計量經(jīng)濟學(xué) 后習(xí)題114章 中文版答案匯總

1、第四章 習(xí)題1.（1） ×22=392.36（2） TestScore=-5.82×(23-19)=-23.28 即平均測試成績所減少的分?jǐn)?shù)回歸預(yù)測值為23.28。（3） =0 +1××1.4=395.85（4） SER2=i2=11.5 SSR=i2=SER2×(n-2)=11.5×(100-2)=12960.5 R2=1-=0.08 TSS=SSR÷(1-R2)=12960.5÷(1-0.08)=14087.5= sY2=14087.5÷(100-1)140.30 sY11.932.（1） =-99.

2、41+3.94×70=176.39 =-99.41+3.94×65=156.69 =-99.41+3.94×74=192.15（2） Weight=3.94×1.5=5.91（3） 1inch=2.54cm,1lb=0.4536kg (kg)=-99.41×0.4536+Height(cm)=-45.092+0.7036×Height(cm) R2無量綱，與計量單位無關(guān)，所以仍為0.81 SER=10.2×0.4536=4.6267kg3.（1） 系數(shù)696.7為回歸截距，決定回歸線的總體水平 系數(shù)9.6為回歸系數(shù)，體現(xiàn)年齡

3、對周收入的影響程度，每增加1歲周收入平均增加9.6（2） SER=624.1美元，其度量單位為美元。（3） R2=0.023，它是無量綱。 =696.7+9.6×25=936.7 =696.7+9.6×45=1128.7（5） 不能。因為我們的回歸線是根據(jù)抽樣調(diào)查作出的估計，而99歲遠離樣本的年齡區(qū)間，因此我們的抽樣樣本對99歲工人不具有代表性，不能用該回歸線對99歲工人收入作出可靠預(yù)測。（6） 不合理。因為收入分布不對稱。（7） =696.7+9.6×=696.7+9.6×41.6=1096.064.（1） R-Rf=(Rm-Rf)+u，>12&

4、gt;1 Var(R-Rf)=Var(Rm-Rf)+u=2×Var(Rm-Rf)+Var(u)+2×cov(u,Rm-Rf) cov(u,Rm-Rf)=0,Var(u)0 Var(R-Rf)2×Var(Rm-Rf)>Var(Rm-Rf)（2）有可能。 Var(R-Rf)=2×Var(Rm-Rf)+Var(u)Var(R-Rf)-Var(Rm-Rf)=（2-1）Var(Rm-Rf)+Var(u) 只要（2-1）Var(Rm-Rf)+Var(u)>0即Var(u)>（1-2）Var(Rm-Rf)，就可以使： Var(R-Rf)>Var

5、(Rm-Rf)（3） Rm=7.3%，Rf=3.5%Rm-Rf=3.8%=(Rm-Rf)=3.8% Kellogg:=-0.03=-0.03×3.8%=0.114% Wal-Mart:=0.65=0.65×3.8%=2.47% Waste Management:=0.7=0.7×3.8%=2.66% Spring Nextel:=0.78=0.78×3.8%=2.964% Barns and Noble:=1.02=1.02×3.8%=3.876% Microsoft:=1.27=1.27×3.8%=4.826% Best Buy:=

6、2.15=2.15×3.8%=8.17% Amazon:=2.65=2.65×3.8%=10.07%5.（1） ui表示除考試時長之外其他影響考試成績的因素。 不同學(xué)生學(xué)習(xí)能力與學(xué)習(xí)勤奮程度等因素不同，所以擁有不同的ui。（2） Xi、ui不相關(guān)Xi、ui相互獨立E(ui|Xi)=E(ui)=0（3） 滿足。Var(ui|Xi)=Var(ui)=2 Xi、ui相互獨立cov(ui,uj|Xi,Xj)=cov(ui,uj)=0 Xi、ui相互獨立，ui、uj不相關(guān)cov(ui,Xi)=0 Xi、ui不相關(guān)（4）=49+0.24×90=70.6 =49+0.24

