《計(jì)量經(jīng)濟(jì)學(xué)》教學(xué)大綱

1、word計(jì)量經(jīng)濟(jì)學(xué)教學(xué)大綱一、課程基本信息課程編號（從教務(wù)管理系統(tǒng)中查找使用）：課程類別：中文名稱：計(jì)量經(jīng)濟(jì)學(xué)英文名稱：Econometries授課對象：金融學(xué)專業(yè)本科生學(xué)分:2學(xué)時(shí)：48先修課程：經(jīng)濟(jì)數(shù)學(xué)、統(tǒng)計(jì)學(xué)建議教材：伍得里奇，計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論：現(xiàn)代觀點(diǎn)，北京：中國人民大學(xué)出版社，2006參考書目（內(nèi)容包括編著者、書名、出版社、出版日期）：Brooks,C.,金融計(jì)量經(jīng)濟(jì)學(xué)導(dǎo)論M.成都：西南財(cái)經(jīng)大學(xué)出版社，2005。Franses,PhilipH.,商業(yè)和經(jīng)濟(jì)預(yù)測中時(shí)間序列模型M.北京：中國人民大學(xué)出版社，2002。Mills,TerenceC.,金融時(shí)間序列的經(jīng)濟(jì)計(jì)量學(xué)模型（第2版）M.

2、北京：經(jīng)濟(jì)科學(xué)出版社，2002。Greene,WilliamH.,經(jīng)濟(jì)計(jì)量分析M.北京：中國社會科學(xué)出版社，1998。二、課程教學(xué)目標(biāo)計(jì)量經(jīng)濟(jì)學(xué)是財(cái)經(jīng)類本科生的專業(yè)基礎(chǔ)課，通過本課程的學(xué)習(xí)，學(xué)生應(yīng)掌握計(jì)量分析的基本理論與方法，理解計(jì)量經(jīng)濟(jì)分析的思想，把計(jì)量經(jīng)濟(jì)學(xué)模型和經(jīng)濟(jì)學(xué)理論、經(jīng)濟(jì)現(xiàn)實(shí)聯(lián)系起來，具備一定經(jīng)驗(yàn)研究的能力。三、知識點(diǎn)經(jīng)濟(jì)數(shù)據(jù)的結(jié)構(gòu)簡單回歸模型普通最小二乘法多元回歸分析高斯-馬爾科夫假定、定理單個(gè)總體參數(shù)的假設(shè)檢驗(yàn)參數(shù)線性組合的假設(shè)檢驗(yàn)&對多個(gè)線性約束的檢驗(yàn)9測度單位對估計(jì)量的影響函數(shù)形式二值變量異方差性趨勢和季節(jié)性平穩(wěn)性和弱相依時(shí)間序列高度持久序列序列相關(guān)穩(wěn)健統(tǒng)計(jì)量四、教學(xué)內(nèi)容與

3、要求第一章導(dǎo)論課時(shí)：共2課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，使學(xué)生對什么是計(jì)量經(jīng)濟(jì)學(xué)有所了解；掌握數(shù)據(jù)結(jié)構(gòu)的類型；熟悉經(jīng)驗(yàn)分析的步驟；理解因果關(guān)系和其他條件不變的概念教學(xué)內(nèi)容：第一節(jié)什么是計(jì)量經(jīng)濟(jì)學(xué)第二節(jié)經(jīng)驗(yàn)分析的步驟第三節(jié)經(jīng)濟(jì)數(shù)據(jù)的結(jié)構(gòu)橫截面數(shù)據(jù)時(shí)間序列數(shù)據(jù)混合橫截面數(shù)據(jù)綜列數(shù)據(jù)對數(shù)據(jù)結(jié)構(gòu)的評論第四節(jié)計(jì)量經(jīng)濟(jì)分析中的因果關(guān)系和其他條件不變第二章簡單回歸模型課時(shí)：共7課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，學(xué)生應(yīng)掌握簡單回歸模型的假定，理解“線性”熟悉OLS的操作技巧和計(jì)量模型的經(jīng)濟(jì)解釋教學(xué)內(nèi)容：第一節(jié)簡單回歸模型的定義第二節(jié)普通最小二乘法的推導(dǎo)關(guān)于術(shù)語的注解第三節(jié)OLS的操作技巧擬合值和殘差OLS統(tǒng)計(jì)的代數(shù)

