发布时间 : 星期一 文章计量经济学伍德里奇第三版中文版课后习题答案更新完毕开始阅读
4.9（一）用df = 706 - 4 = 702，我们使用标准的正常临界值（表G.2），这是1.96，双尾检验在5％的水平。现在，因此| teduc | = 1.89 <1.96，我们不能拒绝H0：= 0在5％的水平。此外，踏歌1.52，所以年龄也是统计上不显着，在5％的水平。
（二）我们需要计算的F统计量的R平方的形式联合的意义。但是F = [（）/（）（]702/2）3.96。 5％的临界值在F2，702分布可以从表G.3b获得与分母：CV = 3.00。因此，EDUC和年龄是共同显着，在5％的水平（3.96> 3.00）。事实上，p值是0.019，所以educ的年龄是共同在2％的水平上显着。
（三）不尽然。这些变量联合显着，但包括他们只改变的系数totwrk - 0.151 - .148。
（四）标准的T和F统计量，我们使用承担同方差，除了其他CLM假设。如果是在方程中的异方差性，测试不再有效。
4.10（一）我们需要计算的F统计量的整体意义的回归，其中n = 142和k = 4：F = [0.0395 /（1 - 0.0395）]（137/4）1.41。 5％与4分子DF和使用分子DF 120的临界值，为2.45，这是上面的F值，因此，我们不能拒绝H0：==== 0在10％的水平。没有解释变量是单独在5％的水平上显着。最大的绝对t统计量，TDKR 1.60丹麦克朗，这是不是在5％的水平对一个双面的替代显着。
（ii）本F统计量（具有相同的自由度）[0.0330 /（1 - 0.0330）]（137/4）1.17，甚至低于（i）部分中。 t统计量是没有在一个合理的水平具有重要意义。
（三）似乎非常薄弱。在这两种情况下，在5％的水平上没有显着性的t统计量（对一个双面替代），F统计量是微不足道的。另外，小于4％的回报的变化是由独立的变量说明。
4.11（i）于柱（2）和（3），profmarg系数实际上是否定的，虽然它的是t统计量只有约-1。出现，一旦公司的销售和市场价值已经被控制，利润率有没有影响CEO薪水。
（ii）我们使用列（3），它控制的最重要因素，影响工资。 t统计日志（mktval）大约是2.05，这仅仅是对一个双面的替代在5％的水平显着。 （我们可以使用标准的正常临界值，1.96元。）所以日志（mktval）的是统计学上显著。因为系数是一个弹性，在其他条件不变的情况下增加10％，市场价值预计将增加1％的工资。这不是一个很大的效果，但它是不可忽略的，或者。
（三）这些变量是个别显著低的显着性水平，与tceoten 3.11和-2.79 tcomten的。其他因素不变，又是一年，与该公司的首席执行官由约1.71％增加工资。另一方面，又是一年与公司，但不担任CEO，降低工资约0.92％。首先这第二个发现似乎令人惊讶，但可能与“超级巨星”的效果：从公司外部聘请首席执行官的公司往往备受推崇的候选人去后，一个小水池，
这些人的工资被哄抬。更多非CEO年与一家公司，使得它不太可能的人被聘为外部巨星。
第5章
5.1写Y = + X1 + u和预期值：E（Y）= + E（X1）+ E（U），或为μy= +μX自E（U）= 0，其中为μy= E（? ）和μX= E（X1）。我们可以改写为μy - μX。现在，。考虑这一点，我们有PLIM（PLIM）= PLIM（）=（） - PLIM PLIM（）PLIM（）=为μ，在这里我们使用的事实PLIM（）=为μy和PLIM（）=μX大数定律和PLIM（）=。我们还使用了部分物业PLIM.2从附录C。
5.2意味着较高的风险承受能力，因此更愿意投资在股市> 0。由假设，资金和risktol的正相关。现在我们使用公式（5.5），：PLIM（），因此具有积极的不一致（渐近偏置）。这是有道理的：如果我们忽略从回归risktol，资金呈正相关，一些资金估计影响的实际上是由于到risktol效果的。
5.3变量的CIGS无关接近正常分布在人口。大多数人不抽烟，所以CIGS = 0，超过一半的人口。一般情况下，一个分布的随机变量需要以正概率没有特别的价值。此外，分配的CIGS歪斜，而一个正态随机变量必须是对称的，有关它的均值。 5.4写Y = + X + u和预期值：E（Y）= + E（）+ E（U），或为μy= +μX，因为E（U）= 0，其中为μy= E（ y）和μX= E（X）。我们可以改写为μ。现在，。考虑这一点，我们有PLIM（PLIM）= PLIM（）=（） - PLIM PLIM（）（）=为μ，在这里我们使用的事实，PLIM（）=（）=μX为μyPLIM大数定律和PLIM（）=。我们还使用了部分该物业PLIM.2从附录C。
第6章
6.1一般性是没有必要的。 t统计roe2只有约，这表明的roe2是非常统计学意义。此外，平方项只有很小的影响在斜坡上，甚至鱼子大值。 （大致坡鱼子，甚至当净资产收益率= 25 - 约一个标准差以上样本中的平均净资产收益率 - 坡度为0.211，较净资产收益率= 0 .215）。
