経済学部-ビクトリア大学
経済学部345「応用計量経済学」（2019年夏）
課題4
により月曜日、7月29日
目、部門のDropboxに午後4時
あなたはこの割り当てのグループで作業することが奨励されていますが、すべての学生が自分を提出しなければなりません
自分の書き込みアップと割り当てのバージョン。書くことによって、あなたのグループにいた誰明記してください
あなたの提出課題の上部にあるすべてのグループメンバーの名前とV-数字を。してください
あなたが読みやすく書くことを確認-判読不能割り当ては、マークを失う可能性があります。
オンライン盗作を構成した既存のソリューションのマニュアルやソリューションからそのコピーを注意してください
大学のガイドラインの下で。
ダミー変数
1.（5マーク）は、以下の式が「bwght」のデータを用いて推定した：
bwght I = 4.682 - 0.005cigsi + 0.155parityi + 0.026malei + 0.062whitei
（0.016）（0.0008）（0.006）（0.010）（0.012）
N = 1,388、R2 = 0.045、R 2 = 0.043？
変数の定義は、リンクに見出すことができる：
http://fmwww.bc.edu/ec-p/data/wooldridge/bwght.des。
第二の回帰結果を考慮すると、I（2マーク）、推定効果にコメント及び
経済学345作业代做、代写R编程设计作业、代实验R写作业
fatheducの統計的有意性。（すなわち、実用的かつ統計的有意にコメント
別途fatheducの部分的効果の）
II（3マーク）は、我々は（テスト一般線形4-5f第4章で学習した内容を思い出し
制限）。2つの線形モデルがネストされている場合は、制限されたモデルが得られることを意味
）のパラメータにいくつかの制約を設定することにより、フルモデルから。この質問では、最初の
回帰が制限されたモデルです。それにβmotheduc= 0とβfatheduc= 0を制限することにより得られる
フルモデル。通常、我々は、かどうかを確認するためにF検定で、ネストされたモデルを比較することができます
制限が有効です。この質問では、我々は共同のためのF統計量を計算する必要があることを意味します
教科書で式4.37を使用してmotheducとfatheducの意義。
しかし、与えられた情報から、なぜあなたは、F統計量を計算することができませんか？どのような
あなたは、F統計量を計算するためにしなければならないでしょうか？
2.（11マーク）は、この質問に答えるために、「fertil2」のデータを使用してください。変数の定義を見つけることができる
http://fmwww.bc.edu/ec-p/data/wooldridge/fertil2.des：リンクで。ラボ9は、例を提供
この質問に使用されるコードを。
I（3マーク）は、以下のモデル推定
2を
、通常と不均一-標準誤差の両方で結果を報告します。ある
堅牢な標準誤差はnonrobustのものよりも常に大きな？
II（4マーク）2つの宗教ダミー変数（抗議、カトリック）を追加します。仮定
不均一は、パート（i）及び（ii）、ここではF検定を使用することができますすることから、式中に存在している
カトリックが共同で重要で抗議の係数かどうかをテストすると？それはなぜ？
我々はF検定を使用できない場合、我々はどのようなテストを適用する必要がありますか？入手したp値は何で
抗議し、カトリックの係数のための合同テストは？
III（3マーク）今はパート（i）の回帰に戻って移動します。我々は方法のいずれかを選択します。
不均一をテストするために、ラボ10で学んだが。あなたが選択した方法を説明します。作る
不均一は、子供のための方程式の中に存在するかどうかについての結論を。
IV（1マーク）あなたがパート（III）での不均一を見つけた場合、あなたは不均一であると言うだろう
実用上重要？
3.（9マークが）この練習のために「loanapp」のデータを使用してください。説明するためのバイナリ変数は
、個々の住宅ローンが承認された場合は1に等しい、承認しています。キー
出願人は黒であった場合、説明変数は、1に等しいダミー変数黒です。他の
データセットの出願人は、白やヒスパニック系です。：変数の定義は、リンクで見つけることができ
http://fmwww.bc.edu/ec-p/data/wooldridge/loanapp.des。
住宅ローン市場における差別のためにテストするには、線形確率モデルを使用することができます。
approvei？
blacki +制御変数+ UI
黒人に対する差別がある場合I（1マーク）、および適切な因子がされている
ため、制御、β1の兆候は何ですか？
II（3マーク）対照として、変数hrat、obrat、loanprc、unem、男性、結婚、DEP、SCH、追加
コサイン、chist、pubrec、mortlat1、mortlat2、VRを、そして* obrat黒。推定された回帰取り付ける
R（回帰式を書き留めする必要はありません）からの結果を。証拠は
黒人に対する差別は？
第III部からモデルを用いて（2マーク）（ii）は、確率に黒という効果何
略サンプルの平均値である場合obrat = 32、承認しますか？95％取得し
、この効果の信頼区間を。（ヒント：黒*（obrat-32）と黒* obratを置き換える実行します。
推定係数と新しいの対応する標準誤差取得するために回帰
信頼区間を構築するための相互作用項を。）
IV（3マーク）の部分でモデル（III）からの承認の予測値のヒストグラムを表示します。
[0,1]の範囲外の任意の予測値はありますか？なぜ我々は心配する必要があります
この？（ヒント：ヒストグラムをプロットするためにHIST（変数名）を使用して変数名を置き換えます。
あなたは承認の予測値を格納するために生成された変数の名前。）
タイムシリーズ
4（10マーク）。（ラグ使用して、その過去の関数として時系列YTの単純なモデルを考えてみましょ
値）：
3？
私たちは「`静止として参照される-その分布が時間とともに変化していない、すなわち
私はモデルを解釈- 1つのキャプチャを何??
