计量经济学第二版庞皓科学出版社第七章练习题答案

第七章

7.1表7.11中给出了1970-1987年期间美国的个人消费支出(PCE)和个人可支配收入

(PDI)数据，所有数字的单位都是10亿美元(1982年的美元价)。

表7.111970-1987年美国个人消费支出(PCE)和个人可支配收入(PDI)数据

年份PCEPDI年份PCEPDI年份PCEPDI

19701492.01668.119761803.92001.019822050.72261.5

19711538.81728.419771883.82066.619832146.02331.9

19721621.91797.419781961.02167.419842249.32469.8

19731689.61916319792004.42212.619852354.82542.8

19741674.01896.519802000.42214.319862455.22640.9

19751711.91931.719812042.22248.619872521.026863

估计下列模型:

PCE,=Ai^A2PDIl+4

PCE,=⑸+B2PD1,+B3PCE7+匕

(1)解释这两个回归模型的结果。

(2)短期和长期边际消费倾向(MPC)是多少？

练习题7.1参考解答：

1)第一个模型回归的估计结果如下，

DependentVariable:PCE

Method:LeastSquares

Date:07/27/05Time:21:41

Sample:19701987

Includedobservations:18

VariableCoefficientStd.Errort-StatisticProb.

C-216.426932.69425-6.6197230.0000

PDI1.0081060.01503367.059200.0000

R-squared0.996455Meandependentvar1955.606

AdjustedR-squared0.996233S.D.dependentvar307.7170

S.E.ofregression18.88628Akaikeinfocriterion8.819188

Sumsquaredresid5707.065Schwarzcriterion8.918118

Loglikelihood-77.37269F-statistic4496.936

Durbin-Watsonstat1.366654Prob(F-statistic)0.000000

回归方程：PCE,=-216.4269十1.008106PZ)/z

(32.69425)(0.015033)

t=(-6.619723)(67.05920)

A?=0.996455F=4496.936

第二个模型回归的估计结果如下，

DependentVariable:PCE

Method:LeastSquares

Date:07/27/05Time:21:51

Sample(adjusted):19711987

Includedobservations:17afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C-233.273645.55736-5.1204360.0002

PDI0.9823820.1409286.9708170.0000

PCE(-1)0.0371580.1440260.2579970.8002

R-squared0.996542Meandependentvar1982.876

AdjustedR-squared0.996048S.D.dependentvar293.9125

S.E.ofregression18.47783Akaikeinfocriterion8.829805

Sumsquaredresid4780.022Schwarzcriterion8.976843

Loglikelihood-72.05335F-statistic2017.064

Durbin-Watsonstat1.570195Prob(F-statistic)0.000000

回归方程：PCE,=—233.2736+0.9824P。/,—0.0372PCE_1

(45.557)(0.1409)(0.1440)

t=(-5.120)(6.9708)(0.258)

9965F-2017.064

2）从模型一得到MPC=1.008；从模型二得到，短期MPOD.9824,由于模型二为自回归模型，

要先转换为分布滞后模型才能得到长期边际消费倾向，我们可以从库伊克变换倒推得到长期

MPC=0.9824/（1+0.0372）=0.9472。

7.2表7.12中给出了某地区1980-2001年固定资产投资Y与销售额X的资料。

表7.12某地区1980-2001年固定资产投资Y与销售额X的资料（单位：亿元）

年份YX年份YX

198036.9952.8051991128.68168.129

198133.6055.9061992123.97163.351

198235.4263.0271993117.35172.5〃

198342.3572.9311994139.61190.682

198452.4884.7901995152.88194.538

198553.6686.5891996137.95194.657

198658.5398.7971997141.06206.326

198767.48113.2011998163.45223.5^1

198878.13126.9051999183.80232.724

198995.13143.9362000192.61239.459

1990112.60154.3912001182.81235.142

运用局部调整假定或自适应预期假定估计以下模型参数，并解释模型的经济意义，探测

模型扰动项的一阶自相关性：

1）设定模型

匕，="+/3X,+wz

其中匕“为预期最佳值。

2）设定模型

Y；=aXfe%

其中匕,为预期最佳值.

