在第4章习题11中, 利用CEOS AL 2.RAW中的数据估计模型所得到的R2为R2=0.353(n=177
在第4章习题11中, 利用CEOS AL 2.RAW中的数据估计模型
所得到的R2为R2=0.353(n=177) 。若添加ceo ten2和cem ten2后, R2=0.375。此模型中是否有函数形式误设的证据?
在第4章习题11中, 利用CEOS AL 2.RAW中的数据估计模型
所得到的R2为R2=0.353(n=177) 。若添加ceo ten2和cem ten2后, R2=0.375。此模型中是否有函数形式误设的证据?
(i)估计一个线性回归模型,将单场得分与联赛中打球经历和位置(后卫、前锋或中锋)联系起来。包括打球经历的二次项形式,并将中锋作为基组。以通常的形式报告结果。
(ii)在第(i)部分中,你为什么不将所有三个位置虚拟变量包括进来?
(iii)保持经历不变,一个后卫的得分比一个中锋多吗?多多少?这个差异统计显著吗?
(iv)现在,将婚姻状况加入方程。保持位置和经历不变,已婚球员是否更高效(就单场得分来说)?
(v)加入婚姻状况和两个经历变量的交互项。在这个扩展的模型中,是否存在有力的证据表明婚姻状况影响单场得分?
(vi)使用单场助攻次数作为因变量估计(iv)中的模型。与(iv)的结果有明显的差异吗?请讨论。
所用数据在CEOS AL 1.RAW中给出, 其中fiance, consprod和utility分别是表示金融业、消费品行业和公用事业单位的二值变量。被省略的产业是交通运输业。
(i) 保持sales和roe不变, 计算公用事业和交通运输业CEO薪水估计值的近似百分比差异。在1%的显著性水平上,这个差异是统计显著的吗?
(ii)利用方程(7.10)求解公用事业和交通运输业估计薪水的精确百分比差异,并与第(i)部分中的回答进行比较。
(iii)消费品行业与金融业估计薪水的近似百分比差异是多少?写出一个方程,使你能够检验这个差异是不是统计显著的。
变量sleep是每周晚上睡眠的总分钟数, ton work是每周花在工作上的总分钟数, educ和age则以年为单位,而male是一个性别虚拟变量。
(i)所有其他因素不变,有没有男性比女性睡眠更多的证据?这个证据有多强?
(ii)工作与睡眠之问有统计显著的取舍关系吗?所估计的取舍关系是什么样的?
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个虚拟假设,你还需要另外做什么回归?
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗?失业率也一样吗?
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型,只是你还应该对失业率进行一阶差分。于是,模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量:不要将这些变量进行差分。你发现了什么有意思的结论吗?
(iii)评论如下命题:“在进行多元回归之前,我们总应该将怀疑具有单位根的时间序列进行一阶差分,因为这样做是一种安全策略,而且应该得到与使用水平值类似的结论。”[在回答这个问题时,最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!