回归分析中，对于被解释变量如果是分类变量，则应采用（)。

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

对两个包含解释变量个数不同的回归模型进行拟合优度比较时，应比较（)的大小。

析。我们关心的模型是：

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？

A.前定变量

B.外生变量

C.解释变量

D.被解释变量

数据集401KSUBS.RAW包含了净金融财富（nettfa)、被调查者年龄（age)、家庭年收入（inc)、家庭规模（Js

ize) 方面的信息， 以及参与美国个人的特定养老金计划方面的信息。财富和收入变量都以千美元为单位记录。对于这里的问题， 只使用单身者数据(fsize=1)。

(i)数据集中有多少单身者？

(il)利用OLS估计模型

并以常用格式报告结果。解释斜率系数。斜率估计值有何惊人之处吗？

(iii)第(ii)部分的回归截距有重要意义吗？请解释。

(iv)在1%的显著性水平上，针对H₁：β₂＜1检验H₀：β₂=1，求出p值。你能拒绝H0吗？

(V)如果你做一个nettfa对inc的简单回归， inc的斜率估计值与第(ii) 部分的估计值有很大不同吗？为什么？

A.与被排除在外的前定变量个数正好相等

B.小于被排除在外的前定变量个数

C.大于被排除在外的前定变量个数

D.以上三种情况都有可能发生

exec是当年和前两年中被处决的犯人总数; unem是州失业率。

(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.直线回归分析的两相关变量可区分为自变量和依变量

B.直线相关分析研究的变量呈平行关系

C.两相关变量间的决定系数等于其相关系数的平方

D.相关系数可用回归系数表示，反之则不然

本题利用401KSUBS.RAW中的数据。（i) 计算样本中nettfa的平均值、标准差、最小值和最大值。（ii) 检

本题利用401KSUBS.RAW中的数据。

(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。

(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？

(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？

(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？

(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。

(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？

(vii) 现在， 针对模型

在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。

只用一个解释变量，求组间估计量的方程为其中上横线表示不同时期的平均。由于我们已经在这个方程中包含了一个截距， 所以我们可以假定E(ai)=0。假设对所有时期都成立(因为在横截面中随机抽样，所以对所有的;也都成立)。

(iii)如果不同时期的解释变量不是很相关，对于时期数越多，组间估计量之间的不一致性越小的观点，第(ii)部分有何结论？

(iii)由(ii)可知，xit是两两不相关的，大小是不一致的，且随着T线性增长。符号依赖于xit与ai的协方差。