搜题
网友您好,请在下方输入框内输入要搜索的题目:
搜题
题目内容 (请给出正确答案)
提问人:网友yaoshiyu 发布时间:2022-01-07
[主观题]

本题利用HSEINV.RAW中的数据。(i)检验log(in vpc)是否有单位根, 模型中含有一个线性时间趋势和

本题利用HSEINV.RAW中的数据。(i)检验log(in vpc)是否有单位根, 模型中含有一个线性时间趋势和

本题利用HSEINV.RAW中的数据。

(i)检验log(in vpc)是否有单位根, 模型中含有一个线性时间趋势和 log(in ypct)的两阶滞后, 显著性水平为5%。

(ii)用第(i)部分中的方法检验log(price)中的单位根。

(iii)给定第(i)部分和第(ii)部分中的结果,那么检验log(iv pc)和log(price)之间的协整还有意义吗?

简答题官方参考答案 (由简答题聘请的专业题库老师提供的解答)
查看官方参考答案
更多“本题利用HSEINV.RAW中的数据。(i)检验log(in vpc)是否有单位根, 模型中含有一个线性时间趋势和 ”相关的问题
第1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,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2题
本题利用ATTEND.RAW中的数据。(i)在例6.3的模型中,推出(iii)假设你用(priGPA-2.59)·(atndrte-82
本题利用ATTEND.RAW中的数据。

(i)在例6.3的模型中,推出

(iii)假设你用(priGPA-2.59)·(atndrte-82)取代priGP4(atndrte-82)。你将如何解释atndrte和priGPA的系数。

点击查看答案
第3题
本题使用HTV.RAW中的数据。(i) 将log(wage) 对educ进行简单的OLS回归。在不控制其他因素的情况
本题使用HTV.RAW中的数据。

(i) 将log(wage) 对educ进行简单的OLS回归。在不控制其他因素的情况下, 多接受一年教育的估计回报的95%置信区问是什么?

(ii) 变量c til(以千美元为单位) 是17~18岁的学生面临的学费变化。证明educ和ctu it基本上是不相关的。这对一个简单回归分析中ctu it作为educ的一个可能的工具有何含义?

(iii)现在,在第(i)部分的简单回归模型中引人工作经历的二次函数以及当前居住地和18岁时的居住地等一整套区域虚拟变量集。模型中还包含个人当前居住地和18岁时居住地的城市指标。多受一年教育的估计回报是多少?

(iv) 再次利用ctu it作为edic的潜在工具变量, 估计educ的约简型。[当然, 现在educ的约简型也包含第(iii)部分中的解释变量。] 证明ctu it在educ的约简型中是统计显著的。

(v) 把ctu it作为educ的工具变量, 用Ⅳ估计第(iii) 部分中的模型。教育回报的置信区间与第(iii) 部分中的OLS置信区间相比如何?

(vi)你认为第(v)部分中的ⅣV程序令人信服吗?

点击查看答案
第4题
本题利用NBASAL.RAW中的数据。(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
本题利用NBASAL.RAW中的数据。

(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。

点击查看答案
第5题
本题利用AIRFARE.RAW中的数据。在一个联立方程非观测效应模型中, 需求方程为:其中我们把航线距
本题利用AIRFARE.RAW中的数据。在一个联立方程非观测效应模型中, 需求方程为:

其中我们把航线距离变量放到ait中。

(i)利用固定效应模型估计需求函数,为了解释不同的截距,必须包括年度虚拟变量。弹性估计值是多少?

(ii)利用固定效应模型估计如下约简型方程:

进行适当的检验, 以保证concenit 可用作log(fareit ) 的一个工具变量。

(iii)现在,就像在方程(16.42)中一样,利用固定效应变换和工具变量法估计这个需求函数。现在的估计弹性是多少?它在统计上显著吗?

点击查看答案
第6题
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。(i)计算变量prc
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。

(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。]

点击查看答案
第7题
设且求a100,b100.
求a100,b100.

点击查看答案
第8题
跨度为I的折迭桥由液压油缸AB控制铺设,如图15-12a所示。在铰链C处有1内部机构,保证两段桥身与铅垂线的夹角均为θ。如果两段相同的桥身重量都是P,质心G位于其中点,求平衡时液压油缸中的力F和角θ之间的关系。

点击查看答案
重要提示: 请勿将账号共享给其他人使用,违者账号将被封禁!
查看《购买须知》>>>
重置密码
账号:
旧密码:
新密码:
确认密码:
确认修改
购买搜题卡查看答案
购买前请仔细阅读《购买须知》
请选择支付方式
微信支付
支付宝支付
点击支付即表示你同意并接受《服务协议》《购买须知》
立即支付
搜题卡使用说明

1. 搜题次数扣减规则:

功能 扣减规则
基础费
(查看答案)
加收费
(AI功能)
文字搜题、查看答案 1/每题 0/每次
语音搜题、查看答案 1/每题 2/每次
单题拍照识别、查看答案 1/每题 2/每次
整页拍照识别、查看答案 1/每题 5/每次

备注:网站、APP、小程序均支持文字搜题、查看答案;语音搜题、单题拍照识别、整页拍照识别仅APP、小程序支持。

2. 使用语音搜索、拍照搜索等AI功能需安装APP(或打开微信小程序)。

3. 搜题卡过期将作废,不支持退款,请在有效期内使用完毕。

请使用微信扫码支付(元)

订单号:

遇到问题请联系在线客服

请不要关闭本页面,支付完成后请点击【支付完成】按钮
遇到问题请联系在线客服
恭喜您,购买搜题卡成功 系统为您生成的账号密码如下:
重要提示:请勿将账号共享给其他人使用,违者账号将被封禁。
发送账号到微信 保存账号查看答案
怕账号密码记不住?建议关注微信公众号绑定微信,开通微信扫码登录功能
警告:系统检测到您的账号存在安全风险

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!

- 微信扫码关注简答题 -
警告:系统检测到您的账号存在安全风险
抱歉,您的账号因涉嫌违反简答题购买须知被冻结。您可在“简答题”微信公众号中的“官网服务”-“账号解封申请”申请解封,或联系客服
- 微信扫码关注简答题 -
请用微信扫码测试
欢迎分享答案

为鼓励登录用户提交答案,简答题每个月将会抽取一批参与作答的用户给予奖励,具体奖励活动请关注官方微信公众号:简答题

简答题官方微信公众号

简答题
下载APP
关注公众号
TOP