请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码下载APP
题目内容
（请给出正确答案）
有计划上大学的中学高年级学生。
(Ⅰ) 假设你有权进行一项控制实验。请说明为了估计hours对sal的引致效应， 你将如何构建实验。
(Ⅱ) 考虑一个更加实际的情形， 即由学生选择在备考课程上花多少时间， 而你只能随机地从总体中抽出sat和hours的样本。将总体模型写作如下形式：
其中，与通常带截距的模型一样， 我们可以假设E(u)=0。列举出至少两个u中包含的因素。这些因素与hours可能呈正相关还是负相关？
(III)在(Ⅱ)的方程中，如果备考课程有效，那么β1的符号应该是什么？
(Ⅳ)在(Ⅱ)的方程中，β0该如何解释？
答案
更多“假设你对估计花在SAT备考课程上的小时数(hours)对SAT总分(sat)的影响感兴趣。总体是某一年内所”相关的问题
第1题
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。
第2题
(i)你为什么会把这些数据归类为聚类样本？大致上，你预期能从一个典型学生得到大概多少次观测？
(ii)写出一个类似于教材方程(14.12)那样的模型，用到课率和其他特征去解释期终考试成绩。以s作为学生下标和c作为课程下标，对同一个学生哪个变量是不变的？
(iii)如果你把所有的数据混合起来并使用OLS，那么，对影响成绩和到课率的非观测学生特征，你正在做什么假定呢？SAT和学期前GPA在这方面扮演着什么角色呢？
(iv)如果你认为SAT和学期前GPA不足以刻画学生能力，你如何估计到课率对期终考试成绩的影响呢？
参考答案：
6.利用计量经济软件
中的“聚类”选项，便得到教材表14-2中混合OLS估计值充分稳健[即对复合误差(vit：t=1，···，T)中的序列相关和异方差性保持稳健]的标准误为：
(i)这些标准误与非稳健标准误相比一般如何？为什么？
(ii)混合OLS的稳健标准误与RE的标准误相比如何？解释变量是否随时间变化有什么关系吗？
第3题
利用GPA2.RAW中的数据，可估计出如下方程：
变量sat是SAT的综合分数，hsize是以百人计的学生所在高中毕业年级的学生规模，female是一个性别虚拟变量，而black是一个种族虚拟变量(黑人取值1，其他人则取值0)。
(i)有很强的证据支持模型中应该包括hsize”吗？从这个方程来看，最优的高中规模是什么？
(ii)保持hsize不变，非黑人女性和非黑人男性之间SAT分数的估计差异是多少？这个估计差异的统计显著性如何？
(iii)非黑人男性和黑人男性之间SAT分数的估计差异是多少？检验其分数没有差异的原假设，备择假设是他们的分数存在差异。
(iv)黑人女性和非黑人女性之间SAT分数的估计差异是多少？为了检验这个差异的统计显著性，你需要怎么做？
第4题
利用JTRAIN.RAW，以确定工作培训津贴对每个雇员工作培训小时数的影响。三年的基本模型是：
(i)用固定效应法估计方程。在此估计中利用了多少个企业？如果每个企业都有这三年的所有变量数据(特别是hrsemp的数据)，总观测个数会是多少？
(ii)解释grant的系数并评论它的显著性。
(iii)grant-1不显著有什么惊人之处吗？请解释。
(iv)平均地说，更大的企业为其职工提供了更多还是更少的培训？差别有多大？(比方说，职工多10%的企业，培训的平均小时数增多或减少了多少？)
第5题
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？
第6题
A．看电视、听音乐等被动活动没有阻碍儿童交流技巧的发展。
B．除了课后时间，大多数儿童有其他机会来进行选择是玩电脑游戏还是与其他人交际。
C．没有把他们所有课后时间都用于玩电脑游戏的儿童至少会花费一部分时间来与别人交谈。
D．正式的教育对儿童交流技巧的获得很少或者讲没有贡献。
第7题
利用401KSUBS.RAW中的数据。
(i)计算样本中netta的平均值、标准差、最小值和最大值。
(ii)检验假设：平均netta不会因为401(k)资格状况而有所不同，使用双侧备择假设。估计差异的美元数量是多少？
(iii)根据第7章的计算机练习C7的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e401k作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv)在第(ii)部分估计的模型中，增加交互项e401k(age-41)和e401k-(age-41)2。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi)现在，从模型中去掉交互项，但定义5个家庭规模虚拟变量：fsizel，fsize2，fsize3，fsize4和fsize5。对有5个或5个以上成员的家庭，fsize5等于1。在第(ii)部分估计的模型中，增加家庭规模虚拟变量，记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii)现在，针对模型
在容许截距不同的情况下，做5个家庭规模类别的邹至庄检验。约束残差平方和SSR，从第(iv)部分得到，因为那里回归假定了相同斜率。无约束残差平方和
其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
第10题
A.在大量的案例中，携带戊型肝炎的献血者并不会发病
B.对被戊型肝炎测试筛选下来的献血者数字的估计是被低估了的
C.在大量的案例中，携带戊型肝炎病菌的献血者并没有携带其它常规测试能够筛选出来的相关病菌
D.在想要献血的人中，戊型肝炎患者的比例比在整个人口中的比例要低
