经济数学微积分曲面及其方程(编辑修改稿)

经济数学微积分曲面及其方程(编辑修改稿)内容摘要：

zx ； 3 ． 22 xz  . 4 ．94322yxz ； 5 ． 64416 222  zyx . 三、 画出下列各曲面所围成的立体的图形： 1 ．4,2,1,0,0yzyxzx  ； 2 ． 222,0,0,0 Ryxzyx  , 222 Rzy  ( 在第一卦限内 ) . 四、 试用截痕法讨论双曲抛物面zqypx 2222 （ 同号与 qp ） .练习题答案 一、 1 ．0112622 zyxz； 2 ．0244222 zyxzyx； 3 . ( 1, 2, 2),4 ； 4 . ,1,1,1222222222222ybyaxzczbyzczax yczby,12222 ； 5 . 不含与该坐标轴同名的变量； 6 . xoy面上的双曲线 yyx ,1422 ； 7 . 面y o z上的直线 zayz ,； 8 . 平y行于轴的一条直线 , 与面y o z面平行的平面； 9 . 圆心在原点 , 半径为 2 的圆 , 轴为轴z, 半径为 2 的圆柱面 . xyzooxyz二、 .4 .5.2.1三、 x 1yzo 2xyzoRRR去掉交叉项后的辅助回归结果 2222112 )( l )( l XXXXe  () () (064) () () R2 = X2项与 X2的平方项的参数的 t检验是显著的，且 n R2 =31 = =5%下 ，临界值 (4)=， 拒绝 同方差 的原假设。 原模型的加权最小二乘回归 对原模型进行 OLS估计，得到随机误差项的近似估计量 ěi，以此构成权矩阵 2W的估计量； 再以 1/| ěi|为权重进行 WLS估计，得 21 ln5 2 1 9 XXY  ( 5 . 1 2 ) ( 5 . 9 4 ) （ 2 8 . 9 4 ） 2R= 0 . 9 9 9 9 2R= 0 . 9 9 9 9 D W = 2 . 4 9 F = 9 2 4 4 3 2 R S S = 0 . 0 7 0 6 各项统计检验指标全面改善 一、 序列相关性概念 二、 实际经济问题中的序列相关性 三、 序列相关性的后果 四、 序列相关性的检验 五、 案例 167。 序列相关性 一、序列相关性概念 如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了 序列相关性 (Serial Correlation)。 对于模型 Yi=0+1X1i+2X2i+…+ kXki+i i=1,2, …,n 随机项互不相关的基本假设表现为 Cov(i , j)=0 ij, i,j=1,2, …,n 在其他假设仍成立的条件下， 序列相关 即意味着0)( jiE 2112)()()()(nnEEEC o v μμμ2112nnIΩ 22  或 称为 一阶列相关 ， 或 自相关 （ autocorrelation） 其中： 被称为 自协方差系数 （ coefficient of autocovariance） 或 一阶自相关系数 （ firstorder coefficient of autocorrelation） 如果仅存在 E(i i+1)0 i=1,2, …,n 自相关 往往可写成如下形式 ： i=i1+i 11 0)( iE  , 2)v a r (  i , 0),c o v (  sii  0s 由于序列相关性经常出现在以时间序列为样本的模型中，因此，本节将用下标 t代表 i。 i是满足以下标准 OLS假定的随机干扰项： 二、实际经济问题中的序列相关性 大多数经济时间数据都有一个明显的特点 :惯性 ，表现在时间序列不同时间的前后关联上。 由于 消费习惯 的影响被包含在随机误差项中，则可能出现序列相关性（往往是正相关 ）。 例如 ， 绝对收入假设 下 居民总消费函数模型 ： Ct=0+1Yt+t t=1,2,…,n 所谓模型 设定偏误 （ Specification error）是指所设定的模型 “ 不正确 ”。 主要表现在模型中丢掉了重要的解释变量或模型函数形式有偏误。 例如 ，本来应该估计的模型为 Yt=0+1X1t+ 2X2t + 3X3t + t 但在模型设定中做了下述回归： Yt=0+1X1t+ 1X2t + vt 因此， vt=3X3t + t，如果 X3确实影响 Y，则出现 序列相关。 又如 ：如果真实的边际成本回归模型应为： Yt= 0+1Xt+2Xt2+t 其中： Y=边际成本， X=产出。 但建模时设立了如下模型： Yt= 0+1Xt+vt 因此，由于 vt= 2Xt2+t, ，包含了产出的平方对随机项的系统性影响，随机项也呈现序列相关性。 3. 数据的 “ 编造 ” 例如： 季度数据 来自 月度数据 的简单平均，这种平均的计算减弱了每月数据的波动性，从而使随机干扰项出现序列相关。 在实际经济问题中，有些数据是通过已知数据生成的。 因此，新生成的数据与原数据间就有了内在的联系，表现出序列相关性。 还有就是两个时间点之间的“ 内插 ”技术往往导致随机项的序列相关性。 计量经济学模型一旦出现序列相关性，如果仍采用 OLS法估计模型参数，会产生下列不良后果： 二、序列相关性的后果。