题目内容
（请给出正确答案）
的遗漏变量。
(ii)如果样本中每名男性在1981~1987年之间都拥有相同职业，你在固定效应估计中还需要包含职业虚拟变量吗？请解释。
(iii)利用WAGEPAN.RAW中的数据(包括方程中的8个职业虚拟变量)，使用固定效应法估计方程。union的系数变化很大吗？其统计显著性如何？
如果结果不匹配，请 联系老师 获取答案
更多“(i)在教材例14.4的工资方程中，为了估计工会会员的工资增…”相关的问题
利用CRIME3.RAW中的数据。
(i)在教材例13.6的模型中，检验假设H0:β1=β2。(提示：定义θ1=β1-β2，并用θ1,β2和来表示β1。以此代入方程并加以整理，对θ1做t检验。)
(ii)若β1=β2，则差分方程可写成
是前面两年的平均破案百分数。
(iii)估计第(ii)部分中的方程。与教材(13.22)比较调整R2。你最后会选用哪一个模型？
在教材例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？)
(i)在将教材(1023)的OLS残差对滞后残差进行回归时，得到p=-0068和sep)=0.40。你对ut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？
响。帕普克还使用了一个容许每个城市都有其时间趋势的模型：
其中，αi和ci都是非观测效应，这样就可以考虑城市之间更多的异质性。
(i)证明：如果对上述方程取差分便得到
注意在此差分方程中包含一个固定效应ci。
(ii)用固定效应法估计差分方程。β1的估计值是什么？它和教材例13.8中的估计值有很大差别吗？企业园区的作用仍是统计显著的吗？
(iii)在第(ii)部分的估计中添加全部年度虚拟变量，β1的估计值有何变化？
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？
教材例13.9并利用CRIME4.RAW中的数据。
(i)假定你在做差分以消除非观测效应后，认为Alog(polpc)与Alog(crmrte)是同时决定的;特别是犯罪的增加与警察人数的增加有关。这对解释教材方程(13.33)中Alog(polpc)的正系数有何帮助？
(ii)变量taxpc表示全县人均征税量。将它排除在犯罪方程之外看上去合理吗？
(iii)在包括了潜在的工具变量Alog(taxpc)后，利用混合OLS估计Alog(polpc)的约简型。Alog(taxpc)看起来是一个很好的备选ⅣV吗？
(iv)假设在几年后，北卡罗来纳州资助某些县扩大其警察规模。你如何利用这个信息估计增加的警察对犯罪率的影响？
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教材例13.9中那些司法变量的系数？
(ii)第(i)部分中的工资变量全部都有预期的符号吗？它们是联合显著的吗？试解释。
使用PHILLIPS.RAW中的数据。
(i)教材例11.5中，我们估计了如下形式的附加预期的菲利普斯曲线：
其中
。用OLS估计该方程时，我们假定供给冲击et与unemt不相关。如果这是错误的，关于βt的OLS估计量可做什么解释？
(ii)假定et在给定所有过去信息的条件下是不可预期的：
解释为什么这使得unemt-1成为unemt的一个好的Ⅳ候选者。
(iii)将unemt对unemt-1做回归。unemt与unemt-1是否显著相关？
(iv)用Ⅳ估计附加预期的菲利普斯曲线。以通常形式报告结果，并将之与教材例11.5中的OLS估计值进行比较。
本题使用CPS78_85， RAW中的数据。
(i)你怎样解释方程(13.2)中y85的系数？对它有没有一种令人感兴趣的解释？(这里你要小心; 你必须说明交互项y 85·educ和y 85.female。)
(ii)保持其他因素不变，你估计一个接受了12年教育的男子的名义工资增加了多少个百分点？给出一种回
归以得到这个估计值的一个置信区间。「提示：为了得到这个置信区间， 要用y 85·(educ-12) 取代y 85-edic; 参见例6.3。]
(iii)令所有的工资均以1978年美元计算，重新估计方程(13.2)。具体地说，定义1978年的真实工资为rw age=wage， 而1985年的真实工资为rw age=wage/1.65。现在估计式(13.2) 时用log(rw age) 代替log(wage) 。哪些系数将不同于方程(13.2)中的系数？
(iv)解释为什么你在第(iii)部分中的回归给出的R²不同于方程(13.2)所给出的R2。
(提示：两个回归的残差，从而残差平方和是相同的。)
(V)试描述从1978年到1985年参加工会的作用起了什么变化？
(vi)从方程(13.2)开始，检验会员工资差别是否随时间而变。(应使用简单的1检验。)
(vii)你在第(v)和(vi)两部分中的结论是否相互矛盾？试解释。
这种可能性，利用NYSE.RAW中的数据估计
用标准格式报告结果。
(ii)陈述并检验E(returnt，Ireturnt-1)不取决于returnt-1这一虚拟假设。(提示：这里要检验两个约束。)你有何结论？
(iii)从模型中去掉returnt-1，但增加交互作用项returnt-1，returnt-2。再来检验有效市场假设。
(iv)基于过去股票收益进行股票每周收益的预测，有何结论？
利用CRIME4.RAW。
(i)使用固定效用法而不是差分法重新估计教材例13.9中关于犯罪的非观测效应模型。系数的符号和大小有什么明显变化？其统计显著性又怎样？
(ii)在数据集中添加每个工资变量的对数，再用固定效用法估计模型。添加这些变量如何影响第(i)部分有关司法变量的系数？
(iii)第(ii)部分的工资变量都带有所预期的符号吗？请解释。它们是联合显著的吗？
