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
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?
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?
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?
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。
A.分泌粘液粘在石头上
B.用吸盘吸在石头上
C.产生纤维,利用纤维固定在岩石上
D.使用固着器
A.分泌粘液粘在石头上
B.用吸盘吸在石头上
C.产生黏性蛋白纤维,利用纤维固定在岩石上
D.使用固着器
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?
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?
使用TRAFFIC2.RAW中的数据。
(i)做prcfat对一个线性时间趋势、月份虚拟变量及变量wkends,unem,spdlaw和beltlw的OLS回归。利用教材方程(12.14)中的回归检验误差中的AR(1)序列相关。使用假定了严格外生回归元的检验说得过去吗?
(ii)利用尼威-韦斯特估计量中的4阶滞后,求spdlaw和beltlaw系数的序列相关和异方差-稳健标准误。这将如何影响这两个政策变量的统计显著性?
(iii)现在,利用迭代普莱斯-温斯顿程序估计模型,并将估计值与OLS估计值进行比较。政策变量的系数或统计显著性有重大变化吗?
本题利用JTRAIN3.RAW中的数据。
(i)估计简单回归模型并用常用格式报告结论。基于这个回归,1976年和1977年的工作培训看上去对1978年的真实劳动工资有正的影响吗?
(ii)现在使用真实劳动工资的变化cre=re 78-re 75作为因变量。(由于我们假定1975年之前没有工作培训,所以我们没有必要对train进行差分。也就是说,如果我们定义ctrain=train 78-train75, 那么,由于train75=0,所以ctran=train78。)现在,培训的估计影响有多大?讨论它与第(i)部分估计值的比较。
(iii)利用通常的OLS标准误和异方差-稳健标准误求培训效应的95%置信区间,并描述你的结论。
使用VOTE1.RAW中的数据。
(i)估计一个以voteA为因变量并以prystrA、deocA、log(expendA)和log(expendB)为自变量的模型。得到OLS残差,并将这些残差对所有的自变量进行回归。解释你为什么得到R2=0。
(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?