参考方程（3.7.3)中所给出的手机需求回归。a.在5%的显著水平上，截距系数估计值显著吗？你进行检验的虚拟假设是什么？b.在5%的显著水平上，斜率系数估计值显著吗？其背后的虚拟假设是什么？c.构造真实斜率系数的95%置信区间。d.如果人均收入是9000美元，手机需求的平均预测值是多少？这个预测值的95%置信区间是什么？

在习题3.4中，我们估计了方程

其中的标准误是我们现在才同估计值一并给出的。

(i)相对于一个双侧对立假设，是educ还是age在5%的水平上是个别显著的？给出你的计算。

(ii)从方程中去掉educ和age，则得到

在5%的显著性水平上，educ和age在原方程中是联合显著的吗？说明你所给答案的理由。

(iii)在模型中包括educ和age，是否显著影响所估计的睡眠和工作之间的替换关系？

(iv)假设睡眠方程含有异方差性。这对第(i)和(ii)部分计算的检验意味着什么？

参考第3章例3.3，回答如下问题。

a.将手机需求相对经购买力调整的人均收入描图。

b.将手机需求的对数相对经购买力调整的人均收入的对数描图。

c.这两个图有何差异？

d.根据这两个图，你认为双对数模型比线性模型能够更好地拟合这些数据吗？估计双对数模型。

e.你如何解释双对数樸型中的斜率系数？

f.在5%的显著性水平上，双对数模型中的斜率系数估计值是统计显著的吗？

g.在方程(3.7.3)给出的线性模型中，你如何估计手机需求对经购买力调整的收入的弹性？如果你还需要其他信息，是什么样的信息呢？如此估计的弹性被称为收入弹性。

h.从双对数模型和线性模型中估计的收入弹性有差别吗？如果有，你将选择哪个模型？

本题使用INJURY.RAW中的数据。

(i) 使用肯塔基州的数据， 增加male， married以及全套行业和工伤类型虚拟变量作为解释变量， 重新估计方程(13.12)。在控制了这些其他因素后， afchnge-high earn的估计值有何变化？这个估计值仍然统计显著吗？

(ii)你对第(i)部分中较小的R°有什么看法？这是否意味着这个方程无用呢？

(iii)用密歇根州的数据估计方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗？你对此如何解释？

参考回归(9.7.3)。你如何检验D₂和D₃的系数相同的假设？如何检验D₂和D₄的系数相同的假设？如果D₃的系数在统计上与D₂的系数不同，而且D₄的系数与D₂的系数也不同，那是否意味着D₃和D₄的系数不同？

利用INJURY.RAW中的数据。

(i)使用肯塔基州的数据，增加male，married以及全套行业和工伤类型虚拟变量作为解释变量，重新估计教材方程(13.12)。在控制了这些其他因素后，afchnge·highearn的估计值有何变化？这个估计值仍然统计显著吗？

(ii)你对第(i)部分中较小的R²有什么可说的？这是否意味着这个方程无用呢？

(iii)用密歇根州的数据估计教材方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗？你对此如何解释？

利用BARIUM.RAW中的数据。

(i)在方程(10.22)中增加一个线性时间趋势。除了趋势变量以外的其他变量是统计上显著的吗？

(ii)在第(i)部分估计的方程中，检验除了时间趋势以外所有其他变量的联合显著性。你能得到什么结论？

(iii)在这个方程中添加月度虚拟变量，以检验季节性。增加月度虚拟变量对其他估计值及其标准误有重要影响吗？

本题利用AIRFARE.RAW中的数据。在一个联立方程非观测效应模型中， 需求方程为：

其中我们把航线距离变量放到ait中。

(i)利用固定效应模型估计需求函数，为了解释不同的截距，必须包括年度虚拟变量。弹性估计值是多少？

(ii)利用固定效应模型估计如下约简型方程：

进行适当的检验， 以保证concenit 可用作log(fareit ) 的一个工具变量。

(iii)现在，就像在方程(16.42)中一样，利用固定效应变换和工具变量法估计这个需求函数。现在的估计弹性是多少？它在统计上显著吗？

电缆需求表8-10给出一个电缆制造商用来预测1968~1983年间对一主要用户的销售量数据。

a.估计以上回归。

b.此模型中各系数的预期符号是什么？

c.经验结果与先验预期一致吗？

d.这些估计的偏回归系数个别地看在5%的显著水平上是统计显著的吗？

e.假如你先做Y对X₂、X₃和X₄的回归，然后决定是否再加进变量X₅和X₆你如何知道值不值得把X₅和X₆加过来？你用哪一种检验？说明必要的计算。

其中，因为滞后支出变量，第一个可用年份(基年)是1993年。

(i)用混合OLS估计模型， 并报告通常的标准误。为使得a_i的期望值可以非零， 你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差。

(ii)lunch_it系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？

(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994~1998年的数据。验证存在很强的正序列相关，并讨论为什么。

(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？

(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？

参考习题7.24和表7.12中美国1947~2000年问四个经济变量的数据。

a.基于消费支出对真实收入、真实财富和真实利字的回归，看哪些回归系数在5%的显著水平上是个别统计显著的。估计系数的符号与经济理论一致吗？

b.基于a中的结论，你如何估计收入弹性、财富弹性和利率弹性？你是否还需要哪些额外信息来计算这些弹性？

c.你如何检验收入弹性与财富弹性相同的假设？给出必要的计算。

d.假设不再使用a中估计的线性消费函数，你把消费支出的对数对收入的对数、财富的对数和利率进行回归。给出回归结果。你如何解邪这些结果？

e.d中估计的收入弹性和财富弹性是多少？你如何解释d中估计的利率系数？

f.在d的回归中，你能使用利卒的对数而不是利率本身吗？为什么？

g.你如何比较b和d中估计的弹性？

h.在a和d估计的回归模型之间，你更喜欢哪一个？为什么？

i.假设不是估计d中给出的模型，你只是将消费支出的对数对收入的对数进行回归。你如何确定是否值得在模型中增加财富的对数？你又如何确定是否值得在模型中同时增加财官的对数和利率？给出必耍的计算。

利用APPLE.RAW中的数据。这些电话调查数据是为了得到(假想的)“环保”苹果需求。调查者向每个家庭都(随机地)介绍了正常苹果和环保苹果的一组价格，并询问他们愿意购买每种苹果的磅数。

(i)对于样本中的660个家庭，有多少家庭报告称在预定价格上不愿意购买环保苹果？

(ii)变量ecolbs看上去在严格正值上具有连续分布吗？你的回答对ecolbs托宾模型的适当性有何含义？

(iii)以ecoprc、regprc、famic和hhsize作为解释变量，估计一个托宾模型。哪些变量在1%的水平上显著。

(iv)faminc和hhsize联合显著吗？

(v)第(iii)部分中价格变量系数的符号与你的预期一致吗？请解释。

(vi)令β₁和β₂为ecoprc和regprc的系数，相对一个双侧备择假设，检验假设H₀:-β₁=β₂。报告检验的p值。(如果你的回归软件不能很容易地计算这种检验，你可能还要参考教材4.4节

(vii)对样本中的所有观测求E(ecolbslx)的估计值[见方程(17.25)]，称之为ecolbsi。最大和最小拟合值是多少？

(viii)计算ecolbs，和ecolbsi之相关系数的平方。

(ix)现在，利用第(iii)部分中同样的解释变量，估计ecolbs的一个线性模型。为什么OLS估计值比托宾估计值小那么多？从拟合优度来看，托宾模型比线性模型更好吗？

(x)评价如下命题：“由于托宾模型的R，如此之小，所以估计的价格效应可能是不一致的。”