![](https://static.youtibao.com/asksite/comm/pc/images/content_title_q.png)
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
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?
![](https://static.youtibao.com/asksite/comm/pc/images/content_title_a.png)
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1题
本题利用数据集MEAO0_01.RAW中的数据。
(i)用OLS估计方程
(iv)求容许方差函数被误设的WLS标准误。它与通常的WLS标准误有很大的不同吗?
(v)为了估计支出对math 4的影响, OLS与WLS哪一个看起来更准确?
第2题
利用NYSE.RAW中的数据回答本题。
(i) 估计方程(12.47) 中的模型并求OLS残差平方。求在整个样木中的平均值、最小值和最大值。
(ii) 利用OLS残差平方估计如下的异方差模型
报告估计系数、标准误、R²和调整R²。
(iii) 将条件方差描述成滞后return-1的函数。方差在return-1取何值时最小?方差是多少?
(iii)为了预测动态方差,第(ii)部分的模型得到了负的方差估计值吗?
(v)第(ii)部分中的模型拟合效果比例12.9中的ARCH(1)模型更好还是更差?请解释。
(vi)在方程(12.51)的ARCH(1)回归中添加二阶滞后。这个滞后看起来重要吗?这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗?
第3题
在本题中,你将比较参与401(k) 计划的资格对净金融资产影响的OLS和LAD估计值。模型是
(i) 利用401KSUBS.RAW中的数据与OLS估计这个方程, 按照通常形式报告结果, 并解释e40lk的系数。
(ii) 利用布罗施-帕甘检验, 使用OLS残差检验异方差性。u看上去独立于解释变量吗?
(ii) 用LAD估计这个方程, 并以对OLS同样的方式报告结果。解释LAD的估计值p。
(iv)调和第(i)部分和第(iii)部分的结论。
第4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5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6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7题
其中你应该首先定义sales的度量单位为10亿美元,从而使得估计值更容易解释。
(i)在包含和不包含年销售额近400亿美元的企业的情况下,用0LS估计上述方程。讨论估计系数的明显差别。
(ii)再次在包含和不包含最大企业的情况下,用LAD估计同一方程。讨论估计系数的重要差别。
(iii)基于第(i)部分和第(ii)部分的结论,你认为OLS和LAD哪个方法对异常观测更有弹性余地?
第8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9题
本题使用HTV.RAW中的数据。
(i)基于整个样木, 利用解释变量educ、abil、exper、nc、west、south和urban, 利用OLS估计log(wage)的一个模型。报告教育的估计回报及其标准误。
(ii)现在, 仅利用educ<16的人群来估计第(i) 部分中的方程。样本损失了多大的比例?现在, 多读一年书的估计回报是多少?它与第(i)部分中的结果相比如何?
(iii)现在, 去掉所有wage≥20的观测, 于是, 样本中剩下每个人每小时工资都不足20美元。做第(i) 部分中的回归, 并评论educ的系数。(由于正常的断尾回归模型都假定y是连续的, 所以理论上我们去掉wage≥20还是去掉wage>20都无所谓。但在这个应用研究中, 由于有些人正好每个小时挣20美元, 所以二者略有差异。)
(iv)利用第(ii) 部分中的样本, 应用断尾回归[上断点为log(20) ] .假定第(i) 部分中得到的估计值是一致的,这个断尾回归能够重新得到整个总体中的教育回报估计值吗?
第10题
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43),但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数,并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法,你得到什么结论?
第11题
本题利用HSEINV.RAW中的数据。
(i)检验log(in vpc)是否有单位根, 模型中含有一个线性时间趋势和 log(in ypct)的两阶滞后, 显著性水平为5%。
(ii)用第(i)部分中的方法检验log(price)中的单位根。
(iii)给定第(i)部分和第(ii)部分中的结果,那么检验log(iv pc)和log(price)之间的协整还有意义吗?