1. 计量经济学都有哪些模型啊，具体怎样运用
#计量经济学的定义
计量经济学是以一定的经济理论和统计资料为基础，运用数学、统计学方法与电脑技术，以建立经济计量模型为主要手段，定量分析研究具有随机性特性的经济变量关系。主要内容包括理论计量经济学和应用经济计量学。
#计量经济学的研究步骤和方法
确定变量和数学关系式-模型设定；分析变量间具体的数量关系-估计参数；检验所得结论的可靠性-模型检验；经济分析和预测-模型应用
#分布滞后模型估计的困难有哪几个
A．自由度问题。自由度过分损失，到时估计偏差增大，显著性检验失效。
B．多重共线性问题。滞后变量常存在多重共线性。
C．滞后长度难以确定。
#工具变量法
1．与所代替的解释变量高度相关
2．与随机扰动项不相关
3．与其他解释变量不相关，以免出现多重共线性
#虚拟变量的基本概念
虚拟变量是人工构造的取值为0和1的作为属性变量代表的变量
#联立方程模型的区别
A．联立方程组模型由几个单一方程组成。被解释变量不只一个。
B．模型里有随机方程，也有确定性方程，但必含有随机方程。
C．被解释变量和解释变量之间不仅是单向因果关系，也可能互为因果。
D．解释变量可能与随机扰动项相关。
#非完全多重共线性后果：
1.参数估计量方差增大
2.对参数区间估计时，置信区间趋于变大
3.严重时，假设检验容易作出错误判断
4.严重时，可能r2较大和f检验显著性高，但t检验可能不显著，得出错误结论
#多重共线性检验：
1．简单相关系数检验
2．方差扩大因子法
3．直观判断，如回归系数标准差大，或与经济理论背离
4．逐步回归法
#自相关：
经济系统的惯性。经济活动滞后效应。数据处理造成的相关。蛛网现象。模型设定偏误。零均值，低估参数估计值的方差，对模型预测的影响，高估t，f，r2不可靠，对模型影响，降低预测精度。
#异方差：
模型中省略某些重要解释变量。模型设定误差。测量误差的变化。截面数据中总体各单位的差异。无偏，一致，非有效，夸大估计参数的统计显著性，对预测影响，Y的预测非有效。
2. 计量经济学使用Eviews软件分析的案例模型
计量经济学
期末实验报告
实验名称：大中城市城镇居民人均消费支出与其影响因素的分析
姓 名：
学 号：
班 级：
指导教师：
时 间：
23个城市城镇居民人均消费支出
与其影响因素的分析
一、 经济理论背景
近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。
二、 有关人均消费支出及其影响因素的理论
我们主要从以下几个方面分析我国居民消费支出的影响因素：
①、居民未来支出预期上升，影响了居民即期消费的增长
居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。
②、商品供求结构性矛盾依然突出
从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。
③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长
加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。
④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长
经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。
三、 相关数据收集
相关数据均来源于2006年《中国统计年鉴》：
23个大中城市城镇居民家庭基本情况
地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（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
石家庄 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
沈阳 1.3 2.1 1148.5 1048.7 812.1
大连 1.6 1.8 1269.8 1133.1 946.5
长春 1.8 1.7 1156.1 1016.1 690.2
哈尔滨 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
宁波 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
厦门 1.5 1.9 1631.7 1394.3 998.7
