計(jì)量經(jīng)濟(jì)學(xué)第三版部分答案

人"、，?一

弟八早

1、答：給定顯著水平a,依據(jù)樣本容量n和解釋變量個(gè)數(shù)匕查D.W.表得d統(tǒng)計(jì)量的上界

du和下界dL,當(dāng)0<d<dL時(shí)，表明存在一階正自相關(guān)，而且正自相關(guān)的程度隨d向。

的靠近而增加。當(dāng)dL<d<du時(shí)，表明為不能確定存在自相關(guān)。當(dāng)du<d<4-du時(shí)，表明

不存在一階自相關(guān)。當(dāng)4-du<d<4-dL時(shí)，表明不能確定存在自相關(guān)。當(dāng)4-dL<d<4時(shí)，

表明存在一階負(fù)自相關(guān)，而且負(fù)自相關(guān)的程度隨d向4的靠近而增加。

前提條件；DW檢驗(yàn)的前提條件；

（1）回歸模型中含有械距項(xiàng)；

（2）解釋變量是非隨機(jī)的（因此與隨機(jī)擾動(dòng)項(xiàng)不相關(guān)）

（3）隨機(jī)擾動(dòng)項(xiàng)是一階線性自相關(guān)。；

（4）回歸模型中不把滯后內(nèi)生變量（前定內(nèi)生變量）做為解釋變量。

（5）沒有缺失數(shù)據(jù)，樣本比較大。

DW檢驗(yàn)的局限性：

（1）DW檢驗(yàn)有兩個(gè)不能確定的區(qū)域，一旦DW值落在這兩個(gè)區(qū)域，就無法推斷。這

時(shí)，只有增大樣本容量或選取其他方法

（2）DW統(tǒng)計(jì)量的上、下界表要求n"5,這是由于樣本假如再小，采用殘差就很難對(duì)

自相關(guān)的存在性做出比較正確的診斷

（3）DW檢驗(yàn)不適應(yīng)隨機(jī)誤差項(xiàng)具有高階序列相關(guān)的檢驗(yàn).

（4）只適用于有常數(shù)項(xiàng)的回歸模型并且解釋變量中不能含滯后的被解釋變量

2、答：（1）當(dāng)回歸模型隨機(jī)誤差項(xiàng)有自相關(guān)時(shí)，一般最小二乘估量量是有偏誤的和非有效

的。

推斷：錯(cuò)誤。當(dāng)回歸模型隨機(jī)誤差項(xiàng)有自相關(guān)時(shí)，一般最小二乘估量量是無偏誤的和非有效

的。

（2）0W檢驗(yàn)假定隨機(jī)誤差項(xiàng)切的方差是同方差。

推斷：錯(cuò)誤。DW統(tǒng)計(jì)量的構(gòu)造中并沒有要求誤差項(xiàng)的方差是同方差。

（3）用一階差分法消退白相關(guān)是假定自相關(guān)系數(shù)。為-

推斷：錯(cuò)誤。用一階差分法消退自相關(guān)是假定自相關(guān)系數(shù)夕為1，即原原模型存在完全一階

正自相關(guān)。

（4）當(dāng)回歸模型隨機(jī)誤差項(xiàng)有自相關(guān)時(shí)，一般最小二乘估量的猜測(cè)值的方差和標(biāo)準(zhǔn)誤差不

再是有效的。

推斷：正確。

3、答：給定顯著水平a=0.05,依據(jù)樣本容量n=50和解釋變量個(gè)數(shù)（=4,查D.W.表得d

統(tǒng)計(jì)量的上界du=1.721,下界dL=1.378,4-du=2.279,4-dL=2.622o

（1）DW=1.05<dL,所以模型存在正自相關(guān)。

（2）dL<DW=1,40<du,所以模型不能確定是否存在自相關(guān)。

(3)4-du<DW=2.50<4-dL,所以模型不能確定是否存在自相關(guān)。

(4)DW=3,97>4-dL,所以模型存在負(fù)自相關(guān)。

4、在回歸模型方程中無自相關(guān)，假如我們錯(cuò)誤地判定模型中有一階自相關(guān)，并使用了廣義

差分模型，將會(huì)產(chǎn)生什么問題？

練習(xí)題6.1

(1)建立居民收入-消費(fèi)函數(shù)

DependentVariable:T

Method:LeastSquares

Date:05/09/15Time:15:10

Sample:119

Includedobservations:19

VariableCoefficientStd.Errort-StatisticProb.

