考虑如下解释每月啤酒消费量的线性模型： 写出将它变换成一个具有同方差误差的方程。

在方程(10.8)所给的线性模型中，如果解释变量满足。于是， 在给定解释变量的当期值和所有过去值时， 误差是无从预测的，那么，它就被称为序列外生的(有时又被称为弱外生的)。

(i)请解释为什么严格外生性意味着序列外生性？

(ii)请解释为什么序列外生性意味着同期外生性？

(iii)在序列外生假定下， OLS估计量通常是无偏的吗？请解释。

(iv)考虑用一个州、一个教区或一个省人均避孕套使用量的分布滞后来解释艾滋病感染比率的一个如下模型：

请解释为什么这个模型满足序列外生性假定。它看上去也满足严格外生性假定吗？

在对数单位模型中，直观地看，估计的是如下线性模型：

试证明：当X_j变化1个单位时，“成功”的概率P_i的变化量为P_i(1-P_i)β_j。如何解释这一结果？

有人根据美国1961年第一季度至1977年第二季度的季度数据，得到了如下的咖啡需求函数的回归方程：

lnQ？t=1.28-0.16P_t+0.51lnI_t+0.15lnP'_t-

(-2.14) (1.23) (0.55)

0.01T-0.10D_1t-0.16D_2t-0.01D_3t

(3.36)(-3.74) (-6.03) (-0.37)

R²=0.80

其中，Q为人均咖啡消费量(单位：磅)，P为咖啡的价格(以1967年价格为不变价格)，P'为茶的价格(1/4磅，以1967年价格为不变价格)，T为时间趋势变量(1961年第一季度为1……1977年第二季度为66)；

回答下列问题：

(1) 模型中P、I和P？系数的经济含义是什么？

(2) 咖啡的价格需求是否很有弹性？

(3) 咖啡和茶是互补品还是替代品？

(4) 如何解释时间变量T的系数？

(5) 如何解释模型中虚拟变量的作用？

(6) 哪一个虚拟变量在统计上是显著的(0.05)？

(7) 咖啡的需求是否存在季节效应？

A.解释变量之间不存性关系

B.随机误差项的均值为1

C.随机误差项之间是不独立的

D.随机误差项的方差是常数

考虑消费关于总收入的如下形式的函数：

C=α+βYy+μ

如果γ≠1，则模型成为非线性函数。给出表8-22的资料，试以非线性OLS法估计该模型，并与可化为线性函数的OLS估计相比较。

A.回归参数

B.解释变量

C.被解释变量

D.剩余项

利用401KSUBS.RAW中的数据。我们感兴趣的方程是一个线性概率模型

这里的目标是要检验参与一项401(k)计划与拥有一个个人退休金账户(IRA)是否有替换关系。因此，我们想估计β₁。

(i)用OLS估计方程，并讨论p401k的估计影响。

(ii)为了估计这两种不同类型的退休储蓄计划在其他条件不变情况下的替换关系，使用普通最小二乘法可能存在什么问题？

(iii)变量e401k是一个二值变量，并在一个工人有资格参与一项401(k)计划时取值1。解释欲使e401k成为p401k的一个有效Ⅳ所需要的条件。这些假定看起来合理吗？

(iv)估计p401k的约简型方程，并验证e401k与p401k具有显著的偏相关。因为约简型也是一个线性概率模型，所以使用一个异方差-稳健的标准误。

(v)现在，用Ⅳ估计结构方程，并将β1的估计值与OLS估计值相比较。你同样应该到异方差-稳健的标准误。

(vi)利用一个异方差-稳健的检验，检验如下虚拟假设：p401k实际上是外生的。

A.20．8％

B.35．0％

C.42．0％

D.62．4％