7、15;120=77.8 =49+0.24×150=85=10Xi=10×0.24=2.4第五章習(xí)題1.（1） 1的95%置信區(qū)間為-1.96SE(),+1.96SE() =-5.82，SE()=2.21 -10.1521-1.4884（2）t=-2.6335 p=2(-)=2(-2.6335)=2×1-(2.6335)2×(1-0.995731)=0.008538<0.01<0.05 無論在5%還是1%的顯著性水平下都拒絕原假設(shè)。（3） t=-0.01 p=2(-)=2(-0.01)=2×1-(0.01)2×(1-0.50

8、40)=0.992 在不進行任何其他運算情況下，可以確定-5.6包含在95%的置信區(qū)間內(nèi)，因為（1） 中已算出1的95%置信區(qū)間為-10.152，-1.4884。（4） 0 的99%置信區(qū)間為-2.58SE(),+2.58SE() =-520.4，SE()=20.4 467.70573.02.(1) 性別差距估計值=2.12/h(2) H0:性別差距=1=0；H1:性別差距=10 t=5.89 p=2(-)=2(-5.89)=2×1-(5.89)<2×(1-0.9999)=0.0001 拒絕原假設(shè)，性別差距顯著不同于0。（2） 1的95%置信區(qū)間為-1.96SE(),

9、+1.96SE() =2.21，SE()=0.36 1.414412.8256 即性別差距95%的置信區(qū)間為1.4144,2.8256(3) 女性平均工資為=12.52/h，男性平均工資為+=12.52+2.21=14.73/h(4) ×Female，R2=0.06，SER=4.2 都不變也不變 SER2=不變SER不變 TSS=不變R2=1-不變 4.（1） =-3.13+1.47×16=20.39/h（2） =1.47×2=2.94/h 不吻合。多接受4年大學(xué)教育，按回歸預(yù)測結(jié)果平均多賺4=4×1.47=5.88/h， 與10/h差距很遠。 1的95

10、%置信區(qū)間為-1.96SE(),+1.96SE()，其中=1.47，SE()=0.07 1.332811.6072 5.53312416.4288 即多接受4年大學(xué)教育，平均每小時多賺5.53312,6.4288美元，在95%的置信水平 下與回歸結(jié)果吻合。5.（1） 小班有利于提高成績，估計平均提高13.9分，其標(biāo)準(zhǔn)誤為2.5，提高幅度較大。（2） 假設(shè)班級規(guī)模對測試成績的效應(yīng)估計統(tǒng)計上不顯著。 H0：1=0 ；H1：10 =5.56>1.96（5%顯著性水平對應(yīng)的雙側(cè)t臨界值） 拒絕原假設(shè)，班級規(guī)模對測試成績的效應(yīng)估計統(tǒng)計上顯著。（3）SmallClass對測試成績效應(yīng)為1 1的99%

11、置信區(qū)間為-2.58SE(),+2.58SE()，其中=13.9，SE()=2.5 7.45120.35 即SmallClass對測試成績效應(yīng)99%的置信區(qū)間為7.45,20.35。6.（1）不一定。沒有資料表明大班與小班的測試成績變異是否相同。（2）5.3式既適應(yīng)于同方差，也適應(yīng)于異方差，所以不會影響置信區(qū)間的準(zhǔn)正確性。7.（1）=2.13>1.96（5%顯著性水平對應(yīng)的雙側(cè)t臨界值） 拒絕原假設(shè)，在5%的水平下10。（2）1的95%置信區(qū)間為-1.96SE(),+1.96SE()，其中=3.2，SE()=1.5 0.2616.14 （3） 會感到詫異。 若Yi與Xi相互獨立cov(Y

12、i,Xi)=cov(0+1Xi,Xi)=1DXi=0 而DXi0,因此必然要求1=0。這與（1）的檢驗結(jié)果矛盾。（4） 樣本中拒絕（1）中H0的比例為5%，由（2）求出的置信區(qū)間包含1=0的比例為95%。8.（1）0的95%置信區(qū)間為-1.96SE(),+1.96SE()，其中=43.2，SE()=10.7 22.228064.172 （2）=0.878<=1.96（5%顯著性水平對應(yīng)的雙側(cè)t臨界值） 不拒絕原假設(shè)（3）t=0.878<=1.64（5%顯著性水平對應(yīng)的單側(cè)t臨界值） 不拒絕原假設(shè)9.（1） 即是Y1，Y2，Yn的線性函數(shù)（2） = = = =+=+ =+E(=+E(

