在回归方程中，G代表性别虚拟变量，男性则为1，否则为0。若G的定义改变为女性为1，否则为0，则回归方程应为：

在回归方程中，G代表性别虚拟变量，男性则为1，否则为0。若G的定义改变为女性为1，否则为0，则回归方程应为：

A、

B、

C、

D、

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?

判断下述命题的正误。并给出具体的理由，切勿含糊其辞。

a.本章所讨论的显著性t检验要求估计量的抽样分布是正态分布。

b.即使CLRM中的干扰项不是正态分布的，OLS估计量仍然是无偏的。

c.如果回归模型中没有截距项，u_t估计值()的总和将不为零。

d.p值和检验统计量的尺度指的是一回事。

e.在一个含有截距的回归模型中，残差的总和必定为零。

f.如果一个虚拟假设不被拒绝，它就是真实的。

g.σ²的值越大，方程(3.3.1)所给的的方差也越大。

h.一个随机变量的条件均值和无条件均值是一样的。

i.在双变量PRF中，如果斜率系数β₂是零，则截距β₁由样本均值来估计。

j.如果X对Y无影响，条件方差和Y的无条件方差将是一样的。

H.C.Huang， J.J.Siegfried和F.Zar dosh ty根据美国1961年第一季度~1977年第二季度的季度数据估计了咖啡的需求函数如下：(括号内的数值为t值)

a.如何解释P、I、P^t的系数?

b.咖啡的需求价格是富有弹性的吗?

c.咖啡和茶是互补品还是替代品?

d.如何解释T的系数?

e.求美国咖啡消费的增长率或衰减率?如果对咖啡的消费有一个下降的趋势，则如何解释?

f.求对咖啡需求的收入弹性?

g.如何检验假设：对咖啡需求的收入弹性显著不为1?

h.本例中的虚拟变量代表了什么?

i.如何解释模型中的虚拟变量?

j.哪些虚拟变量是统计显著的?

k.美国的咖啡消费是否存在明显的季节模式?如果存在，如何解释?

l.本例中的基准类是什么?如果选择其他基准类，结果会有什么变化?

m.上述模型仅仅引入了差别斜率虚拟变量，这里隐含的假定是什么?

n.假定有人认为这个模型是错误设定的，因为该模型假定了各个变量的斜率在不同季节保持不变，你将如何修正这个模型?考虑引入差别斜率虚拟变量。

o.如果你掌握了具体数据，则如何重新估计咖啡的需求函数?

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)。]

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。

在一个研究年龄对收入的非线性影响的模型中，假设我们得到如下回归结果：其中Earn是工人的小时工资，DYouth 是一个虚拟变量，当工人的年龄小于等于40时取值为1，否则为0。根据上述回归结果，一个30岁的工人，= （）

如图4所示，GSW为千兆以太网交换机，内设ATM模块。SW1为100M/1000Mbit/s以太网交换机，SW2为ATM/100Mbit/s以大网交换机，RT为中心路由器；S1和S2为服务器，分别经千兆以太网卡和155Mbit/sATM网卡与GSW(千兆以太网交换机)和ATM交换机相连，PCI、S1、S2、PC4划在VLAN1中，PC2、PC5划到VLAN2中，PC3、PC6划到VLAN3中。

为了实现VLAN1、VLAN2和VLAN3的虚拟网络划分，在ATM和RT路由器中应设置哪几种服务协议(如BUS)?