应用回归分析-第9章

应用回归分析-第9章Tag内容描述：<p>1、第9章 含定性变量的回归模型思考与练习参考答案9.1 一个学生使用含有季节定性自变量的回归模型，对春夏秋冬四个季节引入4个0-1型自变量，用SPSS软件计算的结果中总是自动删除了其中的一个自变量，他为此感到困惑不解。出现这种情况的原因是什么？答：假如这个含有季节定性自变量的回归模型为：其中含有k个定量变量，记为xi。对春夏秋冬四个季节引入4个0-1型自变量，记为Di，只取了6个。</p><p>2、第9章 含定性变量的回归模型思考与练习参考答案9.1 一个学生使用含有季节定性自变量的回归模型，对春夏秋冬四个季节引入4个0-1型自变量，用SPSS软件计算的结果中总是自动删除了其中的一个自变量，他为此感到困惑不解。出现这种情况的原因是什么？答：假如这个含有季节定性自变量的回归模型为：其中含有k个定量变量，记为xi。对春夏秋冬四个季节引入4个0-1型自变量，记为Di，只取了6个。</p><p>3、第9章 含定性变量的回归模型 思考与练习参考答案 9.1 一个学生使用含有季节定性自变量的回归模型，对春夏秋冬四个季节引入4个0-1型自变量，用SPSS软件计算的结果中总是自动删除了其中的一个自变量，他为此感到困惑不解。出现这种情况的原因是什么？ 答：假如这个含有季节定性自变量的回归模型为： 其中含有k个定量变量，记为xi。对春夏秋冬四个季节引入4个0-1型自变量，记为Di，只取了6个观测值，其中。</p><p>4、2.3由得2.4在的正态分布假定下，的最小二乘估计与最大似然估计等价，求对数似然函数的极大值等价于对求极小值，至此与最小二乘估计原理完全相同2.52.62.72.8（1）（2）2.92.102.11如果一个线性回归方程通过F检验，只能说明x与y之间的线性关系是显著的，不能说明数据拟合得很好，决定系数r2是一个回归直线与样本观测值拟合优度的相对指标。2.12如果自变量观测值都乘以2，回归参数的最小二乘估计不变，变为原来的；如果自变量观测值都加上2，回归参数的最小二乘估计，都扩大两倍；2.13不成立，相关系数与样本量n有关，当n较小时，相关系数的。</p><p>5、第6章 6.1 试举一个产生多重共线性的经济实例。 答： 例如有人建立某地区粮食产量回归模型，以粮食产量为因变量Y，化肥用量为X1，水浇地面积为X2，农业投入资金为X3。由于农业投入资金X3与化肥用量X1，水浇地面积X2有很强的相关性，所以回归方程效果会很差。再例如根据某行业企业数据资料拟合此行业的生产函数时，资本投入、劳动力投入、资金投入与能源供应都与企业的生产规模有关，往往出现高度相关情况，大。</p><p>6、7.6一家大型商业银行有多家分行，近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高。为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做定量分析，以便找出控制不良贷款的方法。表7-5是该银行所属25家分行2002年的有关业务数据。（1）计算y与其余4个变量的简单相关系数。由系数表可知，y与其余4个变量的简单相关系数分别为0.844,0.732,0.700，0.519。</p><p>7、3.11研究货运总量y（万吨）与工业总产值（亿元）、农业总产值（亿元）、居民非商品支出（亿元）的关系。数据如表3-9所示。编号12345678910货运总量y（万吨）160260210265240220275160275250工业总产值x1（亿元）70756574726878。</p><p>8、7 6一家大型商业银行有多家分行 近年来 该银行的贷款额平稳增长 但不良贷款额也有较大比例的提高 为弄清楚不良贷款形成的原因 希望利用银行业务的有关数据做定量分析 以便找出控制不良贷款的方法 表7 5是该银行所属2。</p><p>9、4.13某软件公司的月销额数据如表412所示，其中，x为总公司的月销售额（万元）；y为某分公司的月销额（万元）。 （1） 由普通最小二乘法建立y与x的回归方程。 Coefficientsa Model Unstandardized Coefficients Sta。</p><p>10、此文档收集于网络 仅供学习与交流 如有侵权请联系网站删除 3 11研究货运总量y 万吨 与工业总产值 亿元 农业总产值 亿元 居民非商品支出 亿元 的关系 数据如表3 9所示 编号 1 2 3 4 5 6 7 8 9 10 货运总量y 万吨 160 260 210 265 240 220 275 160 275 250 工业总产值x1 亿元 70 75 65 74 72 68 78 66 70 6。</p><p>11、第5章 自变量选择与逐步回归思考与练习参考答案5.1 自变量选择对回归参数的估计有何影响？答： 回归自变量的选择是建立回归模型得一个极为重要的问题。如果模型中丢掉了重要的自变量, 出现模型的设定偏误，这样模型容易出现异方差或自相关性 ，影响回归的效果；如果模型中增加了不必要的自变量, 或者数据质量很差的自变量, 不仅使得建模计算量增大, 自变量之间信息有重叠，而且得到的模型稳定性较差。</p><p>12、第6章 多重共线性的情形及其处理思考与练习参考答案6.1 试举一个产生多重共线性的经济实例。答： 例如有人建立某地区粮食产量回归模型，以粮食产量为因变量Y，化肥用量为X1，水浇地面积为X2，农业投入资金为X3。由于农业投入资金X3与化肥用量X1，水浇地面积X2有很强的相关性，所以回归方程效果会很差。再例如根据某行业企业数据资料拟合此行业的生产函数时，资本投入、劳动力投入、资金投入与能源。</p><p>13、第3章 多元线性回归思考与练习参考答案3.1 见教材P64-653.2 讨论样本容量n与自变量个数p的关系，它们对模型的参数估计有何影响？答：在多元线性回归模型中，样本容量n与自变量个数p的关系是：np。如果n<=p对模型的参数估计会带来很严重的影响。因为：1. 在多元线性回归模型中，有p+1个待估参数，所以样本容量的个数应该大于解释变量的个数，否则。</p><p>14、第7章 岭回归思考与练习参考答案7.1 岭回归估计是在什么情况下提出的？答：当自变量间存在复共线性时，XX0，回归系数估计的方差就很大， 估计值就很不稳定，为解决多重共线性，并使回归得到合理的结果，70年代提出了岭回归(Ridge Regression,简记为RR)。7.2岭回归的定义及统计思想是什么？答：岭回归法就是以引入偏误为代价减小参数估计量的方差的一种回归方。</p><p>15、2.1 一元线性回归模型有哪些基本假定？答：1. 解释变量 是非随机变量，观测值是常数。2. 等方差及不相关的假定条件为这个条件称为高斯-马尔柯夫(Gauss-Markov)条件，简称G-M条件。在此条件下，便可以得到关于回归系数的最小二乘估计及误差项方差估计的一些重要性质，如回归系数的最小二乘估计是回归系数的最小方差线性无偏估计等。3. 正态分布的假定条件为。</p>