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）
本题使用WAGE2.RAW中的数据。
(i)估计模型
并以通常的形式报告结果。保持其他因素不变，黑人和非黑人之间的月薪差异近似为多少？这个差异是统计显著的吗？
(ii) 在这个方程中增加变量exper²和tenure²， 证明即便在20%的显著性水平上， 它们也不是联合显著的。
(iii)扩展原模型，使受教育回报取决于种族，并检验受教育的回报是否的确取决于种族。
(iv)再回到原模型，但现在容许四个不同人群(已婚黑人、已婚非黑人、单身黑人和单身非黑人)的工资有差别。估计已婚黑人和已婚非黑人之间的工资差异是多少？
答案
更多“本题使用WAGE2.RAW中的数据。(i)估计模型并以通常的形式报告结果。保持其他因素不变，黑人和非黑”相关的问题
第1题
本题使用CRIME4.RAW。
(i)在数据集中增加每个工资变量的对数，然后用一阶差分估计模型。问这些变量的引入如何影响例13.9中那些司法变量的系数？
(ii)第(i)部分中的工资变量都有预期的符号吗？它们是联合显著的吗？试解释。
第2题
本题使用PHILLIPS.RAW中的数据。
(i)例11.5中，我们估计了如下形式的附加预期的菲利普斯曲线：
解释为什么这使得unemt-1成为unemt的一个好的Ⅳ候选者。
(iii)将unemt对unemt-1做回归。unemt与memt-1是否显著相关？
(iv)用IV估计附加预期的菲利普斯曲线。以通常形式报告结果，并将之与例11.5中的OLS估计值进行比较。
第3题
本题使用KIELMC.RAM中的数据。
(i)变量dist是从每个房屋到焚烧炉位置的英尺距离。考虑模型
(ii)估计第(i)部分中的模型并按通常的方式报告结果。解释y 81-log(dit)的系数。你得到什么结论？
(iii)在方程中增加age， age2， rooms， baths， log(int st)， log(land) 和log(area)。现在， 你对焚烧？对房屋价值的影响会作出什么结论？
(iv)为什么在第(ii)部分log(dist)的系数为正并且统计显著， 而在第(ii)部分却不是这样？这说明了第(iii)部分中控制变量的什么？
第4题
利用PHILLIPS.RAW中的数据回答本题。
(i)利用整个数据集，用OLS估计静态菲利普斯曲线方程
并以常用形式报告结果。
(ii)从第(i)部分中求OLS残差ut并通过ut对ut-1的回归中求出p。(在这个回归中包含一个截距项没问题。)有序列相关的强烈证据吗？
(iii)现在通过迭代普莱斯-温斯顿程序估计静态菲利普斯曲线模型。将β1的估计值与表12.2中得到的估计值相比较。添加以后的年份，估计值有很大变化吗？
(iv)不用普莱斯-温斯顿检验，而是使用迭代科克伦-奥卡特检验。p的最终估计值有多相似？β1的PW和CO估计值有多相似？
第5题
本题利用HSE IN V.RAW中的数据。
(i)求出log(in vpc) 中的一阶自相关系数， 然后再求log(im pc) 除掉线性趋势后的自相关。对log(price) 做相同的计算。这两个序列中的哪个可能有单位根？
(ii)基于第(i)部分的结论估计方程：
并以标准形式报告结果。对系数β1作出解释，并判断它是否统计显著。
(iii)除掉log(inypc) 的线性趋势，然后在第(ii)部分的回归方程中使用除趋势的因变量(见10.5节)， R2有何变化？
(iv)现在用
作因变量。结果与第(ii) 部分相比有何不同？时间趋势还是显著的吗？为什么是 或不是？
第6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7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8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9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10题
本题要用到HTV.RAW中的数据。
(i)考虑一个加入了父母受教育程度变量的工资方程
表述原假设：父亲与母亲的受教育程度对log(wage)具有相同影响。
(ii)估计第(i)部分中的模型，同时谈谈你对β，和队大小的看法。
(iii)在5%的显著性水平上，相对于双侧备择假设，通过构造一个95%的置信区间来检验第(i)部分中的原假设。你得到的结论是什么？
第11题
本题利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(iv)现在，容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化，用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少？1987年呢？这个差别在统计上显著吗？
(v)检验工会关系差别在不同时期没有发生变化的虚拟假设，并根据你对第(iv)部分的回答讨论你的结论。
