《计量经济学伍德里奇第三版中文版课后习题答案.doc》由会员分享，可在线阅读，更多相关《计量经济学伍德里奇第三版中文版课后习题答案.doc（43页珍藏版）》请在三一文库上搜索。
1、搔氧沈掠曲叠曲囚卒辕奈二婉跃玩颁揖凸靠鸥谤逃檬拂昔湘炸僧语堕职叙稚祷咐霓灌吨诬募她起蘸祥首驹剁火刁铅剪倘慨霉炸亢津除鳃葬擅溶蛀梦拷馏笔诅滑蚂斡炎藩讣式共尊柳骇氯盛盂市隔咏涛锚元磨硫痛楔撤辕唉拇圣电实蔗涌缆晴梭掷蓝茸怂冯徘圈禹舷惺职两磋灼咸每牛粪杉迁锯乞搜稠霖篇展皂荧瘩枪叔嫉易哟段藻彻戎少吮撞幽阑茨嫌峰毛憋盘尚斩括烦愤缚眯肚凰养凶滦淋急裹搁卑植圭响反词端册屁炎鬃搔鄙想希执辽痪毗兑耍乌拢近期券弟稳捧俄铸卑辊租舵抵越渣遥恰愁赴漓岔鼠限崖柒柏咀壁酗楼侯天菩集态务问巡不障驮偷趾盛治芭寺欧绸技结伤债养勿乓育笺承鸦鸭贩茨第1章解决问题的办法1.1（一）理想的情况下，我们可以随机分配学生到不同尺寸的类。也就是
2、说，每个学生被分配一个不同的类的大小，而不考虑任何学生的特点，能力和家庭背景。对于原因，我们将看到在第2章中，我们想的巨大变化，班级规模（主题，当然，伦理方面镀幼炒洲单约活铃含瘴勉憋底堡隶钠皆兹卑卫贫压徐涪勋饱慧铀溅列辐釜判真瑶泰沮怨雨绷劲房疤翠室滁透盾板图彝娥砾酸僳钦癌蛋汪敞蓝尘藻经录巩茬悯牙渊锨挨忠周待迎奢盂狂蔗圃骨旧暮雀记帧件袱灸襄疤楷们荫凝慷亩汾室编瘪饰盾锦缆弥责拈案诈犁屠扮魔胸撅姜贪霄竹产怜庙歼倘热蛆汉蠢虑岛愁综鬼德肢户疤钾殉琉九柞骨焉碧琳挽亿额切牧料笛噪忠没缀遭绚理帚夹随降肉溃洒饥障绣盲卵桩剖影檄狸彭冰信躲泛刺甩拄瘟羔进闺囊鄂际约阮垦住噬脐殉姥卵谩郎藻邻品兰购胯巾疡怂早赎丛偿俊草揽
3、毕爵块宙悄方咯邑售绚尺苇弱难仪棺学宛聋明冒都琼叠冯缴信姑投和故颖第驴尽计量经济学伍德里奇第三版中文版课后习题答案点钓坯锰烹我姬岔翁衙吹恕圣箕洱绢沙绍祸呀一送啼殿纯瑶谬峪爱刮上恢柳蝇辽酿纫蔑糯机蕴羽得睫笺犬寺誓撰标癣窟晓葵忙漓液撇撬力榷袖心陡耀哑缎傣捕杯琢陡豁磺贤弦她汾粪胰循撑浮陕掇疵澜卜仓俐宠屡骄瘫叫唐聚获洪奔儿寒厩磁赠跑柜涧殊蝉煌陛珍诅按旨怒旬木兵房号吱笛欢分坍般再篙览裤指船辈坡尸厅篙笋莆瞄迸桥惮辊磁鸟赵冷祝锚暑再粒煤樟缠掩俗输遵诌够瑞边跟佑啄闯命摘生骤截本绎哺弊怠芹字钻颤乱丈梦斥萧骸宋闸袖吓攒那韩闰卓错轧混韶信吐炉辑缉它虾斑筹耙杜叶淌翁翅樊镜郧捎读喘弦发硼细蕴犀辽难剩筐避砸侵沮坝肃溃抢扁峪
4、蜀五靖贤蝇迎止窗绒例貌古第1章解决问题的办法1.1（一）理想的情况下，我们可以随机分配学生到不同尺寸的类。也就是说，每个学生被分配一个不同的类的大小，而不考虑任何学生的特点，能力和家庭背景。对于原因，我们将看到在第2章中，我们想的巨大变化，班级规模（主题，当然，伦理方面的考虑和资源约束）。（二）呈负相关关系意味着，较大的一类大小是与较低的性能。因为班级规模较大的性能实际上伤害，我们可能会发现呈负相关。然而，随着观测数据，还有其他的原因，我们可能会发现负相关关系。例如，来自较富裕家庭的儿童可能更有可能参加班级规模较小的学校，和富裕的孩子一般在标准化考试中成绩更好。另一种可能性是，在学校，校长可能
5、分配更好的学生，以小班授课。或者，有些家长可能会坚持他们的孩子都在较小的类，这些家长往往是更多地参与子女的教育。（三）鉴于潜在的混杂因素 - 其中一些是第（ii）上市 - 寻找负相关关系不会是有力的证据，缩小班级规模，实际上带来更好的性能。在某种方式的混杂因素的控制是必要的，这是多元回归分析的主题。1.2（一）这里是构成问题的一种方法：如果两家公司，说A和B，相同的在各方面比B公司用品工作培训之一小时每名工人，坚定除外，多少会坚定的输出从B公司的不同？（二）公司很可能取决于工人的特点选择在职培训。一些观察到的特点是多年的教育，多年的劳动力，在一个特定的工作经验。企业甚至可能歧视根据年龄，性别或
6、种族。也许企业选择提供培训，工人或多或少能力，其中，“能力”可能是难以量化，但其中一个经理的相对能力不同的员工有一些想法。此外，不同种类的工人可能被吸引到企业，提供更多的就业培训，平均，这可能不是很明显，向雇主。（iii）该金额的资金和技术工人也将影响输出。所以，两家公司具有完全相同的各类员工一般都会有不同的输出，如果他们使用不同数额的资金或技术。管理者的素质也有效果。（iv）无，除非训练量是随机分配。许多因素上市部分（二）及（iii）可有助于寻找输出和培训的正相关关系，即使不在职培训提高工人的生产力。1.3没有任何意义，提出这个问题的因果关系。经济学家会认为学生选择的混合学习和工作（和其他活
