福建農(nóng)林大學(xué)計(jì)量經(jīng)濟(jì)學(xué)試卷答案

.PAGE.計(jì)量經(jīng)濟(jì)學(xué)練習(xí)題一.名詞解釋1.普通最小二乘法(OrdinaryLeastSquares,OLS)：一組樣本觀測值，普通最小二乘法要求樣本回歸函數(shù)盡可以好地?cái)M合這組值，即樣本回歸線上的點(diǎn)與真實(shí)觀測點(diǎn)Yt的"總體誤差〞盡可能地小。普通最小二乘法給出的判斷標(biāo)準(zhǔn)是：被解釋變量的估計(jì)值與實(shí)際觀測值之差的平方和最小。2.廣義最小二乘法GLS：加權(quán)最小二乘法具有比普通最小二乘法更普遍的意義，或者說普通最小二乘法只是加權(quán)最小二乘法中權(quán)恒取1時(shí)的一種特殊情況。從此意義看，加權(quán)最小二乘法也稱為廣義最小二乘法。3.加權(quán)最小二乘法WLS：加權(quán)最小二乘法是對原模型加權(quán)，使之變成一個(gè)新的不存在異方差性的模型，然后采用普通最小二乘法估計(jì)其參數(shù)。4.工具變量法IV：工具變量法是克制解釋變量與隨機(jī)干擾項(xiàng)相關(guān)影響的一種參數(shù)估計(jì)方法。5.兩階段最小二乘法2SLS,TwoStageLeastSquares：兩階段最小二乘法是一種既適用于恰好識別的構(gòu)造方程，以適用于過度識別的構(gòu)造方程的單方程估計(jì)方法。6.間接最小二乘法ILS：間接最小二乘法是先對關(guān)于生解釋變量的簡化式方程采用普通小最二乘法估計(jì)簡化式參數(shù)，得到簡化式參數(shù)估計(jì)量，然后過通參數(shù)關(guān)系體系，計(jì)算得到構(gòu)造式參數(shù)的估計(jì)量的一種方法。7.異方差性Heteroskedasticity：對于不同的樣本點(diǎn)，隨機(jī)干擾項(xiàng)的方差不再是常數(shù)，而是互不一樣，那么認(rèn)為出現(xiàn)了異方差性。8.序列相關(guān)性SerialCorrelation：多元線性回歸模型的根本假設(shè)之一是模型的隨機(jī)干擾項(xiàng)相互獨(dú)立或不相關(guān)。如果模型的隨機(jī)干擾項(xiàng)違背了相互獨(dú)立的根本假設(shè)，稱為存在序列相關(guān)性。9.多重共線性Multicollinearity：對于模型，其根本假設(shè)之一是解釋變量X1,X2,…,Xk是相互獨(dú)立的。如果某兩個(gè)或多個(gè)解釋變量之間出現(xiàn)了相關(guān)性，那么稱為存在多重共線性。10.時(shí)間序列數(shù)據(jù):時(shí)間序列數(shù)據(jù)是一批按照時(shí)間先后排列的統(tǒng)計(jì)數(shù)據(jù)。11.截面數(shù)據(jù)：截面數(shù)所是一批發(fā)生在同一時(shí)間截面上調(diào)查數(shù)據(jù)。12.虛擬數(shù)據(jù)：也稱為二進(jìn)制數(shù)據(jù)，一般取0或1.13.生變量EndogenousVariables：生變量是具有某種概率分布的隨機(jī)變量，它的參數(shù)是聯(lián)立方程系統(tǒng)估計(jì)的元素。生變量是由模型系統(tǒng)決定的，同時(shí)也對模型系統(tǒng)產(chǎn)生影響。生變量一般都是經(jīng)濟(jì)變量。14.外生變量ExogenousVariables：外生變量一般是確定性變量，或者是具有臨界概率分布的隨機(jī)變量，其參數(shù)不是模型系統(tǒng)研究的元素。外生變量影響系統(tǒng)，但本身不受系統(tǒng)的影響。外生變量一般是經(jīng)濟(jì)變量、條件變量、政策變量、虛變量。15.先決變量PredeterminedVariables：外生變量與滯后生變量(LaggedEndogenousVariables)統(tǒng)稱為先決變量。16.總離差平方和：稱為總離差平方和，反映樣本觀測值總體離差的大小。17.殘差平方和：稱為殘差平方和，反映樣本觀測值與估計(jì)值偏離的大小，也是模型中解釋變量未解釋的那局部離差的大小。