В 1880-е годы картель, известный как Объединенный Исполнительный Комитет (ОИК) контролировал железнодорожные перевозки зерна из Среднего Запада в восточные города Соединенных Штатов. Картели предшествовал Антитрестовый Закон Шермана 1890 года, и он легально работал на повышение цен на зерно, что могло бы сделать цены конкурентоспособными. Время от времени, жульничество со стороны членов картеля приводило к временному разрыву соглашения о ценообразовании. В этом упражнении вы будете использовать изменения запасов, связанные с крушениями картеля, чтобы оценить эластичность спроса на железнодорожные перевозки зерна. На сайте www.aw-bc.com/stock_watson вы найдете файл данных ОИК, содержащий еженедельные наблюдения за ценами на железнодорожные перевозки и другие факторы с 1880 до 18864. Подробное описание данных содержатся в документе ОИК_Описание, доступного на веб-сайте.
Предположим, что кривая спроса на железнодорожные
перевозки зерна определяется как In(Qt)=α0+α1ln(Pi)+α2Icei
+
2+jSeasj,i+ui,где Qi является общей тоннаж зерна, поставляемого
к неделе i, Pi
- цена доставки тонны зерна по
железной дороге, Icei - бинарная
переменная, равная 1 в том случае, если Великие Озера не судоходны из-за льда, и Seasj - бинарная переменная,
которая охватывает сезонные колебания спроса. Ice включается, потому что зерно могло также
транспортироваться на корабле, когда Великие Озера были судоходными.
4,9 а. Линейный выход регрессии (β_1) = 0. Покажите, что R_ ^ 2 = 0.
Ь. Линейный выход регрессии R2 = О. Dоes этого следует, что (β_1) = 0?
4,11 Рассмотрим регрессионной модели Y_i = β_0 + β_1 X_i + u_i
. Предположим, вы знаете, что β_0 = 0. Вывести формулу для оценки наименьших квадратов в β_1.
Ь. Предположим, вы знаете, что β_0 = 4. Вывести формулу для оценки наименьших квадратов в β_1.
4,12
. Покажите, что регрессия R ^ 2 в регрессии Y на X является значение квадрата образца корреляции между X и Y. То есть, показывают, что R ^ 2 = ^ 2 r_xy
б. Покажите, что R ^ 2 из гegression У на X такое же, как R ^ 2 от регрессии X на Y.
4. Небольшой р-значение означает,
. отказ от нулевой гипотезы.
Ь. малых е-статистики.
в. небольшая стандартная ошибка.
г. что центральная предельная теорема не подходит.
4. В а регрессии с использованием п = 200 наблюдений. TSS = 429 и ESS = 318.
а. Вычислить R ^ 2.
б. Coutpute ССР.
с. Вычислить ГЭЭ.
1. В а регрессионной модели с β_0 = 3,0 и β_1 = 2,0.
а. среднее У 3,0 + 2,0 = 5,0.
Ь. У, как ожидается, увеличится на 2.0, если X увеличивается на 1 единицу.
с. наименьших квадратов предположения выполняются.
г. vaIue из β_0 не имеет значения.
2. Если R ^ 2 = 0,8, то
а. ССР / TSS = 0,2.
Ь. vаг (Y) / ж (X) = 0,8.
в. β_1> 0
г. β_1> ж (X)
4. Если (β_1) / (SE ((β_1))) = 2,0
а. Нулевая гипотеза β_1 = 0 сап быть отклонена от а двусторонняя альтернатива на уровне 5%.
б. Нулевая гипотеза β_1 = о может быть отклонена от а двусторонняя альтернатива на уровне 1%.
в. 95% для β_1 будет включать 0.
d.R ^ 2> 0,20.
12,2 Рассмотрим регрессионной модели с одним регрессоров: Y_i = β_0 + β_1 X_i + u_i. Предположим, что предположения Основные концепции 4.3 выполнены.
. Покажите, что X_i является действительным инструментом. То есть показать, что ключевая концепция 12,3 доволен Z_i = X_i
Ь. показывают, что регресс IV предположения Ключевая концепция 12,4 довольны этим выбором Z_i.
в. Покажите, что estimatoг IV построены с использованием Z_i = X_i, совпадает с оценкой МНК.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.