4、性質(zhì)擬合優(yōu)度第四節(jié)測量單位和函數(shù)形式改變測量單位對OLS統(tǒng)計(jì)量的影響在簡單回歸中加入非線性因素“線性”回歸的含義第五節(jié)OLS估計(jì)量的期望值和方差OLS的無偏性O(shè)LS估計(jì)量的方差三誤差方差的估計(jì)第三章多元回歸分析：估計(jì)課時(shí)：共7課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，掌握高斯-馬爾科夫假定，理解無偏性定理、斜率估計(jì)量抽樣方差的定理和高斯-馬爾科夫定理，熟悉多元回歸模型的經(jīng)濟(jì)解釋教學(xué)內(nèi)容：第一節(jié)使用多元回歸分析的動(dòng)因一含有兩個(gè)自變量的模型二含有K個(gè)自變量的模型第二節(jié)OLS的操作和解釋一如何得到OLS估計(jì)值對OLS回歸方程的解釋OLS的擬合值和殘差擬合優(yōu)度簡單回歸和多元回歸的估計(jì)值的影響第三節(jié)OLS估計(jì)量的期

5、望值一在回歸模型中包含了無關(guān)變量遺漏變量的偏誤：簡單情形第四節(jié)OLS估計(jì)量的方差OLS方差的成分：多重共線性估計(jì)2:OLS估計(jì)量的標(biāo)準(zhǔn)誤第五節(jié)OLS的有效性：高斯-馬爾科夫定理第四章多元回歸分析：推斷課時(shí)：共8課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，學(xué)生應(yīng)掌握經(jīng)典線性模型假定、t檢驗(yàn)和F檢驗(yàn)，了解置信區(qū)間的構(gòu)建，理解一般線性約束的檢驗(yàn)，熟悉如何報(bào)告回歸結(jié)果教學(xué)內(nèi)容：第一節(jié)OLS估計(jì)量的抽樣分布第二節(jié)檢驗(yàn)對單個(gè)總體參數(shù)的假設(shè)：t檢驗(yàn)對單側(cè)對立假設(shè)的檢驗(yàn)二雙側(cè)對立假設(shè)檢驗(yàn)的其他假設(shè)J計(jì)算t檢驗(yàn)的P值第三節(jié)置信區(qū)間第四節(jié)檢驗(yàn)關(guān)于參數(shù)的一個(gè)線性組合的假設(shè)第五節(jié)對多個(gè)線性約束的檢驗(yàn)：F檢驗(yàn)一對排除性約束的檢驗(yàn)F統(tǒng)

6、計(jì)量的R2型三計(jì)算F檢驗(yàn)的P值回歸整體顯著性的F統(tǒng)計(jì)量檢驗(yàn)一般的線性約束第六節(jié)報(bào)告回歸結(jié)果第五章多元回歸分析：其他問題課時(shí)：共6課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，學(xué)生應(yīng)掌握調(diào)整的R平方、非嵌套模型、交互效應(yīng)和什么情形下應(yīng)該對變量進(jìn)行對數(shù)變換，理解預(yù)測和殘差分析教學(xué)內(nèi)容：第一節(jié)數(shù)據(jù)的測度單位對OLS統(tǒng)計(jì)量的影響第二節(jié)對函數(shù)形式的進(jìn)一步討論對使用對數(shù)函數(shù)形式的進(jìn)一步討論二含有二次式的模型三含有交互作用的模型第三節(jié)擬合優(yōu)度和回歸元選擇的進(jìn)一步探討調(diào)整R-平方利用調(diào)整R-平方在兩個(gè)非嵌套模型中進(jìn)行選擇第四節(jié)預(yù)測和殘差分析預(yù)測的置信區(qū)間二殘差分析第六章含有定性信息的多元回歸分析課時(shí)：共4課時(shí)教學(xué)要求：通過本

