在OSI参考模型的（）定义了路由器的相关特性。

A.应用层

B.传输层

C.链路层

D.会话层

A.线框模型

B.表面模型

C.实体模型

D.平面模型

在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：

利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。

此题为判断题(对，错)。

在教材例10.6中，我们估计了费尔预测美国总统选举结果的一个模型的变型。

(i)对于这个方程中的误差项序列无关，你有何论据？(提示：总统选举多长时间进行一次？)

(i)在将教材(1023)的OLS残差对滞后残差进行回归时，得到p=-0068和sep)=0.40。你对u_t中的序列相关有何结论？

(iii)在检验序列相关时，这个应用中的小样本容量会令你不放心吗？

其中，因为滞后支出变量，第一个可用年份(基年)是1993年。

(i)用混合OLS估计模型，并报告通常的标准误。为使得a_i的期望值可以非零，你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差。

(ii)lunchit系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？

(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关，并讨论为什么。

(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？

(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？

(vi)定义支出的总(或长期)效应为的标准误。

患者，女，50岁，可摘局部义齿修复。在人工牙大小选择上，可以作为参考的因素中，不包括

A、拔牙前的照片

B、X线片

C、记录模型

D、人工牙材料硬度

E、借鉴旧义齿的前牙

A.数据链路层

B.网络层

C.会话层

D.表示层

文件CEOSAL2.RAW包含了177位首席执行官的数据，并可用来考察企业业绩对CEO薪水的影响。

(i)估计一个将年薪与企业销售量和市场价值相联系的模型。让这个模型对每个自变量的变化都具有常弹性。以方程的形式写出结论。

(ii)在第(i)部分的模型中增加profits。为什么这个变量不能以对数形式进入模型？你会说这些企业业绩变量解释了CEO薪水波动中的大部分吗？

(iii)在第(ii)部分的模型中增加ceoten。保持其他条件不变，延长一年CEO任期，估计的百分比回报是什么？

(iv)求出变量log(mktval)和prots之间的样本相关系数。这些变量高度相关吗？这对OLS估计量有什么影响？

利用APPLE.RAW中的数据。这些电话调查数据是为了得到(假想的)“环保”苹果需求。调查者向每个家庭都(随机地)介绍了正常苹果和环保苹果的一组价格，并询问他们愿意购买每种苹果的磅数。

(i)对于样本中的660个家庭，有多少家庭报告称在预定价格上不愿意购买环保苹果？

(ii)变量ecolbs看上去在严格正值上具有连续分布吗？你的回答对ecolbs托宾模型的适当性有何含义？

(iii)以ecoprc、regprc、famic和hhsize作为解释变量，估计一个托宾模型。哪些变量在1%的水平上显著。

(iv)faminc和hhsize联合显著吗？

(v)第(iii)部分中价格变量系数的符号与你的预期一致吗？请解释。

(vi)令β₁和β₂为ecoprc和regprc的系数，相对一个双侧备择假设，检验假设H₀:-β₁=β₂。报告检验的p值。(如果你的回归软件不能很容易地计算这种检验，你可能还要参考教材4.4节

(vii)对样本中的所有观测求E(ecolbslx)的估计值[见方程(17.25)]，称之为ecolbsi。最大和最小拟合值是多少？

(viii)计算ecolbs，和ecolbsi之相关系数的平方。

(ix)现在，利用第(iii)部分中同样的解释变量，估计ecolbs的一个线性模型。为什么OLS估计值比托宾估计值小那么多？从拟合优度来看，托宾模型比线性模型更好吗？

(x)评价如下命题：“由于托宾模型的R，如此之小，所以估计的价格效应可能是不一致的。”