题目内容
（请给出正确答案）
(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？
如果结果不匹配，请 联系老师 获取答案
更多“考虑教材例10.6中那种形式的费尔模型。现在，我们不去预测民…”相关的问题
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？
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。
(i)将每个δj的公式代入分布滞后模型，并把它写成用γh表示的模型，h=0，1，2。
(ii)解释你用来估计γh的回归方程。
(iii)上面的多项式分布滞后模型是一般模型的一个约束形式。它受到了多少个约束？你如何来检验它们？(提示：用F检验。)
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？
这种可能性，利用NYSE.RAW中的数据估计
用标准格式报告结果。
(ii)陈述并检验E(returnt，Ireturnt-1)不取决于returnt-1这一虚拟假设。(提示：这里要检验两个约束。)你有何结论？
(iii)从模型中去掉returnt-1，但增加交互作用项returnt-1，returnt-2。再来检验有效市场假设。
(iv)基于过去股票收益进行股票每周收益的预测，有何结论？
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？
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？
考虑简单回归模型
y=β0+β1x+u
令z为x的二值工具变量。运用教材(15.0)，证明Ⅳ估计量β1可以写成：
的那部分样本中yi和xi的样本平均值，而
的样本平均值。该估计量称为群组估计量，它是由沃德(Wald，1940)最先提出。
