最終課程
量的研究法入門（PUBL0055）
注意事項
？授業は午後6時で2019年12月13日にMoodleのに掲載され、1月13日の予定ですされます
午後2時2020。説明するようオンライン提出のためのすべての指定SPPの提出のガイドラインに従ってください
PUBL0055のMoodleページを。標準後半提出罰則が適用されます。
？これはPUBL0055のための授業（価値が最終的なモジュールマークの75％）の査定作品です
モジュール。コラボレーションおよび/または誰とでも授業の議論は厳しく禁止されています。ルール
盗作については、適用と疑われ、公開作品の盗作やクラスメートの作業のいずれかの場合は、
真剣に取られます。
？これは仕事の査定部分があるので、あなたは/電子メールのコースの教師や教育フェローの質問しないことがあり
授業に関する質問を。
？授業自体とともに、授業のためのデータセットは、PUBL0055ページで見つけることができ
Moodleの上。
？コース上のリンク：コースは「PUBL0055エッセイ2ターンイットイン提出」を介して提出しなければならない
のMoodleページ。あなたは、ページの下部にある「紙を提出してください」リンクをクリックする必要があります。提示すると
「紙を提出してください」ボックスで、「服従のタイトルは」あなたの候補数であるべきであり、
あなたが提供するボックスにあなたのドキュメントをアップロードする必要があります。
-あなたの授業であなただけの候補数を述べることを覚えておいてください（お使いの候補
数は、4つの文字と1つの番号などABCD5）で構成されています。あなたの名前および/または学生の
数は、あなたの授業に現れてはなりません。
？授業は8つの質問で構成されています。各質問のために割り当てられたマークはテキストに示されています。
？特に明記しない限り、答えは完全な文章で記述する必要があります。すべての部分に答えるようにしてください
提起の質問をし、結果を解釈します。
？この評価のためのワード数は3000ワードです。これは付録、または任意の言葉は含まれていません
（または数字）は、テーブル内に含まれます。
？単一の文書にあなたのタイプ-書かれた（番号）の回答を提出してください。付録のセクションを作成し
、あなたの結果を再現するために必要なすべてのRのコードが含まれて終わりに（あなたがする必要はありません
代写PUBL0055留学生作业、R程序语言作业调试
実行に失敗したコードが、ちょうどクリーンアップバージョン。我々はそれを実行したときにあなたのコードは）仕事に持っています。
？あなたはしているあなたが使用している方法（手段で例えば違い、線形回帰、など）と仮定して
、読者が理解しや定義は必要ありませんが、彼らはにどのように適用されるかを説明する必要があります
質問に答えるに。
？小数点の後に2桁までのすべての数字のラウンド。
？あなたの答えの中に（例えば、LM（Y〜x））を任意の野獣のR出力をコピーして貼り付けないでください。フォーマットされた作成
読みやすいテーブルを。
？すべての表と図のタイトルと番号を割り当て、議論する際に、テキストに番号を参照してください
特定の図形や表を。
？授業のすべての変数名はthis_fontで書かれています。1
教育テレビの効果は、
効果的な教材、教育テレビのですか？「エレクトリック・カンパニーは、」というテレビ番組だった
1971年から1977年までの米国のテレビで実行されていたが、プログラムはの面白い方法を提供するためにスケッチコメディを使用
小学生が自分の文法を開発し、スキルを読んで助けを。これは、広く多くの人に入金された
2次、サード、そして4年生のの識字能力に重要な影響ものとして、米国の学校で教師
の子供たちを。このセクションでは、ランダムに割り当てるクラス関わる実験からのデータを分析する
「エレクトリック・カンパニー」を見て子供のを。、行われた任意の場合は、利益を読んで何を調査します
この実験の一環としてクラス。
このデータでの分析の単位は、子供のクラスで、データ内の192個のクラスがあります。各クラスは、された
いずれかまたは制御（プログラムを見ていないため）（番組を視聴するために）処理しました。興味のある結果がある
post.scoreと呼ばれる各年の終わりに投与読み取りテストの平均スコア。加えて