13、u1+u2+un) =+ = 即是條件無偏。10. 其中= =0 =+-2 =+-2n2=- = 用n1表示n個樣本中X=0的樣本個數(shù)，n2表示X=1的樣本個數(shù)，n1+n2=n，則： ， =，= =n2 已知 =-（）= +=11.（1） =485.10-523.10=-38 SE（）=SE（）=7.65（2） =523.10 SE（）=SE（）=6.22第六章習(xí)題=0.1756 =0.1894 =0.1928 (1)大學(xué)畢業(yè)工人平均比高中畢業(yè)工人每小時多掙5.46。 (2)男性平均比女性每小時多掙2.64。3. (1)年齡不是收入的重要決定因素，因為年齡增加一歲，每小時工資平均只增加0.29

14、。 (2)15.67 17.124.(1) 地區(qū)間平均收入存在重大差異。東北部工人平均每小時比西部工人多掙0.69；中西部 則比西部多0.60/h；但南部比西部少0.27/h 。(2) 因為美國將國家經(jīng)濟分成東北部、中西部、南部以及西部四個片區(qū)，如果不居住在東北 部、中西部、南部，那一定居住在西部，所以無需West變量即可涵蓋所有的樣本。 如果加上它，會發(fā)生多重共線性問題，無法用最小二乘法作出線性回歸估計。（3） 即Juantia每小時期望收入比Jennifer少0.87。5.（1） =23.4×1=23.4（2） =23.4×1+0.156×100=39（3）

15、-48.8即損失48.8美元。 R2=6.(1) 因為影響犯罪率的因素除了警力大小外，還有其他重要的影響因素。比如經(jīng)濟發(fā)展水平。(2) 經(jīng)濟發(fā)展水平高的縣，犯罪率會相對提高，同時也增大警察力量。但在遺漏經(jīng)濟發(fā)展水 平情況下，經(jīng)濟發(fā)展水平提高帶來的犯罪率上升，會被歸咎到警察力量上面來，所以高 估了警察對犯罪率的影響。7.（1） 該研究設(shè)計不合理。影響工資的因素很多，如崗位類型、休假時長，而這些其他因素很可能與性別相關(guān)。遺漏這些與性別相關(guān)但又影響工資的因素，會高估性別對工資的影響，從而得出工資性別歧視的結(jié)論。 還需要收集其他影響工資的數(shù)據(jù)信息，采用多元回歸分析數(shù)據(jù)。（2） 該研究盡可能地控制了遺漏

16、變量偏差，但仍存在一些重要的遺漏變量。如入獄原因，它直接影響入獄時間，同時也會影響出獄后的工資。比如，因盜用公款入獄的人出獄后通常難以找到高薪的工作。理想情況下，還需要收集這些變量的數(shù)據(jù)作為控制變量，采用多元回歸的方法分析。8. 不會。影響死亡率的因素很多，比如疾病，而疾病與睡眠時長也會相關(guān)（有的疾病使人渴睡，有的疾病則使人難以入睡）。該項研究遺漏了重要的影響因素，研究結(jié)果并不可靠。第七章習(xí)題 模型1： =26>2.58(1%水平下t臨界值） =13.2>2.58 College、Female對AHE的回歸系數(shù)都在1%水平下統(tǒng)計顯著 模型2： =26.095>2.58 =13

17、.1>2.58 =7.25>2.58 College、Female、Age對AHE的回歸系數(shù)都在1%水平下統(tǒng)計顯著 模型3： =25.905>2.58 =13.1>2.58 =7.25>2.58 2.46>=2.3>1.96（5%水平下t臨界值） 2.46>=2.143>1.96 =1.038<1.96 College、Female、Age對AHE的回歸系數(shù)都在1%水平下統(tǒng)計顯著，Northeast、 Midwest對AHE的回歸系數(shù)在5%水平下統(tǒng)計顯著。South對AHE的回歸系數(shù) 在5%水平下統(tǒng)計不顯著。2.（1） 模型1中Col

