你也许观测过铱星闪光。请估计一下满月所产生的最亮的铱星闪光的大致亮度为()。
A.亮于-3等
B.0等左右
C.5等左右
D.暗于8等
A.亮于-3等
B.0等左右
C.5等左右
D.暗于8等
假设真实模型是,但你估计了。如果你利用Y在X=-3、-2、-1、0、1、2、3处的观测并估计了“不正确”的模型,这些估计值将出现什么偏误?
小明今年5岁了。一天妈妈对他说:“明明,在你满月时,你爸爸就参军了。刚才接到电话,你爸爸一会就到家。你长这么大,还没见过爸爸呢。”正说着,从外面进来三个解放军。“爸爸回来了”小明一下抱住他爸爸的腿。爸爸高兴地抱起小明。
问,小明从没见过爸爸的照片,三名解放军进来,为什么他一眼就认出了哪个是自己的爸爸?
其中,PRICEl表示门票价格(可能以真实价格度量,比如通过地区消费者价格指数进行平减),WINPERCl表示球队当前获胜的概率,RIVALl表示一个标志着比赛是否势均力敌的虚拟变量,而WEEKEND表示一个标志着球赛是否在周末进行的虚拟变量。I表示自然对数,所以这个需求函数具有常价格弹性。
(i)为什么在这个方程中有一个时间趋势是个好想法?
(ii)门票供给由体育馆的容量所固定;假定这个供给10年不变。这意味着供给的数量不随价格而变化。这意味着价格在这个需求方程中必然是外生变量吗?(提示:回答是否定的。)
(iii)假设门票的名义价格缓慢变化(如在每个赛季之初)。体育委员会部分基于上赛季的平均售票和该队上赛季的胜率来选择价格。在什么样的条件下,上个赛季的胜率(SEASt-1)是IPRICEt一个有效的工具变量?
(iv)在方程中包括男子篮球比赛的真实价格(的对数)看起来合理吗?请解释。经济理论预测其系数的符号是什么样的?你能想到另外一个与男子篮球相关而又属于女子观众方程的变量吗?
(v)如果你担心某些序列(特别是IATTEND和IPRICE)有单位根,你如何改变所估计的方程?
(vi)如果某些比赛的门票售空,这会导致估计需求方程出现什么问题?(提示:如果门票售空,你一定观察到真实需求了吗?)
A.确定性的
B.预算性的
C.数量级的
D.趋势分析统计
利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(ii)用FD估计第(i)部分中的方程,并检验不同时期的教育回报没有变化的原假设。
(iii)利用一个足够稳健的检验,也就是容许FD误差Δuir中存在任何形式的异方差和序列相关的检验,检验第(ii)部分中的假设。你的结论有变化吗?
(iv)现在,容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化,用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少?1987年呢?这个差别在统计上显著吗?
(v)检验工会关系差别在不同时期没有发生变化的原假设,并根据你对第(iv)部分的回答讨论你的结论。
(i)描述估计的滞后分布。gwage的哪一个滞后对gprice的影响最大?哪一个滞后的系数最小?
(ii)哪些滞后的:统计量小于2?
(iii)估计的长期倾向是多少?它与1有很大不同吗?解释本例中的LRP告诉了我们什么?
(iv)你将用什么样的模型来直接求出LRP的标准误?
(v)你将怎样检验gwage的6阶以上滞后的联合显著性?F分布的df是多少?(注意:你又失去了6个观测。)
A.45周
B. 70周
C. 90周
D. 140周
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?