首页 > 职业技能鉴定
题目内容 (请给出正确答案)
[多选题]

一个回归模型存在多重共线问题。在不损失过多信息的情况下,可如何处理()。

A.剔除所有的共线性变量

B.剔除共线性变量中的一个

C.通过计算方差膨胀因子(VarianceInflationFactor,VIF)来检查共线性程度,并采取相应措施

D.删除相关变量可能会有信息损失,我们可以不删除相关变量,而使用一些正则化方法来解决多重共线性问题,例如Ridge或Lasso回归

查看答案
答案
收藏
如果结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能还需要:
您的账号:
发送账号密码至手机
发送
安装优题宝APP,拍照搜题省时又省心!
更多“一个回归模型存在多重共线问题。在不损失过多信息的情况下,可如…”相关的问题
第1题
鉴别了多元共线特征。那么下一步可能的操作是什么()。

A.移除两个共线变量

B.不移除两个变量,而是移除一个

C.移除相关变量可能会导致信息损失,可以使用带罚项的回归模型(如ridge或lassoregression)

点击查看答案
第2题
下列关于瀑布模型存在的问题,说法错误的是()。

A.要求开发人员一开始就要理解客户的需求

B.每一阶段结束时进行评审

C.当项目接近结束时,出现了大量的集成和测试工作

D.在一个项目的早期阶段,过分地强调了基线和里程碑处的文档

点击查看答案
第3题
随机森林利用随机的方式将许多决策树组合成一个森林,每个决策树在分类的时候决定测试样本的最终类别。它的优点是()。

A.级别划分较多的属性不会影响模型效果

B.在某些噪音较大的分类或回归问题上不会过拟合

C.每次学习使用不同训练集,一定程度避免过拟合

D.能够处理高纬度的数据,并且不做特征选择

点击查看答案
第4题
以下判断正确的有()。

A.在严重多重共线性下,OLS估计量仍是最正确线性无偏估计量

B.多重共线性问题的实质是样本现象,因此可以通过增加样本信息得到改善

C.虽然多重共线性下,很难准确区分各个解释变量的单独影响,但可据此模型进展预测

D.如果回归模型存在严重的多重共线性,可不加分析地去掉某个解释变量从而消除多重共线性

点击查看答案
第5题
机器人投资顾问存在的问题有()。

A.千禧一代将以科技替代人工在线顾问

B.机器人投顾是一个全新的概念和商业模型

C.机器人投顾将进入高端市场并主要提供ETF资产

D.机器人投顾将对美国的财富管理市场产生冲击

E.财富管理市场现有公司将遭受损失

点击查看答案
第6题
在多元线性回归中,加入自变量时会使多重判定系数变大的原因是()。

A.增加自变量后,模型包含的信息量增多,多重判定系数会随着自变量的增加而无限变大

B.增加自变量后,模型的预测误差会变小,从而减少残差平方和,此时回归平方和会变大

C.增加自变量后,各个自变量之前的相关关系更加紧密

D.增加自变量后,能使得所有自变量的系数显著

点击查看答案
第7题
数据建模时,如果模型的输出是一个类别,那么这是下列哪类问题?()

A.聚类

B.回归

C.异常检测

D.分类

点击查看答案
第8题
以下计量经济分析中那些很可能存在异方差问题()。

A.用横截面数据建立家庭消费支出对家庭收入水平的回归模型

B.用横截面数据建立产出对劳动和资本的回归模型

C.以凯恩斯的有效需求理论为根底构造宏观计量经济模型

D.以国民经济核算XX为根底构造宏观计量经济模型

E.以30年的时序数据建立某种商品的市场供需模型

点击查看答案
第9题
利用MIN WAGE.RAW中232部门的数据回答如下问题。(i)证明l wage 232t 和lemp 232t 最好用I(1)
利用MIN WAGE.RAW中232部门的数据回答如下问题。(i)证明l wage 232t 和lemp 232t 最好用I(1)

利用MIN WAGE.RAW中232部门的数据回答如下问题。

(i)证明l wage 232t 和lemp 232t 最好用I(1) 过程来刻画。使用分别包含g wage 232和gel up 232的一阶滞后以及一个线性时间趋势的ADF检验。对这些序列中存在单位根还存有疑问吗?

(ii)在使用和不使用时间趋势的情况下, 容许在增广恩格尔-格兰杰检验中使用两个滞后项, 将lemp 232t 对hr age 232t 进行回归并进行协整检验。你得到什么结论?

(iii)现在将lemp 232t 对真实工资率的对数In v age 232t =l wage 232t -lept 和一个时间趋势进行回归。你发现存在协整吗?与使用名义工资相比,使用真实工资时,它们更“接近”协整吗?

(iv)第(iii)部分的协整回归中可能遗漏了哪些因素?

点击查看答案
第10题
本题利用NBASAL.RAW中的数据。(i)估计一个线性回归模型,将单场得分与联赛中打球经历和位置(后
本题利用NBASAL.RAW中的数据。(i)估计一个线性回归模型,将单场得分与联赛中打球经历和位置(后

本题利用NBASAL.RAW中的数据。

(i)估计一个线性回归模型,将单场得分与联赛中打球经历和位置(后卫、前锋或中锋)联系起来。包括打球经历的二次项形式,并将中锋作为基组。以通常的形式报告结果。

(ii)在第(i)部分中,你为什么不将所有三个位置虚拟变量包括进来?

(iii)保持经历不变,一个后卫的得分比一个中锋多吗?多多少?这个差异统计显著吗?

(iv)现在,将婚姻状况加入方程。保持位置和经历不变,已婚球员是否更高效(就单场得分来说)?

(v)加入婚姻状况和两个经历变量的交互项。在这个扩展的模型中,是否存在有力的证据表明婚姻状况影响单场得分?

(vi)使用单场助攻次数作为因变量估计(iv)中的模型。与(iv)的结果有明显的差异吗?请讨论。

点击查看答案
第11题
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
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

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。]

点击查看答案
退出 登录/注册
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改