在多元线性回归模型中，假设某个解释变量对其余解释变量的判定系数接近于1，那么说明模型中存在（）。

关于多元线性回归模型的说法，正确的是（)。

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
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。

请帮忙给出正确答案和分析，谢谢！

多元线性回归模型的总体显著性意味着模型中任何一个变量都是统计显著的。()

利用APPLE.RAW中的数据。这些电话调查数据是为了得到（假想的)“环保”苹果需求。调查者向每个家庭
利用APPLE.RAW中的数据。这些电话调查数据是为了得到(假想的)“环保”苹果需求。调查者向每个家庭都(随机地)介绍了正常苹果和环保苹果的一组价格，并询问他们愿意购买每种苹果的磅数。
(i)对于样本中的660个家庭，有多少家庭报告称在预定价格上不愿意购买环保苹果？
(ii)变量ecolbs看上去在严格正值上具有连续分布吗？你的回答对ecolbs托宾模型的适当性有何含义？
(iii)以ecoprc、regprc、famic和hhsize作为解释变量，估计一个托宾模型。哪些变量在1%的水平上显著。
(iv)faminc和hhsize联合显著吗？
(v)第(iii)部分中价格变量系数的符号与你的预期一致吗？请解释。
(vi)令β₁和β₂为ecoprc和regprc的系数，相对一个双侧备择假设，检验假设H₀:-β₁=β₂。报告检验的p值。(如果你的回归软件不能很容易地计算这种检验，你可能还要参考教材4.4节
(vii)对样本中的所有观测求E(ecolbslx)的估计值[见方程(17.25)]，称之为ecolbsi。最大和最小拟合值是多少？
(viii)计算ecolbs，和ecolbsi之相关系数的平方。
(ix)现在，利用第(iii)部分中同样的解释变量，估计ecolbs的一个线性模型。为什么OLS估计值比托宾估计值小那么多？从拟合优度来看，托宾模型比线性模型更好吗？
(x)评价如下命题：“由于托宾模型的R，如此之小，所以估计的价格效应可能是不一致的。”

请帮忙给出正确答案和分析，谢谢！

在多元线性回归模型中，DW统计量可以检验模型中是否存在（）现象。

使用SMOKE.RAW中的数据。 （i)变量cigs是平均每天抽烟的数量。样本中有多少人根本就不抽烟？有多
使用SMOKE.RAW中的数据。
(i)变量cigs是平均每天抽烟的数量。样本中有多少人根本就不抽烟？有多大比例的人声称每天抽20支？你为什么认为抽20支香烟的人会有所堆积？
(ii)给定你对第(i)部分的回答，cigs看起来具有条件泊松分布吗？
(iii)用log(cigpric)、log(income)、white、educ、age和age²作为解释变量，估计cigs的一个泊松回归模型。估计的价格和收入弹性是多少？
(iv)利用极大似然标准误，价格和收入变量在5%的水平上统计显著吗？
(v)求方程(17.35)后面介绍的σ²估计值。σ是多少？你应该如何调整第(iv)部分中的标准误？
(vi)利用第(v)部分中调整后的标准误，价格和收入弹性现在统计显著异于零吗？请解释。
(vii)利用更稳健的标准误，教育和年龄变量显著吗？你如何解释educ的系数？
(viii)求泊松回归模型的拟合值yi。找出最大值和最小值，并讨论指数模型对瘾君子的预测表现。
(ix)利用第(viii)部分的拟合值，求yi和yi之相关系数的平方。
(x)使用第(iii)部分中的解释变量(及相同的函数形式)，用OLS估计cigs的一个线性模型。线性模型和指数模型哪个拟合得更好？两者的R都很大吗？

请帮忙给出正确答案和分析，谢谢！

线性回归的基本假设不包括哪个（）。

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
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？

请帮忙给出正确答案和分析，谢谢！

本题利用BEAUTY.RAW中的数据集，它包含了哈默梅什和比德尔（HamermeshandBiddle，1994)报告变量
本题利用BEAUTY.RAW中的数据集，它包含了哈默梅什和比德尔(HamermeshandBiddle，1994)报告变量的一个子集(但比其报告回归中的观测更加有用)。
(i)分别求男女相貌在一般水平之上的比例。相貌在一般水平之上和之下的人哪个更多？
(ii)检验假设：男女相貌在一般水平之上的总体比例相同。报告女人比例更高的单侧P值。(提示：估计一个简单的线性概率模型最容易。)
(iii)现在针对男女分别估计模型

并以通常方式报告结果。在两种情形中，都解释belavg的系数。用语言解释假设H₀:β₁=0相对H₁:β₁ ＜0的含义，并分别求出P值。
(iv)有一般相貌之上的女人比相貌一般的女人工资更高的充分证据吗？请解释。
(v)对男人和女人，都增加解释变量educ，exper，experz，uion，goodhlth，black，married，south，bigcity，smllcity和service。“相貌”变量的影响有重要变化吗？

请帮忙给出正确答案和分析，谢谢！

满足多元线性回归模型基本假定时，模型中的随机变量y服从n维正态分布。()

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
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。

请帮忙给出正确答案和分析，谢谢！