在例7.12中,我们估计了一个线性概率模型以说明一个年轻人在1986年是否被拘捕:(i)用OLS估计此模
在例7.12中,我们估计了一个线性概率模型以说明一个年轻人在1986年是否被拘捕:
(i)用OLS估计此模型, 并验证其全部估计值都严格地介于0和1之间。最大和最小的估计值各是多少?
(ii)像8.5节所讨论的那样,用加权最小二乘法估计这个方程。
(iii)用WLS估计值决定avgsen和tottie在5%的显著性水平上是否联合显著。
在例7.12中,我们估计了一个线性概率模型以说明一个年轻人在1986年是否被拘捕:
(i)用OLS估计此模型, 并验证其全部估计值都严格地介于0和1之间。最大和最小的估计值各是多少?
(ii)像8.5节所讨论的那样,用加权最小二乘法估计这个方程。
(iii)用WLS估计值决定avgsen和tottie在5%的显著性水平上是否联合显著。
第1题
(i)用虚拟变量demwins来代替教材(10.23)中的demvote,并用通常的格式报告结果。哪些因素影响获胜概率?请用截至1992年的数据。
(ii)有多少个拟合值小于0?有多少个拟合值大于1?
(iii)采用下面的预测规则:如果demwins>0.5,你就可以预测民主党会获胜;否则,共和党将获胜。那么,在这20次选举中,这个模型有多少次正确地预测了实际结果?
(iv)代入1996年的解释变量值。预测克林顿赢得这次选举的可能性有多大。事实上,克林顿获胜了,你的预测结果是否与事实相符?
(v)对误差中的AR(1)序列相关,做异方差-稳健:检验。你有何发现?
(vi)求出第(i)部分中估计值的异方差-稳健标准误。!统计量有什么明显的变化吗?
第2题
利用PNTSPRD.RAW中的数据。
(i)变量favwin是一个二值变量,在拉斯维加斯所押的球队胜出了预定的分数差时取值1。估计所押球队获胜概率的线性概率模型为
如果分数差包括了所有相关的信息,那我们预期β0=0.5。请解释。
(ii)用OLS估计第(i)部分的模型。相对于双侧备择假设检验H0:β0=0.5。同时使用通常的标准误和异方差一稳健的标准误。
(iii)spread在统计上显著吗?当spread=10时,被押球队获胜的估计概率是多少?
(iv)现在对P(favwin=Ilspread)估计一个概率单位模型。解释和检验截距项为0的虚拟假设。[提示:注意Φ(0)=0.5。]
(v)利用概率单位模型估计当spread=10时被押球队获胜的概率。并与第(iii)部分的LPM估计值相比较。
(vi)在概率单位模型中增加变量fuvhome、fav25和und25,并用似然比检验来检验这些变量的联合显著性。(x2分布中的自由度是多少?)解释这个结果,注意分数差是否包括了赛前可观测到的全部信息这个问题。
第3题
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。
第4题
使用PHILLIPS.RAW中的数据。
(i)教材例11.5中,我们估计了如下形式的附加预期的菲利普斯曲线:
其中。用OLS估计该方程时,我们假定供给冲击et与unemt不相关。如果这是错误的,关于βt的OLS估计量可做什么解释?
(ii)假定et在给定所有过去信息的条件下是不可预期的:
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unemt-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,并将之与教材例11.5中的OLS估计值进行比较。
第5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6题
第7题
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Xj变化1个单位时,“成功”的概率Pi的变化量为Pi(1-Pi)βj。如何解释这一结果?
第8题
(i) 估计一个将respond与resplast和avggift联系起来的线性概率模型。以通常的形式报告结果, 并解释变量resplast的系数。
(ii)过去捐助的平均水平看来会影响做出捐助响应的概率吗?
(iii) 在模型中增加变量propres p并解释其系数。(这里须注意, propresp增加1是最大可能变化。)
(iv) 在回归中增加propres p以后, resp last的系数有何变化?这讲得过去吗?
(v) 在模型中增加每年寄出邮件的数量mail year。它的估计影响有多大?为什么它不是邮件数量对响应的因果关系的一个较好的估计?
第10题
A.线性最小均方估计是无偏估计
B.线性最小均方估计也是最小方差无偏估计
C.任何情况下,线性最小均方等价于最大后验概率估计
D.当观测与被估计量是联合正态分布时,线性最小均方估计等价于最小均方估计
第11题
A.分析现存的医疗业务和健康结果的数据
B.提出一套相关的因果见解
C.把几个普遍的原则应用于一具体的情况
D.提出一个总的意见,然后用几个具体的例子来证实它