题目内容
（请给出正确答案）
A.平均下来，在冬天里，其他条件不变的情况下下雨的可能性会增加30%
B.平均下来，在冬天里，其他条件不变的情况下下雨的可能性会增加0.3%
C.平均下来，在冬天里，其他条件不变的情况下下雨的可能性会增加30个百分点
D.以上都不对
如果结果不匹配，请 联系老师 获取答案
更多“在线性概率模型(LPM)估计中，，rain=0.004+0.…”相关的问题
利用PNTSPRD.RAW中的数据。
(i)变量favwin是一个二值变量，在拉斯维加斯所押的球队胜出了预定的分数差时取值1。估计所押球队获胜概率的线性概率模型为
如果分数差包括了所有相关的信息，那我们预期β0=0.5。请解释。
(ii)用OLS估计第(i)部分的模型。相对于双侧备择假设检验H0:β0=0.5。同时使用通常的标准误和异方差一稳健的标准误。
(iii)spread在统计上显著吗？当spread=10时，被押球队获胜的估计概率是多少？
(iv)现在对P(favwin=Ilspread)估计一个概率单位模型。解释和检验截距项为0的虚拟假设。[提示：注意Φ(0)=0.5。]
(v)利用概率单位模型估计当spread=10时被押球队获胜的概率。并与第(iii)部分的LPM估计值相比较。
(vi)在概率单位模型中增加变量fuvhome、fav25和und25，并用似然比检验来检验这些变量的联合显著性。(x2分布中的自由度是多少？)解释这个结果，注意分数差是否包括了赛前可观测到的全部信息这个问题。
回答本题需用APPLE.RAW中的数据。
(i) 定义一个二值变量ecobuy， 在ec lbs>0时取值1， 在
时取值0。换言之， 在给定价格下， eco buy标志着一个家庭是否购买环保苹果。多大比例的家庭声称要购买环保苹果？
(ii)估计线性概率模型
并以通常的形式报告结果。仔细解释价格变量的系数。
(iii) 在LPM中， 非价格变量联合显著吗？(尽管存在异方差时， 通常的F统计量并非有效， 但我们还是使用它。)除价格变量外，哪个解释变量对购买环保苹果的决策具有最重要的影响？你认为这合理吗？
(iv) 在第(ii) 部分的模型中， 用log(faminc) 取代faminc。使用faminc和log(fam inc) ， 哪个模型对数据的拟合更好？解释log(faminc) 的系数。
(v)在第(iv)部分的估计中，有多少估计概率为负？多少大于1？应该引起你的注意吗？
(vi) 对于第(iv) 部分中的估计， 计算结果eco buy=0和eco buy=1的正确预测百分比。模型预测哪个结果最好？
我们估计了一个线性概率模型以说明一个年轻人在1986年是否被拘捕：
(i)用OLS估计此模型，并验证其全部估计值都严格地介于0和1之间。最大和最小的估计值各是多少？
(ii)用加权最小二乘法估计这个方程。
(iii)用WLS估计值决定avgsen和tottime在5%的显著性水平上是否联合显著。
(i)变量train是工作培训指标变量。样本中有多少人参与了工作培训项目？一个男人实际参加工作培训最多达几个月？
(ii)将train对unem74,unem75,age,educ,black,hisp和married等几个人口统计和培训前变量做一个线性回归。这些变量在5%的显著性水平上联合显著吗？
(iii)估计第(ii)部分中线性模型的一个概率单位形式。计算所有变量联合显著性的似然比检验。你得到什么结论？
(iv)基于第(ii)部分和第(iii)部分的答案，为解释1978年的失业状况，参与工作培训可视为外生变量吗？请解释。
(v)做unem78对train的简单回归，并以方程形式报告结果。估计参与工作培训项目对1978年失业的概率有何影响？它统计显著吗？
(vi)做unem78对train的概率单位模型。将train的概率单位系数与第(v)部分线性模型中得到的系数相比较有意义吗？
(vii)求出第(v)部分与第(vi)部分的拟合概率。解释它们为什么相同。为了度量工作培训项目的效果和统计显著性，你将采用哪个方法？
(viii)在第(v)部分与第(vi)部分模型中将第(ii)部分中的所有变量作为额外控制变量。现在拟合概率还相同吗？它们之间有何关系？
对(许多美国工人可用的)401(k)养老金计划的出现是否提高了净储蓄，吸引了大量研究兴趣。数据集401KSUBS.RAW包含了有关净金融资产(nettfa)、家庭收入(ic)、是否有资格参与401(k)计划的二值变量(e401k)和其他几个变量的信息。
(i)样本中有资格参与一个401(k)计划的家庭比例是多少？