、治療と結果、データは、クラスとのスコアの年のグレードについての情報が含まれ
、治療が行われた前adminsteredと同じリーディングテストを：
名前説明
学年クラスの学年（第四を通じて第一）
治療の1クラスは（無作為）そうでなければ、0を処理した場合
pre.scoreクラスは、学年の初めに、治療前のスコアを読んでは、
学年の終わりにクラス読んでスコアをpost.score
データは電気company.csvに格納されます。このファイルをダウンロードし、それを配置したら
、関連するフォルダ以下のように、それはRにロードすることができます：
電気< - read.csv（「データ/電気company.csv」）
問1（16マーク）
。計算とはの終わりにクラス読書スコアに対する治療の平均効果を解釈
学年。
B。私たちは生徒のスコア上のテレビの因果効果としてパートaにあなたの答えを解釈できるかどうかについて説明します。
C。平均の差の標準誤差を計算します。あなたの仕事を表示します。
D。平均の差について仮説検定を実施します。我々は効果なしの帰無仮説拒否することができ
、95％および99％の信頼レベルで治療を？
電子。計算手段上の見積りの差の95％信頼区間を解釈すること。
F。「標本分布」の概念を説明します。このサンプリング分布の形状は何である
例は？
質問2（10マーク）
。で、生徒のスコアに今年の初めに生徒のスコアを比較する散布図作成し
、年末を。
B。彼らはしているグレードの機能として今年の終わりに、学生のスコアを示しているボックスプロットを作成します。
C。3つの線形回帰モデルを推定します。最初は唯一の治療法でpost.scoreを予測する必要があります
変数。第二の回帰モデルは、最初と同じでなければなりませんが、また、学生のために制御する必要があります
グレード。第3のモデルは、第二と同じでなければならないだけでなく、pre.scoreために制御すべきです。
D。彼らは、「説明」post.scoreの変動のどのくらいの面でこれらのモデルをまとめます。何ん
これは、学生が中や読書能力である1）グレード、および2）学生の間の関係について教えて
テストのテストと現在のパフォーマンス上の前のパフォーマンス？
2
E。治療係数の推定値は3つのモデル間で異なっていますか？なぜあなたはそれがあると思いますか？
あなたの引数をサポートするために、データから証拠を提供することを望むかもしれません。また、参照したい場合があり
、この問題の部品A、Bにあなたの答え。
質問3（6マーク）
を使用グレードの変数は、データのサブセット、及びその後の効果を評価するために、線形回帰モデルを使用し
、各グレード内治療。どのように治療の効果はグレードが高くなるように異なるのでしょうか？上のコメント
これらの結果の実質的かつ統計的有意性の両方。
質問4（6マーク）
これらの分析から、あなたの調査結果をまとめた短いパラグラフを書きます。あなたがしようとしているかのようにあなたは書くべき
学習上のテレビの影響に興味を持っている誰かに結果を伝えるために、誰がしている
定量的方法でコースを取っていません。あなたは、通信を支援するビジュアライゼーションを作成することを望むかもしれない
調査結果を。
3つの
政党と政策アウトカム
DOES政党は政策の成果のための電力問題ですか？これは政治のために重要な質問です
答えに科学者ではなく、少なくともので、投票の多くの理論は、有権者が与党を保持することを前提とし
、オフィスでの彼らのパフォーマンスに基づいて口座に。例えば、「遡及投票」が発生している場合は、なければなりません
異なる政治連合が時間内に政策の成果の明確かつ一貫性のある効果を持っている場合
、選挙の間。
これに該当するかどうかを判断するには、このセクションでは、あなたはの効果を分析するために、米国からのデータを使用する
には（状態の知事を保持する政党、特異的に）米国の州政府で与党を
異なる政策の成果の数。データは、864回の米国の50州全体の選挙、プラスから来
コロンビア特別区。データに含まれる変数は、次のとおりです。
名称説明
知事のパーティーdem_governor（1であれば、民主党、共和党0の場合）
知事に関連する選挙で民主党の選挙マージンをdem_margin。
この変数は、民主党の候補者の得票シェアマイナスとして測定された
負の値が示すように、共和党の候補者の得票シェア
