题目内容
（请给出正确答案）
A.Var1和Var2具有很高的相关性
B.Var1和Var2存在多重共线性，模型可以去掉其中一个特征
C.Var3和Var1相关系数为1.23是不可能的
D.以上答案都不正确
如果结果不匹配，请 联系老师 获取答案
更多“建立线性模型时，我们看变量之间的相关性。在寻找相关矩阵中的相…”相关的问题
下列关于回归模型的说法，正确的是（）。
A．一元线性回归模型是用于分析一个自变量X与一个因变量Y之间线性关系的数学方程
B．判定系数r2表明指标变量之间的依存程度，r2越大，表明依存度越大
C．在一元线性回归分析中，b的t检验和模型整体的F检验二者取其一即可
D．在多元回归分析中，b的t检验和模型整体的F检验是不等价的
下列关于回归模型的说法，正确的是（）。
A．一元线性圆归模型是用于分析一个自变量X与一个因变量Y之间线性关系的数学方程
B．判定系数r2表明指标变量之间的依存程度，r2越大，表明依存度越大
C．在一元线性回归分析中，b的t检验和模型整体的F检验二者取其一即可
D．在多元回归分析中，b的t检验和模型整体的F检验是不等价的
A.反映变量之间的数量变动关系
B.通过给定自变量数值来估计因变量的可能值
C.确定两个变量间的相关程度
D.用两个变量相互推算
E.用给定的因变量数值推算自变量的可能值
利用数据集401KSUBS.RAW。
(i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，age²和male。求通常的OLS标准误和异方差-稳健的标准误。它们有重要差别吗？
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
本题利用TRAFFIC 2.RAW中的数据。前面的计算机习题C 10.11曾要求你分析这些数据。
(i)计算变量prc fat的一阶自相关系数。你认为prc fat包含单位根吗？失业率也一样吗？
(ii)估计一个将prc fal的一阶差分Aprcfat与计算机习题C10.11第(vi) 部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量：不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)计算机习题C10.11第(vi)部分中的回归。]
A.尽量使用实数优化，减少整数约束和整数变量
B.尽量使用光滑优化，减少非光滑约束的个数
C.尽量使用非线性模型，减少线性约束和线性变量的个数
D.模型中使用的参数数量级要适当
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。)
