计量经济学课后习
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
答案(全)
庞浩主编
第二章 简单线形回归模型
P64
2.1
1)设回归模型为:
其中,Y为国内生产总值,
为地方预算内财政收入
对回归模型的参数进行估计,根据回归结果得:
= -3.611151+ 0.134582
(4.161790) (0.003867)
t = (-0.867692) (34.80013)
=0.991810 F=1211.049 S.E.=7.532484 DW=2.051640
2)斜率系数的经济意义:国内生产总值每增加1亿元,地方预算内财政收入平均增加0.315亿元。
3)由以上模型可看出,X的参数估计的t统计量远大于2,说明GDP对地方财政收入确有显著影响。模型在的可决系数为0.991810,说明GDP解释了地方财政收入变动的99%,模型拟合程度较好。
4)预测
点预测:若2005年GDP为3600亿元,2005年的财政收入预测值为480.884。
区间预测:由X、Y的描述统计结果得:
取
=0.05,
平均值置信度95%的预测区间为:
=3600时,480.884
2.228
7.5325
EMBED Equation.DSMT4 =480.884
23.61476991
即,2005年财政收入的平均值预测区间为:480.884
23.34796 (457.2692, 504.4988)
个别值置信度95%的预测区间为:
=3600,480.884
2.228
7.5325
EMBED Equation.DSMT4 =480.884
28.97079
2005年财政收入的个别值预测区间为:480.884
28.97079 (451.91321,509.8548)
2.2
令Y为利润额,X为研究与发展经费
研究与发展经费与利润额的相关系数表:
X
Y
X
1
0.567847
Y
0.567847
1
由上表可知,研究与发展经费与利润额为0.567847
设回归模型为:
其中
为利润额,
为研究与发展经费。
对回归模型的参数进行估计,根据回归结果得:
= -24.76563+ 25.85938
(136.8329) (13.25293)
t = (-0.180992) (1.951220)
=0.322451 F=3.807258 S.E.=67.05510 DW=0.666873
2.3
货币供应量和国内生产总值的相关系数:
X
Y
X
1
0.979213
Y
0.979213
1
说明中国货币供应量与国内生产总值(GDP)的相关系数为0.979213,线性相关程度比较高,即国内生产总值变动对货币供应量的影响很大。
2.4
令Y为红利,X为帐面价值
1) 设回归模型为:
其中Y为红利,
为帐面价值
根据回归结果得:
= 0.479775 + 0.072876
(0.34744) (0.019431)
t = (1.380883) (3.750562)
=0.501189 F=14.06672 S.E.=0.562775 DW=1.976956
2)经济意义:每当帐面价值增加1元时,红利平均增加0.0729元。
3)
= 0.4797745935 + 0.07287589933
= 0.4797745935 + 0.07287589933 * (19.25+1)
=1.956
2.5
1)
2)由图形看出航班正点到达率和每10万名乘客投诉的次数呈现负相关关系。
3)设回归模型为:
其中,Y为乘客投诉的次数,
为航班正点到达率
对回归模型的参数进行估计,根据回归结果得:
= 6.017832 - 0.070414
(1.052260)(0.014176)
t = (5.718961)(-4.967254)
=0.778996 F=24.67361 S.E.=0.160818 DW=2.526971
4)航班正点到达率每提高一个百分点,每十万名乘客投诉的次数平均减少0.07次。
5)
= 6.017832 - 0.070414
如果航班正点率为80%,则每十万名乘客投诉的次数为:
= 6.017832 - 0.070414*80=0.384712
2.6
因为
,所以,
设回归模型为:
其中,Y为对数视力,
为年龄
对回归模型的参数进行估计,根据回归结果得:
= 5.730198 - 0.313940
(0.605700)(0.048187)
t = (9.460463)(-6.515044)
=0.794184 F=42.44580 S.E.=0.650076 DW=0.662056
2.7
设回归模型为:
其中,Y为销售数量;
为广告费用
根据回归结果得:
= -12.77853 + 14.40359
(96.98004) (1.369166)
t =(-0.1317653)(10.51998)
=0.956774 F=110.6699 S.E.=135.8696 DW=1.438932
可见,X的参数估计的t统计量大于2,说明广告费用对销售数量的影响是显著的。广告费每增加1美元,销售数量平均增加14.40箱。
2.9
1)设回归模型为:
其中,Y为财政收入,
为国内生产总值
斜率系数
的经济意义:国内生产总值每增加1亿元,财政收入平均增加
亿元。
2)对回归模型的参数进行估计,根据回归结果得:
= 857.8375 + 0.100036
(67.12578) (0.002172)
t =(12.77955) (46.04910)
=0.991583 F=2120.520 S.E.=208.5553 DW=0.864032
回归方程中,常数项和X的t统计量都大于2,所以常数项和X都是显著的;可决系数
等于0.991583,说明所建模型整体上对样本数据拟合较好。
3)若1998年GDP为78017.8,则1998年财政收入的预测值为:
= 857.8375 + 0.100036
=857.8375 + 0.100036*78017.8=8662.426141
区间预测:由X、Y的描述统计结果得:
取
=0.05,
平均值置信度95%的预测区间为:
=78017.8时,
8662.426
2.101
208.5553
EMBED Equation.DSMT4 =8662.426
272.8466
即,1998年财政收入的平均值预测区间为:8662.426
272.8466 (8389.6, 8935.3)
个别值置信度95%的预测区间为:
=78017.8时,
8662.426
2.101
208.5553
EMBED Equation.DSMT4 =8662.426
516.1805
1998年财政收入的个别值预测区间为:8662.426
516.1805 (8146.27, 9178.63)
练习题3.1参考解答
(1)由模型估计结果可看出:旅行社职工人数和国际旅游人数均与旅游外汇收入正相关。平均说来,旅行社职工人数增加1人,旅游外汇收入将增加0.1179百万美元;国际旅游人数增加1万人次,旅游外汇收入增加1.5452百万美元。
(2)取,查表得
因为3个参数t统计量的绝对值均大于,说明经t检验3个参数均显著不为0,即旅行社职工人数和国际旅游人数分别对旅游外汇收入都有显著影响。
(3)取,查表得
,由于,说明旅行社职工人数和国际旅游人数联合起来对旅游外汇收入有显著影响,线性回归方程显著成立。
练习题3.2参考解答
(1)首先计算
(2)
练习题3.3参考解答
(1)设家庭
书
关于书的成语关于读书的排比句社区图书漂流公约怎么写关于读书的小报汉书pdf
刊消费的计量经济模型:
其中:Y为家庭书刊年消费支出、X为家庭月平均收入、T为户主受教育年数
(2)估计模型参数,结果为
(3) 检验户主受教育年数对家庭书刊消费是否有显著影响:
由估计检验结果, 户主受教育年数参数对应的t 统计量为10.06702, 明显大于t的临界值
,同时户主受教育年数参数所对应的P值为0.0000,明显小于
,均可判断户主受教育年数对家庭书刊消费支出确实有显著影响。
(4)本模型说明家庭月平均收入和户主受教育年数对家庭书刊消费支出有显著影响,家庭月平均收入增加1元,家庭书刊年消费支出将增加0.086元,户主受教育年数增加1年,家庭书刊年消费支出将增加52.37元。
练习题3.4参考解答
(1)设回归模型为:
对模型参数进行估计,根据回归结果得:
