(i)在计算机习题C10.7中,你估计了消费增长和可支配收入增长之间的一种简单关系。检验这个方程中
的AR(1) 序列相关(用CONSUMP RAW) 。
(ii)在计算机习题C11.7中,你通过消费的增长对其一期滞后的回归,检验了持久收入假说。在做这个回归之后,再通过残差平方对的回归来检验异方差。你有何结论?
有证据表明方程存在AR(1)序列相关性。
的AR(1) 序列相关(用CONSUMP RAW) 。
(ii)在计算机习题C11.7中,你通过消费的增长对其一期滞后的回归,检验了持久收入假说。在做这个回归之后,再通过残差平方对的回归来检验异方差。你有何结论?
有证据表明方程存在AR(1)序列相关性。
第1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2题
间和工作时间之间的取舍,并考察影响睡眠的其他因素:
其中,sleep和totwrk都以分钟/周为单位,而educ和age则以年为单位。(也可参见计算机习题C2.3。)
(i)如果成年人为工作而放弃睡眠,β1的符号是什么?
(ii)你认为β2和β3的符号应该是什么?
(iii)利用SLEEP75.RAW中的数据, 估计出来的方程是
如果有人一周多工作5个小时,预计sleep会减少多少分钟?这是一个很大的舍弃吗?
(iv)讨论educ的估计系数的符号和大小。
(v)你能说totwrk,educ和age解释了sleep的大部分变异吗?还有什么其他因素可能影响花在睡眠上的时间?它们与totwrk可能相关吗?
第3题
参考第3章习题14。现在,我们使用住房价格的对数作为因变量:
(i)你想在住房增加一个150平方英尺的卧室的情况下, 估计并得到price变化百分比的一个置信区间。以小数形式表示就是θ1=150β1+β2。使用HPRICE1.RAW中的数据去估计θ1。
(ii)用θ1和民β1表达β2,并代入log(price) 的方程。
(iii)利用第(ii)部分中的结果得到θ1的标准误,并使用这个标准误构造一个95%的置信区间。
第4题
(i)解释vote A 88的系数并讨论其统计显著性。
(ii)添加vote A 88对其他系数具有很大影响吗?
第5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6题
利用SLEEP 75.RAW中的数据(也可参见习题3.3) , 我们得到如下估计方程
变量sleep是每周晚上睡眠的总分钟数, ton work是每周花在工作上的总分钟数, educ和age则以年为单位,而male是一个性别虚拟变量。
(i)所有其他因素不变,有没有男性比女性睡眠更多的证据?这个证据有多强?
(ii)工作与睡眠之问有统计显著的取舍关系吗?所估计的取舍关系是什么样的?
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个虚拟假设,你还需要另外做什么回归?
第7题
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上,相对一个双侧备择假设,β统计显著异于零吗?在1%的显著性水平上呢?
(ii)log(income)和prppov的相关系数是多少?每个变量都是统计显著的吗?报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告的双侧p值。
(iv)在第(ii)部分的回归中,log(income)和prppov的个别统计显著性有何变化?这些变量联合显著吗?(计算一个p值。)你如何解释你的答案?
(v)给定前面的回归结果,在确定一个地区的种族构成是否影响当地快餐价格时,你会报告哪一个结果才最为可靠?
第8题
在教材例10.6中,我们估计了费尔预测美国总统选举结果的一个模型的变型。
(i)对于这个方程中的误差项序列无关,你有何论据?(提示:总统选举多长时间进行一次?)
(i)在将教材(1023)的OLS残差对滞后残差进行回归时,得到p=-0068和sep)=0.40。你对ut中的序列相关有何结论?
(iii)在检验序列相关时,这个应用中的小样本容量会令你不放心吗?
第9题
在例10.6中,我们估计了费尔预测美国总统选举结果的一个模型的变型。
(i)对于这个方程中的误差项序列无关,你有何论据?(提示:总统选举多长时间进行一次?)
(ii) 在将式(10.23) 的OLS残差对滞后残差进行回归时, 得到p=-0.068和sc(p)=0.240。你对u, 中的序列相关有何结论?
(iii)在检验序列相关时,这个应用中的小样本容量会令你不放心吗?
第10题
利用INJURY.RAW中的数据。
(i)使用肯塔基州的数据,增加male,married以及全套行业和工伤类型虚拟变量作为解释变量,重新估计教材方程(13.12)。在控制了这些其他因素后,afchnge·highearn的估计值有何变化?这个估计值仍然统计显著吗?
(ii)你对第(i)部分中较小的R²有什么可说的?这是否意味着这个方程无用呢?
(iii)用密歇根州的数据估计教材方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗?你对此如何解释?
第11题
在第3章的习题3中,我们估计了一个方程,来检验一个随机样本中每个人每周花在睡眠上的分钟数(sleep)和每周花在工作上的分钟数(totwork)之间的替代关系。方程中还包括受教育程度和年龄。由于sleep和totwork是每个人同时选择的,所估计的睡眠和工作之间的交替关系会遭到“联立性偏误”的批评吗?请解释。