7、章的學(xué)習(xí)，學(xué)生應(yīng)掌握虛擬變量的內(nèi)涵及其經(jīng)濟(jì)解釋、熟悉虛擬變量的交互作用項(xiàng)的經(jīng)濟(jì)解釋教學(xué)內(nèi)容：第一節(jié)對定性信息的描述第二節(jié)只有一個(gè)虛擬變量第三節(jié)使用多個(gè)虛擬變量第四節(jié)涉及虛擬變量的交互作用一虛擬變量之間的交互作用容許出現(xiàn)不同的斜率檢驗(yàn)不同組之間回歸函數(shù)上的差別第七章異方差性課時(shí)：共6課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，學(xué)生應(yīng)理解異方差的后果，熟悉穩(wěn)健性統(tǒng)計(jì)量和異方差檢驗(yàn)，了解加權(quán)最小二乘估計(jì)教學(xué)內(nèi)容：第一節(jié)異方差性對OLS所造成的影響第二節(jié)異方差-穩(wěn)健性推斷第三節(jié)對異方差的檢驗(yàn)第四節(jié)加權(quán)最小二乘估計(jì)一除一個(gè)常數(shù)倍數(shù)外異方差是已知的二.必須估計(jì)異方差函數(shù)：可行GLS第八章時(shí)間序列數(shù)據(jù)的回歸分析課時(shí)：共8

8、課時(shí)教學(xué)要求：通過本章的學(xué)習(xí)，學(xué)生應(yīng)掌握時(shí)間序列數(shù)據(jù)的性質(zhì)、時(shí)間序列數(shù)據(jù)的經(jīng)典假定及如何處理趨勢和季節(jié)性，理解平穩(wěn)性、弱相依、高度持久、1(1)、1(0)、隨機(jī)游走等概念，了解序列相關(guān)和異方差的校正及穩(wěn)健性統(tǒng)計(jì)量。教學(xué)內(nèi)容：第一節(jié)時(shí)間序列數(shù)據(jù)的性質(zhì)第二節(jié)靜態(tài)模型與有限分布滯后模型靜態(tài)模型有限分布滯后模型第三節(jié)經(jīng)典假設(shè)下OLS的有限樣本性質(zhì)OLS的無偏性O(shè)LS估計(jì)量的方差和高斯-馬爾科夫假定三經(jīng)典線性模型假定下的推斷第四節(jié)趨勢和季節(jié)性描述有趨勢的時(shí)間序列在回歸分析中使用趨勢變量對有時(shí)間趨勢的回歸作除趨勢變換季節(jié)性第五節(jié)平穩(wěn)性和弱相依時(shí)間序列平穩(wěn)和非平穩(wěn)時(shí)間序列弱相依時(shí)間序列第六節(jié)OLS漸進(jìn)性質(zhì)第

9、七節(jié)使用高度持久時(shí)間序列作回歸分析高度持久時(shí)間序列高度持久時(shí)間序列的變換判斷時(shí)間序列是否是1(1)第八節(jié)時(shí)間序列回歸中的序列相關(guān)和異方差有序列相關(guān)誤差的OLS性質(zhì)序列相關(guān)的檢驗(yàn)和校正差分和序列相關(guān)序列相關(guān)-穩(wěn)健推斷五異方差-穩(wěn)健統(tǒng)計(jì)量異方差的檢驗(yàn)七自回歸條件異方差五、思考題(或練習(xí)題)1.生育率對教育年數(shù)的簡單回歸kids=P+Peduc+u01u中包含什么樣的因素？它們可能與教育水平相關(guān)嗎？簡單回歸分析能揭示教育對生育率在其他條件不變下的影響嗎？2下式為線性消費(fèi)函數(shù)cons=p+0inc01估計(jì)的收入的邊際消費(fèi)傾向(MPC)就是betal-cap,平均消費(fèi)傾向(APC)八八為c0ns/inc

