如果结果不匹配，请 
更多““你喜欢这个职业吗”，这是一个()问题。”相关的问题
A.设计问卷调查题时，要简洁些
B.设计问卷调查题时，要直截了当
C.设计问卷调查题时，要避免趋同心理
D.设计问卷调查题时，提问方式要中性
A.设计问卷调查题时，要简洁些
B.设计问卷调查题时，要直截了当
C.设计问卷调查题时，要避免趋同心理
D.设计问卷调查题时，提问方式要中性
下面这个模型是比德尔和哈默梅什(BiddleandHamermesh，1990)所用多元回归模型的一个简化版本，原模型研究睡眠时间和工作时间之间的取舍，并考察影响睡眠的其他因素：
sleep=β0+β1totwrk+β2educ+β3age+u
其中，sleep和totwrk都以分钟/周为单位，而educ和age则以年为单位。(也可参见计算机练习C3。)
(i)如果成年人为工作而放弃睡眠，β1的符号是什么？
(ii)你认为β2和β3的符号应该是什么？
(iii)利用SLEEP75.RAW中的数据，估计出来的方程是
sleep=3638.25-0.148totwrk-11.13educ+2.20age
n=706,R2=0.113.
如果有人一周多工作5个小时，预计sleep会减少多少分钟？这是一个很大的舍弃吗？
(iv)讨论educ的估计系数的符号和大小。
(v)你能说totwrk，educ和age解释了sleep的大部分波动吗？还有什么其他因素可能影响花在睡眠上的时间？它们与totwrk可能相关吗？
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11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)计算机习题C10.11第(vi)部分中的回归。]
在例10.6中，我们估计了费尔预测美国总统选举结果的一个模型的变型。
(i)对于这个方程中的误差项序列无关，你有何论据？(提示：总统选举多长时间进行一次？)
(ii) 在将式(10.23) 的OLS残差对滞后残差进行回归时， 得到p=-0.068和sc(p)=0.240。你对u， 中的序列相关有何结论？
(iii)在检验序列相关时，这个应用中的小样本容量会令你不放心吗？
A.机会往往在不经意间获得
B.公司招聘时更看重求职者的态度
C.谦虚能获得更多知识和别人的尊重
D.良好的文字功底是成功求职的前提
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。
A.机会往往在不经意问获得
B.公司招聘时更看重求职者的态度
C.谦虚能获得更多知识和别人的尊重
D.良好的文字功底是成功求职的前提。