南昌 1.4 1.8 1405.0 1321.1 665.4
济南 1.7 1.7 1491.3 1356.8 1071.4
青岛 1.6 1.8 1495.6 1378.5 1020.7
郑州 1.4 2.1 1012.2 954.2 750.3
武汉 1.5 2.0 1052.5 972.2 853.1
长沙 1.4 2.1 1256.9 1148.9 986.8
广州 1.7 1.8 1898.6 1591.1 1215.1
四、 模型的建立
根据数据，我们建立多元线性回归方程的一般模型为：
其中：
——人均消费支出
——常数项
——回归方程的参数
——平均每户就业人口数
——平均每一就业者负担人口数
——平均每人实际月收入
——人均可支配收入
——随即误差项
五、实验过程
（一）回归模型参数估计
根据数据建立多元线性回归方程：
首先利用Eviews软件对模型进行OLS估计，得样本回归方程。
利用Eviews输出结果如下：
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
根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ，
从而初步得到的回归方程为：
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
模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于0.05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。
（二）处理多重共线性
我们采用逐步回归法对模型的多重共线性进行检验和处理：
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
由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行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
由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。
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
由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于0.05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为：
Se= (142.5882) (0.553402) (0.656624)
T= (2.326290) (3.192782) (-2.244390)
F=21.66965 df=20
（三）.异方差性的检验
对模型 进行怀特检验：
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
由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=30.1435，因为 < (5)= 30.1435,所以模型中不存在异方差。
（四）.自相关的检验
由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于0.05，D-W值为2.111635，显著性水平 =0.05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =1.543<D-W=2.111635<4 ，由DW检验决策规则可知，该模型不存在自相关问题。
六、对模型进行分析和解释经济学意义
回归方程的意义为：当平均每人实际月收入不变时，人均可支配收入每增加一个单位，人均消费支出减少1.473721个单位；当人均可支配收入不变时，平均每人实际月收入每增加一个单位，人均消费支出增加1.766892个单位。
七、 就模型所反映的问题给出针对性的政策建议或结论
对于我国人均消费支出的分析中，可以看出我国在过去的几年里经济发展稳健，但是由于种种原因导致我国经济的现状存在一定的问题，如不完善的社会保障制度导致消费结构不合理；过高的居民储蓄存款影响居民消费倾向；消费品生产行业投资方向失误和低效率引起国内市场消费梗阻；保守的消费观念和消费政策的制约；教育支出比重过大影响居民消费倾向 。对此我们国家应该在以下几个方面对居民消费中存在的问题进行对策研究
