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）
利用SLEEP75.RAW中的数据
变量sleep是每周晚上睡眠的总分钟数，totwork是每周花在工作上的总分钟数，educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之间有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个原假设，你还需要另外做什么回归？
答案
更多“利用SLEEP75.RAW中的数据 变量sleep是每周晚上睡眠的总分钟数，totwork是每周花在工作上的总分”相关的问题
第1题
利用比德尔和哈默梅什(BiddleandHamermesh，1990)中的SLEEP75.RAW数据，研究在每周用于睡眠的时间和用于有酬工作的时间之间是否存在替代关系。我们可以用它们中的任何一个作为因变量。为具体起见，估计模型
sleep=β0+β1tonwrk+u
其中，steep是每周用于晚上睡眠的分钟数，totwrk是这一周中用于工作的分钟数。
(i)用方程的形式，连同观测的次数和R2报告你的结果。该方程中的截距表示什么？
(ii)若totwrk增加2小时，则sleep估计要减少多少？你觉得这是一个很大的效应吗？
第2题
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？
第3题
利用数据集401KSUBS.RAW。
(i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，age²和male。求通常的OLS标准误和异方差-稳健的标准误。它们有重要差别吗？
(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？
第4题
利用BWGHT2.RAW中的数据。
(i)估计模型
并按照通常的方式报告估计方程，包括样本容量和R²。斜率系数的符号与你的预期一致吗？请加以解释。
(ii)如果npvis增加一个样本标准差，对出生重量(bwght)有什么影响？
(iii)现在做log(bwght)对cigs的简单回归，并将斜率系数与第(i)部分中得到的估计值进行比较。估计出来吸烟的效应是否和第(i)部分的有明显差别？
(iv)找出cigs和npvis之间的系数，并用它来解释简单回归和多元回归下β1估计值的相似性。
(v)向第(i)部分的回归方程中加入变量mage，meduc，fage和feduc。出生体重[更确切地说是log(bwght)]是一个容易解释的变量吗？
第5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6题
为了检验抵押贷款市场中的歧视，可使用一个线性概率模型：
(i)如果对少数民族存在歧视，并控制了适当的因素，那么，的符号是什么？
(ii)将qpxe对white做回归，并以通常的形式报告结果。解释white的系数。它是统计显著的吗？它实际上大吗？
(iii)作为控制因素，增加变量hrat，obrat，loanprc，unem,male,married，dep，sch，cosign，chist，pubrec，mortlatl，mortlat2和vr。white的系数会有什么变化？仍有对非白人存在歧视的证据吗？
(iv)现在容许种族效应与度量了其他债务占收入比例的变量(obrat)存在着交互作用。交互项显著吗？
(v)利用第(iv)部分的模型，当债务负担达到样本均值obrat=32时，作为白人对贷款许可的概率有多大的影响？构造这种影响的一个95%的置信区间。
第7题
考虑一个雇员水平的模型
其中无法观测变量f是在一个给定的企业i内，对每个雇员的“企业效应”。误差项vi,e是企业i中雇员e所独具的。诸如方程(8.28)中的综合误差就是ui,e=fi+ui,e.
(iv)讨论第(ii)部分对于利用企业层次的平均数据进行WLS估计的意义，其中第i次观测所用的权数就是通常的企业规模。
第8题
A.方差反映了每个变量值的离散情况
B.标准差的度量单位与原变量相同
C.总体方差是利用均数定义的
D.四分位数间距与数据的最大值与最小值无关
E.极差的大小与中位数的大小有关
第9题
对(许多美国工人可用的)401(k)养老金计划的出现是否提高了净储蓄，吸引了大量研究兴趣。数据集401KSUBS.RAW包含了有关净金融资产(nettfa)、家庭收入(ic)、是否有资格参与401(k)计划的二值变量(e401k)和其他几个变量的信息。
(i)样本中有资格参与一个401(k)计划的家庭比例是多少？
(ii)估计一个用收入、年龄和性别解释401(k)资格的线性概率模型。包括收入和年龄的二次项，并以通常形式报告结论。
(iii)你认为401(k)资格独立于收入和年龄吗？性别呢？请解释。
(iv)求第(ii)部分中估计的线性概率模型的拟合值。有小于0或大于1的拟合值吗？
(v)利用第(iv)部分中的拟合值e401k1，定义e401k1在e401k≥0.5时取值1，并在2e401k＜0.5时取值0。在9275个家庭中，预计有多少家庭有资格参与401(k)计划？
(vi)对于没有资格参加401(k)的5638个家庭，利用预测值e401k1，预测其中有多大比例没有401(k)？对于有资格参加401(k)的3637个家庭，其中有多大比例的家庭有401(k)？(如果你的计量经济软件具有“制表”命令更好。)
(vii)总正确预测比约为64.9%。给定第(vi)部分的答案，你认为这是模型好坏的一个完备描述吗？
(viii)在线性概率模型中增加一个解释变量pira。其他条件不变，若一个家庭有某人拥有个人退休金账户，一个家庭有资格参与401(k)计划的估计概率会提高多少？在10%的显著性水平上，它统计显著异于0吗？
第10题
Windows中，在已经打开的应用程序之间交换数据最方便的方法是使用（）
A、窗口
B、菜单
C、文件
D、变量
E、剪贴板
第11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。
