对回归模型Yi=β0β1χi+μi进行检验时,通常假定μi服从()。A.N(0,σ12)B.t(n-2)C.N(0,σ2)D.t(n)
对回归模型Yi=β0β1χi+μi进行检验时,通常假定μi服从()。
A.N(0,σ12)
B.t(n-2)
C.N(0,σ2)
D.t(n)
对回归模型Yi=β0β1χi+μi进行检验时,通常假定μi服从()。
A.N(0,σ12)
B.t(n-2)
C.N(0,σ2)
D.t(n)
对于一元线性回归模型Yi=β0+β1Xi+μi(i=1,2,…,n),在其基本假设条件成立的情况下,利用最小二乘法和最大似然法进行估计,()。
A.β0和β1的估计量一样
B.β0和β1的估计量不一样
C.β1的估计量一样,β0的估计量不一样
D.β1的估计量不一样,β0的估计量一样
(1)如果真实的模型是Yi=β1Xi+μi,但你却拟合了一个带截距项的模型Yi=α0+α1Xi+νi,试评述这一设定误差的后果。
(2)在(1)中,假设真实的模型是带截距项的模型,而你却对过原点的模型进行了普通最小二乘回归。请评述这一模型误设的后果。
在满足基本假设条件下,对一元线性回归模型Yi=β0+β1Xi+μi,i=1,2,…,n,Yi服从()。
A.正态分布且均值为β0+β1Xi
B.F分布且均值为β0+β1Xi
C.t分布且均值为β0+β1Xi
D.正态分布且均值为0
对一元线性回归模型Yi=β0+β1Xi+μi,如果已知Var(μi)=σ2,则可对原模型以权1/σi相乘后变换成如下的二元模型:。对该模型进行OLS估计就是加权最小二乘法。试证明该模型的随机干扰项是同方差的,并求出β1的上述加权最小二乘估计量。
对一元回归模型Yi=β0+β1Xi+μi。
(1)假如其他基本假设全部满足,但Var(μi)=σi2≠σ2,试证明估计的斜率项仍是无偏的,但方差变为。
(2)如果Var(μi)=σ2Ki,试证明上述方差的表达式为。该表达式与同方差假定下的方差之间有何关系?分Ki大于1与小于1两种情况讨论。
(i)令β0,和β1为yi对xi进行回归的截距和斜率(有n次观测);c1和c2为常数且对c2xi,进行回归的截距和斜率。证明从而验证了2.4节中关于度量单位的命题。
(ii)现在令得自(c1+yi))对(c2+xi)的回归(对c1和c2不加任何限制)。
证明:。
(iii)令回归的OLS估计值,其中我们必须假定对所有i,都有yi>0。对c1>0,
(iv)现在假定对所有i,都有x>0。令回归的截距和斜率。回归的截距和斜率相比如何?
一元线性回归模型,Yi=β0+β1Xi+μi(i=1,…,n)中,总体方差未知,检验H0:β1=0时,所用的检验统计量服从()。
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!