如果结果不匹配，请 
更多““二值化”是处理()数据的一个技术步骤”相关的问题
A.嵌入式系统技术
B.数据信息采集到处理
C.RFID标签技术
D.传感器技术
A.防接点抖动处理
B.测值合理性处理
C.测值品质位处理
A.煤的工业分析包括水分、挥发分、灰分和固定碳
B.随着煤化程度增加，煤中的水分含量和挥发分含量逐渐减少，固定碳含量逐渐增加
C.煤的工业分析仅是一个条件下的热解数据，并不能反映多样化煤化工技术的要求
D.固定碳实际上就是煤中的碳元素
利用数据集GPA1.RAW。
(i)利用OLS估计一个将colGPA与hsGPA，ACT，skipped和PC相联系的模型。求OLS残差。
(ii)计算异方差性的怀特检验特殊情形。在对colGPA，和colGPA，的回归中，求拟合值。
(iii)验证第(ii)部分得到的拟合值都严格为正。然后利用权数1/h求加权最小二乘估计值。根据对应的OLS估计值，将逃课和拥有计算机之影响的加权最小二乘估计值与对应OLS估计值相比较。它们的统计显著性如何？
(iv)在第(iii)部分的WLS估计中，求异方差-稳健的标准误。换言之，容许第(ii)部分中所估计的方差函数可能误设(参见问题8.4)。标准误与第(iii)部分相比有很大变化吗？
本题使用GPA2.RAW中的数据。
(i)考虑方程
其中，colgpa表示累积的大学GPA，hsize表示高中毕业年级以百人计的规模，hsperc表示在毕业年级中学术排名的百分位，sat表示SAT综合分数，female是一个二值变量，而athlete也是一个运动员取值1的二值变量。你对这个方程中的系数有何预期？哪些你没有把握？
(ii)估计第(i)部分中的方程，并以通常的形式报告结果。估计运动员和非运动员之间GPA的差异是多少？它是统计显著的吗？
(ii)从模型中去掉sat并重新估计这个方程。现在，作为运动员的估计影响是多大？讨论为什么这个估计值不同于第(ii)部分的结论。
(iv)在第(i)部分的模型中，容许作为运动员的影响会因性别不同而不同。检验如下原假设：在其他条件不变的情况下，女生是否是运动员没有差别。
(v)sat对colgpa的影响会因性别不同而不同吗？讲出你的根据。
在近来的一篇论文中，埃文斯和施瓦布(EvansandSchwab，1995)研究了就读于天主教高中对将来读大学的概率所产生的影响。为具体起见，令college为二值变量，如果读大学则等于1，否则为0。令CahHS也为二值变量，如果就读于天主教高中则等于1.一个线性概率模型是：
college=β0+β1CathHS+其他因素+u
其中其他因素包括性别、种族、家庭收入和父母的受教育程度。
(i)为什么CathHS可能与u相关？
(ii)埃文斯和施瓦布拥有关于每个学生在大二时进行的标准化测验成绩数据。我们用这些变量能做些什么，以改进就读于天主教高中在其余条件不变情况下的估计值？
(iii)令CathRel为二值变量，若学生是天主教徒则等于1。讨论它成为前面方程中CathHS的一个有效的ⅣV所需要的两个要求。其中哪个可加以检验？
(iv)不足为奇，作为天主教徒对是否就读于一所天主教高中有显著的影响。你认为CathRel作为CathHS的工具变量令人信服吗？
利用数据集401KSUBS.RAW。
(i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，age²和male。求通常的OLS标准误和异方差-稳健的标准误。它们有重要差别吗？
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
