题目内容
（请给出正确答案）
用WAGE2.RAW中有关男工人的数据估计了如下方程：
educ=10.36-0.094sibs+0.13lmeduc+0.210feduc
n=722,R2=0.214.
其中，educ是受教育年数，sibs是兄弟姐妹的个数，meduc是母亲受教育的年数，feduc则是父亲受教育的年数。
(i)sibs是否具有预期的影响？请给出解释。保持meduc,feduc不变，为了使预测的受教育程度减少一年，需要sibs增加多少？(这里不要求答案为整数。)
(ii)讨论对meduc的系数的解释。
(iii)假设一个男工人A没有兄弟姐妹，其父母都接受了12年的教育。另一个男工人B也没有兄弟姐妹，但其父母都接受了16年的教育。预计B和A所接受教育的年数差别为多少？
如果结果不匹配，请 联系老师 获取答案
更多“用WAGE2.RAW中有关男工人的数据估计了如下方程： ed…”相关的问题
用WAGE2-RAW中有关男工人的数据估计了如下方程：
其中，educ是受教育年数，sibs是兄弟姐妹的个数，meduc是母亲受教育的年数，feduc则是父亲受教育的年数。
(i)sibs是否具有预期的影响？请给出解释。保持meduc、feduc不变，为了使预测的受教育程度减少一年，需要sibs增加多少？(这里不要求答案为整数。)
(ii)讨论对meduc的系数的解释。
(iii)假设一个男工人A没有兄弟姐妹，其父母都接受了12年的教育。另一个男工人B也没有兄弟姐妹，但其父母都接受了16年的教育。预计B和A所接受教育的年数差别为多少？
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？
(i)求出样本中的平均工资和平均IQ。IQ的样本标准差是多少？(总体中的IQ已标准化为平均值是100，标准差是15。)
(ii)估计一个简单回归模型，其中IQ提高一个单位导致wage变化相同的数量。利用这个模型计算IQ提高15个单位时，工资的预期变化。10能够解释大多数工资波动吗？
(iii)现在再估计一个模型，其中IQ提高一个单位对工资具有相同的百分比影响。如果IQ提高15个单位，预期工资提高的百分比大约是多少？
使用WAGE2.RAW中的数据。
(i)估计模型
并以通常的形式报告结果。保持其他因素不变，黑人和非黑人之间的月薪差异近似为多少？这个差异是统计显著的吗？
(ii)在这个方程中增加变量exper和tenure²，证明即便在20%的显著性水平上，它们也不是联合显著的。
(iii)扩展原模型，使受教育回报取决于种族，并检验受教育的回报是否的确取决于种族。
(iv)再回到原模型，但现在容许四个不同人群(已婚黑人、已婚非黑人、单身黑人和单身非黑人)的工资有差别。估计已婚黑人和己婚非黑人之间的工资差异是多少？
(i)暂不考虑家庭的聚类特征， 用OLS估计模型
其中变量定义在数据集中给出。我们最感兴趣的变量是choice， 它是一个虚拟变量， 如果一个人选择了如何在不同的投资之间配置其养老金，这个变量就等于1。choice的影响估计值是多少？它在统计上显著吗？
(ii)收入、财富、拥有股票和拥有个人退休金账户这些控制变量重要吗？请加以解释。(iii)确定数据集中有多少个不同的家庭。
(iv)现在， 求对家庭内聚类相关保持稳健的OLS标准误。它们与通常的OLS标准误差别大吗？你感到意外吗？
(v)通过对同一个家庭内的夫妻进行差分来估计这个方程。你在第(ii)部分中提到的解释变量为什么在差分估计时被去掉了？
(vi)第(v)部分中剩下的解释变量显著吗？你感到意外吗？
利用PHILLIPS.RAW中的数据。
(i)用直至1997年的数据估计教材(18.48)和(18.49)中的模型。参数估计值与教材(18.48)和教材(18.49)中的结果相比有很大不同吗？
(ii)用新方程预测unem1998，小数点后保留两位数。哪个方程预测得更好？
(ii)我们在正文中讨论过，用教材(18.49)预测unem1998为4.90.把它与利用直至1997年的数据得到的预测相比较。多用一年数据求得的参数估计值能给出更好的预测吗？
(iv)用教材(18.48)中估计的模型求出unem的提前两期预测值。即利用α=1.572，p=0.732，h=2时的教材方程(18.55)预测unem与把unem1997=4.9代入教材(18.48)所得到的提前一期预测值相比，哪一个更好？
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？
利用401KSUBS.RAW中的数据，只使用未婚人士的数据(fsize=1)。我们关心的等式如下：
(i)利用OLS估计这个方程，按照通常形式报告结果，并解释e401k的系数。
(ii)利用布罗施-帕甘检验，使用OLS残差检验异方差性。u看上去独立于解释变量吗？
(iii)用LAD估计这个方程，并以对OLS同样的方式报告结果。解释e401k的系数。
(iv)调和第(i)部分和第(iii)部分的结论。
测量次数 1 2 3 4 球体直径d(mm) 19.881 19.885 19.880 19.884 请将球体直径d的数据处理过程及测量结果报道依次填入相应表达式中。若该螺旋测微器的零点读数为-0.003mm，请给出球体直径d 的最佳估值和测量结果报道填入相应表达式。 （1）
；（2）
；（3）
，则
=，
=,审查无可疑数据；（4）
；（5）
；（6）
； （7）
；（8）
（
）； （9）零点读数为-0.003mm时，
； （10）零点读数为-0.003mm时，（）。
A.根据商家最近-年的经营及服务数据，用聚类算法判断出天猫商家在各自主营类目下所属的商家层级
B.根据商家近几年的成交数据，用聚类算法拟合出用户未来-个月可能的消费金额公式
C.用关联规则算法分析出购买了汽车坐垫的买家，是否适合推荐汽车脚垫
D.根据用户最近购买的商品信息，用决策树算法识别出淘宝买家可能是男还是女
