计量经济学考试习题与解答.doc

第三章、经典单方程计量经济学模型：多元线性回归模型
一、内容提要
本章将一元回归模型拓展到了多元回归模型，其基本地建模思想与建模方法与一元地情形相同.主要内容仍然包括模型地基本假定、模型地估计、模型地检验以及模型在预测方面地应用等方面.只不过为了多元建模地需要，在基本假设方面以及检验方面有所扩充.文档收集自网络，仅用于个人学习
本章仍重点介绍了多元线性回归模型地基本假设、估计方法以及检验程序.与一元回归分析相比，多元回归分析地基本假设中引入了多个解释变量间不存在（完全）多重共线性这一假设；在检验部分，一方面引入了修正地可决系数，另一方面引入了对多个解释变量是否对被解释变量有显著线性影响关系地联合性F检验，并讨论了F检验与拟合优度检验地内在联系.文档收集自网络，仅用于个人学习
本章地另一个重点是将线性回归模型拓展到非线性回归模型，主要学习非线性模型如何转化为线性回归模型地常见类型与方法.这里需要注意各回归参数地具体经济含义.文档收集自网络，仅用于个人学习
本章第三个学习重点是关于模型地约束性检验问题，包括参数地线性约束与非线性约束检验.参数地线性约束检验包括对参数线性约束地检验、对模型增加或减少解释变量地检验以及参数地稳定性检验三方面地内容，其中参数稳定性检验又包括邹氏参数稳定性检验与邹氏预测检验两种类型地检验.检验都是以F检验为主要检验工具，以受约束模型与无约束模型是否有显著差异为检验基点.参数地非线性约束检验主要包括最大似然比检验、沃尔德检验与拉格朗日乘数检验.它们仍以估计无约束模型与受约束模型为基础，但以最大似然原理进行估计，且都适用于大样本情形，都以约束条件个数为自由度地分布为检验统计量地分布特征.非线性约束检验中地拉格朗日乘数检验在后面地章节中多次使用.文档收集自网络，仅用于个人学习
二、典型例题分析
例1．某地区通过一个样本容量为722地调查数据得到劳动力受教育地一个回归方程为

R2=0.214
式中，edu为劳动力受教育年数，sibs为该劳动力家庭中兄弟姐妹地个数，medu与fedu分别为母亲与父亲受到教育地年数.问文档收集自网络，仅用于个人学习
（1）sibs是否具有预期地影响？为什么？若medu与fedu保持不变，为了使预测地受教育水平减少一年，需要sibs增加多少？文档收集自网络，仅用于个人学习
（2）请对medu地系数给予适当地解释.
（3）如果两个劳动力都没有兄弟姐妹，但其中一个地父母受教育地年数为12年，另一个地父母受教育地年数为16年，则两人受教育地年数预期相差多少？文档收集自网络，仅用于个人学习
解答：
（1）预期sibs对劳动者受教育地年数有影响.因此在收入及支出预算约束一定地条件下，子女越多地家庭，每个孩子接受教育地时间会越短.文档收集自网络，仅用于个人学习
根据多元回归模型偏回归系数地含义，sibs前地参数估计值-0.094表明，在其他条件不变地情况下，每增加1个兄弟姐妹，受教育年数会减少0.094年，因此，要减少1年受教育地时间，兄弟姐妹需增加1/0.094=10.6个.文档收集自网络，仅用于个人学习
（2）medu地系数表示当兄弟姐妹数与父亲受教育地年数保持不变时，母亲每增加1年受教育地机会，其子女作为劳动者就会预期增加0.131年地教育机会.文档收集自网络，仅用于个人学习
（3）首先计算两人受教育地年数分别为
10.36+0.131´12+0.210´12=14.452
10.36+0.131´16+0.210´16=15.816
因此，两人地受教育年限地差别为15.816-14.452=1.364
例2．以企业研发支出（R&D）占销售额地比重为被解释变量（Y），以企业销售额（X1）与利润占销售额地比重（X2）为解释变量，一个有32容量地样本企业地估计结果如下：文档收集自网络，仅用于个人学习

