本题使用MINWAGE.RAW中的数据。使用232部门(男性用品部门) 中的时间序列。
(i)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)利用12阶滞后, 求第(i) 部分中OLS估计值的尼威-韦斯特标准误。这个尼威-韦斯特标准误与通常的OLS标准误相比如何?
(iii)现在求出OLS的异方差-稳健标准误, 并与通常的标准误和尼威-韦斯特标准误进行比较。在这个应用研究中,序列相关和异方差哪个更成问题?
(iv)在原方程中用布罗施-帕甘检验验证误差表现出很强的异方差性。
(v)在第(i) 部分的方程中增加gm wage的1~12阶滞后。求出1~12阶滞后联合下检验的p值, 并与异方差-稳健检验的p值进行比较。对异方差的调整对这些滞后变量的显著性有何影响?
(vi)利用尼威-韦斯特方法,求第(v)部分中联合显著性检验的p值。你现在得到什么结论?
(vii)如果你不用g wage的这些滞后项, 长期倾向的估计值有很大的不同吗?
(i)与所建议的异方差F检验相联系的自由度是多少?
(ii)解释为什么上述回归的R²总是至少和BP回归和怀特检验特殊形式的R²一样大?
(iii)第(ii)部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的P值?请解释。
(iv)假设有人还建议在新提出的这个检验中增加。你认为这个主意如何?
A.F检验
B.配对T检验
C.双样本T检验
D.卡方检验
检验异方差的方法很多,常用的方法有帕克(Park)检验与 戈里瑟(Gleiser)检验、戈德菲尔德一匡特(Goldfeld—Quandt)检验(G—Q检验)、怀特(White)检验、ARCH检验等。()
A、随机序列项不是同方差,而是异方差
B、随机序列项序列相关,即存在自相关
C、解释变量之间相关
D、解释变量是随机变量,且与随机扰动项相关
E、因变量是随机变量,即存在误差
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。