A.无限期分布滞后模型不可以转换为一阶自回归模型
B.科伊克模型和自适应预期模型都存在解释变量与随机干扰项同期相关问题
C.局部调整模型中解释变量与随机干扰项没有同期相关,因此可以应用OLS估计
D.自适应预期模型最初表现形式是Yt=β0+β1Xte+μt
E.估计自回归模型时的主要问题在于滞后被解释变量的存在可能导致它与随机干扰项相关,以及随机干扰项出现序列相关
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。
经检验后,若多元回归模型中的一个解释变量是另一个解释变量的0.95倍,则该模型应存在()。
A.多重共线性
B.异方差
C.自相关
D.正态性
利用MURDER.RAW中有关谋杀率和死刑的州一级数据。
(i)考虑非观测效应模型
其中,θt无非表示不同年份的截距,而ai表示各州的非观测效应。如果过去对被判谋杀者的死刑有某种威慑作用,那么民,的符号应该是正是负?你认为β2应该有什么样的符号?请解释。
(ii)仅利用1990年和1993年的数据,用混合OLS估计第(i)部分中的方程。忽略复合误差中的序列相关问题。你发现威慑效应的证据了吗?
(iii)利用1990年和1993年的数据,再用固定效应法估计方程。既然只用两年数据,所以你或许可以利用一阶差分。现在,有威慑效应的证据吗?有多强?
(iv)计算第(iii)部分中估计的异方差-稳健标准误。利用一阶差分最容易吗?
(v)找出1993年死刑变量取值最大的州。(变量exec是1991年、1992年和1993年执行死刑的总人数。)这个数值比第二高的值大多少?
(vi)在分析中去掉得克萨斯,利用一阶差分估计方程。计算通常和异方差-稳健的标准误。现在有什么结论,为什么?
(vii)利用所有三年数据,并用固定效应法估计模型。在分析中包含得克萨斯。与仅使用1990年和1993年数据的估计相比,讨论威慑效应的大小和统计显著性。
A.投资者是追求收益的,同时也是厌恶风险的
B.所有证券的收益都受到一个共同因素的影响
C.投资者的投资为复合投资期
D.投资者能够发现市场上是否存在套利机会,并利用该机会进行套利
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?
设一幅图像的自相关函数为E{f(m,n)f(m—i,n一j))=σ2ρviρhj,请设计列方向上的二阶预测器。 (1)组成自相关矩阵R和矢量r; (2)找出最优的预测系数; (3)计算利用上述最优预测系数时的预测误差的方差。 [提示:列方向上的二阶预测器为
=a1f(m一1,n)+a2f(m一2,n)]
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