利用AIRFARE.RAW中的数据。我们的兴趣在于估计模型 其中，θ_t意味着，我们容许每年的截距有

利用AIRFARE.RAW中的数据。我们的兴趣在于估计模型

其中，θ_t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？