3）设定模型

Y,=a+fiX；+ut

其中X；为预期最佳值。

练习题7.2参考解答：

1）在局部调整假定下，先估计一阶自回归模型：匕+十〃；匕_1十〃;

回归的估计结果如下，

DependentVariable:Y

Method:LeastSquares

Date:25/02/10Time:22:42

Sample（adjusted）:19812001

Includedobservations:21afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C-15.104034.729450-3.1936130.0050

X0.6292730.0978196.4330310.0000

Y(-1)0.2716760.1148582.3653150.0294

R-squared0.987125Meandependentvar109.2167

AdjustedR-squared0.985695S.D.dependentvar51.78550

S.E.ofregression6.193728Akaikeinfocritericn6.616515

Sumsquaredresid690.5208Schwarzcriterion6.765733

Loglikelihood-66.47341F-statistic690.0561

Durbin-Watsonstat1.518595Prob(F-statistic)0.000000

回归方程：Y,=-15.10403+0.629273X,+0.271676^^

(4.729450)(0.097819)(0.114858)

t=(-3.193613)(6.433031)(2.365315)

R2=0.987125F=690.0561DW=1.518595

根据局部调整模型的参数关系，有，=6a跖=印，伉=\-6,u；=3u,

将上述估计结果代入得到：

3=1一/；=1一0.271676=0.728324

a=—=-20.738064/3=屋=0.864001

A

故局部调整模型估计结果为：Y；=-20.738064+0.86400IX,

经济意义：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为0.864001亿元。

运用德宾h检验一阶自相关：

h=(\--)---------=(l--xl.518595)J------------?=1.29728

2

2\\-nVar(p.)2V1-21x0.114858

在显著性水平。=°・°5上，查标准正态分布表得临界值〃%=1.96,由于

|/?|=1.29728</z^=1.96,则接收原假设夕二°,说明自回归模型不存

在一阶自相关问题。

2)先对数变换模型，有In工"=lna+/?lnX,+%

在局部调整假定下，先估计一阶自回归模型：InY=Q'‘+用lnX,+/?"nZT+，

回归的估计结果如下，

DependentVariable:LNY

Method:LeastSquares

Date:25/02/10Time:22:55

Sample(adjusted):19812001

Includedobservations:21afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C-1.0780460.184144-5.8543660.0000

LNX0.9045220.1112438.1310390.0000

LNY(-1)0.2600330.0877992.9616840.0084

R-squared0.993725Meandependentvar4.559823

AdjustedR-squared0.993028S.D.dependentvar0.562953

S.E.ofregression0.047007Akaikeinfocritericn-3.145469

Sumsquaredresid0.039774Schwarzcriterion-2.996251

Loglikelihood36.02742F-statistic1425.219

Durbin-Watsonstat1.479333Prob(F-statistic)0.000000

回归方程：In工=—1.078046+0.904522InX.+0.260033In工_1

(0.181144)(0.111243)(0.087799)

t=(-5.854366)(8.131039)(2.961684)

R2=0.993725F=1425.219I)W1=1.479333

根据局部调整模型的参数关系，有lna'=51na,〃。=加，0；=1-6

将上述估计结果代入得到：

5=1-夕；=1-0.260033=0.739967

Ina=电幺=-1.45688万="=1.22238

A

故局部调整模型估计结果为：InZ*=—1.45688+1.222381nX,,也即

A

^=0.23296IX,122238

经济意义：该地区销售额每增加现，未来预期最佳新增固定资产投资为1.22238机

运用德宾h检验一阶自相关：

n八1.479333、21

h="一如—"〃(£；)=(1———)=1.30313

l-21x0.087799T2

在显著性水平2二°・°5上，查标准正态分布表得临界值/?%=1.96,由于

同=1.30313v%=1.96,则接收原假设°二°,说明自回归模型不存在

一阶自相关。

3)在自适应预期假定下，先估计一阶自回归模型：匕=a+4匕-1+%

回归的估计结果如下，

DependentVariable:Y

Method:LeastSquares

Date:25/02/10Time:22:42

Sample(adjusted):19812001

Includedobservations:21afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C-15.104034.729450-3.1936130.0050

X0.6292730.0978196.4330310.0000

丫(-1)0.2716760.1148582.3653150.0294

R-squared0.987125Meandependentvar109.2167

AdjustedR-squared0.985695S.D.dependentvar51.78550

S.E.ofregression6.193728Akaikeinfocritericn6.616515

Sumsquaredresid690.5208Schwarzcriterion6.765733

Loglikelihood-66.47341F-statistic690.0561

Durbin-Watsonstat1.518595Prob(F-statistic)0.000000

回归方程：Yt=-15.10403+0.629273X,+0.271676^_,

(4.729450)(0.097819)(0.114858)

t=(-3.193613)(6.433031)(2.365315)

