计量经济学伍德里奇第三版中文版课后习题答案.docx
《计量经济学伍德里奇第三版中文版课后习题答案.docx》由会员分享,可在线阅读,更多相关《计量经济学伍德里奇第三版中文版课后习题答案.docx(40页珍藏版)》请在冰豆网上搜索。
![计量经济学伍德里奇第三版中文版课后习题答案.docx](https://file1.bdocx.com/fileroot1/2022-10/29/ecc3548e-a4af-4b6b-9e3d-4f47b25c7a3b/ecc3548e-a4af-4b6b-9e3d-4f47b25c7a3b1.gif)
计量经济学伍德里奇第三版中文版课后习题答案
第1章
解决问题的办法
1.1
(一)理想的情况下,我们可以随机分配学生到不同尺寸的类。
也就是说,每个学生被分配一个不同的类的大小,而不考虑任何学生的特点,能力和家庭背景。
对于原因,我们将看到在第2章中,我们想的巨大变化,班级规模(主题,当然,伦理方面的考虑和资源约束)。
(二)呈负相关关系意味着,较大的一类大小是与较低的性能。
因为班级规模较大的性能实际上伤害,我们可能会发现呈负相关。
然而,随着观测数据,还有其他的原因,我们可能会发现负相关关系。
例如,来自较富裕家庭的儿童可能更有可能参加班级规模较小的学校,和富裕的孩子一般在标准化考试中成绩更好。
另一种可能性是,在学校,校长可能分配更好的学生,以小班授课。
或者,有些家长可能会坚持他们的孩子都在较小的类,这些家长往往是更多地参与子女的教育。
(三)鉴于潜在的混杂因素-其中一些是第(ii)上市-寻找负相关关系不会是有力的证据,缩小班级规模,实际上带来更好的性能。
在某种方式的混杂因素的控制是必要的,这是多元回归分析的主题。
1.2
(一)这里是构成问题的一种方法:
如果两家公司,说A和B,相同的在各方面比B公司à用品工作培训之一小时每名工人,坚定除外,多少会坚定的输出从B公司的不同?
(二)公司很可能取决于工人的特点选择在职培训。
一些观察到的特点是多年的教育,多年的劳动力,在一个特定的工作经验。
企业甚至可能歧视根据年龄,性别或种族。
也许企业选择提供培训,工人或多或少能力,其中,“能力”可能是难以量化,但其中一个经理的相对能力不同的员工有一些想法。
此外,不同种类的工人可能被吸引到企业,提供更多的就业培训,平均,这可能不是很明显,向雇主。
(iii)该金额的资金和技术工人也将影响输出。
所以,两家公司具有完全相同的各类员工一般都会有不同的输出,如果他们使用不同数额的资金或技术。
管理者的素质也有效果。
(iv)无,除非训练量是随机分配。
许多因素上市部分
(二)及(iii)可有助于寻找输出和培训的正相关关系,即使不在职培训提高工人的生产力。
1.3没有任何意义,提出这个问题的因果关系。
经济学家会认为学生选择的混合学习和工作(和其他活动,如上课,休闲,睡觉)的基础上的理性行为,如效用最大化的约束,在一个星期只有168小时。
然后我们可以使用统计方法来衡量之间的关联学习和工作,包括回归分析,我们覆盖第2章开始。
但我们不会声称一个变量“使”等。
他们都选择学生的变量。
第2章
解决问题的办法
2.1(I)的收入,年龄,家庭背景(如兄弟姐妹的人数)仅仅是几个可能性。
似乎每个可以与这些年的教育。
(收入和教育可能是正相关,可能是负相关,年龄和受教育,因为在最近的同伙有妇女,平均而言,更多的教育和兄弟姐妹和教育的人数可能呈负相关)。
(ii)不会(i)部分中列出的因素,我们与EDUC。
因为我们想保持这些因素不变,它们的误差项的一部分。
但是,如果u与EDUC那么E(U|EDUC)¹0,所以SLR.4失败。
2.2方程Y=b0+b1X+U,加减a0的右边,得到y=(a0+b0)+b1X+(U-a0)。
调用新的错误E=ü-a0,故E(E)=0。
新的拦截a0+b0,但斜率仍然是b1。
2.3
(一)让易=GPAI,XI=ACTI,和n=8。
