题目内容
（请给出正确答案）
在第4章习题11中， 利用CEOS AL 2.RAW中的数据估计模型
所得到的R2为R2=0.353(n=177) 。若添加ceo ten2和cem ten2后， R2=0.375。此模型中是否有函数形式误设的证据？
如果结果不匹配，请 联系老师 获取答案
更多“在第4章习题11中， 利用CEOS AL 2.RAW中的数据…”相关的问题
一个解释了CEO薪水的工资方程是：
所用数据在CEOS AL 1.RAW中给出， 其中fiance， consprod和utility分别是表示金融业、消费品行业和公用事业单位的二值变量。被省略的产业是交通运输业。
(i) 保持sales和roe不变， 计算公用事业和交通运输业CEO薪水估计值的近似百分比差异。在1%的显著性水平上，这个差异是统计显著的吗？
(ii)利用方程(7.10)求解公用事业和交通运输业估计薪水的精确百分比差异，并与第(i)部分中的回答进行比较。
(iii)消费品行业与金融业估计薪水的近似百分比差异是多少？写出一个方程，使你能够检验这个差异是不是统计显著的。
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧对立假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告H0：βlog(hseval)=0的双侧p值。
(iv) 在第(ii) 部分的回归中， log(income) 和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个邮区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
本题要利用LAWS CH 85.RAW中的数据。
(i)使用与第3章习题4一样的模型，表述并检验虚拟假设：在其他条件不变的情况下，法学院排名对起薪中位数没有影响。
(ii)新生年级的学生特征(即LSAT和GPA) 对解释salary而言是个别或联合显著的吗？
(iii)检验是否要在方程中引入入学年级的规模(clsize) 和教职工的规(faculty) ; 只进行一个检验。(注意解释clsize和faculty的缺失数据。)
(iv)还有哪些因素可能影响到法学院排名，但又没有包括在薪水回归中？
本题要用到TRAFFIC2.RAW中的数据。加州1981年至1989年交通事故的这些月度观测在第10章计算机习题11中曾被使用过。
(i)利用标准的迪基-富勒回归， 检验Itotacc， 是否具有单位根。在2.5%的显著性水平上， 你能拒绝单位根的存在吗？
(ii)现在，在第(i)部分的检验中增加两个滞后变化，并计算增广迪基-富勒检验。你得到什么结论？
(iii)在第(ii) 部分的ADF回归中增加一个线性时间趋势变量。现在情况又将如何？
(iv)根据第(i) 部分至第(ii) 部分的结论， 你认为对I to tacc， 的最好刻画是：一个Ⅰ(1)过程还是一个含有线性时间趋势的Ⅰ(O)过程？
(v)在一个ADF回归中， 利用两个滞后项来检验致死交通事故百分数pre fat是否存在单位根。在此情形中，包含一个线性时间趋势与否是否有关系？
(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。
可以按以下步骤证明矩阵的乘法满足结合律。
(i)设B=(bij)是一个nxp矩阵，令
是B的第j列，j=1，2，...，p，又设
是任意一个px1矩阵。证明：
(ii)设A是一个mxn矩阵，利用(i)及习题2的结果，证明：A(Bξ)=(AB)ξ。
(iii)设C是一个ρxq矩阵，利用(ii)证明：A(BC)=(AB)C。
讨论对
的解释及其统计显著性。
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？
(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii) 现在， 针对模型
在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
令(et:t=-1,0,1,...为均值为0和方差为1的独立同分布随机变量序列。定义如下随机过程：
(i)求出E(xt)和Var(xt)。它们取决于t吗？
(ii)证明Cor(xt,xt+1)=-1/2，Corr(xt,xt+2)=1/3。
(提示：最简单的方法是利用习题1中的公式。)
(iii)在h＞2时，Corr(xt,xt+h)是多少？
(iv)(xt)是渐近无关过程吗？