模型估计结果表明:在预期通货膨胀率不变的情况下,失业率每增长1个百分点,实际通货膨胀率平均降低1.393115个百分点;在失业率不变的情况下,预期通货膨胀率每增长1个百分点,实际通货膨胀率平均增长1.480674个百分点。这与理论
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
和经验判断相一致。
(2)检验
t检验:给定显著性水平
,查表得
,与
对应的t统计量分别为4.390321、-4.493196、8.217506,其绝对值均大于
,这说明应当拒绝
。表明在其他解释变量不变的情况下,“失业率”和“预期通货膨胀率”分别对被解释变量“实际通货膨胀率”有显著影响。
F检验:针对
,给定显著性水平
,由于
,所以拒绝原价设,说明回归方程显著,即“失业率”和“预期通货膨胀率”联合起来确实对被解释变量“实际通货膨胀率”有显著影响。
拟和优度:
,修正的可决系数:
,这说明模型对样本拟和的很好。
(3)
练习题3.5参考解答
(1) 建立该地区城镇居民人均全年耐用消费品支出关于人均年可支配收入和耐用消费品价格指数的回归模型:
(2)估计参数结果:
由估计结果可看出,该地区人均年可支配收入的参数的t检验值为10.54786,其绝对值大于临界值
;而且对应的P值为0.0000,也明显小于
。说明人均年可支配收入对该地区城镇居民人均全年耐用消费品支出确实有显著影响。
但是,该地区耐用消费品价格指数的参数的t检验值为-0.921316,其绝对值小于临界值
;而且对应的P值为0.3838,也明显大于
。这说明该地区耐用消费品价格指数对城镇居民人均全年耐用消费品支出并没有显著影响。
练习题3.6参考解答
(1)设对数回归模型为:
对模型的参数进行估计,根据回归结果得:
在能源价格指数不变的情况下,实际GDP指数的对数每增加一个单位,能源需求指数的对数平均增加0.996923个单位;在实际GDP指数不变的情况下,能源价格指数的对数每增加一个单位,能源需求指数的对数平均增加减少0.331364个单位。
的P值均为0.0000,远远小于0.05,说明回归系数均显著。
(2)设线形回归模型为:
对模型的参数进行估计,根据回归结果得:
在能源价格指数不变的情况下,实际GDP指数每增加一个单位,能源需求指数平均增加0.9808049个单位;在实际GDP指数不变的情况下,能源价格指数每增加一个单位,能源需求指数平均增加减少0.258426个单位。
的P值均为0.0000,远远小于0.05,说明回归系数均显著。
(3) 选择对数模型,因为该模型的
值较高,拟和比较好。
4.3(1)由题知,对数回归模型为:
用最小二乘法对参数进行估计得:
(0.322) (0.181) (0.354)
t=-11.32129 9.931363 -3.414961
S.E.=0.112388 F=770.602
(2)存在多重共线性。居民消费价格指数的回归系数的符号不能进行合理的经济意义解释,且其简单相关系数为0.985811,说明lnGDP和lnCPI存在正相关的关系。
(3)根据题目要求进行如下回归:
eq \o\ac(○,1)模型为:
用最小二乘法对参数进行估计得:
(0.410) (0.039)
t= -9.143326 30.65940
S.E.=0.143363 F=939.999
eq \o\ac(○,2)模型为:
用最小二乘法对参数进行估计得:
(0.834) (0.154)
t= -4.064199 14.62649
S.E.=0.291842 F=213.934
eq \o\ac(○,3)模型为:
用最小二乘法对参数进行估计得:
(0.431) (0.080)
t= 0.334092 24.21439
S.E.=0.150715 F=586.337
单方程拟合效果都很好,回归系数显著,判定系数较高,GDP和CPI对进口的显著的单一影响,在这两个变量同时引入模型引起了多重共线性。
(4)如果仅仅是作预测,可以不在意这种多重共线性,但如果是进行结构分析,还是应该引起注意的。
4.5
从模型拟合结果可知,样本观测个数为27,消费模型的判定系数,F统计量为107.37,在0.05置信水平下查分子自由度为3,分母自由度为23的F临界值为3.028,计算的F值远大于临界值,表明回归方程是显著的。模型整体拟合程度较高。
依据参数估计量及其标准误,可计算出各回归系数估计量的t统计量值:
除外,其余的值都很小。工资收入X1的系数的t检验值虽然显著,但该系数的估计值过大,该值为工资收入对消费边际效应,因为它为1.059,意味着工资收入每增加一美元,消费支出的增长平均将超过一美元,这与经济理论和常识不符。
另外,理论上非工资—非农业收入与农业收入也是消费行为的重要解释变量,但两者的t检验都没有通过。这些迹象表明,模型中存在严重的多重共线性,不同收入部分之间的相互关系,掩盖了各个部分对解释消费行为的单独影响。
4.6(1)建立对数回归模型为:
。用最小二乘法进行估计得:
(4.688794) (5.406211) (5.01120) (0.744155) (0.188431) (0.185312) (0.268625)
T= 0.573205 1.298601 -0.972426 -1.866945 0.253146 -0.2.9639 -1.930983
(0.775921)
0.570910
(2)从经济意义上来看,各个解释变量之间存在着较明显的共同变化的趋势,
(GDP)为
、
、
等加总之和,则从这可以看出解释变量之间可能存在多重共线性。
从模型估计结果可以看出,F统计量显著而各系数的t 值均不显著,且
的参数与预期相反,表明各解释变量之间存在多重共线性。
同时从计算可以得知,部分解释变量之间相关系数较高。
LNX1
LNX2
LNX3
LNX4
LNX5
LNX6
LNX7
LNX1
1.000000
0.999988
0.999557
0.996886
0.557402
0.995035
-0.173109
LNX2
0.999988
1.000000
0.999643
0.997018
0.556012
0.994729
-0.174187
LNX3
0.999557
0.999643
1.000000
0.998062
0.543125
0.992628
-0.188286
LNX4
0.996886
0.997018
0.998062
1.000000
0.522877
0.986734
-0.206870
LNX5
0.557402
0.556012
0.543125
0.522877
1.000000
0.588443
-0.137985
LNX6
0.995035
0.994729
0.992628
0.986734
0.588443
1.000000
-0.134513
LNX7
-0.173109
-0.174187
-0.188286
-0.206870
-0.137985
-0.134513
1.000000
(3)采用逐步回归法:
作一元回归,
0.235851 0.233695 0.218825 0.201790 0.214956 0.302941 3.878956
19.76948 19.63261 18.47680 17.98623 18.40287 16.74191 2.683571
0.960748 0.960143 0.955231 0.952872 0.954887 0.945999 0.310391
0.958295 0.957652 0.952433 0.949927 0.952068 0.942624 0.267290
由此可知,
对
回归对应的
最大,以
为基础,顺次加入其他变量逐步回归,结果如下:
,
3.258502 -2.995996 0.959742
(1.352900) (-1.254992)
,
0.883148 -0.602567 0.962186
(2.334781) (-1.712019)
,
0.273414 -0.032371 0.955687
(1.754955) (-0.241854)
,
0.161319 0.062185 0.956811
(1.660515) (0.671050)
,
0.296971 -0.079518 0.956262
(2.447204) (-0.506227)
,
0.251591 -0.720790 0.962812
(17.32755) (-1.715632)
由上面可知,加入各变量后的t统计量均小于
,参数不显著,且
、
