一元线性回归中,反应X对Y影响的显著性大小的参数是()。
A.判定系数
B.相关系数
C.斜率的检验统计量
D.斜率的大小
A.判定系数
B.相关系数
C.斜率的检验统计量
D.斜率的大小
(i)加州的安全带法规在何年何月生效?高速公路上的限速何时提高到每小时65英里。
(ii)将变量log(1otacc)对一个线性时间趋势和11个月度虚拟变量(1月作为基期)进行回归。解释时间趋势变量的系数估计值。你认为交通事故总数中存在季节性吗?
(iii)在第(ii)部分的回归中添加变量wkends,unem,spdlaw和belilw。讨论失业变量系数。你认为它的符号和大小合理吗?
(iv)在第(iii)部分的回归中,解释spdlw和beltlaw的系数。估计的影响如你所料吗?请解释。
(v)变量prefar是至少导致1人死亡的交通事故百分数。注意这个变量是一个百分数,而不是比例。在此期间prefar的平均值是多少?其大小看来正确吗?
(vi)用prcfat而非log(totacc)作为因变量重做第(ii)部分的回归。讨论最高限速和安全带法规变量的估计效应和显著性。
本题需要使用ELEM 94-95中的数据, 也可参见计算机习题C 4.10。
(i) 利用所有数据, 将lavg sal对bs, lenrol, Istaff和lunch进行回归。报告bs的系数及其常用标准误和异方差-稳健标准误。你对的经济显著性和统计显著性得到什么结论?
(ii)现在去掉四个bs>0.5的观测,即平均福利(假设)占平均薪水50%以上的观测。bs的系数又是多少?利用异方差-稳健标准误来判断,它在统计上显著吗?
(iii)验证bs>0.5的四个观测分别为68、1127、1508和1670。为它们各定义一个虚拟变量。(你可以称它们为d68、d1127、d 1508和d 1670.) 把它们添加到第(i) 部分的回归中, 验证其他变量的OLS系数及其标准
误与第(ii)部分中的结果相同。在5%的显著性水平上,这四个虚拟变量中哪个变量的t统计量在统计上显著不等于0?
(iv)在这个数据集中,验证第(iii)部分回归中具有最大学生化残差(该虚拟变量的t统计量最大)的数据点对OLS估计值具有很大的影响。(即利用除去具有最大学生化残差的数据点之外的所有观测进行OLS回归。)依次去掉bs>0.5的每个观测都具有重要影响吗?
(v) 即便在大样本中, 就OLS对单个观测的敏感性而言, 你有何结论?
(vi) 在第(iji) 部分, 验证LAD估计量对包含这些观测不是很敏感。
A.时间序列分析法
B.因果关系分析法
C.趋势分析法
D.一元线性回归法
测得6名糖尿病患者的血糖Y,胰岛素X1,及生长素X2的值如表8—24所示。
建立Y关于X的同归方程,并对回归方程作显著性检验;
A.增加152件
B.减小152件
C.增加63件
D.减小63件
单位:万元)。
试利用以上数据:
(1)拟合简单线性回归方程,并对回归系数的经济意义作出解释;
(2)计算决定系数和回归估计的标准误差::
(3)对β2进行显著水平为5%的显著性检验:
(4)假定明年1月销售收入为800万元,利用拟合的回归方程预测相应的销售成本,并给出置信度为95%的预测区间。
(i) 估计一个将respond与resplast和avggift联系起来的线性概率模型。以通常的形式报告结果, 并解释变量resplast的系数。
(ii)过去捐助的平均水平看来会影响做出捐助响应的概率吗?
(iii) 在模型中增加变量propres p并解释其系数。(这里须注意, propresp增加1是最大可能变化。)
(iv) 在回归中增加propres p以后, resp last的系数有何变化?这讲得过去吗?
(v) 在模型中增加每年寄出邮件的数量mail year。它的估计影响有多大?为什么它不是邮件数量对响应的因果关系的一个较好的估计?
但比其报告回归中的观测更加有用)。
(i)分别求男女相貌在一般水平之上的比例。相貌在一般水平之上和之下的人哪个更多?
(ii)检验假设:男女相貌在一般水平之上的总体比例相同。报告女人比例更高的单侧P值。(提示:估计一个简单的线性概率模型最容易。)
(iii)现在针对男女分别估计模型
并以通常方式报告结果。在两种情形中解释belavg的系数。用语言解释假设H0:β1=0相对H1:β1<0的含义,并分别求出P值。
(iv)有一般相貌之上的女人比相貌一般的女人工资更高的充分证据吗?请解释。
(v) 对男人和女人都增加解释变量educ, exper,experz,union,goodhlth,black,married, south,bigcity,smllcity和service。“相貌”变量的影响有重要变化吗?