=25.875,=3.2125,(十一-)(艺-)=5.8125,(十一-)2=56.875。
从公式(2.9),我们得到了坡度为=5.8125/56.8750.1022,四舍五入至小数点后四个地方。
(2.17)=-3.2125-0.102225.8750.5681。
因此,我们可以这样写
=0.5681+0.1022ACT
每组8只。
拦截没有一个有用的解释,因为使不接近零的人口的利益。
,如果ACT是高5点,增加0.1022(5)=.511。
(二)观察数i和GPA的拟合值和残差-四舍五入至小数点后四位-随着于下表:
íGPA
12.82.71430.0857
23.43.02090.3791
33.03.2253-0.2253
43.53.32750.1725
53.63.53190.0681
63.03.1231-0.1231
72.73.1231-0.4231
83.73.63410.0659
您可以验证的残差,表中报告,总结到-.0002,这是非常接近零,由于固有的舍入误差。
(ⅲ)当ACT=20=0.5681+0.1022(20)2.61。
(iv)本残差平方和,大约是0.4347(四舍五入至小数点后四位),正方形的总和,(YI-)2,大约是1.0288。
因此,R-平方的回归
R2=1-SSR/SST1-(.4347/1.0288).577的。
因此,约57.7%的GPA的变化解释使学生在这个小样本。
2.4(I)的CIGS=0,预测出生体重是119.77盎司。
当CIGS=20,=109.49。
这是关于一个8.6%的降幅。
(ii)并非必然。
还有许多其他的因素,可以影响新生儿的体重,尤其是整体健康的母亲和产前护理质量。
这些可以与吸烟密切相关,在分娩期间。
此外,如咖啡因消费的东西可以影响新生儿的体重,也可能与吸烟密切相关。
(三)如果我们想预测125bwght,然后CIGS=(125-119.77)/(-.524)-10.18,或约-10香烟!
当然,这完全是无稽之谈,并表明会发生什么,当我们试图预测复杂,出生时体重只有一个单一的解释变量的东西。
最大的预测出生体重必然是119.77。
然而,近700个样品中有出生出生体重高于119.77。
(四)1,1761,388名妇女没有在怀孕期间吸烟,或约84.7%。
因为我们使用的唯一的的CIGS解释出生体重,我们只有一个预测出生体重在CIGS=0。
预测出生体重必然是大致中间观察出生体重在CIGS=0,所以我们会根据预测高出生率。
2.5(i)本截距意味着,,当INC=0,缺点被预测为负124.84美元。
,当然,这不可能是真实的,反映了这一事实,在收入很低的水平,这个消费函数可能是一个糟糕的预测消费。
另一方面,在年度基础上,124.84美元至今没有从零。
(二)只需插上30,000入公式:
=-124.84+.853(30,000)=25,465.16元。
(iii)该MPC和APC的是在下面的图表所示。
尽管截距为负时,样品中的最小的APC是正的。
图开始以每年1,000元(1970美元)的收入水平。
2.6(i)同意。
如果生活密切焚化炉抑制房价过快上涨,然后越远,增加住房价格。
(ii)若选择的城市定位在一个地区焚化炉远离更昂贵的街区,然后登录(区)呈正相关,与房屋质量。
这将违反SLR.4,OLS估计是有失偏颇。
(三)大小的房子,浴室的数量,很多的大小,年龄,家庭,居委会(包括学校质量)质量,都只是极少数的因素。
正如前面提到的(ii)部分,这些肯定会被分派[日志(DIST)]的相关性。
2.7
(一)当我们条件的公司在计算的期望,成为一个常数。
所以E(U|INC)=E(E|INC)=E(E|INC)=0,因为E(E|INC)=E(E)=0。
(2)同样,当我们条件的公司在计算方差,成为一个常数。
所以VAR(U|INC)=VAR(E|INC)=()2VAR(E|INC)INC,因为VAR(E|INC)=。
