因為該結構方程是過度識別的。
⑵ 如果採用2SLS估計該方程，可以將2SLS估計看作為一種工具變數方法。估計量的矩陣表達式分別為：
前者為2SLS估計，後者為其等價的工具變數估計。
⑶ 如果採用GMM方法估計該投資函數模型，用模型系統的所有先決變數作為工具變數。可以寫出如下一組等於0的矩條件：
⒌（6分）建立城鎮居民食品類需求函數模型如下：
其中V為人均購買食品支出額、Y為人均收入、 為食品類價格、 為其它商品類價格。
⑴ 指出參數估計量的經濟意義是否合理，為什麼？
⑵ 為什麼經常採用交叉估計方法估計需求函數模型？
答案：
⑴ 對於以購買食品支出額位被解釋變數的需求函數模型，即
參數 、 、 估計量的經濟意義分別為人均收入、食品類價格、其它商品類價格的需求彈性；由於食品為必須品，V為人均購買食品支出額，所以 應該在0與1之間， 應該在0與1之間， 在0左右，三者之和為1左右。所以，該模型估計結果中 的估計量缺少合理的經濟解釋。
⑵ 由於該模型中包含長期彈性 和短期彈性 與 ，需要分別採用截面數據和時序數據進行估計，所以經常採用交叉估計方法估計需求函數模型。
⒍（9分）選擇兩要素一級CES生產函數的近似形式建立中國電力行業的生產函數模型：
其中Y為發電量，K、L分別為投入的資本與勞動數量，t為時間變數。
⑴ 指出參數γ、ρ、m的經濟含義和數值范圍；
⑵ 指出模型對要素替代彈性的假設，並指出它與C-D生產函數、VES生產函數在要素替代彈性假設上的區別；
⑶ 指出模型對技術進步的假設，並指出它與下列生產函數模型
在技術進步假設上的區別；
答案：
⑴ 參數γ為技術進步速度，一般為接近0的正數；ρ為替代參數，在（－1，∞）范圍內；m為規模報酬參數，在1附近。
⑵ 該模型對要素替代彈性的假設為：隨著研究對象、樣本區間而變化，但是不隨著樣本點而變化。而C-D生產函數的要素替代彈性始終為1，不隨著研究對象、樣本區間而變化，當然也不隨著樣本點而變化；VES生產函數的要素替代彈性除了隨著研究對象、樣本區間而變化外，還隨著樣本點而變化。
⑶ 該模型對技術進步的假設為希克斯中性技術進步；而生產函數模型
的技術進步假設為中性技術進步，包括3種中性技術進步。
⒎（8分）試指出在目前建立中國宏觀計量經濟模型時，下列內生變數應由哪些變數來解釋，簡單說明理由，並擬定關於每個解釋變數的待估參數的正負號。
⑴ 輕工業增加值 ⑵ 衣著類商品價格指數
⑶ 貨幣發行量 ⑷ 農業生產資料進口額
答案：
⑴ 輕工業增加值應該由反映需求的變數解釋。包括居民收入（反映居民對輕工業的消費需求，參數符號為正）、國際市場輕工業品交易總額（反映國際市場對輕工業的需求，參數符號為正）等。
⑵ 衣著類商品價格指數應該由反映需求和反映成本的兩類變數解釋。主要包括居民收入（反映居民對衣著類商品的消費需求，參數符號為正）、國際市場衣著類商品交易總額（反映國際市場對衣著類商品的需求，參數符號為正）、棉花的收購價格指數（反映成本對價格的影響，參數符號為正）等。
⑶ 貨幣發行量應該由社會商品零售總額（反映經濟總量對貨幣的需求，參數符號為正）、價格指數（反映價格對貨幣需求的影響，參數符號為正）等變數解釋。
⑷ 農業生產資料進口額應該由國內第一產業增加值（反映國內需求，參數符號為正）、國內農業生產資料生產部門增加值（反映國內供給，參數符號為負）、國際市場價格（參數符號為負）、出口額（反映外匯支付能力，參數符號為正）等變數解釋。
