计算机术语awage表示什么,计量经济学第3章计算机习题

《计量经济学第3章计算机习题》由会员分享，可在线阅读，更多相关《计量经济学第3章计算机习题(11页珍藏版)》请在人人文库网上搜索。

1、班级：金融学106班 姓名：丁涛 学号：C3.5 log(wage)=0.284+0.092educ+0.0041exper+0.022tenure 解：通过对例3.2进行“排除其他影响”练习，证实对OLS估计值做“排除其他影响”解释。(1)先将educ对exper和tenure进行回归，并保留残差r1; 由上操作可知：educ=13.5750-0.0738exper+0.0477tenure+r1所以n=526 , R2=0.1013。(2)然后将logwage对 r1 进行回归；logwage=1.6233+0.0920r1，n=526，R2=0.2065；(3)将 r1 的回归系数与在 。

2、logwage对educ、exper和tenure 的回归中 educ 的系数相比较。r1 的回归系数与在 logwage对educ、exper和tenure 的回归中educ 的系数相等。但是2中 R2 小于多元回归中 R2(0.3160)，因为logwage对 r1 进行回归来解释logwage 时，只使用了一部分与 exper和tenure 不相关的educ 数据，而exper和tenure 的解释效果并不包括在内。C3.6 WAGE2.RAW ()将 IQ 对 educ 进行简单回归，并得到斜率系数 1 ；由上操作可知：IQ=53.6872+3.5338educ，R2=0.2659，且。

3、斜率系数1=3.5338 。()将 logwage 对 educ 进行简单回归，并得到斜率系数 1 ；由上操作可知：logwage=5.9731+0.0598educ，R2=0.0974，且斜率系数1=0.0598 。()将logwage对 educ 和 IQ 进行多元回归，并分别得到斜率系数 1和 2 ；由上操作可知：logwage=5.6583+ 0.0391educ+0.0059 IQ，R2=0.1297，且 斜率系数 1=0.0391，2=0.0059 。()验证1=1+2 1 。由上述可知：1=0.0598 ，1+2 1 =0.0391+0.0059*3.5338=0.0599，所以。

4、两者的数值十分接近，即1=1+2 1 得证。C3.7 MEAP93.RAW math10=0+1logexpend+2lnchprg+u ()估计模型 math10=0+1logexpend+2lnchprg+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。由操作可知： math10=-20.3608+6.2297logexpend-0.3046lnchprg+u，n=408，R2=0.1799 。斜率系数的符号与预期一致，学生的花费支出越多，标准化数学考试中通过率越高，相反，如果学生贫穷程度越高，从而不能保证规律的饮食，需要学校午餐计划资。

5、助的学生所占比率越大，标准化数学考试中通过率越低。()如何理解()中部分估计出来的截距？特别是，令两个解释变量都等于零说得过去吗？提示：记住log1=0。()中部分估计的截距表示当所有解释变量等于零时，标准化数学考试通过率为-20.3608。设置 logexpend=0 是没有意义的，此时 expend=1，和日常学生消费的合理范围不符；而设置 lnchprg=0 是可行的，因为有些学校学生的贫困率比较低，基本没有学生需要学校午餐计划的资助。当令两个解释变量都等于零时，标准化数学考试通过率 math10=-20.36081，即 math10 对 logexpend 进行简单回归时估计出来的支出。

6、效应更大。C3.8 DISCRIM.RAW psoda=0+1prpblck+2income+u logpsoda=0+1prpblck+2logincome+u ()求出样本中 prpblck 和 income 的平均值及其标准差。prpblck 和 income 的度量单位是什么？所以，由左边操作可得：prpblck平均值是0.1132，标准差是0.1832；而 income 平均值是46939，标准差是13367。两者的度量单位分别为百分比和美元。()考虑一个模型，用人口中黑人比率和收入中位数来解释苏打饮料的价格 psoda:psoda=0+1prpblck+2income+u用OLS 。

