题目内容
（请给出正确答案）
本题使用LOANAPP.RAW中的数据。
(i)有多少个观测的obrat＞40，即其他债务负担超过其总收入的40%？
(ii)在计算机习题C7.8中，去掉o brat 40的观测，重新估计第(iii)部分中的模型。white的系数估计值和t统计量将会怎样？
(iii)
看起来对所使用的样本过度敏感吗？
如果结果不匹配，请 联系老师 获取答案
更多“本题使用LOANAPP.RAW中的数据。（i)有多少个观测的…”相关的问题
本题要用到MLB1.RAW中的数据。
(i)从以下模型中去掉变量rbisyr。hrunsyr的统计显著性会如何变化？hrunsyr的系数大小又会如何变化？
(ii)在第(i)部分的模型中增加变量rusyr(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？
(ii)在第(ii)部分的模型中，检验bavg，fldperc和sbasesyr的联合显著性。
本题利用HPRICE1.RAW中的数据。
(i)估计模型
并以通常的OLS格式报告结论。
(ii)当lotsize=20000，scrft=2500和bdrms=4时，求出log(price) 的预测值。利用6.4节中的方法，在同样的解释变量值的情况下，求出price的预测值。
(iii)就解释price中的变异而言，决定你是偏好第(i)部分中的模型，还是偏好模型
本题利用数据集401KSUBS.RAW。
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
本题要用到TRAFFIC2.RAW中的数据。加州1981年至1989年交通事故的这些月度观测在第10章计算机习题11中曾被使用过。
(i)利用标准的迪基-富勒回归， 检验Itotacc， 是否具有单位根。在2.5%的显著性水平上， 你能拒绝单位根的存在吗？
(ii)现在，在第(i)部分的检验中增加两个滞后变化，并计算增广迪基-富勒检验。你得到什么结论？
(iii)在第(ii) 部分的ADF回归中增加一个线性时间趋势变量。现在情况又将如何？
(iv)根据第(i) 部分至第(ii) 部分的结论， 你认为对I to tacc， 的最好刻画是：一个Ⅰ(1)过程还是一个含有线性时间趋势的Ⅰ(O)过程？
(v)在一个ADF回归中， 利用两个滞后项来检验致死交通事故百分数pre fat是否存在单位根。在此情形中，包含一个线性时间趋势与否是否有关系？
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？
(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii) 现在， 针对模型
在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)
(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，相对一个双侧备择假设，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
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，在确定一个地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？
(i)将lavgsal对bs进行简单回归。斜率估计值在统计上显著异于0吗？它在统计上显著地异于-1吗？
(ii)在第(i)部分的回归中增加变量lenrol和istaff。bs的系数有何变化？这种情形与教材表4-1中的情形相比如何？
(iii)第(ii)部分中bs系数的标准误为何比第(i)部分中的标准误更小？(提示：当增加变量lenrol和Istaff后，对误差方差和多重共线性会造成什么样的影响？)
(iv)Istaff的系数为何为负？它的绝对值算大吗？
(v)在回归中再添加变量lunch。保持其他条件不变，教师会因教育那些家庭条件不好的学生而得到补偿吗？请解释你的结论。
(vi)总之，你利用ELEM94_95.RAW得到的结论，与教材4-1在形式上一致吗？
(i) 估计一个将respond与resplast和avggift联系起来的线性概率模型。以通常的形式报告结果， 并解释变量resplast的系数。
(ii)过去捐助的平均水平看来会影响做出捐助响应的概率吗？
(iii) 在模型中增加变量propres p并解释其系数。(这里须注意， propresp增加1是最大可能变化。)
(iv) 在回归中增加propres p以后， resp last的系数有何变化？这讲得过去吗？
(v) 在模型中增加每年寄出邮件的数量mail year。它的估计影响有多大？为什么它不是邮件数量对响应的因果关系的一个较好的估计？
