文档介绍：姓名:王兰杏学号: 0123396 班级: 12经2班 1、(1) X 2,X 3,X 4,X 8的t 值均小于 2 ,系数均不显著。而 2R = 则说明模型的拟和优度较好。(2) 根据相关系数表,模型解释变量相关系数 r 值很高,如 r x2, x3 = ,r x2, x4 = , r x2, x5 = 等,解释变量多重共线性严重,造成模型解释变量参数 t 检验不显著。(3) 可以通过逐步回归法,逐步排除其中的解释变量,然后进行检验,例如先排除和其他解释变量相关性最高的 X 3, 再对模型进行检验。 2、(1) 这是异方差检验,使用的事样本分段拟和的方法, F=> 28 .4)6,6( 05 .0?F , 因此拒绝原假设,表明模型中存在异方差。(2) 这是异方差 ARCH 检验,( n-p )2R =18*=> 81 .7)3( 05 .0??, 所以拒绝原假设,表明模型中存在异方差。(3) 这两种方法都是用于检验异方差。但二者的适用条件不同,第一种检验方法, G-Q 检验, 要求大样本, 扰动项正态分布, 可用于截面数据和时间序列数据。第二种检验方法, ARC H 检验,仅适宜用于时间序列数据,检验统计量的分布 2?分布。 3、(1) 参数估计结果如下: InY t=- + In( GDP t )- In( CPI t) ( )( )( ) 2R = 2R = F= (2) 数据中有多重共线性,居民消费价格指数的回归系数的符号不能进行合理的经济意义解释,而且其简单相关系数呈现正向变动。(3) 分别拟和的回归模型如下: InY t=- + In( GDP t) InY t=- + ( CPI t) ( )( )( )( ) 2R = 2R = F= 2R = 2R = F= In( GDP t) = + ( CPI t) ( )( ) 2R = 2R = F= 单方程拟合效果都很好, 回归系数显著, 判定系数较高, GDP 和 CPI 对进口的显著的单一影响, 在这两个变量同时引入模型时, 影响方向发生了变化, 这只有通过相关系数的分析才能发现。(4) 如果仅仅是做预测,可以不在意这种多重共线性,但如果是进行结构分析,我们还是要考虑共线性的问题。 4、(1) 建立对数线性多元回归模型,引入全部变量建立对线性回归模型如下: InY= β 0+β 1X 1+β 2X 2+β 3X 3+β 4X 4+β 5X 5+β 6X 6+β 7X 7+U i InY= + 1- 2- 3- 4- 5+ 6+ 7( )( )( -