如果结果不匹配，请 
更多“分类变量数据比如性别、年级等可以计算比例，也可以进行加减运算…”相关的问题
A.应该每个实验只测试一个变量，如果一个实验测试多个变量(比如价格和颜色)就不知道是哪个变量对改进起了作用
B.每个实验可以测试多个变量，便于分析多个变量数据情况
C.没有必要进行A/Btest，浪费精力和消耗
D.A/Btest可以用来验证用户体验，广告效果等是否正常
利用GPA2.RAW中的数据，可估计出如下方程：
变量sat是SAT的综合分数，hsize是以百人计的学生所在高中毕业年级的学生规模，female是一个性别虚拟变量，而black是一个种族虚拟变量(黑人取值1，其他人则取值0)。
(i)有很强的证据支持模型中应该包括hsize”吗？从这个方程来看，最优的高中规模是什么？
(ii)保持hsize不变，非黑人女性和非黑人男性之间SAT分数的估计差异是多少？这个估计差异的统计显著性如何？
(iii)非黑人男性和黑人男性之间SAT分数的估计差异是多少？检验其分数没有差异的原假设，备择假设是他们的分数存在差异。
(iv)黑人女性和非黑人女性之间SAT分数的估计差异是多少？为了检验这个差异的统计显著性，你需要怎么做？
A.拒绝零假设
B.接受零假设
C.认为零假设正确
D.认为零假设错误
A.数值型数据
B.字节型数据
C.文本型数据
D.对象型数据
使用数据集TWOYEAR.RAW.
(i)变量phsrank表示一个人的高中百分位等级。(数字越大越好。比如90意味着，你的排名比所在班级中90%的同学更高。)求出样本中phsrank的最小、最大和平均值。
(ii)在方程(4.26)中增加变量phsrank，并照常报告OLS估计值。phsrank在统计上显著吗？高中排名提高10个百分位点，能导致工资增加多少？
(iii)在方程(4.26)中增加变量phsrank显著改变了2年制和4年制大学教育回报的结论了吗？请解释。
(iv)数据集包含了一个被称为id的变量。你若在方程(4.17)或(4.26)中增加id，预计它在统计上不会显著，解释为什么？双侧检验的p值是多少？
