请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码进入小程序
题目内容
（请给出正确答案）
使用WAGE2.RAW中的数据。
(i)估计模型
并以通常的形式报告结果。保持其他因素不变，黑人和非黑人之间的月薪差异近似为多少？这个差异是统计显著的吗？
(ii)在这个方程中增加变量exper和tenure²，证明即便在20%的显著性水平上，它们也不是联合显著的。
(iii)扩展原模型，使受教育回报取决于种族，并检验受教育的回报是否的确取决于种族。
(iv)再回到原模型，但现在容许四个不同人群(已婚黑人、已婚非黑人、单身黑人和单身非黑人)的工资有差别。估计已婚黑人和己婚非黑人之间的工资差异是多少？
答案
更多“使用WAGE2.RAW中的数据。 （i)估计模型 并以通常的形式报告结果。保持其他因素不变，黑人和非黑”相关的问题
第2题
使用WAGE1.RAW中的数据。
(i)估计方程
保留残差并画出其直方图。
(ii)以log(wage)作为因变量重做第(i)部分。
(iii)你认为是水平值-水平值模型还是对数-水平值模型更接近于满足假定MLR.6？
第3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)在第7章的计算机练习C8中，去掉obrat＞40的观测，重新估计第(ii)部分中的模型。white的系数估计值和：统计量将会怎样？
(ii)βwhite看起来对所使用的样本过度敏感吗？
第4题
使用RDCHEM.RAW中的数据，通过OLS得到如下方程
(i)sales对rdintens的边际影响在什么时候开始变成负的？
(ii)你会在模型中保留二次项吗？请解释。
(iii)定义salesbil为以十亿美元计的销售额：salesbil=sales/1000。用xlesbi和salesbil²作为自变量重写估计方程。务必报告标准误和R²。[提示：注意salesbil²=sales²/(1000)²。]
(iv)为了报告结果，你更喜欢哪个方程？
第5题
使用VOTE1.RAW中的数据。
(i)估计一个以voteA为因变量并以prystrA、deocA、log(expendA)和log(expendB)为自变量的模型。得到OLS残差
，并将这些残差对所有的自变量进行回归。解释你为什么得到R2=0。
(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。
(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强？
第6题
利用LAWSCH85.RAW中的数据。
(i)使用与第3章习题4一样的模型，表述并检验原假设：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)和教职工的规模(faculty);只进行一个检验。(注意解释clie和facuiy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？
第7题
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。
第8题
使用HPRICE1.RAW中的数据，估计如下模型：
其中，price是以千美元为单位的住房价格。
(i)以方程的形式写出结果。
(ii)住房在保持面积不变的同时又增加一间卧室，估计其价格会提高多少？
(iii)住房增加一间大小为140平方英尺的卧室，估计其价格会提高多少？将这个答案与你在第(ii)部分的答案相比较。
(iv)价格的波动有多大比例能被平方英尺数和卧室数解释？
(v)样本中的第一套住房有sqrft=2438和bdrms=4。从OLS回归线计算这套住房的预计销售价格。
(vi)样本中第一套住房的实际销售价格是300000美元(price=300)。求出这套住房的残差。它是否表明购买者为这套住房支付了过低或过高的价格？
第9题
第10题
使用CEOSAL2.RAW中的数据得出下表：
变量mktval为企业的市场价值，profmarg为利润占销售额的百分比，ceoten为其就任当前公司CEO的年数，而comten则是其在这个公司任职的总年
数。
(i)评论profiarg对CEO薪水的影响。
(ii)市场价值是否具有显著影响？试解释你的结论。
(iii)解释ceoten和comten的系数。这些变量是统计显著的吗？
(iv)你如何解释在其他条件不变的情况下，你在这个公司任职时间越长，你的薪水则越低？
第11题
试设计一个算法,利用T公司提供的m个补丁程序,将原软件修复成一个没有错误的软件,并使修复后的软件耗时最少.
算法设计:对于给定的n个错误和m个补丁程序,找到总耗时最少的软件修复方案.
数据输入:由文件input.txt提供输入数据.文件第1行有2个正整数n和m,n表示错误总数,m表示补丁总数(1≤n≤20,1≤m≤100).接下来m行给出了m个补丁的信息.每行包括一个正整数,表示运行补丁程序i所需时间以及2个长度为n的字符串,中间用个空格符隔开.在第1个字符串中,如果第k个字符bk为“+”,则表示第k个错误属于B1[i],若为“-”,则表示第k个错误属于B2[i],若为“0”,则第k个错误既不属于B1[i]也不属于B2[i],即软件中是否包含第k个错误并不影响补丁i的可用性.在第2个字符串中,如果第k个字符bk为“+”,则表示第k个错误属于F1[i],若为“-”,则表示第k个错误属于F2[i],若为“0”,则第k个错误既不属于F1[i]也不属于F2[i],即软件中是否包含第k个错误不会因使用补丁i而改变.
结果输出:将总耗时数输出到文件output.txt.如果问题无解,则输出0.
