本题利用FERTIL3.RAW中的数据。（i）以时间为横轴，画出gr的曲线。在整个样本期间，它包含了明显的向上或向下的趋势吗？（ii）利用直至1979年的数据，估计gr的立方时间趋势模型（即将个对[tex=3.857x1.286]T3N8BkWkfB5i+gdKa3pxe4oAHArrI+VXeeIqYcwHpv8=[/tex]和截距项进行回归）。评论这个回归的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]。（iii）用第（ii）部分中的模型，计算从1980年到1984年的提前一期预报误差的MAE。（iv）利用到1979年为止的数据，做Agf；对一个常数的回归。这个常数统计显著异于0吗？如果我们假定g；服从一个随机游走，同时也假定漂移项为0，这样做合理吗？（v）用随机游走模型预报从1980年到1984年的gr:gf的预报值无非就是gf，。求出MAE。它与第（ii）部分中得到的MAE有何区别？你更喜欢哪一种预报方法？（vi）用直至1979年的数据估计gr的AR（2）模型。第二个滞后项显著吗？（vii）用AR（2）模型求出1980~1984年的MAE。这个更一般的模型比随机游走模型的样本外预报效果更好吗？

2022-07-25

本题利用FERTIL3.RAW中的数据。（i）以时间为横轴，画出gr的曲线。在整个样本期间，它包含了明显的向上或向下的趋势吗？（ii）利用直至1979年的数据，估计gr的立方时间趋势模型（即将个对[tex=3.857x1.286]T3N8BkWkfB5i+gdKa3pxe4oAHArrI+VXeeIqYcwHpv8=[/tex]和截距项进行回归）。评论这个回归的[tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]。（iii）用第（ii）部分中的模型，计算从1980年到1984年的提前一期预报误差的MAE。（iv）利用到1979年为止的数据，做Agf；对一个常数的回归。这个常数统计显著异于0吗？如果我们假定g；服从一个随机游走，同时也假定漂移项为0，这样做合理吗？（v）用随机游走模型预报从1980年到1984年的gr:gf的预报值无非就是gf，。求出MAE。它与第（ii）部分中得到的MAE有何区别？你更喜欢哪一种预报方法？（vi）用直至1979年的数据估计gr的AR（2）模型。第二个滞后项显著吗？（vii）用AR（2）模型求出1980~1984年的MAE。这个更一般的模型比随机游走模型的样本外预报效果更好吗？

答案：

答：（i）gf的曲线如图18-3所示：[img=425x304]17f2592fd2d69c9.png[/img]在整个样本期间，它并不包含明显的向上或向下的趋势。（ii）gr的立方时间趋势模型为：[p=align:center][tex=16.714x4.286]4YfqOxBIXD3LglYboIhfydGfxryLa3LwAtEp1GyAJIHUsD4oLbrd0Y4HsPJC85xcDRATNaJVRnzhZYVuMLV8ZajM7WdWK2Z+JPCspuroerjTX0puywiDQpY7lYjLzAZLigzCFr7Ni/ecANlk2aKUrsymc/WrO8h3hG3ZodItYhqan5Q4IRN64F2sf5WDh2GH[/tex]如果使用常用的临界值，则所有的形式都是统计显著的，R2表明曲线至少对直至1979年的数据都拟合得很好。（iii）MAE为43.02。（iv）Agfr，对一个常数的回归，使用直到1979年的数据可得：[p=align:center][tex=6.357x4.357]Uhu2/1bhRl3dw2iQmc0iyQOk3JllNGvsuSMsLHw/JGJpnjrEwC6lzla8XNZiKOR29PPg7FoKSouJZI17Up7COfJuh6lt16pS0iKxKvkkCyshsOqovzE7jwTxleziRRpw[/tex][tex=1.143x1.286]TI7jqqDiM1RJHIUxyvKDvg==[/tex]几乎等同于0，因为模型中并不存在解释变量。但是标准误与第（ii）部分相比更小了。截距的t值为-1.60，在双侧检验下10%的显著性水平上是统计不显著的。因此把g所，看成不带漂移项的随机游走是合理的。即如果[tex=9.214x1.214]Dzadvo2wHz2zVVq3/QW8+bv83FG7TM2DRTl4fL9tPYZa0PS1gWNzNO56ezn2uSuw[/tex]，[tex=0.786x1.286]GpzBaXAWSCt2ggMPBhQ/yQ==[/tex] 具有零均值，且无序列相关，则不能拒绝虚拟假设[tex=4.286x1.214]izQsZy+gBzXYAAiCjhbjpiKQVUO7XzWZOVQdRiLlaL4=[/tex]。（v）gfr的预报值就是g，，因此预报误差为：[tex=9.714x1.214]qGlHJsENVnLhGhY4EZ9P9HBwzhlovPyVv3kWnPj/DBgPPJrtFz25DL0iALNAPYt6[/tex]。分别得到1980~1984年的五个预测误差，从而值得MAE~0.840，这比（ii）中得到的小很多。因此，随机游走是更好的预报方法。（vi）gf；的AR（2）模型为：[p=align:center][tex=15.929x4.5]Uhu2/1bhRl3dw2iQmc0iyfvHD0dyh+3eByXaVpw7AgsQmezMblfLRe6d+mV+05OANPRJVYsP7xhm36VbsLJIIIVacMlexYxFt/VTI0MxhIsLnBowC71ZDxd9yI1SKRVoF2XfrAar8fWSLCeK/9hG96NSMvP8FhS+GEAB5qZ9Vr55eaHsRT1jHvy5wq+MDQ2wijNcHzd+JgkmK07OyXHvbg==[/tex]第二期滞后变量是统计显著的。即使g，包含单位根，值仍然是有效的，两个滞后变量的系数之和为0.961。回归的标准误小于随机游走模型的标准误。（vii）AR（2）模型的样本外预报效果比不带漂移项的随机游走模型的预报效果要差，1980~1984年AR（2）模型的MAE为0.991。

