• 2022-06-04
    本题假定你已经有一个统计软件,并能对面板数据方法中任意形式的序列相关和异方差性计算稳健标准误。(i)对表14.1中的混合OLS估计值,求(合成误差[tex=4.857x1.143]MtkyNoFaO2a8hDA5fLsmM1Cj/28R/YGr1+I+6d3lTDs=[/tex]中)容许任意形式序列相关和异方差性的标准误。ecduc,married和awnion的稳健标准误与非稳健标准误相比如何?(ii)现在,在容许特异误差中存在任意形式的序列相关和异方差性的情况下,求固定效应估计值的稳健标准误。它们与非稳健的FE标准误相比如何?(ii)混合OLS和FE中,序列相关情况下的标准误调整对哪种方法来说更重要?为什么?
  • 答:(i)edhuc,married和imion的稳健标准误比非稳健标准误大得多。ecdhuc的稳健标准误为0.0111,而通常的OLS标准误为0.0052,两者之间相差2倍多。maried的稳健标准误为0.0260,非稳健标准误为0.0157。inion的稳健和非稳健标准误分别为0.0274和0.0172。(ii)ncrried的通常FE标准误为0.0183,充分稳健标准误为0.0210。union的通常FE标准误为0.0193,充分稳健标准误为0.0227。在两个例子中,稳健标准误相对更大。(iii)序列相关情况下的标准误调整对混合OLS方法来说更重要。在混合OLS估计中,从通常的标准误差到稳健标准误差的增加比在FE估计中要大。在FE估计中,增长约为15%,而在混合的OLS估计中,增长至少为60%。FE估计中对标准误的调整只有相对较小的效应,因为FE模型将正序列相关的主要因素即非观测变量移除了,而混合OLS模型将非观测变量包含在误差项中。因此两种估计下的通常标准误在误差项序列相关的情况下是无效的,但是通常这种相关性都是较小幅度存在的。在一些应用中,认为误差项完全无序列相关是不合理的。如果更加谨慎小心,则可以允许计算标准误并进行统计检验。

    内容

    • 0

      序列相关稳健标准误法改变了OLS参数估计量

    • 1

      下列关于异方差稳健标准误方法修正异方差,说法错误的是() A: 得到的OLS参数的估计量是无偏的 B: 得到的估计量是有效的 C: 在样本足够大的情况下,可以依据稳健标准误构建t检验 D: 在样本足够大的情况下,可以依据稳健标准误构建F检验

    • 2

      (i)利用HPRICE1.RAW中的数据得到方程(8.17)的异方差-稳健标准误。讨论其与通常的标准误之间是否存在任何重要差异。(ii)对方程(8.18)重复第(i)步操作。(iii)此例对异方差性和对因变量所做的变换说明了什么?

    • 3

      本题利用数据集GPAl.RAW。(i)利用OLS估计一个将colGPA与hsGPA,ACT,skipped和PC相联系的模型。求OLS残差。(ii)计算异方差性的怀特检验特殊情形。在[tex=1.0x1.286]AGKDJcN/tdN1jfgbRC705wYYxsZhvx2UYRmVzw9EpwA=[/tex]对[tex=3.786x1.429]zrqlwxa87V/bEwLnNRa/iK8DWAqV/dcoDZXAriqAsSo=[/tex]和[tex=4.214x1.429]zrqlwxa87V/bEwLnNRa/iEpgm9FL9CJVEk6dOmn3RYFAyMgeCMJi2yeqSWV7/ACB[/tex]的回归中,求拟合值[tex=0.857x1.286]1c5Bk605ebKMthgFxlyjten0+U8e9YrOE4IY8W7yT6c=[/tex]。(iii)验证第(ii)部分得到的拟合值都严格为正。然后利用权数[tex=1.857x1.286]zU+Nn4vD17ooklMFoX3TzJ2GOUEjeKrNSbNLmDAxf2I=[/tex]求加权最小二乘估计值。根据对应的OLS估计值,将逃课和拥有计算机之影响的加权最小二乘估计值与对应OLS估计值相比较。它们的统计显著性如何?[br][/br](iv)在第(iii)部分的WLS估计中,求异方差一稳健的标准误。换言之,容许第(ii)部分中所估计的方差函数可能误设(参见问题8.4)。标准误与第(iii)部分相比有很大变化吗?

    • 4

      中国大学MOOC: 如果误差项的方差是异方差而且形式未知,选择稳健标准误比选择White检验要可靠;但是如果知道异方差的形式,可以选择加权最小二乘估计。