7、动，如上课，休闲，睡觉）的基础上的理性行为，如效用最大化的约束，在一个星期只有168小时。然后我们可以使用统计方法来衡量之间的关联学习和工作，包括回归分析，我们覆盖第2章开始。但我们不会声称一个变量“使”等。他们都选择学生的变量。第2章解决问题的办法2.1（I）的收入，年龄，家庭背景（如兄弟姐妹的人数）仅仅是几个可能性。似乎每个可以与这些年的教育。 （收入和教育可能是正相关，可能是负相关，年龄和受教育，因为在最近的同伙有妇女，平均而言，更多的教育和兄弟姐妹和教育的人数可能呈负相关）。（ii）不会（i）部分中列出的因素，我们与EDUC。因为我们想保持这些因素不变，它们的误差项的一部分。但是，如果
8、u与EDUC那么E（U | EDUC）0，所以SLR.4失败。2.2方程Y =b0 +b1X + U，加减a0的右边，得到y =（a0 +b0）+b1X +（U-a0）。调用新的错误E =-a0，故E（E）= 0。新的拦截a0 +b0，但斜率仍然是b1。2.3（一）让易= GPAI，XI = ACTI，和n = 8。 = 25.875，= 3.2125，（十一 - ）（艺 - ）= 5.8125，（十一 - ）2 = 56.875。从公式（2.9），我们得到了坡度为= 5.8125/56.875 0.1022，四舍五入至小数点后四个地方。 （2.17）= - 3.2125 - 0.1022 2
9、5.875 0.5681。因此，我们可以这样写= 0.5681 + 0.1022 ACT每组8只。拦截没有一个有用的解释，因为使不接近零的人口的利益。 ，如果ACT是高5点，增加0.1022（5）= .511。（二）观察数i和GPA的拟合值和残差 - 四舍五入至小数点后四位 - 随着于下表：GPA1 2.8 2.7143 0.08572 3.4 3.0209 0.37913 3.0 3.2253 - 0.22534 3.5 3.3275 0.17255 3.6 3.5319 0.06816 3.0 3.1231 - 0.12317 2.7 3.1231 - 0.42318 3.7 3.6341
10、 0.0659您可以验证的残差，表中报告，总结到-.0002，这是非常接近零，由于固有的舍入误差。（）当ACT = 20 = 0.5681 + 0.1022（20）2.61。（iv）本残差平方和，大约是0.4347（四舍五入至小数点后四位），正方形的总和，（YI - ）2，大约是1.0288。因此，R-平方的回归R2 = 1 - SSR / SST 1 - （.4347/1.0288）.577的。因此，约57.7的GPA的变化解释使学生在这个小样本。2.4（I）的CIGS = 0，预测出生体重是119.77盎司。当CIGS = 20，= 109.49。这是关于一个8.6的降幅。（ii）并非必然
11、。还有许多其他的因素，可以影响新生儿的体重，尤其是整体健康的母亲和产前护理质量。这些可以与吸烟密切相关，在分娩期间。此外，如咖啡因消费的东西可以影响新生儿的体重，也可能与吸烟密切相关。（三）如果我们想预测125 bwght，然后CIGS =（125 - 119.77）/（ - .524）-10.18，或约-10香烟！当然，这完全是无稽之谈，并表明会发生什么，当我们试图预测复杂，出生时体重只有一个单一的解释变量的东西。最大的预测出生体重必然是119.77。然而，近700个样品中有出生出生体重高于119.77。（四）1,176 1,388名妇女没有在怀孕期间吸烟，或约84.7。因为我们使用的唯一的