（一）建立和完善社会保障制度，增强居民消费信心
（二）培育新的消费热点，拓展居民的消费领域
（三）促使商品消费从自我积累型向信用支持型转变
（四）分层次促进居民消费
（五）破解影响消费结构优化的政策制约
（六）化解有效供给不足与产品相对过剩的矛盾
3. 学过计量经济的进。。 简述经典计量经济模型和非经典计量经济模型有何区别 最好能详细点
经典计量经济学一般指20世纪70年代一切发展并广泛应用的计量经济学，回他们具有显著的答共同特征：
模型类型：采用随机模型。
模型导向：以经济理论为导向建立模型。
模型结构：变量之间的关系表现为线性或者可以化为线性，属于因果分析模型，解释变量具有同等地位，模型具有明确的形式和参数。
数据类型：以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量。
估计方法：仅利用样本信息，采用最小二乘法或者最大似然法估计变量。
非经典计量经济学一般指20世纪70年代以后发展的计量经济学理论、方法及应用模型，也称现代计量经济学。经典计量经济学一般指20世纪70年代一切发展并广泛应用的计量经济学
4. 为什么计量经济学模型研究是演绎和归纳的结合
2）以1978—2003年的时间序列研究中国城镇居民消费函数时发现，1991年前后城镇居民消费性支出Y对可支配收入X的回归关系明显不同。如果不加处理的在整个时间序列区间应用普通最小二乘法，会带来结果的偏差。可以考虑以下哪一种方法克服此问题：（）。A、虚拟变量方法B、分时段建立模型C、增加样本容量D、采用滞后变量的模型3）计量经济学的核心思路是（b）A.回归分析B.建立经济模型C.最小二乘估计D.统计推断4）关于包含虚拟变量的模型，下列哪个描述不准确（c）A．模型的解释变量可以仅由虚拟变量构成。B．模型的解释变量必须包含定量变量。C．模型的解释变量可以包含定性变量与定量变量。D．在季度分析模型中不能将四个季度同时作为虚拟变量纳入模型中。7）回归分析中定义的(b)A.解释变量和被解释变量都是随机变量B.解释变量为非随机变量，被解释变量为随机变量C.解释变量和被解释变量都为非随机变量D.解释变量为随机变量，被解释变量为非随机变量8）对于滞后模型，解释变量的滞后长度每增加一期，可利用的样本数据就会(b)A.增加1个B.减少1个C.增加2个D.减少2个9）若回归模型中的随机误差项存在较强的一阶正自相关，则估计模型参数应采用(d)A.普通最小二乘法B.加权最小二乘法C.广义差分法D.一阶差分法11）违背了下列哪条性质后最小二乘估计量仍然是BLUE估计量（）A．线性性B.一致性C.有效性D.无偏性12）如果误把非线性关系作为线性关系直接用普通最小二乘法回归会导致（）A．误差项均值非零B.误差序列相关C．异方差D.多重共线性13）常见判别模型好坏的参考标准包括（）（多选）A．节省性B.数据优质性C.可识别性D.理论一致性14）随机扰动项产生的原因是（abcd）（多选）（A）客观现象的随机性（人的行为、社会环境与自然影响的随机性）（B）模型省略变量（被省略的具有随机性的变量归入随机扰动项）（C）数学模型函数的形式的简化（D）数学模型函数的形式的误定（E）经济数据的来源问题补充：判断改错1、标准线性回归模型的参数表示了解释变量引起被解释变量的相对变化，而对数模型回归参数则表示解释变量引起被解释变量的绝对变化。（f）2、如果存在异方差，普通最小二乘估计量是无偏的和无效的。（f）3、当R2=1，F=0；当R2=0，F=∞。（）4、回归分析的结果要通过统计意义检验和计量经济意义检验后方可应用。（t）5、在多元回归分析中，方程Y=β0+β1X1+β2X2+ε中的偏回归系数β2表示X2变化一个单位引起Y的平均变化。（t）抱歉有些题不会做
5. 求计量经济学试题及答案。
计量经济学期末试卷（2004年6月，满分70分）
一（24分）将中国城镇居民按照人均年收入分成 组，以2003年的组平均数为样本观测值，建立中国城镇居民消费函数模型，以人均年消费额 为被解释变量，经过理论分析和经验检验，选择人均年收入 和人均储蓄余额 作为解释变量，解释变量和被解释变量之间的关系为直接线性关系。模型形式为：
⑴ 分别写出该问题的总体回归函数、总体回归模型、样本回归函数和样本回归模型；
⑵ 分别写出随机误差项具有同方差且无序列相关、具有异方差但无序列相关、具有异方差且具有一阶序列相关时的方差—协方差矩阵；
⑶ 当模型满足基本假设时，写出关于普通最小二乘法参数估计量的正规方程组；
