一个部门使用回归方法,根据月广告费用支出来预测月产品销售(二者的单位都是百万元)。结果自
A.样本中,平均每月的广告费支出是$800,000。
B.当每月广告费支出处在平均值时,产品销售为$800,000
C.平均来看,每元额外的广告费用可以能够导致销售增加$.80
D.广告不是销售的一个好的预测指标,因为系数太小了。
A.样本中,平均每月的广告费支出是$800,000。
B.当每月广告费支出处在平均值时,产品销售为$800,000
C.平均来看,每元额外的广告费用可以能够导致销售增加$.80
D.广告不是销售的一个好的预测指标,因为系数太小了。
A.某样本中,平均每月的广告费支出是$800,000;
B.当每月广告费支出处在平均值时,产品销售为$800,000;
C.平均来看,每元额外的广告费用可以能够导致销售增加$0.80;
D.广告不是销售的一个好的预测指标,因为系数太小了。
A.$12,500
B.$12,250
C.$2,500
D.$11,250
A.200
B.220
C.400
D.520
A.200
B.220
C.400
D.520
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。
回归模型中存在多重共线性,你如何解决这个问题()
1.去除这两个共线性变量
2.我们可以先去除一个共线性变量
3.计算VIF(方差膨胀因子),采取相应措施
4.为了避免损失信息,我们可以使用一些正则化方法,比如,岭回归和lasso回归
A.1
B.2
C.2和3
D.2,3和4
A.高低点法
B.回归分析法
C.账户分析法
D.技术测定法