在一个信息系统项目的生命周期的V模型中，系统测试是针对（）阶段做出的。

利用VOTE1.RAW中的数据。

(i)考虑一个含有竞选支出交互项的模型

保持prtystrA和expendA不变，expendB对voteA的偏效应是什么？expendA对voteA的偏效应是什么？β4的预期符号明显吗？

(ii)估计第(i)部分中的方程，并以通常的格式报告结果。交互项是统计显著的吗？

(ii)求样本中expendA的均值。固定expendA为300(300000美元)。候选人B另外支出100000美元对voteA的估计影响是什么？这个影响很大吗？

(iv)现在固定expendB为100。AexpendA=100对voteA的估计影响是什么？这讲得通吗？

(v)现在估计一个用候选人A的支出占竞选总支出的百分比shareA取代交互作用项的模型。同时保持expendA和expendB不变而改变shareA，这讲得通吗？

(vi)(要求有微积分知识)在第(V)部分的模型中，保持prtystrA和expendA不变，求出expendB对voteA的偏效应。在expendA=300和expendB=0时进行计算，并评论你的结论。

本题利用NBASAL.RAW中的数据。

(i)估计一个线性回归模型，将单场得分与联赛中打球经历和位置(后卫、前锋或中锋)联系起来。包括打球经历的二次项形式，并将中锋作为基组。以通常的形式报告结果。

(ii)在第(i)部分中，你为什么不将所有三个位置虚拟变量包括进来？

(iii)保持经历不变，一个后卫的得分比一个中锋多吗？多多少？这个差异统计显著吗？

(iv)现在，将婚姻状况加入方程。保持位置和经历不变，已婚球员是否更高效(就单场得分来说)？

(v)加入婚姻状况和两个经历变量的交互项。在这个扩展的模型中，是否存在有力的证据表明婚姻状况影响单场得分？

(vi)使用单场助攻次数作为因变量估计(iv)中的模型。与(iv)的结果有明显的差异吗？请讨论。

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.onStart()

B.onActive()

C.onInactive()

D.onStop()

A.init()方法是包容器调用的Servlet实例的第一个方法

B.在典型的Servlet生命周期模型中，每次Web请求就会创建一个Servlet实例，请求结束Servlet就消亡了

C.在包容器把请求传送给Servlet之后，和在调用Servlet实例的doGet或者doPost方法之前，包容器不会调用Servlet实例的其他方法

D.在Servlet 实例消亡之前，容器调用Servlet实例的close()方法。

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。

利用401KSUBS.RAW中的数据。

(i)计算样本中netta的平均值、标准差、最小值和最大值。

(ii)检验假设：平均netta不会因为401(k)资格状况而有所不同，使用双侧备择假设。估计差异的美元数量是多少？

(iii)根据第7章的计算机练习C7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e401k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(ii)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：fsizel，fsize2，fsize3，fsize4和fsize5。对有5个或5个以上成员的家庭，fsize5等于1。在第(ii)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(iv)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。

A.结项

B.下线

C.消亡

D.重建

A.在启动项目阶段

B.在组织与准备阶段

C.在执行项目工作阶段

D.在整个项目生命周期中