![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
在多元线性回归分析中,修正的可决系数R^2与可决系数R^2之间()。
A、修正的R^2﹤R^2
B、修正的R^2>=R^2
C、修正的R^2只能大于零
D、修正的R^2可能为负值
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A、修正的R^2﹤R^2
B、修正的R^2>=R^2
C、修正的R^2只能大于零
D、修正的R^2可能为负值
A、Y与X一定呈负相关
B、Y对X2的变化比Y对X1的变化更加敏感
C、X2变化一单位,Y将平均变化1.12个单位
D、若该模型的方程整体性检验通过了,则变量的显著性检验必然能通过
E、模型修正的可决系数一定小于可决系数
利用401KSUBS.RAW中的数据。
(i)计算样本中netta的平均值、标准差、最小值和最大值。
(ii)检验假设:平均netta不会因为401(k)资格状况而有所不同,使用双侧备择假设。估计差异的美元数量是多少?
(iii)根据第7章的计算机练习C7的第(ii)部分,e401k在一个简单回归模型中显然不是外生的,起码它随着收入和年龄而变化。以收入、年龄和e401k作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在,估计401(k)资格的美元效应是多少?
(iv)在第(ii)部分估计的模型中,增加交互项e401k(age-41)和e401k-(age-41)2。注意样本中的平均年龄约为41岁,所以在新模型中,e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著?
(v)比较第(iii)和(iv)部分的估计值,401(k)资格在41岁处的估计效应差别大吗?请解释。
(vi)现在,从模型中去掉交互项,但定义5个家庭规模虚拟变量:fsizel,fsize2,fsize3,fsize4和fsize5。对有5个或5个以上成员的家庭,fsize5等于1。在第(ii)部分估计的模型中,增加家庭规模虚拟变量,记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗?
(vii)现在,针对模型
在容许截距不同的情况下,做5个家庭规模类别的邹至庄检验。约束残差平方和SSR,从第(iv)部分得到,因为那里回归假定了相同斜率。无约束残差平方和其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白,无约束模型中有30个参数(5个截距和25个斜率),而约束模型中有10个参数(5个截距和5个斜率)。因此,带检验的约束个数是q=20,而且无约束模型的df为9275-30=9245。
利用CPS78_85.RAW中的数据。
(i)你怎样解释教材方程(13.2)中y85的系数?对它有没有一种令人感兴趣的解释?(这里你要小心;你必须说明交互项y85·educ和y85·female。)
(ii)保持其他因素不变,你估计一个接受了12年教育的男子的名义工资增加了多少个百分点?给出一种回归以得到这个估计值的一个置信区间。[提示:为了得到这个置信区间,要用y85-(educ-12)取代y85-educ;]
(iii)令所有的工资均以1978年美元计算,重新估计教材方程(13.2)。具体地说,定义1978年的真实工资为rwage=wage,而1985年的真实工资为rwage=wage/1.65。现在估计教材(13.2)时用log(rwage)代替log(wage)。哪些系数将不同于教材方程(13.2)中的系数?
(iv)解释为什么你在第(iii)部分中的回归给出的R²不同于教材方程(13.2)所给出的R。
(提示:两个回归的残差,从而残差平方和是相同的。)
(V)试描述从1978年到1985年参加工会的作用起了什么变化?
(vi)从教材方程(13.2)开始,检验会员工资差别是否随时间而变。(应使用简单的t检验。)
(vii)你在第(v)和(vi)两部分中的结论是否相互矛盾?试解释。
利用VOLAT.RAW中的数据。
(i)证实sp500=log(sp500)和lip=log(ip)看来都包含了单位根。利用含四阶滞后变化的DF检验,在含和不含线性时间趋势的情况下分别进行检验。
(ii)做1sp500对lip的简单回归。评论:统计量和R的大小。
(iii)利用第(ii)部分的残差检验Isp500和lip是否协整。利用标准的DF检验和包含两阶滞后的ADF检验。你得到什么结论?
(iv)在第(ii)部分的回归中添加一个线性时间趋势,并利用第(iii)部分同样的检验来检验协整关系。
(v)看来股票价格与真实经济活动之间有长期均衡关系吗?
在线性回归的F检验中,统计量F=();在H0:=0为真的条件下,F~()(要求写出自由度)。
A、Cox regression
B、Linear regression
C、Logistic regression
D、Multiple regressions
E、Passion regression
设向量组线性无关,如在向量组的前面加入一个向量β, 证明:在向量组
中至多有一个向量ai(1≤i≤r)可由其前面的i个向量
线性表示.并在R3中做几何解释.
(1)利用多项式回归分析求这段曲线的纵坐标Y关于横坐标X的回归方程;
(2)设X1=X,X2=X2,利用多元线性回归方程求Y关于X1,X2的二元线性回归方程,从而得到这段曲线的回归方程。
令math10表示密歇根州高中学生在一次标准化数学考试中的及格百分比(也可参见例4.2)。我们感兴趣的是估计每个学生的支出对其数学成绩的影响。一个简单的模型是
其中,poverty表示贫困生的比例。变量Inchprg表示学校有资格享受联邦政府午餐资助计划的学生比例。为什么它是povert的一个合适的代理变量?
(ii)下表包含了有和没有Inchprg作为解释变量时的OLS估计值。解释为什么支出对mathl0的影响在列(2)比在列(1)要低。列(2)中的这种影响在统计上仍大于1吗?
(iii)在其他条件相同的情况下,越大的学校通过率越低吗?请解释。
(iv)解释列(2)中Inchprg的系数。
(v)你如何理解R从列(1)到列(2)的显著提高?