使用GPA1.RAW中的数据。
(i)在估计方程(7.6)中增加变量mothcoll和fathcoll,并以通常的形式报告结果。拥有PC的估计影响会怎么样?PC还是统计显著的吗?
(ii)检验第(i)部分方程中mothcoll和fathcoll的联合显著性,不要忘记报告p值。
(iii)在第(i)部分的模型中增添hsGPA,并判断是否有必要进行这种扩展。
论述题 2 : 以下是 QESuite Web Version 1.0 中某测试项目的部分界面,请按要求回答问题(12 分)
(1 )下图是该测试项目的测试用例执行文档界面。有几个测试用例没有执行?有几个测试用例最近一次执行通过?有几个测试用例最近一次执行失败?(3 分)
(2 )下图是该测试项目的某软件问题报告视图。按 QESuite Web Version 1.0 中的软件问题生命周期定义, 4 号软件问题报告需要何种人员进行哪些可能的操作? 5 号软件问题报告需要何种人员进行哪些可能的操作? 8 号软件问题报告需要何种人员进行哪些可能的操作?(9 分)
数据集NBASAL.RAW包含了美国篮球协会(NBA)269位运动员的薪水信息和职业统计。
(i)估计一个将每场得分(points)与加入联盟年数(exper)、年龄(age)、大学期间打球年数(coll)相联系的模型。包含一个exper的二次项,其他变量都应该以水平值形式加入模型。按照通常的格式报告结果。
(ii)保持大学打球年数和年龄不变,从加入联盟的第几个年份开始,在NBA打球的经历实际上将降低每场得分?这讲得通吗?
(iii)你为什么认为coll具有负系数,而且统计显著?(提示:NBA运动员在读完大学之前被选拔出,甚至直接从高中选出。)
(iv)有必要在方程中增加age的二次项吗?一旦控制了exper和coll之后,这对年龄效应意味着什么?
(v)现在将log(wage)对points,exper,exper2,age和coll回归。以通常的格式报告结论。
(vi)在第(v)部分的回归中检验age和coll是否联合显著。一旦控制了得分和资历,这对考察年龄和受教育程度是否对工资具有单独影响这个问题有何含义?
其中,pop为城市人口,avginc为平均收入,而pctstu为学生人口占城市人口的百分数(按学年计)。
(i)用混合OLS估计方程并按标准形式报告结果。你如何解释1990年度虚拟变量的估计值?你得到βpctstu为多少?
(ii)你在第(i)部分报告的标准误确当吗?做出解释。
(iii)现在取方程的差分,再用OLS去估计。将βpctstu的估计值和第(i)部分的估计值相比较。学生人口的相对规模对房租有影响吗?
(iv)用固定效应估计模型,以验证你得到和第(iii)部分同样的估计值和标准误。
利用FERTIL2.RAW中的数据。解释存活儿童数的一个简单模型是:
其中,解释变量是女性接受教育的年限,年龄(以年表示)及分别表示女性家是否有电和电视机的二元变量。
(i)用OLS估计该方程并用通常的形式报告结果。讨论变量eletric和tv的系数和统计显著性。
(ii)城市居民和非城市居民在生育率上有区别吗?请解释。
(ii)现在对城市居民和非城市居民分别估计方程(当然,解释变量要去掉urban)。除了截距以外,其他系数有明显区别吗?
(iV)允许城市居民和非城市居民截距项不同,在原假设下得到邹至庄统计量。你能得到什么结论?[提示:你在检验5个限制条件,SSR从第(ii)部分和第(iii)部分中很容易得到。]
(i)求出样本中的平均年薪和平均任期。
(ii)有多少位CEO尚处于担任CEO的第一年(就是说,ceoten=0)?最长的CEO任期是多少?
(ii)估计简单回归模型log(salary)=β0+β1ceoten+u,用通常的形式报告你的结果。多担任一年CEO,预计年薪增长(近似)的百分数是多少?
利用PHILLIPS.RAW中的数据,但只到1996年。
(i)在教材例11.5中,我们假定自然失业率是常数。在另一种形式的附加预期的菲利普斯曲线中,自然失业率受历史失业水平的影响。最简单的情况是,t时期的自然失业率与unemt-1,相等。如果我们假定适应性预期,便得到一个通货膨胀和失业率都是一阶差分形式的菲利普斯曲线:估计这个模型,以常见格式报告结果,并讨论β1的符号、大小和统计显著性。
(ii)教材(11.19)和第(i)部分中的模型,哪一个对数据拟合得更好?说明理由。
A.正确
B.错误
A.一份研究城乡环境污染差别的报告。
B.一份研究环境污染和人的生理素质关系的报告。
C.一份研究城市环境综合治理的报告。
D.一份研究城乡人民生活条件差别的报告。