![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
用来识别显著关联项的数据,应该基于受访者对开放式问题回答的情况,比如“ 当你想到)X品牌,脑海
此题为判断题(对,错)。
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
此题为判断题(对,错)。
A.基于MR定位数据获得居民小区与无线小区的对应关系
B.以上都是
C.根据居民区与无线小区的位置关系建立对应关系表
D.基于手机APP在居民区内抓取当前手机位置周围的基站信息
A.方差能反映数据围绕着平均值波动的程度
B.方差能反映数据的大小
C.方差能反映数据之间的关联程度
D.方差可以用来度量股票的总风险
E.方差越大,数据分布越不集中,方差越小,数据分布越集中
A.直接回答一个数值的问项
B.在事先拟定的若干备选答案后面再加上一个参考答案:“其他”
C.受访者不受任何约束可以自由回答的问题
D.事先拟定若干备选答案,要求受访者从中选择
A.访谈没有明确的目的性
B.访谈过程是一个由访谈者到受访者的单向过程
C.访谈中不必过多地介绍细节
D.在访谈过程中,双方的言语交换是不平等的
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同, 使用双侧对立假设。估计差异的美元数量是多少?
(iii)根据计算机习题C7.9的第(ii)部分,e401k在一个简单回归模型中显然不是外生的,起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在,估计401(k)资格的美元效应是多少?
(iv) 在第(iii) 部分估计的模型中, 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁,所以在新模型中,e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著?
(v)比较第(iii)和(iv)部分的估计值,401(k)资格在41岁处的估计效应差别大吗?请解释。
(vi) 现在, 从模型中去掉交互项, 但定义5个家庭规模虚拟变量:fsize l, j size2,f size 3, f size 4和f size 5。对有5个或5个以上成员的家庭, fsize 5等于1。在第(iii) 部分估计的模型中, 增加家庭规模虚拟变量, 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗?
(vii) 现在, 针对模型
在容许截距不同的情况下, 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR, 从第(vi) 部分得到,因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 , 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白,无约束模型中有30个参数(5个截距和25个斜率),而约束模型中有10个参数(5个截距和5个斜率)。因此,带检验的约束个数是q=20,而且无约束模型的df为9275-30=9245。