斯托克計量經濟學第十章第十一章實證練習stata

精選優(yōu)質文檔-----傾情為你奉上精選優(yōu)質文檔-----傾情為你奉上專心---專注---專業(yè)專心---專注---專業(yè)精選優(yōu)質文檔-----傾情為你奉上專心---專注---專業(yè)E10.1(1)(2)(3)(4)(5)lnviolnviolnviolnviolnvioshall-0.443***-0.368***-0.0461*-0.288***-0.0280(0.0475)(0.0348)(0.0189)(0.0337)(0.0278)incarc_rate0.00161***-0.0.00193***0.(0.)(0.)(0.)(0.)density0.0267-0.172*-0.00887-0.0916(0.0143)(0.0850)(0.0139)(0.0485)avginc0.00121-0.009200.01290.(0.00728)(0.00591)(0.00796)(0.00729)pop0.0427***0.01150.0408***-0.00475(0.00315)(0.00872)(0.00252)(0.00781)pb10640.0809***0.104***0.1000***0.0292(0.0200)(0.0178)(0.0182)(0.0183)pw10640.0312**0.0409***0.0401***0.00925(0.00973)(0.00507)(0.00912)(0.00538)pm10290.00887-0.0503***-0.0444*0.0733***(0.0121)(0.00640)(0.0175)(0.0129)_cons6.135***2.982***3.866***2.948***4.348***(0.0193)(0.609)(0.385)(0.569)(0.435)N11731173117311731173R20.0870.5640.2180.5800.955adj.R2StateEffectsTimeEffects0.0859NoNo0.5613NoNo0.1771YesNo0.5690NoYes0.9525YesYesStandarderrorsinparentheses*p<0.10,**p<0.05,***p<0.01（1）①回歸（2）中shall的系數(shù)是-0.368，這意味著隱蔽武器法律，也即“準予”攜帶法律，約使暴力犯罪減少36.8%。從“現(xiàn)實意義”上講，這個估計值很大。②回歸（1）中shall的系數(shù)是-0.443，回歸（2）中shall的系數(shù)是-0.368，加入（2）中的控制變量后“準予”攜帶法律的效應略微減小。系數(shù)估計顯著性都很高，兩者均在1%水平下顯著。③不同州的人們對待槍支和暴力犯罪的態(tài)度。（2）加入州固定效應的回歸結果如上表第（3）列所示。回歸（3）中shall的系數(shù)是-0.0461，和回歸（2）相比，“準予”攜帶法律的效應減小許多，顯然說明回歸（2）中存在遺漏變量偏差。個體固定效應的差異來源于隨個體變化但隨時間不變的遺漏變量，回歸（3）中，變量shall,density,pb1064,pw1064,pm1029至少在5%水平下顯著，可信度較高，加入州固定效應得到的回歸結果總體上較回歸（2）可信。（3）加入時間固定效應的回歸結果如上表第（5）列所示?；貧w（5）中shall的系數(shù)是-0.028，和回歸（2）（3）相比，“準予”攜帶法律的效應減小許多?；貧w（5）同時包含個體和時間固定效應以控制州間不同但時間上相同的變量和隨時間變化但州間相同的變量，adjustedR2的值為0.9525，比前面的回歸更接近1，因此回歸（5）的結果更加可靠。（4）(1)(2)(3)(4)(5)lnroblnroblnroblnroblnrobshall-0.773***-0.529***-0.00782-0.341***0.0268(0.0693)(0.0510)(0.0253)(0.0457)(0.0243)incarc_rate0.00101***-0.0.00177***0.(0.)(0.)(0.)(0.)density0.0905***-0.186-0.00918-0.0447(0.0154)(0.114)(0.0189)(0.0737)avginc0.0407***-0.0175*0.0643***0.0144(0.00927)(0.00791)(0.0108)(0.0101)pop0.0778***0.01630.0720***0.