10、=卩。/inc十卩。利用對100個(gè)家庭年收入和消費(fèi)的觀測，得到cons=124.84+0.853incn=100,R2=0.692解釋式中的截距，并評價(jià)它的符號和大小。當(dāng)家庭收入為30000時(shí)，預(yù)測消費(fèi)為多少？以inc為x軸，畫出估計(jì)的MPC和APC的圖在一項(xiàng)調(diào)查大學(xué)GPA于在各種活動(dòng)中所耗費(fèi)的時(shí)間之關(guān)系的研究中，你對一些學(xué)生分發(fā)了調(diào)查問卷。學(xué)生被問到他們每周在學(xué)習(xí)、睡覺、工作和閑暇這四種活動(dòng)中各花多少小時(shí)。任何活動(dòng)都被列為這四種活動(dòng)之一，所以對學(xué)生而言，這四種活動(dòng)的小時(shí)數(shù)之和為168。在模型GPA=b0+b1study+b2sleep+b3work+b4leisure+u中，保持sleep、

11、work和leisure不變而改變study是否有意義？解釋為什么這個(gè)模型違背了假定MLR.4?如何將這個(gè)模型重新表述，使得參數(shù)具有有用的解釋，而又不違背假定MLR.4。剛從法學(xué)院畢業(yè)的學(xué)生的起薪中位數(shù)由下式?jīng)Q定：Log(salary)二bO+blLSAT+b2GPA+b3log(libvol)+b4log(cost)+b5rank+u,LSAT為LSAT成績的中位數(shù)；GPA為該年級大學(xué)GPA的中位數(shù)；libvol為法學(xué)院圖書館的藏書量；cost為進(jìn)入法學(xué)院每年的費(fèi)用；rank為法學(xué)院的排名(rank=l的法學(xué)院是最好的)解釋為什么預(yù)期b5小于等于0？你預(yù)計(jì)其他斜率參數(shù)的符號如何？理由是什么？

12、估計(jì)方程如下：log(salary-hat)=8.34+0.0047LSAT+0.248GPA+0.095log(libvol)+0.038log(cost)-0.0033rank,n=136,R2=0.842。在其他條件不變的情況下，預(yù)計(jì)GPA中位數(shù)相差1分會導(dǎo)致薪水有多大的差別解釋變量log(libvol)的系數(shù)是否應(yīng)該進(jìn)入一個(gè)排名更靠前的法學(xué)院？從預(yù)計(jì)起薪來看，排名相差20位的價(jià)值有多大？下面哪種因素可能導(dǎo)致通常的OLS的t統(tǒng)計(jì)量無效(即在原假設(shè)下不服從t分布)？異方差性模型中兩個(gè)變量之間的樣本相關(guān)系數(shù)達(dá)到0.95遺漏一個(gè)重要的解釋變量利用密歇根州制造業(yè)的數(shù)據(jù)來估計(jì)產(chǎn)品廢棄率與企業(yè)特征之

13、間的關(guān)系。總體模型為log(scrap)二b0+b1hrsemp+b2log(sales)+b3log(employ)+u,scrap為產(chǎn)品廢棄率，hrsemp為平均每個(gè)雇員每年受到培訓(xùn)的小時(shí)數(shù)，sales為企業(yè)年銷售額，employ為企業(yè)雇員人數(shù)證明這個(gè)總體模型也可以寫成log(scrap)=b0+b1hrsemp+b2log(sales/employ)+q3log(employ)+u,式中q3=b2+b3。估計(jì)(i)中模型，得到log(scrap)=11.74-0.042hrsemp一0.9511og(sales/employ)(4.57)(0.019)(0.370)+0.0411og(e

