使用GPA1.RAW中的数据。 (i)在估计方程(7.6)中增加变量mothcoll和fathcoll,并以通常的形式报告
使用GPA1.RAW中的数据。
(i)在估计方程(7.6)中增加变量mothcoll和fathcoll,并以通常的形式报告结果。拥有PC的估计影响会怎么样?PC还是统计显著的吗?
(ii)检验第(i)部分方程中mothcoll和fathcoll的联合显著性,不要忘记报告p值。
(iii)在第(i)部分的模型中增添hsGPA,并判断是否有必要进行这种扩展。
使用GPA1.RAW中的数据。
(i)在估计方程(7.6)中增加变量mothcoll和fathcoll,并以通常的形式报告结果。拥有PC的估计影响会怎么样?PC还是统计显著的吗?
(ii)检验第(i)部分方程中mothcoll和fathcoll的联合显著性,不要忘记报告p值。
(iii)在第(i)部分的模型中增添hsGPA,并判断是否有必要进行这种扩展。
使用LOANAPP.RAW中的数据。
(i)有多少个观测的obrat>40,即其他债务负担超过其总收入的40%?
(ii)在第7章的计算机练习C8中,去掉obrat>40的观测,重新估计第(ii)部分中的模型。white的系数估计值和:统计量将会怎样?
(ii)βwhite看起来对所使用的样本过度敏感吗?
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。
使用RDCHEM.RAW中的数据,通过OLS得到如下方程
(i)sales对rdintens的边际影响在什么时候开始变成负的?
(ii)你会在模型中保留二次项吗?请解释。
(iii)定义salesbil为以十亿美元计的销售额:salesbil=sales/1000。用salesbil和salesbil2作为自变量重写估计方程。务必报告标准误和R2。[提示:注意salesbil2=sals21(1000)2。]
(iv)为了报告结果,你更偏好哪个方程?
本题要利用LAWS CH 85.RAW中的数据。
(i)使用与第3章习题4一样的模型,表述并检验虚拟假设:在其他条件不变的情况下,法学院排名对起薪中位数没有影响。
(ii)新生年级的学生特征(即LSAT和GPA) 对解释salary而言是个别或联合显著的吗?
(iii)检验是否要在方程中引入入学年级的规模(clsize) 和教职工的规(faculty) ; 只进行一个检验。(注意解释clsize和faculty的缺失数据。)
(iv)还有哪些因素可能影响到法学院排名,但又没有包括在薪水回归中?
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上,每个解释变量都是统计显著的吗?
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少?它与math4的实际数据取值范围相比如何?
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差?对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项,检验它们的联合显著性。你会把它们放到模型中吗?
(v)回到第(i)部分中的模型,将因变量和每个解释变量都除以各自的样本标准差,并重新进行回归。(除非你还将每个变量分别减去了各自的均值,否则还应该包括一个截距项。)以标准差为单位,哪个解释变量对数学考试通过率具有最大的影响?
本题使用KIELMC.RAM中的数据。
(i)变量dist是从每个房屋到焚烧炉位置的英尺距离。考虑模型
(ii)估计第(i)部分中的模型并按通常的方式报告结果。解释y 81-log(dit)的系数。你得到什么结论?
(iii)在方程中增加age, age2, rooms, baths, log(int st), log(land) 和log(area)。现在, 你对焚烧?对房屋价值的影响会作出什么结论?
(iv)为什么在第(ii)部分log(dist)的系数为正并且统计显著, 而在第(ii)部分却不是这样?这说明了第(iii)部分中控制变量的什么?
利用MIN WAGE.RAW中232部门的数据回答如下问题。
(i)证明l wage 232t 和lemp 232t 最好用I(1) 过程来刻画。使用分别包含g wage 232和gel up 232的一阶滞后以及一个线性时间趋势的ADF检验。对这些序列中存在单位根还存有疑问吗?
(ii)在使用和不使用时间趋势的情况下, 容许在增广恩格尔-格兰杰检验中使用两个滞后项, 将lemp 232t 对hr age 232t 进行回归并进行协整检验。你得到什么结论?
(iii)现在将lemp 232t 对真实工资率的对数In v age 232t =l wage 232t -lept 和一个时间趋势进行回归。你发现存在协整吗?与使用名义工资相比,使用真实工资时,它们更“接近”协整吗?
(iv)第(iii)部分的协整回归中可能遗漏了哪些因素?
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?
利用CHARITY.RAW中的数据回答如下问题
(i)用普通最小二乘法估计如下模型:
按照通常的方式报告估计方程,包括样本容量和R²。其R²与不使用giftlast和propresp的简单回归所得到的R²相比如何?
(ii)解释mailsyear的系数,它比对应的简单回归系数更大还是更小?
(iii)解释propresp的系数,千万要注意propresp的度量单位。
(iv)现在,在这个方程中增加变量avggif。这将对mailsyear的估计效应造成什么样的影响?
(v)在第(iv)部分的方程中,giftlast的系数有何变化?你认为这是怎么回事?
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WAGE PAN.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?