在一个带虚拟变量和连续变量交互项的回归方程中，, 要检验两个组别的回归是否相同，你需要：

在一个带虚拟变量和连续变量交互项的回归方程中，要检验两个组别的回归是否相同，你需要

A、用 t 检验分别检验；

B、用F检验联立检验和；

C、用t检验检验；

D、用Wald检验联立检验和。

在某些回归模型中，其因变量为虚拟变量，而自变量为定量变量或定性变量，此种回归分析称作线性回归分析。(  )

A、在模型中引入两个及以上虚拟变量作解释变量时才有可能出现

B、会影响OLS估计量的小样本性质

C、即“虚拟变量陷阱”

D、即“虚拟变量陷阱”

利用BWGHT.RAW中的数据，可估计出如下方程：

变量定义和教材例4.9中一样，但我们增加了两个虚拟变量：一个虚拟变量表明孩子是不是男孩，另一个虚拟变量则表明这个孩子是不是白人。

(i)在第一个方程中，解释变量cigs的系数。具体而言，每天多抽10根烟对婴儿出生体重有何影响?

(ii)在第一个方程中，保持其他因素不变，预计一个白人孩子的出生体重比一个非白人孩子重多少?这个差异是统计显著的吗?

(iii)评价motheduc的估计影响和统计显著性。

(iv)从这些给定信息中，为什么不能计算出检验motheduc和fatheduc联合显著性的F统计量?为了计算这个统计量，还需要做些什么?

对基金经理市场时机选择能力可以用模型来进行检验，方程中D是一个虚拟变量，当RM＞rf时，D=1，否则p=0。D在统计上显著（ ）时，表明基金存在时机选择能力。

利用TRAFFIC2.RAW中的月度数据估计如下方程：：

prcfat是事故导致的死亡率，spdlaw是一个虚拟变量，当车速增大到每小时65英里时取1，而beltlaw是另一个虚拟变量，当强制性的安全带政策被履行时取1。由于数据是月度数据，因此回归中还包括一系列月度的虚拟变量(未写出)以及失业率和一个月中的周末数(也未写出)。方程中的标准差是OLS估计中得到的标准差。

(i)通过上面的静态模型，安全带政策对于事故导致的死亡率有什么长期影响?影响是否显著?如果要得到更小的标准差，你应该怎么做?

(ii)通过动态模型，安全带政策对于事故导致的死亡率有什么长期影响?这个结果与静态模型中得到的结果相比有什么不同?

(iii)当二阶滞后项prcfa_t-2和一阶滞后项prcfa_t-1同时加入到模型中时，prcfa_t-2的系数是0.098，而标准差是0.110。在这种情况下，prcfa_t-2是否需要加入到模型中?

在虚拟变量的引入方式中，乘法方式反映的虚拟变量对( )的影响

A．斜率

B．截距

C．解释变量

D．被解释变量

下列关于虚拟变量设置原则的表述，正确的有( )。

A．虚拟变量的值只能取0或1

B．在虚拟变量的设置中，比较变量一般取值为1

C．在虚拟变量的设置中，基础类别一般取值为0

D．当定性因素有m个类别时，引入m-1个虚拟变量

E．当定性因素有m个类别时，引入m个虚拟变量，会产生多重共线性问题

利用MATHPNL.RAW中的数据。类似第13章的计算机练习C11中的一阶差分分析，这里将做一个固定效应分析。我们关心的模型是：

其中，因为滞后支出变量，第一个可用年份(基年)是1993年。

(i)用混合OLS估计模型，并报告通常的标准误。为使得a_i的期望值可以非零，你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么?求OLS残差。

(ii)lunchit系数的符号在意料之中吗?解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗?

(iii)利用的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关，并讨论为什么。

(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗?

(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的?

(vi)定义支出的总(或长期)效应为的标准误。