7、估计这个模型并以方程的形式报告结果，包括样本容量和 R2 。(报告估计只是不要使用科学技术法。)解释 prpblck 的系数。你认为它在经济上算大吗？由操作可得：psoda=0.+0.prpblck+0.income+u，n=410，R2=0.0243 。prpblck 的系数度量了人口中黑人比率在其他条件不变情况下对苏打饮料价格的变化的影响，比率增加1%，苏打饮料价格将提高0.15% 。这个系数在经济上并不算大。()将第()部分得到的估计值与 psoda 对 prpblck 进行简单回归得到的估计值进行比较。控制收入变量后，这种歧视效应是更大还是更小了？因为 1=1+2 1 , 10，20，。

8、 1 0，所以，进行简单回归后得到的估计值 1 比第()部分得到的估计值 1 更小，即控制收入变量后，这种歧视效应是更小了。()收入价格弹性为常数的模型可能更加适合。报告如下模型的估计值：log(psoda)=0+1prpblck+2log(income)+u若 prpblck 提高0.20(即20个百分点)，估计 psoda 的变化百分比是多少？提示：答案是2.xx，你在“xx”位置上填写数字即可。由操作可得：logpsoda=-0.7938+ 0.1216prpblck+0.0765log(income)+u， n=410，R2=0.0681 。若 prpblck 提高0.20(即20个百。

9、分点)，psoda 的变化百分比=0.1216*0.2*100=2.432，所以2.xx =2.432。()现在在第()部分的回归中添加变量 prppov ,prpblck 有何变化？如右图所示，可知：prpblck =0.0728，相比第()部分中的0.1216，prpblck 的系数变小，因为logpsoda变异的一部分由新增的变量prppov 解释了，所以prpblck 变小。()求出 logincome 和 prppov 的相关系数。大致符合你的预期吗？相关系数=cov(log(income) , prppov)varlogincome*var(prppov) , 由上面操作可得=- 。

10、0.3500，大致符合预期，表明各个邮区中贫穷率越高越低，logincomeincome为家庭收入中位数 的值越小。()评价如下说法：“由于 logincome 和 prppov 如此高度相关，所以他们不该进入同一个回归。”这种说法是错误的。因为模型主要研究的是各个邮区人口中黑人比例对苏打饮料价格的影响，尽管 logincome 和 prppov 高度相关，存在多重共线性的问题，但是我们所关心的是 prpblck 的系数，实在没有必要关心 logincome 和 prppov之间的相关程度，所以不能说两者不该进入同一个回归。C3.9 CHARITY.RAW gift=0+1mailsyear+。

11、2giftlast+3propresp+u ()用普通最小二乘法估计如下模型：gift=0+1mailsyear+2giftlast+3propresp+u按照通常的方式报告估计方程，包括样本容量和 R2 。其 R2 与不使用 giftlast 和 propresp 的简单回归所得的 R2 相比如何？ gift 对mailsyear 、2giftlast 和 3propresp 进行回归；有上面操作可得：gift=-4.5515+2.1663mailsyear+0.0059giftlast+15.3586propresp+u，n=4268，R2=0.0834 。 当 gift 对 mailsy。

12、ear 进行简单回归；此时 R2=0.01380.0834，表明变量giftlast和propres相比mailsyear 更能解释 gift 的变异。()解释 mailsyear 的系数，它比对应的简单回归系数更大还是更小？mailsyear 的系数表示当giftlast和propres固定时，每多一个邮件，每年估计将增加2.17荷兰盾的礼物。如右图所示，对应的简单回归系数为2.6495，所以()中 mailsyear 的系数小于对应的简单回归系数。()解释 propresp 的系数，千万要注意 propresp 的度量单位。propresp 的系数表示当giftlast和mailsyear。

13、固定时，propresp 每增加10%，估计增加1.53586荷兰盾的礼物。()现在，在这个方程中增加变量 avggift 。这将对 mailsyear 的估计效应造成什么样的影响？有上面操作可得：gift=-7.3278+1.2012mailsyear-0.2609giftlast+16.2046propresp+0.5269avggift+u，n=4268，R2=0.2005 。mailsyear 的估计效应缩小了，系数由2.1663减到1.2012，意味着由 mailsyear 变量来解释gift的变异程度变小了。()在第()部分的方程中，giftlast 的系数有何变化？你认为这是怎么回事？giftlast 的系数由一个正数变成了负数，与gift的关系变成了负相关，个人认为可能是因为人们在现实生活中，如果收到礼物量比较多，可能会用于赠送和捐赠给他人，从而导致总的收到的礼物量下降。