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)在第10章的计算机练习C5的工业区事件研究中，OLS残差对滞后残差的回归给出p=0.841和se(p)=0.053。这对于OLS来说有何含义？
(ii)如果你想使用OLS，又想得到EZ系数的一个有效标准误，你将怎样做？
答案
更多“（i)在第10章的计算机练习C5的工业区事件研究中，OLS残差对滞后残差的回归给出p=0.841和se（p)=0.”相关的问题
第1题
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11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)第10章的计算机练习C11第(vi)部分中的回归。]
第2题
)序列相关。
(ii)如果你发现有序列相关的证据，用科克伦-奥卡特方法重新估计这个方程，并将所得结果与以前的结果进行比较。
第3题
利用LOANAPP.RAW中的数据。
(i)估计第7章的计算机练习C8第(iii)部分中的方程，计算其异方差-稳健的标准误。将βwhite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
其中，因为滞后支出变量，第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型，并报告通常的标准误。为使得ai的期望值可以非零，你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差
。
(ii)lunchit系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？
(iii)利用
的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关，并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？
(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？
(vi)定义支出的总(或长期)效应为
的标准误。
第5题
？
(ii)计算一个异方差-稳健形式的RESET。你在第(i)部分的结论改变了吗？
第6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7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9题
利用401KSUBS.RAW中size=1的一个子集; 这就将分析仅限于单身者。(见计算机习题第4章第8题。)
(i)样本中最年轻的人多少岁？这个年龄的有多少人？
(ii)在模型中，β2的字面解释是什么？它本身有什么意义吗？
(iii)估计第(ii)部分中的模型，并以标准形式报告结果。你关心age的系数为负吗？请解释。
(iv)由于样本中最年轻者为25岁，若认为给定收入水平下，25岁时净总金融资产的平均量最低，这有意义吗？记得age对nettfa的偏效应为β2+2β3age，所以在25岁时的偏效应为β2+2β2(25)=β2+50β3称之为θ2。求并得到检验H0：θ2=0的双侧P值。你应该得到θ2很小且在统计上也不显著的结论。
