伍德里奇计量经济学导论之计算机操作题的R语言实现(简单线性回归)

1、(1)(1)伍德里奇计量经济学导论之计算机操作题的R语言实现(简单线性回归)引言本学期正在学习伍德里奇第四版的计量经济学导论，为了增强对计量经济学的理解和熟悉R语言的操作，决定对计量经济学导论的计算机操作部分进行R语言实现，如果各位看官发现有任何错误请在下面评论，不胜感激。题目就不在博客中重复，内容主要是R语言代码和习题解答。这一系列博客主要参照了计量经济学导论习题解答、王斌会老师出的计量经济学模型及R语言应用以及AppliedEconometricswithRo第四版计量经济学导论exceI文件见经过整理后的本博客数据和本篇博客Rmd文本见C2.1(1)#导入数据请注意修改文件路径名data

2、_2.1-read.csv(E:博客计量经济学ch_2401k.csv,header=TRUE)#平均参与率ave_prate-mean(data_2.1$prate)#平均匹配率ave_mrate-mean(data_2.1$mrate)(2)#估计回归方程lm_prate-lm(pratemrate,data=data_2.1)summary(lm_prate)#估计结果#prate=83.0755+5.8611mrate#n=1534#R-squared=0.0747(3)#解释系数#当匹配率为0的时候，回报率为83.0755%#mrate的系数表明在其他条件不变的条件下，当匹配率每增加

3、一美元，回报率平均增加5.86%。(4)#输入mrate数据输出fit的值就是点估计point-data.frame(mrate=3.5)predict(lm(pratemrate,data=data_2.1),point,interval=confidence)#点估计为103.5892%,显然这个答案是不可能的，这是由于数据集1534个记录中，只有34个记录中的mrate是大于3.5的，当mrate较大时，拟合效果不好。(5)#prate的变异中，只有7.47%由mrate进行解释。该值不大，说明有其他因素影响着回报率。2.2(1)(1)data_2.2-read.csv(E:博客计量经济

4、学ch_2ceosal2.csv)#为简便，将数据导入内存attach(data_2.2)#平均年薪ave_salary-mean(salary)#平均任期ave_ceotenv-mean(ceoten)(2)#任期一年个数n_ceoten-length(which(ceoten=0)#最长任期max_ceoten-max(ceoten)(3)#参数估计lm_ceosal-lm(log(salary)ceoten)summary(lm_ceosal)#回归方程为log(salary)=6.505498+0.009723*ceoten#报告#每多担任一年ceo,年薪平均增长几乎1%#释放数据集d

5、etach(data_2.2)C2.3(1)data_2.3-read.csv(E:博客计量经济学ch_2sleep75.csv)attach(data_2.3)#方程拟合lm_sleep75-lm(sleeptotwrk)summary(lm_sleep75)#sleep=3586.37695-0.15075*totwrk#观测次数#n=706#R-squared=0.1033#截距项表示，每周不工作时睡眠时间约等于3586.37695分钟(2)#预测多工作两小时(120分钟)睡眠时间减少#Asleep=-0.15075*120=-18.09每晚减少-18.09分钟，效应不大detach(d

6、ata_2.3)2.4(2)(5)data_2.4-read.csv(E:博客计量经济学ch_2wage2.csv)attach(data_2.4)#平均工资ave_wage-mean(wage)#平均IQave_IQ-mean(IQ)#IQ样本标准差sd_IQ-sd(IQ)(2)lm_wage2-lm(wageIQ)summary(lm_wage2)#回归方程为#wage=116.9916+8.3031*IQ#n=935,R-squared=0.09554#IQ增加15单位，工资预期变化#Awage=8.3031*15=124.5465#IQ能够解释9.554%的工资变化(3)#由题可得，可

7、以构建对数水平模型#log(wage)=a+bIQ+u#估计可得lm_wage-lm(log(wage)IQ)summary(lm_wage)#log(wage)=5.8869943+0.0088072*IQ#IQ提高15个单位wage平均提高13.21%#4og(wage)=0.0088072*15=0.132108detach(data2.4)C2.5(1)data_2.5-read.csv(E:博客计量经济学ch_2rdchem.csv)attach(data_2.5)#构建模型为#log(rd)=a+b*log(sales)+u#匕为rd对sales的弹性(2)lm_rdchem-lm

8、(log(rd)log(sales)summary(lm_rdchem)#log(rd)=-4.10472+1.07573*log(sales)#弹性值为1.07573#当其他条件不变时，sales每增口1%,rd增口1.07573%。detach(data_2.5)C2.6(1)data_2.6-read.csv(E:博客计量经济学ch_2Wmeap93.csv)attach(data_2.6)#随着更多一美元的花费，对通过率的影响越来越小。#因为当支持较低时，可以通过购买教学书籍、上辅导班，增加一美元对数学通过率提高影响较大；随着支出增加到一定地步时，此时：、有名师(2)(5)(2)(5)

9、#见书中证明，略(3)(4)(5)C2.7(1)(2)(3)(4)lm_meap93-lm(math10Tog(expend)summary(lm_meap93)#math10=-69.341+11.164*log(expend)#n=408R-squared=0.02727#支出影响多大#当其他条件不变时，expend每增加1%,math10平均增加0.11164%#支出提高10%,math10会增加1.1164%。max_fit-69.341+11.164*max(log(expend)detach(data_2.6)#可知数据集中最大为30.15033%,没有超过100%data_2.7

10、-read.csv(E:博客计量经济学ch_2charity.csv)attach(data_2.7)#平均捐款数量ave_gift-mean(gift)#没有捐款的百分比占比60%percent_gift-100*(length(which(respond=3)/length(respond)#平均邮递数ave_mailsyear-mean(mailsyear)#最小、最大邮递数min_mailsyear-min(mailsyear)max_mailsyear-max(mailsyear)lm_gift-lm(giftmailsyear)summary(lm_gift)#估计的回归方程为#gift=2.0141+2.6495*mailsyear#n=4268,R-squared=0.01379#回归系数表明当其他条件不变时，每年的邮件邮寄数量每增加一封，捐款平均增加2.6495荷兰盾#当邮递成本为1荷兰盾时，仍然有2.6495