题目内容
（请给出正确答案）
在第3章的习题3中，我们估计了一个方程，来检验一个随机样本中每个人每周花在睡眠上的分钟数(sleep)和每周花在工作上的分钟数(totwork)之间的替代关系。方程中还包括受教育程度和年龄。由于sleep和totwork是每个人同时选择的，所估计的睡眠和工作之间的交替关系会遭到“联立性偏误”的批评吗？请解释。
如果结果不匹配，请 联系老师 获取答案
更多“在第3章的习题3中，我们估计了一个方程，来检验一个随机样本中…”相关的问题
现在，我们用它估计一个鱼肉需求函数。
(i)假定每个时期均衡的鱼肉需求方程可写成
所以容许需求在一周中的每一天都有所不同。把价格变量视为内生的，一致地估计需求方程参数还需要什么额外信息？
(ii)变量wave2t和wave3t度量了过去几天的海浪高度。为了在估计需求方程时将wave2t和wave3t用作log(avg prct)的Ⅳ，我们还需要哪两个假定？
(iii)将log(avg prct)对周工作日虚拟变量和两个浪高指标进行回归。wave 2t 和wave 3t 联合显著吗？这个检验的p值是多少？
(iv)现在，用2SLS估计需求方程。需求价格弹性的95%置信区间是什么？所估计的弹性合理吗？
(vi)给定供给方程明显取决于海浪变量，为了估计供给价格弹性，我们需要哪两个假定？
(vii)在log(avg prc) 的约简型方程中，周工作日虚拟变量联合显著吗？你对能够估计供给弹性有何结论？
(i)利用WAGEPRC.RAW中的数据，估计第11章习题5中的分布滞后模型。用回归教材(12.14)来检验AR(1)序列相关。
(ii)用迭代的科克伦-奥卡特方法重新估计这个模型。长期倾向的新估计值是多少？
(iii)用迭代C0求出LRP的标准误。(这要求你估计一个修正方程。)判断LRP估计值在5%的水平上是否统计显著异于1？
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。
其中，因为滞后支出变量，第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型， 并报告通常的标准误。为使得ai的期望值可以非零， 你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差
。
(ii)lunchit系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？
(iii)利用
的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994~1998年的数据。验证存在很强的正序列相关，并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？
(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？
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)用加权最小二乘法估计这个方程。
(iii)用WLS估计值决定avgsen和tottime在5%的显著性水平上是否联合显著。
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？
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。
关。
(ii)用迭代的科克伦-奥卡特方法重新估计这个模型。长期倾向的新估计值是多少？
(iii)用迭代C0求出LRP的标准误。(这要求你估计一个修正方程。) 判断LRP估计值在5%的水平上是否统计显著异于1？
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧备择假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告
的双侧p值。
(iv)在第(ii)部分的回归中，log(income)和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个地区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
