斯托克,沃森计量经济学第四章实证练习stata操作及答案

E4.1

E4.2 E4.3 E4.4

E4.1

VARIABLES ahe

age 0.605

(0.0245)

Constant 1.082

(0.688)

Observations 7,711

R-squared 0.029

Robust standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

1. ① 截距估计值estimated intercept: 1.082

② 斜率估计值estimated slope: 0.605

回归方程：ahe= 1.082+0.605*age

③ 当工人年长 1 岁，平均每小时工资增加0.605 美元。

2. Bob: 0.605*26+1.082=16.812 （美元）

Alexis: 0.605*30+1.082=19.232 （美元）

答：预测Bob 的收入为每小时16.812美元，Alexis为19.232 美元。

3. 年龄不能解释不同个体收入变化的大部分。因为R-squared 反映了因变量的

全部变化能通过回归关系被自变量充分解释的比例，而分析得R-squared 的值为0.029，解释度低，说明年龄不能解释不同个体收入变化的大部分

E4.1

(0.0449)

Observations 463 R-squared 0.036

Robust standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

① 截距估计值： 3.998

斜率估计值： 0.133

回归方程： Course_Eval=3.998+0.133*beauty

lave_esruo

0a u ty a e

1.

答：两者看上去有微弱的正相关关系

2.

VARIABLES course eval beauty

Constant

0.133 (0.0550) 3.998

//mean beauty

② 截距的估计值=Course_Eval的样本均值-斜率估计值*Beauty 的样本均值

计算得Beauty 的样本均值趋近于零，所以截距的估计值等于Course_Eval的样本均值。

3. //sum beauty

Variable Obs Mean Std.Dev. Min Max beauty 463 4.75e-08 0.789 -1.450 1.970

可知beauty 的标准差为0.789，因此

Stock 教授的预测课程评价：3.998+0.133*0.789=4.103

教授的预测课程评价：3.998+0.133*0=3.998

Watson

答：可知course_eval 的标准差为0.555，而第三问得beauty 的标准差为

0.789。

beauty 值每增加一个标准差，course_eval 增加0.133*0.789=0.105 ，而0.105÷0.555=0.19 ，大概是course_eval 标准差的五分之一，所以效应估计值小。

5. 答：第二问跑回归得R-squared值为0.036，即beauty 只解释了 3.6%的课程

评价方差，beauty 没有解释大部分的课程评价方差

E4.3

1

Robust standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1

① 截距估计值： 13.86 斜率估计值： -0.068

回归方程： ed=13.86-0.068* dist

② 大学盖在离中学每近 10 米的地方，平均完成教育年数增加 0.068 年

2. 如果 Bob 的中学距离最近的大学 20米：predicted ed=1

3.86-0.068*2=13.724

答：预测 Bob 完成的教育年数为 13.724 年。

如果 Bob 的中学距离最近的大学 10米：predicted ed=13.86-0.068*1=13.792 答：预测 Bob 完成的教育年数为 13.792 年，比距离 20 米

多 0.068 年。

3. 答： R-squared 的值为 0.013，即到大学的距离只解释了 1.3%个人受教育

年 数的方差，到大学的距离没有解释个人受教育年数的大部分方差。

4. 第一问跑回归得回归标准误差 1.6733，单位是年。

VARIABLES ed dist

-0.0677

(0.0232) Constant

13.86

(0.0595)

Observations 943

R-squared 0.013

E4.1

1.

答：它们看上去有关系，有微弱的正相关关

系

2. 马其他是散点图中右上角的点，看上去像异常值，它的tradeshare 高达1.99

3.

VARIABLES growth

tradeshare 2.306

(0.663)

Constant 0.640

(0.459)

Observations 65

R-squared 0.124

Robust standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

① 截距估计值：0.64 斜率估计值： 2.306

回归方程：growth=0.64+2.306*tradeshare

② 当tradeshare 为0.5 时，predicted

growth=0.64+2.306*0.5=1.793

当tradeshare 为 1.0 时，predicted

growth=0.64+2.306*1.0=2.946