题目内容
（请给出正确答案）
一个估计某行业CEO薪水的回归模型如下：
ln Y=β0+β1lnX1+β2lnX2+β3X3+β4X4+β5X5+μ
其中，Y为年薪，X1为公司的销售收入，X2为公司的市值，X3为利润占销售额的百分比，X4为其就任当前公司CEO的年数，X5为其在该公司的年数。一个有177个样本数据集的估计得到R2=0.353。若添加
后，R2=0.375。问：此模型中是否有函数设定的偏误？试以10%与5%的显著性水平进行检验。
如果结果不匹配，请 联系老师 获取答案
更多“一个估计某行业CEO薪水的回归模型如下： ln Y=β0＋β…”相关的问题
一个由容量为209的样本估计的解释CEO薪水的方程为
ln（salay）=4.59+0.257lnX1+0.011X2+0.158D1+0.181D2-0.283D3
(15.3) (8.03) (2.75) (1.775) (2.130) (-2.895)
其中，salay表示年薪水平(单位：万元)，X1表示年收入(单位：万元)，X2表示公司股票收益(单位：万元)；D1，D2和D3均为虚拟变量，分别表示金融业、消费品工业和公用事业。假设对比产业为交通运输业。
(i)求出样本中的平均年薪和平均任期。
(ii)有多少位CEO尚处于担任CEO的第一年(就是说，ceoten=0)？最长的CEO任期是多少？
(ii)估计简单回归模型log(salary)=β0+β1ceoten+u，用通常的形式报告你的结果。多担任一年CEO，预计年薪增长(近似)的百分数是多少？
薪水信息和职业统计。
(i)估计一个将每场得分(points)与加入联盟年数(exper)、年龄(age)、大学期间打球年数(coll)相联系的模型。包含一个exper的二次项，其他变量都应该以水平值形式加入模型。按照通常的格式报告结果。
(ii)保持大学打球年数和年龄不变，从加入联盟的第几个年份开始，在NBA打球的经历实际上将降低每场得分？这讲得通吗？
(iii)你为什么认为coll具有负系数，而且统计显著？(提示：NBA运动员在读完大学之前被选拔出，甚至直接从高中选出。)
(iv)有必要在方程中增加age的二次项吗？一旦控制了exper和coll之后，这对年龄效应意味着什么？
(v)现在将log(wage)对points，exper，exper2，age和coll回归。以通常的格式报告结论。
(vi)在第(v)部分的回归中检验age和coll是否联合显著。一旦控制了生产力和资历，这对考察年龄和受教育程度是否对工资具有单独影响这个问题有何含义？
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
A.当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性
B.当异方差出现时，常用的t和
C.异方差情况下，通常的OLS估计一定高估了估计量的标准差
D.如果OLS回归的残差表现出系统性，那么说明数据中不存在异方差性
E.如果回归模型中遗漏一个重要变量，那么OLS残差必定表现出明显的趋势
F.检验失效
本题利用NBASAL.RAW中的数据。
(i)估计一个线性回归模型，将单场得分与联赛中打球经历和位置(后卫、前锋或中锋)联系起来。包括打球经历的二次项形式，并将中锋作为基组。以通常的形式报告结果。
(ii)在第(i)部分中，你为什么不将所有三个位置虚拟变量包括进来？
(iii)保持经历不变，一个后卫的得分比一个中锋多吗？多多少？这个差异统计显著吗？
(iv)现在，将婚姻状况加入方程。保持位置和经历不变，已婚球员是否更高效(就单场得分来说)？
(v)加入婚姻状况和两个经历变量的交互项。在这个扩展的模型中，是否存在有力的证据表明婚姻状况影响单场得分？
(vi)使用单场助攻次数作为因变量估计(iv)中的模型。与(iv)的结果有明显的差异吗？请讨论。
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？
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？
(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii) 现在， 针对模型
在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
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？
利用401KSUBS.RAW中的数据。
(i)计算样本中netta的平均值、标准差、最小值和最大值。
(ii)检验假设：平均netta不会因为401(k)资格状况而有所不同，使用双侧备择假设。估计差异的美元数量是多少？
(iii)根据第7章的计算机练习C7的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e401k作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv)在第(ii)部分估计的模型中，增加交互项e401k(age-41)和e401k-(age-41)2。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi)现在，从模型中去掉交互项，但定义5个家庭规模虚拟变量：fsizel，fsize2，fsize3，fsize4和fsize5。对有5个或5个以上成员的家庭，fsize5等于1。在第(ii)部分估计的模型中，增加家庭规模虚拟变量，记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii)现在，针对模型
在容许截距不同的情况下，做5个家庭规模类别的邹至庄检验。约束残差平方和SSR，从第(iv)部分得到，因为那里回归假定了相同斜率。无约束残差平方和
其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
(i)一个学区中学校的最多数量和最少数量是多少？每个学区的学校平均数量是多少？
(ii)利用混合OLS(即将所有1848个学校混合在一起)，估计一个将lavgsal与bs，lenrol，lstaff和lunch相联系的模型：也参见第9章的计算机练习C11。bs的系数和标准误是多少？
(iii)求对学区内聚类相关(和异方差性)保持稳健的标准误。bs的t统计量有何变化？
(iv)去掉bs＞0.5的四个观测，仍用混合OLS，求出βbs及其聚类稳健标准误。现在，薪水与福利之间的替代关系，有更多的证据吗？
(v)容许一个学区内的学校存在一个共同的学区效应，用固定效应法估计这个方程。再次去掉bs＞0.5的四个观测，现在，你对薪水与福利之间的替代关系有何结论？
(vi)根据你在第(iv)部分和第(v)部分的估计值，讨论通过学区固定效应而容许教师的薪酬在不同学区系统变化的重要性。