18、lege對AHE的回歸系數(shù)均在1%水平下統(tǒng)計顯著，自然在5%水平下同 樣統(tǒng)計顯著。 基于這個回歸得到的大學(xué)學(xué)歷和高中學(xué)歷每小時收入差距估計在5%水平下統(tǒng)計顯著 該差距即為1的值，其95%置信區(qū)間為-1.96SE(),+1.96SE()，其中 =5.46，SE()=0.21 15.8716,5.8716 即學(xué)學(xué)歷和高中學(xué)歷每小時收入差距估計95%置信區(qū)間為5.8716,5.8716。（2） 模型1中Female對AHE的回歸系數(shù)均在1%水平下統(tǒng)計顯著，自然在5%水平下同 樣統(tǒng)計顯著。 基于這個回歸得到的男性與女性收入差距估計在5%水平下統(tǒng)計顯著 該差距即為2的值，其95%置信區(qū)間為-1.96SE

19、(),+1.96SE()，其中 =-2.64，SE()=0.20 2-3.032,-2.248 即學(xué)學(xué)歷和高中學(xué)歷每小時收入差距估計5%置信區(qū)間為-3.032,-2.248。3.（1） 年齡是收入的主要決定因素。因為其t統(tǒng)計值7.25，遠大于1%水平下的t統(tǒng)計臨界值 2.46，其對應(yīng)的p值必然遠小于0.01，統(tǒng)計上顯著性非常強。 3的95%置信區(qū)間為-1.96SE(),+1.96SE()，其中 =0.29，SE()=0.04 30.2116,0.3684 即Sally與Besty期望收入差距的95%置信區(qū)間為-0.3684,-0.2116，Besty期 望收入比Sally高。4.（1） 地區(qū)之

20、間存在重大差異。 考察地區(qū)對收入的回歸系數(shù)顯著性，需對4、5、6進行聯(lián)合假設(shè)，得地區(qū)效應(yīng)=0的 F統(tǒng)計值為6.10>3.78(1%水平下統(tǒng)計臨界值），因此地區(qū)對AHE的效應(yīng)在1% 水平下統(tǒng)計顯著，即地區(qū)間AHE存在重大差異。（2） 6的95%置信區(qū)間為-1.96SE(),+1.96SE()，其中=-0.27，SE()=0.26 6-0.7796,0.2396 即Juantia與Molly期望收入差距的95%置信區(qū)間為-0.7796,0.2396。, 求，即求多個系數(shù)的置信集，與聯(lián)合假設(shè)檢驗理念相同。與的置信區(qū)間均為線型區(qū)間，兩者存在相關(guān)性，因此的95%的置信區(qū)間必然為橢圓區(qū)間。如果在回歸

21、中加入West而去掉Midwest，（新回歸模型中South的回歸系數(shù)），只要求出的95%置信區(qū)間即刻，計算就可簡化了。5. 假設(shè)沒有顯著變化，即H0：，H1： 0.655<1.96（5%水平下t臨界值） 在5%水平下不能拒絕假設(shè)，即1998年相較1992年College對AHE的回歸系數(shù)在統(tǒng) 計上暫無證據(jù)顯示有顯著變化。 注：1992年的樣本與1998年不同，因此與不相關(guān)，即cov(,)=0 6. 單從本次的調(diào)研數(shù)據(jù)來看，確實可以得到性別收入差異的推斷。但并不能武斷說存在性別歧視。有可能是部分女性將精力專注于家庭而降低工作積極性，使得升職、漲工資速度慢，甚至遇到提升瓶頸，從而造成女性平

22、均工資低于男性。7.（1） =0.1858<1.96(5%水平下t臨界值） BDR的系數(shù)在統(tǒng)計上與0沒有顯著差異（2） 與（1）中的答案不相符，但與更一般的回歸相符。（1）中答案顯示在房屋面積等因 素不變情況下房間數(shù)量對房屋價格沒有顯著影響。但一般情況下，房間數(shù)量多房屋面 積也會大，而房屋面積與價格顯著正相關(guān)，所以房屋價格就會較高。（3） 房屋價值變化W=4Lsize=20004 4的95%置信區(qū)間為-1.96SE(),+1.96SE()，其中 =0.002，SE()=0.00048 4-0.0010592,0.0029408即她房屋價值變化的95%置信區(qū)間為-0.0010592,0.0

