計(jì)量經(jīng)濟(jì)學(xué) 第二版 課后習(xí)題114章 中文版答案匯總

1、第四章 習(xí)題1.（1） =520.4-5.82×22=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×=520.4-5.82×1.4=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

2、.30 sy11.932.（1） =-99.41+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(jì)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

3、線的總體水平 系數(shù)9.6為回歸系數(shù)，體現(xiàn)年齡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。（4） =696.7+9.6×25=936.7 =696.7+9.6×45=1128.7（5） 不能。因?yàn)槲覀兊幕貧w線是根據(jù)抽樣調(diào)查作出的估計(jì)，而99歲遠(yuǎn)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?yàn)槭杖敕植疾粚ΨQ。（7） =696.7+9.6×=696.7+9.6×41.6=1096.064.（

4、1） r-rf=(rm-rf)+u，>12>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-r

5、f)，就可以使： var(r-rf)>var(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

6、15;3.8%=4.826% best buy:=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(dú)立e(ui|xi)=e(ui)=0（3） 滿足。var(ui|xi)=var(ui)=2 xi、ui相互獨(dú)立cov(ui,uj|xi,xj)=cov(ui,uj)=0 xi、ui相互獨(dú)立，ui、uj不相關(guān)cov(ui,xi)=0 xi、ui不相關(guān)（4）=49+0.24

7、×90=70.6 =49+0.24×120=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&#

8、215;1-(0.01)2×(1-0.5040)=0.992 在不進(jìn)行任何其他運(yùn)算情況下，可以確定-5.6包含在95%的置信區(qū)間內(nèi)，因?yàn)椋?） 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(jì)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

9、0。（2） 1的95%置信區(qū)間為-1.96se(),+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) =14.73-2.21×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（3） 不吻合。多接受4年大學(xué)教育，按回歸預(yù)測結(jié)果平

10、均多賺4=4×1.47=5.88/h， 與10/h差距很遠(yuǎn)。 1的95%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(jì)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(jì)統(tǒng)計(jì)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

11、績的效應(yīng)估計(jì)統(tǒng)計(jì)上顯著。（3）smallclass對測試成績效應(yīng)為1 1的99%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()=

12、1.5 0.2616.14 （3） 會感到詫異。 若yi與xi相互獨(dú)立cov(yi,xi)=cov(0+1xi,xi)=1dxi=0 而dxi0,因此必然要求1=0。這與（1）的檢驗(yàn)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

13、） 即是y1，y2，yn的線性函數(shù)（2） = = = =+=+ =+e(=+e(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1.=0.1756 =0.1894 =0.19282. (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2.6

14、4。3. (1)年齡不是收入的重要決定因素，因?yàn)槟挲g增加一歲，每小時工資平均只增加0.29。 (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?yàn)槊绹鴮医?jīng)濟(jì)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(jì)。（3） 即juantia每小時期望收入比jennifer少0.87。5.（1） =23.4×

15、;1=23.4（2） =23.4×1+0.156×100=39（3） -48.8即損失48.8美元。（4） r2=6.(1) 因?yàn)橛绊懛缸锫实囊蛩爻司Υ笮⊥?，還有其他重要的影響因素。比如經(jīng)濟(jì)發(fā)展水平。(2) 經(jīng)濟(jì)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(jì)發(fā)展水 平情況下，經(jīng)濟(jì)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(jì)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

16、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(xiàng)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1. 模型1： =26>2.58(1%水平下t臨界值） =13.2>2.58 college、f

17、emale對ahe的回歸系數(shù)都在1%水平下統(tǒng)計(jì)顯著 模型2： =26.095>2.58 =13.1>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(jì)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(jì)顯著，northeast、 midwest對ahe的回歸系數(shù)在

18、5%水平下統(tǒng)計(jì)顯著。south對ahe的回歸系數(shù) 在5%水平下統(tǒng)計(jì)不顯著。2.（1） 模型1中college對ahe的回歸系數(shù)均在1%水平下統(tǒng)計(jì)顯著，自然在5%水平下同 樣統(tǒng)計(jì)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(jì)在5%水平下統(tǒng)計(jì)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(jì)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(jì)顯著，自然在5%水平下同 樣統(tǒng)計(jì)顯著。 基于這個回歸

19、得到的男性與女性收入差距估計(jì)在5%水平下統(tǒng)計(jì)顯著 該差距即為2的值，其95%置信區(qū)間為-1.96se(),+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(jì)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?yàn)槠鋞統(tǒng)計(jì)值7.25，遠(yuǎn)大于1%水平下的t統(tǒng)計(jì)臨界值 2.46，其對應(yīng)的p值必然遠(yuǎn)小于0.01，統(tǒng)計(jì)上顯著性非常強(qiáng)。（2） 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

20、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(jìn)行聯(lián)合假設(shè)，得地區(qū)效應(yīng)=0的 f統(tǒng)計(jì)值為6.10>3.78(1%水平下統(tǒng)計(jì)臨界值），因此地區(qū)對ahe的效應(yīng)在1% 水平下統(tǒng)計(jì)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

