请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码下载APP
题目内容
（请给出正确答案）
(i)估计工业生产百分比变化(以年变化率来报告) pc ip， 的一个AR(3) 模型。证明二阶和三阶滞后在2.5%的显著性水平上是联合显著的。
(ii)在第(i) 部分估计的方程中增加pcspr的一阶滞后。它是统计显著的吗？就工业生产的增长与股票价格的变化之间的格兰杰因果关系而言，这个结果告诉了你什么？
(iii)重做第(ii)部分，并得到一个异方差-稳健的!统计量。这个稳健检验改变了你在第(ii)部分得到的结论吗？
答案
更多“本题也要利用VOLAT.RAW中的数据，习题20研究了股票价格与工业生产的长期关系。这里，你将利用百”相关的问题
第2题
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
第3题
本题利用LOANAPP.RAW中的数据。
(i)估计计算机习题C7.8第(iii) 部分中的方程， 计算其异方差-稳健的标准误。将
的95%的置信区间与非稳健的置信区间相比较。
(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0？有没有哪个估计值大于1？而这些情况对加权最小二乘估计的应用意味着什么？
第4题
本题利用INTQRT.RAW中的数据。
(iii)现在请你估计协整参数， 而不是把它设为1。再利用最后16个季度的数据求出样本外RMSE。它与第(i)部分和第(ii)部分中的结果有什么不同？
(iv)如果你想要预测的是r6而不是△r6，你的结论会有所变化吗？请解释。
第5题
本题利用MEAP93.RAW中的数据。
(i) 估计模型math10=β0+β1log(expend)+β2Inchprg+u，并按照通常的方式报告估计方程，包括样本容量和R2。斜率系数的符号与你的预期一致吗？请加以解释。
(ii)你如何理解第(i)部分中估计出来的截距？特别是，令两个解释变量都等于零说得过去吗？[提示：记住log(1)=0。]
(i)现在做math10对log(expend)的简单回归， 并将斜率系数与第(i)部分中得到的估计值进行比较。与第(i)部分中的结果相比，这里估计出来的支出效应是更大还是更小？
(iv)求山lexpend=log(expend)与Inchprg之间的相关系数。你认为其符号合理吗？
(v)利用第(iv)部分的结果来解释你在第(iii)部分中得到的结论。
第6题
利用VOLAT.RAW中的数据。
(i)证实sp500=log(sp500)和lip=log(ip)看来都包含了单位根。利用含四阶滞后变化的DF检验，在含和不含线性时间趋势的情况下分别进行检验。
(ii)做1sp500对lip的简单回归。评论：统计量和R的大小。
(iii)利用第(ii)部分的残差检验Isp500和lip是否协整。利用标准的DF检验和包含两阶滞后的ADF检验。你得到什么结论？
(iv)在第(ii)部分的回归中添加一个线性时间趋势，并利用第(iii)部分同样的检验来检验协整关系。
(v)看来股票价格与真实经济活动之间有长期均衡关系吗？
第7题
本题利用PHILLIPS.RAW中的数据。现在你应该使用56年的数据。
(i)重新估计方程(11.19)，并以通常格式报告结果。当你增加近几年的数据之后，截距和斜率估计值有明显变化吗？
(ii)求自然失业率的新估计值。将这个新估计值与例11.5中的估计值进行比较。
(iii)计算unem的一阶自相关系数。按照你的观点， 单位根接近于1吗？
(iv)利用A mem取代unem作为解释变量。哪个解释变量具有更高的R？
第8题
本题利用FERTIL3.RAW中的数据。
(i)将gfr对t和t2回归， 并保留残差， 便得到除趋势的gfrt即
。
(ii)将对方程(10.35)中所有变量(包括t和t2)回归。比较得出的R2与方程(10.35)中的R2有何不同。你有何结论？
(iii)在方程(10.35)中加入3后重新进行估计。这个新增变量在统计上显著吗？
第10题
参考第3章习题14。现在，我们使用住房价格的对数作为因变量：
(i)你想在住房增加一个150平方英尺的卧室的情况下， 估计并得到price变化百分比的一个置信区间。以小数形式表示就是θ1=150β1+β2。使用HPRICE1.RAW中的数据去估计θ1。
(ii)用θ1和民β1表达β2，并代入log(price) 的方程。
(iii)利用第(ii)部分中的结果得到θ1的标准误，并使用这个标准误构造一个95%的置信区间。