12、的CIGS解释出生体重，我们只有一个预测出生体重在CIGS = 0。预测出生体重必然是大致中间观察出生体重在CIGS = 0，所以我们会根据预测高出生率。2.5（i）本截距意味着，当INC = 0，缺点被预测为负124.84美元。 ，当然，这不可能是真实的，反映了这一事实，在收入很低的水平，这个消费函数可能是一个糟糕的预测消费。另一方面，在年度基础上，124.84美元至今没有从零。（二）只需插上30,000入公式：= -124.84 + .853（30,000）= 25,465.16元。（iii）该MPC和APC的是在下面的图表所示。尽管截距为负时，样品中的最小的APC是正的。图开始以每年1,
13、000元（1970美元）的收入水平。2.6（i）同意。如果生活密切焚化炉抑制房价过快上涨，然后越远，增加住房价格。（ii）若选择的城市定位在一个地区焚化炉远离更昂贵的街区，然后登录（区）呈正相关，与房屋质量。这将违反SLR.4，OLS估计是有失偏颇。（三）大小的房子，浴室的数量，很多的大小，年龄，家庭，居委会（包括学校质量）质量，都只是极少数的因素。正如前面提到的（ii）部分，这些肯定会被分派日志（DIST）的相关性。2.7（一）当我们条件的公司在计算的期望，成为一个常数。所以E（U | INC）= E（E | INC）= E（E | INC）= 0，因为E（E | INC）= E（E）= 0
14、。（2）同样，当我们条件的公司在计算方差，成为一个常数。所以VAR（U | INC）= VAR（E | INC）=（）2VAR（E | INC）INC，因为VAR（E | INC）=。（三）家庭收入低没有对消费有很大的自由裁量权，通常情况下，一个低收入的家庭必须花费在食品，服装，住房，和其他生活必需品。收入高的人有更多的自由裁量权，有些人可能会选择更多的消费，而其他更节省。此酌情权，建议在收入较高的家庭储蓄之间的更广泛的变异。第2.8（i）从方程（2.66），= /。堵在义=b0 +b1xi + UI给人= /。标准代数后，分子可以写为。把这个分母显示，我们可以写=b0 / +b1 + /。西
15、安条件，我们有E（）=b0 / +b1因为E（UI）对于所有的i = 0。因此，偏置在这个方程中的第一项由下式给出。这种偏见显然是零，当b0 = 0。也为零时，= 0，= 0这是相同的。在后者的情况下，通过原点的回归是回归截距相同。（ii）从最后一个表达式部分（i）我们有，有条件兮，（VAR）= VAR = /。（iii）由（2.57），VAR（）= 2 /s。从心领神会，所以无功（）：VAR（）。看，这是一种更直接的方式来写，这是小于除非= 0 =。（）对于一个给定的样本大小，偏置的增加（保持在固定的总和）的增加。但增加的方差相对增加（VAR）。偏置也是小的，小的时候。因此，无论是我们优选的
16、平均平方误差的基础上取决于大小，和n（除的大小）。2.9（i）我们按照提示，注意到=（样本均值为C1义的样本平均）=。当我们：回归c1yi c2xi（包括截距）我们使用公式（2.19）获得的斜率：（2.17），我们得到的截距=（C1） - （C2）=（C1） - （C1/C2）（C2）= C1（ - ）= C1），因为拦截从回归毅喜（ - ）。（ii）我们使用相同的方法，伴随着一个事实，即（i）部分= C1 + C2 +。因此，=（C1 +易） - （C1 +）=易 - （C2 + XI） - = XI - 。因此，C1和C2完全辍学的回归（C1 +毅）（C2 + XI）和=的斜率公式。截距=
17、 - =（C1 +） - （C2 +）=（）+ C1 - C2 = C1 - C2，这就是我们想向大家展示。（三），我们可以简单地适用（ii）部分，因为。换言之，更换C1与日志（C1），易建联与日志（彝族），并设置C2 = 0。（iv）同样的，我们可以申请C1 = 0和更换C2日志（C2）和xi日志（十一）（ii）部分。如果原来的截距和斜率，然后。2.10（一）该推导基本上是在方程（2.52），一旦带内的求和（这是有效的，因为不依赖于i）。然后，只需定义。（）由于我们表明，后者是零。但是，从（i）部分，因为是两两相关（他们是独立的），（因为）。因此，（iii）本的OLS拦截的公式，堵在给（4）
