题目内容
（请给出正确答案）
利用KIELMC.RAM中的数据。
(i)变量dist是从每个房屋到焚烧炉位置的英尺距离。考虑模型
如果建造焚烧炉会减少其附近的房屋价值，那么δ1的符号将是什么？若β1＞0，则意味着什么？
(ii)估计第(i)部分中的模型并按通常的方式报告结果。解释y81-log(dist)的系数。你得到了什么结论？
(iii)在方程中增加age，age2，rooms，baths，log(intst)，log(land)和log(area)。现在，你对焚烧炉对房屋价值的影响会作出什么结论？
如果结果不匹配，请 联系老师 获取答案
更多“利用KIELMC.RAM中的数据。 (i)变量dist是从每…”相关的问题
利用ATTEND.RAW中的数据。
(i)在例6.3的模型中，推出
当priGPA=2.59和atndrte=82时，利用方程(6.19)来估计偏效应。对你的估计进行解释。
(ii)证明可将方程写成
其中
(注意，截距已发生变化，但并不重要。)用它求出第(i)部分得到的θ2的标准差。
利用FISH.RAW中的数据。
(i)对lavgprc进行不带趋势项的DF单位根检验，你可以得出什么结论？
(ii)进行ADF检验，向其中加入一阶滞后项lavgpre=lavgpre-lavgprc_。它是否会影响你对于lavgprc有无单位根的判断？
(iii)利用DF检验和ADF检验对Itotqty进行一阶单位根检验。你可以得出什么结论？
(iv)基于(i)到(iii)的结论，在对变量进行回归(或者工具变量法)前，改变变量的形式和数量是否有必要？
利用PHILLIPS.RAW中的数据。
(i)用直至1997年的数据估计教材(18.48)和(18.49)中的模型。参数估计值与教材(18.48)和教材(18.49)中的结果相比有很大不同吗？
(ii)用新方程预测unem1998，小数点后保留两位数。哪个方程预测得更好？
(ii)我们在正文中讨论过，用教材(18.49)预测unem1998为4.90.把它与利用直至1997年的数据得到的预测相比较。多用一年数据求得的参数估计值能给出更好的预测吗？
(iv)用教材(18.48)中估计的模型求出unem的提前两期预测值。即利用α=1.572，p=0.732，h=2时的教材方程(18.55)预测unem与把unem1997=4.9代入教材(18.48)所得到的提前一期预测值相比，哪一个更好？
利用INTDEE.RAW中的数据，考虑教材(10.15)中估计的模型。
(i)求出这个样本时期内inf和def之间的相关系数，并加以评论。
(ii)在方程中加入inf和def的一期滞后，并以常用格式报告结果。
(iii)将通货膨胀效应的估计LRP与教材(10.15)中相对应的LRP进行比较。二者有很大差别吗？
(iv)模型中这两个滞后在5%的水平上是联合显著的吗？
(i)利用WAGEPRC.RAW中的数据，估计第11章习题5中的分布滞后模型。用回归教材(12.14)来检验AR(1)序列相关。
(ii)用迭代的科克伦-奥卡特方法重新估计这个模型。长期倾向的新估计值是多少？
(iii)用迭代C0求出LRP的标准误。(这要求你估计一个修正方程。)判断LRP估计值在5%的水平上是否统计显著异于1？
利用PHILLIPS.RAW中的数据，但只到1996年。
(i)在教材例11.5中，我们假定自然失业率是常数。在另一种形式的附加预期的菲利普斯曲线中，自然失业率受历史失业水平的影响。最简单的情况是，t时期的自然失业率与unemt-1，相等。如果我们假定适应性预期，便得到一个通货膨胀和失业率都是一阶差分形式的菲利普斯曲线：
估计这个模型，以常见格式报告结果，并讨论β1的符号、大小和统计显著性。
(ii)教材(11.19)和第(i)部分中的模型，哪一个对数据拟合得更好？说明理由。
利用HPRICE1.RAW中的数据。
(i)估计模型
并按通常的格式报告你的结果，包括回归标准误。当我们代入lotsize=10000，sqrft=2300和bdrms=4时，求出预测价格，将这个价格四舍五入到美元。
(ii)做一个回归，使你能得到第(i)部分中预测值的一个95%的置信区间。注意，由于四舍五入的误差，你的预测将多少有些不同。
(iii)令price0为具有第(i)部分和第(ii)部分所述特征的住房的未知未来售价。求出price0的一个95%的置信区间，并对这个置信区间的宽度进行评论。
(i)利用NYSE.RAW中的数据估计教材方程(12.48)。令ht表示这个方程的拟合值(条件方差的估计值)。有多少个ht是负的？
(ii)在教材(12.48)中增加returni-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)估计教材(12.47)。将βt的估计值与教材方程(11.16)中的对应结果进行比较。
(iv)现在用WLS估计教材方程(12.47)，并用教材(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？
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_，取何值时最小？这个方差是多少？
(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差？请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？
考虑一个雇员水平的模型
其中无法观测变量f是在一个给定的企业i内，对每个雇员的“企业效应”。误差项vi,e是企业i中雇员e所独具的。诸如方程(8.28)中的综合误差就是ui,e=fi+ui,e.
(iv)讨论第(ii)部分对于利用企业层次的平均数据进行WLS估计的意义，其中第i次观测所用的权数就是通常的企业规模。
利用VOLAT.RAW中的数据。变量rsp500是标准普尔500股票指数的月回报，以年回报率表示。(既包括价格变动带来的收益，也包括分得的红利。)变量i3是三月期国债的收益率，pcip是工业生产的百分比变化，这些也都以年率表示。
(i)考虑方程
你认为β1和β2应该有什么样的符号？
(ii)用OLS估计上述方程，用标准格式报告结果，并解释系数的符号和大小。
(iii)哪些变量是统计显著的？
(iv)你在第(iii)部分中的结论是否意味着从标准普尔500中获得的收益是可预测的？说明理由。
