利用得自格雷迪(Graddy,1995)的数据集FISH.RAW。这个数据集也曾用于第12章的计算机练习C9.现在,我们用它估计一个鱼肉需求函数。
(i)假定每个时期均衡的鱼肉需求方程可写成
所以容许需求在一周中的每一天都有所不同。把价格变量视为内生的,一致地估计需求方程参数还需要什么额外信息?
(ii)变量wavet和wave3t度量了过去几天的海浪高度。为了在估计需求方程时将wave2t和wave3t用作log(avgprc)的Ⅳ,我们还需要哪两个假定?
(ii)将log(avgprc)对周工作日虚拟变量和两个浪高指标进行回归。wave2t和wave3t联合显著吗?这个检验的p值是多少?
(iv)现在,用2SLS估计需求方程。需求价格弹性的95%置信区间是什么?所估计的弹性合理吗?
(v)求2SLS的残差ut。在用2SLS估计需求方程时增加一个滞后ut-1记住,用ut-1作为自己的工具。需求方程误差中有AR(1)序列相关的证据吗?
(vi)给定供给方程明显取决于海浪变量,为了估计供给价格弹性,我们需要哪两个假定?
(vii)在log(avgprct)的约简型方程中,周工作日虚拟变量联合显著吗?你对能够估计供给弹性有何结论?
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。)
A.确定每个步骤的输出函数
B.列出每一步的关键输入变量
C.选定一个流程、确定步骤、确定每步的流向以及流程内部关系
D.将输入变量归类为可控的、标准的或者噪音
A.把大量信息按其亲近关系加以分类、汇总的图示技术
B.把大量信息按其发生频次进行排列的图示技术
C.寻找不同变量间相关关系的图示技术
D.从大量信息中看数据分布状况的图示技术
A.做散布图时,要注意对数据进行正确的分层,否则可能作出错误的判断
B.如果两个变量间存在相关关系,那么,这两个变量就一定是因果关系
C.如果两个变量之间的相关系数为零,则表示这两个变量不相关
D.反映一个数列的各个数值出现的频数演变情况,以便形象地表示被观察数值的特征和分布状态
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?