在例9.1中,我们narr86在的一个线性模型中增加二次项pcrv2、ptime86²和inc 862。
(i)利用CRIME L RAW中的数据, 在例17.3的泊松回归中同样增加这些项。
(ii)根据估计 。数据存在过度散布的证据吗?该如何调整泊松极大似然估计标准误?
(iii)利用第(i)部分和第(ii)部分的结论及教材表17.3,计算这三个平方项联合显著性的准似然比统计量。你得到什么结论?
其中xn,yn分别表示第a年时,兔子和狐狸的数量。而xn,yn分别表示基年(r=0)时,兔子和狐狸的数量,记
(1)写出该模型的矩阵形式;
(2)如果,求an;
(3)当n→时,可以得到什么结论?
作的时间之间是否存在替代关系。我们可以用它们中的任何一个作为因变量。为具体起见,估计模型
sleep=β0+β1totwrk+u
其中,sleep是每周用于晚上睡眠的分钟数,totwrk是这一周中用于工作的分钟数。
(Ⅰ)用方程的形式,连同观测的次数和R²报告你的结果。该方程中的截距表示什么?
(Ⅱ)若tot wrk增加2小时,则sleep估计要减少多少?你觉得这是一个很大的效应吗?