14、mploy)(0.205)n=43,R2=0.310檢驗(yàn)假設(shè)：sales/employ提高1%將伴隨以廢棄率下降1%有關(guān)睡眠時(shí)間與其影響因素的回歸模型估計(jì)如下sleep=3638.25-0.148totwork一11.13educ+2.20age(112.28)(0.017)(5.88)(1.45)n=706,R2=0.113對于雙側(cè)對立假設(shè)，在5%的顯著性水平上，educ、age是統(tǒng)計(jì)上顯著的嗎?從方程中去掉educ和age，則sleep=3586.38一0.151totwork(38.91)(0.017)n=706,R2=0.103在5%的顯著性水平上，educ和age是聯(lián)合統(tǒng)計(jì)顯著的嗎？

15、能否用殘差分析來判斷某個(gè)電影演員得到相對票房而言過高的收入？如下模型使得受教育的回報(bào)還取決于父母雙方受教育程度的總和pareduc：log(wage)=卩+卩educ+卩educpareduc+卩exper+卩tenure+u34(以小數(shù)形式)證明此模型中多受一年教育的回報(bào)為Alog(wage)/educ=0+0pareduc12你的預(yù)期b2的符號是什么？為什么？所估計(jì)的方程是(0.13)(0.010)(0.00021)+0.019exper+0.010tenure(0.004)(0.003)n=722R2=0.169解釋交互項(xiàng)的系數(shù)。選擇pareduc的兩個(gè)特殊值(比如，如果父母雙方都受過大

16、學(xué)教育,則pareduc=32，或父母都只受過高中教育，則pareduc=24)，比較educ的估計(jì)回報(bào)。有如下估計(jì)方程sat=1028.10+19.30hsize-2.19hsize2-45.09female-169.81blackword(6.29)(3.83)(0.53)(4.29)(12.71)+62.31female-black(18.15)n=4137,R2=0.0858式中，sat為SAT的總分；hsize為學(xué)生所在高中畢業(yè)年級的學(xué)生規(guī)模，單位為百人；female為性別虛擬變量；black為種族虛擬變量(黑人取值為1,其他人取值為0)。有很強(qiáng)的證據(jù)支持模型中應(yīng)該包含hsize2嗎

17、？從這個(gè)方程來看，最優(yōu)高中規(guī)模是什么？保持hsize不變，非黑人女性與非黑人男性之間sat分?jǐn)?shù)的估計(jì)差異是多少？這個(gè)統(tǒng)計(jì)差異統(tǒng)計(jì)上顯著嗎？非黑人男性和黑人男性之間sat分?jǐn)?shù)的估計(jì)差異是多少？檢驗(yàn)其分?jǐn)?shù)沒有差異的虛擬假設(shè)。黑人女性和非黑人女性之間sat分?jǐn)?shù)的估計(jì)差異是多少？為了檢驗(yàn)這個(gè)差異的統(tǒng)計(jì)顯著性，需要做什么？假設(shè)你通過對工資、受教育程度、工作經(jīng)歷和性別的調(diào)查來收集數(shù)據(jù)，而且你還詢問了大麻使用方面的問題。原問題是：“上個(gè)月你吸過幾次大麻？”寫出一個(gè)方程，使之在控制其他因素的情況下，能讓你估計(jì)出使用大麻對工資的影響。你應(yīng)該能得出這樣的結(jié)論：“每月多吸5次大麻，估計(jì)會改變工資x%?！睂懗鲆粋€(gè)模型

18、，使你能檢驗(yàn)女人和男人在使用大麻對工資影響上是否存在差異。你將怎樣檢驗(yàn)?zāi)信g在使用大麻的影響上是沒有差異的？假設(shè)你認(rèn)為最好按大麻使用量將人分為四類：不用者、淺嘗者(每月1-5次)、適度者(每月6-10次)、重用者(每月10次以上)。寫出一個(gè)模型，使你能估計(jì)出使用大麻對工資的影響。利用第(iii)部分的模型，解釋如何檢驗(yàn)使用大麻對工資沒有影響的虛擬假設(shè)。考慮如下解釋每月啤酒消費(fèi)量的線性模型beer=B+Pinc+Pprice+Peduc+Pfemale+u01234E(u|inc,price,educ,female)=0var(u|inc,price,educ,female)=c2inc2將其

