重要提示:请勿将账号共享给其他人使用,违者账号将被封禁!
查看《购买须知》>>>
首页 > 外语类考试
网友您好,请在下方输入框内输入要搜索的题目:
搜题
拍照、语音搜题,请扫码下载APP
扫一扫 下载APP
题目内容 (请给出正确答案)
[主观题]

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。(i)从加速数模型中求出OLS残差,并用回归

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。(i)从加速数模型中求出OLS残差,并用回归

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。

(i)从加速数模型本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。(i)从加速数模型中求出OLS残差中求出OLS残差,并用本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。(i)从加速数模型中求出OLS残差回归来检验是否存在序列相关。p的估计值是多少?序列相关看起来是多大的问题?

(ii)用PW估计这个加速数模型,并将β1的估计值与OLS估计值进行比较。你为什么预期它们很相似?

答案
查看答案
更多“本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。(i)从加速数模型中求出OLS残差,并用回归”相关的问题

第1题

利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)(i)利用OLS估计模型以常用
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)(i)利用OLS估计模型以常用

利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)

(i)利用OLS估计模型

以常用形式报告结果。在5%的显著性水平上,相对一个双侧对立假设,β统计显著异于零吗?在1%的显著性水平上呢?

(ii)log(income)和prppov的相关系数是多少?每个变量都是统计显著的吗?报告双侧P值。

(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告H0:βlog(hseval)=0的双侧p值。

(iv) 在第(ii) 部分的回归中, log(income) 和prppov的个别统计显著性有何变化?这些变量联合显著吗?(计算一个p值。)你如何解释你的答案?

(v)给定前面的回归结果,在确定一个邮区的种族构成是否影响当地快餐价格时,你会报告哪一个结果才最为可靠?

点击查看答案

第2题

令ivent表示美国在t年的真实存货价值,GDPt表示真实国内生产总值,r3t,表示(事后)3
令ivent表示美国在t年的真实存货价值,GDPt表示真实国内生产总值,r3t,表示(事后)3

月期国库券的真实利率。事后真实利率(近似)为r3t=i3t-inft,其中i3t是3月期国库券利率,inft是年通货膨胀率[Mankiw(1994,Section6.4)]。存货变化Ainven,是当年的存货投资,将civen也就是GDP的变化联系起来的存货投资的加速数模型为:

其中,β1>0[比如参见Mankiw(1994,Chapter17)。

(i)利用INVEN.RAW中的数据估计这个加速数模型。以通常格式报告结果并解释方程含义。β1是统计上大于0的吗?

(ii)如果真实利率上升了,那么持有存货投资的机会成本上升,所以真实利率上升将导致存货下降。把真实利率加进加速数模型并讨论所得到的结论。

(iii)真实利率的水平值形式比其一阶差分形式Δr3t更有效吗?

点击查看答案

第3题

本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。(i)计算变量prc
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。(i)计算变量prc

本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。

(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗?失业率也一样吗?

(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型,只是你还应该对失业率进行一阶差分。于是,模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量:不要将这些变量进行差分。你发现了什么有意思的结论吗?

(iii)评论如下命题:“在进行多元回归之前,我们总应该将怀疑具有单位根的时间序列进行一阶差分,因为这样做是一种安全策略,而且应该得到与使用水平值类似的结论。”[在回答这个问题时,最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]

点击查看答案

第4题

本题利用WAGE1.RAW中的数据。(i)使用OLS估计方程(iv)exper取什么值时,工作经历的增加实际上会降
本题利用WAGE1.RAW中的数据。(i)使用OLS估计方程(iv)exper取什么值时,工作经历的增加实际上会降

本题利用WAGE1.RAW中的数据。

(i)使用OLS估计方程

(iv)exper取什么值时,工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历?

点击查看答案

第5题

本题利用数据集MEAO0_01.RAW中的数据。(i)用OLS估计方程(iv)求容许方差函数被误设的WLS标准误。
本题利用数据集MEAO0_01.RAW中的数据。(i)用OLS估计方程(iv)求容许方差函数被误设的WLS标准误。

本题利用数据集MEAO0_01.RAW中的数据。

(i)用OLS估计方程

(iv)求容许方差函数被误设的WLS标准误。它与通常的WLS标准误有很大的不同吗?

(v)为了估计支出对math 4的影响, OLS与WLS哪一个看起来更准确?

点击查看答案

第6题

本题使用VOTEI.RAW中的数据。(i)估计一个以vote A为因变量并以prtystrA、democA、log(expend A)
本题使用VOTEI.RAW中的数据。(i)估计一个以vote A为因变量并以prtystrA、democA、log(expend A)

本题使用VOTEI.RAW中的数据。

(i)估计一个以vote A为因变量并以prtystrA、democA、log(expend A) 和

(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。

(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强?

