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）
假设你对估计大学一年级每周花在学习上的小时数(study)对平均成绩(gpa)的影响感兴趣。
(i)在这样的上下文中需要一个什么样的控制实验？这样的实验看起来是否可行？
(ii)考虑一个更加实际的情形，即由学生选择每周在学习上花多少时间，而你只能随机地从总体中抽出gpa和study两个变量(在一年的学习结束后)。将总体模型写作如下形式：gpa=β0+β1study+u。其中，与通常带截距的模型一样，我们可以假设E(u)=0。列举至少两个u中包含的因素。这些因素是否与study成正相关或负相关？
(iii)如果上一问的等式中的因果关系成立，那么在(ii)的方程中，β1的符号应该是正还是负？
(iv)在(ii)的方程中，β0该如何解释？
答案
更多“假设你对估计大学一年级每周花在学习上的小时数（study)对平均成绩（gpa)的影响感兴趣。 （i)在”相关的问题
第1题
利用SLEEP75.RAW中的数据
变量sleep是每周晚上睡眠的总分钟数，totwork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)工作与睡眠之间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原假设，你还需要另外做什么回归？
第2题
考虑例4.3中的估计方程，这个方程可以被用来研究缺课对大学平均成绩的影响：
(i)利用标准正态近似，求出
在置信水平为95%时的置信区间。
(ii)相对于双侧对立假设，你能在5%的显著性水平上拒绝假设H0：=0.4吗？
(iii)相对于双侧对立假设，你能在5%的显著性水平上拒绝假设H0：=1吗？
第3题
在第3章的习题3中，我们估计了一个方程，来检验一个随机样本中每个人每周花在睡眠上的分钟数(sleep)和每周花在工作上的分钟数(totwork)之间的替代关系。方程中还包括受教育程度和年龄。由于sleep和totwork是每个人同时选择的，所估计的睡眠和工作之间的交替关系会遭到“联立性偏误”的批评吗？请解释。
第4题
利用TWOYEAR.RAW中的数据。
(i)变量stotal是一项标准化测试变量，可用作无法观测的能力的代理变量。求stotal的样本均值和标准差。
(ii)做警察和univ对stotal的简单回归。两个大学教育变量都与stotal统计相关吗？请解释。
(iii)在教材方程(4.17)中增加stotal，并检验二年制大专和四年制大学教育具有相同回报的假设，备择假设是四年制大学的回报更高。你的结论与4.4节中的结论有何区别？
(iv)在第(iii)部分估计的方程中增加stotal2。测试分数变量的二次项有必要吗？
(v)在第(iii)部分的方程中增加stotal·警察和stotal·univ。这两项联合显著吗？
(vi)你通过使用stotal而控制能力变量的最终模型是什么？说明你的理由。
第5题
(i)在模型GPA=β0+β1study+β1sleep+β1work+β1leisure+u中，保持sleep，work和leisure不变而改变study是否有意义？
(ii)解释为什么这个模型违背了假定MLR.3。
(iii)你如何才能将这个模型重新表述，使得它的参数具有一个有用的解释，而又不违背假定MLR.3。
第6题
这种可能性，利用NYSE.RAW中的数据估计
用标准格式报告结果。
(ii)陈述并检验E(returnt，Ireturnt-1)不取决于returnt-1这一虚拟假设。(提示：这里要检验两个约束。)你有何结论？
(iii)从模型中去掉returnt-1，但增加交互作用项returnt-1，returnt-2。再来检验有效市场假设。
(iv)基于过去股票收益进行股票每周收益的预测，有何结论？
第7题
可能性，利用NYSE.RAW中的数据估计
用标准格式报告结果。
(ii)陈述并检验E(returnt|reurnt-1)不取决于returnt-1这一虚拟假设。(提示：这里要检验两个约束。) 你有何结论？
(iii)从模型中去掉returnt-1但增加交互作用项returnt-1preturnt-2再来检验有效市场假设。
(iv)基于过去股票收益进行股票每周收益的预测，有何结论？
第8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9题
其中，PRICEl表示门票价格(可能以真实价格度量，比如通过地区消费者价格指数进行平减)，WINPERCl表示球队当前获胜的概率，RIVALl表示一个标志着比赛是否势均力敌的虚拟变量，而WEEKEND表示一个标志着球赛是否在周末进行的虚拟变量。I表示自然对数，所以这个需求函数具有常价格弹性。
(i)为什么在这个方程中有一个时间趋势是个好想法？
(ii)门票供给由体育馆的容量所固定;假定这个供给10年不变。这意味着供给的数量不随价格而变化。这意味着价格在这个需求方程中必然是外生变量吗？(提示：回答是否定的。)
(iii)假设门票的名义价格缓慢变化(如在每个赛季之初)。体育委员会部分基于上赛季的平均售票和该队上赛季的胜率来选择价格。在什么样的条件下，上个赛季的胜率(SEASt-1)是IPRICEt一个有效的工具变量？
(iv)在方程中包括男子篮球比赛的真实价格(的对数)看起来合理吗？请解释。经济理论预测其系数的符号是什么样的？你能想到另外一个与男子篮球相关而又属于女子观众方程的变量吗？
(v)如果你担心某些序列(特别是IATTEND和IPRICE)有单位根，你如何改变所估计的方程？
(vi)如果某些比赛的门票售空，这会导致估计需求方程出现什么问题？(提示：如果门票售空，你一定观察到真实需求了吗？)
第10题
使用PNTSPRD.RAW中的数据。
(i)变量sprdcvr是一个二值变量，若在大学篮球比赛中实际分数差距超过拉斯维加斯让分，则此变量取值1。sprdcvr的期望值(比方说u)表示在一场随机抽取的比赛中分差超过让分的概率。在10%的显著性水平上相对于H1:μ≠0.5检验H0:μ=0.5，并讨论你的结果。(提示：将sprdcvr只对一个截距项进行回归便得到一个r统计量，利用这个统计量很容易完成。)
(ii)553个样本中有多少场比赛是在中立场地进行的？
(iii)估计线性概率模型
并以通常的形式报告结论。(报告通常的标准误和异方差-稳健的标准误。)哪个变量在实际上和统计上都是最显著的？
(iv)解释为什么在原假设
下，模型中不存在异方差性。
(v)利用通常的F统计量检验第(iv)部分的原假设，你得到了什么结论？
(vi)给定上述分析，你会不会认为，利用赛前可利用的信息，有可能系统地预测拉斯维加斯让分能否实现？