、
、
、
、
的参数符号与预期相反,这说明模型加入新的解释变量都会引起多重共线性。
剔除后的回归模型为
(0.125193) (0.011918)
T= 73.19140 19.78948
=0.958295
=0.960748 F=391.6234 DW=32.78552
这说明在其他因素不变的情况下,当国民收入每上升1%时,能源消费就平均增加0.23585%。
4.7 设定理论模型为
假定模型满足古典假定,用最小二乘法进行估计,用样本估计参数:
(3191.096) (0.129778) (0.245466) (1.206242) (0.033759) (0.105329)
T= -3.695704 -11.82861 3.661558 -1.265989 4.477646 0.963783
(0.018460)
-1.995382
从主要指标分析可见,可决系数为0.995,修正的可决系数为0.993,模型拟和很好,F统计量为632.10,模型拟和很好,回归方程整体上显著。T检验的结果表明,除了农业增加值、工业增加值和总人口外,其他因素对财政收入的影响都不显著,且农业增加值和建筑业增加值的回归系数还是负数,这说明很可能存在严重的多重共线性。
根据样本数据得到各解释变量的样本相关系数矩阵如下:
表4.3 样本相关系数矩阵
NZ
GZ
JZZ
TPOP
CUM
SZM
NZ
1.000
0.981
0.982
0.946
0.985
0.590
GZ
0.981
1.000
0.999
0.904
0.999
0.570
JZZ
0.982
0.999
1.000
0.904
0.998
0.567
TPOP
0.946
0.904
0.904
1.000
0.917
0.639
CUM
0.985
0.999
0.998
0.917
1.000
0.575
SZM
0.590
0.570
0.567
0.639
0.575
1.000
解释变量之间相关系数较高,特别是农业增加值、工业增加值、建筑业增加值、最终消费之间,相关系数都在0.9以上。这表明模型存在着多重共线性。
采用逐步回归法解决多重共线性问题,分别做CS对NZ、GZ、JZZ、TPOP、CUM、SZM的一元回归,结果如下:
变量
NZ
GZ
JZZ
TPOP
CUM
SZM
参数估计值
0.935823
0.348615
2.224780
0.467431
0.260941
0.446066
T统计量
10.75824
19.64679
18.55550
7.548760
18.08085
2.942773
可决系数
0.828252
0.941463
0.934837
0.703644
0.931608
0.265154
修正可决系数
0.821096
0.939024
0.932122
0.691296
0.928758
0.234536
其中,加入GZ的方程修正的可决系数最大,以GZ为基础,顺次加入其他变量逐次回归:
变量
NZ
GZ
JZZ
TPOP
CUM
SZM
GZ、NZ
-1.112
-8.677
0.729
16.29
0.9863
GZ、JZZ
1.260
2.499
-5.841
-1.934
0.9496
GZ、TPOP
0.417
10.59
-0.117
-1.930
0.94962
GZ、CUM
0.785
2.464
-0.328
-1.372
0.9458
GZ、SZM
0.36
16.63
-0.048
-0.928
0.9435
在GZ的基础上分别加入其他变量后发现,NZ、JZZ、TPOP、CUM、SZM的系数为负,与预期估计违背。因此这些变量都会引起严重的多重共线性。修正的回归结果为:
(412.5593) (0.017744)
T= 0.225619 19.64679
=0.941463
=0.939024 F=385.9965
这说明在其他因素不变的情况下,工业增加值每增加1亿元,财政收入平均增加0.348615亿元。
第五章 异方差性课后题参考答案
5.1
(1)因为,所以取
,用
乘给定模型两端,得
上述模型的随机误差项的方差为一固定常数,即
(2)根据加权最小二乘法,可得修正异方差后的参数估计式为
其中
5.2
(1)
(2)
所以
时,不一定有
(3)对方程进行差分得:
则有:
5.3
(1)该模型样本回归估计式的书写形式为:
Y = 11.44213599 + 0.6267829962*X
(3.629253) (0.019872)
t= 3.152752 31.54097
S.E.=9.158900 DW=1.597946 F=994.8326
(2)首先,用Goldfeld-Quandt法进行检验。
a.将样本X按递增顺序排序,去掉中间1/4的样本,再分为两个部分的样本,即。
b.分别对两个部分的样本求最小二乘估计,得到两个部分的残差平方和,即
,
求F统计量为
F=
=
=3.9978
给定,查F分布表,得临界值为。
c.比较临界值与F统计量值,有=4.1390>,说明该模型的随机误差项存在异方差。
其次,用White法进行检验。具体结果见下表
White Heteroskedasticity Test:
F-statistic
6.105557
Probability
0.003958
Obs*R-squared
10.58597
Probability
0.005027
给定,在自由度为2下查卡方分布表,得。
比较临界值与卡方统计量值,即,同样说明模型中的随机误差项存在异方差。
(2)用权数
,作加权最小二乘估计,得如下结果
Dependent Variable: Y
Method: Least Squares
Date: 05/28/07 Time: 00:20
Sample: 1 60
Included observations: 60
Weighting series: 1/R
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
27.50000
6.09E-08
4.52E+08
0.0000
X
0.500000
7.16E-10
6.98E+08
0.0000
Weighted Statistics
R-squared
1.000000
Mean dependent var
70.01964
Adjusted R-squared
1.000000
S.D. dependent var
379.8909
S.E. of regression
8.44E-10
Akaike info criterion
-38.91622
Sum squared resid
4.13E-17
Schwarz criterion
-38.84641
Log likelihood
1169.487
F-statistic
4.88E+17
Durbin-Watson stat
0.786091
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.883132
Mean dependent var
119.6667
Adjusted R-squared
0.881117
S.D. dependent var
38.68984
S.E. of regression
13.34005
Sum squared resid
10321.50
Durbin-Watson stat
0.377804
White 检验:
White Heteroskedasticity Test:
F-statistic
2.357523
Probability
0.103822
Obs*R-squared
4.584017
Probability
0.101063
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 05/28/07 Time: 00:27
Sample: 1 60
Included observations: 60
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
3.86E-19
1.73E-19
2.233756
0.0294
X
3.21E-21
2.16E-21
1.489532
0.1419
X^2
-7.59E-24
6.18E-24
-1.229641
0.2239
R-squared
0.076400
Mean dependent var
