回答:为什么不能直接依据数据之间的关系进行总体回归模型设定？数据关系在总体回归模型设定中具有什么作用？

回答:为什么不能直接依据先验的经济学理论进行总体回归模型设定？经济学理论在总体回归模型设定中具有什么作用？

根据习题1.7中的数据：a.以印象为纵轴和广告支出为横轴描点。你观察到哪种关系？b.对数据拟合一个双变量线性回归模型合适吗？为什么？若不合适，你将用哪种类型的回归模型来拟合数据？我们有拟合这种模型的必要工具吗？c.假设你不描点而简单地对数据拟合一个双变量回归模型。给出通常的回归结果。留存结果等以后再看这个问题。

试证明最小二乘估计量是标准一元线性回归模型中总体回归系数β2的最优线性无偏估计量。

1964年，曾经对9966名经济学家进行了调查，数据如下：

a.建立适当的模型解释工资与年龄的关系。为了进行回归，假设工资中值对应于年龄区间的中点。

b.假设误差方差与年龄成比例变动,变换数据,求WLS回归。

c.假设误差方差与年龄的平方成比例变动，求WLS回归。

d.哪一个假设看来更可行？

假设决定y的总体模型是，而这个模型满足假定MLR.1~MLR.4。但我们估计了漏掉x3的模型。回归的OLS估计量。(给定样本中自变量的值)证明的期望值是

考虑如下回归模型：c.比较初始回归和变换后的回归， PDI的t值急剧下降， 这一变化表明了什么？d.根

考虑如下回归模型：

c.比较初始回归和变换后的回归， PDI的t值急剧下降， 这一变化表明了什么？

d.根据变换后模型获得的d值能否确定变换后的数据存在自相关？

解释概念a.总体回归函数（PRF)b.样本回归函数（SRF)c.随机总体回归函数d.线性回归模型e.随机误差项（u_i)f.残差项（e_i)g.条件期望h.非条件期望i.回归系数或回归参数j.回归系数的估计量

回到我们曾几次讨论的儿童死亡率一例。在回归（7.6.2)中，我们将儿童死亡率（CI)对人均GNP（即PCP)

和妇女识字率(FLR)回归。现在我们通过增加总生育率(TFR)来扩展模型。教材表6-4中包含所有这些数据。重做回归(7.6.2)井给出扩展模型的回归结果如下：

a.你如何解释TFR的系数？据经验，预期CM和IFR之间的关系是正还是负？给出你回答的理由。

b.在这两个方程之间PGNP和FLR的系数有变化吗？若有，变化的原因是什么？所观测的差别是统计显著的吗？你使用哪个检验，为什么？

c.你如何在模型1和2之间做出选择？你用哪个检验来回答这个问题？给出必要的计算。

d.我们没有给出TFR系数的标准误。你能求出它吗？(提示：回忆t和F分布之间的关系。)

考虑如下模型它表示一个线性回归模型吗？若否，你能用什么“技巧”使它成为一个线性回归模型？你如

考虑如下模型

它表示一个线性回归模型吗？若否，你能用什么“技巧”使它成为一个线性回归模型？你如何解释由此得到的模型？在什么情况下，这种模型比较合适？