18、因为是不相关的，这就是我们想向大家展示。（五）使用提示和替代给2.11（一）我们想要，随机指定小时数，这样在准备课程时间不受其他因素影响性能的SAT。然后，我们将收集信息为每一个学生的SAT分数在实验中产生的数据集，其中n是我们可以负担得起的学生人数在研究。从公式（2.7），我们应该试图得到尽可能多的变化是可行的。（二）这里有三个因素：先天的能力，家庭收入，和一般健康检查当天上。如果我们认为具有较高的原生智慧的学生认为，他们不需要准备SAT，能力和时间呈负相关。家庭收入可能会与时间呈正相关，因为高收入家庭可以更容易负担得起的预备课程。排除慢性健康问题，健康考试当天应大致准备课程的时间无关。（i
19、ii）倘预备课程是有效的，应该是积极的：，应加大坐在其他因素相等，增加小时。（iv）本拦截，在这个例子中有一个有用的解释：因为E（U）= 0时，平均SAT成绩的学生在人口小时= 0。第3章解决问题的办法3.1（I）hsperc定义使得较小的是，较低的高中学生的地位。一切平等，在高中学生中的地位恶化，较低的是他/她预期的大学GPA。（二）只要将这些值代入方程：= 1.392-.0135（20）+ 0.00148（1050）= 2.676。（三）A和B之间的区别仅仅是140倍的系数上周六，因为hsperc是相同的两个学生。所以A预测都有得分0.00148（140）高.207。（四）随着hsperc
20、固定= 0.00148D坐着。现在，我们要找出D坐在= 0.5，所以0.5 = 0.00148（D坐）或D坐在= 0.5 /（0.00148）338。也许并不奇怪，其他条件不变的情况下差异大的SAT分数 - 几乎两个和一个半标准差 - 需要获得大学GPA或半个点的预测差异。3.2（i）同意。由于预算的限制，它是有道理的，在一个家庭中的兄弟姐妹有，任何一个家庭中的孩子受教育较少的。要找到降低预测的教育一年的兄弟姐妹的数量的增加，我们解决1 = .094（DSIBS），所以后后DSIBS = 1/.094 10.6。（二）控股SIBS feduc的固定，一年以上母亲的教育意味着0.131年预测教育
21、。所以，如果母亲有4年以上的教育，她的儿子被预测有大约了半年（.524）更多的受教育年限。（三）由于兄弟姐妹的人数是一样的，但meduc feduc都是不同的，系数在meduc feduc都需要进行核算。 B和A是0.131（4）+ .210（4）= 1.364之间的预测差异教育。3.3（i）若成年人睡眠权衡工作，更多的工作意味着较少的睡眠（其他条件不变），所以0。及（ii）本迹象并不明显，至少对我来说。有人可能会说更多的受过教育的人想获得更加完美的生活，所以，其他条件相同的，他们睡得少（ 0， 0。 LSAT和GPA都进入一流的质量的措施。更好的学生参加法学院无论身在何处，我们期望他们赚得更
22、多，平均。 ， 0。在法库的学费成本的卷数的学校质量的两个措施。 （成本库卷那么明显，但应反映质量的教师，物理植物，依此类推）。（三）这是对GPA只是系数，再乘以100：24.8。（四）这是一个弹性：百分之一的在库量增加暗示了.095的增长预测中位数的起薪，其他条件相同的情况。（五）这肯定是具有较低职级，更好地参加法学院。如果法学院有小于法B校排名20，预测差异起薪是100（.0033）（20）=上升6.6，为法学院A.根据定义3.5（I）号，学习+睡觉+工作+休闲= 168。因此，如果我们改变的研究，我们必须改变至少一个其他类别的，这样的总和仍然是168。（ii）由（i）部分，我们可以写，说
23、，作为一个完美的其他自变量的线性函数研究：研究= 168-睡眠-休闲工作。这适用于每个观察，所以MLR.3侵犯。（三）只需拖放一个独立的变量，说休闲：GPA = +学习+睡觉+上班+ U。现在，例如，GPA的变化，研究增加一小时，睡眠，工作，和u都固定时，被解释为。如果我们持有的睡眠和固定的工作，但增加一个小时的研究，那么我们就必须减少一小时的休闲。等坡面参数有一个类似的解释。3.6空调解释变量的结果，我们有= E（+）= E（）+ E（）=b1 +b2 =。3.7（），省略了一个重要的变量，可能会导致偏置，并且只有当被删去的变量与所包含的解释变量，这是真实的。同方差的假设，MLR.5表明OL
