高級計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)精要知識講解

1、精品文檔高級計(jì)量經(jīng)濟(jì)學(xué)復(fù)習(xí)精要一、簡答題（10分X2）:（一）多重共線性問題：（主要看修正方法）1、多重共線性是指線性回歸模型中的解釋變量之間由于存在精確相關(guān)關(guān)系或高度相關(guān) 關(guān)系而使模型估計(jì)失真或難以估計(jì)準(zhǔn)確。完全共線性的情況并不多見，一般出現(xiàn)的是在一定程度上的共線性，即 近似共線性。2、產(chǎn)生原因 主要有3各方面：（1）經(jīng)濟(jì)變量相關(guān)的共同趨勢；（2）滯后變量的引入；（3）樣本資料的限制。3、造成的后果：（1）完全共線性下參數(shù)估計(jì)量不存在； （2）近似共線性下 OLS估計(jì)量 非有效；（3）參數(shù)估計(jì)量經(jīng)濟(jì)含義不合理； （4）變量的顯著性檢驗(yàn)失去意義；（5）模型的預(yù) 測功能失效。4、識別方法：（1）

2、經(jīng)驗(yàn)識別：對模型估計(jì)后，R2極高，多個(gè)變量不顯著，出現(xiàn)與理論預(yù)期相悖的情況，有理由懷疑存在多重共線性。（2）相關(guān)系數(shù)法：計(jì)算變量間兩兩相關(guān)系數(shù)。 只要其中一個(gè)大等于 0.6或0.7,則表明可能存在嚴(yán)重的共線性。（3）膨脹因子法：計(jì)算每個(gè)解釋變量的VIF,若某一個(gè)VIF10,則表明存在嚴(yán)重的共線性。5、修正方法：（）根據(jù)潘老師講課內(nèi)容進(jìn)行整理共線性的修正方法有很多，按照優(yōu)劣程度排序，主要有五種方法：方法1:擴(kuò)充樣本以減弱共線性。主要通過增加自由度來提高精度，如將時(shí)序數(shù)據(jù)或截面數(shù)據(jù)變?yōu)槊姘鍞?shù)據(jù)，從而將一維數(shù)據(jù)變?yōu)槎S。評價(jià)：這種方法最理想，但存在的缺點(diǎn)是：效果不定；不可行。方法2:工具變量法（IV

3、）。主要通過工具變量，運(yùn)用兩階段最小二乘完成。評價(jià)：這種方法目前最受歡迎，高質(zhì)量的期刊論文通常都采用該方法。缺點(diǎn)是：由于 相關(guān)關(guān)系具有傳導(dǎo)性，工具變量S很難找；用S替彳弋X,有時(shí)經(jīng)濟(jì)正當(dāng)性不足。方法3:變量變換法?？梢酝ㄟ^對數(shù)變換、絕對轉(zhuǎn)相對和方程變換進(jìn)行變量變換。評價(jià)：這種方法最簡單易行， 但存在的缺點(diǎn)是：簡單相關(guān)系數(shù)描述的是線性關(guān)系，而對數(shù)是非線性化過程； 功效不足；不是所有變量都能用來做變換，必須有明確的經(jīng)濟(jì)學(xué)指代。方法4:逐步回歸法。主要是通過降維減少變量來減弱共線性。評價(jià)：這種方法要慎用，最大的缺點(diǎn)是：雖然能很好地解決共線性問題，但是卻引發(fā)了更嚴(yán)重的內(nèi)生性問題。方法5:主成份分析法或

4、因子分析法。具有降維的作用，主要用于多指標(biāo)評價(jià)。評價(jià)：該方法很好地消除了共線性。但這種方法要慎用，最大的缺點(diǎn)是：經(jīng)濟(jì)含義傷害過大。（二）內(nèi)生性問題1、內(nèi)生性是指：模型中的解釋變量與擾動(dòng)項(xiàng)相關(guān)。 通常我們做古典假設(shè) ，為白噪聲,E（ ）=0 , var （ i） =, cov（ i j ）=0 ;X是非隨機(jī)變量（微觀可以通過固定抽樣得到解決，宏觀則不可），則cov （X, ） =0成立。但是當(dāng)cov （X,） w 0時(shí)上述假設(shè)便不再成立，我們稱之為內(nèi)生性，進(jìn)而導(dǎo)致OLS失效，是非一致性的。2、內(nèi)生性產(chǎn)生的原因：X與Y存在雙向因果，即 X影響Y的同時(shí)，Y也影響X; 如金融發(fā)展與經(jīng)濟(jì)增長； 外商直接

