令d表示一个(二值)虚拟变量,并令:表示一个定量变量。考虑模型
这是含有一个虚拟变量和一个定量变量之交互作用的一般性模型[方程(7.17)中有一个例子]。
(i)由于没有重大变化,所以取误差为u=0。于是,当d=0时,我们可以把y和z之间的关系写成函数f0(z)=β0+β1z.当d=1时,同样写出y和z之间的关系,其中左边应该使用f(z),以表示Z的线性函数。
其中所有系数和标准误都保留到小数点后三位。利用这个方程,求出使得男女log(wage)的预测值相等的totcoll值。
(iv)基于第(iii)部分中的方程,女人能现实地获得足够多的大学教育而赶上男人的工资吗?请解释。
A.回归分析和相关分析有着密切的联系,它们是同一个问题的两个不同方面
B.相关分析是双向的,而回归分析是单向的
C.当相关系数为0时,也可以进行回归分析
D.当相关系数为1时,就可以准确的根据一个变量预测另一个变量
利用VOLAT.RAW中的数据。变量rsp500是标准普尔500股票指数的月回报,以年回报率表示。(既包括价格变动带来的收益,也包括分得的红利。)变量i3是三月期国债的收益率,pcip是工业生产的百分比变化,这些也都以年率表示。
(i)考虑方程你认为β1和β2应该有什么样的符号?
(ii)用OLS估计上述方程,用标准格式报告结果,并解释系数的符号和大小。
(iii)哪些变量是统计显著的?
(iv)你在第(iii)部分中的结论是否意味着从标准普尔500中获得的收益是可预测的?说明理由。
A.任一时刻,只有一个分量有效,其他分量无意义
B.共同体变量可以用作函数参数
C.结构变量可以出现在共同体类型中,而共同体变量不能出现在结构类型中
D.在定义共同体变量时不能为其初始化
bwght=119.77-0.514cigs
(i)当cigs=0时,预计婴儿的出生体重为多少?当cigs=20(每天一包)时呢?评价其差别。
(ii)这个简单回归能够得到婴儿出生体重和母亲抽烟习惯之间的因果关系吗?请解释。
(iii)要预测出生体重125盎司,cigs应该为多少?
(iv)样本中在怀孕期间不抽烟的妇女比例约为0.85。这有助于解释第(iii)部分中的结论吗?