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
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10.6中,我们估计了费尔预测美国总统选举结果的一个模型的变型。
(i)对于这个方程中的误差项序列无关,你有何论据?(提示:总统选举多长时间进行一次?)
(ii) 在将式(10.23) 的OLS残差对滞后残差进行回归时, 得到p=-0.068和sc(p)=0.240。你对u, 中的序列相关有何结论?
(iii)在检验序列相关时,这个应用中的小样本容量会令你不放心吗?
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?
在检验教材例18.5中gfr和pe之间的协整过程中,在教材方程(18.32)中添加t2并求出OLS残差。在增广DF中包含一阶滞后。新的结论是什么?这个检验的5%临界值是-4.15。
在例9.1中,我们narr86在的一个线性模型中增加二次项pcrv2、ptime86²和inc 862。
(i)利用CRIME L RAW中的数据, 在例17.3的泊松回归中同样增加这些项。
(ii)根据估计 。数据存在过度散布的证据吗?该如何调整泊松极大似然估计标准误?
(iii)利用第(i)部分和第(ii)部分的结论及教材表17.3,计算这三个平方项联合显著性的准似然比统计量。你得到什么结论?
本题使用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例13.9中那些司法变量的系数?
(ii)第(i)部分中的工资变量都有预期的符号吗?它们是联合显著的吗?试解释。
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。
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?
(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?