![](https://static.youtibao.com/asksite/comm/pc/images/content_title_q.png)
如果对一个简单的线性回归模型进行显著性检验时,如y=β0+β1x+μ,则备择假设为()。
A.H0:β0=β1=0,并运用F检验
B.H0:β1=0,并运用F检验
C.H0:β1=0,运用T检验
D.B和C都是正确的,可以仍选其一进行检验
![](https://static.youtibao.com/asksite/comm/pc/images/content_title_a.png)
A.H0:β0=β1=0,并运用F检验
B.H0:β1=0,并运用F检验
C.H0:β1=0,运用T检验
D.B和C都是正确的,可以仍选其一进行检验
第1题
A.一元线性回归预测是回归预测的基础,预测对象只受一个主要因素影响
B.判定一个线性回归方程的拟合程度的优劣称为模型的显著性检验,通常用的检验法是相关系数检验法
C.相关系数等于回归平方和在总平方和中所占的比率,即回归方程所能解释的因变量变异性的百分比,是一元回归模型中用来衡量两个变量之间相关程度的判定指标
D.如果相关系数r=0,表示所有的观测值全部落在回归直线上;如果r=1,则表示自变量与因变量无线性关系
第2题
如果回归模型中存在多重共线性,则()。
A.不能对因变量y值进行预测
B.对因变量y值进行预测时应限定在自变量样本值的范围内
C.无法对回归系数进行显著性检验
D.无法对回归模型的线性关系进行检验
第3题
如果回归模型中存在多重共线性,则()。
A.整个回归模型的线性关系不显著
B.肯定有一个回归系数通不过显著性检验
C.肯定导致某个回归系数的符号与预期的相反
D.可能导致某些回归系数通不过显著性检验
第5题
有温度x和冷饮销售量y两个变量,已知:
∑x=9.4,∑y=959,∑x2=9.28,∑xy=924.8,
∑y2=93569,n=10。
要求:
(1)拟合线性回归模型。
(2)评价拟合优度情况。
(3)对模型进行显著性检验。
(4)计算估计标准误。
(5)预测温度为1℃时冷饮销售量的特定值的置信区间。
(α=0.05,F0.05(1,8)=5.32,t0.025(8)=2.306)
第7题
(i)求出样本中的平均工资和平均IQ。IQ的样本标准差是多少?(总体中的IQ已标准化为平均值是100,标准差是15。)
(ii)估计一个简单回归模型,其中IQ提高一个单位导致wage变化相同的数量。利用这个模型计算IQ提高15个单位时,工资的预期变化。10能够解释大多数工资波动吗?
(iii)现在再估计一个模型,其中IQ提高一个单位对工资具有相同的百分比影响。如果IQ提高15个单位,预期工资提高的百分比大约是多少?
第8题
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上,每个解释变量都是统计显著的吗?
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少?它与math4的实际数据取值范围相比如何?
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差?对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项,检验它们的联合显著性。你会把它们放到模型中吗?
(v)回到第(i)部分中的模型,将因变量和每个解释变量都除以各自的样本标准差,并重新进行回归。(除非你还将每个变量分别减去了各自的均值,否则还应该包括一个截距项。)以标准差为单位,哪个解释变量对数学考试通过率具有最大的影响?
第9题
(i)对于如下简单回归模型:
(ii)现在检验模型。利用同样88个住房数据估计这个模型的R²是0.829。
(iv)如果price的方差随着assess,sqrft,lotsize或bdrms而变化,你对第(iii)部分的F检验有什么看法?
第10题
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗?失业率也一样吗?
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11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)第10章的计算机练习C11第(vi)部分中的回归。]