⒏（8分）回答：
⑴ 隨機時間序列的平穩性條件是什麼？證明隨機遊走序列不是平穩序列。
⑵ 單位根檢驗為什麼從DF檢驗擴展到ADF檢驗？
答案：
⑴ 隨機時間序列{ }（t=1, 2, …）的平穩性條件是：1）均值 ，是與時間t 無關的常數；2）方差 ，是與時間t 無關的常數；3）協方差 ，只與時期間隔k有關，與時間t 無關的常數。
對於隨機遊走序列 ，假設 的初值為 ，則易知
由於 為一常數， 是一個白雜訊，因此 ，即 的方差與時間t有關而非常數，所以它是一非平穩序列。
⑵ 在採用DF檢驗對時間序列進行平穩性檢驗中，實際上假定了時間序列是由具有白雜訊隨機誤差項的一階自回歸過程（AR(1)）生成的。但在實際檢驗中，時間序列可能是由更高階的自回歸過程生成的，或者隨機誤差項並非是白雜訊，這樣用OLS法進行估計均會表現出隨機誤差項出現自相關，導致DF檢驗無效。另外，如果時間序列包含有明顯的隨時間變化的某種趨勢（如上升或下降），則也容易導致DF檢驗中的自相關隨機誤差項問題。為了保證DF檢驗中隨機誤差項的白雜訊特性，Dicky和Fuller對DF檢驗進行了擴充，形成了ADF檢驗。
6. 計量經濟學模型有哪些
截面數據模型、時間序列模型和面板數據模型
不同數據有不同的假定繼而衍生出不同的模型
7. 計量經濟學模型主要有哪些應用領域，各自
1-9．計量經濟學模型主要有哪些應用領域？各自的原理是什麼？
1-10．試...?
習題參考答案
第一章
緒論
1-1．答：計量經濟學是經濟學的一個分支...
8. 什麼是計量經濟模型
計量經濟模型包括一個或一個以上的隨機方程式，它簡潔有效地描述、概括某專個真實經濟系統的數量特徵，屬更深刻地揭示出該經濟系統的數量變化規律。是由系統或 方程組成，方程由變數和 系數組成。其中，系統也是由 方程組成。 計量經濟模型揭示經濟活動中各個因素之間的 定量關系，用隨機性的數學方程加以描述。
廣義地說，一切包括經濟、 數學、統計三者的模型；
狹義地說，僅只用 參數估計和假設檢驗的 數理統計方法研究經驗數據的模型。
用截面數據作為計量經濟學模型的樣本數據，應注意以下幾個問題。一是樣本與母體的一致性問題。計量經濟學模型的參數估計，從數學上講，是用從母體中隨機抽取的個體樣本估計母體的參數，那麼要求母體與個體必須是一致的。例如，估計煤炭企業的生產函數模型，只能用煤炭企業的數據作為樣本，不能用煤炭行業的數據。那麼，截面數據就很難用於一些總量模型的估計，例如，建立煤炭行業的生產函數模型，就無法得到合適的截面數據。
9. 我國1990到2009年的城鎮居民可支配收入數據、。做計量經濟學模型用的。、、
最詳細的具體數據如下：
我國1990到2009年的城鎮居民可支配收入數據
1990 年 1510.2 ，回1991年 1700.6， 1992年 2026.6 ，1993年 2577.4 ，1994 年 3496.2 1995 年 4283.0 ，1996 年 4838.9 ，1997年 5160.3， 1998年 5425.1， 答1999年 5854.0 ，2000年 6280.0， 2001年 6859.6， 2002年7702.8 ， 2003年8472.2 ， 2004年 9421.6,2005 年 10493.0， 2006 11759.5， 2007 年13785.8，2008年15781.0元，2009年18858.0。