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）
利用SLEEP 75.RAW中的数据(也可参见习题3.3) ， 我们得到如下估计方程
变量sleep是每周晚上睡眠的总分钟数， ton work是每周花在工作上的总分钟数， educ和age则以年为单位，而male是一个性别虚拟变量。
(i)所有其他因素不变，有没有男性比女性睡眠更多的证据？这个证据有多强？
(ii)工作与睡眠之问有统计显著的取舍关系吗？所估计的取舍关系是什么样的？
(iii)为了检验年龄在其他因素不变的情况下对睡眠没有影响这个虚拟假设，你还需要另外做什么回归？
答案
更多“利用SLEEP 75.RAW中的数据(也可参见习题3.3) ， 我们得到如下估计方程变量sleep是每周晚上睡眠”相关的问题
第1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2题
利用LOANAPPRAW中的数据;也可参见第7章的计算机练习C8。
(i)估计一个approve对white的概率单位模型。求出白人和黑人贷款许可的估计概率。与线性概率估计值相比如何？
(ii)现在在这个概率单位模型中增加变量hrat、obrat、loanpre、unem、male、married、dep、sch、cosign、chist、pubrec、mortlatl、mortlat2和vr。有对非白人歧视的统计上显著的证据吗？
(iii)用对数单位估计模型的第(ii)部分，将white的系数与概率单位估计值相比较。
(iv)使用教材方程(17.17)估计在概率单位模型和对数单位模型中歧视效应的大小。
第3题
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机习题c 3.8.)
(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，相对一个双侧对立假设，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H0：βlog(hseval)=0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，在确定一个邮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？
第4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5题
利用B树作文件索引时，若假设磁盘页块的大小是4000字节(实际也许是4096字节，为了计算方便，此处取成4000字节)，指示磁盘地址的指针需要5个字节。现在有20000000个记录构成的文件，每个记录为200字节，其中包括关键码5个字节。试问在此采用B树作索引的文件中，B树的阶数应为多少？假定文件数据部分来按关键码有序排列，则索引部分需要占用多少磁盘页块？
第6题
(i)在数据集JTRAIN2.RAW中，男人参加工作培训的比例是多大？在JTRAIN3.RAW中的比例又是多大？你认为为什么存在这么大的差距？
(ii)利用JTRAIN2.RAW，做re78对train的简单回归。参与工作培训对真实工资的估计影响有多大？
(ii)现在，在第(ii)部分的回归中增加控制变量re74，re75，educ，age，black和hisp。工作培训对re78的估计影响变化大吗？何以至此？(提示：记得这些都是实验数据。)
(iv)利用JTRAIN3.RAW中的数据做第(ii)部分和第(iii)部分的回归，只报告train的估计系数及其：统计量。现在，控制额外因素的影响如何？为什么？
(v)定义avgre=(re74+re75)/2。求这两个数据集中的样本均值、标准差、最小值和最大值。这些数据集代表了1978年同样的总体吗？
(vi)在数据集JTRAIN2.RAW中，几乎96%的男性的avgre低于10000美元。只利用这些男性的数据，做re78对train，re74，re75，educ，age，black和hisp的回归，并报告培训估计值及其：统计量。对JTRAIN3.RAW
也只利用avgre ≤10的男性做同样的回归。就这个低收入男性子样本而言，实验数据集和非实验数据集估计的培训效应有何差别？
(vii)现在，只针对1974年和1975年失业的男性，利用每个数据集做re78对train的简单回归。培训的估计值又有何差别？
(viii)利用你前面的回归结果，试讨论在比较实验估计值和非实验估计值的背后，拥有可比较总体的潜在重要性。
第7题
利用TRAFFIC2.RAW中的月度数据估计如下方程：：
prcfat是事故导致的死亡率，spdlaw是一个虚拟变量，当车速增大到每小时65英里时取1，而beltlaw是另一个虚拟变量，当强制性的安全带政策被履行时取1。由于数据是月度数据，因此回归中还包括一系列月度的虚拟变量(未写出)以及失业率和一个月中的周末数(也未写出)。方程中的标准差是OLS估计中得到的标准差。
(i)通过上面的静态模型，安全带政策对于事故导致的死亡率有什么长期影响？影响是否显著？如果要得到更小的标准差，你应该怎么做？
(ii)通过动态模型，安全带政策对于事故导致的死亡率有什么长期影响？这个结果与静态模型中得到的结果相比有什么不同？
(iii)当二阶滞后项prcfat-2和一阶滞后项prcfat-1同时加入到模型中时，prcfat-2的系数是0.098，而标准差是0.110。在这种情况下，prcfat-2是否需要加入到模型中？
第8题
A．划分空白磁盘成多个小的区域并编号，供计算机储存，读取数据
B．形成新的规格样式
C．消除旧的文学范式，对其重新整理(排列)组合
D．固定的方法和模式
第9题
利用GPA2.RAW中有关4137名大学生的数据，用OLS估计了如下方程：
colgpa=1.392-0.0135hsperc+0.00148sat
n=4137,R2=0.273
其中,colgpa以四分制度量,hsperc是在高中班上名次的百分位数(比方说,hsperc=5,就意味着位于班上前5%之列),而sat是在学生能力测验中数学和语言的综合成绩。
(i)为什么hsperc的系数为负也讲得通？
(ii)当hsperc=20和sat=1050时，大学GPA的预测值是多少？
(iii)假设两个在高中班上具有同样百分位数的高中毕业生A和B,但A学生的SAT分数要高出140分(在样本中相当于一倍的标准差),那么,预计这两个学生的大学GPA相差多少？这个差距大吗？
(iv)保持hsperc不变，SAT的分数相差多少，才能导致预测的colgpa相差0.50或四分制的半分？评论你的结论。
第11题
A．是在老百姓中传承多年的民间智慧的结晶，具有相当的可信度
B．与重视数据和概率的现代地震研究背道而驰，不可信
C．具有偶然性，不能作为地震预报的依据
D．可以在现代地震研究中得到有效利用
