利用INJURY.RAW中的数据。
(i)使用肯塔基州的数据,增加male,married以及全套行业和工伤类型虚拟变量作为解释变量,重新估计教材方程(13.12)。在控制了这些其他因素后,afchnge·highearn的估计值有何变化?这个估计值仍然统计显著吗?
(ii)你对第(i)部分中较小的R²有什么可说的?这是否意味着这个方程无用呢?
(iii)用密歇根州的数据估计教材方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗?你对此如何解释?
利用INTDEE.RAW中的数据,考虑教材(10.15)中估计的模型。
(i)求出这个样本时期内inf和def之间的相关系数,并加以评论。
(ii)在方程中加入inf和def的一期滞后,并以常用格式报告结果。
(iii)将通货膨胀效应的估计LRP与教材(10.15)中相对应的LRP进行比较。二者有很大差别吗?
(iv)模型中这两个滞后在5%的水平上是联合显著的吗?
利用FERTIL3.RAW中的数据。
(i)将gfr对r和t²回归,并保留残差,便得到除趋势的gfrt即。
(ii)将对教材方程(10.35)中所有变量(包括t和t2)回归。比较得出的R²与教材方程(10.35)中的R2有何不同。你有何结论?
(ii)在教材方程(10.35)中加入t3后重新进行估计。这个新增变量在统计上显著吗?
本题利用PHILLIPS.RAW中的数据。现在你应该使用56年的数据。
(i)重新估计方程(11.19),并以通常格式报告结果。当你增加近几年的数据之后,截距和斜率估计值有明显变化吗?
(ii)求自然失业率的新估计值。将这个新估计值与例11.5中的估计值进行比较。
(iii)计算unem的一阶自相关系数。按照你的观点, 单位根接近于1吗?
(iv)利用A mem取代unem作为解释变量。哪个解释变量具有更高的R?
本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。
(i)从加速数模型中求出OLS残差,并用回归来检验是否存在序列相关。p的估计值是多少?序列相关看起来是多大的问题?
(ii)用PW估计这个加速数模型,并将β1的估计值与OLS估计值进行比较。你为什么预期它们很相似?
A.(I,III)
B.(II,IV)
C.(I,IV)
D.(III,IV)
A、推广型论坛
B、综合性论坛
C、教学型论坛
D、专题论坛
A.同行业数据
B.生活常识
C.合理的推断
D.对于同一信息,对同一人员从多角度确认
E.对于同一信息,对不同人员进行多方面确认
利用BARIUM.RAW中的数据。
(i)用前119次观测(即不包含1988年的最后12个月观测),估计线性趋势模型。这个回归的标准误是什么?
(ii)同样用除了最后12个月以外的所有数据,估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合?
(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言,哪种方法效果更好?
(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗?(当我们检验联合显著性时,不必担心误差中轻度的序列相关。)