阿摩線上測驗
登入
首頁
> 最新資料
最新資料
瀏覽最新的試卷、試題和詳解,掌握最新考試資訊
最新科目
高考◆语文◆重庆市
高考◆数学◆重庆市
高考◆英语◆重庆市
最新試卷
115年 - 115 臺北自來水事業處及所屬工程總隊_新進職員(工)甄試試題_職員—四級工程師:自來水工程#144698(50題)
115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士化驗類:高中(職)分析化學及水質檢驗操作須知#144692(50題)
115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士工程類:高中(職)土木及水管埋設施工#144691(50題)
115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士操作類-乙(淨水、管線、水源)、技術士化驗類:高中(職)物理化學#144690(50題)
115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士裝修類-甲(新裝、修漏):高中(職)配管裝修#144689(50題)
115年 - 115 台灣自來水股份有限公司_評價職位人員甄試試題_技術士操作類-甲(機電):電機(工)機械#144686(50題)
115年 - 計程車執業登記測驗:臺南市地理環境_是非題 201-246(2026/09/09 更新)#144654(46題)
115年 - 計程車執業登記測驗:臺南市地理環境_是非題 151-200(2026/09/09 更新)#144653(50題)
115年 - 計程車執業登記測驗:臺南市地理環境_是非題 101-150(2026/09/09 更新)#144652(50題)
115年 - 計程車執業登記測驗:臺南市地理環境_是非題 51-100(2026/09/09 更新)#144651(50題)
最新試題
6. Consider the linear population model with intercept:$y_t = \alpha + \beta x_t + \varepsilon_t$The variance structure is known as below: $E(\varepsilon_t^2) = \sigma^2 h_t^2,$Which regression may obtain efficiency $\hat{\beta}$ estimator? (A) Regress \( y_{t} \) on 1, \( x_{t} \) (B) Regress \( y_{t} / h_{t} \) on 1/ht ,xt/ht(C) Regress \( y_{t} / h_{t}^{2} \) on 1/h2t ,xt/h2t(D) Regress \( y_{t} \) on 1/ht ,xt/ht(E) Regress \( y_{t} / h_{t} \) on 1, \( x_{t} \)
5. Consider the linear model with intercept: $y_t = \alpha + \beta x_t + u_t$ If the $A = \sum_{i=1}^{n} (x_i - \bar{x})^2$ is positive definite and $E(u_i \mid x_i) = 0, \forall t = 1, 2, \dots, T$, which statement is true under sample size $T \to \infty$. (A) \( \hat{\beta} \) is consistent, but we cannot judge whether \( \hat{\beta} \) is efficiency (B) \( \hat{\beta} \) is unbiased and efficiency (C) \( \hat{\beta} \) is consistent and efficiency (D) \( \hat{\beta} \) is, but we cannot judge whether \( \hat{\beta} \) is efficiency (E) \( \hat{\beta} \) is unbiased and consistent.
4. Consider the simple regression $y_i = \alpha + \beta x_i + \varepsilon_i$And suppose population parameter $\beta = 2$ and least square estimator $\hat{\beta} = 2.3$. Now consider the regression $(x_i - y_i) = \alpha^* + \beta^* x_i + u_i.$What is the value of \( \hat{\beta} \)? (A) 1 (B)-1 (C)-1.3 (D)-0.3 (E) 0.3
最新申論題
五、請說明國道電子收費與外部性的關係,並分析尖峰和非尖峰時段是否應收取相同費率。(15 分)
四、政府實行所得重分配政策是否可以提高經濟效率?為什麼?(20 分)
三、社會安全退休年金制度對個人儲蓄行為有哪些可能的影響?(15 分)
最新課程
123123123
講師:
陳耘得
簡介:
123123123
qweqweqwe
講師:
陳耘得
簡介:
wqweqweqwe
123123
講師:
陳耘得
簡介:
123123
最新主題筆記
第38條
課程:
【警鴿】2025警察法規(中):社維法、警械條例
章節:
社會秩序維護法 第二編 處罰程序 第一章 管轄 §33~§38
描述:
第38條(與刑事法律或少年事件處理法相牽連之管轄) ﹝1﹞違反本法之行為,涉嫌違反刑事法律或少年事件處理...
第37條
課程:
【警鴿】2025警察法規(中):社維法、警械條例
章節:
社會秩序維護法 第二編 處罰程序 第一章 管轄 §33~§38
描述:
第37條(簡易庭及普通庭之組織) ﹝1﹞地方法院或其分院簡易庭(以下簡稱簡易庭),以法官一人獨任行之。﹝...
第36條
課程:
【警鴿】2025警察法規(中):社維法、警械條例
章節:
社會秩序維護法 第二編 處罰程序 第一章 管轄 §33~§38
描述:
第36條(簡易庭及普通庭之設置) ﹝1﹞地方法院或其分院為處理違反本法案件,視警察轄區及實際需要,分設簡...
最新討論
40. 一位法國作家回憶其青年時期,其中一節主題是「1942年在巴黎唸大學」。下列哪些情節最可能出現在這一節敘述裡?(A)德國首相正在巴黎從事友好訪問,兩國政府希望加強學生的交流(B)作家花錢買了一架新的收音機,收聽來自德國的廣播,學習德文(C)一家報紙揭露日前德國首相與史達林簽訂之和平協定的詳細內容(D)作家參加了當時在巴黎凱旋門前舉行的學生大規模反戰示威遊行(E)作家計畫在年初前往非洲,參觀埃及與埃及古文化的金字塔遺址
41. 資料一:《尚書》〈酒誥〉是周初的告誡文書,指出:殷紂王好酒,因此上帝不再庇佑殷人,以致亡國。資料二:考古學者指出陪葬品距屍體越近,越具重要性。殷商各個時期墓葬的陪葬品,青銅食器多置於棺、槨之間,而青銅酒器多置於棺內。請根據上述資料,指出下列何者是較合理的解釋?(A)〈酒誥〉之說是周人藉以自省,並不足以證明殷人好酒而亡國(B)〈酒誥〉反映春秋時代的天道觀,顯然是後人偽造,故不可信(C)考古證據顯示殷人確實好飲酒,證明〈酒誥〉的說法是正確的(D)考古證據顯示殷人好飲酒,但無法證明殷人是否因好酒而亡國(E)考古證據顯示殷人不好酒,〈酒誥〉只是周人宣示伐殷的合理性
13. The movie was full of_______ and not suitable for children to watch. (A)violent (B)more violent (C)violence (D)violently
14. Jenifer_______ for ABC company since last year. (A)works (B)worked (C)is working (D)has worked
15. He is very_______ about English literature. (A)knowledge (B)knowledgeable (C)knowledgeably (D)know
1. Consider the linear model $yi = \beta0 + \beta1 x{1i} + \beta2 x{2i} + ui$, where $E(ui \mid x{1i}, x{2i}) = 0$ and $Var(ui \mid x{1i}, x{2i}) = \sigma^2$ (homoskedasticity). Let $R1^2$ be the $R^2$ from the auxiliary regression of $x{1i}$ on $(1, x{2i})$. Suppose $\hat{\sigma}^2 = 4.00$, $\sum{i=1}^{n} (x{1i} - \bar{x}1)^2 = 200$, and $R1^2 = 0.75$. Using the standard homoskedastic OLS variance formula, what is the implied standard error of $\hat{\beta}_1$?(A) 0.071(B) 0.100(C) 0.283(D) 0.400