⑷ 直观判断该模型是否具有异方差性？为什么？
⑸ 如果该模型存在异方差性，写出加权最小二乘法参数估计量的矩阵表达式，并指出在实际估计时权矩阵是如何选择的；
⑹ 指出“偏回归系数” 的实际含义，并指出解释变量满足什么条件时可以用一元回归模型得到相同的 的估计结果？
⑺ 如果仅以入均收入200元及以上的收入组为样本，用OLS和ML分别估计模型，参数估计量是否等价？为什么？
⑻ 如果模型中未包括显著的解释变量 ，可能导致模型违背哪些基本假设？
二（8分）简要回答下列问题：
⑴ C-D生产函数模型和CES生产函数模型关于要素替代弹性和技术进步的假设分别是什么？
⑵ 建立城镇居民食品类需求函数模型如下：
其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。 指出各个参数估计量的经济意义和数值范围。
三（8分）某联立方程计量经济学模型有3个方程、3个内生变量 、3个外生变量 和样本观测值始终为1的虚变量C，样本容量为n。其中第二个方程为
⑴ 能否采用OLS方法估计该结构方程？为什么？
⑵ 如果采用工具变量方法估计该方程，如何选择 的工具变量？（指出两种选择）
四（16分）中国的银行系统正遭受着坏帐的困扰，有估计认为全部坏帐足以让整个银行系统崩溃。毫无疑问坏帐是资源配置被扭曲的一个例子，换句话说如果没有坏帐，中国的GDP增长率也许会更高。为检验这一理论，假设你已经收集了中国银行系统坏帐累计总额的时序数据，以及其它一些总量数据如GDP，人口和总投资。
⑴ 写出一个能够描述该问题的计量经济学模型，并解释。
⑵ 写出检验下述命题的原假设：“坏帐对当期GDP增长率无影响”。
⑶ 为1中你的模型提供合适的计量经济学估计方法，详细说明。
⑷ 要让3中你的估计量满足一致性，必须满足什么条件？
五（14分）假设你想研究国企和外企生产率的差别，为此你建立了如下的模型：
其中变量 表示人均产出（per worker）， 表示总资产净值中由外国公司拥有的份额， 表示人均资本存量(per worker)。假定你收集了300个企业关于这些变量在2000年的数据。
⑴ 写出下述命题的原假设：“国企和外企生产率无差异”
⑵ 假定你用简单OLS估计模型，估计量具有一致性吗？为什么。
⑶ 假定你认为简单OLS估计不具有一致性，提供一个可以获得一致估计的估计方法，详细说明。
⑷ 现在假定你还另外收集了相同厂商相同变量在2003年的数据，试建立一个更好的模型可以利用这一额外信息。讨论你将如何估计这一模型。
计量经济学试题（2002年6月）
⒈（共30分，每小题3分）建立中国居民消费函数模型
t=1978,1979,…,2001
其中 表示居民消费总额， 表示居民收入总额。
⑴ 能否用历年的人均消费额和人均收入数据为样本观测值估计模型？为什么？
⑵ 人们一般选择用当年价格统计的居民消费总额和居民收入总额作为样本观测值，为什么？这样是否违反样本数据可比性原则？为什么？
⑶ 如果用矩阵方程 表示该模型，写出每个矩阵的具体内容，并标明阶数；
⑷ 如果所有古典假设都满足，分别从最小二乘原理和矩方法出发，推导出关于参数估计量的正规方程组；
⑸ 如果 与 存在共线性，证明：当去掉变量 以消除共线性时， 的估计结果将发生变化；
⑹ 如果模型中 为随机解释变量且与 相关，证明：如果用OLS估计该消费函数模型，其参数估计量是有偏的；
⑺ 如果模型中 为随机解释变量且与 相关，选择政府消费 为 的工具变量（ 满足工具变量的所有条件），写出关于参数估计量的正规方程组；
⑻ 如果经检验表明模型存在一阶序列相关，而需要采用广义差分法估计模型，指出在常用的软件中是如何实现的？
⑼ 在不受到限制的情况下， 的值域为 ，写出 的对数似然函数；
⑽ 试分析，以t=1978,1979,…,2001数据为样本观测值，能否说“样本是从母体中随机抽取的”？那么采用OLS估计模型参数，估计结果是否存在偏误？为什么？
⒉（共16分，每小题4分）下列为一完备的联立方程计量经济模型
其中C为居民消费总额、I为投资总额、Y为国内生产总值、 为政府消费总额，样本取自1978—2000年。
⑴ 证明：对于消费方程，用IV、ILS、2SLS方法分别估计，参数估计结果是等价的。
⑵ 说明：对于投资方程，能否用IV、ILS方法估计？为什么？
⑶ 写出该联立方程计量经济模型3SLS参数估计量的矩阵表达式，并写出表达式中每个矩阵的具体形式；
⑷ 根据经验判断，该模型3SLS参数估计量与2SLS参数估计量是否等价？为什么？
