题目内容
（请给出正确答案）
本题使用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exper²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。估计已婚黑人和已婚非黑人之间的工资差异是多少？
如果结果不匹配，请 联系老师 获取答案
更多“本题使用WAGE2.RAW中的数据。(i)估计模型并以通常的…”相关的问题
本题要用到WAGE2.RAW中的数据。
(i)考虑一个标准的工资方程
表述虚拟假设：多一年工作经历与在现在的岗位上多工作一年对log(wage) 具有相同影响。
(ii)在5%的显著性水平上，相对于双侧对立假设，通过构造一个95%的置信区间来检验第(i)部分中的虚拟假设。你得到的结论是什么？
本题使用GPA2.RAW中的数据。
(i)使用所有4137个观测，估计方程
并以标准形式报告结论。
(ii)使用前2070个观测再重新估计第(i)部分中的方程。
(iii)求出第(i)部分与第(ii)部分所得到的标准误的比率。并将这个比率与式(5.10)中的结论相比较。
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？
(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？
(i)求出样本中的平均工资和平均IQ。IQ的样本标准差是多少？(总体中的IQ已标准化为平均值是100，标准差是15。)
(ii)估计一个简单回归模型，其中IQ提高一个单位导致wage变化相同的数量。利用这个模型计算IQ提高15个单位时，工资的预期变化。10能够解释大多数工资波动吗？
(iii)现在再估计一个模型，其中IQ提高一个单位对工资具有相同的百分比影响。如果IQ提高15个单位，预期工资提高的百分比大约是多少？
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MEAP93.RAW中的数据。
(i) 估计模型math10=β0+β1log(expend)+β2Inchprg+u，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)你如何理解第(i)部分中估计出来的截距？特别是，令两个解释变量都等于零说得过去吗？[提示：记住log(1)=0。]
(i)现在做math10对log(expend)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。与第(i)部分中的结果相比，这里估计出来的支出效应是更大还是更小？
(iv)求山lexpend=log(expend)与Inchprg之间的相关系数。你认为其符号合理吗？
(v)利用第(iv)部分的结果来解释你在第(iii)部分中得到的结论。
人口特征方面的数据。目的是想考察快餐店是否在黑人更集中的区域收取更高的价格。
(i)求出样本中prpblck和income的平均值及其标准差。prpblck和income的度量单位是什么？
(ii)考虑一个模型，用人口中黑人比例和收入中位数来解释苏打饮料的价格psoda：
用OLS估计这个模型并以方程的形式报告结果， 包括样本容量和R。(报告估计值时不要使用科学计数法。)解释prpblck的系数。你认为它在经济上算大吗？
(iii) 将第(ii)部分得到的估计值与psoda对prpblck进行简单回归得到的估计值进行比较。控制收入变量后，这种歧视效应是更大还是更小了？
(iv)收入价格弹性为常数的模型可能更加适合。报告如下模型的估计值：
(vi)求出1og(income)和prppov的相关系数。大致符合你的预期吗？
(vii)评价如下说法：“由于log(income)和prppov如此高度相关，所以它们不该进入同一个回归。”
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧对立假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告H0：βlog(hseval)=0的双侧p值。
(iv) 在第(ii) 部分的回归中， log(income) 和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个邮区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
利用INJURY.RAW中的数据。
(i)使用肯塔基州的数据，增加male，married以及全套行业和工伤类型虚拟变量作为解释变量，重新估计教材方程(13.12)。在控制了这些其他因素后，afchnge·highearn的估计值有何变化？这个估计值仍然统计显著吗？
(ii)你对第(i)部分中较小的R²有什么可说的？这是否意味着这个方程无用呢？
(iii)用密歇根州的数据估计教材方程(13.12)。比较密歇根州和肯塔基州的交互项估计值。密歇根州的估计值在统计上显著吗？你对此如何解释？
使用CRIME4.RAW。
(i)在数据集中增加每个工资变量的对数，然后用一阶差分估计模型。问这些变量的引入如何影响教材例13.9中那些司法变量的系数？
(ii)第(i)部分中的工资变量全部都有预期的符号吗？它们是联合显著的吗？试解释。
