![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
下面对数据样本方差解释不正确的是()。
A.方差描述了样本数据在平均值附近的波动程度
B.方差刻画了随机变量或一组数据离散程度
C.方差(样本方差)是每个样本数据与全体样本数据平均值之差的平方和的平均数
D.方差刻画了样本数据的大小
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
A.方差描述了样本数据在平均值附近的波动程度
B.方差刻画了随机变量或一组数据离散程度
C.方差(样本方差)是每个样本数据与全体样本数据平均值之差的平方和的平均数
D.方差刻画了样本数据的大小
下面哪种因素可能导致通常OLS的:统计量无效(即在H0下不服从:分布)?
(i)异方差性;
(ii)模型中两个自变量之间的样本相关系数达到0.95;
(iii)遗漏一个重要的解释变量。
下表列出了2005年54个国家或地区男子径赛纪录的数据(全部数据见数据文件)。
(1)求标准化变量的前两个主成分,并给出主成分及由这两个主成分解释的(标准化)样本总方差的累积百分比,并解释这两个主成分。
(2)把这54个国家或地区按它们在第一主成分的得分排序,这种排序与你最初对不同国家或地区的运动水平的看法是否一致?
(3)对标准化变量作因子分析,解释公共因子的含义。
(4)根据因子得分说明,哪些国家或地区的短跑项目具有优势,哪些国家或地区的长跑项目更具有优势。
A.总体的方差也为零
B.总体的均值为零
C.在这个样本中,10个数据是相等的数值
D.样本的均值等于样本的中位数
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?
设(x1,X2,…xn)及(u1,u2,…un)是两组样本值,它们有如下关系:
(1)求样本均值之间的关系;
(2)求样本方差之间的关系;
(3)根据(1)、(2)的结果,利用适当的线性变换求下列一组数据的均值和方差。
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?
A.样本越大,数据越难估计
B.需在不同的人群中,作两三次以上的大样本研究
C.对同一药物,一定会得出相同的研究结果
D.可发现潜伏期很长的药物不良反应
使用VOTE1.RAW中的数据。
(i)估计一个以voteA为因变量并以prystrA、deocA、log(expendA)和log(expendB)为自变量的模型。得到OLS残差,并将这些残差对所有的自变量进行回归。解释你为什么得到R2=0。
(ii)现在计算异方差性的布罗施-帕甘检验。使用F统计量的形式并报告P值。
(iii)同样利用F统计量形式计算异方差性的特殊怀特检验。现在异方差性的证据有多强?