对分布滞后模型直接采用普通最小二乘法估计参数时,会遇到的困难有()。
A.不能有效提高模型的拟合优度
B.难以客观确定滞后期的长度
C.滞后期长而样本小时缺乏足够自由度
D.滞后的解释变量存在序列相关问题
E.解释变量间存在多重共线性问题
A.不能有效提高模型的拟合优度
B.难以客观确定滞后期的长度
C.滞后期长而样本小时缺乏足够自由度
D.滞后的解释变量存在序列相关问题
E.解释变量间存在多重共线性问题
(i)描述估计的滞后分布。gwage的哪一个滞后对gprice的影响最大?哪一个滞后的系数最小?
(ii)哪些滞后的:统计量小于2?
(iii)估计的长期倾向是多少?它与1有很大不同吗?解释本例中的LRP告诉了我们什么?
(iv)你将用什么样的模型来直接求出LRP的标准误?
(v)你将怎样检验gwage的6阶以上滞后的联合显著性?F分布的df是多少?(注意:你又失去了6个观测。)
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。
在例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FERTIL 3.RAW中的数据来检验误差中是否存在AR(1) 序列相关。
在例10.6中,我们估计了费尔预测美国总统选举结果的一个模型的变型。
(i)对于这个方程中的误差项序列无关,你有何论据?(提示:总统选举多长时间进行一次?)
(ii) 在将式(10.23) 的OLS残差对滞后残差进行回归时, 得到p=-0.068和sc(p)=0.240。你对u, 中的序列相关有何结论?
(iii)在检验序列相关时,这个应用中的小样本容量会令你不放心吗?
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?
r)。考虑教材(11.29)中模型的一个简单扩展:
它允许生产力增长率的提高对工资增长率既有当期的影响又有滞后的影响。
(i)利用EARNS.RAW中的数据估计这个方程,并用标准形式报告结果。goutphr的滞后值统计显著吗?
(ii)如果β1+β2=1,生产力增长率的一个永久性提高会在一年后完全反映到更高的工资增长率上。相对于双侧备择假设检验H0:β1+β2=1。
(iii)模型中需要goutphrt-2吗?说明理由。
设随机变量Y与普通变量x间满足模型Y=β0+β1x+ε,ε~N(0,σ2),则未知参数β0,β1的最小二乘估计=(),=()。
A、间接最小二乘法
B、工具变量法
C、二阶段最小二乘法
D、有限信息极大似然法