I/O接口中通常包括有（）

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？

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。

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。

A.接口中全是抽象方法，抽象类中可以有非抽象方法。

B.接口和抽象类都有构造方法。

C.接口中没有成员变量。

D.抽象类不能创建对象。

A. 654/13697600 x100000/10万=

4. 78/10万

B. 654/18311×100%=3.57%

C. 18311/13697600×l000%o =1. 34%o

D. 654/13697600×l000/o=0.00478%

E．资料不全，无法计算

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？

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？

(i)利用HPRICE1.RAW中的数据得到教材方程(8.17)的异方差-稳健标准误。讨论其与通常的标准误之间是否存在任何重要差异。

(ii)对方程(8.18)重复第(i)步操作。

(iii)此例对异方差性和对因变量所做的变换说明了什么？