题目内容
（请给出正确答案）
[多选题]
用OLS法估计模型Yi＝β0+β1Xi＋ui的参数，要使参数估计量为最正确线性无偏估计量，那么要求（）。
A.CE（ui）=0
B.Var（ui）=σ2
C.ov（ui，uj）=0
D.ui服从正态分布
E.X为非随机变量，与随机误差项ui不相关
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.CE（ui）=0
B.Var（ui）=σ2
C.ov（ui，uj）=0
D.ui服从正态分布
E.X为非随机变量，与随机误差项ui不相关
如果结果不匹配，请 联系老师 获取答案
更多“用OLS法估计模型Yi＝β0+β1Xi＋ui的参数，要使参数…”相关的问题
为了确定使用避孕套对于减少有性行为的高中生之间性疾病的传播是否有效，一个简单的模型为
其中，infrate表示有性行为的学生中感染性病的比例，conuse表示声称合理地、有规律地使用了避孕套的男孩子比例，avginc表示平均家庭收入，而city则是一个表示所在学校是否处在城里的虚拟变量;这个模型是在学校这个层次上做的。
(i)在因果性和其他条件不变的模式下解释上述方程，的符号应该是什么？
(ii)为什么infrate和conuse可能是联合决定的？
(iii)如果避孕套使用率随着性病感染率的提高而提高，所以在方程
courseγ0+γ1infrate+其他因素
中y1＞0，那么用OLS估计β1时可能的偏误是什么？
(iv)令a表示一个二值变量，若学校有分发避孕套项目则取值1.解释这如何利用这一变量对通过β1(和其他系数)进行Ⅳ估计。我们必须在每个方程中对condis做怎样的假定？
其中，因为滞后支出变量，第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型， 并报告通常的标准误。为使得ai的期望值可以非零， 你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差
。
(ii)lunchit系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？
(iii)利用
的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994~1998年的数据。验证存在很强的正序列相关，并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？
(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？
利用AIRFARE.RAW中的数据。我们的兴趣在于估计模型
其中，θt意味着，我们容许每年的截距有所不同。
(i)用混合OLS估计上述方程，注意包含年度虚拟变量。若Δconcen=0.10，估计fare提高了多少个百分点？
(ii)的通常OLS的95%置信区间是什么？它为什么可能不太可靠？如果你有能计算充分稳健标准误的统计软件，求出β1的充分稳健的95%置信区间。与通常的置信区间相比较，并评论。
(iii)描述log(dist)的二次项出现的情况。特别是，dist取何值时，log(fare)和dit之间开始出现正向关系。[提示：首先计算log(dist)的转折点，然后取指数。]转折点出现在数据范围之外吗？
(iv)现在用随机效应法估计方程。β1的估计值有何变化？
(v)现在用固定效应法估计方程。β1的FE估计值是多少？它为何与RE估计值相当类似？(提示：RE估计的入是多少？)
(vi)指出由ai刻画的两个航线特征(除起降距离之外)。这些特征可能与concenit相关吗？
(vii)你相信航线更集中会提高飞机票价吗？最佳估计值是什么？
其中，pop为城市人口，avginc为平均收入，而pctstu为学生人口占城市人口的百分数(按学年计)。
(i)用混合OLS估计方程并按标准形式报告结果。你如何解释1990年度虚拟变量的估计值？你得到βpctstu为多少？
(ii)你在第(i)部分报告的标准误确当吗？做出解释。
(iii)现在取方程的差分，再用OLS去估计。将βpctstu的估计值和第(i)部分的估计值相比较。学生人口的相对规模对房租有影响吗？
(iv)用固定效应估计模型，以验证你得到和第(iii)部分同样的估计值和标准误。
其中pop是城市人口，avginc是平均收入，而petstu是学生人口占城市人口的百分数(按学年计算)。
(i)用混合OLS估计方程并按标准方式报告结果。你如何理解1990年虚拟变量的估计值？你得到βpctstu是多少？
(ii)你在第(i)部分中报告的标准误是否真实？请解释。
(iii)现在，将方程差分并用OLS估计。把你对βpctstu的估计值和第(ii)部分进行比较。学生人口的相对规模对房租有影响吗？
(iv)对第(ii)部分中的一阶差分方程求异方差-稳健的标准误。这是否改变了你的结论？
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
A.当异方差出现时，最小二乘估计是有偏的和不具有最小方差特性
B.当异方差出现时，常用的t和
C.异方差情况下，通常的OLS估计一定高估了估计量的标准差
D.如果OLS回归的残差表现出系统性，那么说明数据中不存在异方差性
E.如果回归模型中遗漏一个重要变量，那么OLS残差必定表现出明显的趋势
F.检验失效
人口特征方面的数据。目的是想考察快餐店是否在黑人更集中的区域收取更高的价格。
(i)求出样本中prpblck和income的平均值及其标准差。prpblck和income的度量单位是什么？
(ii)考虑一个模型，用人口中黑人比例和收入中位数来解释苏打饮料的价格psoda：
用OLS估计这个模型并以方程的形式报告结果， 包括样本容量和R。(报告估计值时不要使用科学计数法。)解释prpblck的系数。你认为它在经济上算大吗？
(iii) 将第(ii)部分得到的估计值与psoda对prpblck进行简单回归得到的估计值进行比较。控制收入变量后，这种歧视效应是更大还是更小了？
(iv)收入价格弹性为常数的模型可能更加适合。报告如下模型的估计值：
(vi)求出1og(income)和prppov的相关系数。大致符合你的预期吗？
(vii)评价如下说法：“由于log(income)和prppov如此高度相关，所以它们不该进入同一个回归。”