C79.9300412.399196.4463900.0000

H0.6904880.01287753.620680.0000

R-squared0.994122Meandependentvar700.2747

AdjustedR-squared0.993776S.D.dependentvar246.4491

S.E.ofregression19.44245Akaikeinfocriterion8.872095

Sumsquaredresid6426.149Schwarzcriterion8.971510

Loglikelihood-82.28490Hannan-Quinncriter.8.888920

F-statistic2875.178Durbin-Watsonstat0.574663

Prob(F-statistic)0.000000

Y=79.93004+0.690488X

(2)

ViewProcObjectPrintNameFreezeOptionsAddTextLine/ShadeRemoveTern

殘差的變動(dòng)有系統(tǒng)模式，連續(xù)為正和連續(xù)為負(fù)，表明殘差項(xiàng)存在一階自相關(guān)。

DW=0.574663,查表可知0<=DW<=dL,誤差項(xiàng)存在著自相關(guān)

用廣義差分法進(jìn)行補(bǔ)救

(=)Equation:UNTITLEDWorkfile:6.1::Untitled\-□X

ViewProcObjectPrintNameFreezeEstimateForecastStatsResids

DependentVariable:E

Method:LeastSquares

Date:05/09/15Time:22:29

Sample(adjusted):219

Includedobservations:18afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

E(-1)0.6573520.1776263.7007590.0018

R-squared0.440747Meandependentvar1.717433

AdjustedR-squared0.440747S.D.dependentvar17.85134

S.E.ofregression13.34980Akaikeinfocriterion8.074833

Sumsquaredresid3029.692Schwarzcriterion8.124298

Loglikelihood-71.67349Hannan-Quinncriter.8.081653

Durbin-Watsonstat1.634573

P=0.657352

(=)Equation:UNTITLEDWorkfile:6.1::Untitled\-HX

|ViewProc|Object|PrintNameFreezeEstimateForecastStatsResids

DependentVariable:Y-0.657352*Y(-1)

Method:LeastSquares

Date:05/09/15Time:2236

Sample(adjusted):219

Includedobservations:18afteradjustments

VariableCoefficientStd.Errort-SlatisticProb.

C45.3524213.778763.2914730.0046

X-0.657352*X(-1)0.7096860.00912377.794590.0000

R-squared0.997363Meandependentvar819.7947

AdjustedR-squared0.997198S.D.dependentvar763.5982

S.E.ofregression40.41724Akaikeinfocriterion10.34083

Sumsquaredresid26136.85Schwarzcriterion10.43976

Loglikelihood-91.06746Hannan-Quinncriter.10.35447

F-statistic6051.998Durbin-Watsonstat1.814502

Prob(F-statistic)0.000000

Yt*=45.35242+0.709686Xt*

其中Yt*=Yt-0.657352Yt(-l),Xt*=Xt-0.657352Xt(-l)

模型中DW=1.814502.dU<DW<4-dU,說明在5%顯著性水平下廣義差分模型已無自相關(guān)。

0=4535242/（1-0.657352）=140.563152

由此，得到的最終消費(fèi)模型為：Y=140.563152+0.709686X

（3）該模型的經(jīng)濟(jì)意義是，人均實(shí)際收入每增加一元，人均實(shí)際消費(fèi)支出會(huì)增加0.669262

元。

第七章

7.3庫伊克模型、自適應(yīng)預(yù)期模型與局部調(diào)整模型有哪些共性和不同之處？模型估量會(huì)存

在哪些困難？如何解決？

答：（1）相同之處：庫伊克模型、自適應(yīng)預(yù)期模型、局部調(diào)整模型三個(gè)模型的最終形式都是

一階自回歸模型。

（2）不同之處：

1）導(dǎo)出模型的經(jīng)濟(jì)背景和思想不同。

庫伊克模型是在無限分布滯后模型的基礎(chǔ)上，依據(jù)庫伊克幾何分布滯后假定導(dǎo)出的；自適應(yīng)

預(yù)期模型是由解種變量自適應(yīng)過程得到的；局部調(diào)整模型是由應(yīng)變量的局部調(diào)整得到的。

2）模型存在的問題不同。

三個(gè)模型的形成機(jī)理不同，所以隨機(jī)誤差項(xiàng)的結(jié)構(gòu)不同，庫伊克模型和自適應(yīng)預(yù)期模型都存

在自相關(guān)、解釋變量與隨機(jī)誤差項(xiàng)相關(guān)的問題：而局部調(diào)整模型則不存在。庫伊克模型和自

適應(yīng)預(yù)期模型不能夠直接使用最小二乘法直接估品，而局部調(diào)整模型則可以。

（2）模型估量存在的困難及解決的方法

（a）消失了隨機(jī)解釋變量Yt-1,而Yt-1可能與隨機(jī)擾動(dòng)項(xiàng)相關(guān);