5、投資FDI與經(jīng)濟(jì)增長；犯罪率與警備投入。 模型遺漏重 要解釋變量。無論是缺失重要解釋變量導(dǎo)致， 還是無法獲取數(shù)據(jù)導(dǎo)致，被遺漏的重要變量進(jìn) 精品文檔精品文檔入了殘差項(xiàng)，如果與其他解釋變量相關(guān)，就會出現(xiàn)cov（Ut,Xt） W0,也就是內(nèi)生性問題。度量誤差：由于關(guān)鍵變量的度量上存在誤差，使其與真實(shí)值之間存在偏差，這種偏差可能會成為回歸誤差的一部分，從而導(dǎo)致內(nèi)生性問題。（潘老師上課沒講）3、解決方法：針對雙向因果產(chǎn)生的內(nèi)生性問題，比較容易解決，通過聯(lián)立方程組即可。難處理的是遺漏重要解釋變量的情況，通常采用的方法有：工具變量法（IV）:就是找到一個(gè)變量和內(nèi)生化變量相關(guān)，但是和殘差項(xiàng)不相關(guān)。通 常采用2

6、SLS方法進(jìn)行回歸。這種方法是找到影響內(nèi)生變量的外生變量，連同其他已有的外 生變量一起回歸，得到內(nèi)生變量的估計(jì)值，以此作為IV,放到原來的回歸方程中進(jìn)行回歸。（假如我們考察一個(gè)工資決定模型salary 01educ2abli ui首先，用Probit模型彳古計(jì)p（work） f （educ, abli）,得到?i其次，構(gòu)建模型salary 01educ2abli?i Vj進(jìn)行估計(jì)）得分匹配與 DID模型（雙差分模型）：思想是按照一定的標(biāo)準(zhǔn)，找到與樣本match的控制組。在假設(shè)外在沖擊同時(shí)影響兩個(gè)組別的情況下，做差來剔除掉外界沖擊的影響。第一步，該方法關(guān)鍵在于得分匹配的確定，配對樣本的選擇原則是

7、保證兩個(gè)樣本隨時(shí) 間自然變化的部分是相同的，一般根據(jù)距離最近作為配對的樣本點(diǎn)的方法進(jìn)行匹配得分。第二步是估計(jì)方法，采用雙重差分法（DID）。在假設(shè)外在沖擊同時(shí)影響兩個(gè)組別的情況下，做差來剔除掉外界沖擊的影響。（在樣本選擇上，控制不可觀測變量，然后利用雙差分模型進(jìn)行估計(jì)Eg ： salary 01educ2abli ui（1）樣本抽取時(shí)，將 ablity相等或相近的觀測值進(jìn)行配對（匹配標(biāo)準(zhǔn)IQ/雙胞胎）（2）用雙差分模型（DID ）進(jìn)行參數(shù)估計(jì)ln（salary得分組-salary對照組） ln（eduq導(dǎo)分組-educ寸照組）+%估計(jì)出z,等價(jià)于原模型中的z不足：樣本要求非常大，尤其是用多重標(biāo)

8、準(zhǔn)進(jìn)行匹 配時(shí)，樣本要求更大。）潘老師舉得例子 二、虛擬變量：（20分）（給出實(shí)際經(jīng)濟(jì)問題，根據(jù)目標(biāo)設(shè)計(jì)虛擬變量，寫出模型?？疾煲环N群體異質(zhì)。完整考察如何設(shè)計(jì)，如何運(yùn)用到模型中。）注意事項(xiàng)：1、模型設(shè)計(jì)時(shí)一定要有截距項(xiàng)， 虛擬變量引入原則一定要滿 足m-1原則。m 為互斥類型的定性因素。 2、要掌握虛擬變量引入模型的三種方法，即加法模型、乘法模型和既加又乘模型。1、舉例說明如何引進(jìn)加法模式和乘法模式建立虛擬變量模型。答案：設(shè)丫為個(gè)人消費(fèi)支出；X表示可支配收入，定義*季度門,I1 3季度其他與。其他4季度其他如果設(shè)定模型為 精品文檔精品文檔5 P 二月1十SrDr r十2：1。如十十支1r十%此

