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

本题使用WAGE2.RAW中的数据。一般地，保证如下所有回归都含有截距。

(i)将IQ对educ进行简单回归，并得到斜率系数

(x)=x₂或g(x)=log(1+x2) 。定义z_i=g(x_i)定义一个斜率估计量为

本题利用JTRAIN.RAW来判断工作培训资助对每位雇员的平均培训小时数的影响。三年的基本模型为

(i)利用一阶差分估计这个方程。估计中使用了多少个企业？如果每个企业都有这三个时期所有变量的数据(特别是hrsemp的数据) ， 那么， 总共将使用多少观测？

(ii)解释grant的系数并评论其显著性。

(iii)grant，是不显著的， 这让你感到意外吗？请加以解释。

(iv)平均而言，越大的企业对其员工的培训是越多还是越少呢？在培训上的差异有多大呢？

考虑具有经典测量误差的简单回归模型，其中我们对有m种度量，并记为，

A．简单线性回归模型

B．多元回归模型

C．独立模型

D．以上均不是

本题利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型并用常用格式报告结论。基于这个回归，1976年和1977年的工作培训看上去对1978年的真实劳动工资有正的影响吗？

(ii)现在使用真实劳动工资的变化cre=re 78-re 75作为因变量。(由于我们假定1975年之前没有工作培训，所以我们没有必要对train进行差分。也就是说，如果我们定义ctrain=train 78-train75， 那么，由于train75=0，所以ctran=train78。)现在，培训的估计影响有多大？讨论它与第(i)部分估计值的比较。

(iii)利用通常的OLS标准误和异方差-稳健标准误求培训效应的95%置信区间，并描述你的结论。

(i)为了研究垃圾焚化炉的位置对住房价格的影响，考虑简单回归模型

log(price)=β₀+β₁log(dist)+u

其中，price为住房的美元价格，dst为从住房到焚化炉的距离，以英尺为单位。谨慎地解释这个方程，如果焚化炉的出现会使住房价格下降，你预期到的符号是什么？估计这个方程，并解释你的结论。

(ii)在第(i)部分的简单回归模型中增加变量log(intst),log(area),log(land)，

rooms，baths和age，其中intst表示从家到州际高速公路的距离，area表示住房的平方英尺数，land表示占地的平方英尺数，rooms表示总的房间数，baths表示总的卫生间数，age表示住房的年数。现在，你对焚化炉的影响有什么结论？解释为什么第(i)部分和第(ii)部分给出相互矛盾的结论。

(iii)向第(ii)部分的模型中添加[log(dist)]²,结果会怎么样？你对函数形式的重要性有什么结论？

(iv)当你向第(ii)部分的模型中添加[log(dist)]²时，它是否显著？

本题使用GPA2.RAW中的数据。

(i)考虑方程

其中，colgpa表示累积的大学GPA，hsize表示高中毕业年级以百人计的规模，hsperc表示在毕业年级中学术排名的百分位，sat表示SAT综合分数，female是一个二值变量，而athlete也是一个运动员取值1的二值变量。你对这个方程中的系数有何预期？哪些你没有把握？

(ii)估计第(i)部分中的方程，并以通常的形式报告结果。估计运动员和非运动员之间GPA的差异是多少？它是统计显著的吗？

(ii)从模型中去掉sat并重新估计这个方程。现在，作为运动员的估计影响是多大？讨论为什么这个估计值不同于第(ii)部分的结论。

(iv)在第(i)部分的模型中，容许作为运动员的影响会因性别不同而不同。检验如下原假设：在其他条件不变的情况下，女生是否是运动员没有差别。

(v)sat对colgpa的影响会因性别不同而不同吗？讲出你的根据。

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？