题目内容
（请给出正确答案）
(i)估计gprice对gwage的一个简单几何DL模型。特别是，用OLS估计教材方程(18.11)。所估计的即期倾向和长期倾向(LRP)是多少？概述所估计的滞后分布。
(ii)把所估计的即期倾向和LRP与第11章的习题5中得到的结果进行比较。并比较一下所估计的滞后分布有何不同？
(iii)现在来估计教材(18.16)中的有理分布滞后模型。概述所估计的滞后分布，并比较这里估计的IP和LRP与第(ii)部分中得到的结果有何不同。
如果结果不匹配，请 联系老师 获取答案
更多“利用WAGEPRC.RAW中的数据。第11章习题5给出了gp…”相关的问题
(i)利用WAGEPRC.RAW中的数据，估计第11章习题5中的分布滞后模型。用回归教材(12.14)来检验AR(1)序列相关。
(ii)用迭代的科克伦-奥卡特方法重新估计这个模型。长期倾向的新估计值是多少？
(iii)用迭代C0求出LRP的标准误。(这要求你估计一个修正方程。)判断LRP估计值在5%的水平上是否统计显著异于1？
本题利用MURDER.RAW中的数据。
(i)利用1990年和1993年的数据， 用混合OLS估计方程
(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？
(v)你认为
的哪个1统计量更值得信赖， 是通常的!统计量还是异方差-稳健的1统计量？为什么？
利用LOANAPP.RAW中的数据。
(i)估计第7章的计算机练习C8第(iii)部分中的方程，计算其异方差-稳健的标准误。将βwhite的95%的置信区间与非稳健的置信区间相比较。
(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0？有没有哪个估计值大于1？而这些情况对加权最小二乘估计的应用意味着什么？
利用PHILLIPS.RAW中的数据。
(i)估计失业率的AR(1)模型。用这个方程预测2004年的失业率。将它与2004年的实际失业率进行比较。(你可以从近年的《总统经济报告》中找到这个数据。)
(ii)在第(i)部分的方程中增加通货膨胀的一期滞后。inft-1统计上显著吗？
(iii)利用第(ii)部分中的方程预测2004年的失业率。这个结果比第(i)部分的结果更好还是更糟？
(iv)利用教材6.4节中的方法构造2004年失业率的一个95%的置信区间。2004年的实际失业率位于这个区间内吗？
数据。变量gwage232是232部门平均工资的月增长率(以对数形式变化)，getup232是232部门的就业增长率，gmwage是联邦最低工资的增长率，而gcpi是(城市)消费者价格指数的增长率。
(i)将变量gwage232对gmwage和gCPI进行回归。你认为βgmwage的符号和大小合理吗？请加以解释。gmwage在统计上显著吗？
(ii)在第(i)部分的方程中增加gmwage的1至12阶滞后变量。为了估计第232部门中最低工资的增加对平均工资增长率的长期影响，你认为有必要包括这些滞后变量吗？请加以解释。
(iii)将变量getup232对gmwage和gcpi进行回归。最低工资增长看起来对同期的getup232有影响吗？
(iv)在就业增长方程中增加gmwage的1至12阶滞后变量。在短期或长期中，最低工资的提高对就业增长具有统计显著的影响吗？请加以解释。
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_，取何值时最小？这个方差是多少？
(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差？请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？
利用数据集GPA1.RAW。
(i)利用OLS估计一个将colGPA与hsGPA，ACT，skipped和PC相联系的模型。求OLS残差。
(ii)计算异方差性的怀特检验特殊情形。在对colGPA，和colGPA，的回归中，求拟合值。
(iii)验证第(ii)部分得到的拟合值都严格为正。然后利用权数1/h求加权最小二乘估计值。根据对应的OLS估计值，将逃课和拥有计算机之影响的加权最小二乘估计值与对应OLS估计值相比较。它们的统计显著性如何？
(iv)在第(iii)部分的WLS估计中，求异方差-稳健的标准误。换言之，容许第(ii)部分中所估计的方差函数可能误设(参见问题8.4)。标准误与第(iii)部分相比有很大变化吗？
利用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
如果建造焚烧炉会减少其附近的房屋价值，那么δ1的符号将是什么？若β1＞0，则意味着什么？
(ii)估计第(i)部分中的模型并按通常的方式报告结果。解释y81-log(dist)的系数。你得到了什么结论？
(iii)在方程中增加age，age2，rooms，baths，log(intst)，log(land)和log(area)。现在，你对焚烧炉对房屋价值的影响会作出什么结论？
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？
本题利用数据集401KSUBS.RAW。
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
