计量经济学计算机作业.docx

计量经济学计算机作业.docx

《计量经济学计算机作业.docx》由会员分享，可在线阅读，更多相关《计量经济学计算机作业.docx（13页珍藏版）》请在冰豆网上搜索。

计量经济学计算机作业

数量经济学付欢计量经济学计算机作业

C13.11

（i）在其他自变量不变的情况下：

根据：

log（X1）-log（X0）≈（X1-X0）/X0=△X/X0

math4it=1log（rexppit）=（1/100）*[100*log（rexppit）]（1/100）*（%rexppit）.因此if%rexppit=10,thenmath4it=（1/100）*（10）=1/10。

所以，平均每个学生的真实支出提高10%，则math4it约改变1/10个百分点。

（ii）用一阶差分估计第一部分中的模型（包括1994-1998年度虚拟变量）

math4=5.95+.52y94+6.81y955.23y968.49y97+8.97y98

（0.52）（0.73）（0.78）（0.73）（0.72）（0.72）

3.45log（rexpp）+0.635log（enroll）+0.025lunch

（2.76）（1.029）（0.055）

当rexpp增加10%，math4降低0.35%（3.45/100.35）

（iii）在模型中添加支出变量的一阶滞后,并利用一阶差分估计得

math4=6.16+5.70y956.80y968.99y97+8.45y98

（0.55）（0.77）（0.79）（0.74）（0.74）

1.41log（rexpp）+11.04log（rexpp-1）+2.14log（enroll）

（3.04）（2.79）（1.18）

+0.073lunch

（0.061）

n=2,750,R2=0.238.

回归图如下

由回归图所示：

即期支出变量的系数为-1.41，t统计量为-0.46，统计上不显著

滞后支出变量的系数为11.04，t统计量为3.96，统计上显著

（iv）

比较：

的异方差稳健标准误为4.28，从而降低了log（rexpp）的统计显著性

的异方差稳健标准误为4.38，其t统计量降低为2.52。

在1%的显著性水平双侧检验下log（rexpp-1）仍然是统计显著的。

（t统计量大于1.96）

（v）

异方差序列相关稳健标准误为4.94，log（rexpp）的t统计量降低了。

的标准误为5.13,log（rexpp-1）的t统计量为2.15.双侧检验的p值为0.032

（vi）使用1995,1996,1997,1998年进行混合的OLS可得

0.423

这表明差分误差有很强的负序列相关

（vii）基于充分稳健的联合检验，如下图

所以模型中没有必要包含学生注册的人数和午餐项目变量

C14.10

（i）根据回归可知利用混合OLS估计的β1=0.36,

当Δconcen=0.10，则Δlfare=0.36*0.10=0.036.airfare增加3.6%、

（ii）β1的95%的置信区间为[0.309,0.419]只有当复合误差序列无关，得出的标准误才是有效的,所以有点不太可能，充分稳健下的95%的置信区间为[0.245,0.475],条件为允许存在序列相关和异方差,所以充分稳健下的置信区间比一般的置信区间要大。

忽略序列相关会导致参数估计产生不确定性.

（iii）.斜率变为正斜率的log（fare）的值为0.902/[2*0.103]≈4.38。

dist的值为exp（4.38）=80.。

该值表示的是fare对dist的正弹性系数。

（iv）β1的RE估计值为0.209，表示fare与concern之间正相关。

因为t=7.88估计值统计上显著

（v）FE估计值为0.169，RE的λ估计值为0.9.我们可以预计RE估计值与FE估计值非常相似。

（vi）在一个航班线上的两个机场附近的城市影响航行的因素为人口，教育水平，雇主类型等。

高速路及铁路的便利情况及周围的地理环境，可以考虑为固定不变的。

这些因素和concern相关。

（vii）考虑到无法观测效应，我们可以使用固定效应模型得出估计值为正，且统计上显著。

用FE估计得到的估计值为0.169concern与时间常量正相关

C15.8

（i）

OLS估计方程:

n=9,275,R2=0.180

Pira=0.198+0.054p401k+0.0087inc0.000023inc20.0016age+0.00012age2

（0.069）（0.010）（0.0005）（0.000004）（0.0033）（0.00004）

p401k的系数表示保持收入和年龄不变的情况下，参加401（K）计划与拥有一个个人退休金账户的比没有参加401（K）计划与拥有一个个人退休金账户的概率多0.054。