民主党候補が選挙を失った、正の値を示している
民主党の候補者が選挙に勝ちました。
dem_majority_houseかどうかは、州議会の下院は、によって制御される
民主党（1）又は共和党（0）
州議会の上部家はによって制御されているかどうかdem_majority_senate
民主党（1）又は共和党（0）
状態の状態。
今年知事の選挙の年。
知事が選出された後に失業失業率は、2年に測定しました。
後（10万人あたり）殺人の数を殺害、2年間測定
知事が選出されました。
人口の上位1％が保有する収入の割合income_top_one_pct、測定
知事が選出された後2年。
知事がされた後2年間測定house_prices四半期住宅価格指数、
選出されました。
データはgovernors.csvに格納されます。このファイルをダウンロードし、該当するフォルダの中に置かれた後、
：次のようにRにロードすることができる
- read.csv（ "データ/ governors.csv"）ガバナー<
質問5（6マーク）
。4つの結果変数のそれぞれについて、dem_governorのみ説明線形回帰推定
変数。表に結果を提示。
B。各モデルにおける回帰係数を解釈します。
質問6（13マーク）
。：あなたは二つの追加の制御変数含めるように上記推定することを回帰モデルを適応させる
dem_majority_houseとdem_majority_senateを。これらの回帰モデルを推定し、その結果を提示し
、テーブルに。
B。なぜあなたの回帰では、これらの追加の変数を含めることが重要であるかもしれませんか？
C。関連した係数に特に注意を払って、あなたの3つの回帰のそれぞれを解釈
dem_governor変数。係数は、これらのモデルには因果解釈することはできますか？それはなぜ説明。
4
、C。あなたの目標は、これらの結果を変数に民主党知事の因果効果を識別することです。ことを想像して
、あなたが無制限の時間と無制限の予算を持っていた：あなたは理想的にするための制御をすることを一つの変数について説明し
、これらのモデルを。どうして？
質問7（18マーク）
この実施例が基づいている論文で、著者らは回帰不連続（RD）設計を使用。この中で
設計、著者は間の比較を行うために民主党の候補者の選挙マージン変数を使用します
狭く狭く知事のために共和党を選出状態に民主党を選出状態。これで
問題は、元のRD分析の一部を複製します。
A。良いかもしれない、この種の回帰不連続デザインを使用して、なぜ議論短い段落書く
共和党の知事を持っている状態に民主党知事があり、単純に比較する状態よりを。
また、本研究の文脈で回帰不連続デザインを使用しての一つの欠点を説明します。
B。狭義民主党選出された状態の間で政策の成果を比較するdem_margin変数を使用
狭く共和党知事を選出知事や状態を。報告および回帰解釈
すべての4つのアウトカム変数の不連続治療効果を。
C。グラフィカルに回帰不連続デザインを描く4のプロットを生成します。各プロットは描くべきで
民主選挙マージンと政策の成果の一つとの間の関係を。あなたのプロットは、べき
場所表示するために、2本のカットオフの両側の関係を示す線、垂直線を含む
x軸上のカットオフを。
D。回帰不連続デザイン解析から、あなたの調査結果を比較して短い段落書く
ご質問1で推定し、あなたが何を締結します。2.ことを回帰からあなたの調査結果に、ここで
政党が政策の成果に重要な影響を持っているかどうかについては？
5
宗教と1932年にナチス党の選挙成功
ワイマールドイツでは、カトリック教会は猛の危険性についての通常の氏子と警告
過激派政党を。この期間中、ドイツの教会はカトリック教徒を落胆で特に活躍した
、一般的に知られているNationalsozialistischeドイツArbeiterpartei（NSDAP）、サポートから
ナチ党としての英語を。世論調査ではナチスの突然の成功に警告し、教権反対の恐れ
党内の動き、カトリック司教は1930年の秋に明示的な抗ヒトラースタンドを取った
歴史が長いカトリックの宗教指導者から、この反ナチスの位置が影響を持っていたと主張しています
特に中帝国議会選挙の文脈におけるカトリック市民の間でサポートのレベル、のために
1932。
このセクションでは、ドイツのカトリックの領域が少なくナチスサポートするためだったかどうかを調査する