23、029408。（4） 有更合適的度量尺度。總面積Lsize的系數(shù)及其標(biāo)準(zhǔn)誤都非常小，計算結(jié)果會由于保 留的小數(shù)位數(shù)限制而不精確，并且其系數(shù)太小容易使人“小看”它對房屋價格的影響 力，不利于比較各變量對房屋價格的影響程度大小。所以，最好選用小的度量單位， 或者對其進行標(biāo)準(zhǔn)化處理。（5） F=0.08<2.30（10%水平下統(tǒng)計臨界值） BDR與Age的系數(shù)在10%水平下統(tǒng)計顯著等于08. R2= R12=0.0512（模型1） R22=0.4267（模型2） R32=0.7746（模型3） R42=0.6296（模型4） R52=0.7757（模型5）（2） 約束條件：3=4=0 無約束回

24、歸模型：Y=0+1X1+2X2+3X3+4X4，R2unrestricted=R52=0.7757 有約束回歸模型：Y=0+1X1+2X2，R2restricted=R22=0.4267 F=-322.082 >3.00（5%水平下統(tǒng)計臨界值），因此拒絕3=4=0的原假設(shè)，該統(tǒng)計量在5% 水平下顯著。（3）q=2 =15.579>2.807（1%水平下t統(tǒng)計Bonferroni臨界值） =0.814<2.807 在1%水平下拒絕原假設(shè)，3=4=0不成立。（4）1的99%置信區(qū)間為-2.58SE(),+2.58SE()，其中=-1.01，SE()=0.27 1-1.7066,-

25、0.31349.（1）H0：1=2 ，H1：12 若H0成立則Yi=0+1X1i+2X2i+ui=0+1X1i-2X1i+2X1i+2X2i+ui =0+(1-2)X1i+2(X1i+X2i)+ui 令=1-2，Wi=X1i+X2i，則Yi=0+X1i+2Wi+ui 假設(shè)變?yōu)镠0：=0 ， H1：0 只需設(shè)置變量W=X1+X2，X1、W為自變量對Y回歸，求出W回歸系數(shù)的t統(tǒng)計值， 進行t檢驗。（2）H0：1+a2 =0 ，H1：1+a2 0 若H0成立則Yi=0+1X1i+2X2i+ui=0+1X1i-a2X1i+a2X1i+2X2i+ui =0+(1-a2)X1i+2(aX1i+X2i)+u

26、i 令=1-a2，Wi=aX1i+X2i，則Yi=0+X1i+2Wi+ui 假設(shè)變?yōu)镠0：=0 ， H1：0 只需設(shè)置變量W=aX1+X2，X1、W為自變量對Y回歸，求出W回歸系數(shù)的t統(tǒng)計 值，進行t檢驗。（3）H0：1+2 =1 ，H1：1+2 1 若H0成立則Yi=0+1X1i+2X2i+ui=0+1X1i+(2-1)X1i+X1i-2X1i+2X2i+ui =0+(1+2-1)X1i+2(X2i-X1i)+ui+X1i Yi-X1i=0+(1+2-1)X1i+2(X2i-X1i)+ui 令=1-a2，Zi=Yi-X1i，Wi=X2i-X1i，則Zi=0+X1i+2Wi+ui 假設(shè)變?yōu)镠0

27、：=0 ， H1：0 只需設(shè)置變量Z=Y-X1，W=X2-X1，X1、W為因變量對Z回歸，求出W回歸系數(shù)的 t統(tǒng)計值，進行t檢驗。第八章習(xí)題1.（2） Sales2002=198（百萬美元）時，銷售額增長率=1.0204% 100×ln(Sales2002)-ln(Sales2001)=100×(ln198-ln196)=1.0152%（3） Sales2002=205（百萬美元）時，銷售額增長率=4.5918% 100×ln(Sales2002)-ln(Sales2001)=100×(ln205-ln196)=4.4895% Sales2002=250

