题目内容
（请给出正确答案）
[主观题]
在例4.4中，我们针对一个大学样本，估计了一个联系校园犯罪与学生注册人数的模型。由于很多学校在
1992年都没有报告其校园犯罪数据，所以我们所使用的样本并不是美国大学的一个随机样本。你认为大学没有报告校园犯罪可被视为外生的样本选择吗？请解释。
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
更多“在例4.4中，我们针对一个大学样本，估计了一个联系校园犯罪与…”相关的问题
在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。
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。
假设你对估计大学一年级每周花在学习上的小时数(study)对平均成绩(gpa)的影响感兴趣。
(i)在这样的上下文中需要一个什么样的控制实验？这样的实验看起来是否可行？
(ii)考虑一个更加实际的情形，即由学生选择每周在学习上花多少时间，而你只能随机地从总体中抽出gpa和study两个变量(在一年的学习结束后)。将总体模型写作如下形式：gpa=β0+β1study+u。其中，与通常带截距的模型一样，我们可以假设E(u)=0。列举至少两个u中包含的因素。这些因素是否与study成正相关或负相关？
(iii)如果上一问的等式中的因果关系成立，那么在(ii)的方程中，β1的符号应该是正还是负？
(iv)在(ii)的方程中，β0该如何解释？
使用PNTSPRD.RAW中的数据。
(i)变量sprdcvr是一个二值变量，若在大学篮球比赛中实际分数差距超过拉斯维加斯让分，则此变量取值1。sprdcvr的期望值(比方说u)表示在一场随机抽取的比赛中分差超过让分的概率。在10%的显著性水平上相对于H1:μ≠0.5检验H0:μ=0.5，并讨论你的结果。(提示：将sprdcvr只对一个截距项进行回归便得到一个r统计量，利用这个统计量很容易完成。)
(ii)553个样本中有多少场比赛是在中立场地进行的？
(iii)估计线性概率模型
并以通常的形式报告结论。(报告通常的标准误和异方差-稳健的标准误。)哪个变量在实际上和统计上都是最显著的？
(iv)解释为什么在原假设
下，模型中不存在异方差性。
(v)利用通常的F统计量检验第(iv)部分的原假设，你得到了什么结论？
(vi)给定上述分析，你会不会认为，利用赛前可利用的信息，有可能系统地预测拉斯维加斯让分能否实现？
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？
(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii) 现在， 针对模型
在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
考虑例4.3中的估计方程，这个方程可以被用来研究缺课对大学平均成绩的影响：
(i)利用标准正态近似，求出
在置信水平为95%时的置信区间。
(ii)相对于双侧对立假设，你能在5%的显著性水平上拒绝假设H0：=0.4吗？
(iii)相对于双侧对立假设，你能在5%的显著性水平上拒绝假设H0：=1吗？
利用BARIUM.RAW中的数据。
(i)用前119次观测(即不包含1988年的最后12个月观测)，估计线性趋势模型
。这个回归的标准误是什么？
(ii)同样用除了最后12个月以外的所有数据，估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合？
(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言，哪种方法效果更好？
(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗？(当我们检验联合显著性时，不必担心误差中轻度的序列相关。)
(i)一个学区中学校的最多数量和最少数量是多少？每个学区的学校平均数量是多少？
(ii)利用混合OLS(即将所有1848个学校混合在一起)，估计一个将lavgsal与bs，lenrol，lstaff和lunch相联系的模型：也参见第9章的计算机练习C11。bs的系数和标准误是多少？
(iii)求对学区内聚类相关(和异方差性)保持稳健的标准误。bs的t统计量有何变化？
(iv)去掉bs＞0.5的四个观测，仍用混合OLS，求出βbs及其聚类稳健标准误。现在，薪水与福利之间的替代关系，有更多的证据吗？
(v)容许一个学区内的学校存在一个共同的学区效应，用固定效应法估计这个方程。再次去掉bs＞0.5的四个观测，现在，你对薪水与福利之间的替代关系有何结论？
(vi)根据你在第(iv)部分和第(v)部分的估计值，讨论通过学区固定效应而容许教师的薪酬在不同学区系统变化的重要性。
利用GPA2.RAW中有关4137名大学生的数据，用OLS估计了如下方程：
colgpa=1.392-0.0135hsperc+0.00148sat
n=4137,R2=0.273
其中,colgpa以四分制度量,hsperc是在高中班上名次的百分位数(比方说,hsperc=5,就意味着位于班上前5%之列),而sat是在学生能力测验中数学和语言的综合成绩。
(i)为什么hsperc的系数为负也讲得通？
(ii)当hsperc=20和sat=1050时，大学GPA的预测值是多少？
(iii)假设两个在高中班上具有同样百分位数的高中毕业生A和B,但A学生的SAT分数要高出140分(在样本中相当于一倍的标准差),那么,预计这两个学生的大学GPA相差多少？这个差距大吗？
(iv)保持hsperc不变，SAT的分数相差多少，才能导致预测的colgpa相差0.50或四分制的半分？评论你的结论。
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_，取何值时最小？这个方差是多少？
(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差？请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？
)与每个学生的平均支出(expend) 之间的关系。
(Ⅰ)就多花一美元对通过率的影响而言，你认为具有恒定不变的影响合适呢，还是这种影响越来越小更合适？请加以解释。
(Ⅱ) 在总体模型math10=β0+β1log(expend)+u中，证明民β1/10表示expend提高10%导致math10改变的百分数。
(II) 利用MEAP 93.RAW中的数据， 估计(Ⅱ) 中的模型.按照通常的方式报告估计方程， 包括样本容量和及R2。
(Ⅳ)支出的估计影响有多大？也就是说， 如果支出提高10%， 估计math10会提高多少个百分点？
(Ⅴ)有人担心这个回归分析可能得到math10的拟合值会超过100。为什么在这个数据集中不必担心这个问题？
