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）
答案
更多“在Simmons模型中假设问题B为“你喜欢红色吗？”，而且调查者不知道喜欢红色的学生的比例，调查方法是将被调查者分成两批，做两次独立调查，且选答问题A的概率不同，试设计具体的调查方案并建立模型，估计有…”相关的问题
第1题
.jpg)
[问题]
1．假设你作为该市规划行政主管部门的工作人员，你认为该项日存在什么问题？
2．作为一个技术领导，你如何评审该项目？
第2题
A.认知概念化
B.箭头向下技术
C.假设求证法
D.认知建构法
第3题
利用APPLE.RAW中的数据。这些电话调查数据是为了得到(假想的)“环保”苹果需求。调查者向每个家庭都(随机地)介绍了正常苹果和环保苹果的一组价格，并询问他们愿意购买每种苹果的磅数。
(i)对于样本中的660个家庭，有多少家庭报告称在预定价格上不愿意购买环保苹果？
(ii)变量ecolbs看上去在严格正值上具有连续分布吗？你的回答对ecolbs托宾模型的适当性有何含义？
(iii)以ecoprc、regprc、famic和hhsize作为解释变量，估计一个托宾模型。哪些变量在1%的水平上显著。
(iv)faminc和hhsize联合显著吗？
(v)第(iii)部分中价格变量系数的符号与你的预期一致吗？请解释。
(vi)令β1和β2为ecoprc和regprc的系数，相对一个双侧备择假设，检验假设H0:-β1=β2。报告检验的p值。(如果你的回归软件不能很容易地计算这种检验，你可能还要参考教材4.4节
(vii)对样本中的所有观测求E(ecolbslx)的估计值[见方程(17.25)]，称之为ecolbsi。最大和最小拟合值是多少？
(viii)计算ecolbs，和ecolbsi之相关系数的平方。
(ix)现在，利用第(iii)部分中同样的解释变量，估计ecolbs的一个线性模型。为什么OLS估计值比托宾估计值小那么多？从拟合优度来看，托宾模型比线性模型更好吗？
(x)评价如下命题：“由于托宾模型的R，如此之小，所以估计的价格效应可能是不一致的。”
第4题
某规划管理文件
【问题】
1．假设你作为该市规划行政主管部门的工作人员，你认为该项目存在什么问题？
2．作为一个技术领导，你如何评审该项目？
第5题
利用INTQRT.RAW中的数据。
在教材例18.7中，我们估计了六月期国库券持有期收益率的一个误差修正模型，其中三月期国库券持有期收益率的一阶滞后为解释变量。我们假定在方程
中的协整参数为1。现在，添加Δhy3t-1的先导变化Δhy3t、同期变化Δhy3t-1和滞后变化Δhy3t-2。即估计方程
并用方程形式报告结果。相对于双侧备择假设，检验H：β=1.假定方程中已经有了足够多的先导和滞后，使得{hy3t-1}在这个方程中是严格外生的，我们不必担心序列相关。
(ii)在教材(18.39)中的误差修正模型中，添加{hy3t-1}和{hy6t-2-hy3t-3}。这两项是联合显著的吗？你认为怎样才是适当的误差修正模型？
第6题
本题要用到HTV.RAW中的数据。
(i)考虑一个加入了父母受教育程度变量的工资方程
表述原假设：父亲与母亲的受教育程度对log(wage)具有相同影响。
(ii)估计第(i)部分中的模型，同时谈谈你对β，和队大小的看法。
(iii)在5%的显著性水平上，相对于双侧备择假设，通过构造一个95%的置信区间来检验第(i)部分中的原假设。你得到的结论是什么？
第7题
某个三能级体系的哈密顿矩阵表示为
另外两个可观测量A和B的矩阵表示为
式中
,λ和μ都是正实数.
(a)求H,A和B的本征值和归一化的本征函数.
(b)假设体系初始态为
其中|c1|2+|c2|2+|c3|2=1,求H,A和B的期望值(在t=0时刻).
(c)
是什么？如果你测量这个态的能量(在t时刻),可能会得到什么值,它们的概率是多少？对A和B回答同样的问题.
第8题
假设真实模型是
，但你估计了
。如果你利用Y在X=-3、-2、-1、0、1、2、3处的观测并估计了“不正确”的模型，这些估计值将出现什么偏误？
第9题
本题使用JTRAIN.RAW中的数据。
(i)考虑简单回归模型
其中，scrap表示企业的废品率，grant表示是否得到工作培训津贴的一个虚拟变量。你能想到u中的无法观测因素可能会与grant相关的原因吗？
(ii)利用1988年的数据估计这个简单的回归模型。(你应该有54个观测。)得到工作培训津贴显著地降低了企业的废品率吗？
(iii)现在增加一个解释变量log(scrap87)。这将如何改变grant的估计影响？解释grant的系数。相对于单侧备择假设
它在5%的显著性水平上统计显著吗？
(iv)相对双侧备择假设，检验log(scrapg)的参数为1的虚拟假设。报告检验的P值。
(v)利用异方差-稳健标准误，重复第(iii)步和第(iv)步，并简要讨论任何明显的差异。
第10题
利用WAGEPAN.RAW中的数据。
(i)考虑非观测效应模型
(ii)用FD估计第(i)部分中的方程，并检验不同时期的教育回报没有变化的原假设。
(iii)利用一个足够稳健的检验，也就是容许FD误差Δuir中存在任何形式的异方差和序列相关的检验，检验第(ii)部分中的假设。你的结论有变化吗？
(iv)现在，容许是否加入工会的差别(与受教育水平一起)在不同时期有所变化，用FD估计这个方程。1980年加入工会与不加入工会的估计工资差别是多少？1987年呢？这个差别在统计上显著吗？
(v)检验工会关系差别在不同时期没有发生变化的原假设，并根据你对第(iv)部分的回答讨论你的结论。
第11题
假设你想如同教材例6.3那样估计出勤率对学生成绩的影响。一个基本模型是：
其中变量定义与第6章相同。
(i)令dist为学生住宿区到教学大楼的距离。你认为dist与u不相关吗？
(ii)假定dist与u不相关，要成为atndrte的一个有效IV，dist还必须另外满足什么假定？
(iii)假定我们如在教材方程(6.18)中那样增添交互项priGPAatndrte：
若atndrte与u相关，则一般认为priGPAatndrte也与u相关。priGPAatndrte的一个好Ⅳ将是什么呢？[提示：若E(u|priGPA，ACT，dit)=0(在priGPA、ACT、dit均外生时出现)，则priGPA和dist的任何函数都与u不相关。]
