原假设与备择假设之间的关系是？（)

A.可以放心地接受原假设

B.没有充足的理由否定原假设

C.没有充足的理由否定备择假设

D.备择假设是错误的

本题要用到HTV.RAW中的数据。

(i)考虑一个加入了父母受教育程度变量的工资方程

表述原假设：父亲与母亲的受教育程度对log(wage)具有相同影响。

(ii)估计第(i)部分中的模型，同时谈谈你对β，和队大小的看法。

(iii)在5%的显著性水平上，相对于双侧备择假设，通过构造一个95%的置信区间来检验第(i)部分中的原假设。你得到的结论是什么？

A.H₁为真，接受H₁

B.H₁不真，接受H₁

C.H₁为真，拒绝H₁

D.H₁不真，拒绝H₁

考虑一个用企业年销售额、股本回报率(roe，以百分数表示)和企业股票的回报(ros，以百分数表示)来解释CEO薪水的如下方程：

(i)用模型参数来表述如下原假设：在控制了sales和roe后，ros对CEO的薪水没有影响。再给出备择假设的参数表述：股票市场更好的业绩会提高CEO的薪水。

(ii)使用CEOSAL1.RAW中的数据，通过OLS可以得到如下方程：

如果ros提高50个百分点，预计salary会提高多大比例？ros对salary具有实际上很大的影响吗？

(iii)检验ros对salary没有影响的原假设，备择假设是具有正效应。在10%的显著性水平上进行检验。

(iv)你最后会在一个用企业业绩表示CEO报酬的模型中包括ros吗？给出你的解释。

A.Ⅱ型错误是把非真实差异错判为真实差异，即无效假设为真，却未否定备择假设

B.Ⅰ型错误是把真实差异错判为非真实差异，即无效假设为真，却接受了备择假设

C.Ⅰ型错误是把非真实差异错判为真实差异，即备择假设为真，却接受了无效假设

D.Ⅱ型错误是把真实差异错判为非真实差异，即备择假设为真，却未否定无效假设

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.μd=0

B.μd≠0

C.μ1=μ2

D.μ1≠μ2

E.μ≠μ0

A.原、被告之问发生纠纷的1000元的借款

B.原、被告之间发生名誉受到诽谤的伤害

C.原、被告之间发生的起诉与被起诉的关系

D.原、被告之间发生的抢劫与被抢劫的施、受害关系

本题使用JTRAIN.RAW中的数据。

(i)考虑简单回归模型

其中，scrap表示企业的废品率，grant表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗？

(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗？

(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响？解释grant的系数。相对于单侧备择假设它在5%的显著性水平上统计显著吗？

(iv)相对双侧备择假设，检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。

(v)利用异方差-稳健标准误，重复第(iii)步和第(iv)步，并简要讨论任何明显的差异。