19、變?yōu)橐粋€(gè)誤差具有同方差性的模型對秋季第二學(xué)期學(xué)生有如下估計(jì)結(jié)果：wordtrmgpa=-2.12+0.900crsgpa+0.193cumgpa+0.0014tothrs(0.55)(0.175)(0.064)(0.0012)0.550.1660.0740.0012wordtrmgpa為本學(xué)期的GPA,crsgpa為所修全部課程加權(quán)平均的GPA,cumgpa為此前學(xué)期所修課程的GPA,tothrs為此學(xué)期前總學(xué)分，sat為SAT分?jǐn)?shù)，hsperc為其在高中班級中排名的百分位，female為性別虛擬變量，season是虛擬變量，秋季有體育課時(shí)取值為1。（i）crsgpa、cumgpa和tothr

20、s都有預(yù)期的估計(jì)效應(yīng)嗎？那些在5%的顯著性水平上是統(tǒng)計(jì)上顯著的？使用不同的標(biāo)準(zhǔn)誤，是否有影響？（ii）利用兩種標(biāo)準(zhǔn)誤來檢驗(yàn)有體育課時(shí)對學(xué)期GPA是否有影響。拒絕虛擬假設(shè)的顯著性水平與所用的標(biāo)準(zhǔn)誤有關(guān)系嗎？14.401K.RAW中的數(shù)據(jù)是Papke（1995）所分析的數(shù)據(jù)的一個(gè)子集,Papke是為了研究401k養(yǎng)老老金計(jì)劃的參與率和該計(jì)劃的慷慨程度之間的關(guān)系。變量prate是有活動(dòng)賬戶的合格工人的百分比，也就是我們要解釋的變量?？犊潭鹊亩攘渴怯?jì)劃的匹配率mrate,其衡量當(dāng)一個(gè)工人為公司貢獻(xiàn)了1美元時(shí)，公司為工人的計(jì)劃捐獻(xiàn)的平均數(shù)。例如，如果mrate=0.50,那么工人每貢獻(xiàn)1美元，公司就配

21、給50美分。（1）求出樣本中的平均參與率和平均匹配率。（2）估計(jì)下面這個(gè)簡單回歸方程八八prate=卩+3mrate01報(bào)告你的結(jié)果及樣本容量和R-平方。（3）解釋方程中的截距，解釋mrate的系數(shù)。（4）當(dāng)mrate=3.5時(shí)，求出prate的預(yù)測值。這是一個(gè)合理預(yù)測嗎？解釋這里出現(xiàn)的情況。（5）prate的變異有多少是由mrate解釋的了？你認(rèn)為這是一個(gè)足夠大的量嗎？使用HPRICE.RAW中數(shù)據(jù)，估計(jì)如下模型：price=3+3sqrft+3bdrms+u012式中，price以千美元為單位的住房價(jià)格。（1）以方程形式寫出結(jié)果。（2）住房在保持面積不變而又增加一間臥室時(shí)，估計(jì)其價(jià)格會提高

22、多少？（3）住房增加一間大小為140平方英尺的臥室，估計(jì)其價(jià)格會提高多少？將這個(gè)答案與你在第（2）部分的答案進(jìn)行比較。（4）價(jià)格中的變異有多大比例能被平方英尺和臥室數(shù)解釋？（5）樣本中的第一套住房有sqrft=2438,bdrms=4,預(yù)計(jì)它的銷售價(jià)格。（6）樣本中的第一套住房的實(shí)際銷售價(jià)格是300000美元（price=300）,求出其殘差，它是否表明購買者為這套住房支付了過低或過高的價(jià)格？如下模型可用來研究競選支出如何影響選舉結(jié)果：voteA=B+Blog（expendA）+Plog（expendB）+PprtystrA+u0122式中，VOteA為候選人A得到的選票百分?jǐn)?shù)；expendA

