题目内容
（请给出正确答案）
利用BARIUM.RAW中的数据。
(i)用前119次观测(即不包含1988年的最后12个月观测)，估计线性趋势模型
。这个回归的标准误是什么？
(ii)同样用除了最后12个月以外的所有数据，估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合？
(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言，哪种方法效果更好？
(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗？(当我们检验联合显著性时，不必担心误差中轻度的序列相关。)
如果结果不匹配，请 联系老师 获取答案
更多“利用BARIUM.RAW中的数据。 （i)用前119次观测（…”相关的问题
本题使用GPA2.RAW中的数据。
(i)使用所有4137个观测，估计方程
并以标准形式报告结论。
(ii)使用前2070个观测再重新估计第(i)部分中的方程。
(iii)求出第(i)部分与第(ii)部分所得到的标准误的比率。并将这个比率与式(5.10)中的结论相比较。
其中你应该首先定义sales的度量单位为10亿美元，从而使得估计值更容易解释。
(i)在包含和不包含年销售额近400亿美元的企业的情况下，用0LS估计上述方程。讨论估计系数的明显差别。
(ii)再次在包含和不包含最大企业的情况下，用LAD估计同一方程。讨论估计系数的重要差别。
(iii)基于第(i)部分和第(ii)部分的结论，你认为OLS和LAD哪个方法对异常观测更有弹性余地？
本题使用LOANAPP.RAW中的数据。
(i)有多少个观测的obrat＞40，即其他债务负担超过其总收入的40%？
(ii)在计算机习题C7.8中，去掉o brat 40的观测，重新估计第(iii)部分中的模型。white的系数估计值和t统计量将会怎样？
(iii)
看起来对所使用的样本过度敏感吗？
本题利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(iv)现在，容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化，用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少？1987年呢？这个差别在统计上显著吗？
(v)检验工会关系差别在不同时期没有发生变化的虚拟假设，并根据你对第(iv)部分的回答讨论你的结论。
(i)利用PHILLIPS.RAW中的数据估计方程(10.2)，并以通常格式报告结果。你现在有多少观测数据？
(ii)将第(i)部分的估计值与方程(10.14)中的估计值进行比较。特别是，额外增加的年份对于得到通货膨胀与失业交替关系的估计值是否有帮助？请加以解释。
(iii)现在仅用1997~2003年的数据进行回归。这些估计值与方程(10.14)中的估计值有何不同？利用最近7年数据所得到的估计值足以得到某些肯定的结论吗？请加以解释。
(iv)考虑这样的一个简单回归背景：我们从n个时间序列观测开始，然后把它们分成早期和晚期两个部分。在第一个时期我们有n1个观测，在第二个时期我们有n2个观测。根据本题前面部分的分析评价如下命题：“一般而言，利用所有n次观测得到的斜率估计值大致等于利用早期子样本和晚期子样本所得到的斜率估计值的加权平均，权重分别为n1/n和n2/n。”
通过原点的一元线性回归模型为
y=
x+ε，ε～N(0，σ2)．试由独立样本观测值(xi，yi)(i=1，2，…，n)，采用最小二乘法估计，
本题要用到TRAFFIC2.RAW中的数据。加州1981年至1989年交通事故的这些月度观测在第10章计算机习题11中曾被使用过。
(i)利用标准的迪基-富勒回归， 检验Itotacc， 是否具有单位根。在2.5%的显著性水平上， 你能拒绝单位根的存在吗？
(ii)现在，在第(i)部分的检验中增加两个滞后变化，并计算增广迪基-富勒检验。你得到什么结论？
(iii)在第(ii) 部分的ADF回归中增加一个线性时间趋势变量。现在情况又将如何？
(iv)根据第(i) 部分至第(ii) 部分的结论， 你认为对I to tacc， 的最好刻画是：一个Ⅰ(1)过程还是一个含有线性时间趋势的Ⅰ(O)过程？
(v)在一个ADF回归中， 利用两个滞后项来检验致死交通事故百分数pre fat是否存在单位根。在此情形中，包含一个线性时间趋势与否是否有关系？
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43)，但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数，并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法，你得到什么结论？
利用HSEINV.RAW中的数据。
(i)检验log(inypc)是否有单位根，模型中含有一个线性时间趋势和Δlog(invpct)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(i)和(ii)中的结果，那么检验log(ivpc)和log(price)之间的协整还有意义吗？
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？