6.88E-19
Adjusted R-squared
0.043993
S.D. dependent var
1.56E-19
S.E. of regression
1.52E-19
Sum squared resid
1.32E-36
F-statistic
2.357523
Durbin-Watson stat
1.191531
Prob(F-statistic)
0.103822
5.4
令Y表示农业总产值,X1-X5分别表示农业劳动力、灌溉面积、化肥用量、户均固定资产和农机动力。
建立模型:
回归结果如下:
从回归结果可以看出,模型的
和
值都较高,F统计量也显著。但是除
的系数显著之外,其他系数均不显著,模型可能存在多重共线性。
计算各解释变量的相关系数。
相关系数矩阵
X1
X2
X3
X4
X5
X1
1.000000
0.851867
0.963173
0.456913
0.892506
X2
0.851867
1.000000
0.843541
0.549390
0.856933
X3
0.963173
0.843541
1.000000
0.583048
0.924806
X4
0.456913
0.549390
0.583048
1.000000
X5
0.892506
0.856933
0.924806
0.543765
1.000000
由相关系数矩阵可以看出,解释变量之间的相关系数较高,存在多重共线性。
采用逐步回归的办法,来解决多重共线性问题。分别做Y对X1、X2、X3、X4、X5的一元回归,结果如下表所示:
一元回归结果
变量
X1
X2
X3
X4
X5
参数估计值
0.084078
0.456767
1.526410
0.035277
0.078269
t统计量
8.097651
5.099371
11.62132
2.991326
8.197929
0.867676
0.722250
0.931061
0.472241
0.870476
0.854443
0.694475
0.924167
0.419465
0.857524
其中加入X3的方程
最大,以X3为基础,顺次加入其他变量逐步回归,结果如下:
加入新变量的回归结果(一)
变量
X1
X2
X3
X4
X5
X3, X1
0.002636
(0.089770)
1.481909
(2.879293
0.915816
X3, X2
0.066909
0.789958
1.360291
5.456584
0.921204
X3, X4
1.352291
9.776764
0.009691
2.159071
0.944492
X3, X5
1.115680
(3.355936)
0.023552
(1.335921)
0.929684
经比较,新加入X4的方程
,改进最大。且从经济意义来看,户均固定资产对农业总产值有影响,因此保留X4,再加入其他变量逐步回归,结果如下:
加入新变量的回归结果(二)
变量
X1
X2
X3
X4
X5
X3,X4 X1
0.035438
(1.365712)
0.696651
(1.399128)
0.012887
(2.638461)
0.949360
X3,X4 X2
0.047486
(1.487193)
1.241502
(5.528062)
0.009296
(1.984375)
0.940595
X3, X4 ,X5
0.951924
(3.375236)
0.009594
(2.312344)
0.023059
(1.592574)
0.952585
加入X1后方程的
增大,但是t值不显著;加入X2后
降低,且系数不显著;假如X5后方程的
增大,但是t值不显著。
修正多重共线性影响的回归结果为:
White 检验:
接受原假设,模型不存在异方差。
5.5
(1)建立样本回归模型。
(2)利用White检验判断模型是否存在异方差。
White Heteroskedasticity Test:
F-statistic
3.057161
Probability
0.076976
Obs*R-squared
5.212471
Probability
0.073812
给定和自由度为2下,查卡方分布表,得临界值,而White统计量,有,则不拒绝原假设,说明模型中不存在异方差。
(3)有Glejser检验判断模型是否存在异方差。经过试算,取如下函数形式
得样本估计式
由此,可以看出模型中随机误差项有可能存在异方差。
(4)对异方差的修正。取权数为,得如下估计结果
5.6
回归结果如下:
拒绝原价设,模型存在异方差。取权数为
,加权后回归结果:
5.7
(1)求回归估计式。
作残差的平方对解释变量的散点图
由图形可以看出,模型有可能存在异方差。
(2)去掉智利的数据后,回归得到如下模型
作残差平方对解释变量的散点图
从图形看出,异方差的程度降低了。
(3)如果去掉智利数据后得出不存在异方差的结论,则说明异方差性还会因为异常值的出现而产生。
5.8
(1)回归结果如下:
Y = 12.12542711 + 0.1043661755*X
(19.51012) (0.008439)
t= (0.621494) (12.36777)
=0.849130 S.E.=56.89947 DW=1.212859 F=152.9617
销售收入每增长一元,销售利润平均增长0.104366元
给定,
,拒绝原假设,说明销售收入对销售利润有显著性影响。
,表明方程显著,且拟和程度较好
(2)图形法:
从图中可以看出,
有随着X增大而增大的趋势,所以模型可能存在异方差。
用Glejser检验模型是否存在异方差。经过试算,取如下函数形式
得样本估计式
|
|=1.049787
t =8.075394
=0.306629
系数显著不为0,由此,可以看出模型中随机误差项有可能存在异方差。
White 检验:
White Heteroskedasticity Test:
F-statistic
3.609579
Probability
0.041959
Obs*R-squared
6.273796
Probability
0.043417
>
拒绝原假设,模型存在异方差。
(3)对异方差的修正。取权数为
,得如下估计结果
Dependent Variable: Y
Method: Least Squares
Date: 05/28/07 Time: 00:16
Sample: 1 28
Included observations: 28
Weighting series: 1/X^2
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
6.454896
3.485634
1.851857
0.0754
X
0.107075
0.010984
9.748167
0.0000
Weighted Statistics
R-squared
0.922863
Mean dependent var
67.93474
Adjusted R-squared
0.919896
S.D. dependent var
75.46572
S.E. of regression
21.35880
Akaike info criterion
9.029554
Sum squared resid
11861.15
Schwarz criterion
9.124711
Log likelihood
-124.4137
F-statistic
95.02675
Durbin-Watson stat
1.909174
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.854132
Mean dependent var
213.4650
Adjusted R-squared
0.848522
S.D. dependent var
146.4895
S.E. of regression
57.01397
Sum squared resid
84515.42
Durbin-Watson stat
1.244888
White 检验:
White Heteroskedasticity Test:
F-statistic
3.143257
Probability
0.060574
Obs*R-squared
5.626143
Probability
0.060020
<
不存在异方差.