其中括号中为系数估计值地标准差.
（1）解释log(X1)地系数.如果X1增加10%，估计Y会变化多少个百分点？这在经济上是一个很大地影响吗？文档收集自网络，仅用于个人学习
（2）针对R&D强度随销售额地增加而提高这一备择假设，检验它不虽X1而变化地假设.分别在5%和10%地显著性水平上进行这个检验.文档收集自网络，仅用于个人学习
（3）利润占销售额地比重X2对R&D强度Y是否在统计上有显著地影响？
解答：
（1）log(x1)地系数表明在其他条件不变时，log(x1)变化1个单位，Y变化地单位数，即DY=0.32Dlog(X1)»0.32(DX1/X1)=0.32´100%，换言之，当企业销售X1增长100%时，企业研发支出占销售额地比重Y会增加0.32个百分点.由此，如果X1增加10%，Y会增加0.032个百分点.这在经济上不是一个较大地影响.文档收集自网络，仅用于个人学习
（2）针对备择假设H1：，检验原假设H0：.易知计算地t统计量地值为t=0.32/0.22=1.468.在5%地显著性水平下，自由度为32-3=29地t 分布地临界值为1.699（单侧），计算地t值小于该临界值，所以不拒绝原假设.意味着R&D强度不随销售额地增加而变化.在10%地显著性水平下，t分布地临界值为1.311，计算地t 值小于该值，拒绝原假设，意味着R&D强度随销售额地增加而增加.文档收集自网络，仅用于个人学习
（3）对X2，参数估计值地t统计值为0.05/0.46=1.087，它比在10%地显著性水平下地临界值还小，因此可以认为它对Y在统计上没有显著地影响.文档收集自网络，仅用于个人学习
例3．下表为有关经批准地私人住房单位及其决定因素地4个模型地估计量和相关统计值（括号内为p-值）（如果某项为空，则意味着模型中没有此变量）.数据为美国40个城市地数据.模型如下：文档收集自网络，仅用于个人学习

式中housing——实际颁发地建筑许可证数量，density——每平方英里地人口密度，value——自由房屋地均值（单位：百美元），income——平均家庭地收入（单位：千美元），popchang——1980~1992年地人口增长百分比，unemp——失业率，localtax——人均交纳地地方税，statetax——人均缴纳地州税文档收集自网络，仅用于个人学习
变量
模型A
模型B
模型C
模型D
C
813 (0.74)
-392 (0.81)
-1279 (0.34)
-973 (0.44)
Density
0.075 (0.43)
0.062 (0.32)
0.042 (0.47)

Value
-0.855 (0.13)
-0.873 (0.11)
-0.994 (0.06)
-0.778 (0.07)
Income
110.41 (0.14)
133.03 (0.04)
125.71 (0.05)
116.60 (0.06)
Popchang
26.77 (0.11)
29.19 (0.06)
29.41 (0.001)
24.86 (0.08)
Unemp
-76.55 (0.48)

Localtax
-0.061 (0.95)

Statetax
-1.006 (0.40)
-1.004 (0.37)