(0.00549)(0.0117)(0.00343)(0.0118)pb10640.102***0.112***0.167***0.0141(0.0266)(0.0238)(0.0248)(0.0270)pw10640.0275*0.0272***0.0557***-0.0128(0.0135)(0.00679)(0.0124)(0.00720)pm10290.02730.0112-0.189***0.105***(0.0150)(0.00857)(0.0238)(0.0222)_cons4.873***0.9042.446***1.792*3.587***(0.0279)(0.889)(0.515)(0.772)(0.645)N11731173117311731173R20.1210.5960.0370.6530.961adj.R20.12010.5934-0.01350.64340.9593Standarderrorsinparentheses*p<0.05,**p<0.01,***p<0.001用lnrob代替lnvio后所得回歸如上表所示，分析如下：①回歸（1）中shall的系數(shù)是-0.773，回歸（2）中shall的系數(shù)是-0.529，這意味著隱蔽武器法律，也即“準予”攜帶法律，約使暴力犯罪分別減少77.3%和52.9%。從“現(xiàn)實意義”上講，這個估計值很大。系數(shù)估計顯著性都很高，兩者均在1%水平下顯著。②加入州固定效應的回歸結果如上表第（3）列所示?；貧w（3）中shall的系數(shù)是-0.00782，和回歸（1）（2）相比，“準予”攜帶法律的效應減小許多，顯然說明回歸（1）（2）中存在遺漏變量偏差。加入時間固定效應的回歸結果如上表第（5）列所示。③回歸（5）中shall的系數(shù)是0.0268。和回歸（1）（2）相比，明顯回歸（3）（5）“準予”攜帶法律的效應減小許多?；貧w（5）adjustedR2的值為0.9593，比前面的回歸更接近1，因此回歸（5）的結果更加可靠。(1)(2)(3)(4)(5)lnmurlnmurlnmurlnmurlnmurshall-0.473***-0.313***-0.0608*-0.198***-0.0150(0.0485)(0.0357)(0.0258)(0.0340)(0.0297)incarc_rate0.00210***-0.**0.00260***-0.(0.)(0.)(0.)(0.)density0.0397***-0.671***-0.0134-0.544***(0.0118)(0.116)(0.0141)(0.117)avginc-0.0773***0.0243**-0.0698***0.0566***(0.00875)(0.00807)(0.00803)(0.0136)pop0.0416***-0.0257*0.0393***-0.0321**(0.00351)(0.0119)(0.00255)(0.00902)pb10640.131***0.03070.188***0.0220(0.0188)(0.0242)(0.0184)(0.0434)pw10640.0471***0.01030.0739***-0.(0.00909)(0.00693)(0.00921)(0.0119)pm10290.0655***0.0392***-0.0502**0.0692*(0.0137)(0.00874)(0.0177)(0.0289)_cons1.898***-2.486***0.460-2.831***0.657(0.0220)(0.615)(0.525)(0.574)(0.726)N11731173117311731173R20.0830.6060.1530.6420.921adj.R20.08260.60320.10870.63280.9167Standarderrorsinparentheses*p<0.05,**p<0.01,***p<0.001用lnmur代替lnvio后所得回歸如上表所示，分析如下：①回歸（1）中shall的系數(shù)是-0.473，回歸（2）中shall的系數(shù)是-0.313，這意味著隱蔽武器法律，也即“準予”攜帶法律，約使暴力犯罪分別減少47.3%和31.3%。從“現(xiàn)實意義”上講，這個估計值很大。系數(shù)估計顯著性都很高，兩者均在1%水平下顯著。②加入州固定效應的回歸結果如上表第（3）列所示。回歸（3）中shall的系數(shù)是-0.0608，和回歸（1）（2）相比，“準予”攜帶法律的效應減小許多，顯然說明回歸（1）（2）中存在遺漏變量偏差。加入時間固定效應的回歸結果如上表第（5）列所示。③回歸（5）中shall的系數(shù)是-0.015。和回歸（1）（2）相比，明顯回歸（3）（5）“準予”攜帶法律的效應減小許多。回歸（5）adjustedR2的值為0.9167，比前面的回歸更接近1，因此回歸（5）的結果更加可靠。