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)利用表13-1中同样的变量估计kids的一个泊松回归模型。解释y82的系数。
(ii)保持其他因素不变，黑人妇女和非黑人妇女在生育上的估计百分数差异是多少？
(iii)求σ。有过度散布和散布不足的证据吗？
(iv)计算泊松回归中的拟合值和作为kidsi和kidsi之相关系数平方的R2。并与线性回归模型中的R2相比较。
答案
更多“参见第13章中的表13-1。在那里，我们利用FERTILl.RAW中的数据，估计了妇女已生育子女数kids的一个”相关的问题
第1题
本题利用MRO 2.RAW中的数据。
(i) 利用在工作的428个妇女的数据， 通过以exper、exper z、n wife inc、age、kids li 6和kids ge 6为解释变量的OLS来估计受教育的回报。报告educ的估计值及其标准误。
(ii)现在用赫克曼估计受教育的回报，其中所有外生变量都在第二阶段的回归中出现。换句话说，就是做log(wagc)对educ、exper、ecper2、m wife inc、age、kids lt6、kids ge 6和 的回归。将估计的教育回报及其标准误与第(i)部分的结果相比较。
(iii) 只用428个工作妇女的观测， 将对e chuc、exper、ec per2、mv if eic、age、kidslt6、kids ge 6回归。R2为多大？这如何有助于解释你在第(ii)部分得到的结果？(提示：考虑多重共线性。)
第2题
(i)对于如下简单回归模型：
(ii)现在检验模型
。利用同样88个住房数据估计这个模型的R²是0.829。
(iv)如果price的方差随着assess，sqrft，lotsize或bdrms而变化，你对第(iii)部分的F检验有什么看法？
第3题
本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。
(i)从加速数模型
中求出OLS残差，并用
回归来检验是否存在序列相关。p的估计值是多少？序列相关看起来是多大的问题？
(ii)用PW估计这个加速数模型，并将β1的估计值与OLS估计值进行比较。你为什么预期它们很相似？
第4题
利用SLEEP 75.RAW中的数据(也可参见习题3.3) ， 我们得到如下估计方程
变量sleep是每周晚上睡眠的总分钟数， ton work是每周花在工作上的总分钟数， educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之问有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个虚拟假设，你还需要另外做什么回归？
第5题
在例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL 3.RAW中的数据来检验误差中是否存在AR(1) 序列相关。
第6题
在例9.1中，我们narr86在的一个线性模型中增加二次项pcrv2、ptime86²和inc 862。
(i)利用CRIME L RAW中的数据， 在例17.3的泊松回归中同样增加这些项。
(ii)根据
估计 。数据存在过度散布的证据吗？该如何调整泊松极大似然估计标准误？
(iii)利用第(i)部分和第(ii)部分的结论及教材表17.3，计算这三个平方项联合显著性的准似然比统计量。你得到什么结论？
第9题
本题利用MURDER.RAW中的数据。
(i)利用1990年和1993年的数据， 用混合OLS估计方程
(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？
(v)你认为
的哪个1统计量更值得信赖， 是通常的!统计量还是异方差-稳健的1统计量？为什么？
第10题
利用MRO2.RAW中的数据。
(i)利用在工作的428个妇女的数据，通过以exper、exper2、nwifeinc、age、kidsir6和kidsge6为解释变量的OLS来估计受教育的回报。报告educ的估计值及其标准误。
(ii)现在用赫克曼估计受教育的回报，其中所有外生变量都在第二阶段的回归中出现。换句话说，就是做log(wage)对educ、exper、ecper2、nwifeinc、age、kidslt6、kidsge6和入的回归。将估计的教育回报及其标准误与第(i)部分的结果相比较。
(iii)只用428个工作妇女的观测，将1对educ、exper、ecper2、nwifeinc、age、kidslt6、kidsge6回归。R2为多大？这如何有助于解释你在第(ii)部分得到的结果？(提示：考虑多重共线性。)