5.9
(1)建立样本回归函数。
从估计的结果看,各项检验指标均显著,但从残差平方对解释变量散点图可以看出,模型很可能存在异方差。
(2)用White检验判断是否存在异方差。
White Heteroskedasticity Test:
F-statistic
9.509463
Probability
0.001252
Obs*R-squared
11.21085
Probability
0.003678
由上表可知,,给定,在自由度为2下,查卡方分布表,得临界值为,显然,>,则拒绝原假设,说明模型存在异方差。
进一步,用ARCH检验判断模型是否存在异方差。经试算选滞后阶数为1,则ARCH检验结果见下表
ARCH Test:
F-statistic
9.394796
Probability
0.006109
Obs*R-squared
7.031364
Probability
0.008009
由上表可知,,在和自由度为1下,查卡方分布表,得临界值为,显然,>,则说明模型中随机误差项存在异方差。
(3)修正异方差。取权数为
,得如下估计结果
Dependent Variable: Y
Method: Least Squares
Date: 05/28/07 Time: 02:15
Sample: 1978 2000
Included observations: 23
Weighting series: W2
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
6.659027
0.253761
26.24133
0.0000
X
0.868691
0.000985
881.7938
0.0000
Weighted Statistics
R-squared
1.000000
Mean dependent var
224.0761
Adjusted R-squared
1.000000
S.D. dependent var
988.1865
S.E. of regression
0.206384
Akaike info criterion
-0.235219
Sum squared resid
0.894478
Schwarz criterion
-0.136481
Log likelihood
4.705022
F-statistic
777560.3
Durbin-Watson stat
1.281139
Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.980282
Mean dependent var
633.0004
Adjusted R-squared
0.979343
S.D. dependent var
490.5345
S.E. of regression
70.50182
Sum squared resid
104380.6
Durbin-Watson stat
0.279924
Y = 6.65902728 + 0.8686910728*X
White 检验
White Heteroskedasticity Test:
F-statistic
1.021337
Probability
0.378144
Obs*R-squared
2.131389
Probability
0.344489
经检验异方差的表现有明显的降低。
5.10剔除物价上涨因素后的回归结果如下:
其中
代表实际消费支出,
代表实际可支配收入
用White
方法
快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载
来检验模型是否存在异方差:
White Heteroskedasticity Test:
F-statistic
1.647288
Probability
0.217647
Obs*R-squared
3.252914
Probability
0.196625
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/07/07 Time: 17:14
Sample: 1978 2000
Included observations: 23
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
105.9636
475.5182
0.222838
0.8259
X1
0.264290
3.037330
0.087014
0.9315
X1^2
0.000967
0.004392
0.220061
0.8281
R-squared
0.141431
Mean dependent var
275.8818
Adjusted R-squared
0.055574
S.D. dependent var
272.6726
S.E. of regression
264.9875
Akaike info criterion
14.11835
Sum squared resid
1404368.
Schwarz criterion
14.26646
Log likelihood
-159.3610
F-statistic
1.647288
Durbin-Watson stat
1.456581
Prob(F-statistic)
0.217647
,表明模型不存在异方差。
G-Q检验:
Dependent Variable: Y1
Method: Least Squares
Date: 05/07/07 Time: 17:18
Sample: 1978 1986
Included observations: 9
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
4.185124
18.09918
0.231233
0.8237
X1
0.861955
0.086851
9.924525
0.0000
R-squared
0.933647
Mean dependent var
180.2601
Adjusted R-squared
0.924168
S.D. dependent var
39.01106
S.E. of regression
10.74272
Akaike info criterion
7.779464
Sum squared resid
807.8425
Schwarz criterion
7.823292
Log likelihood
-33.00759
F-statistic
98.49620
Durbin-Watson stat
2.717044
Prob(F-statistic)
0.000022
Dependent Variable: Y1
Method: Least Squares
Date: 05/07/07 Time: 17:18
Sample: 1992 2000
Included observations: 9
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
104.0936
20.84532
4.993622
0.0016
X1
0.596056
0.051367
11.60390
0.0000
R-squared
0.950583
Mean dependent var
339.0480
Adjusted R-squared
0.943523
S.D. dependent var
62.54899
S.E. of regression
14.86470
Akaike info criterion
8.428985
Sum squared resid
1546.715
Schwarz criterion
8.472813
Log likelihood
-35.93043
F-statistic
134.6506
Durbin-Watson stat
0.987995
Prob(F-statistic)
0.000008
=807.8425,
=1546.715,F=1546.715/807.8425=1.9146,
(7,7)=3.79,表明模型不存在异方差。
表明剔除物价上涨因素之后,异方差的问题有所改善。
练习题6.1参考解答:
(1)收入—消费模型为
Se = (2.5043)
(0.0075)
t = (-3.7650)
(125.3411)
R2 = 0.9978,F = 15710.39,d f = 34,DW = 0.5234
(2)对样本量为36、一个解释变量的模型、5%显著水平,查DW统计表可知,dL=1.411,dU= 1.525,模型中DW
dU,说明广义差分模型中已无自相关。同时,判定系数R2、t、F统计量均达到理想水平。
由差分方程式可以得出:
