A.样本单位比较集中,进行调查对比较方便
B.样本单位的代表性较好
C.调查费用较高
D.要求各群体之间具有差异性,每一群体内部的元素具有相同性
A.样本单位比较集中,进行调查时比较方便
B.样本单位的代表性较好
C.调查费用较高
D.分群抽样要求各群体之间具有差异性,每一群体内部的元素具有相同性
A.样本选择与预处理->区域选择->特征获取->分类器分类
B.样本选择与预处理->特征获取->分类器分类->区域选择
C.区域选择->样本选择与预处理->分类器分类->特征获取
D.区域选择->样本选择与预处理->特征获取->分类分类
利用NYSE.RAW中的数据。
(i)估计教材方程(12.47)中的模型并求OLS残差平方。求u2t在整个样本中的平均值、最小值和最大值。
(ii)利用OLS残差平方估计如下的异方差性模型
报告估计系数、标准误、R²和调整R²。
(ii)将条件方差描述成滞后return-1的函数。方差在return_,取何值时最小?这个方差是多少?
(iii)为了预测动态方差,第(ii)部分的模型得到了负的方差估计值吗?
(v)第(ii)部分中的模型拟合效果比教材例12.9中的ARCH(1)模型更好还是更差?请解释。
(vi)在教材方程(12.51)的ARCH(1)回归中添加二阶滞后ut-22。这个滞后看起来重要吗?这个ARCH(2)模型比第(ii)部分中的模型拟合得更好吗?
利用BARIUM.RAW中的数据。
(i)用前119次观测(即不包含1988年的最后12个月观测),估计线性趋势模型。这个回归的标准误是什么?
(ii)同样用除了最后12个月以外的所有数据,估计chnimp的一个AR(1)模型。把这个回归的标准误与第(i)部分中的标准误相比较。哪一个模型提供了更好的样本内拟合?
(iii)用第(i)和第(ii)部分中的模型计算1988年12个月的提前一期预测误差。(每个方法都应该得到12个预测误差。)计算并比较这两种方法的RMSE和MAE。就样本外提前一期预测而言,哪种方法效果更好?
(iv)在第(i)部分的回归中添加月度虚拟变量。它们是联合显著的吗?(当我们检验联合显著性时,不必担心误差中轻度的序列相关。)
试估计拍摄过个人艺术照的女生比例,并给出估计的标准差。