18.回歸平方和：反映由模型中解釋變量所解釋的那局部離差的大小。19.可決系數(shù)coefficientofdetermination：可決系數(shù)R2是檢驗(yàn)?zāi)Ｐ蛿M合優(yōu)度的指標(biāo)，越接近于1，模型的擬合優(yōu)度越高。20.隨機(jī)干擾項(xiàng)stochasticdisturbance:稱為觀察值Y圍繞它的期望值E(YX)的離差〔deviation〕，記，它是一個(gè)不可觀測的隨機(jī)變量，稱為隨機(jī)誤差項(xiàng)〔stochasticerror〕，通常又不加區(qū)別地稱為隨機(jī)干擾項(xiàng)〔〕。21.構(gòu)造式模型StructuralModel：根據(jù)經(jīng)濟(jì)理論和行為規(guī)律建立的描述經(jīng)濟(jì)變量之間直接構(gòu)造關(guān)系的計(jì)量經(jīng)濟(jì)學(xué)方程系統(tǒng)稱為構(gòu)造式模型。22.簡化式模型Reduced-FormModel：將聯(lián)立方程計(jì)量經(jīng)濟(jì)學(xué)模型的每個(gè)生變量表示成所有先決變量和隨機(jī)干擾項(xiàng)的函數(shù)，即用所有先決變量作為每個(gè)生變量的解釋變量，所形成的模型稱為簡化式模型。23.恰好識別JustIdentification：如果某一個(gè)隨機(jī)方程具有一組參數(shù)估計(jì)量，稱其為恰好識別。24.過度識別Overidentification：如果某一個(gè)隨機(jī)方程具有多組參數(shù)估計(jì)量，稱其為過度識別?！睬?5個(gè)解釋看下理解就好，但要會翻譯即可，后面的9個(gè)就要深記了〕1.普通最小二乘法(OrdinaryLeastSquares,OL2.廣義最小二乘法GLS3.加權(quán)最小二乘法WLS4.工具變量法IV5.兩階段最小二乘法2SLS,TwoStageLeastSquares6.間接最小二乘法ILS7.異方差性Heteroskedasticity8.序列相關(guān)性SerialCorrelationS)9.多重共線性Multicollinearity10.時(shí)間序列數(shù)據(jù)Timeseriesdata11.截面數(shù)據(jù)Cross-sectiondata12.虛擬數(shù)據(jù)Virtualdata13.生變量EndogenousVariables14.外生變量ExogenousVariables15.先決變量PredeterminedVariables二.填空最小二乘法原理是求式子到達(dá)最小值?？疾熳钚《朔ǖ亩x，由系統(tǒng)本身所決定的變量稱為生變量此題很可能換成影響系統(tǒng)，但本身不受系統(tǒng)的影響稱為：外生變量或者換成先決變量由什么組成？在線性模型Yi=B0+B1Xi+εi中假設(shè)Var〔εi〕=σi稱為異方差此題考到方差的定義，有可能改為Var〔εi〕=σ就變成同方差了計(jì)量經(jīng)濟(jì)學(xué)的應(yīng)用構(gòu)造分析、經(jīng)濟(jì)預(yù)測、政策評價(jià)、檢驗(yàn)的開展經(jīng)濟(jì)理論此題考第一章的容，大體掌握下綱要，可能會考，常見計(jì)量經(jīng)濟(jì)學(xué)的軟件有：收集到1980年到2004年A，B兩地區(qū)人均收入、人均消費(fèi)、人均住房面積、人均能源消耗四個(gè)指標(biāo)進(jìn)展比照分析，稱以上數(shù)據(jù)為平行數(shù)據(jù)。這題考到數(shù)據(jù)類型，一般分為時(shí)間序列數(shù)據(jù)、截面數(shù)據(jù)、虛擬數(shù)據(jù)，還有一個(gè)是平行數(shù)據(jù)〔截面數(shù)據(jù)和時(shí)間系列結(jié)合在一起的數(shù)據(jù)組〕所以這從有可能換成其他數(shù)據(jù)用19年歷史數(shù)據(jù),做經(jīng)濟(jì)模型Yi=B0+B1X1i+B2X2i+B3X3i+εi要檢驗(yàn)該模型的顯著性，需用F檢驗(yàn);H0:0=1=2==k=0;臨界值(α=0.05)要查F分布表，自由度為15〔n—k—1〕此題考察F分布，這次會考t檢驗(yàn)，那么H0：j=0，要查t分布表，自由度為〔n—k—1〕三.