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。
答案
更多“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”相关的问题
第1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2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3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8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
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。
