下列哪种模型不适合处理时间序列数据（)

A.横截面数据

B.时间序列数据

C.面板数据

D.混合截面数据

A.类别数据

B.顺序型数据

C.数值型数据

D.时间序列数据

A.实体关系图

B.状态转换图

C.数据流图

D.处理规格说明图

A.Storm

B.MapReduce

C.Yarn

D.Spark

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。)

A.修改正确的运行径路后下达计划

B.通知电务部门处理

C.通知车站删除该进路序列，重新下达正确计划

D.通知车站转为非常站控进行办理

A.复杂网络风险传导模型

B.独有数据模型

C.风险量化预测模型

D.时间序列风险预测模型

A.主观决策法

B.计量决策法

C.时间序列决策法

D.计量模型决策法

A.三和法

B.回归分析法

C.平均法

D.最小二乘法

在教材例11.6中，我们估计了一个一阶差分形式的有限分布滞后模型：

利用FERTIL3.RAW中的数据来检验误差中是否存在AR(1)序列相关。