選擇題由20年數(shù)據(jù)，用Cobb—Dauglas生產(chǎn)函數(shù)對某地區(qū)經(jīng)濟(jì)做分析，得出模型為LOG(Y)=LOG(1.78)+0.87LOG(L)+0.13LOG(K)+ε其中Y為產(chǎn)出，L為勞動(dòng)力，K為資金。參數(shù)1.78的t檢驗(yàn)值為1.738;參數(shù)0.87的t檢驗(yàn)值為8.69;參數(shù)0.13的t檢驗(yàn)值為2.59;用α=0.05水平判斷該地區(qū)經(jīng)濟(jì)構(gòu)造？臨界值參考數(shù)值如下:t0.05(17)=1.74t0.05(18)=1.734(此題考察的是如何判斷是否顯著性，題中一個(gè)是資本，一個(gè)是勞動(dòng)，先判斷是否為資本的，那么)①高新技術(shù)型②勞動(dòng)密集型③資本密集型④勞動(dòng)資本密集型(2)以下哪些是計(jì)量經(jīng)濟(jì)模型所包含隨機(jī)誤差〔干擾〕項(xiàng)的古典模型要求(此題考察古典模型的要求后面那些假設(shè)要記，到時(shí)隨便選項(xiàng)改下也會)①COV(Xi,εi)≠0②E(εi)=0③Var(εi)=σi④E(εi·εj)=0(3)線性模型Yi=B0+B1Xi+εi，cov〔Xi，εi〕≠0，應(yīng)采用以下什么方法對模型參數(shù)進(jìn)展估計(jì)？〔這題考察的是以下四個(gè)方法的條件，這次可能換成其他形式的c〕①廣義最小二乘法②加權(quán)最小二乘法③工具變量法④間接最小二乘法(4)D—W檢驗(yàn)可以發(fā)現(xiàn)以下哪些問題？〔此題考察D—W檢驗(yàn)的用途〕①存在一階自相關(guān)②存在二階自相關(guān)③存在非線性④存在共線性三.簡答題多元線性計(jì)量經(jīng)濟(jì)模型Y=XB+N,求其參數(shù)最小二乘估計(jì)矩陣表達(dá)式;和加權(quán)最小二乘估計(jì)矩陣表達(dá)式，廣義最小二乘估計(jì)矩陣表達(dá)式，工具變量法矩陣表達(dá)式?！矊懗鼍仃嚾荨场?〕普通最小二乘估計(jì)量OLS〔2〕加權(quán)最小二乘估計(jì)量WLS〔3〕廣義最小二乘估計(jì)量GLSP127〔4〕IV工具變量法P148稱為工具變量矩陣此題不會難記，模式根本一樣的〔2〕多元線性性回歸模型的根本假設(shè)？〔也可能換成一元線性回歸模型的假設(shè)，很多一樣的〕對模型設(shè)定的假設(shè)假設(shè)1.回歸模型是正確設(shè)定的(沒有設(shè)定誤差〕假設(shè)2.解釋變量X1，X2，……Xk是非隨機(jī)的或固定的變量，且各Xj之間嚴(yán)格線性相關(guān)性〔無完全多重共線性〕；假設(shè)3.假設(shè)4.隨機(jī)誤差項(xiàng)具有零均值，同方差和不序列相關(guān)性：E(i|Xi)=0i=1,2,…,nVar(i|Xi)=2i=1,2,…,nCov(i,j|Xi,Xj)=0i≠ji,j=1,2,…,n〔一元性假設(shè)1.回歸模型是正確設(shè)定的(沒有設(shè)定誤差〕假設(shè)2.解釋變量X是確定性變量不是隨機(jī)變量假設(shè)3.隨機(jī)誤差項(xiàng)具有零均值，同方差和不序列相關(guān)性：E(i|Xi)=0i=1,2,…,nVar(i|Xi)=2i=1,2,…,nCov(i,j|Xi,Xj)=0i≠ji,j=1,2,…,n〔3〕什么叫序列相關(guān)？序列相關(guān)會產(chǎn)生怎樣不良后果？如何解決序列相關(guān)參數(shù)估計(jì)"系列相關(guān)：對于模型Yi=0+1X1i+2X2i+…+kXki+ii=1,2,…,n如果僅存在E(ii+1)0i=1,2,…,n稱為一階序列相關(guān)，或自相關(guān)〔autocorrelation2、序列相關(guān)性的后果〔1〕、參數(shù)估計(jì)量非有效〔2〕、變量的顯著性檢驗(yàn)失去意義〔3〕.