首页 > 职业技能鉴定

网友您好，请在下方输入框内输入要搜索的题目：

请输入或粘贴题目内容搜题

搜题

拍照、语音搜题，请扫码下载APP

题目内容（请给出正确答案）

[主观题]

本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固定效应分

析。我们关心的模型是：

本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固

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a_i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残差本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固。

(ii)lunch_it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)利用本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固的回归计算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MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固

答案

查看答案

发布时间：2022-11-02

更多“本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固定效应分”相关的问题

第1题

本题利用ATTEND.RAW中的数据。(i)在例6.3的模型中，推出(iii)假设你用(priGPA-2.59)·(atndrte-82

本题利用ATTEND.RAW中的数据。（i)在例6.3的模型中，推出（iii)假设你用（priGPA-2.59)·（atndrte-82

本题利用ATTEND.RAW中的数据。

(i)在例6.3的模型中，推出

(iii)假设你用(priGPA-2.59)·(atndrte-82)取代priGP4(atndrte-82)。你将如何解释atndrte和priGPA的系数。

点击查看答案

第2题

本题利用MURDER.RAW中的数据。(i)利用1990年和1993年的数据，用混合OLS估计方程(iv)做第(ii)部

本题利用MURDER.RAW中的数据。（i)利用1990年和1993年的数据，用混合OLS估计方程（iv)做第（ii)部

本题利用MURDER.RAW中的数据。

(i)利用1990年和1993年的数据，用混合OLS估计方程

(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？

(v)你认为的哪个1统计量更值得信赖，是通常的!统计量还是异方差-稳健的1统计量？为什么？

点击查看答案

第3题

本题使用WAGEI.RAW中的数据。(i)利用方程(7.18)估计在Pdw=12.5时的性别差异。并与educ=0时估计的

本题使用WAGEI.RAW中的数据。（i)利用方程（7.18)估计在Pdw=12.5时的性别差异。并与educ=0时估计的

本题使用WAGEI.RAW中的数据。

(i)利用方程(7.18)估计在Pdw=12.5时的性别差异。并与educ=0时估计的性别差异相比较。

(ii)做一个用以得到式(7.18)的回归，但用female·(educ-12.5)取代female·ed huc。你现在如何解释female的系数？

(ii)第(ii)部分中female的系数是统计显著的吗？与式(7.18)相比较并进行评论。

点击查看答案

第4题

本题利用FERTIL3.RAW中的数据。(i)将gfr对t和t2回归，并保留残差，便得到除趋势的gfr_t即。(i

本题利用FERTIL3.RAW中的数据。（i)将gfr对t和t2回归，并保留残差，便得到除趋势的gfr_t即。（i

本题利用FERTIL3.RAW中的数据。

(i)将gfr对t和t2回归，并保留残差，便得到除趋势的gfr_t即。

(ii)将对方程(10.35)中所有变量(包括t和t²)回归。比较得出的R2与方程(10.35)中的R²有何不同。你有何结论？

(iii)在方程(10.35)中加入3后重新进行估计。这个新增变量在统计上显著吗？

点击查看答案

第5题

本题利用WAGEPAN.RAW中的数据。(i)考虑非观测效应模型(iv)现在，容许是否加入工会的差别(与受教

本题利用WAGEPAN.RAW中的数据。（i)考虑非观测效应模型（iv)现在，容许是否加入工会的差别（与受教

本题利用WAGEPAN.RAW中的数据。

(i)考虑非观测效应模型

(iv)现在，容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化，用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少？1987年呢？这个差别在统计上显著吗？

(v)检验工会关系差别在不同时期没有发生变化的虚拟假设，并根据你对第(iv)部分的回答讨论你的结论。

点击查看答案

第6题

本题利用JTRAIN3.RAW中的数据。(i)估计简单回归模型并用常用格式报告结论。基于这个回归，1976年

本题利用JTRAIN3.RAW中的数据。（i)估计简单回归模型并用常用格式报告结论。基于这个回归，1976年

本题利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型并用常用格式报告结论。基于这个回归，1976年和1977年的工作培训看上去对1978年的真实劳动工资有正的影响吗？

(ii)现在使用真实劳动工资的变化cre=re 78-re 75作为因变量。(由于我们假定1975年之前没有工作培训，所以我们没有必要对train进行差分。也就是说，如果我们定义ctrain=train 78-train75，那么，由于train75=0，所以ctran=train78。)现在，培训的估计影响有多大？讨论它与第(i)部分估计值的比较。

(iii)利用通常的OLS标准误和异方差-稳健标准误求培训效应的95%置信区间，并描述你的结论。

点击查看答案

第7题

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

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

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。]

点击查看答案

第8题

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

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

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。

点击查看答案

第9题

本题使用CRIME 3.RAW中的数据。(iii)估计第(ii)部分中的方程。与式(13.22)比较调整R²。你

本题使用CRIME 3.RAW中的数据。（iii)估计第（ii)部分中的方程。与式（13.22)比较调整R²。你

本题使用CRIME 3.RAW中的数据。

(iii)估计第(ii)部分中的方程。与式(13.22)比较调整R²。你最后会选用哪一个模型？

点击查看答案

第10题

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

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

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。

点击查看答案

第11题

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

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

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。

点击查看答案

账号：尚未登录

登录没有账号？去注册

购买搜题卡

下载APP

关注公众号

TOP