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

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-稳健的标准误。将βwhite的95%的置信区间与非稳健的置信区间相比较。

(ii)由第(i)部分的回归计算拟合值。其中有没有哪个估计值小于0?有没有哪个估计值大于1?而这些情况对加权最小二乘估计的应用意味着什么?

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?

利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)

(i)利用OLS估计模型

以常用形式报告结果。在5%的显著性水平上，相对一个双侧备择假设，β统计显著异于零吗?在1%的显著性水平上呢?

(ii)log(income)和prppov的相关系数是多少?每个变量都是统计显著的吗?报告双侧P值。

(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告的双侧p值。

(iv)在第(ii)部分的回归中，log(income)和prppov的个别统计显著性有何变化?这些变量联合显著吗?(计算一个p值。)你如何解释你的答案?

(v)给定前面的回归结果，在确定一个地区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠?

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，我们用它估计一个鱼肉需求函数。

(i)假定每个时期均衡的鱼肉需求方程可写成

所以容许需求在一周中的每一天都有所不同。把价格变量视为内生的，一致地估计需求方程参数还需要什么额外信息?

(ii)变量wave_t和wave3_t度量了过去几天的海浪高度。为了在估计需求方程时将wave2_t和wave3_t用作log(avgprc)的Ⅳ，我们还需要哪两个假定?

(ii)将log(avgprc)对周工作日虚拟变量和两个浪高指标进行回归。wave2_t和wave3_t联合显著吗?这个检验的p值是多少?

(iv)现在，用2SLS估计需求方程。需求价格弹性的95%置信区间是什么?所估计的弹性合理吗?

(v)求2SLS的残差u_t。在用2SLS估计需求方程时增加一个滞后u_t-1记住，用u_t-1作为自己的工具。需求方程误差中有AR(1)序列相关的证据吗?

(vi)给定供给方程明显取决于海浪变量，为了估计供给价格弹性，我们需要哪两个假定?

(vii)在log(avgprct)的约简型方程中，周工作日虚拟变量联合显著吗?你对能够估计供给弹性有何结论?

利用MATHPNL.RAW中的数据。类似第13章的计算机练习C11中的一阶差分分析，这里将做一个固定效应分析。我们关心的模型是：

其中，因为滞后支出变量，第一个可用年份(基年)是1993年。

(i)用混合OLS估计模型，并报告通常的标准误。为使得a_i的期望值可以非零，你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么?求OLS残差。

(ii)lunchit系数的符号在意料之中吗?解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗?

(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关，并讨论为什么。

(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗?

(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的?

(vi)定义支出的总(或长期)效应为的标准误。

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。