在回归分析中,下列有关解释变量和被解释变量的说法正确的有()
A.被解释变量和解释变量均为非随机变量
B.被解释变量和解释变量均为随机变量
C.被解释变量为随机变量,解释变量为非随机变量
D.被解释变量为非随机变量,解释变量为随机变量
A.被解释变量和解释变量均为非随机变量
B.被解释变量和解释变量均为随机变量
C.被解释变量为随机变量,解释变量为非随机变量
D.被解释变量为非随机变量,解释变量为随机变量
A.①②③⑤④
B.③①②⑤④
C.③①②⑤
D.③①②⑤
利用WAGEPAN中数据。
(i)利用混合最小二乘法(pooledOLS)估计一个log(ag为被解释变量的方程。以educ,black,exper,married,union以及一系列时间虚拟变量(以1980年为基年)为可解释变量,解释及讨论变量married和union的系数。
(ii)解释为什么通常(i)中标准误总是偏小。算出关于married和union两个变量对自相关和异方差一稳健的标准误。
(iii)现在对变量lwage,exper,married和union进行一阶差分。(不随时间改变的变量educ,black和hisp被排除在这个估计之外,exper也是,因为它总是随着年份增加。)注意排除首年即1980年的一阶差分,因为不存在更早的年份。
(iv)就作回归分析,确保包括一个常数项和一个从1982年到1987年的时间虚拟变量。算出Δmarried和Δunion的系数和标准误。
(v)对比婚姻状况和工会保费的估计水平及其一阶差分估计,并作相应评论。
A.在解释变量给定值下,被解释变量总体均值的轨迹
B.在解释变量给定值下,被解释变量个值得轨迹
C.在解释变量给定值下,被解释变量样本均值的轨迹
D.在解释变量给定值下,被解释变量样本个值得轨迹
(i)有多少个州在1991年、1992年和1993年中至少处决了一个犯人?哪个州处决得最多?
(ii)利用1990年和1993两年的数据, 做一个mrd rte对d93、exec和unem的混合回归。你对exec系数如何解释?
(iii)仅利用1990~1993年的变化(对总共51个观测值) , 用OLS估计以下方程
并以通常的格式报告结果。现在,处以死刑是否看起来具有威慑作用?
(iv)处决的变化至少可能部分地与预期谋杀率的变化有关, 因而△ exec与第(iii) 部分中的△u相关。假定△exec-1与△u不相关也许是合乎情理的。(毕竟, △exec-1 依赖于三年或更久以前进行的处决数。) 将△exec对△exec-1进行回归, 看它们是否充分相关:解释△exec-1的系数。
(v)用△exec-1作为△exec的Ⅳ, 重新估计第(iii) 部分中的方程。假定△mem是外生的。你从第(ii) 部分中得出的结论将怎样变化?
本题使用CRIME4.RAW。
(i)在数据集中增加每个工资变量的对数,然后用一阶差分估计模型。问这些变量的引入如何影响例13.9中那些司法变量的系数?
(ii)第(i)部分中的工资变量都有预期的符号吗?它们是联合显著的吗?试解释。
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?