401K.RAW中的数据是帕普克（Papke，1995)所分析数据的一个子集，帕普克是为了研究401（k)养老金计

如下三个方程是使用401K.RAW中的1534个观测估计出来的：

你更偏好这三个模型中的哪一个?为什么?

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。

利用401KSUBS.RAW中的数据，只使用未婚人士的数据(fsize=1)。我们关心的等式如下：

(i)利用OLS估计这个方程，按照通常形式报告结果，并解释e401k的系数。

(ii)利用布罗施-帕甘检验，使用OLS残差检验异方差性。u看上去独立于解释变量吗?

(iii)用LAD估计这个方程，并以对OLS同样的方式报告结果。解释e401k的系数。

(iv)调和第(i)部分和第(iii)部分的结论。

利用EZANDERS.RAW中的数据。数据是1980年1月一I988年11月期间，印第安纳州安德森市的每月失业救济金登记人数。1984年，一个工业区(EZ)建立在安德森市(印第安纳州的其他城市也建立了类似/的工业区)。[详细情况参见Papke(1994)。]

(i)将log(uclms)对一个时间趋势变量和11个月度虚拟变量进行回归。这段时期中失业救济金登记人数的总体趋势如何?(解释时间趋势的系数。)失业救济金登记中有季节性的证据吗?

(ii)第(i)部分的回归中增加一个虚拟变量EX，并令其在安德森市成立工业区的月份取值为1.建立工业区看起来是否降低了失业救济金登记人数?降低了多少?

(iii)若要把第(ii)部分得到的影响全部归功于EZ的建立，需要做哪些假定?

利用数据集401KSUBS.RAW，仅考虑无子女的已婚夫妇(marr=1，fsize=2)。

数据集401KSUBS.RAW包含了净金融财富(nenfa)、被调查者年龄(age)、家庭年收入(inc)、家庭规模(fsize)方面的信息，以及参与美国个人的特定养老金计划方面的信息。财富和收入变量都以千美元为单位记录。对于这里的问题，只使用无子女已婚者数据(marr=1，fsize=2)。

(i)数据集中有多少无子女已婚夫妇?

(ii)利用OLS估计模型

nettfa=β₀+β₁inc+β₂age+u;

并以常用格式报告结果。解释斜率系数。斜率估计值有何惊人之处吗?

(iii)第(ii)部分的回归截距有重要意义吗?请解释。

(iv)在1%的显著性水平上，针对H₀:β₂>1检验H₀: β₂=1,求出p值。你能拒绝H₀吗?

(V)如果你做一个nettfa对inc的简单回归，inc的斜率估计值与第(ii)部分的估计值有很大不同吗?为什么?