21、設(shè)檢驗(yàn)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(jì)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(jì)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(shí)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。

22、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(jì)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

23、 4-0.0010592,0.0029408即她房屋價值變化的95%置信區(qū)間為-0.0010592,0.0029408。（4） 有更合適的度量尺度?？偯娣elsize的系數(shù)及其標(biāo)準(zhǔn)誤都非常小，計(jì)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(jìn)行標(biāo)準(zhǔn)化處理。（5） f=0.08<2.30（10%水平下統(tǒng)計(jì)臨界值） bdr與age的系數(shù)在10%水平下統(tǒng)計(jì)顯著等于08.（1） r2= r12=0.0512（模型1） r22=0.4267（模型2） r32=0.7746

24、（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(jì)臨界值），因此拒絕3=4=0的原假設(shè)，該統(tǒng)計(jì)量在5% 水平下顯著。（3）q=2 =15.579>2.807（1%水平下t統(tǒng)計(jì)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9

25、9%置信區(qū)間為-2.58se(),+2.58se()，其中=-1.01，se()=0.27 1-1.7066,-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)閔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(jì)值， 進(jìn)行t檢驗(yàn)。（2）h0：1+a2 =0 ，h1：1+a2 0 若h0成立則yi=0+1x1i+2x2i+

26、ui=0+1x1i-a2x1i+a2x1i+2x2i+ui =0+(1-a2)x1i+2(ax1i+x2i)+ui 令=1-a2，wi=ax1i+x2i，則yi=0+x1i+2wi+ui 假設(shè)變?yōu)閔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(jì) 值，進(jìn)行t檢驗(yàn)。（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

27、)+ui 令=1-a2，zi=yi-x1i，wi=x2i-x1i，則zi=0+x1i+2wi+ui 假設(shè)變?yōu)閔0：=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(jì)值，進(jìn)行t檢驗(yàn)。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

28、(sales2001)=100×(ln205-ln196)=4.4895% sales2002=250（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

29、型1表示：ln(price)=10.97+0.00042size即size變化一單位，price預(yù)期變化0.042%。 房屋擴(kuò)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?yàn)樵撃Ｐ偷恼{(diào)整r2更大。（3） 模型2中pool對價格的

30、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=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(jì)為0.36% 其tbedrooms=0.097<1.96(5%水平下t臨界值） 該效應(yīng)統(tǒng)計(jì)不顯著。 因?yàn)樵撔?yīng)是在房屋面積size不變前提下估計(jì)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(xiàng)ln(size)2不重要，因?yàn)槠鋞2=0.05571<1.96 其估計(jì)效應(yīng)在5%水平下統(tǒng)計(jì)不顯著。（2） 非景觀房添置

31、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(jì)上差異不顯著。str20testscore0253.（1）（2） +=1 、存在多重共線性，所以死機(jī)。4.（1）ln(ahe)=0.0232×1-0.000368×(2+1)2-22=0.02136 ahe期望變化2.136%。（3） ln(ahe)=0.0232×1-0.000368×(10+1)2-102=0.015472 a

32、he期望變化1.5472%。 （4） 因?yàn)樵撃Ｐ椭衋he不是potential experience的線性函數(shù)，而是二次函數(shù)。（5） 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(jì)顯著，因此（1）和（2）差異在5%水平下統(tǒng)計(jì)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?yàn)槠渥宰兞恐挥衟otential 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(xiàng)female×potential experience 與emale×potential exp

33、erience2。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(jì)顯著，而ln(price per citation)3的系數(shù)在5%水平下還統(tǒng)計(jì)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

34、7;1000000)=2.398>1.96 模型4：tln(characters÷1000000)=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(chara

35、cters÷1000÷10000)=ln(characters÷1000)-ln1000 =ln(characters÷1000)-10ln10 因此截距項(xiàng)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

36、testscore的影響系數(shù)，1+2表示20%<pctel<50%時pctel對testscore的影響系數(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(jìn)行聯(lián)合檢驗(yàn)，判斷f值大小是否大于臨界值，即可檢驗(yàn)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(jìn)行回顧分析檢驗(yàn)上述非線性模型中交叉項(xiàng)str×ln(income)系數(shù)是否統(tǒng)計(jì)顯著，即可驗(yàn)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

37、回歸標(biāo)準(zhǔn)誤為2.65，收入對數(shù)估計(jì)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(jì)顯著。 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(yàn)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(yàn)），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(jì)不顯著，可忽略。引入正相關(guān)變量marketvalue后，

38、female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(jì)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(jì)效應(yīng)1+212的5%置信區(qū)間-1.96se（）,+1.96se（）10.(1)(2)(3) 第十章 習(xí)題1.（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(jì)會減少0.45（）。810萬人口，交通事故死亡人數(shù)估計(jì)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。（2） 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(jì)