其中,incshrit是在总竞选支出中在位者所占份额(用百分比表示)。非观测效应ai,包括在位者诸如“品质”等特征和选区的诸多特征,都不随时间而变化。在位者的性别、党派在时间上都不变,因此都属于ai。我们关注的是竞选费用对选举结果的影响。
(i)取给定方程在两个年份的差分并用OLS估计差分方程。问哪些变量相对于一个双侧备择假设是在5%的水平上是个别显著的?
(ii)在第(i)部分的方程中,检验Δlog(inexp)和Δlog(chexp)的联合显著性。报告其P值。
(iii)用Δincshr作为唯一自变量,重新估计第(i)部分中的方程。解释Δincshr的系数。例如,如果在位者的支出份额增加10个百分点,你预计这会怎样影响在位者的得票份额?
(iv)再做一遍(iii),但现在仅使用两次挑战者相同的情形。[这样一来,我们便可以控制挑战者属于ai的那些特征。莱维特(Levitt,1994)做过一项广泛得多的分析。]
A.1982年
B.1984年
C.1986年
D.1988年
E.1990年
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。)
此题为判断题(对,错)。