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）
利用CRIME4.RAW。
(i)使用固定效用法而不是差分法重新估计教材例13.9中关于犯罪的非观测效应模型。系数的符号和大小有什么明显变化？其统计显著性又怎样？
(ii)在数据集中添加每个工资变量的对数，再用固定效用法估计模型。添加这些变量如何影响第(i)部分有关司法变量的系数？
(iii)第(ii)部分的工资变量都带有所预期的符号吗？请解释。它们是联合显著的吗？
答案
更多“利用CRIME4.RAW。 (i)使用固定效用法而不是差分法重新估计教材例13.9中关于犯罪的非观测效应模”相关的问题
第1题
教材例13.9并利用CRIME4.RAW中的数据。
(i)假定你在做差分以消除非观测效应后，认为Alog(polpc)与Alog(crmrte)是同时决定的;特别是犯罪的增加与警察人数的增加有关。这对解释教材方程(13.33)中Alog(polpc)的正系数有何帮助？
(ii)变量taxpc表示全县人均征税量。将它排除在犯罪方程之外看上去合理吗？
(iii)在包括了潜在的工具变量Alog(taxpc)后，利用混合OLS估计Alog(polpc)的约简型。Alog(taxpc)看起来是一个很好的备选ⅣV吗？
(iv)假设在几年后，北卡罗来纳州资助某些县扩大其警察规模。你如何利用这个信息估计增加的警察对犯罪率的影响？
第2题
使用CRIME4.RAW。
(i)在数据集中增加每个工资变量的对数，然后用一阶差分估计模型。问这些变量的引入如何影响教材例13.9中那些司法变量的系数？
(ii)第(i)部分中的工资变量全部都有预期的符号吗？它们是联合显著的吗？试解释。
第3题
参考例13.9并利用CRIME4.RAW中的数据。
(i)假定你在做差分以消除非观测效应后， 认为
log(pol pc)与log(crm rte) 是同时决定的; 特别是犯罪的增加与警察人数的增加有关。这对解释方程(13.33)中log(pol pc) 的正系数有何帮助？
(ii)变量tca pc表示全县人均征税量。将它排除在犯罪方程之外看上去合理吗？
(iii)在包括了潜在的工具变量log(tap c)后， 利用混合OLS估计log(pol pc) 的约简型。log(tax pc) 看起来是一个很好的备选IV吗？
(iv)假设在几年后，北卡罗来纳州资助某些县扩大其警察规模。你如何利用这个信息估计增加的警察对犯罪率的影响？
第5题
A.0.007MPa
B.0.008MPa
C.0.009MPa
D.0.010MPa
第7题
程序员利用系统调用打开I／O设备时，通常使用的设备标志是()。
A．逻辑设备名
B．物理设备名
C．主设备号
D．从设备号
第8题
(i)利用一个2SLS程序估计
其中，sibs是educ的IV。以通常形式报告结果。
(iii)现在，使用如下两步法，它不仅得到βi不一致的参数估计值，以及不那么一致的标准误。第一步，将educi仅对sibsi作回归，并得到拟合值educi。(注意，这是一个不正确的第一阶段回归。)然后，在第二步，做log(wagei)对educi、experi、terurei和balcki，i=1，···，n的回归。从这个不正确的两步法中得到的教育回报估计值与正确的2SLS估计值相比如何？
第9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10题
本题使用HTV.RAW中的数据。
(i)基于整个样木， 利用解释变量educ、abil、exper、nc、west、south和urban， 利用OLS估计log(wage)的一个模型。报告教育的估计回报及其标准误。
(ii)现在， 仅利用educ＜16的人群来估计第(i) 部分中的方程。样本损失了多大的比例？现在， 多读一年书的估计回报是多少？它与第(i)部分中的结果相比如何？
(iii)现在， 去掉所有wage≥20的观测， 于是， 样本中剩下每个人每小时工资都不足20美元。做第(i) 部分中的回归， 并评论educ的系数。(由于正常的断尾回归模型都假定y是连续的， 所以理论上我们去掉wage≥20还是去掉wage＞20都无所谓。但在这个应用研究中， 由于有些人正好每个小时挣20美元， 所以二者略有差异。)
(iv)利用第(ii) 部分中的样本， 应用断尾回归[上断点为log(20) ] .假定第(i) 部分中得到的估计值是一致的，这个断尾回归能够重新得到整个总体中的教育回报估计值吗？
第11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？
