利用AFFAIRS.RAW中女性的数据。 （i)为affair估计一个线性概率模型，二元指示变量在女性至少有

利用AFFAIRS.RAW中的数据。

(i)给定的数据中有多少是女人?变量naffairs是一个已婚的人婚外情的次数(尽管大部分的数据是按照一定的区间分组的)。从来没有过婚外情的女人的比例是多大?次数最多的是多少?

(ii)用age，yrsmarr，kids，educ，vryrel，smeral，slghtrel和notrel作为变量，估计一个泊松模型，解释vryrel的系数并以最大似然标准误为基础讨论t值。

(iii)现在得到了当方差和均值与教材(17.35)相关的情况下的标准误，相比于泊松MLE模型下的t值，本题估计出的t值的解释能力如何?

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。]

利用LOANAPPRAW中的数据;也可参见第7章的计算机练习C8。

(i)估计一个approve对white的概率单位模型。求出白人和黑人贷款许可的估计概率。与线性概率估计值相比如何?

(ii)现在在这个概率单位模型中增加变量hrat、obrat、loanpre、unem、male、married、dep、sch、cosign、chist、pubrec、mortlatl、mortlat2和vr。有对非白人歧视的统计上显著的证据吗?

(iii)用对数单位估计模型的第(ii)部分，将white的系数与概率单位估计值相比较。

(iv)使用教材方程(17.17)估计在概率单位模型和对数单位模型中歧视效应的大小。

使用TRAFFIC2.RAW中的数据。

(i)做prcfat对一个线性时间趋势、月份虚拟变量及变量wkends，unem，spdlaw和beltlw的OLS回归。利用教材方程(12.14)中的回归检验误差中的AR(1)序列相关。使用假定了严格外生回归元的检验说得过去吗?

(ii)利用尼威-韦斯特估计量中的4阶滞后，求spdlaw和beltlaw系数的序列相关和异方差-稳健标准误。这将如何影响这两个政策变量的统计显著性?

(iii)现在，利用迭代普莱斯-温斯顿程序估计模型，并将估计值与OLS估计值进行比较。政策变量的系数或统计显著性有重大变化吗?

利用GPA2.RAW中的数据。

(i)估计模型

其中，hsize为毕业年级的规模(以百为单位)，按通常的格式写出结论。二次项是统计显著的吗?

(ii)利用第(i)部分的估计方程，高中学校的“最优”规模是什么?说明你的答案。

(iii)这个分析是所有高中高年级学生学术成绩的代表吗?请解释。

(iv)用log(sat)作为因变量，求出估计的高中最优规模。它与你在第(ii)部分得到的结论很不同吗?

使用PNTSPRD.RAW中的数据。

(i)变量sprdcvr是一个二值变量，若在大学篮球比赛中实际分数差距超过拉斯维加斯让分，则此变量取值1。sprdcvr的期望值(比方说u)表示在一场随机抽取的比赛中分差超过让分的概率。在10%的显著性水平上相对于H₁:μ≠0.5检验H₀:μ=0.5，并讨论你的结果。(提示：将sprdcvr只对一个截距项进行回归便得到一个r统计量，利用这个统计量很容易完成。)

(ii)553个样本中有多少场比赛是在中立场地进行的?

(iii)估计线性概率模型

并以通常的形式报告结论。(报告通常的标准误和异方差-稳健的标准误。)哪个变量在实际上和统计上都是最显著的?

(iv)解释为什么在原假设下，模型中不存在异方差性。

(v)利用通常的F统计量检验第(iv)部分的原假设，你得到了什么结论?

(vi)给定上述分析，你会不会认为，利用赛前可利用的信息，有可能系统地预测拉斯维加斯让分能否实现?

使用VOTE1.RAW中的数据。

(i)估计一个以voteA为因变量并以prystrA、deocA、log(expendA)和log(expendB)为自变量的模型。得到OLS残差，并将这些残差对所有的自变量进行回归。解释你为什么得到R²=0。

(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。

(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强?

利用WAGEPAN.RAW中的数据。

(i)估计模型

用混合最小二乘法，算出估计值和常见形式的标准误差。

(ii)用随机效应估计(i)中模型(试想v_it=a_i+u_ir)，RE和混合最小二乘估计的β1值比较如何?

(iii)RE和混合最小二乘估计的标准误差一致吗?哪一个更可信?为什么?。

(iv)在(i)、(ii)的估计中加入一完整系列的年份虚拟变量。你在(i)、(ii)中得到的结论有什么变化吗?

(v)现在从(iv)出发，用FE估计模型，指出除年份外的所有解释变量。对年份虚拟变量，FE与RE估计的系数有何不同?

(vi)你能从这个具体例子中得出什么一般结论?

利用LOANAPP.RAW中的数据。要解释的二值变量是approve，如果一个人的抵押贷款得到许可则取值1.主要的解释变量是虚拟变量white，如果申请者是白人则取值1。数据集中其他的申请者为黑人和拉美裔。

为了检验抵押贷款市场中的歧视，可使用一个线性概率模型：

(i)如果对少数民族存在歧视，并控制了适当的因素，那么，的符号是什么?

(ii)将qpxe对white做回归，并以通常的形式报告结果。解释white的系数。它是统计显著的吗?它实际上大吗?

(iii)作为控制因素，增加变量hrat，obrat，loanprc，unem,male,married，dep，sch，cosign，chist，pubrec，mortlatl，mortlat2和vr。white的系数会有什么变化?仍有对非白人存在歧视的证据吗?

(iv)现在容许种族效应与度量了其他债务占收入比例的变量(obrat)存在着交互作用。交互项显著吗?

(v)利用第(iv)部分的模型，当债务负担达到样本均值obrat=32时，作为白人对贷款许可的概率有多大的影响?构造这种影响的一个95%的置信区间。

利用BARIUM.RAW中的数据。

(i)用前119次观测(即不包含1988年的最后12个月观测)，估计线性趋势模型。这个回归的标准误是什么?

(ii)同样用除了最后12个月以外的所有数据，估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合?

(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言，哪种方法效果更好?

(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗?(当我们检验联合显著性时，不必担心误差中轻度的序列相关。)