利用LOANAPP.RAW中的数据。 （i)估计第7章的计算机练习C8第（iii)部分中的方程，计算其异方差-稳

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。

i)在第7章的计算机练习C8中，去掉obrat>40的观测，重新估计第(ii)部分中的模型。white的系数估计值和：统计量将会怎样?(ii)white看起来对所使用的样本过度敏感吗?

A.独家买断热门大剧的版权是浪费行为，对APP的发展没有好处B.《偶像练习生》会员每日可投票数多于非会员，可以提升付费用户占比C.连续包月用户打折，可以提升付费用户留存D.湖南卫视拥有大量优质综艺，芒果TV独播可以提升芒果TV的用户规模

利用CEOSAL2.RAW中的数据估计模型

所得到的R2为R2=0.353(n=177)。若添加ceoten2和comten2后，R2=0.375。此模型中是否有函数形式误设的证据?

使用LOANAPP.RAW中的数据。

(i)有多少个观测的obrat>40，即其他债务负担超过其总收入的40%?

(ii)在第7章的计算机练习C8中，去掉obrat>40的观测，重新估计第(ii)部分中的模型。white的系数估计值和：统计量将会怎样?

(ii)β_white看起来对所使用的样本过度敏感吗?

据吗?

(ii)计算一个异方差-稳健形式的RESET。你在第(i)部分的结论改变了吗?

利用INFMRT.RAW中1990年的数据。

(i)重新估计教材方程(9.37)，但现在对哥伦比亚特区这个观测引进一个虚拟变量(记为DC)。解释DC的系数，并评论其大小和显著性。

(ii)将第(i)步所得到的估计值和标准误与教材方程(9.38)中的估计值和标准误相比较。根据这种对单个观测引进一个虚拟变量的做法，你得到什么结论?

利用TWOYEAR.RAW中的数据。

(i)变量stotal是一项标准化测试变量，可用作无法观测的能力的代理变量。求stotal的样本均值和标准差。

(ii)做jc和univ对stotal的简单回归。两个大学教育变量都与stotal统计相关吗?请解释。

(iii)在教材方程(4.17)中增加stotal，并检验二年制大专和四年制大学教育具有相同回报的假设，备择假设是四年制大学的回报更高。你的结论与4.4节中的结论有何区别?

(iv)在第(iii)部分估计的方程中增加stotal2。测试分数变量的二次项有必要吗?

(v)在第(iii)部分的方程中增加stotal·jc和stotal·univ。这两项联合显著吗?

(vi)你通过使用stotal而控制能力变量的最终模型是什么?说明你的理由。

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。

含了所观测到的数据，其中个人基本上是自己决定是否参加工作培训。数据集包含同一时期的数据。

(i)在数据集JTRAIN2.RAW中，男人参加工作培训的比例是多大?在JTRAIN3.RAW中的比例又是多大?你认为为什么存在这么大的差距?

(ii)利用JTRAIN2.RAW，做re78对train的简单回归。参与工作培训对真实工资的估计影响有多大?

(ii)现在，在第(ii)部分的回归中增加控制变量re74，re75，educ，age，black和hisp。工作培训对re78的估计影响变化大吗?何以至此?(提示：记得这些都是实验数据。)

(iv)利用JTRAIN3.RAW中的数据做第(ii)部分和第(iii)部分的回归，只报告train的估计系数及其：统计量。现在，控制额外因素的影响如何?为什么?

(v)定义avgre=(re74+re75)/2。求这两个数据集中的样本均值、标准差、最小值和最大值。这些数据集代表了1978年同样的总体吗?

(vi)在数据集JTRAIN2.RAW中，几乎96%的男性的avgre低于10000美元。只利用这些男性的数据，做re78对train，re74，re75，educ，age，black和hisp的回归，并报告培训估计值及其：统计量。对JTRAIN3.RAW

也只利用avgre ≤10的男性做同样的回归。就这个低收入男性子样本而言，实验数据集和非实验数据集估计的培训效应有何差别?

(vii)现在，只针对1974年和1975年失业的男性，利用每个数据集做re78对train的简单回归。培训的估计值又有何差别?

(viii)利用你前面的回归结果，试讨论在比较实验估计值和非实验估计值的背后，拥有可比较总体的潜在重要性。

使用WAGE2.RAW中的数据。

(i)在教材例9.3中，用变量KWW(“工作领域内知识”测试分数)取代IQ作为能力的代理变量。在此情形下，估计的教育回报是多少?

(ii)现在用IQ和KWW一起作为代理变量。所估计的教育回报会怎么样?

(iii)在第(ii)部分中，IQ和KWW是个别显著的吗?它们联合显著吗?

本题使用JTRAIN.RAW中的数据。

(i)考虑简单回归模型

其中，scrap表示企业的废品率，grant表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗?

(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗?

(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响?解释grant的系数。相对于单侧备择假设它在5%的显著性水平上统计显著吗?

(iv)相对双侧备择假设，检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。

(v)利用异方差-稳健标准误，重复第(iii)步和第(iv)步，并简要讨论任何明显的差异。