金融计量学作业.docx
1、考虑一个用企业年销售额、股本回报率(roe,以百分数表示)和企业股票的回报(ros, 以百分数表示)来解释CEO薪水的如下方程：losalary)fln +岛 log( sa<ei) +R rd 伍 roj+w(1)用模型参数来表述如下虚拟假设，在控制了皿5和r”后.es对CE。的薪水没有影 响再给出对立假设的参数表述，股票市场更好的业绩会提商CEO的薪水.(N)使用CEO&ALLRAW中的数据通过OLS可以得到如下方程：Iog(sa/bry5=4. 32+0.2801o乐sale“十0. 017 4rari-0.000 2470$(0.32)(U 035)(0.004 1) (0.000 54)n=209t R=0.283如果提高50个百分点，预计salar)会提高多大比例？ ms对Miao具有实际上很 大的影响吗？(ID检验，。5对没有影响的虚拟假设,对立假设是具有正效应.在10%的显著性水 平上进行检验(IV)你最后会在一个用企业业绩表示CEO报酬的模型中包括吗？给出你的解理.留意：使用数据为ceosall.dtao4.6回归分析还可以用来检验市场是否在评价股第时有效地使用了市场信息.为简单起见.令 return为持有一个企业的股票在从1990年末到W94年末的四年时间内揭到的总回报.有效 市场假设认为，这些回报不应该与1990年知道的估息存在系就相关性.如果在期初知道的 企业特征有助于预测股票回报,那我们在选择股票时就能用到这个信息。对于1990年，令欧r表示企业的被务资本比率.表示每股收益.而由：表示净收 人.而slary那么表示CEO的总报随.(I )使用RETURN. RAW中的数提.牯计了如下方程工return9-14.37+0. 32144/+0,04%食£-0. 005 lnettnc+0.003 balary(6.89)(0.201)(0.078)(0.004 7)(0.002 2)n=142. R2=0 039 5检验这些解狎变会在5%的&着性水平上是否联合显著。存在个别显着的解科变量吗?(11)现在使用netwc和sho的对数形式宣新估计这个模型-36. 30+0,327<ttr4-0.069cpj4. 74log(ne£：nc) +7.2410g(6>31><39.37) (0.203) (0.080) (3.39) n=142t Rz=0-033 0第(I)局部的结论有没有什么变化？(心 在第局部中.我们为什么不用db和。赳的对数?(IV)总的看来.股票回报可预测性的证据是型还是弱?4,10在经典线性模型假定MLR 1MLR 6下.考虑含有三个自变量的多元回归模型：y=Pi +氐M +Ai+Ax>+w你想检验的虚拟假设是Ho r 3 3尺=L(I )令自和A 痴0和A的OLS估计量.用A和A的方差及其协方差求出Var®- 邹力.向一3及的标准误是什么？<il>写出检验鸟一3代=1的工统计量.CU)定义6=3一3代和济=A一帮2写出一个涉及自.6.A和岛的回归方程.使你能 直接得到瓦及其匕准说。C4.1如下模型可用来研究竞选支出如何影响选举结果.wfeA =% +昌 logiexpendA) + R og(.expendB)十& prtyilrA+u其中，3CeA表示候选人A得到的选票百分数，和“MB分别表示候选人A和 B的竞选支出.而。的5O力那么是对A所在党派实力的一种度量(A所在党派在最近一次总 统选举中获得的选票百分比).<1>如何解押回？(N)用参敷表述如下虚拟假设.A的竞选支出提高1%被B的竞选支出提府1%所抵消。(HI)利用VOTELRAW中的数据来估计上述模型，并以通常的方式报告结论.A的竞选 支出会影晌结杲吗？ B的支出呢？你能ffl这些结论来检验第(ID局部中的假设吗？(IV)估计一个模型.使之能直接给出检验第CII)局部中假设所需用的£统计量.你有什 么结论？(使用双侧对立假设)残差分析Exmple:Effect of Pollution onHousing Prices(hprice2.raw) price- £0+ £ xnox+ P2crime+ 3rooms+ 0di st+ J3 5stratio+uUse Stata:reg price nox crime rooms dist stratio betaRegression Result(z-scores):zprice = -0.340 znox - 0.143 zcrime + 0.514zrooms0.235 zdist O.TlOzstratioIntroductory Econometrics20 of 57使用Wooldridge文件夹中的数据hprice2.dta完成如下回归。price=pO+p1 nox+p2crime+p3rooms+p4dist+ p5stratio+u分析检验残差的大小和符号，觉察个别残差负的特多，请分析其经济意义。例：将房价对一些可观测特点回 归，得猜想值，算出残差。残差为 负那么说明依据可观测因素房价偏 低。负的程度最大值的大小说明我 们还没有掌握因素的重要程度。例.8场L=r . 一一研发支出模型研究产业组织的经济学家对企业规模（通常用年销售额度量）和研发（R&D）支出 之间的关系感兴趣。通常使用一个常弹性模型0你或许还想考虑，在其他条件不变的情 况下.利润率（即利润占销售额的百分比）对研发支出的影响。利用RDCHEM.RAW中 有关美国32家化工企业的数据9我们估计了如下方程（标准谈在系数下面的括号中给出）log（rd）=-4. 38+1. C841cg （sales）+。. 021 7 prof marg（0.47） （0.060）（0. 021 8）71=32, R =0.918R&D支出对企业销售额的估计弹性为LQ84,于是.保持利润率不变，销售额提高1% 伴随着R&D支出1.084%的提高。（顺便指出，R&D和销卷额都以百万美元为单位但 它们的度量单位对弹性估计值没有影响,一旦我们注意到所估计的模型具有，一比一1 = 3221=29小自由度.便可以构造销售弹性的一个95%置售区间。根菰表G2.在5 分布中查找第975个百分位数:c=2.045o因此7/皿）的95%置售区间是1.084士 0.060X2. 045或约为（0.961. L 21。远在这个区间之外也无足为奇：我们预期R&D 支出会随着企业规模的扩大而提高。更有意思的是，角）的95%置售区间中包会1,这 就意味札 在5%的显著性水平上,我们不能相对自311而拒绝Ho：自尸1。 换官之，所估计的R&D销售额弹性在5%的显著性水平上并非统计显著地异于L （这 个估计值在实践中也不是异于1的。“o/E 的估计系数也为正总体参数/i的95%置信区间是0.021 7±0.0218X 2.045或约为（一0.004 5. 0.047 9）。此时,0被包会在这个95%置信区间中.所以在5% 的显著性水平上，我们不能相对Hl：向s“K0而拒绝H：不过，E统计量约为L70,这就得到一个双侧p值约0.10.于是我们得到结论：在数双会I对立销设时， 在10%的显著性水平上.或在做单侧对立假设Hi：外.>0时.在5%的显著性水平 上.，。力做喈是统计显著的。而且利润率系数在经济学上的大小也不容忽视，保持销售销不变.profmrg捱蠲一个百分点,估计能提高R&D支出100X0.021 72.2个百分 点。对本例的完整分析,并非一个特定值（这里的。）是否包含在95%置售区间内这种 简单命题。
