题目内容
（请给出正确答案）
在习题3.4中，我们估计了方程
其中的标准误是我们现在才同估计值一并给出的。
(i)相对于一个双侧对立假设，是educ还是age在5%的水平上是个别显著的？给出你的计算。
(ii)从方程中去掉educ和age，则得到
在5%的显著性水平上，educ和age在原方程中是联合显著的吗？说明你所给答案的理由。
(iii)在模型中包括educ和age，是否显著影响所估计的睡眠和工作之间的替换关系？
(iv)假设睡眠方程含有异方差性。这对第(i)和(ii)部分计算的检验意味着什么？
如果结果不匹配，请 联系老师 获取答案
更多“在习题3.4中，我们估计了方程其中的标准误是我们现在才同估计…”相关的问题
利用INTQRT.RAW中的数据。
在教材例18.7中，我们估计了六月期国库券持有期收益率的一个误差修正模型，其中三月期国库券持有期收益率的一阶滞后为解释变量。我们假定在方程
中的协整参数为1。现在，添加Δhy3t-1的先导变化Δhy3t、同期变化Δhy3t-1和滞后变化Δhy3t-2。即估计方程
并用方程形式报告结果。相对于双侧备择假设，检验H：β=1.假定方程中已经有了足够多的先导和滞后，使得{hy3t-1}在这个方程中是严格外生的，我们不必担心序列相关。
(ii)在教材(18.39)中的误差修正模型中，添加{hy3t-1}和{hy6t-2-hy3t-3}。这两项是联合显著的吗？你认为怎样才是适当的误差修正模型？
(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？
其中pop是城市人口，avginc是平均收入，而petstu是学生人口占城市人口的百分数(按学年计算)。
(i)用混合OLS估计方程并按标准方式报告结果。你如何理解1990年虚拟变量的估计值？你得到βpctstu是多少？
(ii)你在第(i)部分中报告的标准误是否真实？请解释。
(iii)现在，将方程差分并用OLS估计。把你对βpctstu的估计值和第(ii)部分进行比较。学生人口的相对规模对房租有影响吗？
(iv)对第(ii)部分中的一阶差分方程求异方差-稳健的标准误。这是否改变了你的结论？
(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。
其中，POLICEit示人均警力支出，MEDINCit表示收入中位数，而PROPTAXit表示财产税率;I表示自然对数。由于住房价格直接影响学校基金的收益，所以支出和住房价格同时决定。
假定学校的融资方式在1994年发生巨大变化：不是通过征收地方财产税，学校的资金来源基本上由州一级的单位决定。令ISTATEALL，表示州政府在第t年对地区i拨款的对数，一旦我们控制了支出和地区的固定影响，上述方程中哪个是外生变量？你如何估计βj？
其中，因为滞后支出变量，第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型，并报告通常的标准误。为使得ai的期望值可以非零，你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差
。
(ii)lunchit系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？
(iii)利用
的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关，并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？
(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？
(vi)定义支出的总(或长期)效应为
的标准误。
响。帕普克还使用了一个容许每个城市都有其时间趋势的模型：
其中，αi和ci都是非观测效应，这样就可以考虑城市之间更多的异质性。
(i)证明：如果对上述方程取差分便得到
注意在此差分方程中包含一个固定效应ci。
(ii)用固定效应法估计差分方程。β1的估计值是什么？它和教材例13.8中的估计值有很大差别吗？企业园区的作用仍是统计显著的吗？
(iii)在第(ii)部分的估计中添加全部年度虚拟变量，β1的估计值有何变化？
一个能给出含滞后因变量之计量经济模型的颇有意思的经济模型，把yt和xt的期望值(xt*)相联系，其中xt的期望值是以在：-1时期所观测到的所有信息为条件的：
对(ut)的一个自然假定是E(ut|It-1)=0，其中lt-1代表在t-1时期有关y和x的所有信息：这意味着E(ut|It-1)=a0+atxt*。为了完成这个模型，需要一个关于如何形成期望xt*的假定。我们在教材11.2节看到过一个适应性预期的简单例子，在那里有xt*=xt-1。一个更复杂一些的适应性预期机制为：
其中，0 ＜ λ ＜ 1。这个方程意味着，预期变化要根据上一期的实现值是高于还是低于其预期值而做出反应。假定0 ＜λ ＜ 1，说明预期变化是上一期预测误差的一个比例。
(i)证明上述两个方程意味着：
[提示：把教材方程(18.68)滞后一个时期并乘以(1-1)，然后从教材方程(18.68)中减掉，再利用教材(18.69)。]
(ii)在E(ut|It-1)=0下，{ut}是序列无关的。对误差vt=ut-(1-λ)ut-1来讲，这意味着什么？
(iii)如果把第(i)部分中的方程改写为：
我们如何一致地估计β1？
(iv)给定β1的一致估计值，你将如何一致地估计λ和α1？
(i)考虑静态非观测效应模型
其中，enrolit表示学区总注册学生人数，lunchit表示学区中学生有资格享受学校午餐计划的百分数。(因此lunchit是学区贫穷率的一个相当好的度量指标。)证明：若平均每个学生的真实支出提高10%，则math4it约改变β1/10个百分点。
(ii)利用一阶差分估计第(i)部分中的模型。最简单的方法就是在一阶差分方程中包含一个截距项和1994~1998年度虚拟变量。解释支出变量的系数。
(iii)现在，在模型中添加支出变量的一阶滞后，并用一阶差分重新估计。注意你又失去了一年的数据，所以你只能用始于1994年的变化。讨论即期和滞后支出变量的系数和显著性。
(iv)求第(iii)部分中一阶差分回归的异方差-稳健标准误。支出变量的这些标准误与第(iii)部分相比如何？
(v)现在，求对异方差性和序列相关都保持稳健的标准误。这对滞后支出变量的显著性有何影响？
(vi)通过进行一个AR(1)序列相关检验，验证差分误差rit=Δuit含有负序列相关。
(vii)基于充分稳健的联合检验，模型中有必要包含学生注册人数和午餐项目变量吗？
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BWGHT.RAW中的数据，可估计出如下方程：
变量定义和教材例4.9中一样，但我们增加了两个虚拟变量：一个虚拟变量表明孩子是不是男孩，另一个虚拟变量则表明这个孩子是不是白人。
(i)在第一个方程中，解释变量cigs的系数。具体而言，每天多抽10根烟对婴儿出生体重有何影响？
(ii)在第一个方程中，保持其他因素不变，预计一个白人孩子的出生体重比一个非白人孩子重多少？这个差异是统计显著的吗？
(iii)评价motheduc的估计影响和统计显著性。
(iv)从这些给定信息中，为什么不能计算出检验motheduc和fatheduc联合显著性的F统计量？为了计算这个统计量，还需要做些什么？