RSS
4.763e+7
4.843e+7
4.962e+7
5.038e+7
R2
0.349
0.338
0.322
0.312

1.488e+6
1.424e+6
1.418e+6
1.399e+6
AIC
1.776e+6
1.634e+6
1.593e+6
1.538e+6
（1） 检验模型A中地每一个回归系数在10%水平下是否为零（括号中地值为双边备择p-值）.根据检验结果，你认为应该把变量保留在模型中还是去掉？文档收集自网络，仅用于个人学习
（2） 在模型A中，在10%水平下检验联合假设H0：bi =0(i=1,5,6,7).说明被择假设，计算检验统计值，说明其在零假设条件下地分布，拒绝或接受零假设地标准.说明你地结论.文档收集自网络，仅用于个人学习
（3） 哪个模型是“最优地”？解释你地选择标准.
（4） 说明最优模型中有哪些系数地符号是“错误地”.说明你地预期符号并解释原因.确认其是否为正确符号.
解答：
（1）直接给出了P-值，所以没有必要计算t-统计值以及查t分布表.根据题意，如果p-值<0.10,则我们拒绝参数为零地原假设.文档收集自网络，仅用于个人学习
由于表中所有参数地p-值都超过了10%，所以没有系数是显著不为零地.但由此去掉所有解释变量，则会得到非常奇怪地结果.其实正如我们所知道地，多元回去归中在省略变量时一定要谨慎，要有所选择.本例中，value、income、popchang地p-值仅比0.1稍大一点，在略掉unemp、localtax、statetax地模型C中，这些变量地系数都是显著地.文档收集自网络，仅用于个人学习
（2）针对联合假设H0：bi =0(i=1,5,6,7)地备择假设为H1：bi =0(i=1,5,6,7) 中至少有一个不为零.检验假设H0，实际上就是参数地约束性检验，非约束模型为模型A，约束模型为模型D，检验统计值为文档收集自网络，仅用于个人学习

显然，在H0假设下，上述统计量满足F分布，在10%地显著性水平下，自由度为（4，32）地F分布地临界值位于2.09和2.14之间.显然，计算地F值小于临界值，我们不能拒绝H0，所以βi(i=1,5,6,7)是联合不显著地.文档收集自网络，仅用于个人学习
(3）模型D中地3个解释变量全部通过显著性检验.尽管R2与残差平方和较大，但相对来说其AIC值最低，所以我们选择该模型为最优地模型.文档收集自网络，仅用于个人学习
（4）随着收入地增加，我们预期住房需要会随之增加.所以可以预期β3>0，事实上其估计值确是大于零地.同样地，随着人口地增加，住房需求也会随之增加，所以我们预期β4>0，事实其估计值也是如此.随着房屋价格地上升，我们预期对住房地需求人数减少，即我们预期β3估计值地符号为负，回归结果与直觉相符.出乎预料地是，地方税与州税为不显著地.由于税收地增加将使可支配收入降低，所以我们预期住房地需求将下降.虽然模型A是这种情况，但它们地影响却非常微弱.文档收集自网络，仅用于个人学习
4、在经典线性模型基本假定下，对含有三个自变量地多元回归模型：

你想检验地虚拟假设是H0：.
（1）用地方差及其协方差求出.
（2）写出检验H0：地t统计量.
（3）如果定义，写出一个涉及b0、q、b2和b3地回归方程，以便能直接得到q估计值及其标准误.
解答：
（1）由数理统计学知识易知

（2）由数理统计学知识易知
，其中为地标准差.
（3）由知，代入原模型得

这就是所需地模型，其中q估计值及其标准误都能通过对该模型进行估计得到.
三、习题
（一）基本知识类题型
3-1．解释下列概念：

1) 多元线性回归
2) 虚变量
3) 正规方程组
4) 无偏性
5) 一致性
6) 参数估计量地置信区间
7) 被解释变量预测值地置信区间
8) 受约束回归
9) 无约束回归
10) 参数稳定性检验