举一反三

内容

0
在回归分析中,根据样本数据求出的回归方程的估计成为回归模型
1
对于二元离散选择模型[tex=13.5x1.214]zc8J5nmjCN8nQJBlRPqWw2V7/dQz6sYV2P4MGy7jdqw0sOVuwkcBMbZx6vuoLtHARcx1NeGCHSfhesrcYYLthg==[/tex], 在重复观测值不可得到的情况下，假定其效用模型的随机干扰项服从正态分布, 利用估计结果进行样本被解释变量的模拟计算, 其中第 18-22 个样本的模拟结果 [tex=0.929x1.286]uWkxxPKz3ghla3mAtYzc2A==[/tex] 如表 8-21 所示。指出表中[tex=0.929x1.286]uWkxxPKz3ghla3mAtYzc2A==[/tex]列中每个数据的含义。[img=731x228]17b1954c0ee2ab6.png[/img]
2
假定对模型（7-13）做如下修正:[tex=17.929x1.429]pX13tOAelt7zHZRw4AhBrntwG6QNsMa2g9rH+Ss3wtnvnkczNQy9MdWqlsRK9BVu22zvUuLjKigNGn+f35IBuroUKfPhqThjcXhhEwO/qdiYG09IMut9NUOTk9emknds[/tex]a. 估计这个模型b. 如果 [tex=2.714x1.214]ULJ6M3LjMj9vwb9c9/5/nw==[/tex] 是统计显著的，那么对回归（7-13）有什么评论?c. 这里是否存在设定误差? 如果是, 是什么类型的设定误差? 这类设定误差有什么后果?
3
一平稳随机序列的一个样本[tex=1.714x1.357]RskNaYCCeu15kKWhMhcKRQ==[/tex]的[tex=0.5x1.0]swhA5SpCD6lPteGlwRbm9g==[/tex] 个观测值为[tex=6.286x1.357]PE5oXsxH+SEcN1BnQdl9hf4BK2e7FIrkvm2jlCFGWXk=[/tex]利用[tex=2.286x1.143]9aQDmSZ2uNSlVga3ROMwoQ==[/tex]算法设计一个 [tex=0.5x1.0]/BQKP5E8YnupUQ2sDg7w1Q==[/tex]阶[tex=1.571x1.0]vxLQUBkpP3BKz7vV2qqvtw==[/tex]模型,确定模型的参数。
4
《中华人民共和国专利法》颁布于（）年 A: 1979 B: 1980 C: 1982 D: 1984