用间接最小二乘法估计恰好识别方程时,简化式参数的估计量是无偏估计量,但结构参数的估计量是有偏估计量,这是由于()。
A、该结构方程是过度识别的
B、结构方程的误差项为经典误差项
C、简化式方程的误差项为经典误差项
D、模型中所有的前定变量之间不存在严重的多重共线性
E、样本容量足够大
我们估计了一个线性概率模型以说明一个年轻人在1986年是否被拘捕:
(i)用OLS估计此模型,并验证其全部估计值都严格地介于0和1之间。最大和最小的估计值各是多少?
(ii)用加权最小二乘法估计这个方程。
(iii)用WLS估计值决定avgsen和tottime在5%的显著性水平上是否联合显著。
用到MROZ.RAW中的数据。
(i)用log(hours)作为因变量重新估计教材例16.5中的劳动供给函数。将估计出的弹性(现在是常数)与教材方程(16.24)在平均工作小时数处所得到的估计值相比较。
(ii)在第(i)部分的劳动供给方程中,容许educ因遗漏了能力变量而成为内生变量。用motheduc和fatheduc作为educ的Ⅳ。记住,你现在在方程中有两个内生变量。
(iii)检验第(ii)部分2SLS估计中过度识别约束。这些Ⅳ通过检验了吗?
利用PRISON.RAW中的数据。
(i)以教材(16.41)中的2SLS估计结果为基础,估计Alog(prisonit)的约简型方程。其中,IVs,final1和final2分别都是统计显著的吗?
(ii)求(i)中的约简型方程残余,把它加入教材(16.41)的方程中,并且检验Δlog(prisonit)的内生性,你的结论是什么?
(iii)在应用2SLS法估计教材方程(16.41)时检验单个过度识别约束。你的结论是什么?
(iv)在这个应用过程中,2SLS和OLS两种方法之间的不同实际上重要吗?
利用AIRFARE.RAW中的数据。我们的兴趣在于估计模型
其中,θt意味着,我们容许每年的截距有所不同。
(i)用混合OLS估计上述方程,注意包含年度虚拟变量。若Δconcen=0.10,估计fare提高了多少个百分点?
(ii)的通常OLS的95%置信区间是什么?它为什么可能不太可靠?如果你有能计算充分稳健标准误的统计软件,求出β1的充分稳健的95%置信区间。与通常的置信区间相比较,并评论。
(iii)描述log(dist)的二次项出现的情况。特别是,dist取何值时,log(fare)和dit之间开始出现正向关系。[提示:首先计算log(dist)的转折点,然后取指数。]转折点出现在数据范围之外吗?
(iv)现在用随机效应法估计方程。β1的估计值有何变化?
(v)现在用固定效应法估计方程。β1的FE估计值是多少?它为何与RE估计值相当类似?(提示:RE估计的入是多少?)
(vi)指出由ai刻画的两个航线特征(除起降距离之外)。这些特征可能与concenit相关吗?
(vii)你相信航线更集中会提高飞机票价吗?最佳估计值是什么?
)序列相关。
(ii)如果你发现有序列相关的证据,用科克伦-奥卡特方法重新估计这个方程,并将所得结果与以前的结果进行比较。
利用PHILLIPS.RAW中的数据。
(i)用直至1997年的数据估计教材(18.48)和(18.49)中的模型。参数估计值与教材(18.48)和教材(18.49)中的结果相比有很大不同吗?
(ii)用新方程预测unem1998,小数点后保留两位数。哪个方程预测得更好?
(ii)我们在正文中讨论过,用教材(18.49)预测unem1998为4.90.把它与利用直至1997年的数据得到的预测相比较。多用一年数据求得的参数估计值能给出更好的预测吗?
(iv)用教材(18.48)中估计的模型求出unem的提前两期预测值。即利用α=1.572,p=0.732,h=2时的教材方程(18.55)预测unem与把unem1997=4.9代入教材(18.48)所得到的提前一期预测值相比,哪一个更好?
其中,pop为城市人口,avginc为平均收入,而pctstu为学生人口占城市人口的百分数(按学年计)。
(i)用混合OLS估计方程并按标准形式报告结果。你如何解释1990年度虚拟变量的估计值?你得到βpctstu为多少?
(ii)你在第(i)部分报告的标准误确当吗?做出解释。
(iii)现在取方程的差分,再用OLS去估计。将βpctstu的估计值和第(i)部分的估计值相比较。学生人口的相对规模对房租有影响吗?
(iv)用固定效应估计模型,以验证你得到和第(iii)部分同样的估计值和标准误。