题目内容
（请给出正确答案）
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？
如果结果不匹配，请 联系老师 获取答案
更多“利用BWGHT2.RAW中的数据。 （i)估计模型并按照通常…”相关的问题
本题利用MURDER.RAW中的数据。
(i)利用1990年和1993年的数据， 用混合OLS估计方程
(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？
(v)你认为
的哪个1统计量更值得信赖， 是通常的!统计量还是异方差-稳健的1统计量？为什么？
A.可以利用系统地址总线送给处理器
B.可以利用系统数据总线送给处理器
C.必须利用系统控制总线送给处理器
D.必须利用专用总线送给处理器
利用HSEINV.RAW中的数据。
(i)检验log(inypc)是否有单位根，模型中含有一个线性时间趋势和Δlog(invpct)的两阶滞后，显著性水平为5%。
(ii)用第(i)部分中的方法检验log(price)中的单位根。
(iii)给定(i)和(ii)中的结果，那么检验log(ivpc)和log(price)之间的协整还有意义吗？
利用PHILLIPS.RAW中的数据。
(i)估计失业率的AR(1)模型。用这个方程预测2004年的失业率。将它与2004年的实际失业率进行比较。(你可以从近年的《总统经济报告》中找到这个数据。)
(ii)在第(i)部分的方程中增加通货膨胀的一期滞后。inft-1统计上显著吗？
(iii)利用第(ii)部分中的方程预测2004年的失业率。这个结果比第(i)部分的结果更好还是更糟？
(iv)利用教材6.4节中的方法构造2004年失业率的一个95%的置信区间。2004年的实际失业率位于这个区间内吗？
A.发挥每一块磁盘性能，根本上解决I/O瓶颈
B.避免数据倾斜，导致资源利用合理
C.是实现分布式计算的根本
D.以上说法都不对
本题利用HPRICE1.RAW中的数据。
(i)估计模型
并以通常的OLS格式报告结论。
(ii)当lotsize=20000，scrft=2500和bdrms=4时，求出log(price) 的预测值。利用6.4节中的方法，在同样的解释变量值的情况下，求出price的预测值。
(iii)就解释price中的变异而言，决定你是偏好第(i)部分中的模型，还是偏好模型
本题利用数据集MEAO0_01.RAW中的数据。
(i)用OLS估计方程
(iv)求容许方差函数被误设的WLS标准误。它与通常的WLS标准误有很大的不同吗？
(v)为了估计支出对math 4的影响， OLS与WLS哪一个看起来更准确？
利用FERTIL3.RAW中的数据。
(i)在教材方程(10.19)中加入pet-3和pet-4，并检验这些滞后的联合显著性。
(ii)求出第(i)部分中模型的长期倾向及其标准误，并与从教材方程(10.19)中得到的结果相比较。
(iii)估计问题10.6中的多项式分布滞后模型，求出LRP的估计值，并与从无约束模型中得到的结果相比较。
本题利用HSEINV.RAW中的数据。
(i)检验log(in vpc)是否有单位根， 模型中含有一个线性时间趋势和 log(in ypct)的两阶滞后， 显著性水平为5%。
(ii)用第(i)部分中的方法检验log(price)中的单位根。
(iii)给定第(i)部分和第(ii)部分中的结果，那么检验log(iv pc)和log(price)之间的协整还有意义吗？
本题利用PHILLIPS.RAW中的数据。现在你应该使用56年的数据。
(i)重新估计方程(11.19)，并以通常格式报告结果。当你增加近几年的数据之后，截距和斜率估计值有明显变化吗？
(ii)求自然失业率的新估计值。将这个新估计值与例11.5中的估计值进行比较。
(iii)计算unem的一阶自相关系数。按照你的观点， 单位根接近于1吗？
(iv)利用A mem取代unem作为解释变量。哪个解释变量具有更高的R？
本题利用LOANAPP.RAW中的数据。
(i)估计计算机习题C7.8第(iii) 部分中的方程， 计算其异方差-稳健的标准误。将
的95%的置信区间与非稳健的置信区间相比较。
(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0？有没有哪个估计值大于1？而这些情况对加权最小二乘估计的应用意味着什么？