⒊（共18分，每小题3分）简单回答以下问题：
⑴ 分别指出两要素C-D生产函数、两要素一级CES生产函数和VES生产函数关于要素替代弹性的假设。
⑵ 在一篇博士论文中设计的生产函数模型为：
其中，Y为产出量，K、L为资本和劳动投入量， 为第i种能源投入量，其它为参数。试指出该理论模型设计的主要问题，并给出正确的模型设计。
⑶ 建立城镇居民食品类需求函数模型如下：
其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。拟定每个参数的数值范围，并指出参数之间必须满足的关系。
⑷ 指出在实际建立模型时虚变量的主要用途。
⑸ 两位研究者分别建立如下的中国居民消费函数模型
和
其中 表示居民消费总额， 表示居民收入总额。由相同的样本和相同的估计方法，得到了不同的居民边际消费倾向估计值。如何解释这种现象？由此指出经典计量经济学模型的的缺点。
⑹ 从经典计量经济学模型设定理论出发，在建立中国宏观计量经济模型时，一般应该如何对第三产业的生产方程进行分解，并指出其理由。
⒋（6分）在你完成的单方程计量经济学模型综合练习中，你是如何确定理论模型的最终形式的？
计量经济学期末试题
（2003年6月，满分70分）
⒈（12分）某人试图建立我国煤炭行业生产方程，以煤炭产量为被解释变量，经过理论和经验分析，确定以固定资产原值、职工人数和电力消耗量变量作为解释变量，变量的选择是正确的。于是建立了如下形式的理论模型：
煤炭产量= 固定资产原值+ 职工人数+ 电力消耗量+μ
选择2000年全国60个大型国有煤炭企业的数据为样本观测值；固定资产原值用资产形成年当年价计算的价值量，其它采用实物量单位；采用OLS方法估计参数。指出该计量经济学问题中可能存在的主要错误，并简单说明理由。
⒉（12分）以 表示粮食产量， 表示播种面积， 表示化肥施用量，经检验，它们取对数后都是 变量且互相之间存在 关系。同时经过检验并剔除不显著的变量（包括滞后变量），得到如下粮食生产模型：
(1)
⑴ 写出长期均衡方程的理论形式；
⑵ 写出误差修正项ecm的理论形式；
⑶ 写出误差修正模型的理论形式；
⑷ 指出误差修正模型中每个待估参数的经济意义。
⒊（6分）对于上述粮食生产模型(1)，假设所有解释变量与随机误差项都不相关。
⑴ 如果采用普通最小二乘法估计，用非矩阵形式写出关于参数估计量的正规方程组；
⑵ 从以上正规方程组出发说明，为什么不能采用分部回归方法分别估计每个参数；
⒋（9分）投资函数模型
为一完备的联立方程计量经济模型中的一个方程，模型系统包含的内生变量为C（居民消费总额）、I（投资总额）和Y（国内生产总值），先决变量为 （政府消费）、 和 。样本容量为 。
⑴ 可否用狭义的工具变量法估计该方程？为什么？
⑵ 如果采用2SLS估计该方程，分别写出2SLS估计量和将它作为一种工具变量方法的估计量的矩阵表达式；
⑶ 如果采用GMM方法估计该投资函数模型，写出一组等于0的矩条件。
⒌（6分）建立城镇居民食品类需求函数模型如下：
其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。
⑴ 指出参数估计量的经济意义是否合理，为什么？
⑵ 为什么经常采用交叉估计方法估计需求函数模型？
⒍（9分）选择两要素一级CES生产函数的近似形式建立中国电力行业的生产函数模型：
其中Y为发电量，K、L分别为投入的资本与劳动数量，t为时间变量。
⑴ 指出参数γ、ρ、m的经济含义和数值范围；
⑵ 指出模型对要素替代弹性的假设，并指出它与C-D生产函数、VES生产函数在要素替代弹性假设上的区别；
⑶ 指出模型对技术进步的假设，并指出它与下列生产函数模型
在技术进步假设上的区别；
⒎（8分）试指出在目前建立中国宏观计量经济模型时，下列内生变量应由哪些变量来解释，简单说明理由，并拟定关于每个解释变量的待估参数的正负号。
⑴ 轻工业增加值 ⑵ 衣着类商品价格指数
⑶ 货币发行量 ⑷ 农业生产资料进口额
⒏（8分）回答：
⑴ 随机时间序列的平稳性条件是什么？证明随机游走序列不是平稳序列。
⑵ 单位根检验为什么从DF检验扩展到ADF检验？
计量经济学期末试题答案
（2003年6月，满分70分）
⒈（12分）某人试图建立我国煤炭行业生产方程，以煤炭产量为被解释变量，经过理论和经验分析，确定以固定资产原值、职工人数和电力消耗量变量作为解释变量，变量的选择是正确的。于是建立了如下形式的理论模型：
煤炭产量= 固定资产原值+ 职工人数+ 电力消耗量+μ