(三)家庭收入低没有对消费有很大的自由裁量权,通常情况下,一个低收入的家庭必须花费在食品,服装,住房,和其他生活必需品。
收入高的人有更多的自由裁量权,有些人可能会选择更多的消费,而其他更节省。
此酌情权,建议在收入较高的家庭储蓄之间的更广泛的变异。
第2.8(i)从方程(2.66),
=/。
堵在义=b0+b1xi+UI给人
=/。
标准代数后,分子可以写为
。
把这个分母显示,我们可以写
=b0/+b1+/。
西安条件,我们有
E()=b0/+b1
因为E(UI)对于所有的i=0。
因此,偏置在这个方程中的第一项由下式给出。
这种偏见显然是零,当b0=0。
也为零时,=0,=0这是相同的。
在后者的情况下,通过原点的回归是回归截距相同。
(ii)从最后一个表达式部分(i)我们有,有条件兮,
(VAR)=VAR=
==/。
(iii)由(2.57),VAR()=2/s。
从心领神会,³,所以无功():
£VAR()。
看,这是一种更直接的方式来写,这是小于除非=0=。
(ⅳ)对于一个给定的样本大小,偏置的增加(保持在固定的总和)的增加。
但增加的方差相对增加(VAR)。
偏置也是小的,小的时候。
因此,无论是我们优选的平均平方误差的基础上取决于大小,和n(除的大小)。
2.9(i)我们按照提示,注意到=(样本均值为C1义的样本平均)=。
当我们:
回归c1yic2xi(包括截距)我们使用公式(2.19)获得的斜率:
(2.17),我们得到的截距=(C1)-(C2)=(C1)-[(C1/C2)](C2)=C1(-)=C1),因为拦截从回归毅喜(-)。
(ii)我们使用相同的方法,伴随着一个事实,即(i)部分=C1+C2+。
因此,=(C1+易)-(C1+)=易-(C2+XI)-=XI-。
因此,C1和C2完全辍学的回归(C1+毅)(C2+XI)和=的斜率公式。
截距=-=(C1+)-(C2+)=()+C1-C2=C1-C2,这就是我们想向大家展示。
(三),我们可以简单地适用(ii)部分,因为。
换言之,更换C1与日志(C1),易建联与日志(彝族),并设置C2=0。
(iv)同样的,我们可以申请C1=0和更换C2日志(C2)和xi日志(十一)(ii)部分。
如果原来的截距和斜率,然后。
2.10
(一)该推导基本上是在方程(2.52),一旦带内的求和(这是有效的,因为不依赖于i)。
然后,只需定义。
(ⅱ)由于我们表明,后者是零。
但是,从(i)部分,
因为是两两相关(他们是独立的),(因为)。
因此,
(iii)本的OLS拦截的公式,堵在给
(4)因为是不相关的,
,
这就是我们想向大家展示。
(五)使用提示和替代给
2.11
(一)我们想要,随机指定小时数,这样在准备课程时间不受其他因素影响性能的SAT。
然后,我们将收集信息为每一个学生的SAT分数在实验中产生的数据集,其中n是我们可以负担得起的学生人数在研究。
从公式(2.7),我们应该试图得到尽可能多的变化是可行的。
(二)这里有三个因素:
先天的能力,家庭收入,和一般健康检查当天上。
如果我们认为具有较高的原生智慧的学生认为,他们不需要准备SAT,能力和时间呈负相关。
家庭收入可能会与时间呈正相关,因为高收入家庭可以更容易负担得起的预备课程。
排除慢性健康问题,健康考试当天应大致准备课程的时间无关。
(iii)倘预备课程是有效的,应该是积极的:
,应加大坐在其他因素相等,增加小时。
(iv)本拦截,在这个例子中有一个有用的解释:
因为E(U)=0时,平均SAT成绩的学生在人口小时=0。
第3章
解决问题的办法
3.1(I)hsperc定义使得较小的是,较低的高中学生的地位。
一切平等,在高中学生中的地位恶化,较低的是他/她预期的大学GPA。
(二)只要将这些值代入方程:
=1.392-.0135(20)+0.00148(1050)=2.676。
(三)A和B之间的区别仅仅是140倍的系数上周六,,因为hsperc是相同的两个学生。
所以A预测都有