在经典线性模型假定MLR.1~MLR.6下,考虑含有三个自变量的多元回归模型:
第1题
考虑含有三个自变量的多元回归模型,并满足假定MLR.1到MLR.4,你对估计x1和x2,的参数之和感兴趣;把这个和记为θ1=β1+β2.
第2题
假设决定y的总体模型是,而这个模型满足假定MLR.1~MLR.4。但我们估计了漏掉x3的模型。回归的OLS估计量。(给定样本中自变量的值)证明的期望值是
第3题
第4题
使用WAGE1.RAW中的数据。
(i)估计方程
保留残差并画出其直方图。
(ii)以log(wage)作为因变量重做第(i)部分。
(iii)你认为是水平值-水平值模型还是对数-水平值模型更接近于满足假定MLR.6?
第6题
A、E(ut)=0
B、var(ut)=σ2
C、cov(ut,us)=0
D、cov(xt,ut)=0
E、ut服从分布N(0,σ2)
第7题
(i)在前4个高斯-马尔科夫假定之下,考虑简单回归模型y=β0+β1x+u对某个函数g(x),比如g(x)=x2或g(x)=log(1+x2)。定义zi=g(xi)定义一个斜率估计量为
证明β1是线性无偏的。记住,在你的推导过程中,因为E(ulx)=0,所以你可以把x和z,都看成非随机的。
(ii)增加同方差假定MLR.5,证明
(iii)在高斯-马尔科夫假定下,直接证明是OLS估计量。
第8题
A.方差
B.百分点
C.百分等级
D.标准分数
第9题
散列表A[10]中,若采用线性探查方法解决冲突,则在该散列表上进行等概率成功搜索的平均搜索长度为()。
A、2.60
B、3.14
C、3.71
D、4.33
第10题
在简单线性回归模型证明:这个模型总可以改写为另一种形式:斜率与原来相同,但截距和误差有所不同,并且新的误差期望值为零。