选择2000年全国60个大型国有煤炭企业的数据为样本观测值；固定资产原值用资产形成年当年价计算的价值量，其它采用实物量单位；采用OLS方法估计参数。指出该计量经济学问题中可能存在的主要错误，并简单说明理由。
答案：（答出4条给满分）
⑴ 模型关系错误。直接线性模型表示投入要素之间完全可以替代，与实际生产活动不符。
⑵ 估计方法错误。该问题存在明显的序列相关性，不能采用OLS方法估计。
⑶ 样本选择违反一致性。行业生产方程不能选择企业作为样本。
⑷ 样本数据违反可比性。固定资产原值用资产形成年当年价计算的价值量，不具备可比性。
⑸ 变量间可能不存在长期均衡关系。变量中有流量和存量，可能存在1个高阶单整的序列。应该首先进行单位根检验和协整检验。
⒉（12分）以 表示粮食产量， 表示播种面积， 表示化肥施用量，经检验，它们取对数后都是 变量且互相之间存在 关系。同时经过检验并剔除不显著的变量（包括滞后变量），得到如下粮食生产模型：
(1)
⑴ 写出长期均衡方程的理论形式；
⑵ 写出误差修正项ecm的理论形式；
⑶ 写出误差修正模型的理论形式；
⑷ 指出误差修正模型中每个待估参数的经济意义。
答案：
⑴ 长期均衡方程的理论形式为：
⑵ 误差修正项ecm的理论形式为：
⑶ 误差修正模型的理论形式为：
⑷ 误差修正模型中每个待估参数的经济意义为：
：播种面积对产量的短期产出弹性；
：化肥施用量对产量的短期产出弹性；
：前个时期对长期均衡的偏离程度对当期短期变化的影响系数。
⒊（6分）对于上述粮食生产模型(1)，假设所有解释变量与随机误差项都不相关。
⑴ 如果采用普通最小二乘法估计，用非矩阵形式写出关于参数估计量的正规方程组；
⑵ 从以上正规方程组出发说明，为什么不能采用分部回归方法分别估计每个参数。
答案：
⑴ 在所有解释变量与随机误差项都不相关的条件下，如果采用普通最小二乘法估计，关于参数估计量的正规方程组为：
⑵ 如果采用分部回归方法分别估计每个参数，例如估计 ，建立一元模型，其正规方程组为： ，与上述⑴中第3个方程相比较，则要求方程右边其余各项均为0。但是，由于解释变量之间存在一定程度的共线性，这一要求显然不能满足。所以，两种情况下的 的估计结果不相同。
⒋（9分）投资函数模型
为一完备的联立方程计量经济模型中的一个方程，模型系统包含的内生变量为C（居民消费总额）、I（投资总额）和Y（国内生产总值），先决变量为 （政府消费）、 和 。样本容量为 。
⑴ 可否用狭义的工具变量法估计该方程？为什么？
⑵ 如果采用2SLS估计该方程，分别写出2SLS估计量和将它作为一种工具变量方法的估计量的矩阵表达式；
⑶ 如果采用GMM方法估计该投资函数模型，写出一组等于0的矩条件。
答案：
⑴ 不能用狭义的工具变量法估计该方程。因为该结构方程是过度识别的。
⑵ 如果采用2SLS估计该方程，可以将2SLS估计看作为一种工具变量方法。估计量的矩阵表达式分别为：
前者为2SLS估计，后者为其等价的工具变量估计。
⑶ 如果采用GMM方法估计该投资函数模型，用模型系统的所有先决变量作为工具变量。可以写出如下一组等于0的矩条件：
⒌（6分）建立城镇居民食品类需求函数模型如下：
其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。
⑴ 指出参数估计量的经济意义是否合理，为什么？
⑵ 为什么经常采用交叉估计方法估计需求函数模型？
答案：
⑴ 对于以购买食品支出额位被解释变量的需求函数模型，即
参数 、 、 估计量的经济意义分别为人均收入、食品类价格、其它商品类价格的需求弹性；由于食品为必须品，V为人均购买食品支出额，所以 应该在0与1之间， 应该在0与1之间， 在0左右，三者之和为1左右。所以，该模型估计结果中 的估计量缺少合理的经济解释。
⑵ 由于该模型中包含长期弹性 和短期弹性 与 ，需要分别采用截面数据和时序数据进行估计，所以经常采用交叉估计方法估计需求函数模型。
⒍（9分）选择两要素一级CES生产函数的近似形式建立中国电力行业的生产函数模型：
其中Y为发电量，K、L分别为投入的资本与劳动数量，t为时间变量。
⑴ 指出参数γ、ρ、m的经济含义和数值范围；
⑵ 指出模型对要素替代弹性的假设，并指出它与C-D生产函数、VES生产函数在要素替代弹性假设上的区别；
⑶ 指出模型对技术进步的假设，并指出它与下列生产函数模型
在技术进步假设上的区别；
答案：
⑴ 参数γ为技术进步速度，一般为接近0的正数；ρ为替代参数，在（－1，∞）范围内；m为规模报酬参数，在1附近。
