用到OPENNESS.RAW中的数据。 （i)由于log（pcinc)在教材（16.22)和ope的约简型中都是不显著的，所

本题用到OPENNESS.RAW中的数据。（i) 由于log（pc inc) 在式（16.22) 和opn的约简型中都是不显著的

本题用到OPENNESS.RAW中的数据。

(i) 由于log(pc inc) 在式(16.22) 和opn的约简型中都是不显著的， 所以将它从分析中去掉。用OLS和Ⅳ顶答在没有log(pc inc) 的情况下估计式(16.22) 。重要的结论有什么变化吗？

(ii) 仍将log(pei c) 放在分析之外， land或log(land) 是open更好的工具变量吗？(提示：将open对二者分别并同时回归。)

(iii) 现在回到式(16.22) 中， 在方程中增加虚拟变量oil并视之为外生变量。用IV估计方程。其他条件不所有变时，作为一个石油生产国对通货膨胀有影响吗？

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？

用到CONSUMP.RAW中的数据。 （i)在教材例16.7中，用教材15.5节的方法检验在估计教材（16.35)时的

用到CONSUMP.RAW中的数据。

(i)在教材例16.7中，用教材15.5节的方法检验在估计教材(16.35)时的那个过度识别约束。你的结论是什么？

(ii)由于潜在的数据度量问题和信息滞后，坎贝尔和曼昆(CampbellandMankiw，1990)使用所有变量的二阶滞后值作为工具变量。只用，作为工具变量重新估计教材(16.35)。这些估计值与教材(16.36)中的那些估计值相比如何？

(iii)将g_y，对第(ii)部分的Ⅳ回归，并检验g_y，与它们是否充分相关。这一点为什么重要？

利用HSEINV.RAW中的数据。 （i)检验log（inypc)是否有单位根，模型中含有一个线性时间趋势和Δlog（

利用HSEINV.RAW中的数据。

(i)检验log(inypc)是否有单位根，模型中含有一个线性时间趋势和Δlog(invpct)的两阶滞后，显著性水平为5%。

(ii)用第(i)部分中的方法检验log(price)中的单位根。

(iii)给定(i)和(ii)中的结果，那么检验log(ivpc)和log(price)之间的协整还有意义吗？

利用PRISON.RAW中的数据。 （i)以教材（16.41)中的2SLS估计结果为基础，估计Alog（prisonit)的约

利用PRISON.RAW中的数据。

(i)以教材(16.41)中的2SLS估计结果为基础，估计Alog(prisonit)的约简型方程。其中，IV_s，final1和final2分别都是统计显著的吗？

(ii)求(i)中的约简型方程残余，把它加入教材(16.41)的方程中，并且检验Δlog(prisonit)的内生性，你的结论是什么？

(iii)在应用2SLS法估计教材方程(16.41)时检验单个过度识别约束。你的结论是什么？

(iv)在这个应用过程中，2SLS和OLS两种方法之间的不同实际上重要吗？

本题利用HSEINV.RAW中的数据。（i)检验log（in vpc)是否有单位根， 模型中含有一个线性时间趋势和

本题利用HSEINV.RAW中的数据。

(i)检验log(in vpc)是否有单位根， 模型中含有一个线性时间趋势和 log(in ypct)的两阶滞后， 显著性水平为5%。

(ii)用第(i)部分中的方法检验log(price)中的单位根。

(iii)给定第(i)部分和第(ii)部分中的结果，那么检验log(iv pc)和log(price)之间的协整还有意义吗？

本题要用到WAGE2.RAW中的数据。（i)考虑一个标准的工资方程表述虚拟假设：多一年工作经历与在现在

本题要用到WAGE2.RAW中的数据。

(i)考虑一个标准的工资方程

表述虚拟假设：多一年工作经历与在现在的岗位上多工作一年对log(wage) 具有相同影响。

(ii)在5%的显著性水平上，相对于双侧对立假设，通过构造一个95%的置信区间来检验第(i)部分中的虚拟假设。你得到的结论是什么？

本题用到MROZ.RAW中的数据。（i) 用log（hours) 作为因变量重新估计例16.5中的劳动供给函数。将估

本题用到MROZ.RAW中的数据。

(i) 用log(hours) 作为因变量重新估计例16.5中的劳动供给函数。将估计出的弹性(现在是常数) 与方程(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edc因遗漏了能力变量而成为外生变量。用mo the chic和fath educ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通过了检验吗？

这表示劳动的供给弹性为1.99。这比方程16.24中的劳动供给弹性1.26更高。