引言

不知不觉，研一生活已经过去一半了，看自己现在的状态，不由得惭愧，时间管理不够好，学习没有跟上。尽量争取多写点博客，算做对自己的安慰。
本博文代码和rmd文档见下载

c3.1

##(1)
#B2的符号最有可能为正，更高的家庭收入意味着母亲孕育更好的营养以及孕期呵护。
##(2)
#一方面，家庭收入的增加会增加对食物的购买，包括香烟的支出；但另一方面，高收入通常意味着有良好的教育，受教育多者吸烟数量较少，两者存在负相关。
##(3)
#读入数据
data_bwght<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/bwght.csv')
lm_bw<-lm(bwght~cigs+faminc,data=data_bwght)#包括faminc
lm_bw_0<-lm(bwght~cigs,data=data_bwght)#不包括faminc
summary(lm_bw)#r squared 0.0284 n=1388
#bwght=116.97-0.46341cigs+0.09276faminc
summary(lm_bw_0)#r squared  0.02202 n=1388
#bwght=119.772-0.51377 cigs
#从大小来看并没有显著改变cigs对bwght的估计，因为cigs与faminc存在较小的相关性，faminc前较小的系数也可以看出来。

C3.2

data_hprice<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/hprice1.csv')
lm_hprice<-lm(price~sqrft+bdrms,data=data_hprice)#读入数据
summary(lm_hprice)
#(1)
#price=-19.325+0.12844sqrft+15.19819bdrms
#(2)
#住房保持面积不变时，增加一间卧室，价格平均会提高1.5万美元
#(3)
0.12844*140+1*15.19819#3.3万美元 远远大于2中的效果
#(4)r squared 为0.6233 价格变异的62.3%能由平方英尺和房间数解释
#(5)
0.12844*2438+4*15.19819-19.325#预估计为35.5万美元
#(6)
35.5-30#残差为5.5 从实际价格与估计价格相比较来看，买家支付了较低的价格 但实际上价格有很多其他因素共同决定的，估计价格只能作为一种参考

C3.3

data_ceosal2<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/ceosal2.csv')
#(1)
lm_ceosal2<-lm(log(salary)~log(sales)+log(mktval),data=data_ceosal2)
summary(lm_ceosal2)
#ln(salary)=4.62+0.16ln(sales)+0.11ln(mktval)
#(2)由于profits存在负数，所以不能取对数
lm_ceosal2_1<-lm(log(salary)~log(sales)+log(mktval)+Profits,data=data_ceosal2)
summary(lm_ceosal2_1)#调整的r squared为28.7%  不能解释薪水变异的大部分
#(3)
lm_ceosal2_2<-lm(log(salary)~log(sales)+log(mktval)+Profits+ceoten,data=data_ceosal2)
summary(lm_ceosal2_2)
#延长一年任期，薪水会增加1.2%
#(4)
cor.test(log(data_ceosal2$mktval),data_ceosal2$Profits)#样本相关系数为0.7768976 由于样本相关性检验拒绝原假设,即两个变量之间存在一定的相关性

C3.4

data_attend<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/attend.csv')
#(1)
new_data<-data_attend[,c(3,4,6)]
summary(new_data)
#(2)
lm_attend<-lm(atndrte~priGPA+ACT,data=data_attend)
summary(lm_attend)
#atndrte=75.7+17.26priGPA-1.717ACT
#当priGPA与ACT都为0时，上课参与率为75.7% 很明显与实际意义不符
#(3)
#当ACT保持不变的时候，priGPA每增加一个单位，学生参与率平均增加了17.26个百分点.
#当priGPA保持不变时，而ACT分数每增加一分，学生参与率平均减少1.717个百分点 ，这个系数的结果令人吃惊，意味着5分ACT的课堂参与率会减少8.5.。由于ACT测量学生的潜力，ACT越高的人通常有更高的学习能力，能够在课余时间将缺失的课给学回来。
#(4)
75.7+17.26*3.65-20*1.717#104.359 样本中最大为100 没有这样的值。在实际中这个结果也是不可能的，这需要我们在实际的回归对因变量设定一定的上界和下界，这里需要设定100的上界。
#(5)
17.26*(3.1-2.1)-1.717*(21-26) #出勤率相差25.845%

