在近来的一篇论文中,埃文斯和施瓦布(EvansandSchwab,1995)研究了就读于天主教高中对将来读大学的概率所产生的影响。为具体起见,令college为二值变量,如果读大学则等于1,否则为0。令CahHS也为二值变量,如果就读于天主教高中则等于1.一个线性概率模型是:
college=β0+β1CathHS+其他因素+u
其中其他因素包括性别、种族、家庭收入和父母的受教育程度。
(i)为什么CathHS可能与u相关?
(ii)埃文斯和施瓦布拥有关于每个学生在大二时进行的标准化测验成绩数据。我们用这些变量能做些什么,以改进就读于天主教高中在其余条件不变情况下的估计值?
(iii)令CathRel为二值变量,若学生是天主教徒则等于1。讨论它成为前面方程中CathHS的一个有效的ⅣV所需要的两个要求。其中哪个可加以检验?
(iv)不足为奇,作为天主教徒对是否就读于一所天主教高中有显著的影响。你认为CathRel作为CathHS的工具变量令人信服吗?
当一个类A 中没有生命任何成员变量与成员函
数,这时sizeof(A)的值是多少,如果不是零,请解释
一下编译器为什么没有让它为零。(Autodesk)
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?
A.EQU伪指令定义了程序中的一个标号或者常量符号
B.EQU伪指令定义了程序执行过程中的一个变量,初值为0x45500
C.Addr一旦被赋值为0x45500,还可在汇编过程中再使用EQU重新定义新值
D.Addr是汇编过程中的一个符号,本身并不占据内存空间
在方程(10.8)所给的线性模型中,如果解释变量满足。于是, 在给定解释变量的当期值和所有过去值时, 误差是无从预测的,那么,它就被称为序列外生的(有时又被称为弱外生的)。
(i)请解释为什么严格外生性意味着序列外生性?
(ii)请解释为什么序列外生性意味着同期外生性?
(iii)在序列外生假定下, OLS估计量通常是无偏的吗?请解释。
(iv)考虑用一个州、一个教区或一个省人均避孕套使用量的分布滞后来解释艾滋病感染比率的一个如下模型:
请解释为什么这个模型满足序列外生性假定。它看上去也满足严格外生性假定吗?
A.int
B.long
C.double
D.char
关键字volatile 有什么含意 并给出三个不同的例子。
一个定义为 volatile 的变量是说这变量可能会被意想不到地改变,这样,编译
器就不会去假设这个变量的值了。精确地说就是,优化器在用到这个变量时必须
每次都小心地重新读取这个变量的值,而不是使用保存在寄存器里的备份。下面
是volatile变量的几个例子:
1). 并行设备的硬件寄存器(如:状态寄存器)
2). 一个中断服务子程序中会访问到的非自动变量(Non-automatic variables)
3). 多线程应用中被几个任务共享的变量
A.在创建对象之前先为对象的成员变量赋初值
B.缺省情况下成员变量会自动赋值或空值
C.不能为对象的成员变量赋初值
D.为成员变量赋指定的初值