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
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。
本题使用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例13.9中那些司法变量的系数?
(ii)第(i)部分中的工资变量都有预期的符号吗?它们是联合显著的吗?试解释。
本题使用INJURY.RAW中的数据。
(i) 使用肯塔基州的数据, 增加male, married以及全套行业和工伤类型虚拟变量作为解释变量, 重新估计方程(13.12)。在控制了这些其他因素后, afchnge-high earn的估计值有何变化?这个估计值仍然统计显著吗?
(ii)你对第(i)部分中较小的R°有什么看法?这是否意味着这个方程无用呢?
(iii)用密歇根州的数据估计方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗?你对此如何解释?
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。
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。
使用WAGE2.RAW中的数据。
(i)在教材例9.3中,用变量KWW(“工作领域内知识”测试分数)取代IQ作为能力的代理变量。在此情形下,估计的教育回报是多少?
(ii)现在用IQ和KWW一起作为代理变量。所估计的教育回报会怎么样?
(iii)在第(ii)部分中,IQ和KWW是个别显著的吗?它们联合显著吗?
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?
利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
并用通常的格式报告你的结论。
(ii)exper2在1%的显著性水平上是统计显著的吗?
(iii)使用近似
求第5年工作经历的近似回报。第20年工作经历的近似回报是多少?
(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?