（5）“準予”攜帶法律會對犯罪率產生影響，同時，一個州可能因為犯罪情況而決定是否頒布“準予”攜帶法律，這就產生雙向因果關系偏差，威脅內部有效性。（6）綜上可知，上述三個表格的回歸（5）結果最為可信。用lnrob,lnmur代替lnvio所得回歸與lnvio所得的回歸結果相類似，以lnvio為例進行分析。Shall效應的95%置信區(qū)間為-8.6%至3.0%，其中包括shall的系數(shù)取0，根據(jù)顯著性分析，沒有證據(jù)能表明“準予”攜帶武器法律對犯罪率有明顯影響。E10.2(1)(2)(3)(4)(5)fatalityratefatalityratefatalityratesb_useagesb_useagesb_useage0.00407**-0.00577***-0.00372*(0.00123)(0.00116)(0.00145)speed650.-0.-0.0.0751***0.0228(0.)(0.)(0.)(0.0115)(0.0205)speed700.00240***0.00123***0.0.009710.0120(0.)(0.)(0.)(0.0133)(0.0206)ba08-0.00192***-0.00138***-0.0.0463***0.00376(0.)(0.)(0.)(0.0104)(0.0176)drinkage210.0.-0.00113-0.003780.0107(0.)(0.)(0.)(0.0183)(0.0272)lnincome-0.0181***-0.0135***0.006260.337***0.0583(0.00109)(0.00142)(0.00670)(0.0218)(0.256)age-0.0.*0.00132-0.00497*0.0138(0.)(0.)(0.)(0.00242)(0.0231)primary0.300***0.206***(0.0125)(0.0232)secondary0.148***0.109***(0.0106)(0.0134)_cons0.197***0.121***-0.0780-2.819***-0.893(0.00925)(0.00977)(0.0664)(0.203)(2.642)N556556556556556R20.5490.6870.7510.7460.842adj.R2StateEffectsTimeEffects0.5435NoNo0.6509YesNo0.7408YesYes0.7422NoNo0.8355YesYesStandarderrorsinparentheses*p<0.05,**p<0.01,***p<0.001（1）回歸結果如上表第（1）列所示，sb_useage的系數(shù)是0.00407，系數(shù)為正且在1%水平下顯著，說明增加安全帶的使用增加了交通事故死亡率，不會降低死亡人數(shù)。（2）加入州固定效應后回歸結果如上表第（2）列所示，sb_useage的系數(shù)是-0.00577，也就是說，安全帶的使用每增加10%，每百萬米的交通路段死亡率會減少0.。當一個州有更復雜危險的路況（這極可能導致更高的交通事故死亡率），安全帶的使用率就會增加，所以回歸（1）中存在遺漏變量偏差。（3）同時加入時間效應和州固定效應的回歸如上表第（3）列所示。sb_useage的系數(shù)變?yōu)?0.00372，明顯安全帶使用對死亡事故的效應比回歸（1）（2）都小。（4）我認為（3）的回歸形式更可靠，因為回歸（3）同時包含個體和時間固定效應以控制州間不同但時間上相同的變量和隨時間變化但州間相同的變量，adjustedR2值為0.7408，比回歸（1）（2）更接近1，所以（3）的回歸結果更可信。（5）0.00372×（90%-52%）=0.，Stata計算得每個州交通路段平均事故發(fā)生數(shù)為41447，41447×0.=58.6。所以安全帶使用率從52%上升到90%，平均每個州交通路段約挽救58條生命。這說明sb_useage的系數(shù)較大。（6）回歸結果如上表第（4）（5）列所示，primary和secondary的系數(shù)均為正且在0.1%的水平下顯著。沒有加入固定效應的情況下，主要執(zhí)行方法使安全帶使用率上升30%，次要執(zhí)行方法使安全帶使用率上升14.8%。加入州和時間固定效應的情況下，主要執(zhí)行方法使使用率上升20.6%，次要執(zhí)行方法使使用率上升10.9%。（7）0.206-0.109=0.0970.00372×0.097=0.00036從給的數(shù)據(jù)得新澤西州1997年的vmt為6330863308×0.00036≈22.79所以預估2000年這一變化能挽救22條生命。