A.随机
B.不重不漏
C.分类变量
D.类别管理
A.总体分布非正态分布,也无法通过适当的变量变换达到正态分布,甚至于分布类型未知
B.有些数据不可能精确测量
C.当数据为分类资料时,传统的参数检验方法作用非常有限,样本量少时
D.以上均正确
设总体X的分布函数为
其中θ是未知参数且大于零, 为来自总体X的简单随机样本,
(I)求EX与EX2;
(II)求θ的最大似然估计量
(III)是否存在实数a,使得对任何ε>0,都有
离散分布和连续分布之间的主要的差异是:
A.其中一个是不合理的概率分布;
B.连续分布总是左右对称,但是离散分布不是;
C.连续分布描述事件发生可能性的任何可能值的分布范围,与此相反,如果一个变量在一个区间上只能以特定的值来表示,那么,它就是离散的;
D.连续分布只模拟有限的随机变量,而离散分布可以模拟任何变量。
(i)考虑静态非观测效应模型
其中,enrolit表示学区总注册学生人数,lunchit表示学区中学生有资格享受学校午餐计划的百分数。(因此lunchit是学区贫穷率的一个相当好的度量指标。)证明:若平均每个学生的真实支出提高10%,则math4it约改变β1/10个百分点。
(ii)利用一阶差分估计第(i)部分中的模型。最简单的方法就是在一阶差分方程中包含一个截距项和1994~1998年度虚拟变量。解释支出变量的系数。
(iii)现在,在模型中添加支出变量的一阶滞后,并用一阶差分重新估计。注意你又失去了一年的数据,所以你只能用始于1994年的变化。讨论即期和滞后支出变量的系数和显著性。
(iv)求第(iii)部分中一阶差分回归的异方差-稳健标准误。支出变量的这些标准误与第(iii)部分相比如何?
(v)现在,求对异方差性和序列相关都保持稳健的标准误。这对滞后支出变量的显著性有何影响?
(vi)通过进行一个AR(1)序列相关检验,验证差分误差rit=Δuit含有负序列相关。
(vii)基于充分稳健的联合检验,模型中有必要包含学生注册人数和午餐项目变量吗?
A.CHAID
B.ECHAID
C.CART
D.QUEST