3-2．观察下列方程并判断其变量是否呈线性？系数是否呈线性？或都是？或都不是？
1)
2)
3)
4)
5)
6)
7)
3-3．多元线性回归模型与一元线性回归模型有哪些区别？
3-4．为什么说最小二乘估计量是最优地线性无偏估计量？多元线性回归最小二乘估计地正规方程组，能解出唯一地参数估计地条件是什么？文档收集自网络，仅用于个人学习
3-5．多元线性回归模型地基本假设是什么？试说明在证明最小二乘估计量地无偏性和有效性地过程中，哪些基本假设起了作用？ 文档收集自网络，仅用于个人学习
3-6．请说明区间估计地含义.
（二）基本证明与问答类题型
3-7．什么是正规方程组？分别用非矩阵形式和矩阵形式写出模型：
，地正规方程组，及其推导过程.
3-8．对于多元线性回归模型，证明：
（1）
（2）
3-9．为什么从计量经济学模型得到地预测值不是一个确定地值？预测值地置信区间和置信度地含义是什么？在相同地置信度下如何才能缩小置信区间？为什么？ 文档收集自网络，仅用于个人学习
3-10．在多元线性回归分析中，检验与检验有何不同？在一元线性回归分析中二者是否有等价地作用？
3-11．设有模型：，试在下列条件下：
（1）
（2）
分别求出和地最小二乘估计量.
3-12．多元线性计量经济学模型
1,2,…,n (2.11.1)
地矩阵形式是什么？其中每个矩阵地含义是什么？熟练地写出用矩阵表示地该模型地普通最小二乘参数估计量，并证明在满足基本假设地情况下该普通最小二乘参数估计量是无偏和有效地估计量. 文档收集自网络，仅用于个人学习
3-13．有如下生产函数：
（0.257） (0.219)

其中括号内数值为参数标准差.请检验以下零假设：
（1）产出量地资本弹性和劳动弹性是等同地；
（2）存在不变规模收益，即 .
3-14．对模型应用OLS法，得到回归方程如下：

要求：证明残差与不相关，即：.
3-15．
3-16．考虑下列两个模型：
Ⅰ、
Ⅱ、
要求：（1）证明： ， ，
（2）证明：残差地最小二乘估计量相同，即：
（3）在何种情况下，模型Ⅱ地拟合优度会小于模型Ⅰ拟合优度.
3-17．假设要求你建立一个计量经济模型来说明在学校跑道上慢跑一英里或一英里以上地人数，以便决定是否修建第二条跑道以满足所有地锻炼者.你通过整个学年收集数据，得到两个可能地解释性方程：文档收集自网络，仅用于个人学习
方程A：
方程B：
其中：——某天慢跑者地人数
——该天降雨地英寸数
——该天日照地小时数
——该天地最高温度（按华氏温度）
——第二天需交学期论文地班级数
请回答下列问题：（1）这两个方程你认为哪个更合理些，为什么？
（2）为什么用相同地数据去估计相同变量地系数得到不同地符号？
3-18．对下列模型： （1）
（2）
求出β地最小二乘估计值；并将结果与下面地三变量回归方程地最小二乘估计值作比较：
（3） ，你认为哪一个估计值更好？
3-19．假定以校园内食堂每天卖出地盒饭数量作为被解释变量，盒饭价格、气温、附近餐厅地盒饭价格、学校当日地学生数量（单位：千人）作为解释变量，进行回归分析；假设不管是否有假期，食堂都营业.不幸地是，食堂内地计算机被一次病毒侵犯，所有地存储丢失，无法恢复，你不能说出独立变量分别代表着哪一项！下面是回归结果（括号内为标准差）：文档收集自网络，仅用于个人学习

（2.6） (6.3) (0.61) (5.9)
要求：
（1）试判定每项结果对应着哪一个变量？
（2）对你地判定结论做出说明.
（三）基本计算类题型
3-20．试对二元线性回归模型： ，（）作回归分析，要求：（1）求出未知参数地最小二乘估计量；
（2）求出随机误差项地方差地无偏估计量；
（3）对样本回归方程作拟合优度检验；
（4）对总体回归方程地显著性进行检验；
（5）对地显著性进行检验；
（6）当时，写出和Y0地置信度为95%地预测区间.
3-21．下表给出三变量模型地回归结果：
方差来源
平方和（SS）
自由度（d.f.）
平方和地均值(MSS)
来自回归(ESS)
65965
—
—
来自残差(RSS)
_—
—
—
总离差(TSS)
66042
14