E11.1（1）Two-samplettestwithequalvariancesGroupObsMeanStd.Err.Std.Dev.01,13010011,293100combined2,423100由上圖可知：①所有工作者的吸煙概率：2423÷10000=0.2423②stata計算得smk=1時的樣本數(shù)為6098，所以受工作場所禁止吸煙影響的工作者的吸煙概率：1293÷6098=0.212③stata計算得smk=0時的樣本數(shù)為3902，所以不受工作場所禁止吸煙影響的工作者的吸煙概率：1130÷3902=0.290(1)(2)(3)smokersmokersmokermainsmkban-0.0776***-0.0472***-0.159***(0.00895)(0.00897)(0.0291)female-0.0333***-0.112***(0.00857)(0.0288)age0.00967***0.0345***(0.00190)(0.00688)age2-0.***-0.***(0.)(0.)hsdrop0.323***1.142***(0.0195)(0.0730)hsgrad0.233***0.883***(0.0126)(0.0604)colsome0.164***0.677***(0.0126)(0.0614)colgrad0.0448***0.235***(0.0120)(0.0654)black-0.0276-0.0843(0.0161)(0.0535)hispanic-0.105***-0.338***(0.0140)(0.0494)_cons0.290***-0.0141-1.735***(0.00726)(0.0414)(0.152)N100001000010000R20.0080.057adj.R20.00770.0560（2）建立線性回歸，回歸結果如上表第（1）列所示，可見吸煙概率之差為-0.0776，標準差為0.00895，t值為-8.66，這種差異統(tǒng)計性顯著。（3）回歸結果如上表第（2）列所示，可見吸煙概率之差為-0.0472，禁止吸煙效應比回歸（1）中的要小，顯然（1）中存在遺漏變量偏差，也就是說，工作場所是否禁止吸煙可能與性別、年齡、人種、受教育水平等相關。例如：僅具高中文憑的工人更有可能在不禁止吸煙的場所工作，而大學畢業(yè)生更可能在禁止吸煙的辦公室工作，大學畢業(yè)生相比高中畢業(yè)生吸煙概率更低。（4）smkban=0F(1,9989)=27.76Prob>F=0可見F值為27.76，p值為0<0.05，所以可以拒絕原假設，也即系數(shù)在5%的水平下顯著。（5）(1)hsdrop=0(2)hsgrad=0F(2,9989)=219.6Prob>F=0(1)colsome=0(2)colgrad=0F(2,9989)=95.27Prob>F=0由上表可得，兩個假設檢驗的F值分別為219.6和95.27，p值均為0<0.1，所以可以拒絕原假設，也即說明吸煙概率時依賴于教育水平的。觀察回歸結果，發(fā)現(xiàn)教育水平有關的系數(shù)均為正，隨著受教育水平的提升，系數(shù)變小，所以吸煙概率隨教育水平上升而下降。（6）關系圖如上。上表回歸（2）結果可知Age2的系數(shù)在1%水平下顯著，age和吸煙概率之間存在非線性關系。E11.2（1）probit模型如上表第（3）列所示。（2）(1)smokersmkban=0chi2(1)=29.70Prob>chi2=0可知p值為0<0.05，可以拒絕原假設，也即系數(shù)在5%的水平下顯著。這個t統(tǒng)計量為-5.45，與練習1（4）的-5.27相比兩者非常接近，兩者系數(shù)均在5%的水平下顯著。(1)smokercolsome=0(2)smokercolgrad=0chi2(2)=173.5Prob>chi2=0（3）(1)smokerhsdrop=0(2)smokerhsgrad=0chi2(2)=267.8Prob>chi2=0可知F值分別為267.8和173.5，p值均為0<0.05，所以可以拒絕原假設，也即吸煙概率依賴于教育水平，和練習1（5）的結論是相近的。（4）①沒有遭遇工作場所禁止吸煙規(guī)定的情況下，A吸煙的概率：z=0.0345×20-0.×20×20+1.142-1.735=-0.0902，查標準正態(tài)分布表得A的吸煙概率為0.464②遭遇工作場所禁止吸煙規(guī)定的情況下，A吸煙的概率：z=0.0345×20-0.×20×20+1.142-1.735-0.159=-0.2492，查表得A的吸煙概率為0.401。綜合①②，0.464-0.401=0.063，所以禁止吸煙使吸煙概率下降6.3%。