28、（百萬美元）時，銷售額增長率=27.551% 100×ln(Sales2002)-ln(Sales2001)=100×(ln250-ln196)=24.335% Sales2002=500（百萬美元）時，銷售額增長率=155.102% 100×ln(Sales2002)-ln(Sales2001)=100×(ln500-ln196)=93.649% （3）當(dāng)增長率變化較小時，這種近似效果好；當(dāng)增長率變化增大時，這種近似精度下降了。2.（4） 模型1表示：ln(Price)=10.97+0.00042Size即Size變化一單位，Price預(yù)期變化0.04

29、2%。 房屋擴建500平方英尺(Size=500)，則房屋價格Price預(yù)期增加500*0.042%=21%。 價格百分率變化為500*Size， 而Size 95%的置信區(qū)間為-1.96SE(),+1.96SE() 其中=0.00042，SE()=0.000038 Size 0.00034552,0.00049448 即價格百分率變化95%的置信區(qū)間為17.276%,24.724%（2） 用ln(Size)接受房屋價格更好，因為該模型的調(diào)整R2更大。（3） 模型2中Pool對價格的解釋效應(yīng)為0.071即7.1%。 該效應(yīng)Pool 95%的置信區(qū)間為-1.96SE(),+1.96SE() 其中

30、=0.071，SE()=0.034 Pool0.436%,13.764%（2） 模型2中：增加一個臥室的效應(yīng)估計為0.36% 其tBedrooms=0.097<1.96(5%水平下t臨界值） 該效應(yīng)統(tǒng)計不顯著。 因為該效應(yīng)是在房屋面積Size不變前提下估計出來的，ln(Size)對房屋價格有顯 著影響，若它不變，臥室數(shù)量對價格的效應(yīng)就比較小。（5） 二次項ln(Size)2不重要，因為其t2=0.05571<1.96 其估計效應(yīng)在5%水平下統(tǒng)計不顯著。（1） 非景觀房添置一個游泳池后價格預(yù)期增加=7.1%， 景觀房添置一游泳池價格預(yù)期增加+=7.1%+0.22%=7.32%。 差異

31、0.22%，差異值的t值為: tPool×View=0.022<1.96(5%水平下t臨界值） 統(tǒng)計上差異不顯著。STR20Testscore0253.（1）（2） +=1 、存在多重共線性，所以死機。4.（1）ln(AHE)=0.0232×1-0.000368×(2+1)2-22=0.02136 AHE期望變化2.136%。（2） ln(AHE)=0.0232×1-0.000368×(10+1)2-102=0.015472 AHE期望變化1.5472%。 （3） 因為該模型中AHE不是Potential Experience的線性函數(shù)，

32、而是二次函數(shù)。（4） 差異值為(10+1)2-102-(2+1)2-22=16 =20.44>1.96(5%水平下t臨界值）即在5%水平下統(tǒng)計顯著，因此（1）和（2）差異在5%水平下統(tǒng)計顯著。（5） 若此人為女性或來自南部，（1）到（4）的答案沒有變化，因為其自變量只有Potential Experience改變，與性別、區(qū)域均無關(guān)。（6） 在回歸模型中增加交互項Female×Potential Experience 與emale×Potential Experience2。5.（1）圖c表示ln(閱讀量）與ln（每篇引文價格）的關(guān)系，即反映需求彈性。 刊齡=80的需

33、求曲線比刊齡=5的需求曲線平緩，即刊齡=80的需求彈性比刊齡=5的需求彈 性小，由此可以推斷老刊物的需求彈性比新刊物小。模型3中：=6.00625>2.56（1%水平下t臨界值） =0.6725<1.96（5%水平下t臨界值）ln(Price per citation)的系數(shù)在1%水平下統(tǒng)計顯著，而ln(Price per citation)3的系數(shù)在5%水平下還統(tǒng)計不顯著。因此可認(rèn)為閱讀量對數(shù)是價格對數(shù)的線性函數(shù)而非立方函數(shù)。模型3：tln(Characters÷1000000)=2.398>1.96 模型4：tln(Characters÷1000000

