不同尺寸的类 测试题.docx

《不同尺寸的类 测试题.docx》由会员分享，可在线阅读，更多相关《不同尺寸的类 测试题.docx（39页珍藏版）》请在第一文库网上搜索。

1、第1章解决问题的办法1.1 （-）理想的情况下，我们可以随机分配学生到不同尺寸的类。也就是说，每个学生被分配一个不同的类的大小，而不考虑任何学生的特点，能力和家庭背景。对于原因，我们将看到在第2章中，我们想的巨大变化，班级规模（主题，当然，伦理方面的考虑和资源约束）。（二）呈负相关关系意味着，较大的一类大小是与较低的性能。因为班级规模较大的性能实际上伤害，我们可能会发现呈负相关。然而，随着观测数据，还有其他的原因，我们可能会发现负相关关系。例如，来自较富裕家庭的儿童可能更有可能参加班级规模较小的学校，和富裕的孩子一般在标准化考试中成绩更好。另一种可能性是，在学校，校长可能分配更好的学生，以小班

2、授课。或者，有些家长可能会坚持他们的孩子都在较小的类，这些家长往往是更多地参与子女的教育。（三）鉴于潜在的混杂因素-其中一些是第（ii）上市-寻找负相关关系不会是有力的证据，缩小班级规模，实际上带来更好的性能。在某种方式的混杂因素的控制是必要的，这是多元回归分析的主题。1.2 （一）这里是构成问题的一种方法：如果两家公司，说A和B,相同的在各方面比B公司G用品工作培训之一小时每名工人，坚定除外，多少会坚定的输出从B公司的不同？（二）公司很可能取决于工人的特点选择在职培训。一些观察到的特点是多年的教育，多年的劳动力，在一个特定的工作经验。企业甚至可能歧视根据年龄，性别或种族。也许企业选择提供培训

3、，工人或多或少能力，其中，“能力”可能是难以量化，但其中一个经理的相对能力不同的员工有一些想法。此外，不同种类的工人可能被吸引到企业，提供更多的就业培训I,平均，这可能不是很明显，向雇主。（Hi）该金额的资金和技术工人也将影响输出。所以，两家公司具有完全相同的各类员工一般都会有不同的输出，如果他们使用不同数额的资金或技术。管理者的素质也有效果。（iv）无，除非训练量是随机分配。许多因素上市部分（二）及（iii）可有助于寻找输出和培训的正相关关系，即使不在职培训提高工人的生产力。1.3 没有任何意义，提出这个问题的因果关系。经济学家会认为学生选择的混合学习和工作（和其他活动，如上课，休闲，睡觉）

4、的基础上的理性行为，如效用最大化的约束，在一个星期只有168小时。然后我们可以使用统计方法来衡量之间的关联学习和工作，包括回归分析，我们覆盖第2章开始。但我们不会声称一个变量“使”等。他们都选择学生的变量。第2章解决问题的办法2.1 (I)的收入，年龄，家庭背景(如兄弟姐妹的人数)仅仅是几个可能性。似乎每个可以与这些年的教育。(收入和教育可能是正相关，可能是负相关，年龄和受教育，因为在最近的同伙有妇女，平均而言，更多的教育和兄弟姐妹和教育的人数可能呈负相关)。(ii)不会(i)部分中列出的因素，我们与EDUC。因为我们想保持这些因素不变，它们的误差项的一部分。但是，如果U与EDUC那么E(UI

5、EDUC)0,所以S1R.4失败。2.2 方程Y=0+1X+U,加减0的右边，得到y=(0+0)+1X+(U0)。调用新的错误E=U0,故E(E)=0。新的拦截0+0,但斜率仍然是1。2.3 (一)让易=GPAI,XI=AcTI,和n=8。=25.875,=3.2125,(H-)(艺-)=5.8125,(4一-)2=56.875o从公式(2.9),我们得到了坡度为=5.8125/56.8750.1022,四舍五入至小数点后四个地方。(2.17)=-3.2125-0.102225.8750.568k因此，我们可以这样写=0.5681+0.1022ACT每组8只。拦截没有一个有用的解释，因为使不接