所以最终的消费模型为:
练习题6.2参考解答:
(1)给定n=16,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断模型中存在正自相关。
给定n=16,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断模型中不存在自相关。
(2)自相关可能由于模型6.1的误设,因为它排除了趋势的平方项。
(3)虚假自相关是由于模型的误设造成的,因此就要求对可能的函数形式有先验知识。真正的自相关是可以通过广义差分法等方法来修正。
练习题6.3参考解答:
(1)收入—消费模型为
(2)DW=0.575,取,查DW上下界,说明误差项存在正自相关。
(3)采用广义差分法
使用普通最小二乘法估计的估计值,得
DW=1.830,已知
,模型中
因此,在广义差分模型中已无自相关。
由差分方程式可以得出:
因此,修正后的回归模型应为
6.4参考解答:
(1)回归结果如下:
(2)模型检验:
从回归结果可以看出,参数均显著,模型拟和较好。
异方差的检验:
通过white检验可以得知模型不存在异方差。
DW检验:
给定n=25,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断模型中存在正自相关。
(3)采用广义差分法修正模型中存在的自相关问题:
给定n=24,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断模型中不存在自相关。
由差分方程式可以得出:
所以修正后的模型为:
6.5参考答案
(1)进口需求模型为
给定n=19,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断模型中存在正自相关。
(2)采用科克伦-奥克特迭代法(此题多次迭代后仍然存在自相关)
6.6参考解答:
(1)回归结果如下:
给定n=21,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断模型中存在正自相关。
(2)采用科克伦-奥克特迭代法修正自相关:
给定n=20,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断广义差分模型中不存在自相关。
由差分方程式可以得出:
所以修正后的模型为:
(3)变换数据后的回归结果如下:
给定n=20,
,在
的显著水平下,查DW统计表可知,
。模型中
,所以可以判断变化数据后的模型中不存在自相关。
练习题7.1参考解答
(1)先用第一个模型回归,结果如下:
利用第二个模型进行回归,结果如下:
(2)从模型一得到MPC=1.008106;从模型二得到,短期MPC=0.982382,长期MPC=
0.982382+(0.037158)=1.01954
练习题7.2参考答案
(1)在局部调整假定下,先估计如下形式的一阶自回归模型:
估计结果如下:
根据局部调整模型的参数关系,有
将上述估计结果代入得到:
故局部调整模型估计结果为:
经济意义解释: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:
在显著性水平上,查标准正态分布表得临界值
,由于
,则接收原假设,说明自回归模型不存在一阶自相关。
(2)在局部调整假定下,先估计如下形式的一阶自回归模型:
估计结果如下:
根据局部调整模型的参数关系,有
将上述估计结果代入得到:
故局部调整模型估计结果为:
或
(3)在自适应预期假定下,先估计如下形式的一阶自回归模型:
估计结果如下:
根据自适应预期模型的参数关系,有
将上述估计结果代入得到:
故自适应模型估计结果为:
经济意义解释:该地区销售额每预期增加1亿元,当其新增固定资产投资平均增加0.864001亿元。
运用德宾h检验一阶自相关:
在显著性水平上,查标准正态分布表得临界值
,由于
,则接收原假设,说明自回归模型不存在一阶自相关。
(4)由题意可知,有分布滞后模型:
s=4,取m=2。
假设
,
,
,
,
(*)
则,模型可变为:
,其中:
用EVIEWS对以上模型进行回归得:
= -35.49234 + 0.89101
- 0.66990
+ 0.10439
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-35.49234
8.192884
-4.332093
0.0007
Z0
0.891012
0.174563
5.104248
0.0002
Z1
-0.669904
0.254447
-2.632783
0.0197
Z2
0.104392
0.062311
1.675338
0.1160
R-squared
0.984670
Mean dependent var
121.2322
Adjusted R-squared
0.981385
S.D. dependent var
45.63348
S.E. of regression
6.226131
Akaike info criterion
6.688517
Sum squared resid
542.7059
Schwarz criterion
6.886378
Log likelihood
-56.19666
F-statistic
299.7429
Durbin-Watson stat
1.130400
Prob(F-statistic)
0.000000
即
由(*)式可得,
由阿尔蒙多项式变换可得如下估计结果:
练习题7.3参考解答
在局部调整假定和自适应假定下,上述二模型最终都转化为一阶自回归模型。为此,先估计如下形式的一阶自回归模型:
估计结果如下:
从结果看,t值F值都很显著,不是很高。
(1)根据局部调整模型的参数关系,有
,将上述估计结果代入得到:
故局部调整模型为:
意义:为了达到全省工业总产值的
计划
项目进度计划表范例计划下载计划下载计划下载课程教学计划下载
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)根据自适应模型的参数关系,有
,
代入得到:
故自适应模型为:
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滞后一期的回归系数并不显著,说明两个模型的设定都不合理。
练习题7.4参考解答
(1)在局部调整假定下,先估计如下形式的一阶自回归模型:
估计结果如下:
根据局部调整模型的参数关系,有
将上述估计结果代入得到:
EMBED Equation.DSMT4
故局部调整模型估计结果为:
经济意义解释: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) 在局部调整假定下,先估计如下形式的一阶自回归模型:
估计结果如下:
根据局部调整模型的参数关系,有
将上述估计结果代入得到:
EMBED Equation.DSMT4
故局部调整模型估计结果为:
(3) 由(1 )可知,短期货币流通需求:
长期货币流通需求:
由(2)可知,
所以,货币需求对社会商品零售额的短期弹性为:0.20623,长期弹性为:0.44104。
货币需求对城乡居民储蓄余额的短期弹性为:0.180168,长期弹性为0.384518。
练习题7.5参考解答
(1)首先将M滞后一期并乘上得到
.(1)-(2) 于是可表示为:
(2),这就可能导致出现随机扰动项的自相关。这就可能导致估计出来的结果是有偏的,而且不是一致估计。
(3)利用(*)进行回归,结果如下
Dependent Variable: MT
Method: Least Squares
Date: 07/26/05 Time: 00:18
Sample(adjusted): 1955 1985
Included observations: 31 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
9266.4908
4918.1374
1.8841
0.0717
Y
0.1323
0.1096
1.2068
0.2392
Y(-1)
-0.1284
0.1236
-1.0389
0.3091
R
-0.3957
0.4883
-0.8104
0.4256
R(-1)
0.9533
0.6612
1.4416
0.1623
MT(-1)
0.4729
0.2361
2.0028
0.0566
MT(-2)
-0.0550
0.2883
-0.1908
0.8502
R-squared
0.9691
Mean dependent var
56687.1935
Adjusted R-squared
0.9614
S.D. dependent var
