题目内容
（请给出正确答案）
[主观题]
在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型： 利用FERTIL3.RAW中的数据来
在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。
如果结果不匹配，请 联系老师 获取答案
更多“在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后…”相关的问题
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。
在检验教材例18.5中gfr和pe之间的协整过程中，在教材方程(18.32)中添加t2并求出OLS残差。在增广DF中包含一阶滞后。新的结论是什么？这个检验的5%临界值是-4.15。
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11第(vi)部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量;不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)第10章的计算机练习C11第(vi)部分中的回归。]
(i)例4.7中待估计的总体模型可写成
控制了工人培训和销售-雇员比后，是否企业越大，其废品率在统计上的显著性越大？
(iv)检验假设：sales/employ提高1%将伴随以废品率下降1%。
利用FERTIL1.RAW中的数据。
(i)对教材例13.1所估计的方程中，检验16岁时的生活环境是否对生育率产生影响(以大城市为基组)。报告F统计量的值及其p值。
(ii)检验16岁时所在区域(以南方为基组)是否对生育率产生影响。
(iii)令u为总体方程中的误差项。假设你认为u的方差随时间而变(但不随educ，age等而变)。那么刻画这一特点的一个模型是
利用这个模型去检验u的异方差性。(提示：你的F检验应有6和1122个自由度。)
(iv)在教材表13-1所估计的方程中增加交互项y74-educ，y76educ，···，y84-educ。解释这些项代表了什么？它们是联合显著的吗？
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
(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？
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？
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。
(i)在方程(11.27)中添加一个线性时间趋势。在一阶差分方程中，时间趋势是必要的吗？
(ii)从式(11.27)中去掉时间趋势并添加变量ww2和pil(不要对虚拟变量进行差分)。这两个变量在5%的水平上是显著的吗？
(iii)用第(ii)部分中的模型估计LRP并求出其标准误。与从式(10.19)得到的结果相比较，在式(10.19)中gfr和pe是以水平值形式而非差分形式出现的。