6、近零的人口的利益。，如果ACT是高5点，增加0.1022(5)=.511。(二)观察数i和GPA的拟合值和残差-四舍五入至小数点后四位-随着于下表：IGPA1 2.82.71430.08572 3.43.0209037913 3.03.2253-0.22534 3.53.32750.17255 3.63.53190.06816 3.03.1231-0.12317 2.73.1231-0.42318 3.73.63410.0659您可以验证的残差，表中报告，总结到.0002,这是非常接近零，由于固有的舍入误差。(in)当ACT=20=0.5681+0.1022(20)2.61,(iv)本残差平方

7、和，大约是0.4347(四舍五入至小数点后四位)，正方形的总和，(YI-)2,大约是1.0288o因此，R-平方的回归R2=1-SSR/SST1-(.4347/1.0288).577的。因此，约57.7%的GPA的变化解释使学生在这个小样本。2.4(I)的C1GS=0,预测出生体重是119.77盎司。当CIGS=20,=109.49。这是关于一个8.6%的降幅。(ii)并非必然。还有许多其他的因素，可以影响新生儿的体重，尤其是整体健康的母亲和产前护理质量。这些可以与吸烟密切相关，在分娩期间。此外，如咖啡因消费的东西可以影响新生儿的体重，也可能与吸烟密切相关。()如果我们想预测125bwght,

8、然后C1GS=(125-119.77)/(-.524)-10.18,或约-10香烟！当然，这完全是无稽之谈，并表明会发生什么，当我们试图预测复杂，出生时体重只有一个单一的解释变量的东西。最大的预测出生体重必然是119.77。然而，近700个样品中有出生出生体重高于119.77o(0)1,1761,388名妇女没有在怀孕期间吸烟，或约84.7%。因为我们使用的唯一的的CIGS解释出生体重，我们只有一个预测出生体重在C1GS=0。预测出生体重必然是大致中间观察出生体重在CIGS=0,所以我们会根据预测高出生率。2.5 (i)本截距意味着,，当INC=0,缺点被预测为负124.84美元。，当然，这不

9、可能是真实的，反映了这一事实，在收入很低的水平，这个消费函数可能是一个糟糕的预测消费。另一方面，在年度基础上，124.84美元至今没有从零。(二)只需插上30,000入公式：=-124.84+.853(30,000)=25,465.16元。(Hi)该MPC和APe的是在下面的图表所示。尽管截距为负时，样品中的最小的APC是正的。图开始以每年1,000元(1970美元)的收入水平。2.6 (i)同意。如果生活密切焚化炉抑制房价过快上涨，然后越远，增加住房价格。(ii)若选择的城市定位在一个地区焚化炉远离更昂贵的街区，然后登录(区)呈正相关，与房屋质量。这将违反S1R.4,O1S估计是有失偏颇。(

10、三)大小的房子，浴室的数量，很多的大小，年龄，家庭，居委会(包括学校质量)质量，都只是极少数的因素。正如前面提到的(ii)部分，这些肯定会被分派日志(D1ST)I的相关性。2.7 (一)当我们条件的公司在计算的期望，成为一个常数。所以E(U11NC)=E(EINC)=E(EIINC)=0,因为E(EIINC)=E(E)=Oo(2)同样，当我们条件的公司在计算方差，成为一个常数。所以VAR(UIINC)=VAR(EUNO=O2VAR(EIINC)INC,因为VAR(EINC)(三)家庭收入低没有对消费有很大的自由裁量权，通常情况下，一个低收入的家庭必须花费在食品，服装，住房，和其他生活必需品。收

11、入高的人有更多的自由裁量权，有些人可能会选择更多的消费，而其他更节省。此酌情权，建议在收入较高的家庭储蓄之间的更广泛的变异。第2.8(i)从方程(2.66),=/。堵在义=0+Ixi+UI给人=/。标准代数后，分子可以写为把这个分母显示，我们可以写=0/+1o西安条件，我们有EO=0/+1因为E(UI)对于所有的i=0。因此，偏置在这个方程中的第一项由下式给出。这种偏见显然是零，当0=0。也为零时，=0,=0这是相同的。在后者的情况下，通过原点的回归是回归截距相同。(ii)从最后一个表达式部分(i)我们有，有条件兮，(VAR)=VAR=(iii)由(2.57),VARO=2/。从心领神会，所以

