首页 > 其他
题目内容 (请给出正确答案)
[主观题]

(i)利用NYSE.RAW中的数据估计方程(12.48)。令h表示这个方程的拟合值(条件方差的估计值) 。有多少

(i)利用NYSE.RAW中的数据估计方程(12.48)。令h表示这个方程的拟合值(条件方差的估计值) 。有多少

个h是负的?

(ii)在式(12.48)中增加returnt-12然后再计算拟合值ht存在负的ht吗?

(iii)利用第(ii)部分得到的ht用加权最小二乘法(像在8.4节中那样)估计式(12.47)。将民的估计值与方程(11.16)中的对应结果进行比较。

(iv)现在用WLS估计方程(12.47),并用式(12.51)中估计的ARCH模型求出ht。这时, 你的结果与(iii)中的结果是否相同?

查看答案
答案
收藏
如果结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能还需要:
您的账号:
发送账号密码至手机
发送
安装优题宝APP,拍照搜题省时又省心!
更多“(i)利用NYSE.RAW中的数据估计方程(12.48)。令…”相关的问题
第1题
本题利用HPRICE1.RAW中的数据。(i)估计模型并以通常的OLS格式报告结论。(ii)当lotsize=20000,scr
本题利用HPRICE1.RAW中的数据。(i)估计模型并以通常的OLS格式报告结论。(ii)当lotsize=20000,scr

本题利用HPRICE1.RAW中的数据。

(i)估计模型

并以通常的OLS格式报告结论。

(ii)当lotsize=20000,scrft=2500和bdrms=4时,求出log(price) 的预测值。利用6.4节中的方法,在同样的解释变量值的情况下,求出price的预测值。

(iii)就解释price中的变异而言,决定你是偏好第(i)部分中的模型,还是偏好模型

点击查看答案
第2题
(i)利用INJURY.RAW中肯塔基州的数据,从教材(13.12)中去掉afchnge后估计的方程为 交互项的估计
(i)利用INJURY.RAW中肯塔基州的数据,从教材(13.12)中去掉afchnge后估计的方程为 交互项的估计

(i)利用INJURY.RAW中肯塔基州的数据,从教材(13.12)中去掉afchnge后估计的方程为

交互项的估计值与式(13.12)中的估计值相当接近,这令人吃惊吗?请解释。

(ii)当包含afchnge而去掉highearn后结果是

为什么现在交互项的系数远大于教材(13.12)中的系数?[提示:在方程(13.10)中,若β1=0,对处理组和对照组做的假定是什么?]

点击查看答案
第3题
本题利用MEAP93.RAW中的数据。(i) 估计模型math10=β01log(expend)+β2Inchprg+u,
本题利用MEAP93.RAW中的数据。(i) 估计模型math10=β01log(expend)+β2Inchprg+u,

本题利用MEAP93.RAW中的数据。

(i) 估计模型math10=β01log(expend)+β2Inchprg+u,并按照通常的方式报告估计方程,包括样本容量和R2。斜率系数的符号与你的预期一致吗?请加以解释。

(ii)你如何理解第(i)部分中估计出来的截距?特别是,令两个解释变量都等于零说得过去吗?[提示:记住log(1)=0。]

(i)现在做math10对log(expend)的简单回归, 并将斜率系数与第(i)部分中得到的估计值进行比较。与第(i)部分中的结果相比,这里估计出来的支出效应是更大还是更小?

(iv)求山lexpend=log(expend)与Inchprg之间的相关系数。你认为其符号合理吗?

(v)利用第(iv)部分的结果来解释你在第(iii)部分中得到的结论。

点击查看答案
第4题
利用PHILLIPS.RAW中的数据。 (i)估计失业率的AR(1)模型。用这个方程预测2004年的失业率。将它与2
利用PHILLIPS.RAW中的数据。 (i)估计失业率的AR(1)模型。用这个方程预测2004年的失业率。将它与2

利用PHILLIPS.RAW中的数据。

(i)估计失业率的AR(1)模型。用这个方程预测2004年的失业率。将它与2004年的实际失业率进行比较。(你可以从近年的《总统经济报告》中找到这个数据。)

(ii)在第(i)部分的方程中增加通货膨胀的一期滞后。inft-1统计上显著吗?

(iii)利用第(ii)部分中的方程预测2004年的失业率。这个结果比第(i)部分的结果更好还是更糟?

(iv)利用教材6.4节中的方法构造2004年失业率的一个95%的置信区间。2004年的实际失业率位于这个区间内吗?

点击查看答案
第5题
利用CHARITY.RAW中的数据回答如下问题(i)用普通最小二乘法估计如下模型:按照通常的方式报告估
利用CHARITY.RAW中的数据回答如下问题(i)用普通最小二乘法估计如下模型:按照通常的方式报告估

利用CHARITY.RAW中的数据回答如下问题

(i)用普通最小二乘法估计如下模型:

按照通常的方式报告估计方程,包括样本容量和R²。其R²与不使用giftlast和propresp的简单回归所得到的R²相比如何?

(ii)解释mailsyear的系数,它比对应的简单回归系数更大还是更小?

(iii)解释propresp的系数,千万要注意propresp的度量单位。

(iv)现在,在这个方程中增加变量avggif。这将对mailsyear的估计效应造成什么样的影响?

