题目内容
（请给出正确答案）
本题利用AIRFARE.RAW中的数据。在一个联立方程非观测效应模型中， 需求方程为：
其中我们把航线距离变量放到ait中。
(i)利用固定效应模型估计需求函数，为了解释不同的截距，必须包括年度虚拟变量。弹性估计值是多少？
(ii)利用固定效应模型估计如下约简型方程：
进行适当的检验， 以保证concenit 可用作log(fareit ) 的一个工具变量。
(iii)现在，就像在方程(16.42)中一样，利用固定效应变换和工具变量法估计这个需求函数。现在的估计弹性是多少？它在统计上显著吗？
如果结果不匹配，请 联系老师 获取答案
更多“本题利用AIRFARE.RAW中的数据。在一个联立方程非观测…”相关的问题
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？
本题利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？
本题利用数据集MEAO0_01.RAW中的数据。
(i)用OLS估计方程
(iv)求容许方差函数被误设的WLS标准误。它与通常的WLS标准误有很大的不同吗？
(v)为了估计支出对math 4的影响， OLS与WLS哪一个看起来更准确？
本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。
(i)从加速数模型
中求出OLS残差，并用
回归来检验是否存在序列相关。p的估计值是多少？序列相关看起来是多大的问题？
(ii)用PW估计这个加速数模型，并将β1的估计值与OLS估计值进行比较。你为什么预期它们很相似？
本题使用VOTEI.RAW中的数据。
(i)估计一个以vote A为因变量并以prtystrA、democA、log(expend A) 和
(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。
(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强？
本题要利用LAWS CH 85.RAW中的数据。
(i)使用与第3章习题4一样的模型，表述并检验虚拟假设：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(faculty) ; 只进行一个检验。(注意解释clsize和faculty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？
本题利用SLEEP75.RAW中的数据。我们要分析的方程为：
(i)分别针对男性和女性单独估计这个方程，并按照通常形式报告结论。这两个估计方程有什么明显差异吗？
(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk，.male的检验形式，并使用全部观测。该检验相关的df等于多少？在5%的显著性水平上，你应该拒绝这个虚拟假设吗？
(iii)现在，容许男性与女性存在不同截距，判定所有涉及male的交互项是不是联合显著的？
(iV)给定第(ii)部分和第(iii)部分中的结论，你最后将使用什么样的模型？
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。]
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？
(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧对立假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告H0：βlog(hseval)=0的双侧p值。
(iv) 在第(ii) 部分的回归中， log(income) 和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个邮区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