パーティーを11月1932年に開催された選挙でのデータは982件の郡から選挙結果を含み、そして
：変数の数を含ん
名前説明
NSDAPの％をnsdap_share郡内の投票の
郡の人口の割合カトリックpct_catholic
pct_jewish郡の人口のユダヤ人の割合
pct_other_rel他の宗教の郡の人口の割合
郡の人口の女性の割合pct_women
log_populationザ・合計（ログ）郡の人口
郡内の労働力の女性の割合female_workforce
郡（1）都市又は地方にあった場合urban_county（0）
郡のホワイトカラー労働者の間で失業率unemp_white_collar
郡のブルーカラー労働者の間で失業率unemp_blue_collar
郡国内使用人の間で失業率unemp_domestic
industry_manufacturing製造における郡の労働力の割合
産業は
貿易や商業における郡の労働力の割合がindustry_trade
公共および民間における郡の労働力の割合industry_services
サービスを
国内で採用郡の労働力の割合industry_domestic
サービス
ベルリンへの郡の距離（distance_to_berlin KM）
郡内literacy_rate識字率
バイエルン郡がバイエルン州に位置している場合（1）か否（0）
log_income_per_capita郡ログ収入人当たり
宗教郡の点で平均を上回っているか否かのバイナリインジケータ
「宗教」の、定期的にどのように多くの市民に基づいて定義された
宗教的な祭りに参加しています。1 =より多くの宗教、0 =あまり
宗教。
データはreichstag.csvに格納されます。このファイルをダウンロードし、該当するフォルダの中に置かれていたら、
次のようにそれがRにロードすることができます
- read.csv（「データ/ reichstag.csv」）国会<
質問8（25マーク）
このセクションであなたの仕事は、地区のカトリック教徒の割合との関係を調査することである
上に概説した研究の質問に答えるために、選挙でその地区のNSDAP投票のシェアを。では
特に、あなたは従属変数としてnsdap_shareで2つの線形回帰モデルを実装する必要があります。
図6は、
最初のモデルでは、唯一の説明変数はpct_catholic可変であるべきです。第二のために
pct_catholic変数に加えて- -ちょうど3つの含むモデルは、モデル構築する必要があり
ますが、提供されたデータセットから含めるように役に立つかもしれないと思うことを、追加の説明変数を。あなたは
、あなたがこれらの特定の変数を含めることが重要だと思う理由を説明する必要があり、与えられた私たちの主な関心
カトリックとナチス投票のシェアとの関係です。なお、第2のモデルのために、あなたがしてください
、いくつかの異なるモデルを推定し、その結果を提示ではなく、あなたは理論的に議論する必要があるべきではありません
あなたが特定の変数を選んだ理由。
彼らは政治学ジャーナルに掲載されたことがなかったかのように、これらのモデルの結果を記述する必要があり
、あなたの結果の実質的な意味を伝えるに焦点を当てた記事。これらのあなたの議論では
モデル、あなたは、実装することを回帰の実質的な意味を伝えるに焦点を当てるべき
地区とナチスの投票のカトリック人口との関係に特に注意を払って
選挙でのシェア。次に注力したいことがあります。
？従属の概要を読者に提供するために、記述統計および/またはプロットを提供し
、使用することを変数と重要な説明変数（複数可）。
？モデルに関する重要な情報が含ま回帰出力のよくフォーマットされた表を提供
あなたは推定しているが。
？あなたが示して関係の統計的および実質的な重要性の両方を話し合います。
？適切な統計情報を使用して、モデルのフィットを話し合います。
？私たちは、あなたが因果的に識別することが提示見積もりを検討すべきであるかどうかを話し合います。
？あなたの分析の弱点を議論し、潜在的な代替分析では、（与えられた使用する可能性のあるデザイン
本研究の質問を評価するために、異なるデータ）。
プロ、とても信頼できるので。必要に応じて、追加 QQ ： 99515681 または マイクロチャネル： codehelpを