题目内容
（请给出正确答案）
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11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)第10章的计算机练习C11第(vi)部分中的回归。]
如搜索结果不匹配，请 联系老师 获取答案
更多“利用TRAFFIC2.RAW中的数据。 （i)计算变量pre…”相关的问题
第1题
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。]
第2题
本题利用PHILLIPS.RAW中的数据。现在你应该使用56年的数据。
(i)重新估计方程(11.19)，并以通常格式报告结果。当你增加近几年的数据之后，截距和斜率估计值有明显变化吗？
(ii)求自然失业率的新估计值。将这个新估计值与例11.5中的估计值进行比较。
(iii)计算unem的一阶自相关系数。按照你的观点， 单位根接近于1吗？
(iv)利用A mem取代unem作为解释变量。哪个解释变量具有更高的R？
第3题
利用HSEINV.RAW中的数据。
(i)求出log(inypc)中的一阶自相关系数，然后再求log(nypc)除掉线性趋势后的自相关。对log(price)做相同的计算。这两个序列中的哪个可能有单位根？
(ii)基于第(i)部分的结论估计方程：
并以标准形式报告结果。对系数β1作出解释，并判断它是否统计显著。
(iii)除掉log(iypc)的线性趋势，然后在第(ii)部分的回归方程中使用除趋势的因变量(见教材10.5节)，R2有何变化？
(iv)现在用Δlog(invpc1)作因变量。结果与第(ii)部分相比有何不同？时间趋势还是显著的吗？为什么是或不是？
第4题
本题利用HSE IN V.RAW中的数据。
(i)求出log(in vpc) 中的一阶自相关系数， 然后再求log(im pc) 除掉线性趋势后的自相关。对log(price) 做相同的计算。这两个序列中的哪个可能有单位根？
(ii)基于第(i)部分的结论估计方程：
并以标准形式报告结果。对系数β1作出解释，并判断它是否统计显著。
(iii)除掉log(inypc) 的线性趋势，然后在第(ii)部分的回归方程中使用除趋势的因变量(见10.5节)， R2有何变化？
(iv)现在用
作因变量。结果与第(ii) 部分相比有何不同？时间趋势还是显著的吗？为什么是 或不是？
第5题
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？
第6题
利用MURDER.RAW中有关谋杀率和死刑的州一级数据。
(i)考虑非观测效应模型
其中，θt无非表示不同年份的截距，而ai表示各州的非观测效应。如果过去对被判谋杀者的死刑有某种威慑作用，那么民，的符号应该是正是负？你认为β2应该有什么样的符号？请解释。
(ii)仅利用1990年和1993年的数据，用混合OLS估计第(i)部分中的方程。忽略复合误差中的序列相关问题。你发现威慑效应的证据了吗？
(iii)利用1990年和1993年的数据，再用固定效应法估计方程。既然只用两年数据，所以你或许可以利用一阶差分。现在，有威慑效应的证据吗？有多强？
(iv)计算第(iii)部分中估计的异方差-稳健标准误。利用一阶差分最容易吗？
(v)找出1993年死刑变量取值最大的州。(变量exec是1991年、1992年和1993年执行死刑的总人数。)这个数值比第二高的值大多少？
(vi)在分析中去掉得克萨斯，利用一阶差分估计方程。计算通常和异方差-稳健的标准误。现在有什么结论，为什么？
(vii)利用所有三年数据，并用固定效应法估计模型。在分析中包含得克萨斯。与仅使用1990年和1993年数据的估计相比，讨论威慑效应的大小和统计显著性。
第7题
利用HSEINV.RAW中的数据。
(i)检验log(inypc)是否有单位根，模型中含有一个线性时间趋势和Δlog(invpct)的两阶滞后，显著性水平为5%。
(ii)用第(i)部分中的方法检验log(price)中的单位根。
(iii)给定(i)和(ii)中的结果，那么检验log(ivpc)和log(price)之间的协整还有意义吗？
第8题
本题利用HSEINV.RAW中的数据。
(i)检验log(in vpc)是否有单位根， 模型中含有一个线性时间趋势和 log(in ypct)的两阶滞后， 显著性水平为5%。
(ii)用第(i)部分中的方法检验log(price)中的单位根。
(iii)给定第(i)部分和第(ii)部分中的结果，那么检验log(iv pc)和log(price)之间的协整还有意义吗？
第9题
利用WAGEPAN中数据。
(i)利用混合最小二乘法(pooledOLS)估计一个log(ag为被解释变量的方程。以educ，black，exper，married，union以及一系列时间虚拟变量(以1980年为基年)为可解释变量，解释及讨论变量married和union的系数。
(ii)解释为什么通常(i)中标准误总是偏小。算出关于married和union两个变量对自相关和异方差一稳健的标准误。
(iii)现在对变量lwage，exper，married和union进行一阶差分。(不随时间改变的变量educ，black和hisp被排除在这个估计之外，exper也是，因为它总是随着年份增加。)注意排除首年即1980年的一阶差分，因为不存在更早的年份。
(iv)就
作回归分析，确保包括一个常数项和一个从1982年到1987年的时间虚拟变量。算出Δmarried和Δunion的系数和标准误。
(v)对比婚姻状况和工会保费的估计水平及其一阶差分估计，并作相应评论。
第10题
本题利用MEAP93.RAW中的数据。
(i) 估计模型math10=β0+β1log(expend)+β2Inchprg+u，并按照通常的方式报告估计方程，包括样本容量和R2。斜率系数的符号与你的预期一致吗？请加以解释。
(ii)你如何理解第(i)部分中估计出来的截距？特别是，令两个解释变量都等于零说得过去吗？[提示：记住log(1)=0。]
(i)现在做math10对log(expend)的简单回归， 并将斜率系数与第(i)部分中得到的估计值进行比较。与第(i)部分中的结果相比，这里估计出来的支出效应是更大还是更小？
(iv)求山lexpend=log(expend)与Inchprg之间的相关系数。你认为其符号合理吗？
(v)利用第(iv)部分的结果来解释你在第(iii)部分中得到的结论。
为了保护您的账号安全，请在“上学吧”公众号进行验证，点击“官网服务”-“账号验证”后输入验证码“”完成验证，验证成功后方可继续查看答案！
微信搜一搜
上学吧
微信搜一搜
上学吧