模型的預(yù)測失效系列相關(guān)的補(bǔ)救：3、用一下相關(guān)性的檢驗(yàn)方法檢驗(yàn)發(fā)現(xiàn)圖示法、回歸檢驗(yàn)法、D-W檢驗(yàn)法、拉格朗日乘法檢驗(yàn)3、解決方法如果模型被檢驗(yàn)證明存在序列相關(guān)，那么需要開展新方法估計(jì)模型廣義最小二乘法、廣義差分法序列相關(guān)穩(wěn)健法此題目還可以把主語換成異方差性、多重共線性、隨機(jī)變量問題，是非常有可能，所以其他三個(gè)也要掌握〕四、綜合題(1)判斷以下聯(lián)立方程組識別性？Bij為大于零參數(shù),εj為隨機(jī)誤差項(xiàng)(j=1，2，3),Ct=B11+B12Yt+B13Ct-1+B14Pt-1+It=B21+B22Yt+B23Yt-1+ε2Yt=B31Ct+B32It+ε3例1解：構(gòu)造參數(shù)為首先判斷第一個(gè)構(gòu)造的識別狀態(tài)，對于第一個(gè)方程，有其中g(shù)=3k=4g1=2k1=3那么所以，該方程可以識別。因?yàn)樗?，?個(gè)構(gòu)造方程為恰好識別的構(gòu)造方程。判斷第2個(gè)構(gòu)造方程的識別狀態(tài)g=3k=4g2=2k2=2那么所以，該方程可以識別。因?yàn)?，所以?個(gè)構(gòu)造方程為過度識別的構(gòu)造方程第3個(gè)方程是平衡方程，不存在識別問題。綜合以上結(jié)果，該聯(lián)立方程模型是可以識別的。〔以下看看就好，這題已經(jīng)夠詳解了，肯定會考的〕〔2〕二．以下是用Excel軟件計(jì)算出回歸結(jié)果SUMMARYOUTPUT回歸統(tǒng)計(jì)MultipleR0.99923RSquare0.998461AdjustedRSquare？標(biāo)準(zhǔn)誤差？觀測值9方差分析dfSSMSFSignificanceF回歸分析？10745525？？1.89E-07殘差？？？總計(jì)？10762092Coefficients標(biāo)準(zhǔn)誤差tStatP-valueLower95%Upper95%Intercept-136.62870.10659-1.948860.108829-316.84243.58708XVariable10.7589050.1541994.9216030.0043910.3625251.155286XVariable2-0.399930.190474-2.099680.08979-0.889560.089694XVariable3-0.177570.216712-0.819360.449855-0.734640.37951RESIDUALOUTPUT觀測值預(yù)測Y殘差11754.4714.52865822053.311-48.311232325.235-8.2354242539.05164.9489452862.7385.26226663163.35419.6461173747.54-72.540284528.93660.0639195200.363-25.36311)完成上述表格問號處的填空2〕求樣本容量n3)該模型是否通過F檢驗(yàn)？5〕模型具體形式6〕求觀察值Y37〕從以上輸出容，試對模型做分析〔有專門發(fā)一份，很詳細(xì)〕〔3〕課本p.350第一題；p.351第五題例。分析課本9.1.1的問題，答復(fù)：為什么按照〔1〕、〔2〕、〔3〕的方法建立的農(nóng)戶借貸因素模型都是不正確的)解：此題考察的是計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用模型的設(shè)定，屬于截面數(shù)據(jù)單方程計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用模型類型的選擇〕對于截面數(shù)據(jù)，只有當(dāng)數(shù)據(jù)是在截面總體中由隨機(jī)抽樣得到的樣本觀測值，并且變量具有連續(xù)的隨機(jī)分布時(shí)，才能夠?qū)⒛Ｐ皖愋驮O(shè)定為經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)模型。