在多重线性回归中,若对某个自变量的值都增加一个常数,则相应地偏回归系数()。
A.不变
B.增加相同的常数
C.减少相同的常数
D.增加但数值不定
A.不变
B.增加相同的常数
C.减少相同的常数
D.增加但数值不定
A.增加自变量后,模型包含的信息量增多,多重判定系数会随着自变量的增加而无限变大
B.增加自变量后,模型的预测误差会变小,从而减少残差平方和,此时回归平方和会变大
C.增加自变量后,各个自变量之前的相关关系更加紧密
D.增加自变量后,能使得所有自变量的系数显著
利用VOLAT.RAW中的数据。
(i)证实sp500=log(sp500)和lip=log(ip)看来都包含了单位根。利用含四阶滞后变化的DF检验,在含和不含线性时间趋势的情况下分别进行检验。
(ii)做1sp500对lip的简单回归。评论:统计量和R的大小。
(iii)利用第(ii)部分的残差检验Isp500和lip是否协整。利用标准的DF检验和包含两阶滞后的ADF检验。你得到什么结论?
(iv)在第(ii)部分的回归中添加一个线性时间趋势,并利用第(iii)部分同样的检验来检验协整关系。
(v)看来股票价格与真实经济活动之间有长期均衡关系吗?
本题需要使用1993年的数据,尽管你仍需要首先获得谋杀率的滞后值mrdrte-1.
(i) 将mrd rte对exec和une lTY进行回归。exec的系数和:统计量是多少?这一回归能为死刑的震慑作用提供什么证据吗?
(ii)1993年得克萨斯州报告的死刑人数有多少?(实际上,这是当年和过去两年死刑人数之和。)这个人数与其他州相比如何?在第(i)部分的回归中增加表示得克萨斯州的虚拟变量。它的t统计量异常之大吗?由此看来,得克萨斯看上去是“异常数据”吗?
(iii)在第(i)部分的回归中增加谋杀率的滞后变量。及其统计显著性又有何变化?
(iv)在第(ii)部分的回归中,得克萨斯看上去是“异常数据”吗?在回归中去掉得克萨斯对有何影响?
A.y=abt
B.y=a+bt1+ct2
C.y=a+bt+ct2+dt3
D.y=at+bt
利用数据集GPA1.RAW。
(i)利用OLS估计一个将colGPA与hsGPA,ACT,skipped和PC相联系的模型。求OLS残差。
(ii)计算异方差性的怀特检验特殊情形。在对colGPA,和colGPA,的回归中,求拟合值。
(iii)验证第(ii)部分得到的拟合值都严格为正。然后利用权数1/h求加权最小二乘估计值。根据对应的OLS估计值,将逃课和拥有计算机之影响的加权最小二乘估计值与对应OLS估计值相比较。它们的统计显著性如何?
(iv)在第(iii)部分的WLS估计中,求异方差-稳健的标准误。换言之,容许第(ii)部分中所估计的方差函数可能误设(参见问题8.4)。标准误与第(iii)部分相比有很大变化吗?
利用MIN WAGE.RAW中232部门的数据回答如下问题。
(i)证明l wage 232t 和lemp 232t 最好用I(1) 过程来刻画。使用分别包含g wage 232和gel up 232的一阶滞后以及一个线性时间趋势的ADF检验。对这些序列中存在单位根还存有疑问吗?
(ii)在使用和不使用时间趋势的情况下, 容许在增广恩格尔-格兰杰检验中使用两个滞后项, 将lemp 232t 对hr age 232t 进行回归并进行协整检验。你得到什么结论?
(iii)现在将lemp 232t 对真实工资率的对数In v age 232t =l wage 232t -lept 和一个时间趋势进行回归。你发现存在协整吗?与使用名义工资相比,使用真实工资时,它们更“接近”协整吗?
(iv)第(iii)部分的协整回归中可能遗漏了哪些因素?