（b）隨機(jī)擾動(dòng)項(xiàng)可能自相關(guān)，庫伊克模型和自適應(yīng)預(yù)期模型的隨機(jī)擾動(dòng)項(xiàng)都會(huì)導(dǎo)致日相關(guān)，

只有局部調(diào)整模型的隨機(jī)擾動(dòng)無自相關(guān).假如用最小二乘法直接估量自回歸模型，則估量可

能是有偏的，而且不是全都仙量。

估量自回歸模型需要解決兩個(gè)問題：設(shè)法消退與的相關(guān)性；檢驗(yàn)是否存在自相關(guān)。所

以應(yīng)用T具變顯法進(jìn)行估吊一階自回歸模型，就是在進(jìn)行參數(shù)估品的過程中選擇適當(dāng)?shù)墓ぞ?/p>

變量，代替回歸模型中同隨機(jī)擾動(dòng)項(xiàng)存在相關(guān)性的解釋變量。

7.6檢驗(yàn)一階自回歸模型隨機(jī)擾動(dòng)項(xiàng)是否存在自相關(guān)，為什么用德賓h-檢驗(yàn)而不用DW檢

驗(yàn)？

答：由于DW檢驗(yàn)法不適合于方程含有滯后被解彈變量的場(chǎng)合，在自回歸模型中，滯后被解

釋變量是隨機(jī)變量，已有討論表明，假如用DW檢驗(yàn)法，則d統(tǒng)計(jì)量值總是趨近于2。也就

是說，在一階自回歸中，當(dāng)隨機(jī)擾動(dòng)項(xiàng)存在自相關(guān)時(shí)，DW檢驗(yàn)卻傾向于得出非自相關(guān)的結(jié)

論。

練習(xí)題7.4

（1）估量一階自回歸模型；

回歸估量：

DependentVariable:Y

Method:LeastSquares

Date:05/18/15Time:16:56

Sample(adjusted):19541984

Includedobservations:31afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C6624.7004435.3481.4936140.1469

X10.0473100.0404941.1683370.2529

X20.2750700.0922752.9809970.0060

Y(-1)0.4055210.1917172.1152040.0438

R-squared0.967014Meandependentvar55906.16

AdjustedR-squared0.963349S.D.dependentvar41011.93

S.E.ofregression7851.487Akaikeinfocriterion20.89471

Sumsquaredresid1.66E+09Schwarzcriterion21.07974

Loglikelihood-319.8680Hannan-Quinncriter.20.95502

F-statistic263.8454Durbin-Watsonstat2.123861

Prob(F-statistic)0.000000

Yt=GG247+0.04731Xlt+0.27507X2t+0.4552Yt-l

依據(jù)局部調(diào)整模型的函數(shù)關(guān)系，有l(wèi)na*=6lna,P*0=6B0zp*l=§pl,p*2=l-8

將估量結(jié)果帶入可得：6=0.594479a=11143707300=0.0796P1=0.4627

局部調(diào)整模型估最結(jié)果為Y*t=111437073+0.0796Xlt+0.4627X2t

經(jīng)濟(jì)意義：社會(huì)商品銷售額每增加1億元，將來預(yù)期年末貨幣流通量增加0.0796億元城鄉(xiāng)

居民儲(chǔ)蓄余額每增加1億元，將來預(yù)期年末貨幣流通量增加0.4627億元

模型對(duì)數(shù)變換：1叫=10°一41n招邛小居一%

在局部調(diào)整假定下，估量一階自回歸模型2t鄧？也電一（

回歸估量

Sample(adjusted):19541984

Includedobservations:31ateradjustments

CoefficientStd.Errort-StatisticProb.

