利用MEAP00 O1中的数据回答本题。(i)使用OLS估计模型并用通常的格式报告你的结论。在5%的显著性

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

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。

利用JTRAIN3.RAW中的数据。 （i)估计简单回归模型re78=β₀+β₁train+u，并用常用格式报告

利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型re78=β₀+β₁train+u，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=re78-re75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=train78-train75，那么，由于train75=0，所以ctrain=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。

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。（i)从加速数模型中求出OLS残差，并用回归

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。

(i)从加速数模型中求出OLS残差，并用回归来检验是否存在序列相关。p的估计值是多少？序列相关看起来是多大的问题？

(ii)用PW估计这个加速数模型，并将β₁的估计值与OLS估计值进行比较。你为什么预期它们很相似？

在本题中，你将比较参与401（k) 计划的资格对净金融资产影响的OLS和LAD估计值。模型是（i) 利用401

在本题中，你将比较参与401(k) 计划的资格对净金融资产影响的OLS和LAD估计值。模型是

(i) 利用401KSUBS.RAW中的数据与OLS估计这个方程， 按照通常形式报告结果， 并解释e40lk的系数。

(ii) 利用布罗施-帕甘检验， 使用OLS残差检验异方差性。u看上去独立于解释变量吗？

(ii) 用LAD估计这个方程， 并以对OLS同样的方式报告结果。解释LAD的估计值p。

(iv)调和第(i)部分和第(iii)部分的结论。

本题利用MURDER.RAW中的数据。（i)利用1990年和1993年的数据， 用混合OLS估计方程（iv)做第（ii)部

本题利用MURDER.RAW中的数据。

(i)利用1990年和1993年的数据， 用混合OLS估计方程

(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？

(v)你认为的哪个1统计量更值得信赖， 是通常的!统计量还是异方差-稳健的1统计量？为什么？

利用NYSE.RAW中的数据回答本题。（i) 估计方程（12.47) 中的模型并求OLS残差平方。求在整个样木中

利用NYSE.RAW中的数据回答本题。

(i) 估计方程(12.47) 中的模型并求OLS残差平方。求在整个样木中的平均值、最小值和最大值。

(ii) 利用OLS残差平方估计如下的异方差模型

报告估计系数、标准误、R²和调整R²。

(iii) 将条件方差描述成滞后return_-1的函数。方差在return_-1取何值时最小？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例12.9中的ARCH(1)模型更好还是更差？请解释。

(vi)在方程(12.51)的ARCH(1)回归中添加二阶滞后。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？

利用DISCRIM.RAW中的数据回答本题。（也可参见第3章计算机习题c 3.8.)（i)利用OLS估计模型以常用

利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)

(i)利用OLS估计模型

以常用形式报告结果。在5%的显著性水平上，相对一个双侧对立假设，β统计显著异于零吗？在1%的显著性水平上呢？

(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。

(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告H0：βlog(hseval)=0的双侧p值。

(iv) 在第(ii) 部分的回归中， log(income) 和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？

(v)给定前面的回归结果，在确定一个邮区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？

本题利用数据集MEAO0_01.RAW中的数据。（i)用OLS估计方程（iv)求容许方差函数被误设的WLS标准误。

本题利用数据集MEAO0_01.RAW中的数据。

(i)用OLS估计方程

(iv)求容许方差函数被误设的WLS标准误。它与通常的WLS标准误有很大的不同吗？

(v)为了估计支出对math 4的影响， OLS与WLS哪一个看起来更准确？

本题利用WAGE1.RAW中的数据。（i)使用OLS估计方程（iv)exper取什么值时，工作经历的增加实际上会降

本题利用WAGE1.RAW中的数据。

(i)使用OLS估计方程

(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？