9、時(shí)模型僅影響截距項(xiàng)，差異表現(xiàn)為截距項(xiàng)的和，因此也稱為加法模型。如果設(shè)定模型為1=片十與% +鳥與十&九十鳥其十耳（4禺）+*2/）十“1。國）+/此時(shí)模型不僅影響截距項(xiàng)， 而且還影響斜率項(xiàng)。 差異表現(xiàn)為截距和斜率的雙重變化，因此也稱為乘法模型。2、考慮下面的模型：r -1 E T其中，Y表不大學(xué)教師的年薪收入，X表示工齡。為了研究大學(xué)教師的年薪是否受到性別（男、女） 、學(xué)歷 （本科、碩士、博士）的影響。按照下面的方式引入虛擬變量：n 男教師 n 口二碩士 ） 葭博士 女就加 M0,真他 Dl,o,具他L基準(zhǔn)類是、程備等第所代去的含義.井麗炳手筋的巧號一%若為A瓦，和看出什么結(jié)論?L星退英為本科

10、女軟帥，4烹個(gè)_L壁用年薪的醉，即。果第幫打邱宜，平均而苦，年戴巧建立當(dāng)今軍任，專期打號為二，因?yàn)橥贋槟昀锏墓P任，工黃回謖增黑. 導(dǎo)體現(xiàn)了性別差異。事司民體配了學(xué)后差異,活期符號為正“4 % A1說明，博士教腳瞬.薪修于而士菰師少年由*】.=8* +2Ar + 2.Qr, 4口。、4-j +國 J3、考慮下面的模型:士 、1 r 工 j 4打 其中，Y表示大學(xué)教 師的年薪收入，X表示工齡。為了研究大學(xué)教師的年薪是否受到性別、學(xué)歷的影響。按照下 面的方式引入虛擬變量：（10分）男教師門JL碩士 門_：1,博士0 n女教師 L|o，其他 4 =o j其他.基準(zhǔn)類是什么？.解釋各系數(shù)所代表的含義，并

11、預(yù)期各系數(shù)的符號.若B4B3 ,你得出什么結(jié)論？答案：1.基準(zhǔn)類是本科學(xué)歷的女教師。. B0表示剛參加工作的本科學(xué)歷女教師的收入，所以 B0的符號為正。B1表示在其他條件不變時(shí)，工齡變化一個(gè)單位所引起的收入的變化，所以B1的符號為正。精品文檔精品文檔B2表示男教師與女教師的工資差異，所以B2的符號為正。B3表示碩士學(xué)歷與本科學(xué)歷對工資收入的影響，所以 B3的符號為正。B4表示博士學(xué)歷與本科學(xué)歷對工資收入的影響，所以 B4的符號為正。.若B4B3 ,說明博士學(xué)歷的大學(xué)教師比碩士學(xué)歷的大學(xué)教師收入要高。4、性別因素可能對年薪和工齡之間的關(guān)系產(chǎn)生影響。試問這種影響可能有幾種形式，并設(shè) 定出相應(yīng)的計(jì)量

12、經(jīng)濟(jì)模型。令Y二年薪T變量乂=工齡，, jo 1男性fJ B3，你得出什么結(jié)論？如果B2B3 ,我們可以判斷清華大學(xué) MB即業(yè)生的收入平均高于沈陽工業(yè) 大學(xué)MB即業(yè)生的收入。三、異方差問題（25分）模型廣員+網(wǎng)瑪+鳳+忌兒+應(yīng)E）,如果出現(xiàn)&產(chǎn)（= %（，T2M,對于不同的樣本點(diǎn)，隨機(jī)擾動(dòng)項(xiàng)的方差不再是常數(shù)，而且精品文檔精品文檔 互不相同，則認(rèn)為出現(xiàn)了異方差。1、異方差的三大后果：一是最小二乘估計(jì)不再是有效估計(jì)量；二是相關(guān)參數(shù)的t檢驗(yàn)、 TOC o 1-5 h z 模型F檢驗(yàn)失效；三是估計(jì)量的方差是有偏的，參數(shù)或因變量預(yù)測的置信區(qū)間的估計(jì)精度 下降（甚至這種區(qū)間估計(jì)是失效的）。2、異方差的檢驗(yàn)

