利用补充练习题3-18的数据。假设你被告知对鸡肉的真实的需求函数是 lnY=β0+β1lnX+β2lnP1+μ 而你却估计了原
利用补充练习题3-18的数据。假设你被告知对鸡肉的真实的需求函数是
lnY=β0+β1lnX+β2lnP1+μ
而你却估计了原模型
lnY=β0+β1lnX+β2lnP1+β2lnP2+β3lnP3+μ
请对这两个模型进行偏误设定的RESET检验。
利用补充练习题3-18的数据。假设你被告知对鸡肉的真实的需求函数是
lnY=β0+β1lnX+β2lnP1+μ
而你却估计了原模型
lnY=β0+β1lnX+β2lnP1+β2lnP2+β3lnP3+μ
请对这两个模型进行偏误设定的RESET检验。
MEAPO1.RAW中的数据是2001年密款根州的数据。利用这些数据回答如下问题。
(i)求出math 4的最大值和最小值。这个范围合理吗?请解释。
(ii)有多少学校在数学测试中有100%的通过率?占整个样本的百分比是多少?
(iii)有多少学校的数学通过率刚好是50%?
(iV)比较数学和阅读的平均通过率。哪个测试更难通过?
(V) 求出math4和read4之间的相关系数。你得到的结论是什么?
(Vi)变量exppp是平均每个学生的支出。求出exppp的平均值和标准差。你认为学生均支出存在大幅差异吗?
(Vii)假设学校A平均每个学生支出6000美元, 学校B平均每个学生支出5500美元。学校A的支出超过学校B的支出百分之多少?与根据自然对数之差近似的百分比差异100x[log(6000)-log(5500)] 进行比较。(参见附录A中的A.4节。)
式中,trngpa表示本学期的GPA,crsgpa表示所修全部课程加权平均的GPA,cumgpa表示本学期前的GPA,tothrs表示此学期前总学分,sat表示SAT分数,hsperc表示其在高中班级排名的百分位,female是一个性别虚拟变量,而season也是一个虚拟变量,并在该学生在秋季参加学生运动赛事时取值1。通常的标准误和异方差-稳健的标准误分别报告于圆括号和方括号中。
(i)变量crsgpa、cungpa和tothrs都有预期的估计效应吗?这些变量中有哪些在5%的显著性水平上是统计显著的?使用不同的标准误是否有什么影响?
(ii)为什么虚拟假设有意义?利用这两种标准误,在5%的显著性水平上针对双侧备择假设检验这个虚拟假设。描述你的结论。
(iii)利用两种标准误来检验参加体育赛事对学期GPA是否有影响。拒绝原假设的显著性水平与所用的标准误有关系吗?
本题需要使用ELEM 94-95中的数据, 也可参见计算机习题C 4.10。
(i) 利用所有数据, 将lavg sal对bs, lenrol, Istaff和lunch进行回归。报告bs的系数及其常用标准误和异方差-稳健标准误。你对的经济显著性和统计显著性得到什么结论?
(ii)现在去掉四个bs>0.5的观测,即平均福利(假设)占平均薪水50%以上的观测。bs的系数又是多少?利用异方差-稳健标准误来判断,它在统计上显著吗?
(iii)验证bs>0.5的四个观测分别为68、1127、1508和1670。为它们各定义一个虚拟变量。(你可以称它们为d68、d1127、d 1508和d 1670.) 把它们添加到第(i) 部分的回归中, 验证其他变量的OLS系数及其标准
误与第(ii)部分中的结果相同。在5%的显著性水平上,这四个虚拟变量中哪个变量的t统计量在统计上显著不等于0?
(iv)在这个数据集中,验证第(iii)部分回归中具有最大学生化残差(该虚拟变量的t统计量最大)的数据点对OLS估计值具有很大的影响。(即利用除去具有最大学生化残差的数据点之外的所有观测进行OLS回归。)依次去掉bs>0.5的每个观测都具有重要影响吗?
(v) 即便在大样本中, 就OLS对单个观测的敏感性而言, 你有何结论?
(vi) 在第(iji) 部分, 验证LAD估计量对包含这些观测不是很敏感。
A.Tokenization
B.RulesQuery
C.Predict
D.Choice
本题要利用LAWS CH 85.RAW中的数据。
(i)使用与第3章习题4一样的模型,表述并检验虚拟假设:在其他条件不变的情况下,法学院排名对起薪中位数没有影响。
(ii)新生年级的学生特征(即LSAT和GPA) 对解释salary而言是个别或联合显著的吗?
(iii)检验是否要在方程中引入入学年级的规模(clsize) 和教职工的规(faculty) ; 只进行一个检验。(注意解释clsize和faculty的缺失数据。)
(iv)还有哪些因素可能影响到法学院排名,但又没有包括在薪水回归中?
A.根据建模对象和模型使用目的作出合理假设
B.根据过程内在机理建立数学模型
C.被控过程随时间变化的规律(动态特性),建立过程输入与输出之间的动态模型
D.基于过程测试数据,利用系统辨识方法估计广义对象的结构与参数
E.借助于阶跃响应试验,获取过程输入输出(CO、TO)动态响应数据
A.原告提出新的申辩后,被告针对些提出的证据
B.被告经法院允许补充的证据
C.被告在二审中提出的新的证据
D.因不可抗力而没有在法定期限内提出的证据