如下模型可用来研究竞选支出如何影响选举结果:
其中,voteA表示候选人A得到的选票百分数,expendA和expendB分
别表示候选人A和B的竞选支出,而prtystrA则是对A所在党派实力的一种度量(A所在党派在最近一次总统选举中获得的选票百分比)。
(i)如何解释β1?
(ii)用参数表述如下原假设:A的竞选支出提高1%被B的竞选支出提高1%所抵消。
(iii)利用VOTE1.RAW中的数据来估计上述模型,并以通常的方式报告结论。A的竞选支出会影响结果吗?B的支出呢?你能用这些结论来检验第(ii)部分中的假设吗?
(iv)估计一个模型,使之能直接给出检验第(ii)部分中假设所需用的:统计量。你有什么结论?(使用双侧备择假设。)
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?
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。
A、H0:两样本对应的总体均数不同
B、H0:样本的差数应来自均数为的非正态总体
C、H0:两样本对应的总体分布不同
D、H0:两样本的中位数不同
E、H0:差值的总体中位数不为
回归系数进行双侧的假设检验,其备择假设是()。
A.β=0
B.β≠0
C.b≠0
D.b>0
E.b<0
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上,相对一个双侧备择假设,β统计显著异于零吗?在1%的显著性水平上呢?
(ii)log(income)和prppov的相关系数是多少?每个变量都是统计显著的吗?报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告的双侧p值。
(iv)在第(ii)部分的回归中,log(income)和prppov的个别统计显著性有何变化?这些变量联合显著吗?(计算一个p值。)你如何解释你的答案?
(v)给定前面的回归结果,在确定一个地区的种族构成是否影响当地快餐价格时,你会报告哪一个结果才最为可靠?
A.双侧基t0.10,20=单侧t0.05,20
B.单钡t0.05,20<双侧t0.05,20
C.双侧t0.05,20<双侧t0.01,20
D.单侧t0.05,20>单侧t0.05,15
E.单侧t0.05,20<单侧t0.05,15
A.单侧t检验显著,则双侧t检测必然显著
B.双侧t检验显著,则单侧t检测必然显著
C.双侧t检测不显著,则单侧t检验也不显著
D.单侧t检测不显著,则双侧t检验也不显著
E.单、双侧t检验结果没有联系
制定医学参考值不必备下列哪项
A.选用适当的计算方法
B.选定适当的百分界值
C.确定样本足够量的正常人
D.确定指标的单侧或双侧界值
E.算出抽样误差
制定医学参考值不必备下列哪项
A.选用适当的计算方法
B.选定适当的百分界值
C.确定样本足够量的正常人
D.确定指标的单侧或双侧界值
E.算出抽样误差