首页 > 英语四级

题目内容（请给出正确答案）

[主观题]

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

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

本题利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型本题利用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，1 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。

查看答案

如果结果不匹配，请联系老师获取答案

您可能会需要：

重置密码查看订单联系客服

安装优题宝APP，拍照搜题省时又省心！

更多“本题利用JTRAIN3.RAW中的数据。(i)估计简单回归模…”相关的问题

第1题

需要利用JTRAIN2.RAW和JTRAIN3.RAW两个数据集。前者是工作培训实验的结果。而文件JTRAIN3.RAW包

含了所观测到的数据，其中个人基本上是自己决定是否参加工作培训。数据集包含同一时期的数据。

(i)在数据集JTRAIN2.RAW中，男人参加工作培训的比例是多大？在JTRAIN3.RAW中的比例又是多大？你认为为什么存在这么大的差距？

(ii)利用JTRAIN2.RAW，做re78对train的简单回归。参与工作培训对真实工资的估计影响有多大？

(ii)现在，在第(ii)部分的回归中增加控制变量re74，re75，educ，age，black和hisp。工作培训对re78的估计影响变化大吗？何以至此？(提示：记得这些都是实验数据。)

(iv)利用JTRAIN3.RAW中的数据做第(ii)部分和第(iii)部分的回归，只报告train的估计系数及其：统计量。现在，控制额外因素的影响如何？为什么？

(v)定义avgre=(re74+re75)/2。求这两个数据集中的样本均值、标准差、最小值和最大值。这些数据集代表了1978年同样的总体吗？

(vi)在数据集JTRAIN2.RAW中，几乎96%的男性的avgre低于10000美元。只利用这些男性的数据，做re78对train，re74，re75，educ，age，black和hisp的回归，并报告培训估计值及其：统计量。对JTRAIN3.RAW

也只利用avgre ≤10的男性做同样的回归。就这个低收入男性子样本而言，实验数据集和非实验数据集估计的培训效应有何差别？

(vii)现在，只针对1974年和1975年失业的男性，利用每个数据集做re78对train的简单回归。培训的估计值又有何差别？

(viii)利用你前面的回归结果，试讨论在比较实验估计值和非实验估计值的背后，拥有可比较总体的潜在重要性。

点击查看答案

第2题

利用JTRAIN3.RAW中的数据。 (i)估计简单回归模型re78=β₀+β₁train+u，并用常用格式报告

利用JTRAIN3.RAW中的数据。（i)估计简单回归模型re78=β₀+β₁train+u，并用常用格式报告

利用JTRAIN3.RAW中的数据。

(i)估计简单回归模型re78=β₀+β₁train+u，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=re78-re75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=train78-train75，那么，由于train75=0，所以ctrain=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。

点击查看答案

第3题

本题利用0KUN.RAW中的数据：也可参见计算机习题11.11。

点击查看答案

第4题

本题利用ATTEND.RAW中的数据。(i)在例6.3的模型中，推出(iii)假设你用(priGPA-2.59)·(atndrte-82

本题利用ATTEND.RAW中的数据。（i)在例6.3的模型中，推出（iii)假设你用（priGPA-2.59)·（atndrte-82

本题利用ATTEND.RAW中的数据。

(i)在例6.3的模型中，推出

(iii)假设你用(priGPA-2.59)·(atndrte-82)取代priGP4(atndrte-82)。你将如何解释atndrte和priGPA的系数。

点击查看答案

第5题

本题利用WAGE1.RAW中的数据。(i)使用OLS估计方程(iv)exper取什么值时，工作经历的增加实际上会降

本题利用WAGE1.RAW中的数据。（i)使用OLS估计方程（iv)exper取什么值时，工作经历的增加实际上会降

本题利用WAGE1.RAW中的数据。

(i)使用OLS估计方程

(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？

点击查看答案

第6题

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。

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。

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？

点击查看答案

第7题

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。(i)从加速数模型中求出OLS残差，并用回归

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。（i)从加速数模型中求出OLS残差，并用回归

本题利用INVEN.RAW中的数据;也可参见计算机习题C11.6。

(i)从加速数模型中求出OLS残差，并用回归来检验是否存在序列相关。p的估计值是多少？序列相关看起来是多大的问题？

(ii)用PW估计这个加速数模型，并将β₁的估计值与OLS估计值进行比较。你为什么预期它们很相似？

点击查看答案

第8题

本题利用数据集401KSUBS.RAW。(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

本题利用数据集401KSUBS.RAW。（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

本题利用数据集401KSUBS.RAW。

(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？

点击查看答案

第9题

本题利用数据集GPA1.RAW。

点击查看答案

第10题

本题利用SLEEP75.RAW中的数据。我们要分析的方程为：(i)分别针对男性和女性单独估计这个方程，并

本题利用SLEEP75.RAW中的数据。我们要分析的方程为：（i)分别针对男性和女性单独估计这个方程，并

本题利用SLEEP75.RAW中的数据。我们要分析的方程为：

(i)分别针对男性和女性单独估计这个方程，并按照通常形式报告结论。这两个估计方程有什么明显差异吗？

(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk，.male的检验形式，并使用全部观测。该检验相关的df等于多少？在5%的显著性水平上，你应该拒绝这个虚拟假设吗？

(iii)现在，容许男性与女性存在不同截距，判定所有涉及male的交互项是不是联合显著的？

(iV)给定第(ii)部分和第(iii)部分中的结论，你最后将使用什么样的模型？

点击查看答案

第11题

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表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗？

(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗？

(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响？解释grant的系数。相对于单侧备择假设它在5%的显著性水平上统计显著吗？

(iv)相对双侧备择假设，检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。

(v)利用异方差-稳健标准误，重复第(iii)步和第(iv)步，并简要讨论任何明显的差异。

点击查看答案

长沙泛函教育科技有限公司版权所有 ©2024

湘ICP备20014701号湘公安备案43019002002137号营业执照

违法和不良信息举报电话：400-118-7898

举报/反馈/投诉邮箱：deng＃ujigu.com（请将＃替换成@）