题目内容
（请给出正确答案）
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧备择假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告
的双侧p值。
(iv)在第(ii)部分的回归中，log(income)和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个地区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
如果结果不匹配，请 联系老师 获取答案
更多“利用DISCRIM.RAW中的数据回答本题。（也可参见第3章…”相关的问题
利用CHARITY.RAW中的数据回答如下问题
(i)用普通最小二乘法估计如下模型：
按照通常的方式报告估计方程，包括样本容量和R²。其R²与不使用giftlast和propresp的简单回归所得到的R²相比如何？
(ii)解释mailsyear的系数，它比对应的简单回归系数更大还是更小？
(iii)解释propresp的系数，千万要注意propresp的度量单位。
(iv)现在，在这个方程中增加变量avggif。这将对mailsyear的估计效应造成什么样的影响？
(v)在第(iv)部分的方程中，giftlast的系数有何变化？你认为这是怎么回事？
本题利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(iv)现在，容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化，用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少？1987年呢？这个差别在统计上显著吗？
(v)检验工会关系差别在不同时期没有发生变化的虚拟假设，并根据你对第(iv)部分的回答讨论你的结论。
MEAPO1.RAW中的数据是2001年密歇根州的数据。利用这些数据回答如下问题。
(i)求出math4的最大值和最小值。这个范围合理吗？请解释。
(ii)有多少学校在数学测试中有100%的通过率？占整个样本的百分比是多少？
(iii)有多少学校的数学通过率刚好是50%？
(iv)比较数学和阅读的平均通过率。哪个测试更难通过？
(v)求出math4和read4之间的相关系数。你得到的结论是什么？
(vi)变量exppp是平均每个学生的支出。求出exppp的平均值和标准差。你认为学生均支出存在大幅波动吗？
(vii)假设学校A平均每个学生支出6000美元，学校B平均每个学生支出5500美元。学校A的支出超过学校B的支出百分之多少？与根据自然对数之差近似的百分比差异100x[In(6000)-In(5500)]进行比较。
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？
(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？
请你利用本课程所学知识和技能，在互联网上利用搜索引擎搜索与英雄精神的相关内容，之后回答下述问题：
(1)什么是搜索引擎？
(2)简述搜索引擎的分类。
(3)要查找同时包含"民族英雄"和"电影"的条目，请写出搜索关键词。
(4)仅限在人民网(cpc.people.com.cn)中搜索标题中包含"崇尚英雄"的条目，请写出搜索关键词。
(5)搜索一首民族英雄写的诗词，写到此处，并进行简要分析。
利用MIN WAGE.RAW中232部门的数据回答如下问题。
(i)证明l wage 232t 和lemp 232t 最好用I(1) 过程来刻画。使用分别包含g wage 232和gel up 232的一阶滞后以及一个线性时间趋势的ADF检验。对这些序列中存在单位根还存有疑问吗？
(ii)在使用和不使用时间趋势的情况下， 容许在增广恩格尔-格兰杰检验中使用两个滞后项， 将lemp 232t 对hr age 232t 进行回归并进行协整检验。你得到什么结论？
(iii)现在将lemp 232t 对真实工资率的对数In v age 232t =l wage 232t -lept 和一个时间趋势进行回归。你发现存在协整吗？与使用名义工资相比，使用真实工资时，它们更“接近”协整吗？
(iv)第(iii)部分的协整回归中可能遗漏了哪些因素？
利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(ii)用FD估计第(i)部分中的方程，并检验不同时期的教育回报没有变化的原假设。
(iii)利用一个足够稳健的检验，也就是容许FD误差Δuir中存在任何形式的异方差和序列相关的检验，检验第(ii)部分中的假设。你的结论有变化吗？
(iv)现在，容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化，用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少？1987年呢？这个差别在统计上显著吗？
(v)检验工会关系差别在不同时期没有发生变化的原假设，并根据你对第(iv)部分的回答讨论你的结论。
人口特征方面的数据。目的是想考察快餐店是否在黑人更集中的区域收取更高的价格。
(i)求出样本中prpblck和income的平均值及其标准差。prpblck和income的度量单位是什么？
(ii)考虑一个模型，用人口中黑人比例和收入中位数来解释苏打饮料的价格psoda：
用OLS估计这个模型并以方程的形式报告结果， 包括样本容量和R。(报告估计值时不要使用科学计数法。)解释prpblck的系数。你认为它在经济上算大吗？
(iii) 将第(ii)部分得到的估计值与psoda对prpblck进行简单回归得到的估计值进行比较。控制收入变量后，这种歧视效应是更大还是更小了？
(iv)收入价格弹性为常数的模型可能更加适合。报告如下模型的估计值：
(vi)求出1og(income)和prppov的相关系数。大致符合你的预期吗？
(vii)评价如下说法：“由于log(income)和prppov如此高度相关，所以它们不该进入同一个回归。”
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11第(vi)部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量;不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)第10章的计算机练习C11第(vi)部分中的回归。]
B.当提出为什么C罗这么牛的疑问时,就需要发挥知识图诺解释的能力,关联到获得了金球奖,并且金球的地位关系是影响力最大的足球奖项评选之一,得出C罗很牛,让机器具备解释力,是认知智能的表现
C.机器通过模拟人类的神经元分布,建立足够多的突触的数量,就像图谱一样来完成类人类的认知
D.利用知识库的实体、概念、关系可以解释非常多的现象,包活鲨鱼为什么可怕？因为他是食肉动物,并且它的食物链中的目标对象都非常庞大,这就是因为食肉动物这个概念,在知识图谱中关联上,即可产生回答
