题目内容
（请给出正确答案）
[单选题]
作为一个编辑，如果你也认为玄奘的“工场”模式更有利于高效率出版翻译作品。与此同时，还要保证高质量出版，那么，哪一种编辑能胜任项目主理人（）
A.具有很强专业能力的编辑
B.外语能力很强的编辑
C.调度资源、管控流程的编辑
D.好沟通、有责任心的编辑
答案
D、好沟通、有责任心的编辑
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）
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）
A.具有很强专业能力的编辑
B.外语能力很强的编辑
C.调度资源、管控流程的编辑
D.好沟通、有责任心的编辑
答案
D、好沟通、有责任心的编辑
如果结果不匹配，请 联系老师 获取答案
更多“作为一个编辑，如果你也认为玄奘的“工场”模式更有利于高效率出…”相关的问题
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？
A.冯宁想到过去的工作好像也没什么大作为，也没有亲身参与过这类工作
B.同冯宁要好的同事沈丘鼓励她：“既然老板都把这个这么重要任务交给你，就说明他很认可你的工作能力。况且我知道你平时也很努力，所以不用担心的，你一定可以的，相信我！”
C.老板之前都是把这种重要晚会的工作交给很有经验的经理处理
D.冯宁想到把晚会搞砸后老板的怒火和同事们的嘲笑就很沮丧
(i)你为什么会把这些数据归类为聚类样本？大致上，你预期能从一个典型学生得到大概多少次观测？
(ii)写出一个类似于教材方程(14.12)那样的模型，用到课率和其他特征去解释期终考试成绩。以s作为学生下标和c作为课程下标，对同一个学生哪个变量是不变的？
(iii)如果你把所有的数据混合起来并使用OLS，那么，对影响成绩和到课率的非观测学生特征，你正在做什么假定呢？SAT和学期前GPA在这方面扮演着什么角色呢？
(iv)如果你认为SAT和学期前GPA不足以刻画学生能力，你如何估计到课率对期终考试成绩的影响呢？
参考答案：
6.利用计量经济软件
中的“聚类”选项，便得到教材表14-2中混合OLS估计值充分稳健[即对复合误差(vit：t=1，···，T)中的序列相关和异方差性保持稳健]的标准误为：
(i)这些标准误与非稳健标准误相比一般如何？为什么？
(ii)混合OLS的稳健标准误与RE的标准误相比如何？解释变量是否随时间变化有什么关系吗？
下面这个模型是比德尔和哈默梅什(BiddleandHamermesh，1990)所用多元回归模型的一个简化版本，原模型研究睡眠时间和工作时间之间的取舍，并考察影响睡眠的其他因素：
sleep=β0+β1totwrk+β2educ+β3age+u
其中，sleep和totwrk都以分钟/周为单位，而educ和age则以年为单位。(也可参见计算机练习C3。)
(i)如果成年人为工作而放弃睡眠，β1的符号是什么？
(ii)你认为β2和β3的符号应该是什么？
(iii)利用SLEEP75.RAW中的数据，估计出来的方程是
sleep=3638.25-0.148totwrk-11.13educ+2.20age
n=706,R2=0.113.
如果有人一周多工作5个小时，预计sleep会减少多少分钟？这是一个很大的舍弃吗？
(iv)讨论educ的估计系数的符号和大小。
(v)你能说totwrk，educ和age解释了sleep的大部分波动吗？还有什么其他因素可能影响花在睡眠上的时间？它们与totwrk可能相关吗？
A.你和你的妈妈认为女孩几岁结婚比较好____。
B.如果只生1个孩子，你希望孩子的性别是：1,女;2,男;3,随便
C.你1个月工资多少_____。
D.你一个月吃盐____克。
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
A.和小伙伴一起去野外的水库、河流等地方
B.一个人去自己家附近的小河、池塘
C.和小伙伴一起去自己家附近的小河、池塘
D.和家长一起去正规的游泳馆，且不离开家长的视线