R2=0.987125F=690.0561DW=1.518595

根据局部调整模型的参数关系，有cc*=6a0*0=印伏='-5《=du,

将上述估计结果代入得到：

b=1-夕：=1一0.271676=0.728324

a=—=-20.738064^=^-2-=0.864001

66

故局部调整模型估计结果为：=-20.738064+0.86400lXf

经济意义：该地区销售额每增加1亿元，未来预期最佳新增固定资产投资为().864001亿元。

运用德宾h检验一阶自相关：

n=(l-|xl.518595)21

h=(1--)=1.29728在显著

21-21x0.1148582

性水平=0.05上，查标准正态分布表得临界值%=1.96,由于

/2

|/?|=1.29728</?^=1.96,则接收原假设夕二°,说明自回归模型不存在一阶自相关。

7.3利用表7.12的数据，取阿尔蒙多项式的次数m=2,运用阿尔蒙多项式变换法估计

分布滞后模型：

工=a+0°X,++河X.2+&X-+氏X-+%

练习题7.3参考解答:

取。

分布滞后模型：Yt=a+^X,+p,Xr_,+...+/?4+u,s=4,m=2

假设再=4，4=阂+。］+%，分=4+2必+4%,分3=%+3%+9a2，

=a(}+4at+16a2(*)

则模型可变为：Yt=a+a()Z()l+a,Zk+a2Z2l+u,,其中:

Z0/=X,十X,।十X,2十十X7

Z.=X,,+2X,2+3Xr3+4X,.

Z.=X,,+4X2+9Xr3+l6X,4

估计的回归结果如下，

DependentVariable:Y

Method:LeastSquares

Date:25/02/10Time:23:19

Sample(adjusted):19842001

Includedobservations:18afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C-35.492348.192884-4.3320930.0007

ZO0.8910120.1745635.1042480.0002

Z1■0.6699040.254447-2.6327830.0197

Z20.1043920.0623111.6753380.1160

R-squared0.984670Meandependentvar121.2322

AdjustedR-squared0.981385S.D.dependentvar45.63348

S.E.ofregression6.226131Akaikeinfocritericn6.688517

Sumsquaredresid542.7059Schwarzcriterion6.886378

Loglikelihood■56.19666F-statistic299.7429

Durbin-Watsonstat1.130400Prob(F-statistic)0.000000

回归方程：Y=-35.49243+0.89I012Z0/-0.669904Z,,+0.104392Z,,

a=-35.49124,%=0.89101,%=-0.66990,cr2-0.10439

由(*)式可得，

Bo=0.89101,a=0.32550,色=-0.03123,区=-0.17917,/74=-0.11833

由阿尔蒙多项式变换可得如下估计结果：

A

匕=-35.49234+0.89101Xz+0.32550X,,-0.03123X,,-0.17917X,3-0.11833X,

7.4表7.13中给出了1962-1995年某地区基本建设新增固定资产Y和全省工业总产值X

按当年价格计算的历史资料。

表7.131962-1995年某地区基本建设新增固定资产丫和全省工业总产值X（单位：亿元）

年份YX年份YX

19620.944.9519792.0642.69

19631.696.6319807.9351.61

19641.788.5119818.0161.5

19651.849.3719826.6460.73

19664.3611.2319831664.64

19677.0211.3419848.8166.67

19685.5519.9198510.3873.78

19696.9329.4919866.269.52

19707.1736.8319877.9779.64

19712.3321.19198827.3392.45

19722.1818.14198912.58102.94

19732.3919.69199012.47105.62

19743.323.88199110.88104.88

19755.2429.65199217.7113.3

19765.3940.94199314.72127.13

19771.7833.08199413.76141.44

19780.7320.3199514.42173.75

（1）设定模型工*=a+作局部调整假定，估计参数，并作解释。

（2）设定模型匕=a+，X：+4作自适应预期假定，估计参数，并作解释。

（3）比较上述两种模型的设定及拟合情况，你觉得哪一个模型较好，为什么？

练习题7.4参考解答：

1)在局部调整假定下，先估计一阶自回归模型，yf=屋++6;匕t+〃:

回归的估计结果如下，

DependentVariable:Y

Method:LeastSquares

Date:07/27/05Time:22:31

Sample(adjusted):19631995

Includedobservations:33afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C1.8966451.1671271.6250550.1146

