使用数据集TWOYEAR.RAW. (i)变量phsrank表示一个人的高中百分位等级。(数字越大越好。比如90意

参考4.4节中所用的例子。你将使用数据集TWOYEAR.RAW.

(i)变量phsrank表示一个人的高中百分位等级。(数字越大越好。比如90意味着， 你的排名比所在班级中90%的同学更高。)求出样本中phsrank的最小、最大和平均值。

(ii)在方程(4.26) 中增加变量phsrank， 并照常报告OLS估计值。phs rank在统计上显著吗？高中排名提高10个百分位点，能导致工资增加多少？

(iii)在方程(4.26) 中增加变量phs rank显著改变了2年制和4年制大学教育回报的结论了吗？请解释。

(iv)数据集包含了一个被称为id的变量。你若在方程(4.17)或(4.26)中增加id，预计它在统计上不会显著，解释为什么？双侧检验的p值是多少？

式中，trngpa表示本学期的GPA，crsgpa表示所修全部课程加权平均的GPA，cumgpa表示本学期前的GPA，tothrs表示此学期前总学分，sat表示SAT分数，hsperc表示其在高中班级排名的百分位，female是一个性别虚拟变量，而season也是一个虚拟变量，并在该学生在秋季参加学生运动赛事时取值1。通常的标准误和异方差-稳健的标准误分别报告于圆括号和方括号中。

(i)变量crsgpa、cungpa和tothrs都有预期的估计效应吗？这些变量中有哪些在5%的显著性水平上是统计显著的？使用不同的标准误是否有什么影响？

(ii)为什么虚拟假设有意义？利用这两种标准误，在5%的显著性水平上针对双侧备择假设检验这个虚拟假设。描述你的结论。

(iii)利用两种标准误来检验参加体育赛事对学期GPA是否有影响。拒绝原假设的显著性水平与所用的标准误有关系吗？

A.相关系数越大

B.相关系数的绝对值越大

C.回归系数越大

D.回归系数的绝对值越大

利用GPA3.RAW中的数据，对秋季第二学期的学生估计如下方程

这里trm gpa表示木学期的GPA，crs gpa表示所修全部课程加权平均的GPA，crs gpa表示木学期前的GPA，tot hrs表示此学期前总学分，sat表示SAT分数， hs perc表示其在高中班级排名的百分位，female是一个性别虚拟变量，而season也是一个虚拟变量，并在该学生在秋季参加学生运动赛事时取值1.通常的标准误和异方差-稳健的标准误分别报告于圆括号和方括号中。

(i)变量cr gpa、cumgpa和tot hrs都有预期的估计效应吗？这些变量中有哪些在5%的显著性水平上是统计显著的？使用不同的标准误是否有什么影响？

(ii)为什么虚拟假设H₀：有意义？利用这两种标准误， 在5%的显著性水平上针对双侧对立假设检验这个虚拟假设。描述你的结论。

(iii)利用两种标准误来检验参加体育赛事对学期GPA是否有影响。拒绝虚拟假设的显著性水平与所用的标准误有关系吗？

A.婴儿的出生体重在同龄儿平均出生体重的第1〜99百分位之间

B.婴儿的出生体重在同龄儿平均出生体重的第3〜97百分位之间

C.婴儿的出生体重在同龄儿平均出生体重的第5〜95百分位之间

D.婴儿的出生体重在同龄儿平均出生体重的第10〜90百分位之间

E.婴儿的出生体重在同龄儿平均出生体重的第20〜80百分位之间

A.输入阻抗越大越好，输出阻抗越小越好

B.输入阻抗越小越好，输出阻抗越大越好

C.输入阻抗越小越好，输出阻抗越小越好

D.输入阻抗越大越好，输出阻抗越大越好

A.板的强度越好

B.板的刚度越好

C.板的稳定性越好

D.板的稳定性越差

A.加热时间越长越好，加热功率越小越好

B.加热时间越短越好，加热功率越大越好

C.保持冷却时间与加热时间的比值为常数

D.加热时间和加热功率都是越大越好

A.90°

B.45°

C.钝角、角度越大越好

D.120°

E.锐角、角度越小越好