13、識別：White檢驗(yàn)的具體步驟如下。以二元回歸模型為例，yt = 0 + 1 xti + 2 xt2+ ut（1）首先對上式進(jìn)行 OLS回歸，求殘差國。做如下輔助回歸式，（包括截距項(xiàng)、一次項(xiàng)、平方項(xiàng)、交叉項(xiàng)）U?t2 = 0 + 1 Xti + 2Xt2 + 3 Xti2 + 4 Xt22 + 5 Xti Xt2 + Vt（2）即用U?t2對原回D3式（1）中的各解釋變量、解釋變量的平方項(xiàng)、交叉積項(xiàng)進(jìn)行 OLS回歸。求輔助回歸式（2）的可決系數(shù)R2。White檢驗(yàn)的零假設(shè)和備擇假設(shè)是Ho： （1）式中的ut不存在異方差，H1： （1）式中的ut存在異方差在不存在異方差假設(shè)條件下構(gòu)造LM統(tǒng)計(jì)量或

14、F統(tǒng)計(jì)量LM= n R22（5）R2/5或 F= F （5, n-6） 2（1-R2）/（n 6）其中n表示樣本容量，R2是輔助回歸式（2）的OLS估計(jì)式的可決系數(shù)。 自由度5表示輔助回 歸式（2）中解釋變量項(xiàng)數(shù)（注意，不計(jì)算常數(shù)項(xiàng)）,n-6是樣本量減參數(shù)個(gè)數(shù) （因此可以擴(kuò)展到 K個(gè)解釋變量的情形）。nR 2屬于LM統(tǒng)計(jì)量。判別規(guī)則是若n R22 （5）,接受Ho （ut具有同方差）若nR 2 2，拒絕Ho （ut具有異方差）或F F （5, n-6）,接受Ho （ut具有同方差）反之拒絕3、異方差的消除（WLS :加權(quán)最小二乘估計(jì)）精品文檔精品文檔1）式中估計(jì)的 l/|Ut|為權(quán)關(guān)鍵在于權(quán)重

15、的選擇，我們考的是采用殘差作為權(quán)重，即采用（重，將殘差的絕對值除（1）式的左右兩邊，然后對轉(zhuǎn)換后的（1）式進(jìn)行OLS。1、什么是異方差性？舉例說明經(jīng)濟(jì)現(xiàn)象中的異方差性。1）模型=4+國片+住居+MM ,如果出現(xiàn)=久（f =112.），對于不同的樣本點(diǎn)，隨機(jī)擾動(dòng)項(xiàng)的方差不再是常數(shù)，而且互不相同，則認(rèn)為出現(xiàn)了異方差。2）在現(xiàn)實(shí)經(jīng)濟(jì)中，異方差性經(jīng)常出現(xiàn)，尤其是采用截面數(shù)據(jù)作樣本的計(jì)量經(jīng)濟(jì)學(xué)問題。例如：工業(yè)企業(yè)的研究與發(fā)展費(fèi)用支出同企業(yè)的銷售和利潤之間關(guān)系的函數(shù)模型；服裝需求量與季節(jié)、收入之間關(guān)系的函數(shù)模型； 個(gè)人儲蓄與個(gè)人可支配收入之間關(guān)系的函數(shù)模型等。檢驗(yàn)異方差的主要思路就是檢驗(yàn)隨機(jī)擾動(dòng)項(xiàng)的方差與

16、解釋變量觀察值的某種函數(shù)形式之間是否存在相關(guān)性。2、下面是一個(gè)回歸模型的檢驗(yàn)結(jié)果。White Heteroskedasticity Test:F-statisticObs*R-squared19.41659Probability16.01986Probability0.0000220.006788Test Equation:Dependent Variable: RESIDA2Method: Least SquaresDate: 05/31/06 Time: 10:54Sample: 1 18Included observations: 18VariableCoefficientStd. Er

17、rort-StatisticProb.C693735.72652973.0.2614940.7981X1135.0044107.72441.2532390.2340X1A2-0.0027080.000790-3.4270090.0050X1*X20.0501100.0207452.4154670.0326X2-1965.7121297.758-1.5146980.1557X2A2-0.1163870.146629-0.7937520.4428精品文檔精品文檔R-squared0.889992Mean dependent var6167356.Adjusted R-squared0.844155