C0.6725111.7079520.3937530.6969

LNX10.2004210.2604230.7695970.4482

LNX20.1812010.1576541.1493590.2605

LNY(-1)0.5347180.1118994.7785850.0001

R-squared0.968926Meandependentvar1070564

AdjustedR-squared0.965474SD.dependentvar0682843

S.Eofregression0.126881Akaikeinfocriterion-1.171225

Sumsquaredresid0.434665Schwarzerrterion-0.986195

Loglikelihood22.15399Hannan-Quinncriter.-1.110910

F-statistic2806346Durbin-Watsonstat1.962333

Prob(F-statistic)0.000000

lnYt=0.672511+0.200421lnXlt+0.18120lnX2t+0.52471lnYt-l

依據(jù)局部調(diào)整模型的參數(shù)關(guān)系，lna*=6lnazp*0=6p0,p*l=6pl,p*2=l-6

將估量結(jié)果帶入可得：

8=0.465282a=1.44538(30=0.43075pi=0.38944

局部調(diào)整模型估量結(jié)果為：lnYt=1.44538+0.43075lnXlt+0.38941nx2t

經(jīng)濟(jì)意義：社會(huì)商品銷售額每增加1%,將來預(yù)期年末貨幣流通量增加0.43075%城鄉(xiāng)居民儲(chǔ)

蓄余額每增加1%，將來預(yù)期年末貨幣流通量增加0.38944%

第八章

8.2虛擬變量為何只選0、1,選2、3、4行嗎？為什么？

答：虛擬變量是非此即彼的問題，一般情形下，虛擬變量的取值為。和1。當(dāng)虛擬變量取值

為。時(shí)，表示某種屬性或狀態(tài)的類型或水平不消失或不存在；當(dāng)虛擬變量取值為1時(shí)，表示

某種屬性或狀態(tài)的類型或水平消失或存在。取值一般不選2、3、4,否則對(duì)回歸系數(shù)的分析

帶來不便。

8.5四種加法方式引入虛擬變量會(huì)產(chǎn)生什么效應(yīng)？

答：四種加法方式引入虛擬變量均轉(zhuǎn)變了截距，可以用于分析虛擬變量不同類之間的水平差

異。

8.6引入虛擬被解釋變量的背景是什么？含有虛擬被解釋變量模型的估量方法有哪些？

答：某經(jīng)濟(jì)現(xiàn)象或活動(dòng)受到多種因素的影響，需要對(duì)這一經(jīng)濟(jì)現(xiàn)象或活動(dòng)進(jìn)行是或否的推斷

或決策時(shí)，需要引入被解釋變最。虛擬被解釋變最模型的估量方法主要有線性概率模型估量

和對(duì)數(shù)單位模型估量。

練習(xí)題8.6

[=]Equation:UN17TLEDWorkfile:8-8.6::llntitled\一HX

|View|ProcObject|PrintNameFreeze||EstimateForecastStatsResids

4

DependentVariable:GRADE

Method:ML-BinaryLogit(Quadratichillclimbing)

Date:05/18/15Time:17:44

Sample:132

Includedobservations:32二

Convergenceachievedafter5iterations

Covariancematrixcomputedusingsecondderivatives

VariableCoefficientStd.Errorz-StatisticProb.—'

