在模型(9.17)中,证明:如果ai与xi不相关,bi与xi和也不相关,这是一个比式(9.19)
在模型(9.17)中,证明:如果ai与xi不相关,bi与xi和也不相关,这是一个比式(9.19)更弱的假定,那么,普通最小二乘法就能一致地估计α和β。[提示:把方程写成式(9.18)的形式并根据第5章的分析可知, 截距和斜率的OLS估计值一致的充分条件是E(ui)=0和Cov(xi,ui)=0.
在模型(9.17)中,证明:如果ai与xi不相关,bi与xi和也不相关,这是一个比式(9.19)更弱的假定,那么,普通最小二乘法就能一致地估计α和β。[提示:把方程写成式(9.18)的形式并根据第5章的分析可知, 截距和斜率的OLS估计值一致的充分条件是E(ui)=0和Cov(xi,ui)=0.
(要求一些微积分知识)
(i)在托宾模型中假设x1=logz1(),而且这是x中唯一出现z1的地方。证明
(其中,β1是log(z1))的系数。
(ii)若x1=z1和x2=z12证明
其中,β1和β2分别是的系数。
为另一种形式:斜率与原来相同,但截距和误差有所不同,并且新的误差期望值为零。
试证明:二元线性回归模型中变量X1与X2的参数OLS估计可以写成:
其中,r为X1与X2的相关系数。讨论r等于或接近1时,该模型的估计问题。
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。
(h+q2),(h+(q-1)2),…,(h+1),h,(h-1),…,(h-q2*),其中,q=(m-1)/2。闪此在相继被探查的两个桶之间地址相减所得的差取模(%m)的结果为m-2,m-4,m-6.…,5,3,1,1,3,5,…,m-6,m-4,m-2,
(1)如果示z1,z2是联合高斯分布,且白协方差矩阵为,求信道容量。
(2)当p=0,1,-1时,信道容量各为多少?