题目内容
（请给出正确答案）
[主观题]
假设你在某单位工作，成绩比较突出，得到领导的肯定。但同时你发现同事们越来越孤立你，你怎么看
这个问题？你准备怎么办？
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
更多“假设你在某单位工作，成绩比较突出，得到领导的肯定。但同时你发…”相关的问题
(i) 如果你利用一个容量为n的随机样本进行score。对voucheri的简单回归， 那么， 普通最小二乘估计量能给出教育券项目影响的一个无偏估计量吗？
(ii)假设你还可以搜集到一些诸如家庭收入、家庭结构(比如孩子是否与双亲住在一起)和父母的受教育水平等背景信息。为了得到教育券项目影响的无偏估计量，你需要控制这些因素吗？请解释。
(iii)你为什么应该在回归中包含这些家庭背景变量？有没有你不包含这些背景变量的情况呢？
本题要用到WAGE2.RAW中的数据。
(i)考虑一个标准的工资方程
表述虚拟假设：多一年工作经历与在现在的岗位上多工作一年对log(wage) 具有相同影响。
(ii)在5%的显著性水平上，相对于双侧对立假设，通过构造一个95%的置信区间来检验第(i)部分中的虚拟假设。你得到的结论是什么？
利用SLEEP 75.RAW中的数据(也可参见习题3.3) ， 我们得到如下估计方程
变量sleep是每周晚上睡眠的总分钟数， ton work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)工作与睡眠之问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虚拟假设，你还需要另外做什么回归？
A.甲
B.乙
C.丙
A.找李某了解一下他对自己的看法，希望他能给自己提一些提升的建议
B.反思自己在上月的工作表现，并与上司沟通，了解上司对自己工作的看法
C.奖金已经发了，再找上司也没用，争取下个月更加努力，取得更好的业绩
D.向上司反馈自己对奖金分配的看法，希望得到一个合理的答复
A.小张和其妻子在某单位工作，小张是局长秘书，其妻子在人事科任科员
B.市局王局长的儿子很优秀，以考试第一名的成绩被录入到市局财务科工作
C.赵某在系统党建科工作，丈夫王某在人事科工作，都由张局长分管
D.小马一直在原地税征管处工作，他舅舅原任国税局纪检组长、机构合并后现任税务局纪检组长
E.张某出生在大连，后随父母在青岛长大并参加工作，近期被组织任命到大连担任公安局局长
在习题3.4中，我们估计了方程
其中的标准误是我们现在才同估计值一并给出的。
(i)相对于一个双侧对立假设，是educ还是age在5%的水平上是个别显著的？给出你的计算。
(ii)从方程中去掉educ和age，则得到
在5%的显著性水平上，educ和age在原方程中是联合显著的吗？说明你所给答案的理由。
(iii)在模型中包括educ和age，是否显著影响所估计的睡眠和工作之间的替换关系？
(iv)假设睡眠方程含有异方差性。这对第(i)和(ii)部分计算的检验意味着什么？
1.在考虑资金时间价值的情况下，该农场2012年初所伐木材销售净收入能否回收全部投资？ 2.在对本项目的评估论证中，某咨询工程师认为应从国民经济评价的角度，分析项目的经济合理眭，农作物增产收入应看作是本项目的经济效益。你是否赞同其观点？简述理由。计算本项目的经济净现值，分析本项目是否经济合理。 3.某咨询工程师认为流域内种植农作物的农户是本项目的利益相关者，应对其进行利益相关者分析，你是否赞同其观点？简述理由。 4.如果进行利益相关者分析，应包括哪些主要内容？
A.在学校里，学习成绩不是评价学生优劣的唯一指标
B.老师具有区分好学生和差学生的能力
C.在老师眼里，学习成绩好的学生未必是好学生
D.在老师眼里，好学生就是学习成绩好
小明在公司工作有3年左右时间，个人业绩比较突出，但脾气暴躁，不仅影晌到周边同事的工作，甚至偶尔会有服务态度不佳的情况出现，你该如何与他进行沟通？（)
A.你也是公司的老员工了，个人业绩一直保持在TOP，是大家学习的对象，近期老容易暴躁，是有什么不开心的事情吗
B.因为你也是老员工，更的是要给新人树立标杆的，我觉得你能做的很好
C.你的暴躁很影响大家对你的看法，甚至在你发脾气的时候，周边的人也是很容易受到连带的，有时还会被吓到，这样无论对你、对他人还是对公司都是很不好的
D.可以看一些情绪管理方面的书，学会控制自己的情绪，对你个人的成长也是很有帮助的，非常期待你的改变
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。
