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?
利用FRINGE.RAW中的数据。
(i)样本中有多大百分比的工人pension等于0?对于养老金不等于0的工人,pension的取值范围为多大?为什么托宾模型适合于模型化pension?
(ii)估计一个用exper、age、tenure、educ、depends、married、white和male解释pension的托宾模型。白人和男性的养老金统计上显著地高一些吗?
(iii)对于同样35岁、单身无赡养负担、受16年教育和有10年工作经验的一个白人男子和一个非白人女子,利用第(ii)部分中的结果估计其期望养老金的差异。
(iv)在这个托宾模型中添加union,并评论其显著性。
(v)以养老金-收益比peratio作为因变量,再做第(iv)部分中的托宾模型。(注意这个比值介于0和1之间,但常常取值0,而永远也不会接近1。因此用托宾模型作为一个近似很好。)性别或种族对养老金-收益比有影响吗?
A.犯第一类错误的风险增加
B.犯第二类错误的风险增加
C.犯两类错误的风险均降低
D.犯两类错误的风险均增加
A.Test(inequality)
B.Test(non-zeronull)
C.Non-inferiority
D.equivalence
E.以上都不对
A.Logrank
B.Coxregression
C.Exponentialmeans
D.Tools
E.以上都不是