在回归分析中，下列有关解释变量和被解释变量的说法正确的有（）

A.①②③⑤④

B.③①②⑤④

C.③①②⑤

D.③①②⑤

A.线性回归分析

B.曲线估计

C.逻辑回归

D.以上都不对

A.确定解释和被解释变量

B.确定回归模型

C.建立回归方程

D.进行检验

利用WAGEPAN中数据。

(i)利用混合最小二乘法(pooledOLS)估计一个log(ag为被解释变量的方程。以educ，black，exper，married，union以及一系列时间虚拟变量(以1980年为基年)为可解释变量，解释及讨论变量married和union的系数。

(ii)解释为什么通常(i)中标准误总是偏小。算出关于married和union两个变量对自相关和异方差一稳健的标准误。

(iii)现在对变量lwage，exper，married和union进行一阶差分。(不随时间改变的变量educ，black和hisp被排除在这个估计之外，exper也是，因为它总是随着年份增加。)注意排除首年即1980年的一阶差分，因为不存在更早的年份。

(iv)就作回归分析，确保包括一个常数项和一个从1982年到1987年的时间虚拟变量。算出Δmarried和Δunion的系数和标准误。

(v)对比婚姻状况和工会保费的估计水平及其一阶差分估计，并作相应评论。

A.在解释变量给定值下，被解释变量总体均值的轨迹

B.在解释变量给定值下，被解释变量个值得轨迹

C.在解释变量给定值下，被解释变量样本均值的轨迹

D.在解释变量给定值下，被解释变量样本个值得轨迹

(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mrd rte对d93、exec和unem的混合回归。你对exec系数如何解释？

(iii)仅利用1990~1993年的变化(对总共51个观测值) ， 用OLS估计以下方程

并以通常的格式报告结果。现在，处以死刑是否看起来具有威慑作用？

(iv)处决的变化至少可能部分地与预期谋杀率的变化有关， 因而△ exec与第(iii) 部分中的△u相关。假定△exec-1与△u不相关也许是合乎情理的。(毕竟， △exec-1 依赖于三年或更久以前进行的处决数。) 将△exec对△exec-1进行回归， 看它们是否充分相关：解释△exec-1的系数。

(v)用△exec-1作为△exec的Ⅳ， 重新估计第(iii) 部分中的方程。假定△mem是外生的。你从第(ii) 部分中得出的结论将怎样变化？

A.数据相关性

B.数据正态性

C.试验数据响应的标准差

D.能被因子解释的在Y上的变差变化的比列

本题使用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例13.9中那些司法变量的系数？

(ii)第(i)部分中的工资变量都有预期的符号吗？它们是联合显著的吗？试解释。

其中，因为滞后支出变量，第一个可用年份(基年)是1993年。

(i)用混合OLS估计模型， 并报告通常的标准误。为使得a_i的期望值可以非零， 你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差。

(ii)lunch_it系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？

(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994~1998年的数据。验证存在很强的正序列相关，并讨论为什么。

(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？

(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？