首页 > 医生资格

网友您好，请在下方输入框内输入要搜索的题目：

请输入或粘贴题目内容搜题

搜题

拍照、语音搜题，请扫码进入小程序

题目内容（请给出正确答案）

[主观题]

本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte_-1.(i) 将mrd rte对

本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte_-1.（i) 将mrd rte对

本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte_-1.

(i) 将mrd rte对exec和une lTY进行回归。exec的系数和：统计量是多少？这一回归能为死刑的震慑作用提供什么证据吗？

(ii)1993年得克萨斯州报告的死刑人数有多少？(实际上，这是当年和过去两年死刑人数之和。)这个人数与其他州相比如何？在第(i)部分的回归中增加表示得克萨斯州的虚拟变量。它的t统计量异常之大吗？由此看来，得克萨斯看上去是“异常数据”吗？

(iii)在第(i)部分的回归中增加谋杀率的滞后变量。本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte-1.（i) 将mrd 及其统计显著性又有何变化？

(iv)在第(ii)部分的回归中，得克萨斯看上去是“异常数据”吗？在回归中去掉得克萨斯对本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte-1.（i) 将mrd 有何影响？

答案

查看答案

发布时间：2022-05-28

更多“本题需要使用1993年的数据，尽管你仍需要首先获得谋杀率的滞后值mrdrte-1.(i) 将mrd rte对”相关的问题

第1题

本题使用WAGE2.RAW中的数据。一般地，保证如下所有回归都含有截距。(i)将IQ对educ进行简单回归，并

本题使用WAGE2.RAW中的数据。一般地，保证如下所有回归都含有截距。（i)将IQ对educ进行简单回归，并

本题使用WAGE2.RAW中的数据。一般地，保证如下所有回归都含有截距。

(i)将IQ对educ进行简单回归，并得到斜率系数

点击查看答案

第2题

本题利用WAGE1.RAW中的数据。(i)使用OLS估计方程(iv)exper取什么值时，工作经历的增加实际上会降

本题利用WAGE1.RAW中的数据。（i)使用OLS估计方程（iv)exper取什么值时，工作经历的增加实际上会降

本题利用WAGE1.RAW中的数据。

(i)使用OLS估计方程

(iv)exper取什么值时，工作经历的增加实际上会降低预期的log(wage)。样本中有多少人具有比该取值更长的工作经历？

点击查看答案

第3题

本题要用到MLB1.RAW中的数据。(i)使用方程(4.31)中所估计的模型，并去掉变量rbisyr。hrunsyr的统

本题要用到MLB1.RAW中的数据。（i)使用方程（4.31)中所估计的模型，并去掉变量rbisyr。hrunsyr的统

本题要用到MLB1.RAW中的数据。

(i)使用方程(4.31)中所估计的模型，并去掉变量rbisyr。hrunsyr的统计显著性会怎么样？hrunsyr的系数大小又会怎么样？

(ii)在第(i) 部分的模型中增加变量runsyr(每年垒得分)，fldperc(防备率)和sbasesyr(每年盗垒数) 。这些因素中，哪一个是个别显著的？

(iii)在第(ii)部分的模型中，检验bavg， fldperc和sbasesyr的联合显著性。

点击查看答案

第4题

机房手工制作数据不是常态，需要各级装维人员配合上报正确号线资源，尽快让系统资源正确，保证自动下发正常。（)

点击查看答案

第5题

利用MURDER.RAW中的数据。 (i)利用1990年和1993年的数据，用混合OLS估计方程并以常用形式报

利用MURDER.RAW中的数据。（i)利用1990年和1993年的数据，用混合OLS估计方程并以常用形式报

利用MURDER.RAW中的数据。

(i)利用1990年和1993年的数据，用混合OLS估计方程

并以常用形式报告结论。不必担心通常的OLS标准误因a，的出现而不适当。你估计出了死刑的威慑效应吗？

(ii)计算FD估计值(只使用1990~1993年的差分;在FD回归中，你应该有51个观测)。现在，你对威慑效应有何结论？

(iii)在第(ii)部分的FD回归中，求残差的布罗施-帕甘回归，并计算异方差性的F检验。同样做怀特检验的特殊情形[即将对回归，其中拟合值得自第(ii)部分]。你对FD方程中的异方差性有何结论？