18、S.D. dependent var13040908S.E. of regression5148181.Akaike info criterion34.00739Sum squared resid3.18E+14Schwarz criterion34.30418Log likelihood-300.0665F-statistic19.41659Durbin-Watson stat2.127414Prob(F-statistic)0.0000221）寫出原回歸模型?y-c-i axl + pxl + u（2分2）檢驗(yàn)結(jié)果說明什么問題？異方差問題。3）如何修正？加權(quán)最小二乘法，做變量變換。3、試述

19、異方差的后果及其補(bǔ)救措施。答案：后果：OLS估計(jì)量是線性無偏的，不是有效的，估計(jì)量方差的估計(jì)有偏。建立在t分布和F分布之上的置信區(qū)間和假設(shè)檢驗(yàn)是不可靠的。補(bǔ)救措施：加權(quán)最小二乘法（WLS ）1 .假設(shè)5已知，則對模型進(jìn)行如下變換:U4CF j0iOiJ.EIJ.如果5未知y-（1）誤差與 工成比例：平方根變換?？梢?，此時(shí)模型同方差，從而可以利用OLS估計(jì)和假設(shè)檢驗(yàn)。精品文檔精品文檔誤差方差和X；成比例。即E（%2）二二年.重新設(shè)定模型:M若布樽型；）；=馬-以禺-中存在f列格式的號方系 包&/=/尤，忸洞怙計(jì)髡繇蛇用（1吩）解i前于模型 TOC o 1-5 h z 匕=&:&，蘆%1）自在下歹

20、施左耳|驛出差：加M）=晨工；，技們可N在式左右向幅同時(shí)除以便，可用一堂+）1x=丁+君丁、斗耳詬 而C2苴中f悌.誤差偃正項(xiàng)，司Uil明=丁城五苦在段里：r=A +3+內(nèi)甲壽荏下型魔式外mE差：廣皿雜J=算:,你如何伯計(jì)強(qiáng)勉耳，c 1端答案：使用川應(yīng)星孤也估H也塵中的叁蜀旦，生*也典里耳=鳥+電工+亡匕兩同時(shí)尚口,區(qū),我li昨：廠 y 凡今 次,二：可上直3限:】；-瓦-4題廣4 V1痣店叼v j - Var（-二）F/=戶, 占： .題金后的竄工）內(nèi)麗機(jī)烹專網(wǎng)福星同方蚩1靛:*可以使用OLS借計(jì)比B”和精品文檔精品文檔若在模型：入=+%中存在下列形式的異方差：為此）= tr%，你如何估答:

21、將原模型左右兩邊同時(shí)除以M ,原模型變形為：(1)】； - X： . i）t = % *歪一 1，則式（D可以寫為:由于（%乂巳） = 1（-） = - F（uf） =占 X；-,所以式（2）所表示的模型不再存在異方差問題，故可利用普通最小二乘法對其進(jìn)行估計(jì)，求得參數(shù)與的估計(jì)值。四、面板數(shù)據(jù)問題（20分）1.模型形式的選擇（混合模型、變截距模型及變系數(shù)模型的選擇問題）:F檢驗(yàn)混合模型形式：針對不同截面?zhèn)€體和時(shí)點(diǎn)，截距項(xiàng)相等和斜率項(xiàng)也相等yh = a x“b 九，j = L N , / = 1,7 / flJIIg,變截距模型：不同截面?zhèn)€體的截距項(xiàng)不同，但斜率項(xiàng)相同%i = 1,A/, / =

22、L 7v J |ritJ T J QSIPEZ& | 聲金 p r q j表示解釋變量對應(yīng)參數(shù)的個(gè)數(shù).案例1 1,k占p/mdO2)* 199&2002年中國東北.華北、華東1S個(gè)省級 地區(qū)的居民家庭固定價(jià)格的人均消費(fèi)(CP)和人均收入(IP)數(shù)據(jù).數(shù)據(jù) 是7年的，年一年都有15個(gè)數(shù)據(jù)，共105組觀測值.人均消費(fèi)和收入兩個(gè)面板數(shù)據(jù)都是平衡面板數(shù)據(jù)，各有15個(gè)個(gè)體.以案例1為例，已知5$E,=4824S88, $/2270386,個(gè)體數(shù)1，F(xiàn)= (S耳 .$&)/(、_ 1)= (0.1702-0.0667)44= 0.00074= 5nS竭彳樗一西_/0.0667/(105-15-1) 0X)

