回归模型双变量资料中,当x取某一定值时,只有唯一确定的y值与之相对应。()
回归模型双变量资料中,当x取某一定值时,只有唯一确定的y值与之相对应。()
回归模型双变量资料中,当x取某一定值时,只有唯一确定的y值与之相对应。()
∑ty=1943129,∑t=300,∑t2=4900,∑y=148785.6
试计算回归方程的系数和的值,并预测1999年1月至3月份储蓄存款额。
表6-12列示了某发展中国家汽车进口额Y与GDPX(实际值)之间的关系。可以看出,该国自1991年国内生产汽车以后,汽车的进口额开始下降。
(1)对①~④的回归模型进行OLS估算,并计算t值、决定系数R2和自由度调整后的决定系数。此处,将虚拟变量定义为:
①一元回归模型。
Y=α+βX+u
②利用常数项虚拟构建的多元回归模型。
Y=α+β1X+β2D+u
③利用系数虚拟构建的多元回归模型。
Y=α+β1X+β2DX+u
④利用系数虚拟与常数项虚拟构建的多元回归模型。
Y=α+β1X+β2DX+β3D+u
(2)利用①的一元回归模型,以1990年为分界点(前期:1985-1990年;后期:1991年-1995年),对结构变化进行F检验(Chow test)。
表6-12 汽车进口额与GDP的关系单位:100万美元
|
说明:1990年价格,实际值。
A.241.06
B.2410.6
C.253.08
D.2530.8
A.r值增加,b值增加
B.对r假设检验与对b的假设检验等价
C.r>0时,b>0
D.r<0时,b<0
E.r=0时,b=0
当影响应变量变化的因素有多个时,一元线性回归模型就可以准确地判断多个变量之间的关系。()
表A-2 回归分析结果表 | ||||||||
回归统计 | ||||||||
相关系数 判定系数 修正判定系数 标准误差 观测值 | 0.966669 0.934449 0.928987 2.368808 14 | |||||||
方差分析 | ||||||||
df | SS | MS | F | F统计量的 显著性水平 | ||||
回归分析 残差 总计 | 1 12 13 | 959.8837 67.33504 1027.219 | 959.8837 5.611253 | 171.064 | 1.84E-08 | |||
系数 | 标准误差 | t统计量值 | P值 | Lower 95% | Upper95% | 下限95.0% | 上限95.0% | |
截距 变量X | 1.261978 2.938587 | 1.378899 0.224677 | 0.915207 13.07915 | 0.378107 1.84E-08 | -1.74238 2.449057 | 4.26634 3.428116 | -1.74238 2.449057 | 4.26634 3.428116 |
要求:
在Bazemore星期五,478美国385(1986年)宗案卷中,一宗涉及北卡罗来纳服务分部工资歧视的案卷,原告为一群黑人工人,他们呈交的一个多元回归模型表明:黑人工人平均薪水低于白人工人薪水。当案卷到达地区法院时,法院却拒绝了原告的申诉,理由是在他们的回归中并没有包括影响工资的所有变量。然而高级法院却重新扭转了地区法院的判决,高级法院认为:
地区法院错误地认为,上诉者们的回归分析“作为歧视的证明是无法接受的”,因为它们并没有包括影响工资的所有变量。地区法院关于回归分析的判断显然是不正确的。尽管从模型中遗漏变量会使分析的检验能力比不遗漏变量要低一些,但很难说由于缺少一些次要因素,用于分析的主要因素就“一定不能作为歧视的证据”。未能包括所有变量会影响分析的检验能力,却不会影响作为证据的资格。
你认为高级法院的判决是正确的吗?详细地说明你的观点,注意设定误差的理论和实际后果。
A.两变量之间必须明确哪个是自变量,哪个是因变量
B.回归方程是据以利用自变量的给定值来估计和预测因变量的平均可能值
C.可能存在着y依x和x依y的两个回归方程
D.回归系数只有正号
E.确定回归方程时,尽管两个变量也都是随机的,但要求自变量是给定的