（5）①沒有遭遇工作場所禁止吸煙規(guī)定的情況下，B吸煙的概率：由上表算得z值，查標準正態(tài)分布累積概率函數(shù)表得概率為0.143。②遭遇工作場所禁止吸煙規(guī)定的情況下，B吸煙的概率：由上表算得z值，查標準正態(tài)分布累積概率函數(shù)表得概率為0.110。綜合①②，0.143-0.110=0.033，也即禁止吸煙使吸煙概率下降3.3%。（6）對于A先生：①沒有遭遇工作場所禁止吸煙規(guī)定的情況下：0.00967×20-0.×20×20+0.323－0.0141=0.4495②遭遇工作場所禁止吸煙規(guī)定的情況下：0.00967×20-0.×20×20+0.323－0.0141-0.0472=0.40230.4495-0.4023=0.0472，也即禁止吸煙使吸煙概率下降4.72%對于B女士：①沒有遭遇工作場所禁止吸煙規(guī)定的情況下：0.00967×40-0.×40×40+0.0448－0.0276－0.0141－0.0333=0.1454②遭遇工作場所禁止吸煙規(guī)定的情況下：0.00967×40-0.×40×40+0.0448－0.0276－0.0141－0.0333-0.0472=0.09820.1454-0.0982=0.0472，也即禁止吸煙使吸煙概率下降4.72%（7）線性概率模型最易使用也最容易解釋，但是它無法抓住真實總體回歸函數(shù)的非線性性質，導致禁止吸煙的效應對有著不同特征的總體效應是一樣的。但是對于probit模型，工作場所禁止吸引的邊際效應隨總體特征的不同而變化，就如上述分析，明顯對于A男士而言，禁止吸煙的效應比B女士的更大。也即probit和線性概率模型結果是不同的，相較之下probit更有意義。如上述第（4）問，可知禁止吸煙使吸煙概率下降6.3%，把這一概率應用到龐大的人口數(shù)量，在現(xiàn)實意義下這個效應估計值很大。（8）雙向因果關系偏差威脅內部有效性。比如：煙民可能傾向于找沒有禁止吸煙規(guī)定的工作場所，再比如沒有頒布禁止吸煙規(guī)定前，某個地方的煙民可能本來就比另外一個地方的煙民少。E11.3(1)(2)(3)(4)(5)(6)insuredinsuredinsuredhealthyhealthyhealthyselfemp-0.128***-0.175***-0.212***0.01010.0196*0.0133(0.0148)(0.0140)(0.0633)(0.0079)(0.00805)(0.00788)age0.0101***0.0103***0.-0.00142(0.00272)(0.00274)(0.00172)(0.00179)age2-0.*-0.*-0.0.(0.)(0.)(0.)(0.)healthy0.0349*0.0350*(0.0177)(0.0177)anylim0.002010.00199-0.125***(0.0117)(0.0117)(0.0113)male-0.0373***-0.0375***0.0144**(0.00796)(0.00796)(0.00541)deg_nd-0.361***-0.361***-0.128***(0.0256)(0.0256)(0.0180)deg_ged-0.212***-0.212***-0.0753***(0.0310)(0.0310)(0.0216)deg_hs-0.111***-0.111***-0.0308*(0.0216)(0.0216)(0.0145)deg_ba-0.0493*-0.0496*-0.0115(0.0222)(0.0222)(0.0148)deg_ma-0.0300-0.0304-0.0102(0.0232)(0.0232)(0.0166)deg_oth-0.0774**-0.0777**-0.0196(0.0246)(0.0246)(0.0163)married0.136***0.136***-0.(0.0101)(0.0101)(0.00652)familysz-0.0168***-0.0168***-0.00262(0.00318)(0.00318)(0.00212)reg_mw0.01580.01570.0123(0.0114)(0.0114)(0.00783)reg_so-0.0335**-0.0336**0.(0.0110)(0.0110)(0.00762)reg_we-0.0369**-0.0371**-0.(0.0125)(0.0125)(0.00828)race_ot-0.0197-0.0196-0.00842(0.0258)(0.0258)(0.0175)race_wht0.0268*0.0268*0.0260**(0.0133)(0.0133)(0.00912)Age×selfemp0.(0.00139)_cons0.817***0.638***0.636***