例。某人以我國人均食品需求量Q為被解釋變量，以食品價(jià)格指數(shù)p為解釋變量，以1978—2007的數(shù)據(jù)位樣本，建立了如下的食品需求模型LnQ=a+lnP+ut=1978，….2007由于我國的人均食品需求量是逐年上升的，食品價(jià)格指數(shù)也是逐年上升的，所以該模型得到的為正，于是得到結(jié)論。需求法那么不適合于我國。試以該問題為例，分別從經(jīng)濟(jì)學(xué)、邏輯學(xué)和統(tǒng)計(jì)學(xué)三方面理論出發(fā)，說明計(jì)量經(jīng)濟(jì)學(xué)總體回歸模型必須遵循"從一般到簡單〞的原那么？1.總體回歸模型設(shè)定的"研究目的導(dǎo)向〞及其問題任何應(yīng)用研究都有特定目的性，假設(shè)按特定目的進(jìn)展計(jì)量經(jīng)濟(jì)學(xué)模型總設(shè)定，成為計(jì)量經(jīng)濟(jì)學(xué)應(yīng)用研究的普遍現(xiàn)象和嚴(yán)重的問題。2.總體回歸模型設(shè)定的"一般性〞原那么計(jì)量經(jīng)濟(jì)學(xué)模型總體設(shè)定，必須遵循"一般性〞原那么，即從"一般到簡單〞思路。〔考這題的話，就要學(xué)會扯，越多越好，但不要寫的不清不楚的〕〔4〕以下宏觀經(jīng)濟(jì)模型，其中Y為收入，I為投資，C為消費(fèi)，G為政府支出，t為稅收，r為銀行利率，τ為稅率，Ms為貨幣發(fā)行量。其中稅率0<τ<1參數(shù)Bi＞0(i=1,……,7)且B2＋B5<1Y=I+C+GC=B1+B2(Y－t)t=τYI=B3－B4r+B5〔Y－t〕Ms=B6Y－B7r假設(shè)政府采取增加貨幣發(fā)行量Ms，銀行利率r不變，稅率τ不變措施。那么政府支出G應(yīng)如何變動(dòng)才能保持經(jīng)濟(jì)平衡？〔這題我實(shí)在是看不出在考什么東西，按常理是可以做出來，哪個(gè)知道的要說〕補(bǔ)充什么是異方差？有什么后果？如何發(fā)現(xiàn)？如何解決？異方差：對于模型，如果出現(xiàn)即對于不同的樣本點(diǎn)，隨機(jī)誤差項(xiàng)的方差不再是常數(shù)，而互不一樣，那么認(rèn)為出現(xiàn)了異方差性。后果：１、.參數(shù)估計(jì)量非有效2、變量的顯著性檢驗(yàn)失去意義3、模型的預(yù)測失效檢驗(yàn)：1、圖示法2、帕克(Park)檢驗(yàn)與戈里瑟(Gleiser)檢驗(yàn)3、戈德菲爾德-匡特(Goldfeld-Quandt)檢驗(yàn)4、4懷特〔White〕檢驗(yàn)修正：模型檢驗(yàn)出存在異方差性，可用加權(quán)最小二乘法〔WeightedLeastSquares,WLS〕進(jìn)展估計(jì)。加權(quán)最小二乘法是對原模型加權(quán)，使之變成一個(gè)新的不存在異方差性的模型，然后采用OLS估計(jì)其參數(shù)。2、什么是多重共線性？有什么后果？如何發(fā)現(xiàn)？如何解決？多重共線性：對于模型其根本假設(shè)之一是解釋變量是互相獨(dú)立的。如果某兩個(gè)或多個(gè)解釋變量之間出現(xiàn)了相關(guān)性，那么稱為多重共線性(Multicollinearity)。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)測功能失效檢驗(yàn)：〔1〕檢驗(yàn)多重共線性是否存在：對兩個(gè)解釋變量的模型，采用簡單相關(guān)系數(shù)法；對多個(gè)解釋變量的模型，采用綜合統(tǒng)計(jì)檢驗(yàn)法〔2〕判明存在多重共線性的圍：判定系數(shù)檢驗(yàn)法；逐步回歸法克制多重共線性的方法：1、排除引起共線性的變量2、差分法3、減小參數(shù)估計(jì)量的方差3、什么是隨機(jī)解釋變量問題？有什么后果？如何發(fā)現(xiàn)？如何解決？