X0.1021990.0247824.1239610.0003

Y(-1)0.0147000.1828650.C803890.9365

R-squared0.584750Meandependentvar7.804242

AdjustedR-squared0.557066S.D.dependentvar5.889686

S.E.ofregression3.919779Akaikeinfocriterion5.656455

Sumsquaredresid460.9399Schwarzcriterion5.792502

Loglikelihood-90.33151F-statistic21.12278

Durbin-Watsonstat1.901308Prob(F-statistic)0.000002

回归方程：Y,=1.8966+0.1022X,+0.0147—

(1.167)(0.0248)(0.182865)

t=(1.625)(4.1239)(0.080389)

R2=0.584750F=21.12278

可以看出，X,的回归系数显著，而匕_1的回归系数不显著，R2不是很高，模型整体上对样

本数据拟合一般。

根据局部调整模型的参数关系，有。"二9,息=羽/=1-5,"；=砌，将上述估计结果

代入得到：5=0.9853,/?=().1037,a=1.9249

故局部调整模型为：Z*=1.9249+0.1037X,+M

经济意义：为了达到全省T.业总产值的计划值，寻求一个未来预期新增固定资产的最佳量。

全省工业总产值每计划增加1(亿元)，则未来预期最佳新增固定资产量为0.1037亿元。

2)在自适应预期假定下，先估计一阶自回归模型，丫广，+/X,+伍Y.]+〃；

回归的估计结果如下，

DependentVariable:Y

Method:LeastSquares

Date:07/27/05Time:22:31

Sample(adjusted):19631995

Includedobservations:33afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C1.8966451.1671271.6250550.1146

X0.1021990.0247824.1239610.0003

Y(-1)0.0147000.1828650.C803890.9365

R-squared0.584750Meandependentvar7.804242

AdjustedR-squared0.557066S.D.dependentvar5.889686

S.E.ofregression3.919779Akaikeinfocriterion5.656455

Sumsquaredresid460.9399Schwarzcriterion5.792502

Loglikelihood-90.33151F-statistic21,12278

Durbin-Watsonstat1.901308Prob(F-statistic)0.000002

回归方程：Y,=1.8966+0.1022X,+0.0147—

(1.167)(0.0248)(0.182865)

t=(1.625)(4.1239)(0.080389)

R2=0.584750F=21.12278

可以看出，X,的回归系数显著，而匕_1的回归系数不显著，R2不是很高，模型整体上对样

本数据拟合一般。

根据自适应模型的参数关系，有a*=ya,/=内一(1一丫)内…代入得

到：/=0.9853,/?=().1037,a=1.9249

故局部调整模型为：Yf=1.9249+0.1037X：+%

经济意义：新增固定资产的变化取决于全省工业总产值的预期值。全省工业总产值每预期增

加增加1(亿元)，当期新增固定资产量为0.1037(亿元)。

3)局部调整模型和自适应模型的区别在于：局部调整模型是对应变量的局部调整而得到的：

而自适应模型是由解释变量的自适应过程而得到的。由回归结果可见，Y滞后一期的【可归系

数并不显著，说明两个模型的设定都不合理。

7.5表7.14给出某地区各年末货币流通量Y,社会商品零售额XI、城乡居民储蓄余额X

2的数据。

表7.14某地区年末货币流通量、社会商品零售额、城乡居民储蓄余额数据(单位：亿元)

城乡居民

年末货币社会商品零城乡居民储年末货币社会商品零

年份年份储蓄余额

流通量Y售额XI蓄余额X2流通量Y传额XI

X2

19531051878676416319703850024033226156

195414088101433488819714710027453430944

195513375103989568919725720029919735961

195618354124525740619736000031400639667

195716867126467915619746250031895443320

1958185151344461019319756450033601546184

1959225S81549611393919766800035292448311

I960290361703701549519776300037811553313

1961414721491821255319786600041583061290

1962348261545641008019797600045203270033

1963300001425481160219808500051254392300

19642430014341515031198190000547956109707

196529300156998171081982101000S91088133799

196633900176387193011983100000646427164314

196736100178162204851984160000733162201199

196839600167074225721985192000919045277185

利用表中数据设定模型：Y：=a+IX、户d内

=aX^X^

其中，匕*为长期（或所需求的）货币流通量。试根据局部调整假设，作模型变换，估计并检验

参数，对参数经济意义做出解释。

练习题7.5参考解答：

1)在局部调整假定下，先估计一阶自回归模型：匕=3+0及+0风户0；丫.1+11；

回归的估计结果如下：

DependentVariable:Y

Method:LeastSquares

Date:26/02/10Time:15:56

Sample(adjusted):19541985

Includedobservations:32afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C6596.2284344.0781.5184420.1401

