利用BARIUM.RAW中的数据。
(i)在方程(10.22)中增加一个线性时间趋势。除了趋势变量以外的其他变量是统计上显著的吗?
(ii)在第(i)部分估计的方程中,检验除了时间趋势以外所有其他变量的联合显著性。你能得到什么结论?
(iii)在这个方程中添加月度虚拟变量,以检验季节性。增加月度虚拟变量对其他估计值及其标准误有重要影响吗?
本题利用INTQRT.RAW中的数据。
(iii)现在请你估计协整参数, 而不是把它设为1。再利用最后16个季度的数据求出样本外RMSE。它与第(i)部分和第(ii)部分中的结果有什么不同?
(iv)如果你想要预测的是r6而不是△r6,你的结论会有所变化吗?请解释。
A.通过买家地域数据指标关注买家来自哪些国家,不同国家的买家需求是怎样的;
B.通过数据纵横-选品专家关注买家使用了什么搜索词、搜索次数,成交价以及目标市场的零售价来选品和定价
C.数据纵横中行业情报可以帮助卖家选择产品线及这个产品线的行业趋势,具体需关注:上架产品数、竞争力、成交率判断等
D.通过商铺分析查询自己店铺的流量数据,关注热卖产品
利用VOLAT.RAW中的数据。
(i)证实sp500=log(sp500)和lip=log(ip)看来都包含了单位根。利用含四阶滞后变化的DF检验,在含和不含线性时间趋势的情况下分别进行检验。
(ii)做1sp500对lip的简单回归。评论:统计量和R的大小。
(iii)利用第(ii)部分的残差检验Isp500和lip是否协整。利用标准的DF检验和包含两阶滞后的ADF检验。你得到什么结论?
(iv)在第(ii)部分的回归中添加一个线性时间趋势,并利用第(iii)部分同样的检验来检验协整关系。
(v)看来股票价格与真实经济活动之间有长期均衡关系吗?
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。]
利用MIN WAGE.RAW中232部门的数据回答如下问题。
(i)证明l wage 232t 和lemp 232t 最好用I(1) 过程来刻画。使用分别包含g wage 232和gel up 232的一阶滞后以及一个线性时间趋势的ADF检验。对这些序列中存在单位根还存有疑问吗?
(ii)在使用和不使用时间趋势的情况下, 容许在增广恩格尔-格兰杰检验中使用两个滞后项, 将lemp 232t 对hr age 232t 进行回归并进行协整检验。你得到什么结论?
(iii)现在将lemp 232t 对真实工资率的对数In v age 232t =l wage 232t -lept 和一个时间趋势进行回归。你发现存在协整吗?与使用名义工资相比,使用真实工资时,它们更“接近”协整吗?
(iv)第(iii)部分的协整回归中可能遗漏了哪些因素?