题目内容
（请给出正确答案）
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_，取何值时最小？这个方差是多少？
(iii)为了预测动态方差，第(ii)部分的模型得到了负的方差估计值吗？
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差？请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗？这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗？
如果结果不匹配，请 联系老师 获取答案
更多“利用NYSE.RAW中的数据。 （i)估计教材方程（12.4…”相关的问题
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ATTEND.RAW中的数据。
(i)在例6.3的模型中，推出
当priGPA=2.59和atndrte=82时，利用方程(6.19)来估计偏效应。对你的估计进行解释。
(ii)证明可将方程写成
其中
(注意，截距已发生变化，但并不重要。)用它求出第(i)部分得到的θ2的标准差。
利用MINWAGE.RAW中的数据，利用sector314(Footwear，ExceptRubber)。
(i)估计就业增长gemp314的一个AR(1)模型。滞后项在理论上和数值上是否显著？
(ii)将工资增长的一阶滞后项加入到AR(1)模型，检验工资增长与就业增长之间的格兰杰因果关系是否显著？你可以从中得到什么结论？
(iii)向模型中加入就业增长的二阶滞后项，并做格兰杰因果检验。你的结论是否改变？
利用LOANAPP.RAW中的数据。
(i)估计第7章的计算机练习C8第(iii)部分中的方程，计算其异方差-稳健的标准误。将βwhite的95%的置信区间与非稳健的置信区间相比较。
(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0？有没有哪个估计值大于1？而这些情况对加权最小二乘估计的应用意味着什么？
利用PHILLIPS.RAW中的数据，但只到1996年。
(i)在教材例11.5中，我们假定自然失业率是常数。在另一种形式的附加预期的菲利普斯曲线中，自然失业率受历史失业水平的影响。最简单的情况是，t时期的自然失业率与unemt-1，相等。如果我们假定适应性预期，便得到一个通货膨胀和失业率都是一阶差分形式的菲利普斯曲线：
估计这个模型，以常见格式报告结果，并讨论β1的符号、大小和统计显著性。
(ii)教材(11.19)和第(i)部分中的模型，哪一个对数据拟合得更好？说明理由。
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。)
●I/O 系统主要有三种方式来与主机交换数据，它们是 (6) 、 (7) 和 (8) 。其中 (6) 主要用软件方法来实现，CPU 的效率低； (7) 要有硬件和软件两部分来实现，它利用专门的电路向 CPU 中的控制器发出 I/O 服务请求，控制器则 (9) 转入执行相应的服务程序； (8) 主要由硬件来实现，此时高速外设和内存之间进行数据交换 (10) 。
(6) A．程序查询方式
B．读/写文件方式
C．数据库方式
D．客户/服务器方式
(7) A．DMA方式
B．批处理方式
C．中断方式
D．数据通信方式
(8) A．中断方式
B．DMA方式
C．并行方式
D．流水线方式
(9) A．立即
B．在执行完当前一条指令后
C．在执行完当前的一段子程序后
D．在询问用户后
(10) A．不通过CPU的控制，不利用系统总线
B．不通过CPU的控制，利用系统总线
C．通过CPU的控制，不利用系统总线
D．通过CPU的控制，利用系统总线
I/O系统主要有三种方式来与主机交换数据，其中主要用软件方法来实现，CPU的效率低的是(46)；要有硬件和软件两部分来实现，它利用专门的电路向CPU中的控制器发出 I/O服务请求，控制器则(47)转入执行相应的服务程序的是(48)；主要由硬件来实现，此时高速外设和内存之间进行数据交换(49)的是(50)。供选择的答案
A．程序查询方式
B．DMA方式
C．数据库方式
D．客户/服务器方式
I/O系统主要有(24)、(25)和(26)三种方式来与主机交换数据。其中(24)主要用软件方法来实现，CPU的效率低；(25)要有硬件和软件两部分来实现，它利用专门的电路向CPU中的控制器发出I/O服务请求，控制器则(27)转入执行相应的服务程序；(26)主要由硬件来实现，此时高速外设和内存之间进行数据交换丝(28)。
A．程序查询方式
B．读/写文件方式
C．数据库方式
D．客户/服务器方式
利用VOTE1.RAW中的数据。
(i)考虑一个含有竞选支出交互项的模型
保持prtystrA和expendA不变，expendB对voteA的偏效应是什么？expendA对voteA的偏效应是什么？β4的预期符号明显吗？
(ii)估计第(i)部分中的方程，并以通常的格式报告结果。交互项是统计显著的吗？
(ii)求样本中expendA的均值。固定expendA为300(300000美元)。候选人B另外支出100000美元对voteA的估计影响是什么？这个影响很大吗？
(iv)现在固定expendB为100。AexpendA=100对voteA的估计影响是什么？这讲得通吗？
(v)现在估计一个用候选人A的支出占竞选总支出的百分比shareA取代交互作用项的模型。同时保持expendA和expendB不变而改变shareA，这讲得通吗？
(vi)(要求有微积分知识)在第(V)部分的模型中，保持prtystrA和expendA不变，求出expendB对voteA的偏效应。在expendA=300和expendB=0时进行计算，并评论你的结论。
利用VOLAT.RAW中的数据。变量rsp500是标准普尔500股票指数的月回报，以年回报率表示。(既包括价格变动带来的收益，也包括分得的红利。)变量i3是三月期国债的收益率，pcip是工业生产的百分比变化，这些也都以年率表示。
(i)考虑方程
你认为β1和β2应该有什么样的符号？
(ii)用OLS估计上述方程，用标准格式报告结果，并解释系数的符号和大小。
(iii)哪些变量是统计显著的？
(iv)你在第(iii)部分中的结论是否意味着从标准普尔500中获得的收益是可预测的？说明理由。