II今すぐ追加の変数を含むモデルを検討？.Is
の限界効果を？期待値に????
まだに等しいですか？
III（1）で再びモデルを考えます。あなたは予測に興味があると仮定????
期間T + 1、のための
T + 2、...。期間t + 2においてその期待値からYTの予測偏差があることを示している
{ヒント：最初の（1）のように平衡からの逸脱で書くことができることを示していますか？
。そして、T + 1、T + 2、T + 3で予測偏差を考慮して....と使用
に必要な結果を表示するために置換を}。
IVと仮定？| 1 | IIIからのあなたの結果を何<1）から予測偏差をご紹介
予測期間の増加に伴い、モデルの推定均衡？
5.（10マーク）のデータを使用して、この質問に対して「CONSUMP」に設定してください。
私は本当の一人当たり消費量の対数に関する簡単な回帰モデル推定
実際の一人当たりの可処分所得（対数（Y））の対数に（ログの（c））。結果報告
（標準偏差、観測の数とR2及びR2の値を含む）の通常の形態を。式を解釈し、統計的有意性を議論します。
IIの部分（I）から式への真の一人当たり可処分所得の対数の遅れを追加します。
通常の形で結果を報告します。調整に遅れについて、あなたは何を締結ない
消費の伸び？（ヒントは：あなたが使用できる「lylag <-log（dplyr ::ラグ（CONSUMPの$ yを、K = 1））」へ
ログ（Y）の遅れを生成し、回帰でlylagを含む。）
のIII部の式（I）に実質金利（R3）を追加します。通常の形で結果を報告します。
R3消費の伸びに影響しますか？
私たちは実際の消費の時系列をプロットした場合IV、傾向は、1979年から1982年までのフラット行き
再び行く前に。我々はまた、ダミー変数含めると推定されたモデルは何である
1979年後のために1に等しいですか？通常のフォームやコメントで結果を報告します。
4
6.予測コンクール（55％）
、我々はあまりカバーされていないとして、割り当てのこの部分は自分で勉強かなり必要になります
講義における予測のは、しかし、この作業はの実際のアプリケーションのための関連性の高いとなります
計量経済学。あなたのそれぞれはあなたの推定練習や競技の独自の書き込みアップを提供しなければならない
レポートを。ラボ8と10は、構文と、このプロジェクトで使用されるコードの例を提供しています。
私たちは、あなた（またはチーム）のそれぞれは、の予測を作成します予測の競争があります
ビクトリア州のギャロッピンググーストレイル（http://www.ecopublic.com/public2/?id=100117730）上のサイクリストの数を。
都市は毎日自転車を公開カウントし、あなたが作る
予測モデルを構築し、その後、歩道上の自転車の数を予測します。そこになる
最高の（最も正確な）を予想するには賞金こと。
パート1で、次のタスク）の単純な予測モデルを作成する手順を説明します。その後、することができます
）独自のモデルを構築し、パート2で、あなたの予想を絞り込みます。
6.1）の推定と実践（20％）が
I）上のサイクリストの数に）「goose_a4.csv」（CourseSpacesから推定データをダウンロードしてください
ギャロッピンググース。x軸上の時間とラインプロットとして変数「bikes_count」をプロットします。
ⅱ）週末との関数としてサイクリストの数をモデル化し、簡単な回帰モデルを推定
月ダミー変数、よくフォーマットされた表に結果を報告します。
ⅲ）あなたはパート（II）の結果から何を伝えることができますか？
ⅳ）5月28日、2018年にビクトリア州の橋を渡って新しいサイクルレーンがオープンしました。ダミー構築
このサイクルレーンの開口部以下1に等しい変数を、そうでなければゼロ。見積りと
毎日自転車の数にこのサイクルレーンの開口部の影響を解釈します。
評価サンプルの終わりまで、あなたのモデルを推定することにより、 - v）のいわゆる`後肢キャストを作成します
（12月16日、2018年）、その後、次の時間= 15回の期間のためにサイクリストの数を予測します。議論し、
あなたの見通しが列に示されているサイクリストの観察番号と比較する方法を説明し
`データセット内の「bikes_pred？
VI）:,あなたの予測の二乗平均平方根予測誤差を計算
することによってこれを行います。
a）の観測との差の二乗、bikes_pred）およびお使いのコンピュータ
サイクリストの予測数、
の和の平均値を計算し、B）一部の四角は、（a）は、その後、正方形とる
ルートを。
VII）どのようにこのモデルの二乗平均平方根予測誤差は省略1に比較しない
週末のダミー変数を？