X10.0474510.0396101.1979400.2410

X20.2748380.0905343.0357360.0051

Y(-1)0.4052750.1872202.1646990.0391

R-squared0.967247Meandependentvar55355.97

AdjustedR-squared0.963738S.D.dependentvar40464.90

S.E.ofregression7705.604Akaikeinfocritericn20.85375

Sumsquaredresid1.66E+09Schwarzcriterion21.03697

Loglikelihood-329.6600F-statistic275.6267

Durbin-Watsonstat2.109534Prob(F-statistic)0.000000

回归方程：匕=6596.228+0.04745+0.274838%^+0.405275/.

(4344.078)(0.039610)(0.090534)(0.187220)

t=(1.518442)(1.197940)(3.035736)(2.164699)

R2=0.967247F=275.6267l)W=2.109534

根据局部调整模型的参数关系，有Ina;Klna,第=印（）平；=印、,优=一

将上述估计结果代入得到：

A

In/In匕=a"+/InX,+/?；InX?,+&In工“5=1-凤=1-0.405275=0.594725

a8B

a=_=H091.22367/%=—=0.07978A=—=0.462126

J0J

故局部调整模型估计结果为：

A

yf=11091.22367+0.07978Xlz+0.462126X2l

经济意义：在其他条件不变的情况下，该地区社会商品零售额每增加1亿元，则预期年末货

币流通量增加0.07978亿元。同样，在其他条件不变的情况下，该地区城乡居民储蓄余额每

增加1亿元，则预期年末货币流通量增加0.462126亿元。

2）先对数变换模型形式，Inlf=lna+/?JnX],+A1nX2,+%

在局部调整假定下，先估计一阶自回归模型：

In工=，+优InXlz+0：lnX2l+夕InYt_{+〃:

回归的估计结果如下：

DependentVariable:LNY

Method:LeastSquares

Date:26/02/10Time:16:12

Sample（adjusted）:19541985

Includedobservations:32afteradjustments

VariableCoefficientStd.Errort-StatisticProb.

C0.6443331.6778880.3840140.7039

LNX10.2062300.2555570.8069840.4265

LNX20.1801680.1549131.1630310.2546

LNY(-1)0.5314450.1092604.8640490.0000

R-squared0.968959Meandependentvar10.70088

AdjustedR-squared0.965633S.D.dependentvar0.672279

S.E.ofregression0.124629Akaikeinfocritericn-1.210486

Sumsquaredresid0.434905Schwarzcriterion-1.027269

Loglikelihood23.36778F-statistic291.3458

Durbin-Watsonstat1.914829Prob(F-statistic)0.000000

回归方程：In%=0.644333+0.20623InXk+0.180168InX2r+0.531445In

(1.677888)(0.255557)(0.154913)(0.531445)

t=(0.384014)(0.806984)(1.163013)(4.864049)