23、和expendB分別為候選人A和B的競選支出；prtystrA為A所在黨派之實(shí)力的一種度量（最近一次總統(tǒng)選中獲得選票的百分比）。（1）如何解釋betal?（2）表述如下虛擬假設(shè)：A的競選支出提高1%被B的支出提高1%所抵消。（3）利用V0TE1.RAW中的數(shù)據(jù)來估計(jì)上述模型，并以通常的方式報(bào)告結(jié)果。A的競選支出會影響結(jié)果嗎？B的支出了？你能用這些結(jié)論來檢驗(yàn)（2）中的假設(shè)嗎？估計(jì)一個(gè)模型，使之能直接給出檢驗(yàn)(2)中所需的t統(tǒng)計(jì)量。你有什么結(jié)論？(使用雙側(cè)對立假設(shè))利用wage2.raw的數(shù)據(jù)估計(jì)模型log(wage)二BBeduc+pexper+ptenure+pmarried01234+pbl

24、ack+psouth+purban+u567并以通常的形式報(bào)告結(jié)果。保持其他因素不變，黑人與非黑人之間月薪的差異是多少？這個(gè)差異統(tǒng)計(jì)顯著嗎？在這個(gè)方程中增加變量exper2和tenure2，證明即便在20%的顯著性水平上，它們也不是聯(lián)合顯著的？推廣原模型，使受教育回報(bào)取決于種族，并檢驗(yàn)受教育的回報(bào)是否的確取決于種族。再回到原模型，但現(xiàn)在容許四個(gè)不同人群(已婚男人、已婚非黑人、單身黑人和單身非黑人)的工資有區(qū)別。估計(jì)已婚黑人和已婚非黑人之間的工資差異。差異是統(tǒng)計(jì)顯著的嗎？(1)利用sleep75.raw中的數(shù)據(jù)估計(jì)如下模型的參數(shù)：sleep=p+ptotwork+peduc+page+page2

25、+pynkid+pmale+u0123456sleep：minssleepatnight,perweektotwrk：minutesworkedperweekeduc：yearsofschooling；age：inyears；yngkid=1ifchildren3；male二1ifmale寫出一個(gè)模型，容許u的方差在男人和女人之間有所不同，但這個(gè)方差不依賴于其他因素。估計(jì)模型(2)中的參數(shù)。u的估計(jì)方差對于男人或女人更高？有顯著的不同嗎？(1)利用HPICE1.RAW中的數(shù)據(jù)估計(jì)如下模型的回歸結(jié)果，要求提供異方差-穩(wěn)健型標(biāo)準(zhǔn)誤。討論其與通常的標(biāo)準(zhǔn)誤之間有無重要差異。Price(千美元)pric

26、e=p+plotsize+psqrft+pbdrms+u0123利用相同的數(shù)據(jù)對如下模型重復(fù)第(1)步的操作。log(price)=a+alog(lotsize)+alog(sqrft)+abdrms+u0123對因變量所作的變換，對異方差性有何影響？數(shù)據(jù)是關(guān)于1980年1月到1988年11月期間，印第安納州安德森是每月失業(yè)申報(bào)數(shù)(uclms)的情況。1984年，一個(gè)工業(yè)區(qū)(ez)建立在安德森市。用log(uclms)對一個(gè)時(shí)間趨勢變量和11個(gè)月份的虛擬變量作回歸。說明時(shí)間趨勢的系數(shù)含義。有跡象表明失業(yè)申報(bào)數(shù)有季節(jié)性嗎？在(i)的方程中增加一個(gè)虛擬變量ez(有工業(yè)園區(qū)的月份，ez=1)。工業(yè)區(qū)的存在是否降低了失業(yè)申報(bào)數(shù)？降低了多少？若要把(ii)中得出的變化全部歸功于ez的建立，需要做什么假定？變量rsp500是每月