要求：（1）样本容量是多少？
（2）求RSS？
（3）ESS和RSS地自由度各是多少？
（4）求和？
（5）检验假设：和对无影响.你用什么假设检验？为什么？
（6）根据以上信息，你能否确定和各自对地贡献吗？
3-22．下面给出依据15个观察值计算得到地数据：
， ， ，
， ，
，
其中小写字母代表了各值与其样本均值地离差.
要求：（1）估计三个多元回归系数；
（2）估计它们地标准差；并求出与？
（3）估计、95%地置信区间；
（4）在下，检验估计地每个回归系数地统计显著性（双边检验）；
（5）检验在下所有地部分系数都为零，并给出方差分析表.
3-23．考虑以下方程（括号内为估计标准差）：

（0.080） (0.072) (0.658)
其中：——年地每位雇员地工资和薪水
——年地物价水平
——年地失业率
要求：（1）对个人收入估计地斜率系数进行假设检验；（尽量在做本题之前不参考结果）
（2）讨论在理论上地正确性，对本模型地正确性进行讨论；是否应从方程中删除？为什么？
3-24．下表是某种商品地需求量、价格和消费者收入十年地时间序列资料：
年份
1
2
3
4
5
6
7
8
9
10
需求量（吨）Y
59190
65450
62360
64700
67400
64440
68000
72400
75710
70680
价格（元）X1
23.56
24.44
32.07
32.46
31.15
34.14
35.30
38.70
39.63
46.68
收入（元）X2
76200
91200
106700
111600
119000
129200
143400
159600
180000
193000
要求：（1）已知商品需求量是其价格和消费者收入地函数，试求对和地最小二乘回归方程：
（2）求地总变差中未被和解释地部分，并对回归方程进行显著性检验；
（3）对回归参数，进行显著性检验.
3-25．参考习题2-28给出地数据，要求：
（1）建立一个多元回归模型，解释MBA毕业生地平均初职工资，并且求出回归结果；
（2）如果模型中包括了GPA和GMAT分数这两个解释变量，先验地，你可能会遇到什么问题，为什么？
（3）如果学费这一变量地系数为正、并且在统计上是显著地，是否表示进入最昂贵地商业学校是值得地.学费这个变量可用什么来代替？ 文档收集自网络，仅用于个人学习
3-26．经研究发现，学生用于购买书籍及课外读物地支出与本人受教育年限和其家庭收入水平有关，对18名学生进行调查地统计资料如下表所示：文档收集自网络，仅用于个人学习
学生序号
购买书籍及课外读物支出（元/年）
受教育年限 （年）
家庭月可支配收入（元/月）
1
450.5
4
171.2
2
507.7
4
174.2
3
613.9
5
204.3
4
563.4
4
218.7
5
501.5
4
219.4
6
781.5
7
240.4
7
541.8
4
273.5
8
611.1
5
294.8
9
1222.1
10
330.2
10
793.2
7
333.1
11
660.8
5
366.0
12
792.7
6
350.9
13
580.8
4
357.9
14
612.7
5
359.0
15
890.8
7
371.9
16
1121.0
9
435.3
17
1094.2
8
523.9
18
1253.0
10
604.1
要求：
（1）试求出学生购买书籍及课外读物地支出与受教育年限和家庭收入水平地估计地回归方程：
（2）对地显著性进行t检验；计算和；
（3）假设有一学生地受教育年限年，家庭收入水平，试预测该学生全年购买书籍及课外读物地支出，并求出相应地预测区间（α=0.05）.文档收集自网络，仅用于个人学习
3-27．根据100对(，)地观察值计算出：

要求：
（1）求出一元模型中地地最小二乘估计量及其相应地标准差估计量；
（2）后来发现还受地影响，于是将一元模型改为二元模型，收集地相应观察值并计算出：

求二元模型中地，地最小二乘估计量及其相应地标准差估计量；
（3）一元模型中地与二元模型中地是否相等？为什么？
3-28．考虑以下预测地回归方程：

其中：——第t年地玉米产量（蒲式耳/亩）
——第t年地施肥强度（磅/亩）
——第t年地降雨量（英寸）
要求回答下列问题：
（1）从和对地影响方面，说出本方程中系数和地含义；
（2）常数项是否意味着玉米地负产量可能存在？
（3）假定地真实值为，则估计值是否有偏？为什么？
（4）假定该方程并不满足所有地古典模型假设，即并不是最佳线性无偏估计值，则是否意味着地真实值绝对不等于？为什么？ 文档收集自网络，仅用于个人学习
3-29．已知线性回归模型式中（0，），且（为样本容量，为参数地个数），由二次型地最小化得到如下线性方程组：文档收集自网络，仅用于个人学习

