题目内容
（请给出正确答案）
。一个简单的模型为
其中， MINt 是最低真实工资， POPt是18~25岁之间的人口， GSPt 是州生产总值， GDPt 是美国国内生产总值。前缀g表示从t-1年到1年的增长率，它通常用对数之差来近似计算。
(i)如果我们担心该州会部分基于一些(对我们来说)无法观测但对年轻人就业有影响的因素来选择最低工资， 那么OLS估计将存在什么问题？
(ii)令US MINt 为美国最低工资， 它也是一个真实量。你认为gUS MINt 与ut 不相关吗？
(iii)按照法律， 各州的最低工资都必须不低于全国最低工资。解释这为什么使得gUS MINt 成为gM INt 的一个潜在Ⅳ。
如果结果不匹配，请 联系老师 获取答案
更多“假定你想要利用年时问序列数据， 对美国某州估计州最低工资对1…”相关的问题
利用CEMENT.RAW中的数据。
(i)将水泥价格月增长率(gprc)作为供给数量增长率(gce)函数，写出静态供给函数是
其中，gprcpet(汽油价格上涨率)被假定为外生变量，而feb，···，dec为月度虚拟变量。你预期a1和β1的符号是什么？用OLS估计这个方程。供给函数向上倾斜吗？
(ii)变量gdefs是美国真实国防支出的月增长率。gdefs要作为gcem的一个好的工具变量，你需要对它做什么假定？检验gcem是否与gdefs偏相关。(不用担心约简型中可能的序列相关。)你能用gdefs作为估计供给函数中的一个Ⅳ吗？
(iii)谢伊(Shea，1993)认为建住宅楼的产出增长率(gres)和非住宅楼的产出增长率(gnon)是gcem的有效工具变量。其思想是，存在一些应该与供给误差项u，大致无关的需求移动因子。检验gcem是否与gres和gnon偏相关;同样不用担心约简型中的序列相关。
(iv)利用gres和gnon作为gcem的工具变量估计供给函数。你对水泥的静态供给函数得到什么结论？[动态供给函数显然是向上倾斜的;参见Shea(1993)。]
利用INTQRT.RAW中的数据。
(i)利用除了最后4年(16个季度)以外的所有数据，估计Δr6t的一个AR(1)模型。(我们用差分形式，因为r6t看起来好像有单位根。)用最后16个季度的数据求出Δr6t提前一期预测的RMSE。
(ii)在第(i)部分的方程中加入误差修正项sprt-1=r6t-1-r3t-1。(这相当于假定了协整参数为1。)计算最后16个季度的RMSE。在这里，误差修正项对样本外预测有什么帮助吗？
(iii)现在请你估计协整参数，而不是把它设为1。再利用最后16个季度的数据求出样本外RMSE。它与第(i)和第(ii)部分中的结果有什么不同？
(iv)如果你想要预测的是r6而不是△r6，你的结论会有所变化吗？请解释。
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？
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？
(vi)定义支出的总(或长期)效应为
的标准误。
单位：万元)。
试利用以上数据：
(1)拟合简单线性回归方程，并对回归系数的经济意义作出解释;
(2)计算决定系数和回归估计的标准误差：：
(3)对β2进行显著水平为5%的显著性检验：
(4)假定明年1月销售收入为800万元，利用拟合的回归方程预测相应的销售成本，并给出置信度为95%的预测区间。
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？
利用MURDER.RAW中有关谋杀率和死刑的州一级数据。
(i)考虑非观测效应模型
其中，θt无非表示不同年份的截距，而ai表示各州的非观测效应。如果过去对被判谋杀者的死刑有某种威慑作用，那么民，的符号应该是正是负？你认为β2应该有什么样的符号？请解释。
(ii)仅利用1990年和1993年的数据，用混合OLS估计第(i)部分中的方程。忽略复合误差中的序列相关问题。你发现威慑效应的证据了吗？
(iii)利用1990年和1993年的数据，再用固定效应法估计方程。既然只用两年数据，所以你或许可以利用一阶差分。现在，有威慑效应的证据吗？有多强？
(iv)计算第(iii)部分中估计的异方差-稳健标准误。利用一阶差分最容易吗？
(v)找出1993年死刑变量取值最大的州。(变量exec是1991年、1992年和1993年执行死刑的总人数。)这个数值比第二高的值大多少？
(vi)在分析中去掉得克萨斯，利用一阶差分估计方程。计算通常和异方差-稳健的标准误。现在有什么结论，为什么？
(vii)利用所有三年数据，并用固定效应法估计模型。在分析中包含得克萨斯。与仅使用1990年和1993年数据的估计相比，讨论威慑效应的大小和统计显著性。
利用得自格雷迪(Graddy，1995)的数据集FISH.RAW。这个数据集也曾用于第12章的计算机练习C9.现在，我们用它估计一个鱼肉需求函数。
(i)假定每个时期均衡的鱼肉需求方程可写成
所以容许需求在一周中的每一天都有所不同。把价格变量视为内生的，一致地估计需求方程参数还需要什么额外信息？
(ii)变量wavet和wave3t度量了过去几天的海浪高度。为了在估计需求方程时将wave2t和wave3t用作log(avgprc)的Ⅳ，我们还需要哪两个假定？
(ii)将log(avgprc)对周工作日虚拟变量和两个浪高指标进行回归。wave2t和wave3t联合显著吗？这个检验的p值是多少？
(iv)现在，用2SLS估计需求方程。需求价格弹性的95%置信区间是什么？所估计的弹性合理吗？
(v)求2SLS的残差ut。在用2SLS估计需求方程时增加一个滞后ut-1记住，用ut-1作为自己的工具。需求方程误差中有AR(1)序列相关的证据吗？
(vi)给定供给方程明显取决于海浪变量，为了估计供给价格弹性，我们需要哪两个假定？
(vii)在log(avgprct)的约简型方程中，周工作日虚拟变量联合显著吗？你对能够估计供给弹性有何结论？
利用SLEEP 75.RAW中的数据(也可参见习题3.3) ， 我们得到如下估计方程
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？
其中，POLICEit示人均警力支出，MEDINCit表示收入中位数，而PROPTAXit表示财产税率;I表示自然对数。由于住房价格直接影响学校基金的收益，所以支出和住房价格同时决定。
假定学校的融资方式在1994年发生巨大变化：不是通过征收地方财产税，学校的资金来源基本上由州一级的单位决定。令ISTATEALL，表示州政府在第t年对地区i拨款的对数，一旦我们控制了支出和地区的固定影响，上述方程中哪个是外生变量？你如何估计βj？
