使用PNTSPRD.RAW中的数据。
(i)变量sprdcvr是一个二值变量,若在大学篮球比赛中实际分数差距超过拉斯维加斯让分,则此变量取值1。sprdcvr的期望值(比方说u)表示在一场随机抽取的比赛中分差超过让分的概率。在10%的显著性水平上相对于H1:μ≠0.5检验H0:μ=0.5,并讨论你的结果。(提示:将sprdcvr只对一个截距项进行回归便得到一个r统计量,利用这个统计量很容易完成。)
(ii)553个样本中有多少场比赛是在中立场地进行的?
(iii)估计线性概率模型
并以通常的形式报告结论。(报告通常的标准误和异方差-稳健的标准误。)哪个变量在实际上和统计上都是最显著的?
(iv)解释为什么在原假设下,模型中不存在异方差性。
(v)利用通常的F统计量检验第(iv)部分的原假设,你得到了什么结论?
(vi)给定上述分析,你会不会认为,利用赛前可利用的信息,有可能系统地预测拉斯维加斯让分能否实现?
在教材例12.8中,我们发现方程(12.47)的ut中有异方差性存在的证据。因此,我们就来计算异方差-稳健标准误(在[]中给出)和通常的标准误:
使用异方差-稳健:统计量对returnt-1的显著性有何影响?
设X1,…,X6是来自(0,θ)内均匀分布的样本,θ>0未知。
(1)写出样本的联合密度函数;
(2)指出下列样本函数中哪些是统计量,哪些不是?为什么?
(3)设样本的一组观察值是:0.5,1,0.7,0.6,1,1,写出样本均值、样本方差和标准差。
A.配对设计t检验中t值的分子是两样本均数之和
B.配对设计t检验中t值的分子是差值之和
C.配对设计t检验中t值的分母是差值的标准差
D.配对设计t检验中t值的分母是差值均数的标准误