利用计量经济软件中的“聚类”选项,便得到教材表14-2中混合OLS估计值充分稳健[即对复合误差(vi
利用计量经济软件中的“聚类”选项,便得到教材表14-2中混合OLS估计值充分稳健[即对复合误差(vit:t=1,···,T)中的序列相关和异方差性保持稳健]的标准误为:
(i)这些标准误与非稳健标准误相比一般如何?为什么?
(ii)混合OLS的稳健标准误与RE的标准误相比如何?解释变量是否随时间变化有什么关系吗?
利用计量经济软件中的“聚类”选项,便得到教材表14-2中混合OLS估计值充分稳健[即对复合误差(vit:t=1,···,T)中的序列相关和异方差性保持稳健]的标准误为:
(i)这些标准误与非稳健标准误相比一般如何?为什么?
(ii)混合OLS的稳健标准误与RE的标准误相比如何?解释变量是否随时间变化有什么关系吗?
vit:t=1,……,T)中的序列相关和异方差性保持稳健]的标准误为:
(i)这些标准误与非稳健标准误相比一般如何?为什么?
(ii)混合0LS的稳健标准误与RE的标准误相比如何?解释变量是否随时间变化有什么关系吗?
(i)你为什么会把这些数据归类为聚类样本?大致上,你预期能从一个典型学生得到大概多少次观测?
(ii)写出一个类似于教材方程(14.12)那样的模型,用到课率和其他特征去解释期终考试成绩。以s作为学生下标和c作为课程下标,对同一个学生哪个变量是不变的?
(iii)如果你把所有的数据混合起来并使用OLS,那么,对影响成绩和到课率的非观测学生特征,你正在做什么假定呢?SAT和学期前GPA在这方面扮演着什么角色呢?
(iv)如果你认为SAT和学期前GPA不足以刻画学生能力,你如何估计到课率对期终考试成绩的影响呢?
参考答案:
6.利用计量经济软件中的“聚类”选项,便得到教材表14-2中混合OLS估计值充分稳健[即对复合误差(vit:t=1,···,T)中的序列相关和异方差性保持稳健]的标准误为:
(i)这些标准误与非稳健标准误相比一般如何?为什么?
(ii)混合OLS的稳健标准误与RE的标准误相比如何?解释变量是否随时间变化有什么关系吗?
使用PNTSPRD.RAW中的数据。
(i)变量sprdcvr是一个二值变量,若在大学篮球比赛中实际分数差距超过拉斯维加斯让分,则此变量取值1。sprdcvr的期望值(比方说u)表示在一场随机抽取的比赛中分差超过让分的概率。在10%的显著性水平上相对于H1:μ≠0.5检验H0:μ=0.5,并讨论你的结果。(提示:将sprdcvr只对一个截距项进行回归便得到一个r统计量,利用这个统计量很容易完成。)
(ii)553个样本中有多少场比赛是在中立场地进行的?
(iii)估计线性概率模型
并以通常的形式报告结论。(报告通常的标准误和异方差-稳健的标准误。)哪个变量在实际上和统计上都是最显著的?
(iv)解释为什么在原假设下,模型中不存在异方差性。
(v)利用通常的F统计量检验第(iv)部分的原假设,你得到了什么结论?
(vi)给定上述分析,你会不会认为,利用赛前可利用的信息,有可能系统地预测拉斯维加斯让分能否实现?
A.变量存在多重共线性时无法得到聚类结果
B.变量存在多重共线性时无法解释聚类结果
C.变量存在多重共线性时,相关变量会在距离计算中占据很高的权重,从而对聚类结果有负面的影响
D.变量存在多重共线性时,得到的聚类结果是完全错误的
A.大数据计算服务提供了高并发低延迟(毫秒级)的处理能力,对海量数据进行灵活分析
B.大数据计算服务提供了高并发吞吐量上传下载工具,可以将外部数据源中的数据高效的同步到大数据计算服务中去
C.大数据计算服务支持使用SQL或者MapReduce编程对海量数据进行处理
D.大数据计算服务可以对海量数据进行基于复杂算法的分析,如聚类、分类、回归、主成分分析等
利用FERTIL3.RAW中的数据。
(i)将gfr对r和t²回归,并保留残差,便得到除趋势的gfrt即。
(ii)将对教材方程(10.35)中所有变量(包括t和t2)回归。比较得出的R²与教材方程(10.35)中的R2有何不同。你有何结论?
(ii)在教材方程(10.35)中加入t3后重新进行估计。这个新增变量在统计上显著吗?
A.买卖双方通过Internet交付产品信息
B.交易各方通过网络通信
C.公司为客户提供软件更新等信息
D.通过维护共享数据库加强伙伴联系