单元作业答案

第一早请描述经济数据的类型及其特点。答：横截面数据(4,)时间序列数据(3,)面板数据(3，)1、简要说明计量经济学的实证步骤有哪些？得分要求：意思答对即可给分。具体得分标准写出四个步骤的名称给50%的得分,每一步骤做了合理的展开，给另50%得分。第二章L利用基尔和麦克莱恩(KielandMcClain,1995)有关1988年马萨诸塞州安德沃市的房屋出售数据，如下方程给出了房屋出售价格(price)和距离一个新修垃圾焚化炉的距离(dist)之间的关系：log(price)=9.40+0.312log(dist)*=135R2=0.162(1)解释log(dist)的系数。它的符号是你所预期的吗？你认为简单回归给出了price对dist在其他条件不变下弹性的无偏估计量吗？(考虑一个城市决定放置焚化炉的地点的决策)(3)房屋还有哪些其他因素影响其售价？这些因素会与距离焚化炉的远近相关吗？答：(l)log(dist)的系数符合预期。房屋的位置离垃圾焚化炉越近，受到垃圾焚化炉的影响越严重，房屋的价格就会越低，反之，房屋的位置离垃圾焚化炉越远，房屋的价格就越高。没有。假设垃圾焚化炉位于远离城市中心的区域，那么距离垃圾焚化炉越远，房屋的质量就会越高，这将对随机干扰项造成影响，违反SLR4(条件同方差假定)，对OLS估计量带来偏误。影响房屋售价的因素还包括：房屋的大小、浴室的数量、房屋的使用年限、邻里的质量，这些因素和⑵中所提一样，都与距离焚化炉的远近相关。第三章1.假设你对估计其他条件不变的情况下y和西之间的关系感兴趣。为此，你可以搜集两个控制变量易和的数据。(为真实起见，你可以想象y为期末考试分数，工1为到课率，*2为上学期之前的GPA,工3为SAT或ACT分数。)令0表示y对也进行简单回归的系数估计值，而&为y对也，x2,土进行多元回归的斜率估计值。(1)若样本中M,想与了3高度相关，目和了3对V具有很大的偏效应，你会预计0和仓是十分类似还是十分不同？请解释。(2)若样本中皿与工2和工3几乎无关，但工2和了3高度相关，你会预计0和4是十分类似还是十分不同？请解释。(3)若样本中M与*2和工3高度相关，且*2和了3对V具有很小的偏效应，那么seS)和se(如哪个更小？请解释。(4)若样本中M与&和想几乎无关，切和了3对V具有很大的偏效应，并且和了3高度相关，那么se(j3/)和se"I)哪个更小?请解释。答：(1)因为也，想与工3高度相关，而工2和工3对V具有很大的偏效应，所以简单回归的系数估计值切与多元回归的系数估计值仓数值十分不同。(2)我们认为0］和0将十分类似。若样本中皿与工2和工3几乎无关，工2和工3之间的高度相关关系并不会直接对多元回归的斜率估计值A产生影响。(3)样本中X］与工2和工3高度相关,且切和工3对V具有很小的偏效应，那么工2和工3的加入相当于增加了也系数的标准差，所以se(4)将会远远大于se(Oi)。(4)工2和工3的加入将会降低残差方差(因为也与想和工3几乎无关，多重共线性的影响不大)，所以我们会发现se(O；不匕se(0)小。川和想之间的高度相关性并不会直接影响se("Do第四章1.变量mktval为企业的市场价值，profmarg为利润占销售额的百分比，ceoten为其就任当前公司CEO的年数，而comten则是其在这个公司的总年数。因变量：log(salary)自变量(1)(2)(3)log(sales)0.224(0.027)0.158(0.040)0.188(0.040)log(mktval)—0.112(0.050)0.100(0.049)profrnarg—-0.0023(0.0022)-0.0022(0.0021)ceoten——0.0171(0.0055)comten——-0.0092(0.0033)截距4.94(0.20)4.62(0.25)4.57(0.25)观测次数R?1770.281177(0.304)177(0.353)评论profmarg对CEO薪水的影响。(2)市场价值是否具有显著影响？试解释你的结论。⑶解释ceoten和comten的系数,这些变量是统计显著的吗？(4)你如何解释，在其他条件不变的情况下你在这个公司任职时间越长，你的薪水越低?答：(1)在第二列和第三列中，profmarg的系数均为负数，t值约为-1。也就是说，控制销售量和企业的市场价值不变，profmarg对CEO薪水几乎没有影响。在第三列中我们控制了大多数相关变量，log(mktval)的t值约为2.05,在5%显著性水平下统计显著。