金融计量经济学第三次作业讲述.docxVIP

金融计量经济学第三次作业陈实1200015801解答：在模型两边同时除以inc可得，在这个式子中，误差项的方差为，即为同方差的。解答：如果模型中缺少了一个重要的自变量，WLS不一定优于OLS。因为WLS所解决的问题是异方差的问题。而模型中缺少了一个重要的自变量则是模型设定不当的问题，WLS并不能解决这一问题，所以也就不一定由于OLS。解答：（1）同方差假设给出的标准差是在假设干扰项方差相同的情况下给出的，异方差稳健的标准差是在假设干扰项的方差不同的情况下给出的。在这个例子中异方差稳健的标准差相比于同方差假设的标准差中，只有age前的系数的标准差下降了20%，其余的标准差变化都在4%以内。所以，在这个例子中，大多数的异方差稳健的标准差与同方差假设的标准差相近。（2）在其他条件不变时，增加4年的教育退投资股票的概率的影响是增大：的概率。（3），所以当这个值小于0时，age大于38.46，所以在39岁（含）以后，投资股票的概率会随年龄的增加而下降。（4）虚拟变量city的系数0.101代表的是，在其他条件相同的情况下，居住在城市的人比不居住在城市的人投资股票的概率，在期望的情况下大10.1%.（5）这个人投资股票的概率的期望值为这个概率大于1，在现实中是不可能的。这个概率所反映出的就是该个人投资股票的概率极大，几乎肯定会投资股票。解答：在5%的显著性水平下，n=269的单边t检验的临界值大约为1.645（1）则在5%的显著性水平下，crsgpa的系数是显著的，无论使用的是哪种标准差。则在5%的显著性水平下，cumgpa的系数是显著的，无论使用的是哪种标准差。则在5%的显著性水平下，tothrs的系数是不显著的，无论使用的是那种标准差。（2）则在5%的显著性水平下，同方差假设下season的系数不显著，异方差稳健的条件下season的系数显著。解答：我们并不能直接通过R方说明前一模型是不合适的。首先，我们应当用调整R方来比较一下两个模型。前一个模型的调整R方为；后一个模型的调整R方为 .故而，后一个模型的调整R方更好，对数据的解释也更好，所以我们更倾向于使用后一个模型而不是前一个。这里，我们在一定程度上说明了前一个模型是不合适的。而另外，我们可以利用RESET方法来检验一下模型中是否有平方项或交叉项的显著影响，从而决定前一个模型是不是合适。解答：如果出现了异方差。（1）OLS估计是不一致的；错误！因为在假设1至4下，便是一致的，不需要同方差假设。（2）通常的F统计量不再服从F分布；正确！只有在假设1至6都成立的情况下，通常的F统计量才能服从F分布，这里假设5不满足，所以正确。（3）OLS估计不再是BLUE的；正确！只有在假设1至5（GM假设）成立的情况下，OLS才是BLUE，这里假设5不满足。（4）干扰项不服从正态分布；错误！干扰项是否服从正态分布与是否异方差无关。解答：经典的误差假设是：因变量的误差与每一个自变量都相互独立。我认为这一经典假设在这一问题中并不成立。在高收入人群中，储蓄率一般比较不固定，往往由于高收入人群的消费比较高，使得储蓄率较低（用不着存很大的比重）。但是在填报数据的时候，由于高收入人群往往并不很清楚自己的储蓄率，而在印象中会报告自己的储蓄率，从而导致了因变量出速率的误差在收入较高的时候，往往会出现较大正偏差。所以这一经典假设不成立。解答：没有接受调查的投资者有内生性的问题。因为收益不好的投资者，或者出现亏损的投资者，往往更加不愿意接受调查，或者公布自己的收益状况。这就导致了调查的样本偏向有正收益和高收益的投资者。样本不在随机，而且选择的尺度与因变量有关，所以存在内生性问题。解答：分别对sex=0和sex=1进行分析。Sex=0，男性，共22组数据，回归结果如下：Sex=1，女性，共10组数据，回归结果如下：这样的话，F检验为：这在5%的显著性水平下不显著，故而没有充分证据证明.解答：首先，我们将数据按照的顺序排列，选择了最低的20组和最高的20组数据（中间舍弃了10组数据）。对低20组数据回归得到的结果为：对高20组数据回归得到的结果为：这样的话，所以，拒绝零假设，也即数据存在异方差。这里，我们用WLS模型来处理该数据。原模型回归得到：接着，对进行回归：然后用，再用可以得到WLS的权重.在原模型的等式两边同时乘以权重的开方，然后回归，得到：通过WLS调整后的结果如上式所示。解答：先对原模型进行回归，得到从方程中，我们可以得到拟合值、残差。接着，我们进行Breush-Pangan检验：F统计量的自由度为(3,46)，从F的7.95的值中，我们可以看出，在1%的显著性水平下，我们拒绝残差的平方与自变量间都没有线性关系的零假设，也就是Breush-Pangan检验结果为存在异方差。接着，我们进行White检验：F统计量