题目内容
（请给出正确答案）
利用PRISON.RAW中的数据。
(i)以教材(16.41)中的2SLS估计结果为基础，估计Alog(prisonit)的约简型方程。其中，IVs，final1和final2分别都是统计显著的吗？
(ii)求(i)中的约简型方程残余，把它加入教材(16.41)的方程中，并且检验Δlog(prisonit)的内生性，你的结论是什么？
(iii)在应用2SLS法估计教材方程(16.41)时检验单个过度识别约束。你的结论是什么？
(iv)在这个应用过程中，2SLS和OLS两种方法之间的不同实际上重要吗？
如果结果不匹配，请 联系老师 获取答案
更多“利用PRISON.RAW中的数据。 (i)以教材(16.41…”相关的问题
利用CONSUMP.RAW中的数据。
(i)估计一个反映真实人均(非耐用品和服务)消费增长与真实人均可支配收入增长之间关系的简单回归模型，并都使用对数变化量表示。用通常形式报告结果。解释方程并讨论统计显著性。
(ii)在第(i)部分的方程中添加真实人均可支配收入增长的一期滞后。你对消费增长的滞后调整有何看法？
(iii)在第(i)部分的方程中添加真实利率，它影响消费增长吗？
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？
利用ATTEND.RAW中的数据研究出勤率(atndrte，用百分比表示)与ACT成绩(最高可能得分为32分)之间的关系。
(i)在样本中找出atndrte的最大值和最小值。
(ii)在总体模型atndrte=β0+β1ACT+u中，解释系数β1的含义，β1的符号是明显的吗？请解释。
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。)
(i)利用NYSE.RAW中的数据估计教材方程(12.48)。令ht表示这个方程的拟合值(条件方差的估计值)。有多少个ht是负的？
(ii)在教材(12.48)中增加returni-12然后再计算拟合值ht存在负的ht吗？
(iii)利用第(ii)部分得到的ht用加权最小二乘法(像在8.4节中那样)估计教材(12.47)。将βt的估计值与教材方程(11.16)中的对应结果进行比较。
(iv)现在用WLS估计教材方程(12.47)，并用教材(12.51)中估计的ARCH模型求出ht这时，你的结果与(iii)中的结果是否相同？
利用MURDER.RAW中的数据。
(i)利用1990年和1993年的数据，用混合OLS估计方程
并以常用形式报告结论。不必担心通常的OLS标准误因a，的出现而不适当。你估计出了死刑的威慑效应吗？
(ii)计算FD估计值(只使用1990~1993年的差分;在FD回归中，你应该有51个观测)。现在，你对威慑效应有何结论？
(iii)在第(ii)部分的FD回归中，求残差
的布罗施-帕甘回归，并计算异方差性的F检验。同样做怀特检验的特殊情形[即将对
回归，其中拟合值得自第(ii)部分]。你对FD方程中的异方差性有何结论？
(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？
(v)你认为Aexec;的哪个统计量更值得信赖，是通常的：统计量还是异方差-稳健的!统计量？为什么？
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_，取何值时最小？这个方差是多少？
(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差？请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？
利用AFFAIRS.RAW中女性的数据。
(i)为affair估计一个线性概率模型，二元指示变量在女性至少有一次婚外恋时等于1，解释变量包括yrsmarr、age和educ。解释yrsmarr的系数。
(ii)在控制了yrsmarr后，age和educ对affuir还有影响吗？
(iii)在(i)中的模型里加入kids。解释它的系数并判断估计是否在统计上显著。
(iv)对于(iii)中的模型，除了kids仍在模型中以外，加入四个宗教虚拟变量。基础组包括那些声称自己反宗教的女性。对于那些非常信仰宗教的和反宗教的女性，报告自己有婚外恋的可能性是不是有差别？宗教信仰的影响有多大？
(v)对于那些有宗教信仰和无宗教信仰的女性，报告自己有婚外恋的可能性是不是有差别？宗教信仰的影响有多大？[提示：从(iv)中改变基础组很简单。]
考虑如下解释睡眠行为的模型：
(i)写出一个模型，容许u的方差在男女之间有所不同。这个方差不应该取决于其他因素。
(ii)利用SLEEP75.RAW中的数据估计异方差模型中的参数。(你必须先用OLS估计sleep方程，以得到OLS残差。)u的估计方差对于男人和女人而言哪个更高？
(iii)u的方差是否对男女而言有显著不同？
利用SLEEP75.RAW中的数据
变量sleep是每周晚上睡眠的总分钟数，totwork是每周花在工作上的总分钟数，educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之间有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个原假设，你还需要另外做什么回归？
