题目内容
（请给出正确答案）
本题使用CRIME 3.RAW中的数据。
(iii)估计第(ii)部分中的方程。与式(13.22)比较调整R2。你最后会选用哪一个模型？
如果结果不匹配，请 联系老师 获取答案
更多“本题使用CRIME 3.RAW中的数据。(iii)估计第(i…”相关的问题
本题利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？
本题使用LOANAPP.RAW中的数据。
(i)有多少个观测的obrat＞40，即其他债务负担超过其总收入的40%？
(ii)在计算机习题C7.8中，去掉o brat 40的观测，重新估计第(iii)部分中的模型。white的系数估计值和t统计量将会怎样？
(iii)
看起来对所使用的样本过度敏感吗？
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43)，但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数，并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法，你得到什么结论？
本题要利用LAWS CH 85.RAW中的数据。
(i)使用与第3章习题4一样的模型，表述并检验虚拟假设：在其他条件不变的情况下，法学院排名对起薪中位数没有影响。
(ii)新生年级的学生特征(即LSAT和GPA) 对解释salary而言是个别或联合显著的吗？
(iii)检验是否要在方程中引入入学年级的规模(clsize) 和教职工的规(faculty) ; 只进行一个检验。(注意解释clsize和faculty的缺失数据。)
(iv)还有哪些因素可能影响到法学院排名，但又没有包括在薪水回归中？
本题需要使用ELEM 94-95中的数据， 也可参见计算机习题C 4.10。
(i) 利用所有数据， 将lavg sal对bs， lenrol， Istaff和lunch进行回归。报告bs的系数及其常用标准误和异方差-稳健标准误。你对
的经济显著性和统计显著性得到什么结论？
(ii)现在去掉四个bs＞0.5的观测，即平均福利(假设)占平均薪水50%以上的观测。bs的系数又是多少？利用异方差-稳健标准误来判断，它在统计上显著吗？
(iii)验证bs＞0.5的四个观测分别为68、1127、1508和1670。为它们各定义一个虚拟变量。(你可以称它们为d68、d1127、d 1508和d 1670.) 把它们添加到第(i) 部分的回归中， 验证其他变量的OLS系数及其标准
误与第(ii)部分中的结果相同。在5%的显著性水平上，这四个虚拟变量中哪个变量的t统计量在统计上显著不等于0？
(iv)在这个数据集中，验证第(iii)部分回归中具有最大学生化残差(该虚拟变量的t统计量最大)的数据点对OLS估计值具有很大的影响。(即利用除去具有最大学生化残差的数据点之外的所有观测进行OLS回归。)依次去掉bs＞0.5的每个观测都具有重要影响吗？
(v) 即便在大样本中， 就OLS对单个观测的敏感性而言， 你有何结论？
(vi) 在第(iji) 部分， 验证LAD估计量对包含这些观测不是很敏感。
本题利用数据集MEAO0_01.RAW中的数据。
(i)用OLS估计方程
(iv)求容许方差函数被误设的WLS标准误。它与通常的WLS标准误有很大的不同吗？
(v)为了估计支出对math 4的影响， OLS与WLS哪一个看起来更准确？
本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte-1.
(i) 将mrd rte对exec和une lTY进行回归。exec的系数和：统计量是多少？这一回归能为死刑的震慑作用提供什么证据吗？
(ii)1993年得克萨斯州报告的死刑人数有多少？(实际上，这是当年和过去两年死刑人数之和。)这个人数与其他州相比如何？在第(i)部分的回归中增加表示得克萨斯州的虚拟变量。它的t统计量异常之大吗？由此看来，得克萨斯看上去是“异常数据”吗？
(iii)在第(i)部分的回归中增加谋杀率的滞后变量。
及其统计显著性又有何变化？
(iv)在第(ii)部分的回归中，得克萨斯看上去是“异常数据”吗？在回归中去掉得克萨斯对有何影响？
本题要用到WAGE2.RAW中的数据。
(i)考虑一个标准的工资方程
表述虚拟假设：多一年工作经历与在现在的岗位上多工作一年对log(wage) 具有相同影响。
(ii)在5%的显著性水平上，相对于双侧对立假设，通过构造一个95%的置信区间来检验第(i)部分中的虚拟假设。你得到的结论是什么？
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？
(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii) 现在， 针对模型
在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
