A.Cr2O72-和Fe2+
B.Cr2O72-和Cl-
C.Fe3+和Cl-
D.Fe3+和Hg22+
(i)将lavgsal对bs进行简单回归。斜率估计值在统计上显著异于0吗?它在统计上显著地异于-1吗?
(ii)在第(i)部分的回归中增加变量lenrol和istaff。bs的系数有何变化?这种情形与教材表4-1中的情形相比如何?
(iii)第(ii)部分中bs系数的标准误为何比第(i)部分中的标准误更小?(提示:当增加变量lenrol和Istaff后,对误差方差和多重共线性会造成什么样的影响?)
(iv)Istaff的系数为何为负?它的绝对值算大吗?
(v)在回归中再添加变量lunch。保持其他条件不变,教师会因教育那些家庭条件不好的学生而得到补偿吗?请解释你的结论。
(vi)总之,你利用ELEM94_95.RAW得到的结论,与教材4-1在形式上一致吗?
(i)一个学区中学校的最多数量和最少数量是多少?每个学区的学校平均数量是多少?
(ii)利用混合OLS(即将所有1848个学校混合在一起),估计一个将lavgsal与bs,lenrol,lstaff和lunch相联系的模型:也参见第9章的计算机练习C11。bs的系数和标准误是多少?
(iii)求对学区内聚类相关(和异方差性)保持稳健的标准误。bs的t统计量有何变化?
(iv)去掉bs>0.5的四个观测,仍用混合OLS,求出βbs及其聚类稳健标准误。现在,薪水与福利之间的替代关系,有更多的证据吗?
(v)容许一个学区内的学校存在一个共同的学区效应,用固定效应法估计这个方程。再次去掉bs>0.5的四个观测,现在,你对薪水与福利之间的替代关系有何结论?
(vi)根据你在第(iv)部分和第(v)部分的估计值,讨论通过学区固定效应而容许教师的薪酬在不同学区系统变化的重要性。
利用AIRFARE.RAW中的数据。我们的兴趣在于估计模型
其中,θt意味着,我们容许每年的截距有所不同。
(i)用混合OLS估计上述方程,注意包含年度虚拟变量。若Δconcen=0.10,估计fare提高了多少个百分点?
(ii)的通常OLS的95%置信区间是什么?它为什么可能不太可靠?如果你有能计算充分稳健标准误的统计软件,求出β1的充分稳健的95%置信区间。与通常的置信区间相比较,并评论。
(iii)描述log(dist)的二次项出现的情况。特别是,dist取何值时,log(fare)和dit之间开始出现正向关系。[提示:首先计算log(dist)的转折点,然后取指数。]转折点出现在数据范围之外吗?
(iv)现在用随机效应法估计方程。β1的估计值有何变化?
(v)现在用固定效应法估计方程。β1的FE估计值是多少?它为何与RE估计值相当类似?(提示:RE估计的入是多少?)
(vi)指出由ai刻画的两个航线特征(除起降距离之外)。这些特征可能与concenit相关吗?
(vii)你相信航线更集中会提高飞机票价吗?最佳估计值是什么?
A.各条记录中的数据彼此有一定的关系
B.一个数据库文件与另一个数据库文件之间有一定的关系
C.数据模型符合一定条件的二维表格式
D.数据库中各个字段之间彼此有一定关系