题目内容
（请给出正确答案）
利用PRISON.RAW中的数据。
(i)以教材(16.41)中的2SLS估计结果为基础，估计Alog(prisonit)的约简型方程。其中，IVs，final1和final2分别都是统计显著的吗？
(ii)求(i)中的约简型方程残余，把它加入教材(16.41)的方程中，并且检验Δlog(prisonit)的内生性，你的结论是什么？
(iii)在应用2SLS法估计教材方程(16.41)时检验单个过度识别约束。你的结论是什么？
(iv)在这个应用过程中，2SLS和OLS两种方法之间的不同实际上重要吗？
如果结果不匹配，请 联系老师 获取答案
更多“利用PRISON.RAW中的数据。 (i)以教材(16.41…”相关的问题
利用FERTIL3.RAW中的数据。
(i)在教材方程(10.19)中加入pet-3和pet-4，并检验这些滞后的联合显著性。
(ii)求出第(i)部分中模型的长期倾向及其标准误，并与从教材方程(10.19)中得到的结果相比较。
(iii)估计问题10.6中的多项式分布滞后模型，求出LRP的估计值，并与从无约束模型中得到的结果相比较。
利用HPRICE1.RAW中的数据。
(i)估计模型
并以通常的OLS格式报告结论。
(ii)当losie=20000，sqpt=2500和bdrms=4时，求出log(price)的预测值。利用教材6.4节中的方法，在同样的解释变量值的情况下，求出price的预测值。
(iii)就解释price中的变化而言，决定你是喜欢第(i)部分中的模型，还是喜欢模型
使用WAGE1.RAW中的数据。
(i)求出样本中的平均受教育程度。最低和最高受教育年数是多少？
(ii)求出样本中的平均小时工资。它看起来是高还是低？
(iii)工资数据用1976年的美元报告。利用(2004年或以后的)《总统经济报告》，求出并报告1976年和2003年的消费者价格指数(CPI)。
(iv)利用第(iii)部分中的CPI值，求以2003年美元度量的平均小时工资。现在，平均小时工资看起来合理了吗？
(v)样本中有多少女人和男人？
利用ATTEND.RAW中的数据研究出勤率(atndrte，用百分比表示)与ACT成绩(最高可能得分为32分)之间的关系。
(i)在样本中找出atndrte的最大值和最小值。
(ii)在总体模型atndrte=β0+β1ACT+u中，解释系数β1的含义，β1的符号是明显的吗？请解释。
利用HPRICE1.RAW中的数据。
(i)估计模型
并按通常的格式报告你的结果，包括回归标准误。当我们代入lotsize=10000，sqrft=2300和bdrms=4时，求出预测价格，将这个价格四舍五入到美元。
(ii)做一个回归，使你能得到第(i)部分中预测值的一个95%的置信区间。注意，由于四舍五入的误差，你的预测将多少有些不同。
(iii)令price0为具有第(i)部分和第(ii)部分所述特征的住房的未知未来售价。求出price0的一个95%的置信区间，并对这个置信区间的宽度进行评论。
使用TRAFFIC2.RAW中的数据。
(i)做prcfat对一个线性时间趋势、月份虚拟变量及变量wkends，unem，spdlaw和beltlw的OLS回归。利用教材方程(12.14)中的回归检验误差中的AR(1)序列相关。使用假定了严格外生回归元的检验说得过去吗？
(ii)利用尼威-韦斯特估计量中的4阶滞后，求spdlaw和beltlaw系数的序列相关和异方差-稳健标准误。这将如何影响这两个政策变量的统计显著性？
(iii)现在，利用迭代普莱斯-温斯顿程序估计模型，并将估计值与OLS估计值进行比较。政策变量的系数或统计显著性有重大变化吗？
利用LAWSCH85.RAW中的数据。
(i)使用与第3章习题4一样的模型，表述并检验原假设：在其他条件不变的情况下，法学院排名对起薪中位数没有影响。
(ii)新生年级的学生特征(即LSAT和GPA)对解释salary而言是个别或联合显著的吗？
(iii)检验是否要在方程中引入入学年级的规模(clsize)和教职工的规模(faculty);只进行一个检验。(注意解释clie和facuiy的缺失数据。)
(iv)还有哪些因素可能影响到法学院排名，但又没有包括在薪水回归中？
利用FERTIL1.RAW中的数据。
(i)对教材例13.1所估计的方程中，检验16岁时的生活环境是否对生育率产生影响(以大城市为基组)。报告F统计量的值及其p值。
(ii)检验16岁时所在区域(以南方为基组)是否对生育率产生影响。
(iii)令u为总体方程中的误差项。假设你认为u的方差随时间而变(但不随educ，age等而变)。那么刻画这一特点的一个模型是
利用这个模型去检验u的异方差性。(提示：你的F检验应有6和1122个自由度。)
(iv)在教材表13-1所估计的方程中增加交互项y74-educ，y76educ，···，y84-educ。解释这些项代表了什么？它们是联合显著的吗？
本题要用到TRAFFIC2.RAW中的数据。加州1981年至1989年交通事故的这些月度观测在第10章计算机习题11中曾被使用过。
(i)利用标准的迪基-富勒回归， 检验Itotacc， 是否具有单位根。在2.5%的显著性水平上， 你能拒绝单位根的存在吗？
(ii)现在，在第(i)部分的检验中增加两个滞后变化，并计算增广迪基-富勒检验。你得到什么结论？
(iii)在第(ii) 部分的ADF回归中增加一个线性时间趋势变量。现在情况又将如何？
(iv)根据第(i) 部分至第(ii) 部分的结论， 你认为对I to tacc， 的最好刻画是：一个Ⅰ(1)过程还是一个含有线性时间趋势的Ⅰ(O)过程？
(v)在一个ADF回归中， 利用两个滞后项来检验致死交通事故百分数pre fat是否存在单位根。在此情形中，包含一个线性时间趋势与否是否有关系？
利用TWOYEAR.RAW中的数据。
(i)变量stotal是一项标准化测试变量，可用作无法观测的能力的代理变量。求stotal的样本均值和标准差。
(ii)做警察和univ对stotal的简单回归。两个大学教育变量都与stotal统计相关吗？请解释。
(iii)在教材方程(4.17)中增加stotal，并检验二年制大专和四年制大学教育具有相同回报的假设，备择假设是四年制大学的回报更高。你的结论与4.4节中的结论有何区别？
(iv)在第(iii)部分估计的方程中增加stotal2。测试分数变量的二次项有必要吗？
(v)在第(iii)部分的方程中增加stotal·警察和stotal·univ。这两项联合显著吗？
(vi)你通过使用stotal而控制能力变量的最终模型是什么？说明你的理由。
考虑一个教育回报取决于工作经历多少(反之亦然)的模型：
(i)证明：保持exper不变，多受一年教育的回报(以小数表示)是β1+β3exper。
(ii)陈述如下原假设：教育的回报并不取决于exper的水平。你认为合适的备择假设是什么？
(iii)利用WAGE2.RAW中的数据，相对你给出的备择假设来检验(ii)中的原假设。
(v)令θ1表示exper=10时(以小数表示)的教育回报：θ1+10β3求出β1的估计值及其95%的置信区间.(提示：写成θ1-10β3并代入方程，然后重新整理。这就给出了得到的θ1置信区间所需做的回归。)
