在线性回归问题中,我们用“R方”来衡量拟合的好坏。在线性回归模型中增加特征值并再训练同一模型。下列哪一项是正确的?()
A.如果R方上升,则该变量是显著的
B.如果R方下降,则该变量不显著
C.单单R方不能反映变量重要性,不能就此得出正确结论
D.都不正确
A.如果R方上升,则该变量是显著的
B.如果R方下降,则该变量不显著
C.单单R方不能反映变量重要性,不能就此得出正确结论
D.都不正确
A.i≤r≤j
B.i
C.i≤r
D.i
A.α-β剪枝技术
B.A*算法
C.最小二乘法
D.线性回归
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
A.生存分析
B.卡方检验
C.多重线性回归
D.方差分析
使用SMOKE.RAW中的数据。
(i)变量cigs是平均每天抽烟的数量。样本中有多少人根本就不抽烟?有多大比例的人声称每天抽20支?你为什么认为抽20支香烟的人会有所堆积?
(ii)给定你对第(i)部分的回答,cigs看起来具有条件泊松分布吗?
(iii)用log(cigpric)、log(income)、white、educ、age和age2作为解释变量,估计cigs的一个泊松回归模型。估计的价格和收入弹性是多少?
(iv)利用极大似然标准误,价格和收入变量在5%的水平上统计显著吗?
(v)求方程(17.35)后面介绍的σ2估计值。σ是多少?你应该如何调整第(iv)部分中的标准误?
(vi)利用第(v)部分中调整后的标准误,价格和收入弹性现在统计显著异于零吗?请解释。
(vii)利用更稳健的标准误,教育和年龄变量显著吗?你如何解释educ的系数?
(viii)求泊松回归模型的拟合值yi。找出最大值和最小值,并讨论指数模型对瘾君子的预测表现。
(ix)利用第(viii)部分的拟合值,求yi和yi之相关系数的平方。
(x)使用第(iii)部分中的解释变量(及相同的函数形式),用OLS估计cigs的一个线性模型。线性模型和指数模型哪个拟合得更好?两者的R都很大吗?
在回归分析中,相关系数r=1表示()。
A.两个变量间负相关
B.两个变量间完全线性相关
C.两个变量间线性不相关
D.上述答案均不正确
A、修正的R^2﹤R^2
B、修正的R^2>=R^2
C、修正的R^2只能大于零
D、修正的R^2可能为负值