原假设与备择假设之间的关系是?()
A.一致的
B.相互独立的
C.高度相关的
D.相互对立的
A.一致的
B.相互独立的
C.高度相关的
D.相互对立的
第3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4题
A.H1为真,接受H1
B.H1不真,接受H1
C.H1为真,拒绝H1
D.H1不真,拒绝H1
第6题
考虑一个用企业年销售额、股本回报率(roe,以百分数表示)和企业股票的回报(ros,以百分数表示)来解释CEO薪水的如下方程:
(i)用模型参数来表述如下原假设:在控制了sales和roe后,ros对CEO的薪水没有影响。再给出备择假设的参数表述:股票市场更好的业绩会提高CEO的薪水。
(ii)使用CEOSAL1.RAW中的数据,通过OLS可以得到如下方程:
如果ros提高50个百分点,预计salary会提高多大比例?ros对salary具有实际上很大的影响吗?
(iii)检验ros对salary没有影响的原假设,备择假设是具有正效应。在10%的显著性水平上进行检验。
(iv)你最后会在一个用企业业绩表示CEO报酬的模型中包括ros吗?给出你的解释。
第7题
A.Ⅱ型错误是把非真实差异错判为真实差异,即无效假设为真,却未否定备择假设
B.Ⅰ型错误是把真实差异错判为非真实差异,即无效假设为真,却接受了备择假设
C.Ⅰ型错误是把非真实差异错判为真实差异,即备择假设为真,却接受了无效假设
D.Ⅱ型错误是把真实差异错判为非真实差异,即备择假设为真,却未否定无效假设
第8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10题
A.原、被告之问发生纠纷的1000元的借款
B.原、被告之间发生名誉受到诽谤的伤害
C.原、被告之间发生的起诉与被起诉的关系
D.原、被告之间发生的抢劫与被抢劫的施、受害关系
第11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。