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?
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2题
本题利用ATTEND.RAW中的数据。
(i)在例6.3的模型中,推出
(iii)假设你用(priGPA-2.59)·(atndrte-82)取代priGP4(atndrte-82)。你将如何解释atndrte和priGPA的系数。
第3题
本题利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
(iv)exper取什么值时,工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历?
第4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5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6题
本题利用数据集401KSUBS.RAW。
(iii)对第(i)部分估计的模型求怀特检验,并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后,求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗?
第8题
本题利用JTRAIN3.RAW中的数据。
(i)估计简单回归模型并用常用格式报告结论。基于这个回归,1976年和1977年的工作培训看上去对1978年的真实劳动工资有正的影响吗?
(ii)现在使用真实劳动工资的变化cre=re 78-re 75作为因变量。(由于我们假定1975年之前没有工作培训,所以我们没有必要对train进行差分。也就是说,如果我们定义ctrain=train 78-train75, 那么,由于train75=0,所以ctran=train78。)现在,培训的估计影响有多大?讨论它与第(i)部分估计值的比较。
(iii)利用通常的OLS标准误和异方差-稳健标准误求培训效应的95%置信区间,并描述你的结论。
第9题
本题利用SLEEP75.RAW中的数据。我们要分析的方程为:
(i)分别针对男性和女性单独估计这个方程,并按照通常形式报告结论。这两个估计方程有什么明显差异吗?
(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk,.male的检验形式,并使用全部观测。该检验相关的df等于多少?在5%的显著性水平上,你应该拒绝这个虚拟假设吗?
(iii)现在,容许男性与女性存在不同截距,判定所有涉及male的交互项是不是联合显著的?
(iV)给定第(ii)部分和第(iii)部分中的结论,你最后将使用什么样的模型?
第10题
本题使用JTRAIN.RAW中的数据。
(i)考虑简单回归模型
其中,scrap表示企业的废品率,grant表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗?
(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗?
(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响?解释grant的系数。相对于单侧备择假设它在5%的显著性水平上统计显著吗?
(iv)相对双侧备择假设,检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。
(v)利用异方差-稳健标准误,重复第(iii)步和第(iv)步,并简要讨论任何明显的差异。
第11题
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上,每个解释变量都是统计显著的吗?
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少?它与math4的实际数据取值范围相比如何?
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差?对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项,检验它们的联合显著性。你会把它们放到模型中吗?
(v)回到第(i)部分中的模型,将因变量和每个解释变量都除以各自的样本标准差,并重新进行回归。(除非你还将每个变量分别减去了各自的均值,否则还应该包括一个截距项。)以标准差为单位,哪个解释变量对数学考试通过率具有最大的影响?