(v)在第(iv)部分的方程中,giftlast的系数有何变化?你认为这是怎么回事?

点击查看答案
第6题
本题利用JTRAIN3.RAW中的数据。(i)估计简单回归模型并用常用格式报告结论。基于这个回归,1976年
本题利用JTRAIN3.RAW中的数据。(i)估计简单回归模型并用常用格式报告结论。基于这个回归,1976年

本题利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型并用常用格式报告结论。基于这个回归,1976年和1977年的工作培训看上去对1978年的真实劳动工资有正的影响吗?

(ii)现在使用真实劳动工资的变化cre=re 78-re 75作为因变量。(由于我们假定1975年之前没有工作培训,所以我们没有必要对train进行差分。也就是说,如果我们定义ctrain=train 78-train75, 那么,由于train75=0,所以ctran=train78。)现在,培训的估计影响有多大?讨论它与第(i)部分估计值的比较。

(iii)利用通常的OLS标准误和异方差-稳健标准误求培训效应的95%置信区间,并描述你的结论。

点击查看答案
第7题
利用WAGEPAN中数据。 (i)利用混合最小二乘法(pooledOLS)估计一个log(ag为被解释变量的方程。以
利用WAGEPAN中数据。 (i)利用混合最小二乘法(pooledOLS)估计一个log(ag为被解释变量的方程。以

利用WAGEPAN中数据。

(i)利用混合最小二乘法(pooledOLS)估计一个log(ag为被解释变量的方程。以educ,black,exper,married,union以及一系列时间虚拟变量(以1980年为基年)为可解释变量,解释及讨论变量married和union的系数。

(ii)解释为什么通常(i)中标准误总是偏小。算出关于married和union两个变量对自相关和异方差一稳健的标准误。

(iii)现在对变量lwage,exper,married和union进行一阶差分。(不随时间改变的变量educ,black和hisp被排除在这个估计之外,exper也是,因为它总是随着年份增加。)注意排除首年即1980年的一阶差分,因为不存在更早的年份。

(iv)就作回归分析,确保包括一个常数项和一个从1982年到1987年的时间虚拟变量。算出Δmarried和Δunion的系数和标准误。

(v)对比婚姻状况和工会保费的估计水平及其一阶差分估计,并作相应评论。

点击查看答案
第8题
本题利用FERTIL3.RAW中的数据。(i)将gfr对t和t2回归, 并保留残差, 便得到除趋势的gfrt即。(i
本题利用FERTIL3.RAW中的数据。(i)将gfr对t和t2回归, 并保留残差, 便得到除趋势的gfrt即。(i

本题利用FERTIL3.RAW中的数据。

(i)将gfr对t和t2回归, 并保留残差, 便得到除趋势的gfrt

(ii)将对方程(10.35)中所有变量(包括t和t2)回归。比较得出的R2与方程(10.35)中的R2有何不同。你有何结论?

(iii)在方程(10.35)中加入3后重新进行估计。这个新增变量在统计上显著吗?

点击查看答案
第9题
利用FERTIL3.RAW中的数据。 (i)将gfr对r和t²回归,并保留残差,便得到除趋势的gfrt即。 (ii)将对
利用FERTIL3.RAW中的数据。 (i)将gfr对r和t²回归,并保留残差,便得到除趋势的gfrt即。 (ii)将对

利用FERTIL3.RAW中的数据。

(i)将gfr对r和t²回归,并保留残差,便得到除趋势的gfrt即

(ii)将对教材方程(10.35)中所有变量(包括t和t2)回归。比较得出的R²与教材方程(10.35)中的R2有何不同。你有何结论?

(ii)在教材方程(10.35)中加入t3后重新进行估计。这个新增变量在统计上显著吗?

点击查看答案
第10题
数据集401KSUBS.RAW包含了净金融财富(nettfa)、被调查者年龄(age)、家庭年收入(inc)、家庭规模(Js
数据集401KSUBS.RAW包含了净金融财富(nettfa)、被调查者年龄(age)、家庭年收入(inc)、家庭规模(Js

ize) 方面的信息, 以及参与美国个人的特定养老金计划方面的信息。财富和收入变量都以千美元为单位记录。对于这里的问题, 只使用单身者数据(fsize=1)。

(i)数据集中有多少单身者?

(il)利用OLS估计模型

并以常用格式报告结果。解释斜率系数。斜率估计值有何惊人之处吗?

(iii)第(ii)部分的回归截距有重要意义吗?请解释。

(iv)在1%的显著性水平上,针对H1:β2<1检验H0:β2=1,求出p值。你能拒绝H0吗?

(V)如果你做一个nettfa对inc的简单回归, inc的斜率估计值与第(ii) 部分的估计值有很大不同吗?为什么?

点击查看答案
第11题
参见第13章中的表13-1。在那里,我们利用FERTILl.RAW中的数据,估计了妇女已生育子女数kids的一个
线性模型。

(i)利用表13-1中同样的变量估计kids的一个泊松回归模型。解释y82的系数。

(ii)保持其他因素不变,黑人妇女和非黑人妇女在生育上的估计百分数差异是多少?

(iii)求σ。有过度散布和散布不足的证据吗?

(iv)计算泊松回归中的拟合值和作为kidsi和kidsi之相关系数平方的R2。并与线性回归模型中的R2相比较。

点击查看答案
退出 登录/注册
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改