一元线性回归方程的显著性假设检验中,其检验统计量F服从的分布是() 。
A.F(1,n)
B.F(1n-1)
C.F(1,n-2)
D.F(n-2,1)
A.F(1,n)
B.F(1n-1)
C.F(1,n-2)
D.F(n-2,1)
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
随机抽取了10个家庭,调查了他们的家庭月收入x (单位:百元)和月支出y(单位:百元),记录于下表:
来: (1)在且用坐标系下作x与y的散点图,判断y与x是否存在线性关系。
(2)求y与x的一元线性回归方程.
(3)对所得的回归方程作显著性检验. (a=0.025)
A.残差平方和、区组平方和
B.回归平方和、残差平方和
C.残差平方和、组间平方和、区组平方和
D.回归平方和、系统误差平方和、残差平方和
A.检验两个变量间是否存在线性相关关系的问题便是对回归方程的显著性检验问题
B.建立回归方程的目的是表达两个具有线性相关的变量间的定量关系,因此只有当两个变量间具有线性关系,即回归是显著的,这时建立的回归方程才是有意义的
C.求两个变量间相关系数,对于给定的显著水平α,当相关系数r的绝对值大于临界值r1-α/2(n-2)时,便认为两个变量间存在线性相关关系,所求得的回归是显著的,即回归方程是有意义的
D.为了推广到多元线性回归场合,另一种检验方法是方差分析的方法
E.当SR、SE、fA、fE已知,对于给定的显著性水平α,当F<F1-α(fR,fE)时,认为回归方程显著,即是有意义的
某职工医院用光电比色计检验尿汞时,得尿汞含量(mg/L)与消光系数读数的结果如下:
试求:
(1)Y关于x的回归方程y=β0+β1x;
(2)误差方差σ2的估计;
(3)用F检验法检验线性回归方程是否是显著的(α=0.05);
(4)求β1的置信水平为95%的置信区间;
(5)求出x0=12时,y0的置信水平为95%的预测区间。
表中为某企业近年来的总成本和产量的数据:
(1)用已知数据估计以下总成本函数的参数:
(2)检验参数的显著性;
(3)检验整个回归方程的显著性;
(4)计算总成本对产量的非线性相关指数;
(5)评价此回归分析存在什么不足。
利用PNTSPRD.RAW中的数据。
(i)变量favwin是一个二值变量,在拉斯维加斯所押的球队胜出了预定的分数差时取值1。估计所押球队获胜概率的线性概率模型为
如果分数差包括了所有相关的信息,那我们预期β0=0.5。请解释。
(ii)用OLS估计第(i)部分的模型。相对于双侧备择假设检验H0:β0=0.5。同时使用通常的标准误和异方差一稳健的标准误。
(iii)spread在统计上显著吗?当spread=10时,被押球队获胜的估计概率是多少?
(iv)现在对P(favwin=Ilspread)估计一个概率单位模型。解释和检验截距项为0的虚拟假设。[提示:注意Φ(0)=0.5。]
(v)利用概率单位模型估计当spread=10时被押球队获胜的概率。并与第(iii)部分的LPM估计值相比较。
(vi)在概率单位模型中增加变量fuvhome、fav25和und25,并用似然比检验来检验这些变量的联合显著性。(x2分布中的自由度是多少?)解释这个结果,注意分数差是否包括了赛前可观测到的全部信息这个问题。