R2=0.968959F=291.3458DW=1.914829

根据局部调整模型的参数关系，有Ina*=印。燎；二印i=

将上述估计结果代入得到：

J==0.531445=0.468555

ln«=^-=1.375149正=0.44014笈=4=0.384518

666

故局部调整模型估计结果为：

A

In匕,=1.375149+0.440141nXlr+0.384518InX2l

经济意义：货币需求对社会商品零售额的长期弹性为：0.44104；货币需求对城乡居民储蓄

余额的长期弹性为0.384518c

7.6设尸/"+凡/?；+4

其中：M为实际货币流通量，丫’为期望社会商品零售总额，R"为期望储蓄总额，对于期望

值作如下假定：耳=%匕+(1-%)匕

4=，2一+(1-

其中九八为期望系数，均为小于1的正数。

(1)如何利用可观测的量来表示

(2)分析这样变换存在什么问题？

(3)利用7.5题的数据进行回归，估计模型，弁作检验。

练习题7.6参考解答：

1)首先将M滞后一期并乘上(1-%)得到

(1一%)叫_=(1_%以+(1_%)附:+(1_%)入矿+用

再将原始方程减去该方程，得到

=>M-（1一八）K_1=a/j+BwX+/MM-（1-%）R：J+-一（1-/i）A-i

=叼+仇”+河阳T1一72+%-%）K：J+从一（1-%）4-

=a%+4”+肉R；-口-%）R；T+（/1-%）%】+4-（1-%）〃-

=孙+01yx+闪R；-（1-12/」]+尸2（%一产2）火；1-4一（1-%）〃,

=叼+。出工+02y2K+A（/i-/2X-1+4-（1-%）氏t

此一（1一%）叫_]=。%+4%匕+62%R1+尸2（九一片）/+从一（1一八）4z...⑴

M--（I—%）"-+02/2&T+02。「力冰；-2+M-1-（1一%）四-2

.*.（1-72）[MZ_I-（1-ZI）7W/_2]=

y1

（I-Zjay,+（1-y2）AZi,-i+（-/2）A72^-1+/28—%）。一片冰；2

+（1-，2）〔4-1-（1-%）A/-2]...⑵

（1）-（2）于是M,可表示为：

%，典匕-（1一，2）Z.J+♦夕2国-（%T）K.J+（%-Y\）M.i

+（1-%）（1-％）/.2+4-Q+%-%）〃小+（1-%）（1-％）Z<-2（*）

2）从上面的变化中可看出，随机扰动项变为〃；=M-（2+%-%）MT+（1—%）（1—72）MT，

这就可能导致出现随机扰动项的自相关，进而导致估计已来的结果是有偏的，而且不是一致

估计。

3）对（*）回归的估计结果如下，

DependentVariable:MT

Method:LeastSquares

Date:07/26/05Time:00:18

Sample（adjusted）:19551985

Includedobservations:31afteradjustingendpoints

VariableCoefficientStd.Errort-StatisticProb.

C9266.49084918.13741.88410.0717

Y0.13230.10961.20680.2392

Y（-1）-0.12840.1236-1.03890.3091

R-0.39570.4883-0.81040.4256

R（-1）0.95330.66121.44160.1623

MT（-1）0.47290.23612.00280.0566

MT（-2）-0.05500.2883-0.19080.8502

R-squared0.9691Meandependentvar56687.1935

AdjustedR-squared0.9614S.D.dependentvar40415.2055

S.E.ofregression7932.428Akaikeinfocriterion20.9909

Sumsquaredresid1510162034Schwarzcriterion21.3147

Loglikelihood-318.3602F-statistic125.7918

Durbin-Watsonstat2.1446Prob（F-statistic）0

回归方程：

A

Mf=9266.4908+0.1323/-0.1284/.-0.3957/?,+0.9533/?,.+0.4729M,,-0.055()^2

可以看到，只有M,T的回归系数在10%的拈著性水平下是显著的，其他回归系数均不显著;

F统计量较大，方程整体显著；IV较高，模型整体上对样本数据拟合较好。

7.7考虑如下回归模型：

y=-3012+0.1408X+0.2306X,.

f=(-6.27)(2.6)(4.26)

R2=0.727

其中，y为通货膨胀率，x为生产设备使用率。

1)生产设备使用率对通货膨胀率的短期影响和总的影响分别是多大？

2)如果库伊克模型为工你怎样得到生产设备使用率对通货膨

胀率的短期影响和长期影响？

练习题7.7参考解答：

1)该模型为有限分布滞后模型，故生产设备使用率对通货膨胀的短期影响为0.1408,总的

影响为0.1408+0.2306=0.3714。

2)利用工具变量法，用g_|来代替匕一进行估计，则库伊克模型变换为

匕=4+仇％+&九+%。若原先有/=4+&X/+&X,T，则需估计的模型为

匕=2+4+应+&)%+他+&)XR+%,所以生产设备使用率对通货膨胀的短期影响

AAA

为〃2+4，总的影响为仇+4+S3+4)。

7.8表7.15中给出了某地区消费总额Y和货币收入总额X的年度资料。

表7.15某地区消费总额Y(亿元)和货币收入总额X1亿元)的年度资料(单位：亿元)

年份XY年份XY

1975103.16991.1581990215.539204.75

1976115.07109.11991220.391218.666

1977132.21119.1871992235.483227.425

1978156.574143.9081993280.975229.86

1979166.091155.1921994292.339244.23

1980155.099148.6731995278.116258.363

1981138.175