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
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ut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?
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ut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?
第1题
当我们把atndrte2和ACT·atndrte都增加到教材(6.19)的估计方程中时,R2就变成0.232。这些添加项在10%的显著性水平上是联合显著的吗?你会将它们包括在模型中吗?
第3题
令math10表示密歇根州高中学生在一次标准化数学考试中的及格百分比(也可参见例4.2)。我们感兴趣的是估计每个学生的支出对其数学成绩的影响。一个简单的模型是
其中,poverty表示贫困生的比例。变量Inchprg表示学校有资格享受联邦政府午餐资助计划的学生比例。为什么它是povert的一个合适的代理变量?
(ii)下表包含了有和没有Inchprg作为解释变量时的OLS估计值。解释为什么支出对mathl0的影响在列(2)比在列(1)要低。列(2)中的这种影响在统计上仍大于1吗?
(iii)在其他条件相同的情况下,越大的学校通过率越低吗?请解释。
(iv)解释列(2)中Inchprg的系数。
(v)你如何理解R从列(1)到列(2)的显著提高?
第4题
利用HPRICE1.RAW中的数据。
(i)估计模型
并按通常的格式报告你的结果,包括回归标准误。当我们代入lotsize=10000,sqrft=2300和bdrms=4时,求出预测价格,将这个价格四舍五入到美元。
(ii)做一个回归,使你能得到第(i)部分中预测值的一个95%的置信区间。注意,由于四舍五入的误差,你的预测将多少有些不同。
(iii)令price0为具有第(i)部分和第(ii)部分所述特征的住房的未知未来售价。求出price0的一个95%的置信区间,并对这个置信区间的宽度进行评论。
第5题
有人研究了甲种手术方法治疗肾上腺肿瘤病人l7例的生存情况,得到的生存时间(Y1)如下,其中有“十”者是不完全数据:l,3,5,6,7,8,10,14+,17,19,20+,22,26+,31,34+,44,59。对此资料进行生存率估计,可采用
A.秩和检验
B.寿命表法
C.方差分析
D.乘积极限法
E.109-rank检验
第6题
在教材例2.3中,若将图P2.5中的门电路改为TTL或非门,试问在5种情况(①、uA为商电平3.6 V;②、uA悬空;③、uA经10 ka电阻接地;④、uA为低电平0.3V;⑤、uA经51Ω电阻接地)下测得的uB各为多少?
第7题
A.条图
B.圆图
C.线图
D.直方图
E.散点图
第8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
使用BWGHT2.RAW中的数据。
(i)用OLS估计方程
并按照通常的格式报告结果。二次项显著吗?
(ii)基于第(i)部分中的方程,证明:最大化log(bwght)的产前检查次数约为22。样本中有多少妇女至少接受过22次产前检查?
(ii)在22次产前检查之后,预计婴儿出生体重实际上会下降,这有意义吗?请解释。
(iv)在方程中增加母亲年龄,并使用二次函数形式。保持npvis不变,目前在什么年龄,孩子的出生体重最大?样本中有多大比例的妇女年龄大于这个“最优”生育年龄。
(v)你认为母亲年龄和产前检查次数解释了log(bwght)中的大部分变化吗?
(vi)利用npvis和age的二次方程,确定用bwght的自然对数或水平值来预测bwght孰优孰劣。
第11题
教材81页代码3.20中的List::selectionSort()算法,通过selectMax()在前缀子序列中定位的最大元素max,有可能恰好就是tail的前驱——自然,此时“二者”无需交换。针对这一“问题”,你可能会考虑做些“优化”,以期避免上述不必要的交换,比如将
a)以序列(1980,1981,1982,...,2011,2012;0,1,2,...,1978,1979)为例,这种情况共发生多少次?
b)试证明,在各元素等概率独立分布的情况下,这种情况发生的概率仅为1nn/n→0——也就是说,就渐进意义而言,上述“优化”得不偿失。