12、无功()：VAR()。看，这是一种更直接的方式来写，这是小于除非=0=。(iv)对于一个给定的样本大小，偏置的增加(保持在固定的总和)的增加。但增加的方差相对增加(VAR)。偏置也是小的，小的时候。因此，无论是我们优选的平均平方误差的基础上取决于大小，和n(除的大小)。2.9(i)我们按照提示，注意到=(样本均值为C1义的样本平均)=o当我们：回归CIyiC2xi(包括截距)我们使用公式(2.19)获得的斜率：(2.17),我们得到的截距=(C1)-(C2)=(C1)-(C1C2)(C2)=C1(-)=C1),因为拦截从回归毅喜(-)。（ii）我们使用相同的方法，伴随着一个事实，即部分=C1+

13、C2+,因此，=（C1+易）-（C1+）=易-（C2+XI）-=XI-O因此，C1和C2完全辍学的回归（C1+毅）（C2+XI）和二的斜率公式。截距=-=（C1+）-（C2）=O+C1-C2=C1-C2,这就是我们想向大家展示。（三），我们可以简单地适用（ii）部分，因为。换言之，更换C1与日志（C1）,易建联与日志（彝族），并设置C2=0。（iv）同样的，我们可以申请CI=O和更换C2日志（C2）和Xi日志（十一）（ii）部分。如果原来的截距和斜率，然后。2.10 （一）该推导基本上是在方程（2.52）,一旦带内的求和（这是有效的，因为不依赖于i）o然后，只需定义。（ii）由于我们表明，后者

14、是零。但是，从（i）部分，因为是两两相关（他们是独立的），（因为）。因此，（Hi）本的O1S拦截的公式，堵在给（4）因为是不相关的，这就是我们想向大家展示。（五）使用提示和替代给2.11 （一）我们想要，随机指定小时数，这样在准备课程时间不受其他因素影响性能的SAT。然后，我们将收集信息为每一个学生的SAT分数在实验中产生的数据集，其中n是我们可以负担得起的学生人数在研究。从公式（2.7）,我们应该试图得到尽可能多的变化是可行的。（二）这里有三个因素：先天的能力，家庭收入，和一般健康检查当天上。如果我们认为具有较高的原生智慧的学生认为，他们不需要准备SAT,能力和时间呈负相关。家庭收入可能会与

15、时间呈正相关，因为高收入家庭可以更容易负担得起的预备课程。排除慢性健康问题，健康考试当天应大致准备课程的时间无关。（iii）倘预备课程是有效的，应该是积极的：，应加大坐在其他因素相等，增加小时。（iv）木拦截，在这个例子中有一个有用的解释：因为E（U）=0时，平均SAT成绩的学生在人口小时二0。第3章解决问题的办法3.1 (I)hsperc定义使得较小的是，较低的高中学生的地位。一切平等，在高中学生中的地位恶化，较低的是他/她预期的大学GPA。(二)只要将这些值代入方程：=1.392.0135(20)+0.00148(1050)=2.676。(三)A和B之间的区别仅仅是140倍的系数上周六，因

16、为hsperc是相同的两个学生。所以A预测都有得分0.00148(140)高.207。(四)随着hsperc固定=0.00148坐着。现在，我们要找出坐在=0.5,所以0.5=0.00148(坐)或坐在=0.5/(0.00148)338。也许并不奇怪，其他条件不变的情况下差异大的SAT分数-几乎两个和一个半标准差-需要获得大学GPA或半个点的预测差异。3.2 (i)同意。由于预算的限制，它是有道理的，在一个家庭中的兄弟姐妹有，任何一个家庭中的孩子受教育较少的。要找到降低预测的教育一年的兄弟姐妹的数量的增加，我们解决1=.094(S1BS),所以后后SIBS=1/.09410.6。(二)控股SIBSfedUC