首页 > 公务员考试

题目内容（请给出正确答案）

[主观题]

本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固定效应分

析。我们关心的模型是：

本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固

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a_i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残差本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固。

(ii)lunch_it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)利用本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固的回归计算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？

本题利用MATHPNL.RAW中的数据。类似计算机习题C13.11中的一阶差分分析，这里将做一个固

查看答案

如果结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装优题宝APP，拍照搜题省时又省心！

更多“本题利用MATHPNL.RAW中的数据。类似计算机习题C13…”相关的问题

第1题

本题利用0KUN.RAW中的数据：也可参见计算机习题11.11。

点击查看答案

第2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

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

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？

点击查看答案

第3题

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。

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。

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？

点击查看答案

第4题

本题利用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lotsize=20000，scr

本题利用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lotsize=20000，scr

本题利用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lotsize=20000，scrft=2500和bdrms=4时，求出log(price) 的预测值。利用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中的变异而言，决定你是偏好第(i)部分中的模型，还是偏好模型

点击查看答案

第5题

本题利用LOANAPP.RAW中的数据。(i)估计计算机习题C7.8第(iii) 部分中的方程，计算其异方差-稳健

本题利用LOANAPP.RAW中的数据。（i)估计计算机习题C7.8第（iii) 部分中的方程，计算其异方差-稳健

本题利用LOANAPP.RAW中的数据。

(i)估计计算机习题C7.8第(iii) 部分中的方程，计算其异方差-稳健的标准误。将的95%的置信区间与非稳健的置信区间相比较。

(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0？有没有哪个估计值大于1？而这些情况对加权最小二乘估计的应用意味着什么？

点击查看答案

第6题

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

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

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？

点击查看答案

第7题

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)

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)

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？

点击查看答案

第8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

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

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。

点击查看答案

第9题

本题利用MEAP93.RAW中的数据。(i) 估计模型math10=β₀+β₁log(expend)+β₂Inchprg+u，

本题利用MEAP93.RAW中的数据。（i) 估计模型math10=β₀+β₁log（expend)+β₂Inchprg+u，

本题利用MEAP93.RAW中的数据。

(i) 估计模型math10=β₀+β₁log(expend)+β₂Inchprg+u，并按照通常的方式报告估计方程，包括样本容量和R²。斜率系数的符号与你的预期一致吗？请加以解释。

(ii)你如何理解第(i)部分中估计出来的截距？特别是，令两个解释变量都等于零说得过去吗？[提示：记住log(1)=0。]

(i)现在做math10对log(expend)的简单回归，并将斜率系数与第(i)部分中得到的估计值进行比较。与第(i)部分中的结果相比，这里估计出来的支出效应是更大还是更小？

(iv)求山lexpend=log(expend)与Inchprg之间的相关系数。你认为其符号合理吗？

(v)利用第(iv)部分的结果来解释你在第(iii)部分中得到的结论。

点击查看答案

第10题

利用NYSE.RAW中的数据回答本题。(i) 估计方程(12.47) 中的模型并求OLS残差平方。求在整个样木中

利用NYSE.RAW中的数据回答本题。（i) 估计方程（12.47) 中的模型并求OLS残差平方。求在整个样木中

利用NYSE.RAW中的数据回答本题。

(i) 估计方程(12.47) 中的模型并求OLS残差平方。求在整个样木中的平均值、最小值和最大值。

(ii) 利用OLS残差平方估计如下的异方差模型

报告估计系数、标准误、R²和调整R²。

(iii) 将条件方差描述成滞后return_-1的函数。方差在return_-1取何值时最小？方差是多少？

(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？

(v)第(ii)部分中的模型拟合效果比例12.9中的ARCH(1)模型更好还是更差？请解释。

(vi)在方程(12.51)的ARCH(1)回归中添加二阶滞后。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？

点击查看答案

第11题

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

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

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。]

点击查看答案

湖南中本聪区块链科技有限公司版权所有 ©2024

湘ICP备20004669号-2 营业执照

违法和不良信息举报电话：400-118-7898

举报/反馈/投诉邮箱：deng＃ujigu.com（请将＃替换成@）