在回归分析中,用来预测或用来解释另一个变量的一个或多个变量称为()。
A.自变量
B.因变量
C.随机变量
D.非随机变量
数据。变量gwage232是232部门平均工资的月增长率(以对数形式变化),getup232是232部门的就业增长率,gmwage是联邦最低工资的增长率,而gcpi是(城市)消费者价格指数的增长率。
(i)将变量gwage232对gmwage和gCPI进行回归。你认为βgmwage的符号和大小合理吗?请加以解释。gmwage在统计上显著吗?
(ii)在第(i)部分的方程中增加gmwage的1至12阶滞后变量。为了估计第232部门中最低工资的增加对平均工资增长率的长期影响,你认为有必要包括这些滞后变量吗?请加以解释。
(iii)将变量getup232对gmwage和gcpi进行回归。最低工资增长看起来对同期的getup232有影响吗?
(iv)在就业增长方程中增加gmwage的1至12阶滞后变量。在短期或长期中,最低工资的提高对就业增长具有统计显著的影响吗?请加以解释。
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?
和工资序列数据。变量gwage 232是232部门平均工资的月增长率(以对数形式变化), getup 232是232部门的就业增长率,gmwage是联邦最低工资的增长率, 而gcpi是(城市) 消费者价格指数的增长率。
(i)将变量gwage 232对gmwage和gCP I进行回归。你认为的符号和大小合理吗?请加以解释。gmwage在统计上显著吗?
(ii)在第(i) 部分的方程中增加gmwage的1~12阶滞后变量。为了估计第232部门中最低工资的增加对平均工资增长率的长期影响,你认为有必要包括这些滞后变量吗?请加以解释。
(iii)将变量getup 232对gmwage和gcpi进行回归。最低工资增长看起来对同期的gen up 232有影响吗?
(iv)在就业增长方程中增加gmwage的1~12阶滞后变量。在短期或长期中, 最低工资的提高对就业增长具有统计显著的影响吗?请加以解释。
A.可能存在序列相关性的问题
B.解释变量与随机干扰项相关
C.对于无限期滞后模型,没有足够的样本
D.对于有限期滞后模型,没有先验准则确定滞后期的长度
E.滞后期较长的分布滞后模型,缺乏足够的自由度进行统计检验