如果结果不匹配，请 
更多“在回归分析中，被预测或被解释的变量称为自变量。()”相关的问题
第4题
如果在回归分析中，只包括个自变量和一个因变量，且两者的关系可用一条直线近似表示，这种回归分析称为（)。
A.一元线性回归分析
B.二元线性回归分析
C.多重线性回归分析
D.自回归预测分析
第8题
利用MATHPNL.RAW中的数据。类似第13章的计算机练习C11中的一阶差分分析，这里将做一个固定效应分
析。我们关心的模型是：
点击查看答案
其中，因为滞后支出变量，第一个可用年份(基年)是1993年。
(i)用混合OLS估计模型，并报告通常的标准误。为使得ai的期望值可以非零，你应该与年度虚拟变量一起包含一个截距项。支出变量的估计效应是什么？求OLS残差
。
(ii)lunchit系数的符号在意料之中吗？解释系数的大小。你认为学区的贫穷率对考试通过率有很大的影响吗？
(iii)利用
的回归计算AR(1)序列相关的一个检验。你应该在回归中使用1994-1998年的数据。验证存在很强的正序列相关，并讨论为什么。
(iv)现在用固定效应法估计方程。滞后的支出变量仍显著吗？
(v)你为什么认为在固定效应估计中，注册学生人数和午餐项目变量不是联合显著的？
(vi)定义支出的总(或长期)效应为
的标准误。
第9题
使用1988年通过选举而当选的现任总统在1990年的投票结果。候选人A于1988年当选而试图在1990年连
任;voteA90表示候选人A在1990年获得两党投票的份额。候选人A在1988年所获得的投票份额被用作候选人质量的代理变量。所有其他变量都是1990年选举中所出现的变量。利用VOTE2.RAW中的数据估计了如下方程：
点击查看答案
(i)解释voteA88的系数并讨论其统计显著性。
(ii)添加voteA88对其他系数具有很大影响吗？
第10题
在建立多元线性回归模型时，需要对自变量进行筛选，最后确定适合的回归模型。下面的陈述中错误的是（)
A.向前选择法是从模型中没有自变量开始，然后将所有自变量依次增加到模型中
B.向后剔除法是先对所有自变量拟合线性回归模型，然后依次将所有自变量剔除模型
C.逐步回归法是将向前选择法和向后剔除法结合起来，但不能保证得到的回归模型一定就显著
D.逐步回归法选择变量时，在前面步骤中增加的自变量在后面的步骤中有可能被剔除，而在前面步骤中剔除的自变量在后面的步骤中也可能重新进入到模型中