(iv)做第(ii)部分中的同样回归，但求异方差-稳健的t统计量。结果如何？

(v)你认为Aexec;的哪个统计量更值得信赖，是通常的：统计量还是异方差-稳健的!统计量？为什么？

点击查看答案

第6题

利用MURDER.RAW中有关谋杀率和死刑的州一级数据。 (i)考虑非观测效应模型其中，θ_t无非表

利用MURDER.RAW中有关谋杀率和死刑的州一级数据。（i)考虑非观测效应模型其中，θ_t无非表

利用MURDER.RAW中有关谋杀率和死刑的州一级数据。

(i)考虑非观测效应模型

其中，θ_t无非表示不同年份的截距，而a_i表示各州的非观测效应。如果过去对被判谋杀者的死刑有某种威慑作用，那么民，的符号应该是正是负？你认为β₂应该有什么样的符号？请解释。

(ii)仅利用1990年和1993年的数据，用混合OLS估计第(i)部分中的方程。忽略复合误差中的序列相关问题。你发现威慑效应的证据了吗？

(iii)利用1990年和1993年的数据，再用固定效应法估计方程。既然只用两年数据，所以你或许可以利用一阶差分。现在，有威慑效应的证据吗？有多强？

(iv)计算第(iii)部分中估计的异方差-稳健标准误。利用一阶差分最容易吗？

(v)找出1993年死刑变量取值最大的州。(变量exec是1991年、1992年和1993年执行死刑的总人数。)这个数值比第二高的值大多少？

(vi)在分析中去掉得克萨斯，利用一阶差分估计方程。计算通常和异方差-稳健的标准误。现在有什么结论，为什么？

(vii)利用所有三年数据，并用固定效应法估计模型。在分析中包含得克萨斯。与仅使用1990年和1993年数据的估计相比，讨论威慑效应的大小和统计显著性。

点击查看答案

第7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

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。

点击查看答案

第8题

利用MEAP00 O1中的数据回答本题。(i)使用OLS估计模型并用通常的格式报告你的结论。在5%的显著性

利用MEAP00 O1中的数据回答本题。（i)使用OLS估计模型并用通常的格式报告你的结论。在5%的显著性

利用MEAP00 O1中的数据回答本题。

(i)使用OLS估计模型

并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？

(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？

(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。

(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？

(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？

点击查看答案

第9题

以太网中使用生成树算法的目的是什么？（)

A.避免来自同一端口的路由更新数据包转发到本端口

B.生成无环路的逻辑树形结构，尽最大可能在局域网段之间建立一条通路

C.在每一个局域网段之间建立一条路径

D.确保数据信息到达每一个节点

点击查看答案

第10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

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。

点击查看答案

第11题

本题利用NBASAL.RAW中的数据。(i)估计一个线性回归模型，将单场得分与联赛中打球经历和位置(后

本题利用NBASAL.RAW中的数据。（i)估计一个线性回归模型，将单场得分与联赛中打球经历和位置（后

本题利用NBASAL.RAW中的数据。

(i)估计一个线性回归模型，将单场得分与联赛中打球经历和位置(后卫、前锋或中锋)联系起来。包括打球经历的二次项形式，并将中锋作为基组。以通常的形式报告结果。

(ii)在第(i)部分中，你为什么不将所有三个位置虚拟变量包括进来？

(iii)保持经历不变，一个后卫的得分比一个中锋多吗？多多少？这个差异统计显著吗？

(iv)现在，将婚姻状况加入方程。保持位置和经历不变，已婚球员是否更高效(就单场得分来说)？

(v)加入婚姻状况和两个经历变量的交互项。在这个扩展的模型中，是否存在有力的证据表明婚姻状况影响单场得分？

(vi)使用单场助攻次数作为因变量估计(iv)中的模型。与(iv)的结果有明显的差异吗？请讨论。

点击查看答案

账号：尚未登录

登录没有账号？去注册

购买搜题卡

TOP