40415.2055
S.E. of regression
7932.428
Akaike info criterion
20.9909
Sum squared resid
1510162034
Schwarz criterion
21.3147
Log likelihood
-318.3602
F-statistic
125.7918
Durbin-Watson stat
2.1446
Prob(F-statistic)
0
练习题7.6参考解答
(1)短期影响系数为0.1408,长期影响系数为0.1408+0.2306=0.3714
(2)利用工具变量法。选用
来代替
,进行估计。
练习题7.7参考解答
(1)为了考察收入对消费的影响,我们首先做关于的回归,即建立如下回归模型
得如下回归结果(表7.7.1)。
表7.7.1
从回归结果来看,t检验值、F检验值及都显著,但在显著性水平上,DW值,说明模型扰动项存在正自相关,需对模型进行修改。事实上,当年消费不仅受当年收入的影响,而且还受过去各年收入水平的影响,因此,我们在上述模型中增添货币收入总额X的滞后变量进行分析。如前所述,对分布滞后模型直接进行估计会存在自由度损失和多重共线性等问题。
(2)选择库伊克模型进行回归分析,即估计如下转化模型:
利用所给数据,得回归结果(表7.7.2)。
表7.7.2
回归结果显示,t检验值、F检验值及都显著,但
在显著性水平上,查标准正态分布表得临界值,由于,则拒绝原假设,说明自回归模型存在一阶自相关,需对模型作进一步修改。
(3)下面我们换一个角度进行分析。消费者的消费是一个复杂的行为过程,一方面,预期收入的大小可能会影响消费,即消费者会按照收入预期决定自己的消费计划;另一方面,实际消费往往与预计的消费之间存在偏差,消费者会对预期的消费计划进行调整。因此,我们可以考虑采用局部调整—自适应期望综合模型进行分析。如前所述,在局部调整假设和自适应假设下,局部调整—自适应期望综合模型可转化为如下形式的自回归转化模型:
利用所给数据进行估计,得回归结果(表7.7.3)。
回归结果显示,t检验值、F检验值及都显著,且
在显著性水平上,查标准正态分布表得临界值,由于,则接受原假设,模型扰动项不存在一阶序列相关。最终的估计模型为:
该模型较好地解释了所考察地区居民消费与收入之间的关系。
练习题8.1参考解答:
(1)在其它条件不变的情况下,对数人均收入提高1%,则平均预期寿命可能提高约0.0939年。但从统计检验结果看,对数人均收入lnX对期望寿命Y的影响并不显著。方程的拟合情况良好,可进一步进行多重共线性等其他计量经济学的检验。
(2)引入的原因是想从截距和斜率两个方面考证将人均收入超过1097美元的国家定义为富国的话,贫国和富国的预期寿命是否存在显著的区别。
如果人均收入大于1097美元,那么虚拟变量取值为1,否则为0。即:
(3) 对于贫穷国,其回归方程为:
对于富国,其回归方程为:
习题8.2参考答案
由于有四个季度,因此引入三个季度虚拟变量
(1)按照加法模型引入三个虚拟变量,模型为:(加法模型的作用是改变了设定模型的截距水平)
回归结果如下:
(2)由于考虑利润对销售额的变化率发生变异,即斜率的改变,因此按照乘法模型引入三个虚拟变量,模型为:
回归结果如下:
(3)按照加法和乘法相结合的方式引入三个虚拟变量,模型为:
回归结果为:
通过对三个模型对比分析可以看出,第三个模型的系数均不显著,模型一和二销售额的系数显著,其余系数也不显著。方程都显著,但拟和程度都不是很好。
习题8.3参考解答:
考虑到班次有三个属性,故在有截距项的回归方程中只能引入两个虚拟变量,按加法形式引入,模型设定形式为:
其中,为产出,,。
则回归结果如下:
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
40.42857
0.555329
72.80115
0.0000
D1
-5.714286
0.785353
-7.276069
0.0000
D2
9.142857
0.785353
11.64171
0.0000
R-squared
0.952909
Mean dependent var
41.57143
Adjusted R-squared
0.947676
S.D. dependent var
6.423172
S.E. of regression
1.469262
Akaike info criterion
3.738961
Sum squared resid
38.85714
Schwarz criterion
3.888178
Log likelihood
-36.25909
F-statistic
182.1176
Durbin-Watson stat
2.331933
Prob(F-statistic)
0.000000
表中的红字表示在方差分析中需要用到的数据。
Sum squared resid 残差平方和;S.D. dependent var 被解释变量的标准差。
所以,TSS=(n-1)
依据上述数据,有:
,
, 得
与如下表所示的结果(《统计学》表5-4,pp167(第2版))相比较,结果完全一致。
方差来源
离差平方和
自由度
方差
F值
组间
786.286
2
393.143
182.118
组内
38.857
18
2.158
总和
825.143
20
习题8.6参考答案
引入虚拟变量:
建立回归模型:
回归结果如下:
可以看出,非股份制超市的销售规模平均为1518.696,而股份制超市的销售规模平均为2086.9234。这就表明股份制因素对销售规模起到一定的影响。
习题8.5参考解答
在Eviews中按照给定数据进行录入,点击Quick,录入grade c gpa tuce psi,点击method,在下拉菜单中,选择binary: 并选择logit,
则有:
Dependent Variable: GRADE
Method: ML - Binary Logit (Quadratic hill climbing)
Date: 06/29/05 Time: 17:44
Sample: 1 32
Included observations: 32
Convergence achieved after 5 iterations
Covariance matrix computed using second derivatives
Variable
Coefficient
Std. Error
z-Statistic
Prob.
C
-13.02135
4.931324
-2.640537
0.0083
GPA
2.826113
1.262941
2.237723
0.0252
TUCE
0.095158
0.141554
0.672235
0.5014
PSI
2.378688
1.064564
2.234424
0.0255
Mean dependent var
0.343750
S.D. dependent var
0.482559
S.E. of regression
0.384716
Akaike info criterion
1.055602
Sum squared resid
4.144171
Schwarz criterion
1.238819
Log likelihood
-12.88963
Hannan-Quinn criter.
1.116333
Restr. log likelihood
-20.59173
Avg. log likelihood
-0.402801
LR statistic (3 df)
15.40419
McFadden R-squared
0.374038
Probability(LR stat)
0.001502
Obs with Dep=0
21
Total obs
32
Obs with Dep=1
11
边际效应等于
其中,
GPA
TUCE
PSI
Mean
3.117188
21.93750
0.437500
Median
3.065000
22.50000
0.000000
Maximum
4.000000
29.00000
1.000000
Minimum
2.060000
12.00000
0.000000
Std. Dev.
0.466713
3.901509
0.504016
Skewness
0.122657
-0.525110
0.251976
Kurtosis
2.570068
3.048305
1.063492
Jarque-Bera
0.326695
1.473728
5.338708
Probability
0.849296
0.478612
0.069297
Sum
99.75000
702.0000
14.00000
Sum Sq. Dev.
