在单因素方差分析中，拒绝备择假设HA：至少一个αi≠0，即表明k个处理间差异显著或极显著。（)

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。

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.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

A.一致的

B.相互独立的

C.高度相关的

D.相互对立的

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

A.μd=0

B.μd≠0

C.μ1=μ2

D.μ1≠μ2

E.μ≠μ0

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。

利用INTQRT.RAW中的数据。

在教材例18.7中，我们估计了六月期国库券持有期收益率的一个误差修正模型，其中三月期国库券持有期收益率的一阶滞后为解释变量。我们假定在方程中的协整参数为1。现在，添加Δhy3_t-1的先导变化Δhy3_t、同期变化Δhy3_t-1和滞后变化Δhy3_t-2。即估计方程

并用方程形式报告结果。相对于双侧备择假设，检验H：β=1.假定方程中已经有了足够多的先导和滞后，使得{hy3_t-1}在这个方程中是严格外生的，我们不必担心序列相关。

(ii)在教材(18.39)中的误差修正模型中，添加{hy3_t-1}和{hy6_t-2-hy3_t-3}。这两项是联合显著的吗？你认为怎样才是适当的误差修正模型？