利用得自格雷迪（Graddy，1995)的数据集FISH.RAW。这个数据集也曾用于第12章的计算机练习C9.现在，

利用WAGEPRC.RAW中的数据。第11章习题5给出了gprice对gwage的一个有限分布滞后模型的估计值，其中用了gwage的12阶滞后。

(i)估计gprice对gwage的一个简单几何DL模型。特别是，用OLS估计教材方程(18.11)。所估计的即期倾向和长期倾向(LRP)是多少?概述所估计的滞后分布。

(ii)把所估计的即期倾向和LRP与第11章的习题5中得到的结果进行比较。并比较一下所估计的滞后分布有何不同?

(iii)现在来估计教材(18.16)中的有理分布滞后模型。概述所估计的滞后分布，并比较这里估计的IP和LRP与第(ii)部分中得到的结果有何不同。

利用CEMENT.RAW中的数据。

(i)将水泥价格月增长率(gprc)作为供给数量增长率(gce)函数，写出静态供给函数是

其中，gprcpet(汽油价格上涨率)被假定为外生变量，而feb，···，dec为月度虚拟变量。你预期a₁和β₁的符号是什么?用OLS估计这个方程。供给函数向上倾斜吗?

(ii)变量gdefs是美国真实国防支出的月增长率。gdefs要作为gcem的一个好的工具变量，你需要对它做什么假定?检验gcem是否与gdefs偏相关。(不用担心约简型中可能的序列相关。)你能用gdefs作为估计供给函数中的一个Ⅳ吗?

(iii)谢伊(Shea，1993)认为建住宅楼的产出增长率(gres)和非住宅楼的产出增长率(gnon)是gcem的有效工具变量。其思想是，存在一些应该与供给误差项u，大致无关的需求移动因子。检验gcem是否与gres和gnon偏相关;同样不用担心约简型中的序列相关。

(iv)利用gres和gnon作为gcem的工具变量估计供给函数。你对水泥的静态供给函数得到什么结论?[动态供给函数显然是向上倾斜的;参见Shea(1993)。]

The crucial time is drawing neraly.

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。

Onthedevelopmentdatabaserac0，therearesixrawdevices：/dev/raw/raw1through/dev/raw/raw6./dev/raw/raw1and/dev/raw/raw2are8GBeach，andtherestare6GBeach.Anexistingdiskgroup+DATA1，ofNORMALREDUNDANCY，uses/dev/raw/raw1and/dev/raw/raw2.Whichseriesofthefollowingcommandswilldroponeofthefailuregroupsfor+DATA1，createanewdiskgroup+DATA2usingtwooftheremainingfourrawdevices，andthencancelthedropoperationfrom+DATA1？（）

A.A

B.B

C.C

D.D

被称为“大数据之父”的是()。

A.akeshAgrawal

B.舍恩伯格

C.韩家炜

D.hilipS.Yu

本题要用到MLB1.RAW中的数据。

(i)从以下模型中去掉变量rbisyr。hrunsyr的统计显著性会如何变化?hrunsyr的系数大小又会如何变化?

(ii)在第(i)部分的模型中增加变量rusyr(每年垒得分)，fldperc(防备率)和sbasesyr(每年盗垒数)。这些因素中，哪一个是个别显著的?

(ii)在第(ii)部分的模型中，检验bavg，fldperc和sbasesyr的联合显著性。