（ii）在上题的回归方程中，保持收入和年龄不变下，在给定的收入和年龄等级中，该方程并不能解释不同的人有不同的储蓄计划。

而是解释了储蓄的人会参加401（k）计划和（IRA）计划.在保持其他条件不变的情况下，如果无法控制个人的储蓄计划，用普通的OLS估计无法得到我们想要的结果

（iii）欲使e401k成为p401k的有效IV,应该满足两个条件:

e401k对p401k有偏效应和e401k0与u无法观测的储蓄计划不相关.如果雇主会提供401（k）退休计划的，工人会储蓄。

则u与e401（k）相关。

（iv）p401（k）的约简型方程P401k=0.059+0.689e401k+0.0011inc0.0000018inc20.0047age+0.000052age2

（0.046）（0.008）（0.0003）（0.0000027）（0.0022）（0.000026）

n=9,275,R2=.596

e401k的系数表示，在保持收入与年龄不变的情况下，有资格参与一项401（k）计划的人参加401（k）的计划会多0.69，明显的是，e401k符合成为p401k工具变量的两个要求之一。

（v）用e401k作为p401k的工具变量来估计

Pira=0.207+0.021p401k+0.0090inc0.000024inc20.0011age+0.00011age2

（0.065）（0.013）（0.0005）（0.000004）（0.0032）（0.00004）

n=9,275,R2=0.180

IV估计出来的p401k0.021低于OLS估计值0.054的一半。

相应的t统计量值为1.56.约简型中

就是给定无法观测的储蓄计划下的估计值。

但是我们仍然无法估计参加401（K）计划与拥有个人退休金账户之间的替换关系。

C17.11

（i）参加劳动的妇女的比率为3286/5634（总数）=0.583.

（ii）

只利用工作女性的数据用OLS估计工资方程:

log（wage）=0.649+0.099educ+0.020exper0.00035exper20.030black+0.014hispanic

（0.060）（0.004）（0.003）（0.00008）（0.034）（0.036）

n=3,286,R2=0.205

平均来说与非黑种人及非西班牙人群组相比，黑种多赚3%，西班牙人多赚1.3%,联合F检验的p值为0.63.所以当控制教育及经验水平下，不同种族之间工资差别不明显。

（iii）nwifeinc的系数为-0.0091，t统计量为-13.47，kidlt6的系数为-0.5且t统计量为11.05我们期待这两个系数为负。

如果一个女人的丈夫赚更多的，她不太可能工作。

有一个年轻的孩子在家庭中也降低了概率的女人。

每个变量是非常显着。

（iv）我们需要至少一个影响参加劳动的变量，这个变量并不会直接影响工资的多少。

所以,我们必须假定,控制教育、经验和种族差异变量下,其他收入和有一个孩子的情况并不不影响工资。

如果雇主歧视有小孩或是丈夫有工作的妇女。

这些假定就不会成立。

此外,如果有一个孩子会降低劳动力,也就是说她必须花时间去照顾生病的孩子。

这样，我们就不能从工资方程中遗漏掉kidlt6。

（v）每个观测的逆米尔斯比为1.77，相应的双侧p值为0.77.在3286个观测中，它并不是特别小的，

的检验并没有提供有力的证据对零假设没有选择偏差。

。

（vi）把逆米尔斯比加到工资方程中去，斜率系数并没有改变多少。

例如,education的系数从0.099变动到0.103，同样在OLS估计下的95%的置信区间内[0.092,0.106]。

exper的系数变化很小，black和Hispanic的系数变化很大，但是这些估计值在统计上并不显著。

最重要的变化是在–截距估计从[649,539]：

从0.649变化到0.539.在本例中，截距为log（wage）的非黑人非西班牙裔妇女且没有受过教育和工作经验的估计值。

在全样本下并没有一个妇女是这种情况的。

因为斜率系数会发生改变,我们不能说,Heckman估计意味着与没有修正的估计相比，工资水平会更低。

C18.5

（i）估计的方程如下：

hy6t=0.078+1.027hy3t11.021hy3t0.085hy3t10.104hy3t2

（0.028）（0.016）（0.038）（0.037）（0.037）

n=121,R2=0.982,

=0.123.

使用t检验原假设H0:

=1的t统计量为（1.027 –1）/0.016

1.69.在5%的显著性水平下的使用双侧检验中，我们不能拒绝H0:

=1，但在10%的水平上我们会拒绝原假设（=1）。

（ii）估计的误差纠正模型如下：

=.070+1.259hy3t1.816（hy6t-1–hy3t2）

（.049）（.278）（.256）

+.283hy3t2+.127（hy6t-2–hy3t3）

（.272）（.256）

n=121,R2=.795.

这两个变量的F检验的联合显著的F值为1.35,相应的p-值=0.264,不显著