多元回归模型单个系数的假设检验,我们构造的检验统计量服从()。
A.F统计量
B.卡方统计量
C.t统计量
D.残差平方和
A.F统计量
B.卡方统计量
C.t统计量
D.残差平方和
下面这个模型是比德尔和哈默梅什(BiddleandHamermesh,1990)所用多元回归模型的一个简化版本,原模型研究睡眠时间和工作时间之间的取舍,并考察影响睡眠的其他因素:
sleep=β0+β1totwrk+β2educ+β3age+u
其中,sleep和totwrk都以分钟/周为单位,而educ和age则以年为单位。(也可参见计算机练习C3。)
(i)如果成年人为工作而放弃睡眠,β1的符号是什么?
(ii)你认为β2和β3的符号应该是什么?
(iii)利用SLEEP75.RAW中的数据,估计出来的方程是
sleep=3638.25-0.148totwrk-11.13educ+2.20age
n=706,R2=0.113.
如果有人一周多工作5个小时,预计sleep会减少多少分钟?这是一个很大的舍弃吗?
(iv)讨论educ的估计系数的符号和大小。
(v)你能说totwrk,educ和age解释了sleep的大部分波动吗?还有什么其他因素可能影响花在睡眠上的时间?它们与totwrk可能相关吗?
(i)描述估计的滞后分布。gwage的哪一个滞后对gprice的影响最大?哪一个滞后的系数最小?
(ii)哪些滞后的:统计量小于2?
(iii)估计的长期倾向是多少?它与1有很大不同吗?解释本例中的LRP告诉了我们什么?
(iv)你将用什么样的模型来直接求出LRP的标准误?
(v)你将怎样检验gwage的6阶以上滞后的联合显著性?F分布的df是多少?(注意:你又失去了6个观测。)
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?
A.Corda采用的智能合约封装了交易的业务逻辑
B.Corda的设计采用了“账户-余额模型”
C.Corda可以支持单个网络中超过数十亿次日交易数
D.这是首个能大规模接入而且支持法定数字货币的区块链网络
(要求一些微积分知识)
(i)在托宾模型中假设x1=logz1(),而且这是x中唯一出现z1的地方。证明
(其中,β1是log(z1))的系数。
(ii)若x1=z1和x2=z12证明
其中,β1和β2分别是的系数。