数字高程模型的表示模型有哪些，试述利用DEM可进行哪些应用分析？

A.数字栅格地图

B.数字矢量地图

C.数字地面高程模型

D.数字正射影像图

如下模型可用来研究竞选支出如何影响选举结果：

其中，voteA表示候选人A得到的选票百分数，expendA和expendB分

别表示候选人A和B的竞选支出，而prtystrA则是对A所在党派实力的一种度量(A所在党派在最近一次总统选举中获得的选票百分比)。

(i)如何解释β₁？

(ii)用参数表述如下原假设：A的竞选支出提高1%被B的竞选支出提高1%所抵消。

(iii)利用VOTE1.RAW中的数据来估计上述模型，并以通常的方式报告结论。A的竞选支出会影响结果吗？B的支出呢？你能用这些结论来检验第(ii)部分中的假设吗？

(iv)估计一个模型，使之能直接给出检验第(ii)部分中假设所需用的：统计量。你有什么结论？(使用双侧备择假设。)

利用FERTIL2.RAW中的数据。解释存活儿童数的一个简单模型是：

其中，解释变量是女性接受教育的年限，年龄(以年表示)及分别表示女性家是否有电和电视机的二元变量。

(i)用OLS估计该方程并用通常的形式报告结果。讨论变量eletric和tv的系数和统计显著性。

(ii)城市居民和非城市居民在生育率上有区别吗？请解释。

(ii)现在对城市居民和非城市居民分别估计方程(当然，解释变量要去掉urban)。除了截距以外，其他系数有明显区别吗？

(iV)允许城市居民和非城市居民截距项不同，在原假设下得到邹至庄统计量。你能得到什么结论？[提示：你在检验5个限制条件，SSR从第(ii)部分和第(iii)部分中很容易得到。]

利用MURDER.RAW中有关谋杀率和死刑的州一级数据。

(i)考虑非观测效应模型

其中，θ_t无非表示不同年份的截距，而a_i表示各州的非观测效应。如果过去对被判谋杀者的死刑有某种威慑作用，那么民，的符号应该是正是负？你认为β₂应该有什么样的符号？请解释。

(ii)仅利用1990年和1993年的数据，用混合OLS估计第(i)部分中的方程。忽略复合误差中的序列相关问题。你发现威慑效应的证据了吗？

(iii)利用1990年和1993年的数据，再用固定效应法估计方程。既然只用两年数据，所以你或许可以利用一阶差分。现在，有威慑效应的证据吗？有多强？

(iv)计算第(iii)部分中估计的异方差-稳健标准误。利用一阶差分最容易吗？

(v)找出1993年死刑变量取值最大的州。(变量exec是1991年、1992年和1993年执行死刑的总人数。)这个数值比第二高的值大多少？

(vi)在分析中去掉得克萨斯，利用一阶差分估计方程。计算通常和异方差-稳健的标准误。现在有什么结论，为什么？

(vii)利用所有三年数据，并用固定效应法估计模型。在分析中包含得克萨斯。与仅使用1990年和1993年数据的估计相比，讨论威慑效应的大小和统计显著性。

A.扩张的财政政策与紧缩的货币政策搭配

B.紧缩的财政政策与紧缩的货币政策搭配

C.紧缩的财政政策与扩张的货币政策搭配

D.扩张的财政政策与扩张的货币政策搭配

利用CONSUMP.RAW中的数据。

(i)估计一个反映真实人均(非耐用品和服务)消费增长与真实人均可支配收入增长之间关系的简单回归模型，并都使用对数变化量表示。用通常形式报告结果。解释方程并讨论统计显著性。

(ii)在第(i)部分的方程中添加真实人均可支配收入增长的一期滞后。你对消费增长的滞后调整有何看法？

(iii)在第(i)部分的方程中添加真实利率，它影响消费增长吗？

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。

其中，POLICE_it示人均警力支出，MEDINC_it表示收入中位数，而PROPTAX_it表示财产税率;I表示自然对数。由于住房价格直接影响学校基金的收益，所以支出和住房价格同时决定。

假定学校的融资方式在1994年发生巨大变化：不是通过征收地方财产税，学校的资金来源基本上由州一级的单位决定。令ISTATEALL，表示州政府在第t年对地区i拨款的对数，一旦我们控制了支出和地区的固定影响，上述方程中哪个是外生变量？你如何估计β_j？

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。”