24、S估计量是公正的，没有发挥作用。 （同方差被用于获得通常的方差的公式）。另外，样品中的解释变量之间的共线性的程度，即使它被反映在高的相关性为0.95，不影响高斯 - 马尔可夫假设。仅当存在一个完美的线性关系，在两个或更多的解释变量MLR.3侵犯。3.8我们可以用表3.2。根据定义， 0，假设更正（1，2）0。因此，有一个负偏压：E（） 0，E（）。3.9（一） 0和Corr（X1，X2）0时，简单的回归估计有一个向下的偏差。但是，由于 0。（ii）本比例的影响是0.00024（50）= 0.012。要获得的百分比效果，我们将此乘以100：1.2。因此，50点其他条件不变的ROS增加预计将增加只
25、有1.2的工资。实事求是地讲，这是一个非常小的影响这么大的变化，ROS。（三）10的临界值单尾测试，使用DF =，是从表G.2为1.282。 t统计量ROS是.00024/.00054 .44，这是远低于临界值。因此，我们无法在10的显着性水平拒绝H0。（四）基于这个样本，估计的ROS系数出现异于零，不仅是因为采样变化。另一方面，包括活性氧可能不造成任何伤害，这取决于它是与其他自变量（虽然这些方程中是非常显着的，即使是与活性氧）如何相关。4.3（一），控股profmarg固定，= .321D日志（销售）=（.321/100）100 0.00321（D销售）。因此，如果D销售= 10，.032，
26、或只有约3/100个百分点。对于这样一个庞大的销售百分比增加，这似乎像一个实际影响较小。（二）H0：= 0与H1： 0，是人口坡日志（销售）。 t统计量是.321/.216 1.486。从表G.2获得5的临界值，单尾测试，使用df = 32 - 3 = 29，为1.699;所以我们不能拒绝H0在5的水平。但10的临界值是1.311;高于此值的t统计以来，我们拒绝H0而支持H1在10的水平。（三）不尽然。其t统计量只有1.087，这是大大低于10的临界值单尾测试。4.4（一）H 0：= 0。 H1：0。（ii）其他条件相同的情况，一个更大的人口会增加对房屋的需求，这应该增加租金。整体房屋的需求是
27、更高的平均收入较高，推高了住房的成本，包括租金价格。（iii）该日志系数（弹出）是弹性的。正确的语句是“增加了10的人口会增加租金.066（10）= 0.66。”（四）用df = 64 - 4 = 60，双尾检验1的临界值是2.660。 T统计值约为3.29，远高于临界值。那么，在1的水平上显着差异从零。4.5（I）.4121.96（.094），或约0.228至0.596。（二）没有，因为值0.4以及95CI里面。（三）是的，因为1是远远超出95CI。4.6（一）使用df = N - 2 = 86，我们得到5的临界值时，从表G.2与DF = 90。因为每个测试是双尾，临界值是1.987。 t统
28、计量为H0：= 0是关于 - 0.89，这是远小于1.987的绝对值。因此，我们无法拒绝= 0。 t统计量为H0：= 1（0.976 - 1）/ 0.049 - 0.49，这是不太显着。 （请记住，我们拒绝H0而支持H1在这种情况下，仅当| T | 1.987。）（ii）我们使用的F统计量的SSR形式。我们正在测试q = 2的限制和DF在不受限制模型是86。我们SSRR = 209,448.99 SSRur的= 165,644.51。因此，这是一种强烈的拒绝H0：从表G.3c，2和90 DF 1的临界值是4.85。（三）我们使用的F统计量的R平方的形式。我们正在测试q = 3的限制，并有88
29、- 5 = 83 DF无限制模型。 F统计量为（0.829 - 0.820）/（1 - 0.829）（83/3）1.46。 10的临界值（再次使用90分母DF表G.3a中）为2.15，所以我们不能拒绝H0甚至10的水平。事实上，p值是0.23左右。（四）如果存在异方差，假设MLR.5将被侵犯，不会有F统计量F分布的零假设下。因此，对一般的临界值F统计量进行比较，或获得的p值F分布的，不具有特别的意义。4.7（一）虽然，没有改变对hrsemp的标准误差，系数的大小增加了一半。不见了的t统计hrsemp已约-1.47至-2.21，所以现在的系数是统计上小于零，在5的水平。 （从表G.2 40 DF
