本题使用INFMRT.RAW中1990年的数据。(i)重新估计方程(9.43),但现在对哥伦比亚特区这个观测引进
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43),但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数,并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法,你得到什么结论?
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43),但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数,并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法,你得到什么结论?
本题使用WAGE2.RAW中的数据。一般地,保证如下所有回归都含有截距。
(i)将IQ对educ进行简单回归,并得到斜率系数
本题利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
(iv)exper取什么值时,工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历?
(i)解释voteA88的系数并讨论其统计显著性。
(ii)添加voteA88对其他系数具有很大影响吗?
(i)解释vote A 88的系数并讨论其统计显著性。
(ii)添加vote A 88对其他系数具有很大影响吗?
本题要用到MLB1.RAW中的数据。
(i)使用方程(4.31)中所估计的模型,并去掉变量rbisyr。hrunsyr的统计显著性会怎么样?hrunsyr的系数大小又会怎么样?
(ii)在第(i) 部分的模型中增加变量runsyr(每年垒得分),fldperc(防备率)和sbasesyr(每年盗垒数) 。这些因素中,哪一个是个别显著的?
(iii)在第(ii)部分的模型中, 检验bavg, fldperc和sbasesyr的联合显著性。
本题使用ATTEND.RAW中的数据。
(i)求出变量atndrte,pricGPA和ACT的最小值、最大值和平均值。
(ii)估计模型atndrte=β0+β1pricGPA+β2ACT+u,并以方程的形式写出结论。对截距做出解释。它是否有一个有用的含义。
(iii)讨论估计的斜率系数。有没有什么令人吃惊之处?
(iv)如果priGPA=3.65和ACT=20,预计atndrte是多少?你对这个结论做何解释?样本中有没有一些学生具有这些解释变量的值?
(v)如果学生A具有priGPA=3.1和ACT=21,而学生B具有priGPA=2.1和ACT=26,他们在出勤率上的预期差异是多少?
本题利用SLEEP75.RAW中的数据。我们要分析的方程为:
(i)分别针对男性和女性单独估计这个方程,并按照通常形式报告结论。这两个估计方程有什么明显差异吗?
(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk,.male的检验形式,并使用全部观测。该检验相关的df等于多少?在5%的显著性水平上,你应该拒绝这个虚拟假设吗?
(iii)现在,容许男性与女性存在不同截距,判定所有涉及male的交互项是不是联合显著的?
(iV)给定第(ii)部分和第(iii)部分中的结论,你最后将使用什么样的模型?
本题使用WAGE2.RAW中的数据。
(i)估计模型
并以通常的形式报告结果。保持其他因素不变,黑人和非黑人之间的月薪差异近似为多少?这个差异是统计显著的吗?
(ii) 在这个方程中增加变量exper²和tenure², 证明即便在20%的显著性水平上, 它们也不是联合显著的。
(iii)扩展原模型,使受教育回报取决于种族,并检验受教育的回报是否的确取决于种族。
(iv)再回到原模型,但现在容许四个不同人群(已婚黑人、已婚非黑人、单身黑人和单身非黑人)的工资有差别。估计已婚黑人和已婚非黑人之间的工资差异是多少?
本题使用JTRAIN.RAW中的数据。
(i)考虑简单回归模型
其中,scrap表示企业的废品率,grant表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗?
(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗?
(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响?解释grant的系数。相对于单侧备择假设它在5%的显著性水平上统计显著吗?
(iv)相对双侧备择假设,检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。
(v)利用异方差-稳健标准误,重复第(iii)步和第(iv)步,并简要讨论任何明显的差异。