题目内容
（请给出正确答案）
利用VOLAT.RAW中的月度数据估计了如下方程：
其中，pcip是月度工业生产的百分比变化(换算成年变化率) ， 而pcsp是标准普尔500指数的百分比变化(也换算成年变化率)。
(i)如果过去三个月的pc ip都是0， 而且pcsp=0， 本月工业生产的预期增长率是多少？它在统计上显著异于0吗？
(ii)如果过去三个月的pc ip都是0， 但pcsp-1=10， 工业生产的预期增长率是多少？
(iii)就股票市场对现实经济活动的影响而言，你得到什么结论？
如果结果不匹配，请 联系老师 获取答案
更多“利用VOLAT.RAW中的月度数据估计了如下方程：其中，pc…”相关的问题
利用VOLAT.RAW中的数据。变量rsp500是标准普尔500股票指数的月回报，以年回报率表示。(既包括价格变动带来的收益，也包括分得的红利。)变量i3是三月期国债的收益率，pcip是工业生产的百分比变化，这些也都以年率表示。
(i)考虑方程
你认为β1和β2应该有什么样的符号？
(ii)用OLS估计上述方程，用标准格式报告结果，并解释系数的符号和大小。
(iii)哪些变量是统计显著的？
(iv)你在第(iii)部分中的结论是否意味着从标准普尔500中获得的收益是可预测的？说明理由。
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。)
利用BARIUM.RAW中的数据。
(i)在方程(10.22)中增加一个线性时间趋势。除了趋势变量以外的其他变量是统计上显著的吗？
(ii)在第(i)部分估计的方程中，检验除了时间趋势以外所有其他变量的联合显著性。你能得到什么结论？
(iii)在这个方程中添加月度虚拟变量，以检验季节性。增加月度虚拟变量对其他估计值及其标准误有重要影响吗？
在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。
在例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：
利用FERTIL 3.RAW中的数据来检验误差中是否存在AR(1) 序列相关。
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INJURY.RAW中的数据。
(i)使用肯塔基州的数据，增加male，married以及全套行业和工伤类型虚拟变量作为解释变量，重新估计教材方程(13.12)。在控制了这些其他因素后，afchnge·highearn的估计值有何变化？这个估计值仍然统计显著吗？
(ii)你对第(i)部分中较小的R²有什么可说的？这是否意味着这个方程无用呢？
(iii)用密歇根州的数据估计教材方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗？你对此如何解释？
本题利用数据集401KSUBS.RAW。
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
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。
利用数据集401KSUBS.RAW。
(i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，age²和male。求通常的OLS标准误和异方差-稳健的标准误。它们有重要差别吗？
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
利用JTRAIN.RAW，以确定工作培训津贴对每个雇员工作培训小时数的影响。三年的基本模型是：
(i)用固定效应法估计方程。在此估计中利用了多少个企业？如果每个企业都有这三年的所有变量数据(特别是hrsemp的数据)，总观测个数会是多少？
(ii)解释grant的系数并评论它的显著性。
(iii)grant-1不显著有什么惊人之处吗？请解释。
(iv)平均地说，更大的企业为其职工提供了更多还是更少的培训？差别有多大？(比方说，职工多10%的企业，培训的平均小时数增多或减少了多少？)
