题目内容
（请给出正确答案）
利用VOLAT.RAW中的数据。变量rsp500是标准普尔500股票指数的月回报，以年回报率表示。(既包括价格变动带来的收益，也包括分得的红利。)变量i3是三月期国债的收益率，pcip是工业生产的百分比变化，这些也都以年率表示。
(i)考虑方程
你认为β1和β2应该有什么样的符号？
(ii)用OLS估计上述方程，用标准格式报告结果，并解释系数的符号和大小。
(iii)哪些变量是统计显著的？
(iv)你在第(iii)部分中的结论是否意味着从标准普尔500中获得的收益是可预测的？说明理由。
如果结果不匹配，请 联系老师 获取答案
更多“利用VOLAT.RAW中的数据。变量rsp500是标准普尔5…”相关的问题
利用VOLAT.RAW中的数据。
(i)估计pcip的一个AR(3)模型。然后再加入一个四阶滞后，并证明它是非常不显著的。
(ii)在第(i)部分的AR(3)模型中，添加pcsp的三个滞后来检验pcsp是否是pcip的格兰杰原因。小心陈述你的结论。
(iii)在第(ii)部分的模型中，添加三月期国库券利率i3变化量的3阶滞后。以过去Δi3为条件，pcsp是pcip的格兰杰原因吗？
利用BARIUM.RAW中的数据。
(i)在方程(10.22)中增加一个线性时间趋势。除了趋势变量以外的其他变量是统计上显著的吗？
(ii)在第(i)部分估计的方程中，检验除了时间趋势以外所有其他变量的联合显著性。你能得到什么结论？
(iii)在这个方程中添加月度虚拟变量，以检验季节性。增加月度虚拟变量对其他估计值及其标准误有重要影响吗？
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？
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。]
数据。变量gwage232是232部门平均工资的月增长率(以对数形式变化)，getup232是232部门的就业增长率，gmwage是联邦最低工资的增长率，而gcpi是(城市)消费者价格指数的增长率。
(i)将变量gwage232对gmwage和gCPI进行回归。你认为βgmwage的符号和大小合理吗？请加以解释。gmwage在统计上显著吗？
(ii)在第(i)部分的方程中增加gmwage的1至12阶滞后变量。为了估计第232部门中最低工资的增加对平均工资增长率的长期影响，你认为有必要包括这些滞后变量吗？请加以解释。
(iii)将变量getup232对gmwage和gcpi进行回归。最低工资增长看起来对同期的getup232有影响吗？
(iv)在就业增长方程中增加gmwage的1至12阶滞后变量。在短期或长期中，最低工资的提高对就业增长具有统计显著的影响吗？请加以解释。
利用SLEEP75.RAW中的数据
变量sleep是每周晚上睡眠的总分钟数，totwork是每周花在工作上的总分钟数，educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之间有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个原假设，你还需要另外做什么回归？
利用TWOYEAR.RAW中的数据。
(i)变量stotal是一项标准化测试变量，可用作无法观测的能力的代理变量。求stotal的样本均值和标准差。
(ii)做警察和univ对stotal的简单回归。两个大学教育变量都与stotal统计相关吗？请解释。
(iii)在教材方程(4.17)中增加stotal，并检验二年制大专和四年制大学教育具有相同回报的假设，备择假设是四年制大学的回报更高。你的结论与4.4节中的结论有何区别？
(iv)在第(iii)部分估计的方程中增加stotal2。测试分数变量的二次项有必要吗？
(v)在第(iii)部分的方程中增加stotal·警察和stotal·univ。这两项联合显著吗？
(vi)你通过使用stotal而控制能力变量的最终模型是什么？说明你的理由。
利用FERTIL2.RAW中的数据。解释存活儿童数的一个简单模型是：
其中，解释变量是女性接受教育的年限，年龄(以年表示)及分别表示女性家是否有电和电视机的二元变量。
(i)用OLS估计该方程并用通常的形式报告结果。讨论变量eletric和tv的系数和统计显著性。
(ii)城市居民和非城市居民在生育率上有区别吗？请解释。
(ii)现在对城市居民和非城市居民分别估计方程(当然，解释变量要去掉urban)。除了截距以外，其他系数有明显区别吗？
(iV)允许城市居民和非城市居民截距项不同，在原假设下得到邹至庄统计量。你能得到什么结论？[提示：你在检验5个限制条件，SSR从第(ii)部分和第(iii)部分中很容易得到。]