23、0075.及加。4助n L7因?yàn)槭?9.87F03(14,SJ9) ; L7S,推翻原假設(shè)，比較上述兩種模型，建立個(gè) 體固定效應(yīng)模型比混合模型更合理立EVie幅中稱作多余的固定效應(yīng)檢驗(yàn)，使用尸和/?兩個(gè)統(tǒng)計(jì)量.在固定效應(yīng) 模型估計(jì)窗 口中的 Mes 鍵選 Fix/Random Effecte Testing, Redundant Fixed Effects-Likelihood Ratio 功能。精品文檔精品文檔Redur id dr it Fixed Effects TestePool; POOTest cro ss* section fixed effectsElects TestStat

24、isticdf.ProbCross-$ection F9$648940 0000Cross-sectioft Chi-square98 363053140 0000因?yàn)楦怕市∮?峙，推翻原假設(shè)，兩相比較，應(yīng)該建立個(gè)體固定效應(yīng)模型口4.4 Hausm以口檢驗(yàn)原假設(shè)與備擇假設(shè)是Hn：個(gè)體效應(yīng)與回y 變最無關(guān)（個(gè)體隨機(jī)效應(yīng)回歸模型）h個(gè)體效應(yīng)與回回變局相關(guān)（個(gè)體同定效應(yīng)回回模型）離差變換OIS估計(jì)可行GLS砧計(jì)估計(jì)量之差個(gè)體隨機(jī)效應(yīng)模型估計(jì)且具有一致性估計(jì)量具有,致性小個(gè)體固定效應(yīng)模型估計(jì)量具有一致性估計(jì)雖不具有強(qiáng)性大（夕叫 2H=豈得/H = y iVar(0)-Var(9)yx 9 - /精品文

25、檔精品文檔亡電901B.2-B.0-，式.工60 ii 4 西 白3 近 氧 6啟L0GO人均消費(fèi)對收入的曲板數(shù)捌故點(diǎn)圖案例1 Lme:5panElD2） ： 1996-2002年中國汆北、華北、華東1耳個(gè)省級地區(qū)的居 民家庭固定價(jià)格的人均消費(fèi)（CP）和人均收入（IP）數(shù)據(jù)見filMpimM02.數(shù)據(jù) 是7年的，每一年都有15個(gè)數(shù)據(jù)，共1力5組觀測值口對數(shù)的人均消費(fèi)對收入的胤板數(shù)邦散點(diǎn)圖個(gè)體固定效應(yīng)模型估計(jì)結(jié)果如下:LnCPu = 0.6X78 + 0.8925 LrdP.盧0,(54)(60 向R1 = 0,99. DW-L5DependentVarlable: LNCP?Method Po

26、oled Least SquaresDate 05/16(08 Time 06 16Sample: 1990 2002deluded observations: 1Cross-socticns included: 15Total 口oof (balanced) observatEons: 105Vanabfe Coefficient Std Error 1-Statistic ProbCLNP?Flwd Efecte(Cro)AH-CBJ-CF L0.6977740,1 291910 B924810 01 4739-0 0038860062071 ft nm5.3656470.000060,5

27、54360 0000精品文檔精品文檔Rnoeljjbiyt附時(shí)IMamoirE電吧”坦空型吧吧力Croiit Sctioi IdtMi fi nE xt in *ti OuLp，il TOC o 1-5 h z H&r 加 411 二f C電M&Ti 皿亡e Mlr 1Cofiei*at T.圖七$卜(Fisadi/RtfiidM Effits TFtm RjwiWm、txd EffO.OOODCross-secUon Chi-square98.353053UOOOCD混合模型與個(gè)體固定效應(yīng)模型比枝，應(yīng)該建立個(gè)體固定效應(yīng)模型.五、給定經(jīng)濟(jì)現(xiàn)象，請選擇解釋變量，設(shè)定模型。（15分）主要考點(diǎn)：被解釋變量 解釋變量有哪些 為什么引入這些變量 解釋變量如何 度量？（虛擬or數(shù)值）寫出具體的模型形式。判斷經(jīng)濟(jì)顯著性，即預(yù)期符號。舉例子：博學(xué)樓 6: 00-9 : 00自習(xí)室上座率。1、變量選取和數(shù)據(jù)獲得被解釋變量：y 博學(xué)樓 6: 00-9 : 00自