C3.5

data_wage1<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/wage1.csv')
lm_wage1<-lm(educ~exper+tenure,data=data_wage1)
r1<-residuals(lm_wage1)
lm_wage2<-lm(log(wage)~r1,data=data_wage1)
lm_wage3<-lm(log(wage)~educ+exper+tenure,data=data_wage1)summary(lm_wage3)#0.092029
summary(lm_wage2)#0.09203
#两者系数相等。因为在lm_wage2回归中,log(wage)对r1的回归只解释了edu对log(wage)的影响，此时edu与exper tenure不相关。这与log(wage)对educ、exper、tenure回归中解释变量相同，说明两者都可以解释为在其他变量不变的情况。

C3.6

data_wage2<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/wage2.csv')
#(1)
lm_wage2_1<-lm(IQ~educ,data=data_wage2)
coefficients(lm_wage2_1)#斜率为3.533829
#(2)
lm_wage2_2<-lm(log(wage)~educ,data=data_wage2)
coefficients(lm_wage2_2)#斜率为0.05983921
#(3)
lm_wage2_3<-lm(log(wage)~educ+IQ,data=data_wage2)
coefficients(lm_wage2_3)#斜率分别为0.039119901 0.005863132
#(4)
证明#
0.039119901+0.005863132*3.533829#等于0.05983921

C3.7

data_meap93<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/meap93.csv')
#(1)
lm_meap93<-lm(math10~log(expend)+lnchprg,data=data_meap93)
summary(lm_meap93)
#math10=-20.36081+6.22970log(expend)-0.30459lnchprg
#Adjusted R-squared:  0.1759  n=408
#预期相一致 。花费较多的学生家庭生活水平较高，通常在教育支出方面较多，从而数学通过率较高。而参加午餐计划的比例越高，说明贫困孩子比例高，通过数学的比例下降。
#(2)
#截距为所有变量为0时因变量的预测值，此回归方程中截距为负数，没有实际意义。
#lnchprg为0，有实际意义，说明该学校贫困孩子为0
#log(expend)为0，意味着expend为1，这不合常理
#(3)
lm_meap93_1<-lm(math10~log(expend),data=data_meap93)
coefficients(lm_meap93_1)#11.16440
#这个斜率支出效应更大
#(4)
cor(data_meap93$lexpend,data_meap93$lnchprg)#-0.1927041
#符号为负，与预期相同
#(5)
#利用题C3.6(4)的等式就可以解释

C3.8

data_discrim<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/discrim.csv')
#(1)
mean(data_discrim$prpblck)
sd(data_discrim$prpblck)
mean(data_discrim$income)
sd(data_discrim$income)
#(2)
lm_discrim<-lm(psoda~prpblck+income,data=data_discrim)
summary(lm_discrim)
#psoda=0.09404+0.1536prpblck+0.000001422income#不算大
#(3)
lm_discrim_1<-lm(psoda~prpblck,data=data_discrim)
summary(lm_discrim_1)#斜率为0.109686 歧视效应更小了 这是由于income与prpblck是负相关，且income于psoda的价格成正相关。
#(4)数据中的缺失值或者0值已用均值替代
lm_discrim_2<-lm(log(psoda)~prpblck+log(income),data=data_discrim)
summary(lm_discrim_2)
#提高2.4个百分点
#(5)
lm_discrim_3<-lm(log(psoda)~prpblck+log(income)+prppov,data=data_discrim)
summary(lm_discrim_3)
#从 0.12199 下降到了0.07432
#(6)
cor(data_discrim$income,data_discrim$prppov)#负相关 与预期相同
#(7)
#毫无疑问，确实存在高度相关关系，但是我们仍然需要这个变量存在，要不然遗漏这个变量会导致歧视效应偏小。

