对下面几组数据的估测，你认为最接近实际的是（）

A.一个苹果的质量约为150g

B.人的正常体温是39℃

C.成年人散步时的速度约是4m/s

D.家用电热水器正常工作时的功率约为30W

A.13-22-28-37万元

B.25-25-25-25万元

C.83-17-0-0万元

D.43-33-20-6万元

A.你正在答题用的一支0.5mm的黑色签字笔的长度约为15dm

B.你正在考试的教室（开着冷空调）的温度约为26℃

C.你正在考试的教室里每一盏日光灯的额定功率为200W

D.你正在考试的教室的大气压约为1.5个标准大气压

A.人体感觉舒适的环境温度约为40℃

B.一支新的中华2B铅笔的长度约为35cm

C.教室里的日光灯正常工作时电流约为1.8A

D.一本九年物理课本平放在水平桌面上对桌面的压强大约是50Pa

A.项目团队没有统一的风险概率量表、影响量表、概率影响矩阵

B.相关方的风险态度不明朗，团队没有对此进行分析

C.对风险措施的落实没有定期审查，导致有些措施没有落实

D.没有一套真正有效的风险管理方法和流程

薪水信息和职业统计。

(i)估计一个将每场得分(points)与加入联盟年数(exper)、年龄(age)、大学期间打球年数(coll)相联系的模型。包含一个exper的二次项，其他变量都应该以水平值形式加入模型。按照通常的格式报告结果。

(ii)保持大学打球年数和年龄不变，从加入联盟的第几个年份开始，在NBA打球的经历实际上将降低每场得分？这讲得通吗？

(iii)你为什么认为coll具有负系数，而且统计显著？(提示：NBA运动员在读完大学之前被选拔出，甚至直接从高中选出。)

(iv)有必要在方程中增加age的二次项吗？一旦控制了exper和coll之后，这对年龄效应意味着什么？

(v)现在将log(wage)对points，exper，exper²，age和coll回归。以通常的格式报告结论。

(vi)在第(v)部分的回归中检验age和coll是否联合显著。一旦控制了生产力和资历，这对考察年龄和受教育程度是否对工资具有单独影响这个问题有何含义？

其中你应该首先定义sales的度量单位为10亿美元，从而使得估计值更容易解释。

(i)在包含和不包含年销售额近400亿美元的企业的情况下，用0LS估计上述方程。讨论估计系数的明显差别。

(ii)再次在包含和不包含最大企业的情况下，用LAD估计同一方程。讨论估计系数的重要差别。

(iii)基于第(i)部分和第(ii)部分的结论，你认为OLS和LAD哪个方法对异常观测更有弹性余地？

A.牛市中股票都在上涨，大胆买入就可以，没有风险

B.同一个投资工具,对于投机者和投资者风险是不一样的，对于投机者风险更大

C.买指数基金就是买国运。只要国家在发展，随便买指数基金就行，没有亏损的风险

D.根据科学的投资策略，结合自身情况,制定合理的投资计划，可以最大限度的规避投资风险

下面这个模型是比德尔和哈默梅什(BiddleandHamermesh，1990)所用多元回归模型的一个简化版本，原模型研究睡眠时间和工作时间之间的取舍，并考察影响睡眠的其他因素：

sleep=β₀+β₁totwrk+β₂educ+β₃age+u

其中，sleep和totwrk都以分钟/周为单位，而educ和age则以年为单位。(也可参见计算机练习C3。)

(i)如果成年人为工作而放弃睡眠，β₁的符号是什么？

(ii)你认为β₂和β₃的符号应该是什么？

(iii)利用SLEEP75.RAW中的数据，估计出来的方程是

sleep=3638.25-0.148totwrk-11.13educ+2.20age

n=706,R²=0.113.

如果有人一周多工作5个小时，预计sleep会减少多少分钟？这是一个很大的舍弃吗？

(iv)讨论educ的估计系数的符号和大小。

(v)你能说totwrk，educ和age解释了sleep的大部分波动吗？还有什么其他因素可能影响花在睡眠上的时间？它们与totwrk可能相关吗？

A.泪/泪

B.烟/烟

C.游/游

D.迹/迹