5
6.2）予測コンクール（35％）
CourseSpacesから「goose_competition.csv」は、i）予測データをダウンロードしてください。これは、毎日が含ま
7月11日まで、サイクリストの数までの観測を
2019年、第
II）ギャロッピンググース内（変数`バイクに関するサイクリストの数の一般的なモデルを考えて
データセット）。あなたが含まれるであろうどのような説明変数（これらは、観察、おそらく観察不能となり
、このような曜日など毎日サイクリストの数に影響を与える要因、年、などの月は）
あなたはどの変数の部分、からあなたのモデルを推定できるか話し合います何をしている、利用可能です
データの可用性の限界？
II）を推定し、ギャロッピング上のサイクリストの数のためのあなたの最良の予測モデル記述
グースを、そして（）まで、7月31日を含め、将来にサイクリスト20日の数を予測する-
最も正確な予測が勝ちます。
このモデルは、トレンド、平日のためのダミー、相互作用項、自己回帰ラグなどが含まれる可能性があり
、おそらくあなただけの短いサンプルでモデルを推定し、または完全なサンプルを使用します。それは次第です
あなた！そこすでに、データセット内のかなりの数の変数がありますが、あなたも、あなた自身を構築することができます。最新の
あなた（とあなたの場合は、あなたの予測モデルで使用される実際の時系列データの日付は7月11日、2019年です
チームは）（推定データと傾向と7月11日、2019年後の日付実際の時系列データを使用し
た日付に基づいて生成されたダミー変数が許可されている）あなたの見通しで、あなたの予測がされるだろう
競争から失格します。
あなたの見通しをプロットし、慎重に予測モデルを記述する。
ⅲ））予測コンテスト」のエントリ`下（CourseSpacesに3つのファイルをアップロードします：
（1）あなたのデータファイル『.CSV』ファイルとして。あなたはチームで働いていた場合は、「team_name_data.csv」としてCSVファイルを保存し
ます（それをシンプルにしてください保つ）が出ている名前で「TEAM_NAME」に置き換えます。それ以外の場合は、保存
あなたの最初の名前と「姓」と「ファーストネームを」交換「firstname_lastname_data.csv」などのファイルを
自分の姓を持ちます。
（2）「.CSV」ファイルとしてあなたの予測結果。予測は、CSVファイルでなければならず、形取る必要があり
、以下に示すが-最初の列は、（日付と表記）の数秒の列の日付でなければならない
2019年7月12日から2019年に予測された自転車（標識された自転車） -07-31、そして3番目の列は含まれている必要があります
あなたとあなたのチームのメンバーのすべてのV-の数字を。あなたはチームで働いていた場合も同様に、としてcsvファイルを保存
「team_name.csvは」あなたは（それをシンプルにしてください保つ）が出ている名前で「TEAM_NAME」に置き換えます。
そうでなければ、あなたの最初の名前として「FIRSTNAME」を置き換えて、「firstname_lastname.csv」としてファイルを保存し
、あなたの姓を持つ「姓」。
（3）あなたのRマークダウンファイル。Rのマークダウンファイルは、と、エラーメッセージを表示せずに起動して実行する必要があります
アップロードしたCSVデータファイル。あなたはチームで働いていた場合は、再度、「team_name.Rmd」としてRMDファイルを保存し
ます（それをシンプルにしてください保つ）が出ている名前で「TEAM_NAME」に置き換えます。それ以外の場合は、保存
あなたの最初の名前として「姓」と「ファーストネームを」交換「firstname_lastname.Rmd」などのファイルを
自分の姓。
あなたはチームで働いていた場合は、1つのRMDファイル、1つのCSVデータファイルとそれぞれに1つのCSV結果ファイルをアップロードしてください
チーム。ここでも、あなたのそれぞれは、レポートの独自の書き込みアップを提出しなければなりません。
最も正確な予測は賞金が授与されますが、予測精度は、あなたの割り当ては影響しません
グレードを。予測の精度は、7月12日を超える最低のRMSEによって判断される
-July 31日
。がんばろう！
csvファイルのフォーマット：
日付サイクリストv_numbers
2019年7月12日254（ここではあなたの予測）、「V ...」
プロ、とても信頼できるので。必要に応じて、QQを追加してください：99515681または電子メール：[email protected]
マイクロ手紙：codehelp