由于对mktval取了对数，所以mktval每增加10%,CEO薪水将会增加1%。ceoten和comten的t值分别为3.11>-2.79,所以这些变量在低水平下都是统计显著的。其他条件不变情况下，假设在这家公司继任一年CEO,你的工资将会上涨1.71%。假设你继续留在这家公司，但是却不继任CEO,工资将会下降0.92%o从外面雇佣而来的CEO往往具有明星效应，且追求高薪资。企业需要通过竞价对这些追求高薪资的CEO进行雇佣。而假设你在这家企业工作，且不再是CEO了，随着时间流逝，你的明星效应会减弱，企业愿意支付给你的工资就会降低。第五章.假设你通过对工资、受教育程度、工作经历和性别的调查来搜集数据。而且，你还询问了网瘾方面的相关信息。原问题是：〃上个月上网时间为多少小时？”(1)写出一个方程，使之在控制其他因素的情况下，能让你估计出网瘾对工资的影响。你应该能得出这样的结论：“每个月少上10个小时网，估计会使工资改变X%。”(2)写出一个模型，使你能检验女性和男性在网瘾对工资的影响上是否存在差异。你将怎样检验网瘾带来的影响对男女是没有差异的？(3)假设你认为最好按照上网时间将人分为四类：不上网者、适度上网者(每月0-60小时)、轻度网瘾(每月61/60小时)、重度网瘾(每月160小时以上)。写出一个模型，使你能估计出网瘾对工资的影响。(4)利用⑶中的模型，详细解释如何检验网瘾对工资没有影响的原假设。既要具体，又要包括对自由度的一个仔细列表。(5)利用你搜集来的调查数据做因果推断，会有哪些潜在的问题？答：(1)log(wage)=ffl+yS,usage+A2educ+yAexper+A4exper2+Afemale+u我们可以在原模型中加一个上网时间和性别的交互项：log(wage)=no+usage+/?2educ+/?3exper+/?4exper2+Afemale+/?6femalexusage+u性别在网瘾对工资的影响上没有差异的原假设为Ho:烷二0我们以不上网者为基准,并设立如下虚拟变量：适度上网者Ightuser,轻度网瘾者moduser和重度网瘾者hvyusero假设性别在网瘾对工资的影响上没有差异，那么新的模型为：log(wage尸+AIghtuser+Amoduser+Ahvyuser+腐educ+腐exper+A4exper2+属female+u(4)原假设为Ho：再二0,$2二0,$3=0,存在q=3个限制条件。假设〃是样本量，df是自由度，那么检验量服从耳，“一8的F分布。(5)忽略了例如家庭背景的影响，家庭背景一方面会直接影响工资，同时也和你的上网时间息息相关，进而影响你的工资。为了避免类似的偏误发生，我们在做数据收集的时候，应该尽量收集除了上网时间不同，家庭背景近似相同的样本。第六章渐进性1、数据集SMOKE.RAW包含有某国成人个人随机样本在抽烟行为和其他变量方面的信息。变量cigs是(平均)每天抽烟的数量。你是否认为在某国这个总体中，cigs具有正态分布？试做解释。答：变量Cigs在人口分布中并不服从正态分布。大多数人不吸烟，所以对于一半以上的人口而言，cigs=O,而正态分布的随机变量不是具有正概率的特定值。此外，香烟的分布是倾斜的，而正常的随机变量必须关于其平均值对称。第七章异方差1.将异方差性的布罗施一帕甘检验和怀特检验的特征相结合有不同的方法。正文中没有讨论的一种可能性是将酒对EXi2,--Xik,y£i=进行回归。其中,w,是OLS残差,£是OLS拟合值。于是我们可以检验，XrX⑵融和中的联合显著性。（当然,我们在这个回归中总是包含一个截距。）（1）与所建议的异方差F检验相联系的自由度是多少？解释为什么上述回归的R2总是至少和BP回归与怀特检验特殊形式的R2一样大？第（2）部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的p值？请解释。假设有人建议还在新提出的这个检验中增加丸。你认为这个主意如何？答：（1）上述方法是一个将布罗施一帕甘检验和怀特检验复合的新检验方法，存在好1个回归方程，即奸1个限制条件。所以，F检验的自由度为（好l,n—k—2）。对于布罗施一帕甘检验来说，这个新的复合检验中多了一个新的回归项，y-所以复合检验的IV总是比布罗施一帕甘检验的要大。否。复合检验的F统计量依赖于R%/I-R2,,这个值确实会随着R%的变大而变大。UUU同时，F统计量也与它的自由度相关，但是布罗施一帕甘检验、怀特检验还是新的复合检验的自由度是不同的，所以我们无法判断哪个检验会得到更小的P值。（4）将会导致多重共线性，对回归结果带来偏误