请输入或粘贴题目内容
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）
。一个简单的模型为
其中， MINt 是最低真实工资， POPt是18~25岁之间的人口， GSPt 是州生产总值， GDPt 是美国国内生产总值。前缀g表示从t-1年到1年的增长率，它通常用对数之差来近似计算。
(i)如果我们担心该州会部分基于一些(对我们来说)无法观测但对年轻人就业有影响的因素来选择最低工资， 那么OLS估计将存在什么问题？
(ii)令US MINt 为美国最低工资， 它也是一个真实量。你认为gUS MINt 与ut 不相关吗？
(iii)按照法律， 各州的最低工资都必须不低于全国最低工资。解释这为什么使得gUS MINt 成为gM INt 的一个潜在Ⅳ。
答案
更多“假定你想要利用年时问序列数据， 对美国某州估计州最低工资对18~25岁之间年轻人就业(EMP)的影响”相关的问题
第1题
利用INTQRT.RAW中的数据。
在教材例18.7中，我们估计了六月期国库券持有期收益率的一个误差修正模型，其中三月期国库券持有期收益率的一阶滞后为解释变量。我们假定在方程
中的协整参数为1。现在，添加Δhy3t-1的先导变化Δhy3t、同期变化Δhy3t-1和滞后变化Δhy3t-2。即估计方程
并用方程形式报告结果。相对于双侧备择假设，检验H：β=1.假定方程中已经有了足够多的先导和滞后，使得{hy3t-1}在这个方程中是严格外生的，我们不必担心序列相关。
(ii)在教材(18.39)中的误差修正模型中，添加{hy3t-1}和{hy6t-2-hy3t-3}。这两项是联合显著的吗？你认为怎样才是适当的误差修正模型？
第2题
(i)对表教材14-1中的混合OLS估计值，求(合成误差vit=ai+uit中)容许任意形式序列相关和异方差性的标准误。educ，married和wion的稳健标准误与非稳健标准误相比如何？
(ii)现在，在容许特异误差uit中存在任意形式的序列相关和异方差性的情况下，求固定效应估计值的稳健标准误。它们与非稳健的FE标准误相比如何？
(iii)混合OLS和FE中，序列相关情况下的标准误调整对哪种方法来说更重要？为什么？
第3题
列。
(i)用OLS估计模型
并检验误差中的AR(1)序列相关。假定回归元是严格外生的。误差中有正或负的序列相关吗？
(ii)用迭代的普莱斯一温斯顿检验方法估计(i)中的模型。gmwage的系数与用OLS方法相比有什么区别？
(iii)在第(ii)部分的方程中增加gmwage的1~12阶滞后项并用迭代的普莱斯-温斯顿方法估计该模型，检验这12个滞后项是否为联合显著的。
(iv)我们回到在第(i)部分估计出的静态模型，用6阶滞后项计算尼威-韦斯特标准误。用尼威一韦斯特方法计算的标准误和普通的OLS标准误相比有什么区别？
(v)在静态模型中增加gwage的1~12阶滞后项，并用6阶滞后项的尼威-韦斯特检验方法检查12阶滞后项的联合显著性。你的结论和第(ii)部分相比有区别吗？
第4题
你是否同意以下命题？并对你的判断给出简要说明。
(i)像横截面观测一样，我们可以假定大多数时间序列观测是独立分布的。
(ii)时间序列回归中的OLS估计量在前三个高斯-马尔科夫假定下是无偏的。
(iii)在多元回归中，一个含有趋势的变量不能用作因变量。
(iv)在使用年度时间序列观测时，不存在季节性问题。
第5题
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？
第6题
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？
(vi)定义支出的总(或长期)效应为
的标准误。
第7题
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11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)第10章的计算机练习C11第(vi)部分中的回归。]
第8题
(i)有多少个州在1991年、1992年和1993年中至少处决了一个犯人？哪个州处决得最多？
(ii)利用1990年和1993两年的数据， 做一个mrd rte对d93、exec和unem的混合回归。你对exec系数如何解释？
(iii)仅利用1990~1993年的变化(对总共51个观测值) ， 用OLS估计以下方程
并以通常的格式报告结果。现在，处以死刑是否看起来具有威慑作用？
(iv)处决的变化至少可能部分地与预期谋杀率的变化有关， 因而△ exec与第(iii) 部分中的△u相关。假定△exec-1与△u不相关也许是合乎情理的。(毕竟， △exec-1 依赖于三年或更久以前进行的处决数。) 将△exec对△exec-1进行回归， 看它们是否充分相关：解释△exec-1的系数。
(v)用△exec-1作为△exec的Ⅳ， 重新估计第(iii) 部分中的方程。假定△mem是外生的。你从第(ii) 部分中得出的结论将怎样变化？
第9题
利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(ii)用FD估计第(i)部分中的方程，并检验不同时期的教育回报没有变化的原假设。
(iii)利用一个足够稳健的检验，也就是容许FD误差Δuir中存在任何形式的异方差和序列相关的检验，检验第(ii)部分中的假设。你的结论有变化吗？
(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原假设，并根据你对第(iv)部分的回答讨论你的结论。
第10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。