C3.9

data_charity<-read.csv('/home/wangjianlong/files/R/blog/economitrical/ch_3/charity.csv')
#(1)
lm_charity<-lm(gift~mailsyear+giftlast+propresp,data=data_charity)
summary(lm_charity)
#gift=-4.551519+ 2.166259 mailsyear+ 0.005927giftlast+ 15.358605 propresp
#Adjusted R-squared:  0.08271  n=4268
lm_charity_1<-lm(gift~mailsyear,data=data_charity)
#gift=2.0141+ 2.6495 mailsyear
summary(lm_charity_1)#Adjusted R-squared:  0.01356
#多元回归模型增加的变量增强了解释能力
#(2)
#当其他变量不变时，mial每增加一封，gift一年平均增加 2.166259个单位
#它比简单回归系数小
#(3)
#当mail数量不变时，回复率每增加一个百分点，gift平均一年增加0.005927个单位
#(4)
lm_charity_2<-lm(gift~mailsyear+giftlast+propresp+avggift,data=data_charity)
summary(lm_charity_2)#mailsyear 减少到1.20117
cor(data_charity$mailsyear,data_charity$avggift)#由于mailsyear与avggift之间是正相关，且gift对avggift回归的系数为正，所以mailsyear的估计效应与不包含avggift的回归模型相比较小。
#(5)
#由0.005927一个正的系数改变为负的-0.26086，系数符号变化 可能变量之间存在多重共线性。

伍德里奇计量经济学导论之计算机操作题的R语言实现（多元回归：估计）相关推荐

伍德里奇计量经济学导论之计算机操作题的R语言实现（一些重要专题）
引言本章内容介绍了多元线性回归一些好玩且实用的专题: 改变自变量(因变量(对数自变量)当度量单位对因变量(自变量).系数.t值.F值等的影响自变量和因变量标准化以后B系数的解释对数-水平模型下, ...
计量经济学第六版计算机答案,伍德里奇计量经济学导论计算机习题第六章第13题c_6.13...
伍德里奇计量经济学导论计算机习题第六章第13题,答案和MATLAB代码 clear,clc; % c6.13 by % 打开文字文件和数据文件 importdata('meap00_01.des'); ...
计量经济学导论计算机实验,伍德里奇计量经济学导论计算机习题第六章第13题c_6.13...
clear,clc; % c6.13 by % 打开文字文件和数据文件 importdata('meap00_01.des'); data=xlsread('meap00_01'); % 检验所用数据 ...
高二会考计算机操作题试题及答案,2017高二数学会考试题及答案_高二会考答案（数学）(5)...
2017高中会考计算机操作题(一) 19.在Photoshop中以下文本可能使用了(C)图层样式. A.斜面和浮雕.内阴影 B.斜面和浮雕.描边 C.斜面和浮雕.投影.描边 D.斜面和浮雕.投影 20 ...
玩转数据处理120题｜R语言版本
点击上方"早起Python",关注并星标公众号和我一起玩Python 本文为玩转数据处理120题|R语言版本习题|刘早起,解答|陈熹大家好,本文为R语言数据处理120题系列完 ...
大学计算机操作题模拟,大学计算机一级模拟操作题1
大学计算机一级模拟操作题1 (7页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 11.90 积分全国计算机等级一级考试全国计算机等级一级考试 offic ...
全国计算机操作题答案,全国计算机一级考试试题操作题含答案.doc
全国计算机一级考试试题操作题1.微机中1K字节表示的二进制位数是( ).D A.1000 B.8x1000 C.1024 D.8x1024 2.计算机硬件能直接识别和执行的只有( ).D A.高级语言 ...
2017大学计算机操作题,【2017年整理】大学计算机基础操作题.ppt
[2017年整理]大学计算机基础操作题大学计算机基础操作题 Ps:这只是凭我印象整理的,仅供参考,希望能有用 ,大家可以跟着做操作一遍熟悉下就行,无需背因为秀莹姐五一去玩了,回来才赶着给你们弄,比 ...
2017大学计算机操作题,2017年计算机二级MSOffice操作题及答案解析
没有获得合格证书的考生,无补考,下一次需重新以新考生身份报名参加考试.下面是小编整理的关于计算机二级MSOffice操作题及答案解析.欢迎大家参考! 1.在指定文件夹下打开文档WDA041.docx, ...
云南中考计算机操作题,2015年云南省初中信息技术会考操作题及解题步骤.ppt
2015年云南省初中信息技术会考操作题及解题步骤 word操作题之解题步骤云南初中信息技术学业水平操作题 word操作题题目要求打开"考生文件夹\3204"文件夹中的文件&qu ...

伍德里奇计量经济学导论之计算机操作题的R语言实现（多元回归：估计）

引言

c3.1

C3.2

C3.3

C3.4

C3.5

C3.6

C3.7

C3.8

C3.9

伍德里奇计量经济学导论之计算机操作题的R语言实现（多元回归：估计）相关推荐

最新文章

热门文章