试证明:二元线性回归模型中变量X1与X2的参数OLS估计可以写成:其中,r为X1与X2
试证明:二元线性回归模型中变量X1与X2的参数OLS估计可以写成:
其中,r为X1与X2的相关系数。讨论r等于或接近1时,该模型的估计问题。
试证明:二元线性回归模型中变量X1与X2的参数OLS估计可以写成:
其中,r为X1与X2的相关系数。讨论r等于或接近1时,该模型的估计问题。
:年龄x1,体重x2(单位:kg),1500m跑用的时间x3(单位:min),静止时心率x4(单位:次/mim),跑步后心率x5(单位:次/min)。对24名38至57岁的志愿者进行了测试,结果如下表。试建立耗氧能力y与诸因素之间的回归模型。
(1)若x1~x5中只许选择1个变量,最好的模型是什么?
(2)若x1~x5中只许选择2个变量,最好的模型是什么?
(3)若不限制变量个数,最好的模型是什么?你选择哪个作为最终模型,为什么?
(4)对最终模型观察残差,有无异常点?若有,剔除后如何?
A.生存分析
B.卡方检验
C.多重线性回归
D.方差分析
对问题minf(x1,x2)=x12+25x22中的变量x=(x1,x2)T做线性变换:y1=x2,y2=5x2,则原来的无约束优化问题变为minF(y1,y2)=y12+y22(**)。证明:从任意初始点y0出发,用最速下降法对问题(**)迭代一轮即可求得最优解。从中你可以得到什么启示?
利用BARIUM.RAW中的数据。
(i)用前119次观测(即不包含1988年的最后12个月观测),估计线性趋势模型。这个回归的标准误是什么?
(ii)同样用除了最后12个月以外的所有数据,估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合?
(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言,哪种方法效果更好?
(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗?(当我们检验联合显著性时,不必担心误差中轻度的序列相关。)
考虑简单回归模型
y=β0+β1x+u
令z为x的二值工具变量。运用教材(15.0),证明Ⅳ估计量β1可以写成:的那部分样本中yi和xi的样本平均值,而的样本平均值。该估计量称为群组估计量,它是由沃德(Wald,1940)最先提出。
对于线性回归模型,包括附加变量在内,以下的可能正确的是()
1.R-Squared和AdjustedR-squared都是递增的
2.R-Squared是常量的,AdjustedR-squared是递增的
3.R-Squared是递减的,AdjustedR-squared也是递减的
4.R-Squared是递减的,AdjustedR-squared是递增的
A.1和2
B.1和3
C.2和4
D.以上都不是
考察的指标(因变量)y表示原辛烷值,自变量x1表示直接蒸馏成分,的表示重整汽油,与表示原油热裂化油,年表示原油催化裂化油,x5表示聚合物,x6表示烷基化物,x7表示天然香精。7个变量表示7个成分含量的比例(满足x1+x2+…+x7=1)。表11.1给出12种混合物中7种成分和y的数据。试用偏最小二乘方法建立y与x1,x2,…,x7为的回归方程,用于确定7种构成元素写x1,x2,…,x7对y的影响。
,二次型
(1)记X=(x1,x2,···,xn)T,试写出二次型f(x1,x2,···,xn)的矩阵形式。
(2)判断二次型g(X)=XTAX与f(X)的规范形是否相同,并说明理由。
利用APPLE.RAW中的数据。这些电话调查数据是为了得到(假想的)“环保”苹果需求。调查者向每个家庭都(随机地)介绍了正常苹果和环保苹果的一组价格,并询问他们愿意购买每种苹果的磅数。
(i)对于样本中的660个家庭,有多少家庭报告称在预定价格上不愿意购买环保苹果?
(ii)变量ecolbs看上去在严格正值上具有连续分布吗?你的回答对ecolbs托宾模型的适当性有何含义?
(iii)以ecoprc、regprc、famic和hhsize作为解释变量,估计一个托宾模型。哪些变量在1%的水平上显著。
(iv)faminc和hhsize联合显著吗?
(v)第(iii)部分中价格变量系数的符号与你的预期一致吗?请解释。
(vi)令β1和β2为ecoprc和regprc的系数,相对一个双侧备择假设,检验假设H0:-β1=β2。报告检验的p值。(如果你的回归软件不能很容易地计算这种检验,你可能还要参考教材4.4节
(vii)对样本中的所有观测求E(ecolbslx)的估计值[见方程(17.25)],称之为ecolbsi。最大和最小拟合值是多少?
(viii)计算ecolbs,和ecolbsi之相关系数的平方。
(ix)现在,利用第(iii)部分中同样的解释变量,估计ecolbs的一个线性模型。为什么OLS估计值比托宾估计值小那么多?从拟合优度来看,托宾模型比线性模型更好吗?
(x)评价如下命题:“由于托宾模型的R,如此之小,所以估计的价格效应可能是不一致的。”
A.1
B.2
C.3
D.4