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）
本题使用GPA2.RAW中的数据。
(i)考虑方程
其中，colgpa表示累积的大学GPA，hsize表示高中毕业年级以百人计的规模，hsperc表示在毕业年级中学术排名的百分位，sat表示SAT综合分数，female是一个二值变量，而athlete也是一个运动员取值1的二值变量。你对这个方程中的系数有何预期？哪些你没有把握？
(ii)估计第(i)部分中的方程，并以通常的形式报告结果。估计运动员和非运动员之间GPA的差异是多少？它是统计显著的吗？
(ii)从模型中去掉sat并重新估计这个方程。现在，作为运动员的估计影响是多大？讨论为什么这个估计值不同于第(ii)部分的结论。
(iv)在第(i)部分的模型中，容许作为运动员的影响会因性别不同而不同。检验如下原假设：在其他条件不变的情况下，女生是否是运动员没有差别。
(v)sat对colgpa的影响会因性别不同而不同吗？讲出你的根据。
答案
更多“本题使用GPA2.RAW中的数据。 （i)考虑方程 其中，colgpa表示累积的大学GPA，hsize表示高中毕业年”相关的问题
第1题
本题使用WAGE2.RAW中的数据。一般地，保证如下所有回归都含有截距。
(i)将IQ对educ进行简单回归，并得到斜率系数
第2题
本题利用WAGE1.RAW中的数据。
(i)使用OLS估计方程
(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？
第3题
本题使用INFMRT.RAW中1990年的数据。
(i)重新估计方程(9.43)，但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数，并评论其大小和显著性。
(ii)将第(i)步所得到的估计值和标准误与方程(9.44)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法，你得到什么结论？
第4题
本题使用CRIME4.RAW。
(i)在数据集中增加每个工资变量的对数，然后用一阶差分估计模型。问这些变量的引入如何影响例13.9中那些司法变量的系数？
(ii)第(i)部分中的工资变量都有预期的符号吗？它们是联合显著的吗？试解释。
第5题
本题使用INJURY.RAW中的数据。
(i) 使用肯塔基州的数据， 增加male， married以及全套行业和工伤类型虚拟变量作为解释变量， 重新估计方程(13.12)。在控制了这些其他因素后， afchnge-high earn的估计值有何变化？这个估计值仍然统计显著吗？
(ii)你对第(i)部分中较小的R°有什么看法？这是否意味着这个方程无用呢？
(iii)用密歇根州的数据估计方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗？你对此如何解释？
第6题
利用GPA2.RAW中有关4137名大学生的数据，用OLS估计了如下方程：
colgpa=1.392-0.0135hsperc+0.00148sat
n=4137,R2=0.273
其中,colgpa以四分制度量,hsperc是在高中班上名次的百分位数(比方说,hsperc=5,就意味着位于班上前5%之列),而sat是在学生能力测验中数学和语言的综合成绩。
(i)为什么hsperc的系数为负也讲得通？
(ii)当hsperc=20和sat=1050时，大学GPA的预测值是多少？
(iii)假设两个在高中班上具有同样百分位数的高中毕业生A和B,但A学生的SAT分数要高出140分(在样本中相当于一倍的标准差),那么,预计这两个学生的大学GPA相差多少？这个差距大吗？
(iv)保持hsperc不变，SAT的分数相差多少，才能导致预测的colgpa相差0.50或四分制的半分？评论你的结论。
第7题
本题要用到MLB1.RAW中的数据。
(i)使用方程(4.31)中所估计的模型，并去掉变量rbisyr。hrunsyr的统计显著性会怎么样？hrunsyr的系数大小又会怎么样？
(ii)在第(i) 部分的模型中增加变量runsyr(每年垒得分)，fldperc(防备率)和sbasesyr(每年盗垒数) 。这些因素中，哪一个是个别显著的？
(iii)在第(ii)部分的模型中， 检验bavg， fldperc和sbasesyr的联合显著性。
第8题
本题使用CARD.RAW中的数据。
(i)表15.1中，教育回报的ⅣV和OLS估计值之间存在经济上重要的差异。从式(15.32)中得到约简型残差
。(回归中包含的其他变量可参见表15.1.)用这些来检验educ是否外生; 也就是说，判断OLS与Ⅳ之间的差异在统计上是否显著。
(ii)增添nearc2作为工具，用2SLS估计方程。educ的系数变化很大吗？
(iii)检验第(ii)部分中的单个过度识别约束。
第9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10题
本题使用KIELMC.RAM中的数据。
(i)变量dist是从每个房屋到焚烧炉位置的英尺距离。考虑模型
(ii)估计第(i)部分中的模型并按通常的方式报告结果。解释y 81-log(dit)的系数。你得到什么结论？
(iii)在方程中增加age， age2， rooms， baths， log(int st)， log(land) 和log(area)。现在， 你对焚烧？对房屋价值的影响会作出什么结论？
(iv)为什么在第(ii)部分log(dist)的系数为正并且统计显著， 而在第(ii)部分却不是这样？这说明了第(iii)部分中控制变量的什么？
