内容发布更新时间 : 2024/6/8 10:32:18星期一 下面是文章的全部内容请认真阅读。
1．最小二乘法对随机误差项u作了哪些假定？说明这些假定条件的意义。 答：假定条件：
(1)均值假设：E(ui)=0,i=1,2,…；
(2)同方差假设：Var(ui)=E[ui-E(ui)]2=E(ui2)=σu2 ,i=1,2,…；
(3)序列不相关假设：Cov(ui,uj)=E[ui-E(ui)][uj-E(uj)]=E(uiuj)=0,i≠j,i,j=1,2,…； (4)Cov(ui,Xi)=E[ui-E(ui)][Xi-E(Xi)]=E(uiXi)=0；
(5)ui服从正态分布, ui～N(0,σu2)。
意义：有了这些假定条件，就可以用普通最小二乘法估计回归模型的参数。
2．阐述对样本回归模型拟合优度的检验及回归系数估计值显著性检验的步骤。
答：样本回归模型拟合优度的检验：可通过总离差平方和的分解、样本可决系数、样本相关系数来检验。
回归系数估计值显著性检验的步骤： (1)提出原假设H0 ：β1=0； (2)备择假设H1 ：β1≠0； (3)计算 t=β1/Sβ1；
(4)给出显著性水平α，查自由度v=n-2的t分布表，得临界值tα/2(n-2)；
(5)作出判断。如果|t|
4.试说明为什么∑ei2的自由度等于n-2。
答：在模型中，自由度指样本中可以自由变动的独立不相关的变量个数。当有约束条件时，自由度减少，其计算公式：自由度=样本个数-受约束条件的个数，即df=n-k。一元线性回归中SSE残差的平方和，其自由度为n-2,因为计算残差时用到回归方程，回归方程中有两个未知参数β0和β1，而这两个参数需要两个约束条件予以确定，由此减去2，也即其自由度为n-2。
5.试说明样本可决系数与样本相关系数的关系及区别，以及样本相关系数与β^1的关系。 答：样本相关系数r的数值等于样本可决系数的平方根，符号与β1相同。但样本相关系数与样本可决系数在概念上有明显的区别，r建立在相关分析的理论基础之上，研究两个随机变量X与Y之间的线性相关关系；样本可决系数r2建立在回归分析的理论基础之上，研究非随机变量X对随机变量Y的解释程度。
6.已知某市的货物运输量Y(万吨)，国内生产总值GDP(亿元，1980年不变价)1985~1998年的样本观测值见下表(略)。
Dependent Variable: Y Method: Least Squares Date: 10/07/16 Time: 00:47 Sample: 1985 1998 Included observations: 14
Variable C GDP
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 12596.27 26.95415
Std. Error 1244.567 4.120300
t-Statistic 10.12101 6.541792
Prob. 0.0000 0.0000 20168.57 3512.487 17.85895 17.95024 17.85050 0.859998
0.781002 Mean dependent var 0.762752 S.D. dependent var 1710.865 Akaike info criterion 35124719 Schwarz criterion -123.0126 Hannan-Quinn criter. 42.79505 Durbin-Watson stat 0.000028
(1) 一元线性回归方程 Yt=12596.27+26.95415GDP (2) 对回归方程的结构分析
?1?26.95是样本回归方程的斜率，它表示某市的边际货运运输倾向，说明年GDP每
增加一亿元就增加26.95万吨的货物运输量；?0?12596.27是样本回归方程的截距，它表
???0?1的符号和大小均符合经济理论和目前某市的实际情况。示不受GDP影响的货物运输量；
(3)统计检验
??r2检验：r2?0.78，说明总离差平方和的78%被样本回归直线解释了，有22%未被解释，
样本回归直线对样本点到拟合优度比较好。
显著性水平 ??0.05，查自由度v=14-2=12的t分布表，得临界值t0.025(12)=2.18 t0=10.1>t0.025(12)，t1=6.5>t0.025(12)，回归系数显著不为零，回归模型中应包含常数项，GDP对Y有显著影响。
(4)预测区间1980~2000
当2000年的时候GDP为620亿元时，运输量预测值为
YO=29307.84万吨
计算得到：X?280.93
?x2i?1277340
se2?13262.66?2
?1?X?X?2?0???se2?1??2xi??n???=15403.69 则：
??????YO??Y0?t??,Y0?t???22????
即
YO??29037.28,29578.40?
7. 我国粮食产量Q（万吨）、农业机械总动力X1（万瓦时）、化肥施用量X2（万吨）、土地灌溉面积X3（千公顷）1978~1998年样本观测值见下表。（略） （1）我国粮食产量Q（万吨）和农业机械总动力X1（万瓦时）
1） 估计模型
Dependent Variable: Q Method: Least Squares Date: 10/07/16 Time: 01:42 Sample: 1978 1998 Included observations: 21
Variable C X1
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 40772.47 0.001220
Std. Error 1389.795 0.001909
t-Statistic 29.33704 0.639194
Prob. 0.0000 0.5303 40996.12 6071.868 20.38113 20.48061 20.40272 0.206201
0.021051 Mean dependent var -0.030473 S.D. dependent var 6163.687 Akaike info criterion 7.22E+08 Schwarz criterion -212.0019 Hannan-Quinn criter. 0.408568 Durbin-Watson stat 0.530328