34、)=2.385>1.96 無論模型3還是模型4，ln(Characters÷1000000)與ln(quantity)在5%水平下皆顯著正相關(guān)，所以Characters與quantity也顯著正相關(guān)，即固定價格和刊齡情況下，字符更多的刊物需求量更大。（2）80年老刊物的需求彈性為：-0.899+0.141×ln80=-0.28SE2（）=SE2()=SE2()=SE（）=0.06（3） ln(Characters÷1000000)=ln(Characters÷1000÷10000)=ln(Characters÷1000)-ln1

35、000 =ln(Characters÷1000)-10ln10 因此截距項減小0.229×10ln10=1.58，其他均不變。6.(1)PctEL表示享受午餐資助學(xué)生百分比，u表示影響測試成績的其他因素，引入虛擬變量X1、X2。 X1=，X2=。構(gòu)造變量X1PctEL、X2PctEL， 則TestScore=0+（1+2X1+3X2）PctEL+u=0+1PctEL+2X1PctEL+3X2PctEL+u其中1表示PctEL20%時享受午餐資學(xué)生百分比PctEL對TestScore的影響系數(shù)，1+2表示20%<PctEL<50%時PctEL對TestScore的

36、影響系數(shù)，1+3表示PctEL50%時E對TestScore的影響系數(shù)。模型7中的線性形式存在約束：1=1+2=1+3，即2=3=0（E的系數(shù)與E無關(guān)） 對2=3=0進行聯(lián)合檢驗，判斷F值大小是否大于臨界值，即可檢驗非線性系數(shù)是否優(yōu)于線性系數(shù)。（2）構(gòu)造交叉變量STR×ln(Income)，引入模型7，重新進行回顧分析檢驗上述非線性模型中交叉項STR×ln(Income)系數(shù)是否統(tǒng)計顯著，即可驗證該模型是否優(yōu)于線性模型。7.（1）女性的ln()比男性平均少0.44回歸標(biāo)準(zhǔn)誤為2.65，收入對數(shù)估計的標(biāo)準(zhǔn)誤差為2.65。 =8.8>2.56，系數(shù)在1%水平下統(tǒng)計顯著。

37、這個回歸暗示女性高管賺的錢比男性少，可能由女性的工作經(jīng)驗少、教育水平較低等原因造成。沒有暗示性別歧視。它忽略了很多重要的且與性別相關(guān)的變量（如工作經(jīng)驗），必然會使性別的影響虛增。（2）MarketValue增加1%，Earning增加0037%。模型1忽略了重要的遺漏變量企業(yè)市值與股票收益，其與性別有關(guān)，性別對收入的影響中摻雜了企業(yè)市值與股票收益對收入的影響，因此比模型2中系數(shù)大。 =1.3<1.96，Return系數(shù)統(tǒng)計不顯著，可忽略。引入正相關(guān)變量MarketValue后，F(xiàn)emale的系數(shù)下降了，即女性相較男性的收入差距縮小了，MarketValue給女性帶來的正相作用抵消了部分性

38、別帶來的劣勢，表明MarketValue大的企業(yè)更有可能雇傭女性高管。5100XY2+3ln52+6ln108.（1）Y2-3ln55X1002-6ln10（2）9. Y=0+1X+2X2，估計效應(yīng)為因此，令Y=0+（1+212）X+2（X2-21X），定義變量X2-21X、X為自變量，Y為因變量，重新做回歸分析。求出X的回歸系數(shù)及其標(biāo)準(zhǔn)誤SE（），即可得估計效應(yīng)1+212的5%置信區(qū)間-1.96SE（）,+1.96SE（）10.第十章 習(xí)題1. 模型4顯示，啤酒稅上調(diào)1美元/杯，交通事故死亡率（每萬人死亡人數(shù)）估計會減少0.45（）。810萬人口，交通事故死亡人數(shù)估計會減少810=810*0.45=364.5人。 95%的置信區(qū)間為-1.96SE(),+1.96SE()，其中=-0.45，SE()=0.22 -0.8812,-0.0188，交通事故死亡人數(shù)減少量81095%的置信區(qū)間為15.228,713.772。 模型4顯示，喝酒年齡降到18歲，交通事故死亡率（每萬人死亡人數(shù)）估計會增加0.