假设(yt)和(zt)都是I(1)序列,但对于某个,是I(0)。证明对于任何 一定是Ⅰ(1)。
假设(yt)和(zt)都是I(1)序列,但对于某个,是I(0)。证明对于任何一定是Ⅰ(1)。
假设(yt)和(zt)都是I(1)序列,但对于某个,是I(0)。证明对于任何一定是Ⅰ(1)。
假设(yt)和(zt)都是Ⅰ(1)序列,但对于某个β≠0,yt-βzt是Ⅰ(0)。证明对于任何δ≠β,yt-δzt,一定是I(1)。
A.常数参数模型
B.截距与斜率同时变动模型
C.截距变动模型
D.分段线性回归模型
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?
假设yt符合一个二阶FDL模型:
证明:由于z*的变化引起y*的变化等于长期倾向与z*的变化之积, 即它给出了LRP的另一种解释。
)序列相关。
(ii)如果你发现有序列相关的证据,用科克伦-奥卡特方法重新估计这个方程,并将所得结果与以前的结果进行比较。
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?
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?