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1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
并以常用形式报告结论。不必担心通常的OLS标准误因a,的出现而不适当。你估计出了死刑的威慑效应吗?
(ii)计算FD估计值(只使用1990~1993年的差分;在FD回归中,你应该有51个观测)。现在,你对威慑效应有何结论?
(iii)在第(ii)部分的FD回归中,求残差的布罗施-帕甘回归,并计算异方差性的F检验。同样做怀特检验的特殊情形[即将对回归,其中拟合值得自第(ii)部分]。你对FD方程中的异方差性有何结论?
(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Aexec;的哪个统计量更值得信赖,是通常的:统计量还是异方差-稳健的!统计量?为什么?
第2题
利用MURDER.RAW中有关谋杀率和死刑的州一级数据。
(i)考虑非观测效应模型
其中,θt无非表示不同年份的截距,而ai表示各州的非观测效应。如果过去对被判谋杀者的死刑有某种威慑作用,那么民,的符号应该是正是负?你认为β2应该有什么样的符号?请解释。
(ii)仅利用1990年和1993年的数据,用混合OLS估计第(i)部分中的方程。忽略复合误差中的序列相关问题。你发现威慑效应的证据了吗?
(iii)利用1990年和1993年的数据,再用固定效应法估计方程。既然只用两年数据,所以你或许可以利用一阶差分。现在,有威慑效应的证据吗?有多强?
(iv)计算第(iii)部分中估计的异方差-稳健标准误。利用一阶差分最容易吗?
(v)找出1993年死刑变量取值最大的州。(变量exec是1991年、1992年和1993年执行死刑的总人数。)这个数值比第二高的值大多少?
(vi)在分析中去掉得克萨斯,利用一阶差分估计方程。计算通常和异方差-稳健的标准误。现在有什么结论,为什么?
(vii)利用所有三年数据,并用固定效应法估计模型。在分析中包含得克萨斯。与仅使用1990年和1993年数据的估计相比,讨论威慑效应的大小和统计显著性。
第3题
(i)有多少个州在1991年、1992年和1993年中至少处决了一个犯人?哪个州处决得最多?
(ii)利用1990年和1993两年的数据,做一个mrdrte对d93、exec和unem的混合回归。你如何解释exec的系数?
(iii)仅利用从1990到1993年的变化(对总共51个观测值),用OLS估计以下方程
并以通常的形式报告结果。现在,处以死刑是否看起来具有威慑作用?
第5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6题
本题利用HPRICE1.RAW中的数据。
(i)估计模型
并以通常的OLS格式报告结论。
(ii)当lotsize=20000,scrft=2500和bdrms=4时,求出log(price) 的预测值。利用6.4节中的方法,在同样的解释变量值的情况下,求出price的预测值。
(iii)就解释price中的变异而言,决定你是偏好第(i)部分中的模型,还是偏好模型
第7题
本题利用LOANAPP.RAW中的数据。
(i)估计计算机习题C7.8第(iii) 部分中的方程, 计算其异方差-稳健的标准误。将的95%的置信区间与非稳健的置信区间相比较。
(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0?有没有哪个估计值大于1?而这些情况对加权最小二乘估计的应用意味着什么?
第8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9题
本题使用VOTEI.RAW中的数据。
(i)估计一个以vote A为因变量并以prtystrA、democA、log(expend A) 和
(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。
(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强?
第10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11题
本题利用MEAP93.RAW中的数据。
(i) 估计模型math10=β0+β1log(expend)+β2Inchprg+u,并按照通常的方式报告估计方程,包括样本容量和R2。斜率系数的符号与你的预期一致吗?请加以解释。
(ii)你如何理解第(i)部分中估计出来的截距?特别是,令两个解释变量都等于零说得过去吗?[提示:记住log(1)=0。]
(i)现在做math10对log(expend)的简单回归, 并将斜率系数与第(i)部分中得到的估计值进行比较。与第(i)部分中的结果相比,这里估计出来的支出效应是更大还是更小?
(iv)求山lexpend=log(expend)与Inchprg之间的相关系数。你认为其符号合理吗?
(v)利用第(iv)部分的结果来解释你在第(iii)部分中得到的结论。