[color=rgba(0, 0, 0, 0.9)]① 手动计算基于处理状态any的got变量均值的差分，然后用线性回归d得到结果，看看一阶差分与回归结果是否相同；

[color=rgba(0, 0, 0, 0.9)]② 按照表3，我们要检查基准特征在c处理组和对照组之间是否平均看起来相同。检验在控制了Tinc、under、rumphi和balaka之后，以下变量在c处理组组和对照组之间是否有显著差异

[color=rgba(0, 0, 0, 0.9)]性别通过male

[color=rgba(0, 0, 0, 0.9)]基准年龄通过age

[color=rgba(0, 0, 0, 0.9)]通过hiv2004检验他们是否在j基准上感染了艾滋病病毒

[color=rgba(0, 0, 0, 0.9)]通过educ2004了解j基准的受教育年限水平

[color=rgba(0, 0, 0, 0.9)]他们在j基准时是否拥有任何土地（通过land2004）。

[color=rgba(0, 0, 0, 0.9)]他们在j基准时是否使用安全套，通过usecondom04。

[color=rgba(0, 0, 0, 0.9)]解释这些结果是否让你对实验有信心。

[color=rgba(0, 0, 0, 0.9)]③ 作者改变了个人收到的奖励数量，在变量tinc中。请比较不同的奖励程度的处理效应。这被称为计量相应函数（dose response function）。

[color=rgba(0, 0, 0, 0.9)]（1）计算tinc>2的个体的处理效应；计算0<tinc<1的个体的处理效应。处理效应会随着奖励的提高而增加吗？

[color=rgba(0, 0, 0, 0.9)]（2）用got对any和tinc回归来计算线性计量响应函数。注意，any表示0奖励的处理效应（截距），tinc表示增加tinc的处理效应的边际变化。

[color=rgba(0, 0, 0, 0.9)]④ 估计现金奖励对接受测试结果的效应。执行随机推断来计算一个近似的p值。