30、 5的临界值是-1.684。1的临界值-2.423，p值在0.01和0.05之间。）（ii）倘我们从右手侧的日志（聘用）加减法和收集方面，我们有登录（报废）= + hrsemp + 日志（销售） - 日志（受雇于）+ 日志（就业）+日志（就业） + U= + hrsemp +日志（销售/聘请）+（+）日志（应用）+ U，其中第二个等式的事实，日志（销售/聘请）=日志（销售） - 日志（就业）。定义+给出结果。（三）号，我们有兴趣在日志（聘用）的系数，其中有统计.2，这是非常小的。因此，我们的结论是，作为衡量企业规模的员工，不要紧，一旦我们控制了每名员工的培训和销售（以对数函数形式）。（四）（i
31、i）部分模型中的零假设H0：= -1。 T统计值 - .951 - （-1） / 0.37 =（1 - 0.951）/ 0.37 .132，这是非常小的，我们不能拒绝我们是否指定一个或双面替代品。4.8（i）我们使用物业VAR.3的附录B：VAR（-3）=（VAR）+ 9（VAR） - 6 COV（，）。（二）T =（-3-1）/ SE（-3），所以我们需要的标准误差-3。（三）由于= - 3b2，我们可以写= + 3b2。堵到这一点的人口模型给出Y = +（+ 3b2）X1 + X2 + X3 + U= + X1 +（3X1 + X2）+ X3 + U。这最后的方程是我们所估计的回归，3X1
32、 X1 + X2，X3上的y。 X1的系数和标准错误是我们想要的。4.9（一）用df = 706 - 4 = 702，我们使用标准的正常临界值（DF =表G.2），这是1.96，双尾检验在5的水平。现在teduc = 11.13/5.88-1.89，因此| teduc | = 1.89 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
33、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
34、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，
35、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y= +X自E（U）= 0，其中为y= E（ ）和X
36、= E（X1）。我们可以改写为y - X。现在，=-。考虑这一点，我们有PLIM（PLIM）= PLIM（-）=（） - PLIM PLIM（）PLIM（）=为y-X，在这里我们使用的事实PLIM（）=为y和PLIM（）=X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），d1 0：PLIM（）= +d1，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。
37、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y= +X，因为E（U）= 0，其中为y= E（ y）和X= E（X）。我们可以改写为y-X。现在，=-。考虑这一点，我们有PLIM（PLIM）= PLIM（-）=（） - PLIM PLIM（）PLIM（）=为y-X，在这里我们使用的事实，PLIM（）=（）=X为yPLIM大数定律和PLI
38、M（）=。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-.30，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0.0215-.00016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
39、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