⑵ 该模型对要素替代弹性的假设为：随着研究对象、样本区间而变化，但是不随着样本点而变化。而C-D生产函数的要素替代弹性始终为1，不随着研究对象、样本区间而变化，当然也不随着样本点而变化；VES生产函数的要素替代弹性除了随着研究对象、样本区间而变化外，还随着样本点而变化。
⑶ 该模型对技术进步的假设为希克斯中性技术进步；而生产函数模型
的技术进步假设为中性技术进步，包括3种中性技术进步。
⒎（8分）试指出在目前建立中国宏观计量经济模型时，下列内生变量应由哪些变量来解释，简单说明理由，并拟定关于每个解释变量的待估参数的正负号。
⑴ 轻工业增加值 ⑵ 衣着类商品价格指数
⑶ 货币发行量 ⑷ 农业生产资料进口额
答案：
⑴ 轻工业增加值应该由反映需求的变量解释。包括居民收入（反映居民对轻工业的消费需求，参数符号为正）、国际市场轻工业品交易总额（反映国际市场对轻工业的需求，参数符号为正）等。
⑵ 衣着类商品价格指数应该由反映需求和反映成本的两类变量解释。主要包括居民收入（反映居民对衣着类商品的消费需求，参数符号为正）、国际市场衣着类商品交易总额（反映国际市场对衣着类商品的需求，参数符号为正）、棉花的收购价格指数（反映成本对价格的影响，参数符号为正）等。
⑶ 货币发行量应该由社会商品零售总额（反映经济总量对货币的需求，参数符号为正）、价格指数（反映价格对货币需求的影响，参数符号为正）等变量解释。
⑷ 农业生产资料进口额应该由国内第一产业增加值（反映国内需求，参数符号为正）、国内农业生产资料生产部门增加值（反映国内供给，参数符号为负）、国际市场价格（参数符号为负）、出口额（反映外汇支付能力，参数符号为正）等变量解释。
⒏（8分）回答：
⑴ 随机时间序列的平稳性条件是什么？证明随机游走序列不是平稳序列。
⑵ 单位根检验为什么从DF检验扩展到ADF检验？
答案：
⑴ 随机时间序列{ }（t=1, 2, …）的平稳性条件是：1）均值 ，是与时间t 无关的常数；2）方差 ，是与时间t 无关的常数；3）协方差 ，只与时期间隔k有关，与时间t 无关的常数。
对于随机游走序列 ，假设 的初值为 ，则易知
由于 为一常数， 是一个白噪声，因此 ，即 的方差与时间t有关而非常数，所以它是一非平稳序列。
⑵ 在采用DF检验对时间序列进行平稳性检验中，实际上假定了时间序列是由具有白噪声随机误差项的一阶自回归过程（AR(1)）生成的。但在实际检验中，时间序列可能是由更高阶的自回归过程生成的，或者随机误差项并非是白噪声，这样用OLS法进行估计均会表现出随机误差项出现自相关，导致DF检验无效。另外，如果时间序列包含有明显的随时间变化的某种趋势（如上升或下降），则也容易导致DF检验中的自相关随机误差项问题。为了保证DF检验中随机误差项的白噪声特性，Dicky和Fuller对DF检验进行了扩充，形成了ADF检验。
6. 计量经济学模型有哪些
截面数据模型、时间序列模型和面板数据模型
不同数据有不同的假定继而衍生出不同的模型
7. 计量经济学模型主要有哪些应用领域，各自
1-9．计量经济学模型主要有哪些应用领域？各自的原理是什么？
1-10．试...?
习题参考答案
第一章
绪论
1-1．答：计量经济学是经济学的一个分支...
8. 什么是计量经济模型
计量经济模型包括一个或一个以上的随机方程式，它简洁有效地描述、概括某专个真实经济系统的数量特征，属更深刻地揭示出该经济系统的数量变化规律。是由系统或 方程组成，方程由变量和 系数组成。其中，系统也是由 方程组成。 计量经济模型揭示经济活动中各个因素之间的 定量关系，用随机性的数学方程加以描述。
广义地说，一切包括经济、 数学、统计三者的模型；
狭义地说，仅只用 参数估计和假设检验的 数理统计方法研究经验数据的模型。
用截面数据作为计量经济学模型的样本数据，应注意以下几个问题。一是样本与母体的一致性问题。计量经济学模型的参数估计，从数学上讲，是用从母体中随机抽取的个体样本估计母体的参数，那么要求母体与个体必须是一致的。例如，估计煤炭企业的生产函数模型，只能用煤炭企业的数据作为样本，不能用煤炭行业的数据。那么，截面数据就很难用于一些总量模型的估计，例如，建立煤炭行业的生产函数模型，就无法得到合适的截面数据。
9. 我国1990到2009年的城镇居民可支配收入数据、。做计量经济学模型用的。、、
最详细的具体数据如下：
我国1990到2009年的城镇居民可支配收入数据
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。