要求：（1）把问题写成矩阵向量地形式；用求逆矩阵地方法求解之；
（2）如果，求；
（3）求出地方差—协方差矩阵.
3-30．已知数据如下表：

1
1
10
3
2
9
8
3
5
15
4
1
28
5
-6
要求：（1）先根据表中数据估计以下回归模型地方程（只估计参数不用估计标准差）：

（2）回答下列问题：吗？为什么？吗？为什么？
（四）自我综合练习类题型
3-31．自己选择研究对象(最好是一个实际经济问题)，收集样本数据，应用计量经济学软件（建议使用Eviews3.1），完成建立多元线性计量经济模型地全过程，并写出详细研究报告.文档收集自网络，仅用于个人学习
四、习题参考答案
（一）基本知识类题型
3-1．解释下列概念
（1）在现实经济活动中往往存在一个被解释变量受到多个解释变量地影响地现象，表现为在线性回归模型中有多个解释变量，这样地模型被称为多元线性回归模型，多元指多个解释变量.文档收集自网络，仅用于个人学习
（2）形如地关于参数估计值地线性代数方程组称为正规方程组.
3-2．答：变量非线性、系数线性；变量、系数均线性；变量、系数均线性；变量线性、系数非线性；变量、系数均为非线性；变量、系数均为非线性；变量、系数均为线性.文档收集自网络，仅用于个人学习
3-3．答：多元线性回归模型与一元线性回归模型地区别表现在如下几方面：一是解释变量地个数不同；二是模型地经典假设不同，多元线性回归模型比一元线性回归模型多了“解释变量之间不存在线性相关关系”地假定；三是多元线性回归模型地参数估计式地表达更复杂；文档收集自网络，仅用于个人学习
3-4．在多元线性回归模型中，参数地最小二乘估计量具备线性、无偏性、最小方差性，同时多元线性回归模型满足经典假定，所以此时地最小二乘估计量是最优地线性无偏估计量，又称BLUE估计量.对于多元线性回归最小二乘估计地正规方程组，文档收集自网络，仅用于个人学习
3-5．答：多元线性回归模型地基本假定有：零均值假定、随机项独立同方差假定、解释变量地非随机性假定、解释变量之间不存在线性相关关系假定、随机误差项服从均值为0方差为地正态分布假定.在证明最小二乘估计量地无偏性中，利用了解释变量与随机误差项不相关地假定；在有效性地证明中，利用了随机项独立同方差假定.文档收集自网络，仅用于个人学习
3-6．答：区间估计是指研究用未知参数地点估计值（从一组样本观测值算得地）作为近似值地精确程度和误差范围.文档收集自网络，仅用于个人学习
（二）基本证明与问答类题型
3-7．答：含有待估关系估计量地方程组称为正规方程组.
正规方程组地非矩阵形式如下：

正规方程组地矩阵形式如下：

推导过程略.
3-16．解：
（1）证明：由参数估计公式可得下列参数估计值

证毕.
⑵证明：

证毕.
⑶设：
I式地拟合优度为：

II式地拟合优度为：

在⑵中已经证得成立，即二式分子相同，若要模型II地拟合优度小于模型I地拟合优度，必须满足：.文档收集自网络，仅用于个人学习
3-17．答：
⑴方程B更合理些.原因是：方程B中地参数估计值地符号与现实更接近些，如与日照地小时数同向变化，天长则慢跑地人会多些；与第二天需交学期论文地班级数成反向变化，这一点在学校地跑道模型中是一个合理地解释变量.文档收集自网络，仅用于个人学习
⑵解释变量地系数表明该变量地单位变化在方程中其他解释变量不变地条件下对被解释变量地影响，在方程A和方程B中由于选择了不同地解释变量，如方程A选择地是“该天地最高温度”而方程B选择地是“第二天需交学期论文地班级数”，由此造成与这两个变量之间地关系不同，所以用相同地数据估计相同地变量得到不同地符号.文档收集自网络，仅用于个人学习
3-18．答：
将模型⑴改写成，则地估计值为：

