题目内容
（请给出正确答案）
利用CHARITY.RAW中的数据[得自于Franses and Paap(2001)] 回答如下问题：
(Ⅰ)在这个4268人的样本中，平均捐款数量是多少(以荷兰盾为单位)？没有捐款的人数百分比是多少？
(Ⅱ)每年平均寄出的邮件数量是多少？其最小值和最大值是多少？
(III)用普通最小二乘法估计如下模型：
![利用CHARITY.RAW中的数据[得自于Franses and Paap（2001)] 回答如下问](https://img2.soutiyun.com/ask/2021-03-02/983554697398562.png)
按照通常的方式报告估计方程，包括样本容量和R²。
(Ⅳ)解释斜率系数。如果每封邮件的成本是1盾，那么慈善机构预期能够从寄出的每一封邮件中获得净利润吗？这意味着慈善机构从每封邮件中都获得了净利润吗？请加以解释。
(Ⅴ)样本中最小慈善捐款的预测值是多少？利用这个简单的回归分析，你有可能预测git等于0吗？
如果结果不匹配，请 联系老师 获取答案
更多“利用CHARITY.RAW中的数据[得自于Franses a…”相关的问题
利用CHARITY.RAW中的数据回答如下问题
(i)用普通最小二乘法估计如下模型：
按照通常的方式报告估计方程，包括样本容量和R²。其R²与不使用giftlast和propresp的简单回归所得到的R²相比如何？
(ii)解释mailsyear的系数，它比对应的简单回归系数更大还是更小？
(iii)解释propresp的系数，千万要注意propresp的度量单位。
(iv)现在，在这个方程中增加变量avggif。这将对mailsyear的估计效应造成什么样的影响？
(v)在第(iv)部分的方程中，giftlast的系数有何变化？你认为这是怎么回事？
(i) 估计一个将respond与resplast和avggift联系起来的线性概率模型。以通常的形式报告结果， 并解释变量resplast的系数。
(ii)过去捐助的平均水平看来会影响做出捐助响应的概率吗？
(iii) 在模型中增加变量propres p并解释其系数。(这里须注意， propresp增加1是最大可能变化。)
(iv) 在回归中增加propres p以后， resp last的系数有何变化？这讲得过去吗？
(v) 在模型中增加每年寄出邮件的数量mail year。它的估计影响有多大？为什么它不是邮件数量对响应的因果关系的一个较好的估计？
(i)有多少个州在1991年、1992年和1993年中至少处决了一个犯人？哪个州处决得最多？
(ii)利用1990年和1993两年的数据，做一个mrdrte对d93、exec和unem的混合回归。你如何解释exec的系数？
(iii)仅利用从1990到1993年的变化(对总共51个观测值)，用OLS估计以下方程
并以通常的形式报告结果。现在，处以死刑是否看起来具有威慑作用？
利用KIELMC.RAM中的数据。
(i)变量dist是从每个房屋到焚烧炉位置的英尺距离。考虑模型
如果建造焚烧炉会减少其附近的房屋价值，那么δ1的符号将是什么？若β1＞0，则意味着什么？
(ii)估计第(i)部分中的模型并按通常的方式报告结果。解释y81-log(dist)的系数。你得到了什么结论？
(iii)在方程中增加age，age2，rooms，baths，log(intst)，log(land)和log(area)。现在，你对焚烧炉对房屋价值的影响会作出什么结论？
将一个非负十进制整数转换成八进制数，使用非递归算法实现。
算法分析：十进制转换成八进制的过程是将十进制整数除8得余数，直到商是0为止，然后倒排余数。为了得到倒排的余数，可以利用栈来实现，每次运算后将余数压入栈中，直到商为0，将栈中数据输出即是。使用顺序栈，将顺序栈的定义及其基本操作的实现写在头文件“seqstack.h”中。
A．划分空白磁盘成多个小的区域并编号，供计算机储存，读取数据
B．形成新的规格样式
C．消除旧的文学范式，对其重新整理(排列)组合
D．固定的方法和模式
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11第(vi)部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量;不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)第10章的计算机练习C11第(vi)部分中的回归。]
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
并以常用形式报告结论。不必担心通常的OLS标准误因a，的出现而不适当。你估计出了死刑的威慑效应吗？
(ii)计算FD估计值(只使用1990~1993年的差分;在FD回归中，你应该有51个观测)。现在，你对威慑效应有何结论？
(iii)在第(ii)部分的FD回归中，求残差
的布罗施-帕甘回归，并计算异方差性的F检验。同样做怀特检验的特殊情形[即将对
回归，其中拟合值得自第(ii)部分]。你对FD方程中的异方差性有何结论？
(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Aexec;的哪个统计量更值得信赖，是通常的：统计量还是异方差-稳健的!统计量？为什么？
A、大数据和大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。
B、大数据级别的容量可能是TB、PB、YB、BB、DB
C、大数据通常是万亿或EB,可能收集自传感器、气候信息、公开信息(如杂志报纸文章)、或购买交易记录、网络日志、病历、军事监控、视频和图像档案、大型电子商务大数据……
D、大数据中，价值密度通常较低,如果能够合理利用并正确、准确地分析,将会带来很高的价值回报。
2部门中平均工资的月增长率(对数的变化)，gemp232是232部门中的就业增长率，gmwage是联邦最低工资的增长率，gcpi是(城市)消费者价格指数的增长率。
(i)求gwage232中的一阶自相关。这个序列看起来是弱相关的吗？
(ii)用OLS估计动态模型
保持上个月的工资增长率和CPI增长率不变，联邦最低工资的提高导致了gwage232t的同期提高吗？请解释。
(iii)在第(ii)部分的方程中添加就业增长率的一阶滞后gemp232t它是统计显著的吗？
(iv)与不包含gwage232t-1和gemp232t-1的模型相比，增加这两个滞后变量显著改变了最低工资变量的估计效应了吗？
(v)做gnwaget对gwage232t-1和gep232t-1的回归，并报告R2。评论这个R值如何有助于你对第(iv)部分的回答。