点击查看答案

第7题

本题利用数据集GPA1.RAW。

点击查看答案

第8题

本题要利用LAWS CH 85.RAW中的数据。(i)使用与第3章习题4一样的模型,表述并检验虚拟假设:在其他
本题要利用LAWS CH 85.RAW中的数据。(i)使用与第3章习题4一样的模型,表述并检验虚拟假设:在其他

本题要利用LAWS CH 85.RAW中的数据。

(i)使用与第3章习题4一样的模型,表述并检验虚拟假设:在其他条件不变的情况下,法学院排名对起薪中位数没有影响。

(ii)新生年级的学生特征(即LSAT和GPA) 对解释salary而言是个别或联合显著的吗?

(iii)检验是否要在方程中引入入学年级的规模(clsize) 和教职工的规(faculty) ; 只进行一个检验。(注意解释clsize和faculty的缺失数据。)

(iv)还有哪些因素可能影响到法学院排名,但又没有包括在薪水回归中?

点击查看答案

第9题

本题利用SLEEP75.RAW中的数据。我们要分析的方程为:(i)分别针对男性和女性单独估计这个方程,并
本题利用SLEEP75.RAW中的数据。我们要分析的方程为:(i)分别针对男性和女性单独估计这个方程,并

本题利用SLEEP75.RAW中的数据。我们要分析的方程为:

(i)分别针对男性和女性单独估计这个方程,并按照通常形式报告结论。这两个估计方程有什么明显差异吗?

(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk,.male的检验形式,并使用全部观测。该检验相关的df等于多少?在5%的显著性水平上,你应该拒绝这个虚拟假设吗?

(iii)现在,容许男性与女性存在不同截距,判定所有涉及male的交互项是不是联合显著的?

(iV)给定第(ii)部分和第(iii)部分中的结论,你最后将使用什么样的模型?

点击查看答案

第10题

利用MEAP00 O1中的数据回答本题。(i)使用OLS估计模型并用通常的格式报告你的结论。在5%的显著性
利用MEAP00 O1中的数据回答本题。(i)使用OLS估计模型并用通常的格式报告你的结论。在5%的显著性

利用MEAP00 O1中的数据回答本题。

(i)使用OLS估计模型

并用通常的格式报告你的结论。在5%的显著性水平上,每个解释变量都是统计显著的吗?

(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少?它与math4的实际数据取值范围相比如何?

(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差?对这个残差给予解释。

(iv)在方程中增加所有解释变量的平方项,检验它们的联合显著性。你会把它们放到模型中吗?

(v)回到第(i)部分中的模型,将因变量和每个解释变量都除以各自的样本标准差,并重新进行回归。(除非你还将每个变量分别减去了各自的均值,否则还应该包括一个截距项。)以标准差为单位,哪个解释变量对数学考试通过率具有最大的影响?

点击查看答案

第11题

我们希望利用h(n)长度为N=50的FIR滤波器对一段很长的数据序列进行滤波处理,要求采用重叠保留法通

我们希望利用h(n)长度为N=50的FIR滤波器对一段很长的数据序列进行滤波处理,要求采用重叠保留法通过DFT(即FFT)来实现。所谓重叠保留法,就是对输入序列进行分段(本题设每段长度为M=100个采样点),但相邻两段必须重叠V个点,然后计算各段与h(n)的L点(本题取L=128)循环卷积,得到输出序列ym(n),m表示第m段循环卷积计算输出。最后,从ym(n)中选取B个样值,使每段选取的B个样值连接得到滤波输出y(n)。 (1)求V;(2)求B;(3)确定取出的B个采样应为ym(n)中的哪些样点。

点击查看答案
下载APP
关注公众号
TOP
重置密码
账号:
旧密码:
新密码:
确认密码:
确认修改
购买搜题卡查看答案 购买前请仔细阅读《购买须知》
请选择支付方式
  • 微信支付
  • 支付宝支付
点击支付即表示同意并接受了《服务协议》《购买须知》
立即支付 系统将自动为您注册账号
已付款,但不能查看答案,请点这里登录即可>>>
请使用微信扫码支付(元)

订单号:

遇到问题请联系在线客服

请不要关闭本页面,支付完成后请点击【支付完成】按钮
遇到问题请联系在线客服
恭喜您,购买搜题卡成功 系统为您生成的账号密码如下:
重要提示:请勿将账号共享给其他人使用,违者账号将被封禁。
发送账号到微信 保存账号查看答案
怕账号密码记不住?建议关注微信公众号绑定微信,开通微信扫码登录功能
请用微信扫码测试
优题宝