通过残差图的检验可以判断回归模型的有效性,以下哪些情况可判断为异常()
A.正态概率图中点基本靠近在直线附近
B.直方图的集中趋势很强,没有明显的偏态
C.残差与拟合值图点的分布整齐有规律,且与因子的变化趋势相同
D.残差时间序列图没有异常的波动趋势
A.正态概率图中点基本靠近在直线附近
B.直方图的集中趋势很强,没有明显的偏态
C.残差与拟合值图点的分布整齐有规律,且与因子的变化趋势相同
D.残差时间序列图没有异常的波动趋势
A.残差图中的样本点分布在一条水平带中间
B.标准化残差图中大约有95%的标准化残差介于-3和+3之间
C.标准化残差分布直方图大体呈现以0为中心的对称钟形分布
D.正态概率图中有较多的样本点密集地分布在一条水平带中间
E.正态概率图中有较多的样本点密集地分布在45°线附近
A.当异方差出现时,最小二乘估计是有偏的和不具有最小方差特性
B.当异方差出现时,常用的t和
C.异方差情况下,通常的OLS估计一定高估了估计量的标准差
D.如果OLS回归的残差表现出系统性,那么说明数据中不存在异方差性
E.如果回归模型中遗漏一个重要变量,那么OLS残差必定表现出明显的趋势
F.检验失效
A.两个系数的P值小于0.05,且R-Sq=97.6%,R-Sq(调整)=97.5%,说明模型拟合很好
B.Y和X存在明显的线性关系
C.方差分析表明模型拟合非常好
D.残差图表明Y与X可能存在二次的非线性关系
使用VOTE1.RAW中的数据。
(i)估计一个以voteA为因变量并以prystrA、deocA、log(expendA)和log(expendB)为自变量的模型。得到OLS残差,并将这些残差对所有的自变量进行回归。解释你为什么得到R2=0。
(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。
(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强?
A.两个变量具有回归关系
B.一定有相关系数r = 0.70
C.MS回归>MS残差
D.SS回归 >SS残差
E.Y 的总变异有49% 可以由X 的变化解释
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。
反映回归模型中解释变量未解释的那部分离差大小的是()。
A.总离差平方和
B.回归平方和
C.残差平方和
D.可决系数
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
(i)利用WAGEPRC.RAW中的数据,估计第11章习题5中的分布滞后模型。用回归教材(12.14)来检验AR(1)序列相关。
(ii)用迭代的科克伦-奥卡特方法重新估计这个模型。长期倾向的新估计值是多少?
(iii)用迭代C0求出LRP的标准误。(这要求你估计一个修正方程。)判断LRP估计值在5%的水平上是否统计显著异于1?