请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码下载APP
题目内容
（请给出正确答案）
利用BWGHT.RAW中的数据，可估计出如下方程：
变量定义和教材例4.9中一样，但我们增加了两个虚拟变量：一个虚拟变量表明孩子是不是男孩，另一个虚拟变量则表明这个孩子是不是白人。
(i)在第一个方程中，解释变量cigs的系数。具体而言，每天多抽10根烟对婴儿出生体重有何影响？
(ii)在第一个方程中，保持其他因素不变，预计一个白人孩子的出生体重比一个非白人孩子重多少？这个差异是统计显著的吗？
(iii)评价motheduc的估计影响和统计显著性。
(iv)从这些给定信息中，为什么不能计算出检验motheduc和fatheduc联合显著性的F统计量？为了计算这个统计量，还需要做些什么？
答案
更多“利用BWGHT.RAW中的数据，可估计出如下方程： 变量定义和教材例4.9中一样，但我们增加了两个虚拟”相关的问题
第1题
健康官员(和其他人)所关心的一个问题是，孕妇在怀孕期间抽烟对婴儿健康的影响。对婴儿健康的度量方法之一是婴儿出生时的体重;过低的出生体重会使婴儿有感染各种疾病的危险。由于除了抽烟之外，其他影响婴儿出生体重的因素可能与抽烟相关，所以我们应该考虑这些因素。比如，高收入通常会使母亲得到更好的产前照顾和更好的营养。表达这一点的方程是
(i)β2的符号最可能是什么？
(ii)你是否认为cigs与faminc可能相关？解释为什么可能是正相关或负相关。
(iii)现在利用BWGHT.RAW中的数据分别估计包含和不包含faminc的方程。以方程的形式报告结论，包括样本容量和R。讨论你的结论，主要看增加faminc是否会显著改变cigs对bwght的估计影响.
第2题
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？
第3题
bwght=119.77-0.514cigs
(i)当cigs=0时，预计婴儿的出生体重为多少？当cigs=20(每天一包)时呢？评价其差别。
(ii)这个简单回归能够得到婴儿出生体重和母亲抽烟习惯之间的因果关系吗？请解释。
(iii)要预测出生体重125盎司，cigs应该为多少？
(iv)样本中在怀孕期间不抽烟的妇女比例约为0.85。这有助于解释第(iii)部分中的结论吗？
第4题
本题利用AIRFARE.RAW中的数据。在一个联立方程非观测效应模型中， 需求方程为：
其中我们把航线距离变量放到ait中。
(i)利用固定效应模型估计需求函数，为了解释不同的截距，必须包括年度虚拟变量。弹性估计值是多少？
(ii)利用固定效应模型估计如下约简型方程：
进行适当的检验， 以保证concenit 可用作log(fareit ) 的一个工具变量。
(iii)现在，就像在方程(16.42)中一样，利用固定效应变换和工具变量法估计这个需求函数。现在的估计弹性是多少？它在统计上显著吗？
第5题
利用LOANAPPRAW中的数据;也可参见第7章的计算机练习C8。
(i)估计一个approve对white的概率单位模型。求出白人和黑人贷款许可的估计概率。与线性概率估计值相比如何？
(ii)现在在这个概率单位模型中增加变量hrat、obrat、loanpre、unem、male、married、dep、sch、cosign、chist、pubrec、mortlatl、mortlat2和vr。有对非白人歧视的统计上显著的证据吗？
(iii)用对数单位估计模型的第(ii)部分，将white的系数与概率单位估计值相比较。
(iv)使用教材方程(17.17)估计在概率单位模型和对数单位模型中歧视效应的大小。
第6题
本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。
(i)从加速数模型
中求出OLS残差，并用
回归来检验是否存在序列相关。p的估计值是多少？序列相关看起来是多大的问题？
(ii)用PW估计这个加速数模型，并将β1的估计值与OLS估计值进行比较。你为什么预期它们很相似？
第7题
利用SLEEP 75.RAW中的数据(也可参见习题3.3) ， 我们得到如下估计方程
变量sleep是每周晚上睡眠的总分钟数， ton work是每周花在工作上的总分钟数， educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之问有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个虚拟假设，你还需要另外做什么回归？
第8题
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧对立假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告H0：βlog(hseval)=0的双侧p值。
(iv) 在第(ii) 部分的回归中， log(income) 和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个邮区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
第9题
(i)在数据集JTRAIN2.RAW中，男人参加工作培训的比例是多大？在JTRAIN3.RAW中的比例又是多大？你认为为什么存在这么大的差距？
(ii)利用JTRAIN2.RAW，做re78对train的简单回归。参与工作培训对真实工资的估计影响有多大？
(ii)现在，在第(ii)部分的回归中增加控制变量re74，re75，educ，age，black和hisp。工作培训对re78的估计影响变化大吗？何以至此？(提示：记得这些都是实验数据。)
(iv)利用JTRAIN3.RAW中的数据做第(ii)部分和第(iii)部分的回归，只报告train的估计系数及其：统计量。现在，控制额外因素的影响如何？为什么？
(v)定义avgre=(re74+re75)/2。求这两个数据集中的样本均值、标准差、最小值和最大值。这些数据集代表了1978年同样的总体吗？
(vi)在数据集JTRAIN2.RAW中，几乎96%的男性的avgre低于10000美元。只利用这些男性的数据，做re78对train，re74，re75，educ，age，black和hisp的回归，并报告培训估计值及其：统计量。对JTRAIN3.RAW
也只利用avgre ≤10的男性做同样的回归。就这个低收入男性子样本而言，实验数据集和非实验数据集估计的培训效应有何差别？
(vii)现在，只针对1974年和1975年失业的男性，利用每个数据集做re78对train的简单回归。培训的估计值又有何差别？
(viii)利用你前面的回归结果，试讨论在比较实验估计值和非实验估计值的背后，拥有可比较总体的潜在重要性。
第10题
利用AIRFARE.RAW中的数据。我们的兴趣在于估计模型
其中，θt意味着，我们容许每年的截距有所不同。
(i)用混合OLS估计上述方程，注意包含年度虚拟变量。若Δconcen=0.10，估计fare提高了多少个百分点？
(ii)的通常OLS的95%置信区间是什么？它为什么可能不太可靠？如果你有能计算充分稳健标准误的统计软件，求出β1的充分稳健的95%置信区间。与通常的置信区间相比较，并评论。
(iii)描述log(dist)的二次项出现的情况。特别是，dist取何值时，log(fare)和dit之间开始出现正向关系。[提示：首先计算log(dist)的转折点，然后取指数。]转折点出现在数据范围之外吗？
(iv)现在用随机效应法估计方程。β1的估计值有何变化？
(v)现在用固定效应法估计方程。β1的FE估计值是多少？它为何与RE估计值相当类似？(提示：RE估计的入是多少？)
(vi)指出由ai刻画的两个航线特征(除起降距离之外)。这些特征可能与concenit相关吗？
(vii)你相信航线更集中会提高飞机票价吗？最佳估计值是什么？