6.2定义的OLS回归c0yi的上c1xi1，ckxik，I = 2，N，解决
我们取得这些从方程（3.13），我们将在规模依赖和独立的变量。]我们现在表明，如果=，=，J = 1，...，K，那么这k + 1阶条件感到满意，这证明的结果，因为我们知道，OLS估计是方便旗（一旦我们排除在独立变量完全共线性）的独特的解决方案。堵在这些猜测给出了表达式
对于j = 1,2，...，K。我们可以写简单的取消显示这些方程
和
或分解出常数， 和 ，J = 1，2，
但相同乘以c0和c0cj的是由第一阶条件为零，因为根据定义，他们获得XI1易建联的回归，XIK，I = 1,2，...，?。因此，我们已经表明，= C0 =（c0/cj），J = 1，，K解决所需的一阶条件。
6.3（I）/（2周转点| |），或0.0003 /（0.000000014）21,428.57，请记住，这是在数百万美元的销售。
（二）可能。其t统计量为-1.89，这是重大反对片面替代H0：<0在5％的水平用df = 29）（CV -1.70。事实上，p值约为0.036。
（三）由于销售被除以1000获得salesbil，得到相应的系数乘以1000：（1,000）（0.00030）= 0.30。标准的错误被乘以相同的因素。诚如心领神会，salesbil2 =销售额/ 1,000,000，所以系数二次被乘以一百万（1,000,000）（0.0000000070）= 0.0070;其标准错误也被乘以一百万。什么也没有发生的的截距（因为尚未重新调整rdintens）或R2：
= 2.613 + .30 salesbil的 - 0.0070 salesbil2 （0.429）（0.14）（.0037） N = 32，R2 = 0.1484。
（iv）该方程部分（iii）为更容易阅读，因为它包含较少的零到小数点右边的。当然两个方程的解释是相同的，不同规模的一次入账。
6.4（一）持有所有其他因素固定的，我们有
两边除以Δeduc给出结果。的迹象并不明显，虽然> 0，如果我们认为一个孩子得到更多的教育又是一年更多受过良好教育的孩子的父母。
（ii）我们使用值pareduc = 32和pareduc = 24来解释的系数EDUC pareduc的。估计教育回报的差异是0.00078（32 - 24）= 0.0062，或约0.62个百分点。
（ⅲ）当我们添加pareduc的本身，交互项的系数是负的。在EDUC pareduc的t统计量为-1.33，这是不是在10％的水平对一个双面的替代显着。需要注意的是对pareduc系数对一个双面的替代在5％的水平是显着的。这提供了一个很好的例子，省略了水平效应（在这种情况
pareduc）如何可以导致有偏估计的相互作用效果。
6.5这将使意义不大。数学和科学考试的表演是教育过程的产出的措施，而我们想知道的各种教育投入和办学特色如何影响数学和科学成绩。例如，如果员工与学生的比例有两种考试成绩的影响，为什么我们要保持固定的科学测试上的表现，同时研究人员的影响，数学合格率？这将是一个例子，在回归方程控制的因素太多。变量scill可能是一个因变量，在一个相同的回归方程。
6.6扩展模型具有DF = 680 - 10 = 671，和我们测试两个限制。因此，F = [（.232 - .229）/（1 - .232）]（671/2）1.31，这是远低于10％的临界值2和：CV = 2.30 F分布。因此，atndrte2和ACT atndrte的联合不显着。因为添加这些条款复杂的模型，没有统计的理由，我们不会包括他们在最后的模型。
6.7第二个等式显然是优选的，作为其调整R平方是显着大于在其他两个方程。第二个等式中包含相同数目的估计参数为第一，减少了一个比第三。第二个方程也比第三更容易解释。
6.8（I）的答案是不是整个明显，但是我们必须在这两种情况下，正确地解释酒精系数。如果我们包括参加，然后我们测量大学GPA的酒精消费量的效果，拿着考勤固定。因为上座率可能是一个重要的机制，通过饮用会影响性能，我们可能不希望持有它固定在分析。如果我们这样做，包括参加，那么我们的估计解释作为那些的影响colGPA不因上课。 （例如，我们可以测量饮酒对学习时间的影响。）为了得到一个总的酒精消费量的影响，我们将离开参加了。
（二）我们会想包括SAT和hsGPA，作为对照组，这些衡量学生的能力和动机。可以在大学的饮酒行为与在高中的表现，并在标准化考试。其他因素，如家庭背景，也将是很好的控制。
第7章
7.1（一）男性的系数是87.75，所以估计一个人睡差不多一个半小时，每星期比一个可比的女人。此外，tma，这是接近1％的临界值对一个双面替代（约2.58）。因此，性别差异的证据是相当强的。
（ii）本totwrk t统计，这是非常统计学意义。系数意味着，一个小时的工作时间（60分钟）0.163（60）相关联分钟的睡眠。
（三）取得，限制回归的R平方，我们需要对模型进行估计没有年龄和AGE2的。当年龄和AGE2两个模型中，年龄有没有效果，只有在两个方面上的参数是零。
7.2（i）若
（10），这意味着约4.4％，低出生体重。