(ii)估计一个用收入、年龄和性别解释401(k)资格的线性概率模型。包括收入和年龄的二次项，并以通常形式报告结论。
(iii)你认为401(k)资格独立于收入和年龄吗？性别呢？请解释。
(iv)求第(ii)部分中估计的线性概率模型的拟合值。有小于0或大于1的拟合值吗？
(v)利用第(iv)部分中的拟合值e401k1，定义e401k1在e401k≥0.5时取值1，并在2e401k＜0.5时取值0。在9275个家庭中，预计有多少家庭有资格参与401(k)计划？
(vi)对于没有资格参加401(k)的5638个家庭，利用预测值e401k1，预测其中有多大比例没有401(k)？对于有资格参加401(k)的3637个家庭，其中有多大比例的家庭有401(k)？(如果你的计量经济软件具有“制表”命令更好。)
(vii)总正确预测比约为64.9%。给定第(vi)部分的答案，你认为这是模型好坏的一个完备描述吗？
(viii)在线性概率模型中增加一个解释变量pira。其他条件不变，若一个家庭有某人拥有个人退休金账户，一个家庭有资格参与401(k)计划的估计概率会提高多少？在10%的显著性水平上，它统计显著异于0吗？
(i) 估计一个将respond与resplast和avggift联系起来的线性概率模型。以通常的形式报告结果， 并解释变量resplast的系数。
(ii)过去捐助的平均水平看来会影响做出捐助响应的概率吗？
(iii) 在模型中增加变量propres p并解释其系数。(这里须注意， propresp增加1是最大可能变化。)
(iv) 在回归中增加propres p以后， resp last的系数有何变化？这讲得过去吗？
(v) 在模型中增加每年寄出邮件的数量mail year。它的估计影响有多大？为什么它不是邮件数量对响应的因果关系的一个较好的估计？
(i)用虚拟变量dem wins来代替式(10.23)中的dem vote，并用通常的格式报告结果。哪些因素影响获胜概率？请用截至1992年的数据。
(ii)有多少个拟合值小于0？有多少个拟合值大于1？
(iii)采用下面的预测规则：如果den wins＞0.5， 你就可以预测民主党会获胜：否则， 共和党将获胜。那么，在这20次选举中，这个模型有多少次正确地预测了实际结果？
(iv)代入1996年的解释变量值。预测克林顿赢得这次选举的可能性有多大。事实上，克林顿获胜了，你的预测结果是否与事实相符？
(v)对误差中的AR(1)序列相关，做异方差-稳健1检验。你有何发现？
(vi)求出第(i)部分中估计值的异方差-稳健标准误。t统计量有什么明显的变化吗？
(i)用虚拟变量demwins来代替教材(10.23)中的demvote，并用通常的格式报告结果。哪些因素影响获胜概率？请用截至1992年的数据。
(ii)有多少个拟合值小于0？有多少个拟合值大于1？
(iii)采用下面的预测规则：如果demwins＞0.5，你就可以预测民主党会获胜;否则，共和党将获胜。那么，在这20次选举中，这个模型有多少次正确地预测了实际结果？
(iv)代入1996年的解释变量值。预测克林顿赢得这次选举的可能性有多大。事实上，克林顿获胜了，你的预测结果是否与事实相符？
(v)对误差中的AR(1)序列相关，做异方差-稳健：检验。你有何发现？
(vi)求出第(i)部分中估计值的异方差-稳健标准误。!统计量有什么明显的变化吗？
A.K-Means算法
B.Apriori算法
C.最大期望算法
D.KNN算法
本题利用BEAUTY.RAW中的数据集，它包含了哈默梅什和比德尔(HamermeshandBiddle，1994)报告变量的一个子集(但比其报告回归中的观测更加有用)。
(i)分别求男女相貌在一般水平之上的比例。相貌在一般水平之上和之下的人哪个更多？
(ii)检验假设：男女相貌在一般水平之上的总体比例相同。报告女人比例更高的单侧P值。(提示：估计一个简单的线性概率模型最容易。)
(iii)现在针对男女分别估计模型
并以通常方式报告结果。在两种情形中，都解释belavg的系数。用语言解释假设H0:β1=0相对H1:β1＜0的含义，并分别求出P值。
(iv)有一般相貌之上的女人比相貌一般的女人工资更高的充分证据吗？请解释。
(v)对男人和女人，都增加解释变量educ，exper，experz，uion，goodhlth，black，married，south，bigcity，smllcity和service。“相貌”变量的影响有重要变化吗？
如果我们在经典线性模型假定下从式(6.38)开始，假定n很大，并忽略
中的估计误差，那么y0的一个95%预测区间就是
。
(ii)在CEO薪水的例子中，验证第(i)部分中的条件是成立的。