隨機(jī)變量問題：對于模型:根本假設(shè):解釋變量X1,X2,…,Xk是確定性變量。如果存在一個(gè)或多個(gè)隨機(jī)變量作為解釋變量，那么稱原模型出現(xiàn)隨機(jī)解釋變量問題。后果：1、如果X與相互獨(dú)立，得到的參數(shù)估計(jì)量仍然是無偏、一致估計(jì)量。2、如果X與同期不相關(guān)，異期相關(guān)，得到的參數(shù)估計(jì)量有偏、但卻是一致的3、如果X與同期相關(guān)，得到的參數(shù)估計(jì)量有偏、且非一致。解決：模型中出現(xiàn)隨機(jī)解釋變量且與隨機(jī)誤差項(xiàng)相關(guān)時(shí)，OLS估計(jì)量是有偏的。如果隨機(jī)解釋變量與隨機(jī)誤差項(xiàng)異期相關(guān)，那么可以通過增大樣本容量的方法來得到一致的估計(jì)量；但如果是同期相關(guān)，即使增大樣本容量也無濟(jì)于事。這時(shí)，最常用的估計(jì)方法是工具變量法〔Instrumentvariables〕。選擇為工具變量的變量必須滿足以下條件：〔1〕與所替代的隨機(jī)解釋變量高度相關(guān)；〔2〕與隨機(jī)誤差項(xiàng)不相關(guān)；〔3〕與模型中其它解釋變量不相關(guān)，以防止出現(xiàn)多重共線性4、模型的類型與變換〔看看就好〕1、倒數(shù)模型、多項(xiàng)式模型與變量的直接置換法例如，描述稅收與稅率關(guān)系的拉弗曲線：拋物線s=a+br+cr2c<0s：稅收；r：稅率設(shè)X1=r，X2=r2，那么原方程變換為s=a+bX1+cX2c<02、冪函數(shù)模型、指數(shù)函數(shù)模型與對數(shù)變換法例如，Cobb-Dauglas生產(chǎn)函數(shù)：冪函數(shù)Q=AKLQ：產(chǎn)出量，K：投入的資本；L：投入的勞動(dòng)方程兩邊取對數(shù)：lnQ=lnA+lnK+lnL3、復(fù)雜函數(shù)模型與級數(shù)展開法5、參數(shù)估計(jì)量的性質(zhì)〔3〕、有效性〔最小方差性〕6、樣本容量所謂"最小樣本容量〞，即從最小二乘原理和最大或然原理出發(fā)，欲得到參數(shù)估計(jì)量，不管其質(zhì)量如何，所要求的樣本容量的下限。樣本最小容量必須不少于模型中解釋變量的數(shù)目〔包括常數(shù)項(xiàng)〕,即n≥k+1因?yàn)椋瑹o多重共線性要求：秩(X)=k+1滿足根本要求的樣本容量7、擬合度檢驗(yàn)擬合優(yōu)度檢驗(yàn)：對樣本回歸直線與樣本觀測值之間擬合程度的檢驗(yàn)。度量擬合優(yōu)度的指標(biāo)：判定系數(shù)〔可決系數(shù)〕R2Y的觀測值圍繞其均值的總離差(totalvariation)可分解為兩局部：一局部來自回歸線(ESS)，另一局部那么來自隨機(jī)勢力(RSS)。稱R2為〔樣本〕可決系數(shù)/判定系數(shù)〔coefficientofdetermination)?？蓻Q系數(shù)的取值圍：[0，1]R2越接近1，說明實(shí)際觀測點(diǎn)離樣本線越近，擬合優(yōu)度越高。8、虛擬變量這種"量化〞通常是通過引入"虛擬變量〞來完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取"0〞或"1〞的人工變量，通常稱為虛擬變量例如，反映文程度的虛擬變量可取為：1，本科學(xué)歷D=0，非本科學(xué)歷根底類型、肯定類型取值為1；比擬類型，否認(rèn)類型取值為0。虛擬變量的引入：加法方式和乘法方式。9、生產(chǎn)函數(shù)模型要素替代彈性要素替代彈性定義為兩種要素的比例的變化率與邊際替代率的變化率之比。C-D生產(chǎn)函數(shù)模型年技術(shù)進(jìn)步速度γ＝y(tǒng)-αk-βLγ為技術(shù)進(jìn)步速度αβ為資本、勞動(dòng)力的產(chǎn)出彈性YKL分別為產(chǎn)出、資本、勞動(dòng)力增長速度例：用1963－1984年我國全民所有制工業(yè)數(shù)據(jù)，估計(jì)出如下C-D生產(chǎn)函數(shù)