在教材例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
在教材例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?)
(i)在将教材(1023)的OLS残差对滞后残差进行回归时,得到p=-0068和sep)=0.40。你对ut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?)
(i)在将教材(1023)的OLS残差对滞后残差进行回归时,得到p=-0068和sep)=0.40。你对ut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?
利用INTQRT.RAW中的数据。
在教材例18.7中,我们估计了六月期国库券持有期收益率的一个误差修正模型,其中三月期国库券持有期收益率的一阶滞后为解释变量。我们假定在方程中的协整参数为1。现在,添加Δhy3t-1的先导变化Δhy3t、同期变化Δhy3t-1和滞后变化Δhy3t-2。即估计方程
并用方程形式报告结果。相对于双侧备择假设,检验H:β=1.假定方程中已经有了足够多的先导和滞后,使得{hy3t-1}在这个方程中是严格外生的,我们不必担心序列相关。
(ii)在教材(18.39)中的误差修正模型中,添加{hy3t-1}和{hy6t-2-hy3t-3}。这两项是联合显著的吗?你认为怎样才是适当的误差修正模型?
假设你想如同教材例6.3那样估计出勤率对学生成绩的影响。一个基本模型是:
其中变量定义与第6章相同。
(i)令dist为学生住宿区到教学大楼的距离。你认为dist与u不相关吗?
(ii)假定dist与u不相关,要成为atndrte的一个有效IV,dist还必须另外满足什么假定?
(iii)假定我们如在教材方程(6.18)中那样增添交互项priGPAatndrte:
若atndrte与u相关,则一般认为priGPAatndrte也与u相关。priGPAatndrte的一个好Ⅳ将是什么呢?[提示:若E(u|priGPA,ACT,dit)=0(在priGPA、ACT、dit均外生时出现),则priGPA和dist的任何函数都与u不相关。]
在例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FERTIL 3.RAW中的数据来检验误差中是否存在AR(1) 序列相关。
的遗漏变量。
(ii)如果样本中每名男性在1981~1987年之间都拥有相同职业,你在固定效应估计中还需要包含职业虚拟变量吗?请解释。
(iii)利用WAGEPAN.RAW中的数据(包括方程中的8个职业虚拟变量),使用固定效应法估计方程。union的系数变化很大吗?其统计显著性如何?
本题使用PHILLIPS.RAW中的数据。
(i)例11.5中,我们估计了如下形式的附加预期的菲利普斯曲线:
解释为什么这使得unemt-1成为unemt的一个好的Ⅳ候选者。
(iii)将unemt对unemt-1做回归。unemt与memt-1是否显著相关?
(iv)用IV估计附加预期的菲利普斯曲线。以通常形式报告结果,并将之与例11.5中的OLS估计值进行比较。
一个能给出含滞后因变量之计量经济模型的颇有意思的经济模型,把yt和xt的期望值(xt*)相联系,其中xt的期望值是以在:-1时期所观测到的所有信息为条件的:
对(ut)的一个自然假定是E(ut|It-1)=0,其中lt-1代表在t-1时期有关y和x的所有信息:这意味着E(ut|It-1)=a0+atxt*。为了完成这个模型,需要一个关于如何形成期望xt*的假定。我们在教材11.2节看到过一个适应性预期的简单例子,在那里有xt*=xt-1。一个更复杂一些的适应性预期机制为:
其中,0 < λ < 1。这个方程意味着,预期变化要根据上一期的实现值是高于还是低于其预期值而做出反应。假定0 <λ < 1,说明预期变化是上一期预测误差的一个比例。
(i)证明上述两个方程意味着:
[提示:把教材方程(18.68)滞后一个时期并乘以(1-1),然后从教材方程(18.68)中减掉,再利用教材(18.69)。]
(ii)在E(ut|It-1)=0下,{ut}是序列无关的。对误差vt=ut-(1-λ)ut-1来讲,这意味着什么?
(iii)如果把第(i)部分中的方程改写为:
我们如何一致地估计β1?
(iv)给定β1的一致估计值,你将如何一致地估计λ和α1?
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教材例13.9中那些司法变量的系数?
(ii)第(i)部分中的工资变量全部都有预期的符号吗?它们是联合显著的吗?试解释。
)与每个学生的平均支出(expend) 之间的关系。
(Ⅰ)就多花一美元对通过率的影响而言,你认为具有恒定不变的影响合适呢,还是这种影响越来越小更合适?请加以解释。
(Ⅱ) 在总体模型math10=β0+β1log(expend)+u中,证明民β1/10表示expend提高10%导致math10改变的百分数。
(II) 利用MEAP 93.RAW中的数据, 估计(Ⅱ) 中的模型.按照通常的方式报告估计方程, 包括样本容量和及R2。
(Ⅳ)支出的估计影响有多大?也就是说, 如果支出提高10%, 估计math10会提高多少个百分点?
(Ⅴ)有人担心这个回归分析可能得到math10的拟合值会超过100。为什么在这个数据集中不必担心这个问题?