A.方差衡量的是变量的观测值如何围绕其平均值分布
B.协方差用于表示两个变量之间的相互作用
C.相关系数可以用来度量两个变量之间的相关程序
D.相关系数等于0,说明两个证券之间没有相关性
E.协方差越大,两个证券之间的相关性越大
bwght=119.77-0.514cigs
(i)当cigs=0时,预计婴儿的出生体重为多少?当cigs=20(每天一包)时呢?评价其差别。
(ii)这个简单回归能够得到婴儿出生体重和母亲抽烟习惯之间的因果关系吗?请解释。
(iii)要预测出生体重125盎司,cigs应该为多少?
(iv)样本中在怀孕期间不抽烟的妇女比例约为0.85。这有助于解释第(iii)部分中的结论吗?
A.α=0.05时,y与x之间显著相关
B.α=0.05时,y与x之间显著不相关
C.在相关系数和测定次数确定时,相关性与显著性水平α的取值有关
D.α=0.01时,y与x之间显著不相关
令d表示一个(二值)虚拟变量,并令:表示一个定量变量。考虑模型
这是含有一个虚拟变量和一个定量变量之交互作用的一般性模型[方程(7.17)中有一个例子]。
(i)由于没有重大变化,所以取误差为u=0。于是,当d=0时,我们可以把y和z之间的关系写成函数f0(z)=β0+β1z.当d=1时,同样写出y和z之间的关系,其中左边应该使用f(z),以表示Z的线性函数。
其中所有系数和标准误都保留到小数点后三位。利用这个方程,求出使得男女log(wage)的预测值相等的totcoll值。
(iv)基于第(iii)部分中的方程,女人能现实地获得足够多的大学教育而赶上男人的工资吗?请解释。
设有线性规划问题及
这里λ,μ均为大于0的实数,说明这两个问题的最优解的关系。当λ<0或μ<0时,这两者关系如何?
A.一元线性回归预测是回归预测的基础,预测对象只受一个主要因素影响
B.判定一个线性回归方程的拟合程度的优劣称为模型的显著性检验,通常用的检验法是相关系数检验法
C.相关系数等于回归平方和在总平方和中所占的比率,即回归方程所能解释的因变量变异性的百分比,是一元回归模型中用来衡量两个变量之间相关程度的判定指标
D.如果相关系数r=0,表示所有的观测值全部落在回归直线上;如果r=1,则表示自变量与因变量无线性关系