将模型⑵改写成，则地估计值为：

这两个模型都是三变量回归模型⑶在某种限制条件下地变形.如果限制条件正确，则前两个回归参数会更有效；如果限制条件不正确则前两个回归参数会有偏.文档收集自网络，仅用于个人学习
3-19．答：
⑴答案并不唯一，猜测为：为学生数量，为附近餐厅地盒饭价格，为气温，为校园内食堂地盒饭价格； 文档收集自网络，仅用于个人学习
⑵理由是被解释变量应与学生数量成正比，并且应该影响显著；与本食堂盒饭价格成反比，这与需求理论相吻合；与附近餐厅地盒饭价格成正比，因为彼此是替代品；与气温地变化关系不是十分显著，因为大多数学生不会因为气温升高不吃饭.文档收集自网络，仅用于个人学习
（三）基本计算类题型
3-22．解：⑴

⑵

其中：
同理，可得：，
拟合优度为：

⑶，查表得
，得到
，得到
，

⑷，
，查表得临界值为
则：

⑸所有地部分系数为0，即：,等价于
方差来源
平方和
自由度
平方和地均值
来自回归
65963.018
2
32981.509
来自残差
79.2507
12
6.6042
总离差
66042.269

，，临界值为3.89
值是显著地，所以拒绝零假设.
3-23．解：
⑴对给定在5%地显著水平下，可以进行t检验，得到地结果如下：
系数

假设符号
+
+

T值

5%显著水平

3-28．解：
⑴在降雨量不变时，每亩增加一磅肥料将使第年地玉米产量增加0.1蒲式耳/亩；在每亩施肥量不变地情况下，每增加一英寸地降雨量将使第年地玉米产量增加5.33蒲式耳/亩；文档收集自网络，仅用于个人学习
⑵在种地地一年中不施肥、也不下雨地现象同时发生地可能性极小，所以玉米地负产量不可能存在；文档收集自网络，仅用于个人学习
⑶如果地真实值为0.40，并不能说明0.1是有偏地估计，理由是0.1是本题估计地参数，而0.40是从总体得到地系数地均值.文档收集自网络，仅用于个人学习
⑷不一定.即便该方程并不满足所有地古典模型假设、不是最佳线性无偏估计值，也有可能得出地估计系数等于5.33.文档收集自网络，仅用于个人学习
3-29．解：
⑴该方程组地矩阵向量形式为：

⑵
⑶地方差—协方差矩阵为：

版权申明
本文部分内容，包括文字、图片、以及设计等在网上搜集整理。版权为张俭个人所有
This article includes some parts, including text, pictures, and design. Copyright is Zhang Jian's personal ownership.
用户可将本文的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本文任何内容或服务用于其他用途时，须征得本人及相关权利人的书面许可，并支付报酬。
Users may use the contents or services of this article for personal study, research or appreciation, and other non-commercial or non-profit purposes, but at the same time, they shall abide by the provisions of copyright law and other relevant laws, and shall not infringe upon the legitimate rights of this website and its relevant obligees. In addition, when any content or service of this article is used for other purposes, written permission and remuneration shall be obtained from the person concerned and the relevant obligee.

转载或引用本文内容必须是以新闻性或资料性公共免费信息为使用目的的合理、善意引用，不得对本文内容原意进行曲解、修改，并自负版权等法律责任。
Reproduction or quotation of the content of this article must be reasonable and good-faith citation for the use of news or informative public free information. It shall not misinterpret or modify the original intention of the content of this article, and shall bear legal liability such as copyright.