如果结果不匹配，请 
更多“位变量图标显示功能是把一个数据变量的每个位(bit)的0/1…”相关的问题
利用得自格雷迪(Graddy，1995)的数据集FISH.RAW。这个数据集也曾用于第12章的计算机练习C9.现在，我们用它估计一个鱼肉需求函数。
(i)假定每个时期均衡的鱼肉需求方程可写成
所以容许需求在一周中的每一天都有所不同。把价格变量视为内生的，一致地估计需求方程参数还需要什么额外信息？
(ii)变量wavet和wave3t度量了过去几天的海浪高度。为了在估计需求方程时将wave2t和wave3t用作log(avgprc)的Ⅳ，我们还需要哪两个假定？
(ii)将log(avgprc)对周工作日虚拟变量和两个浪高指标进行回归。wave2t和wave3t联合显著吗？这个检验的p值是多少？
(iv)现在，用2SLS估计需求方程。需求价格弹性的95%置信区间是什么？所估计的弹性合理吗？
(v)求2SLS的残差ut。在用2SLS估计需求方程时增加一个滞后ut-1记住，用ut-1作为自己的工具。需求方程误差中有AR(1)序列相关的证据吗？
(vi)给定供给方程明显取决于海浪变量，为了估计供给价格弹性，我们需要哪两个假定？
(vii)在log(avgprct)的约简型方程中，周工作日虚拟变量联合显著吗？你对能够估计供给弹性有何结论？
利用BARIUM.RAW中的数据。
(i)用前119次观测(即不包含1988年的最后12个月观测)，估计线性趋势模型
。这个回归的标准误是什么？
(ii)同样用除了最后12个月以外的所有数据，估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合？
(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言，哪种方法效果更好？
(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗？(当我们检验联合显著性时，不必担心误差中轻度的序列相关。)
A.确定每个步骤的输出函数
B.列出每一步的关键输入变量
C.选定一个流程、确定步骤、确定每步的流向以及流程内部关系
D.将输入变量归类为可控的、标准的或者噪音
A.把大量信息按其亲近关系加以分类、汇总的图示技术
B.把大量信息按其发生频次进行排列的图示技术
C.寻找不同变量间相关关系的图示技术
D.从大量信息中看数据分布状况的图示技术
A.做散布图时，要注意对数据进行正确的分层，否则可能作出错误的判断
B.如果两个变量间存在相关关系，那么，这两个变量就一定是因果关系
C.如果两个变量之间的相关系数为零，则表示这两个变量不相关
D.反映一个数列的各个数值出现的频数演变情况，以便形象地表示被观察数值的特征和分布状态
利用SLEEP75.RAW中的数据
变量sleep是每周晚上睡眠的总分钟数，totwork是每周花在工作上的总分钟数，educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之间有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个原假设，你还需要另外做什么回归？
