第1题
A.t检验用于检验相关系数的显著性
B.t检验用于检验回归方程的显著性
C.F统计量显著时,表明回归方程中所有回归系数均不为0
D.F统计量显著时,表明回归方程中至少一个回归系数不为0
E.在一元线性回归分析中,两种检验是等价的
第2题
A.回归系数显著性检验的t检验与回归方程显著性的F检验等价
B.回归方程显著性的F检验与相关系数显著性的t检验等价
C.回归系数显著性检验的t检验,与相关系数显著性的t检验等价这三种检验都是等价的
第4题
A.卡方检验
B.方差分析
C.生存分析
D.T检验
E.线性回归
第5题
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。)
第6题
(i)对于如下简单回归模型:
(ii)现在检验模型。利用同样88个住房数据估计这个模型的R²是0.829。
(iv)如果price的方差随着assess,sqrft,lotsize或bdrms而变化,你对第(iii)部分的F检验有什么看法?
第8题
在以下市场态势预测方法中,最为严谨的是:
A 一元线性回归
B 二元线性回归
C 多元线性回归
D 逐步多元回归
第9题
利用MURDER.RAW中的数据。
(i)利用1990年和1993年的数据,用混合OLS估计方程
并以常用形式报告结论。不必担心通常的OLS标准误因a,的出现而不适当。你估计出了死刑的威慑效应吗?
(ii)计算FD估计值(只使用1990~1993年的差分;在FD回归中,你应该有51个观测)。现在,你对威慑效应有何结论?
(iii)在第(ii)部分的FD回归中,求残差的布罗施-帕甘回归,并计算异方差性的F检验。同样做怀特检验的特殊情形[即将对回归,其中拟合值得自第(ii)部分]。你对FD方程中的异方差性有何结论?
(iv)做第(ii)部分中的同样回归,但求异方差-稳健的t统计量。结果如何?
(v)你认为Aexec;的哪个统计量更值得信赖,是通常的:统计量还是异方差-稳健的!统计量?为什么?
第10题
A.结束回归分析,将选定的回归方程用于预报等
B.进行残差分析,以确认数据与模型拟合得是否很好,看能否进一步改进模型
C.进行响应曲面设计,选择使产量达到最大的温度及反应时间
D.进行因子试验设计,看是否还有其它变量也对产量有影响,扩大因子选择的范围
第11题
A.结束回归分析,将选定的回归方程用于预报等
B.进行残差分析,以确认数据与模型拟合得是否很好,看能否进一步改进模型
C.进行响应曲面设计,选择使产量达到最大的温度及反应时间
D.进行因子试验设计,看是否还有其他变量也对产量有影响,扩大因子选择的范围