选择Logistic回归中的One-Vs-AII方法中的哪个选项是真实的(n>2)?()
A.我们需要在n类分类问题中适合n个模型
B.我们需要适合n-1个模型来分类为n个类
C.我们需要只适合1个模型来分类为n个类
D.这些都没有
A.我们需要在n类分类问题中适合n个模型
B.我们需要适合n-1个模型来分类为n个类
C.我们需要只适合1个模型来分类为n个类
D.这些都没有
第1题
第2题
A.系数存在向下的偏差,可能为负
B.系数存在向下的偏差,但不能为负
C.系数存在向上的偏差
D.系数不会存在偏差
第3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4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5题
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_,取何值时最小?这个方差是多少?
(iii)为了预测动态方差,第(ii)部分的模型得到了负的方差估计值吗?
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差?请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗?这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗?
第7题
在某品牌分析示例中,因变量包括三个没有明显排序的选项,这时应当采用:
A 二元logistic回归
B 三元logistic回归
C 多项logistic回归
D 无序logistic回归
第9题
在二元logistic回归操作中,一般不会出现检验P值大于0.05的情况。此种说法:()
第10题
A.Transportation
B.Supply
C.Procurement
D.Safety
第11题
A.朴素贝叶斯(NaiveBayes,NB)
B.Logistic回归(LogisticRegression,LR)
C.支持向量机(SupportVectorMachine,SVM)
D.决策树(DecisionTree,DT)