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）
在例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL 3.RAW中的数据来检验误差中是否存在AR(1) 序列相关。
答案
更多“在例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：利用FERTIL 3.RAW中的数据来检验误”相关的问题
第1题
在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。
第2题
利用PHILLIPS.RAW中的数据，但只到1996年。
(i)在教材例11.5中，我们假定自然失业率是常数。在另一种形式的附加预期的菲利普斯曲线中，自然失业率受历史失业水平的影响。最简单的情况是，t时期的自然失业率与unemt-1，相等。如果我们假定适应性预期，便得到一个通货膨胀和失业率都是一阶差分形式的菲利普斯曲线：
估计这个模型，以常见格式报告结果，并讨论β1的符号、大小和统计显著性。
(ii)教材(11.19)和第(i)部分中的模型，哪一个对数据拟合得更好？说明理由。
第3题
(i)考虑静态非观测效应模型
其中，enrolit表示学区总注册学生人数，lunchit表示学区中学生有资格享受学校午餐计划的百分数。(因此lunchit是学区贫穷率的一个相当好的度量指标。)证明：若平均每个学生的真实支出提高10%，则math4it约改变β1/10个百分点。
(ii)利用一阶差分估计第(i)部分中的模型。最简单的方法就是在一阶差分方程中包含一个截距项和1994~1998年度虚拟变量。解释支出变量的系数。
(iii)现在，在模型中添加支出变量的一阶滞后，并用一阶差分重新估计。注意你又失去了一年的数据，所以你只能用始于1994年的变化。讨论即期和滞后支出变量的系数和显著性。
(iv)求第(iii)部分中一阶差分回归的异方差-稳健标准误。支出变量的这些标准误与第(iii)部分相比如何？
(v)现在，求对异方差性和序列相关都保持稳健的标准误。这对滞后支出变量的显著性有何影响？
(vi)通过进行一个AR(1)序列相关检验，验证差分误差rit=Δuit含有负序列相关。
(vii)基于充分稳健的联合检验，模型中有必要包含学生注册人数和午餐项目变量吗？
第4题
其中pop是城市人口，avginc是平均收入，而petstu是学生人口占城市人口的百分数(按学年计算)。
(i)用混合OLS估计方程并按标准方式报告结果。你如何理解1990年虚拟变量的估计值？你得到βpctstu是多少？
(ii)你在第(i)部分中报告的标准误是否真实？请解释。
(iii)现在，将方程差分并用OLS估计。把你对βpctstu的估计值和第(ii)部分进行比较。学生人口的相对规模对房租有影响吗？
(iv)对第(ii)部分中的一阶差分方程求异方差-稳健的标准误。这是否改变了你的结论？
第5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。
第6题
第9题
(i)利用表13-1中同样的变量估计kids的一个泊松回归模型。解释y82的系数。
(ii)保持其他因素不变，黑人妇女和非黑人妇女在生育上的估计百分数差异是多少？
(iii)求σ。有过度散布和散布不足的证据吗？
(iv)计算泊松回归中的拟合值和作为kidsi和kidsi之相关系数平方的R2。并与线性回归模型中的R2相比较。
第10题
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_，取何值时最小？这个方差是多少？
(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差？请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？
第11题
)与每个学生的平均支出(expend) 之间的关系。
(Ⅰ)就多花一美元对通过率的影响而言，你认为具有恒定不变的影响合适呢，还是这种影响越来越小更合适？请加以解释。
(Ⅱ) 在总体模型math10=β0+β1log(expend)+u中，证明民β1/10表示expend提高10%导致math10改变的百分数。
(II) 利用MEAP 93.RAW中的数据， 估计(Ⅱ) 中的模型.按照通常的方式报告估计方程， 包括样本容量和及R2。
(Ⅳ)支出的估计影响有多大？也就是说， 如果支出提高10%， 估计math10会提高多少个百分点？
(Ⅴ)有人担心这个回归分析可能得到math10的拟合值会超过100。为什么在这个数据集中不必担心这个问题？