C-14.345445.657844-2.5354960.0112

GPA3.2535891.4318912.2722320.0231

TUCE0.0615370.1462020.4209080.6738

PSI3.1197211.2586742.4785770.0132

McFaddenR-squared0.441494Meandependentvar0.312500

S.D.dependentvar0.470929S.E.ofregression0.355441

Akaikeinfocriterion0.943761Sumsquaredresid3.537473

Schwarzcriterion1.126978Loglikelihood-11.10018

Hannan-Quinncriter.1.004492Deviance22.20035

Restr.deviance39.74953Restr.loglikelihood-19.87476

LRstatistic17.54918Avg.loglikelihood-0.346880

Prob(LRstatistic)0.000545

ObswithDep=022Totalobs32

ObswithDep=110■

經(jīng)分析得邊際效應(yīng)=10

第九章

9.3檢驗(yàn)變量設(shè)定誤差有哪幾種方法？他們的共性和差異是什么？

常用方法有：DW檢驗(yàn)、LM檢驗(yàn)、RESET檢驗(yàn)、模型函數(shù)形式設(shè)定檢驗(yàn)。

9.4如何進(jìn)行遺漏變量設(shè)定誤差的后果分析？其檢驗(yàn)有哪些方法？如何檢驗(yàn)？

當(dāng)模型遺漏了真實(shí)的變最后，模型的參數(shù)估顯是有偏且不全都的：參數(shù)估最的方差估審不正

確，隨機(jī)擾動(dòng)項(xiàng)方差的估量也是不正確的，將使假設(shè)檢驗(yàn)、空間估量失效。檢驗(yàn)的方法有

DW檢驗(yàn)、LM檢驗(yàn)、RESET檢驗(yàn)、模型函數(shù)形式設(shè)定檢驗(yàn)。

9.5如何進(jìn)行無關(guān)變量設(shè)定誤差的后果分析？其檢驗(yàn)有哪些方法？如何檢驗(yàn)？

模型的參數(shù)估量任然是無偏且全都的，隨機(jī)擾動(dòng)項(xiàng)的方差被正確估量，但所估量的方差將

趨之于過大，從而使得參數(shù)估量的有效性降低，參數(shù)估量較為不精確，區(qū)間估量

的精度下降。檢驗(yàn)方法除了上訴四種以外還有非嵌套模型設(shè)定的假設(shè)檢驗(yàn)等。

練習(xí)題9.6

答：在截面數(shù)據(jù)狀況下題中所說的四條準(zhǔn)則是正確的；但是在時(shí)序數(shù)據(jù)狀況下，上訴準(zhǔn)則則

不肯定是正確的。

第十章

10.1對(duì)時(shí)間序列進(jìn)行分析，為什么提出平穩(wěn)性問題？

平穩(wěn)是時(shí)間序列里面一個(gè)特別重要的假設(shè)，模型ar,ma,arma,var,garch,arch全部建立在

時(shí)序平穩(wěn)的基礎(chǔ)上。

（1）計(jì)量經(jīng)濟(jì)學(xué)經(jīng)典分析方法隱含著一個(gè)重要假設(shè)：數(shù)據(jù)是平穩(wěn)的。假如數(shù)據(jù)非平穩(wěn)，那

么在大樣本下的統(tǒng)計(jì)推斷基礎(chǔ)一一“全都性”要求就會(huì)被破壞。這往往導(dǎo)致“偽回歸”問題

的消失。但實(shí)踐閱歷證明，現(xiàn)實(shí)經(jīng)濟(jì)現(xiàn)象中的時(shí)間序列數(shù)據(jù)通常是非平穩(wěn)的，而且一些主要

的國民經(jīng)濟(jì)變量往往表現(xiàn)出全都的提升或下降，這使得兩個(gè)沒有任何因果關(guān)系的變量，擁有

較高的M2。通過經(jīng)典因果關(guān)系模型對(duì)這樣的數(shù)據(jù)進(jìn)行分析很難獲得有效的統(tǒng)計(jì)量，分析、

檢驗(yàn)和猜測(cè)結(jié)果也都是無效的，時(shí)間序列的平穩(wěn)性對(duì)計(jì)最回歸分析的有效性有很大影響；

（2）經(jīng)典計(jì)量經(jīng)濟(jì)模型假定變量均為隨機(jī)的，但時(shí)間序列是在不同時(shí)間觀測(cè)的數(shù)據(jù)，不能

看做是同一個(gè)隨機(jī)變量的反復(fù)抽樣，而只能是隨機(jī)過程的一個(gè)實(shí)現(xiàn)，每個(gè)數(shù)據(jù)都是特定時(shí)間

隨機(jī)變量的唯一實(shí)現(xiàn)值，其樣本均值和方差的含義與隨機(jī)變量反復(fù)抽樣的樣本總體均值和方

差有所不同，這有悖于經(jīng)典計(jì)量經(jīng)濟(jì)模型統(tǒng)計(jì)推斷的基礎(chǔ)。因而，對(duì)時(shí)間序列進(jìn)行分析時(shí)，

首先要考慮其平衡性問題，

10.3什么是非平穩(wěn)？為什么隨機(jī)游走過程是非平穩(wěn)的？

所謂時(shí)間序列的非平穩(wěn)，是指時(shí)間序列的統(tǒng)計(jì)規(guī)律隨著時(shí)間的位移而發(fā)生變化，即生成變量

時(shí)間序列數(shù)據(jù)的隨機(jī)過程的特征隨時(shí)間而變化。對(duì)于隨機(jī)游走序列，它的均值為零、方差無

限大，所以它是一非平穩(wěn)序列

10.5怎樣推斷變量之間是否存在協(xié)整關(guān)系

有兩種檢驗(yàn)方法，一種是基于回歸殘差的協(xié)整檢驗(yàn)，這種檢驗(yàn)也稱為單一方程的協(xié)整檢驗(yàn);