6.752447
471.8750
7.875000
Observations
32
32
32
_1225198508.unknown
_1226474152.unknown
_1236981351.unknown
_1241812152.unknown
_1243538894.unknown
_1243672087.unknown
_1243672711.unknown
_1243673402.unknown
_1243673469.unknown
_1243673475.unknown
_1243673449.unknown
_1243673448.unknown
_1243673262.unknown
_1243672258.unknown
_1243672259.unknown
_1243672088.unknown
_1243539363.unknown
_1243539708.unknown
_1243670780.unknown
_1243670966.unknown
_1243671084.unknown
_1243539709.unknown
_1243539413.unknown
_1243539617.unknown
_1243539707.unknown
_1243539377.unknown
_1243539338.unknown
_1243539353.unknown
_1243539149.unknown
_1241815584.unknown
_1241870189.unknown
_1243538668.unknown
_1243538862.unknown
_1241870197.unknown
_1241870043.unknown
_1241870132.unknown
_1241817004.unknown
_1241823894.unknown
_1241813773.unknown
_1241815434.unknown
_1241815482.unknown
_1241813801.unknown
_1241812324.unknown
_1241812366.unknown
_1241812197.unknown
_1241812247.unknown
_1241812163.unknown
_1240162753.unknown
_1240163868.unknown
_1240164201.unknown
_1241805286.unknown
_1241812065.unknown
_1241812124.unknown
_1241810371.unknown
_1240164202.unknown
_1240164048.unknown
_1240164057.unknown
_1240164200.unknown
_1240163952.unknown
_1240163716.unknown
_1240163825.unknown
_1240163432.unknown
_1240163695.unknown
_1240162929.unknown
_1238755062.unknown
_1238756016.unknown
_1240063187.unknown
_1240162023.unknown
_1240162687.unknown
_1240162333.unknown
_1240063229.unknown
_1240063291.unknown
_1240063199.unknown
_1240061179.unknown
_1240061214.unknown
_1240061365.unknown
_1238756060.unknown
_1238755328.unknown
_1238755909.unknown
_1238756015.unknown
_1238755306.unknown
_1238755327.unknown
_1238755296.unknown
_1237220729.unknown
_1238512022.unknown
_1238570991.unknown
_1238571388.unknown
_1238571521.unknown
_1238570992.unknown
_1238570778.unknown
_1238532848.unknown
_1238510468.unknown
_1238511194.unknown
_1238508061.unknown
_1238508178.unknown
_1237221220.unknown
_1237210073.unknown
_1237210074.unknown
_1226506594.unknown
_1236970885.unknown
_1236971533.unknown
_1236981350.unknown
_1236977118.unknown
_1236980557.unknown
_1236980604.unknown
_1236979924.unknown
_1236979357.unknown
_1236979359.unknown
_1236979191.unknown
_1236977117.unknown
_1236971130.unknown
_1236971264.unknown
_1236971374.unknown
_1236971157.unknown
_1236971243.unknown
_1228112977.unknown
_1236970401.unknown
_1236970840.unknown
_1236970807.unknown
_1228116627.unknown
_1228118442.unknown
_1228118634.unknown
_1236966997.unknown
_1228118548.unknown
_1228116630.unknown
_1228116872.unknown
_1228116378.unknown
_1228116445.unknown
_1228113390.unknown
_1228112113.unknown
_1228112732.unknown
_1228112769.unknown
_1228112290.unknown
_1226507977.unknown
_1226776615.unknown
_1226507278.unknown
_1226478267.unknown
_1226478724.unknown
_1226486000.unknown
_1226506506.unknown
_1226484334.unknown
_1226485999.unknown
_1226482621.unknown
_1226478346.unknown
_1226478617.unknown
_1226478279.unknown
_1226476162.unknown
_1226477990.unknown
_1226478155.unknown
_1226476417.unknown
_1226477327.unknown
_1226476373.unknown
_1226475145.unknown
_1226475749.unknown
_1226475813.unknown
_1226474582.unknown
_1225739172.unknown
_1225784294.unknown
_1226473557.unknown
_1226473789.unknown
_1226474150.unknown
_1226474151.unknown
_1226474149.unknown
_1226474038.unknown
_1226473635.unknown
_1226473690.unknown
_1226473580.unknown
_1226470907.unknown
_1226473375.unknown
_1226473500.unknown
_1226473146.unknown
_1226470736.unknown
_1226470116.unknown
_1226470537.unknown
_1226470713.unknown
_1226424470.unknown
_1226424141.unknown
_1225783686.unknown
_1225784066.unknown
_1225784103.unknown
_1225784201.unknown
_1225784087.unknown
_1225783901.unknown
_1225784036.unknown
_1225783870.unknown
_1225740291.unknown
_1225741431.unknown
_1225741511.unknown
_1225779893.unknown
_1225783590.unknown
_1225741581.unknown
_1225741448.unknown
_1225740464.unknown
_1225741164.unknown
_1225740450.unknown
_1225739540.unknown
_1225740252.unknown
_1225739302.unknown
_1225739373.unknown
_1225739221.unknown
_1225720784.unknown
_1225722100.unknown
_1225735269.unknown
_1225736111.unknown
_1225736186.unknown
_1225736617.unknown
_1225735972.unknown
_1225721121.unknown
_1225721262.unknown
_1225722078.unknown
_1225721094.unknown
_1225208259.unknown
_1225714919.unknown
_1225717168.unknown
_1225714942.unknown
_1225715519.unknown
_1225714400.unknown
_1225714752.unknown
_1225714760.unknown
_1225208555.unknown
_1225714219.unknown
_1225201772.unknown
_1225202050.unknown
_1225202083.unknown
_1225201932.unknown
_1225200132.unknown
_1225201404.unknown
_1225201654.unknown
_1225199618.unknown
_1225199551.unknown
_1224863430.unknown
_1224865563.unknown
_1225041900.unknown
_1225135094.unknown
_1225197835.unknown
_1225198280.unknown
_1225197234.unknown
_1225136420.unknown
_1225134695.unknown
_1225134941.unknown
_1225042008.unknown
_1225042197.unknown
_1225133141.unknown
_1225042163.unknown
_1225041975.unknown
_1224956470.unknown
_1224959876.unknown
_1225023223.unknown
_1225039257.unknown
_1225039743.unknown
_1225023336.unknown
_1225006608.unknown
_1225007617.unknown
_1225008644.unknown
_1224960143.unknown
_1224957077.unknown
_1224957134.unknown
_1224956766.unknown
_1224957066.unknown
_1224940009.unknown
_1224940034.unknown
_1224865949.unknown
_1224864371.unknown
_1224865539.unknown
_1224865553.unknown
_1224865327.unknown
_1224865471.unknown
_1224865118.unknown
_1224863477.unknown
_1224864355.unknown
_1224863502.unknown
_1224863456.unknown
_1224863380.unknown
_1224863397.unknown
_1224863413.unknown
_1224863420.unknown
_1224863406.unknown
_1224863390.unknown
_1224863315.unknown