线性回归模型中，解释变量是原因，被解释变量是结果。

利用CHARITY.RAW中的数据回答本题。变量respond是一个虚拟变量，如果一个人对慈善组织最近的邮件做出捐助响应， 这个变量就等于1.变量resp last也是一个虚拟变量， 如果一个人对慈善组织前面的邮件做出捐助响应， 这个变量就等于1。avggift表示过去的平均捐助额(以荷兰盾为单位) ， propres p表示此人对过去慈善组织寄来的邮件做出捐助响应的次数比例。

(i) 估计一个将respond与resplast和avggift联系起来的线性概率模型。以通常的形式报告结果， 并解释变量resplast的系数。

(ii)过去捐助的平均水平看来会影响做出捐助响应的概率吗?

(iii) 在模型中增加变量propres p并解释其系数。(这里须注意， propresp增加1是最大可能变化。)

(iv) 在回归中增加propres p以后， resp last的系数有何变化?这讲得过去吗?

(v) 在模型中增加每年寄出邮件的数量mail year。它的估计影响有多大?为什么它不是邮件数量对响应的因果关系的一个较好的估计?

本题利用BEAUTY.RAW中的数据集， 它包含了Hamermesh and Biddlc(1994) 报告变量的一个子集(但比其报告回归中的观测更加有用)。

(i)分别求男女相貌在一般水平之上的比例。相貌在一般水平之上和之下的人哪个更多?

(ii)检验假设：男女相貌在一般水平之上的总体比例相同。报告女人比例更高的单侧P值。(提示：估计一个简单的线性概率模型最容易。)

(iii)现在针对男女分别估计模型

并以通常方式报告结果。在两种情形中解释belavg的系数。用语言解释假设H₀：β₁=0相对H₁：β₁<0的含义，并分别求出P值。

(iv)有一般相貌之上的女人比相貌一般的女人工资更高的充分证据吗?请解释。

(v) 对男人和女人都增加解释变量educ， exper，experz，union，goodhlth，black，married， south，bigcity，smllcity和service。“相貌”变量的影响有重要变化吗?

A、存在完全的负一阶自相关

B、存在完全的正的一阶自相关

C、不能判断是否存在一阶自相关

D、不存在序列自相关

A.解释变量X2t对Yt的影响不显著

B.解释变量X1t对Yt的影响显著

C.模型所描述的变量之间的线性关系总体上显著

D.解释变量X1t和X2t对Yt的影响都显著

A.与被解释变量iY不相关;

B.随机误差项iu不相关;

C.与回归值i Yˆ不相关;

D.以上说法均不对。

A、直接影响

B、间接影响

C、直接影响和间接影响之和

D、直接影响和间接影响之差