另一種是基于回歸系數(shù)完全信息的Johansen協(xié)整檢驗(yàn)。

10.6什么是誤差修正機(jī)制？誤差修正模型的特點(diǎn)是什么？

任何一組相互協(xié)整的時(shí)間序列變量都存在誤差修正機(jī)制，誤差修正模型把長期關(guān)系和短期變

動(dòng)結(jié)合起來,使得協(xié)整與誤差修正模型之間存在一種對(duì)應(yīng)關(guān)系，當(dāng)變量之間存在協(xié)整關(guān)系時(shí),

變量在本期的變動(dòng)，會(huì)依據(jù)上期偏差的狀況做出調(diào)整，從而使其向長期均衡關(guān)系靠攏，這種

不斷進(jìn)行調(diào)整的過程就是誤差修正機(jī)制。

誤差修正模型的特點(diǎn)是：

（1）若,YtXt存在協(xié)整關(guān)系，則ECMt具有平穩(wěn)性：由于yt,xt?I（1）,則,△xt?

I（0）,上式中的變量都具有平穩(wěn)性?；貧w參數(shù)的估軟品具有優(yōu)良的漸近特性，所以用最小

二乘法估量誤差修正模型不存在虛假回歸問題。

（2）誤差修正模型中既有描述變量長期關(guān)系的參數(shù)，又有描述變量短期關(guān)系的參數(shù)；既可

討論經(jīng)濟(jì)問題的靜態(tài)（長期）特征乂可討論其動(dòng)態(tài)（短期）特征。誤差修正機(jī)制的特點(diǎn)是：

（1）由于ECM模型中包含的全部差分變量和非均衡誤差都具有平穩(wěn)性，所以用OLS法估量

參數(shù)不會(huì)存在虛假回歸問題；

（2）假如ADL模型中的變量為一階非平穩(wěn)性，只要這些變量存在協(xié)整關(guān)系ttXkkYlO,

那么ECM模型中的誤差修正項(xiàng)就具有平穩(wěn)性，全部差分變量也具有平穩(wěn)性。

（3）ECM模型中的參數(shù)可分為長期參數(shù)和短期參數(shù)，非均衡誤差項(xiàng)中的k是長期參數(shù)，模

型中的B0和a-1是短期參數(shù)，短期參數(shù)便是變量間的短期關(guān)系。

（4）任何一個(gè)ADL模型都可以變換為一個(gè)ECM模型。

十一章

11.2聯(lián)立方程模型有哪些種類？各類聯(lián)立方程模型的特點(diǎn)是什么？

1、結(jié)構(gòu)型模型。特點(diǎn)（1；結(jié)構(gòu)方程描述了經(jīng)濟(jì)變量之間的結(jié)構(gòu)關(guān)系，所以結(jié)構(gòu)方程反映了

內(nèi)生變量直接受前定變量、其他內(nèi)生變量和隨機(jī)誤差項(xiàng)影響的因果關(guān)系，在結(jié)構(gòu)方程的右端

可能消失其他的內(nèi)生變量，（2）結(jié)構(gòu)方程中的變量的系數(shù)稱為結(jié)構(gòu)參數(shù)，結(jié)構(gòu)參數(shù)反映了結(jié)

構(gòu)方程中的解釋變量對(duì)被解釋變顯的直接影響程度。（3）結(jié)構(gòu)模型具有偏倚性的問題。（4）

不能直接用結(jié)構(gòu)模型進(jìn)行猜測(cè)。

2、簡化型模型。特點(diǎn)（1）每一個(gè)方程的右端不再消失內(nèi)生變量，而只有前定變量作為解釋

變量。（2）模型中的前定變量和隨機(jī)誤差項(xiàng)不相關(guān)。（3）簡化模型的參數(shù)綜合反映了前定變

量對(duì)內(nèi)生變量的直接影響和間接影響，其參數(shù)表現(xiàn)了前定變量對(duì)內(nèi)生變量的影響乘數(shù)。（4）

在已知前定變量取值的條件下，可采用簡化模型參數(shù)的估量式直接對(duì)內(nèi)生變量進(jìn)行猜測(cè)分析。

3、遞歸模型。特點(diǎn)是直接運(yùn)用OLS方法對(duì)模型中的方程依次進(jìn)行估量，而不會(huì)產(chǎn)生聯(lián)立方

程組的偏倚性問題。

11.3什么是聯(lián)立方程偏倚？為什么會(huì)產(chǎn)生聯(lián)立方程偏倚？

在計(jì)量經(jīng)濟(jì)學(xué)中聯(lián)立方程偏倚是聯(lián)立方程模型的一種形式，在結(jié)構(gòu)式模型中，一些變量可能

在一個(gè)方程中作為解釋變量，而在此外一方程中又作為