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
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
A.异方差
B.完全多重共线
C.遗漏变量偏差
D.虚拟变量陷阱
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)
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
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
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
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。]
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?
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。]