题目内容
（请给出正确答案）
[单选题]
在一个有截距项的回归模型估计结果中，已知总的离差平方和SST=49，归直线所能解释的离差平方和SSE=35，那么可知残差平方和SSR等于（)。
A.10
B.12
C.18
D.14
答案
查看答案
重要提示：请勿将账号共享给其他人使用，违者账号将被封禁！
查看《购买须知》>>>
请输入或粘贴题目内容
搜题
拍照、语音搜题，请扫码进入小程序
题目内容
（请给出正确答案）
A.10
B.12
C.18
D.14
答案
更多“在一个有截距项的回归模型估计结果中，已知总的离差平方和SST=49，归直线所能解释的离差平方和SSE=35，那么可知残差平方和SSR等于()。”相关的问题
第1题
本题利用401KSUBS.RAW中的数据。
(i) 计算样本中nettfa的平均值、标准差、最小值和最大值。
(ii) 检验假设平均nettfa不会因为401(k) 资格状况而有所不同， 使用双侧对立假设。估计差异的美元数量是多少？
(iii)根据计算机习题C7.9的第(ii)部分，e401k在一个简单回归模型中显然不是外生的，起码它随着收入和年龄而变化。以收入、年龄和e40lk作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在，估计401(k)资格的美元效应是多少？
(iv) 在第(iii) 部分估计的模型中， 增加交互项e401k·(age-41) 和e401k·(age-41)2 。注意样本中的平均年龄约为41岁，所以在新模型中，e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著？
(v)比较第(iii)和(iv)部分的估计值，401(k)资格在41岁处的估计效应差别大吗？请解释。
(vi) 现在， 从模型中去掉交互项， 但定义5个家庭规模虚拟变量：fsize l， j size2，f size 3， f size 4和f size 5。对有5个或5个以上成员的家庭， fsize 5等于1。在第(iii) 部分估计的模型中， 增加家庭规模虚拟变量， 记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗？
(vii) 现在， 针对模型
在容许截距不同的情况下， 做5个家庭规模类别的邹至庄检验。约束残差平方和SSR， 从第(vi) 部分得到，因为那里回归假定了相同斜率。无约束残差平方和SSRUR=SSR1+SSR2 +…+SSR5 ， 其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白，无约束模型中有30个参数(5个截距和25个斜率)，而约束模型中有10个参数(5个截距和5个斜率)。因此，带检验的约束个数是q=20，而且无约束模型的df为9275-30=9245。
第2题
利用MEAP00 O1中的数据回答本题。
(i)使用OLS估计模型
并用通常的格式报告你的结论。在5%的显著性水平上，每个解释变量都是统计显著的吗？
(ii)求出第(i) 部分中回归的拟合值。拟合值的取值范围是多少？它与math4的实际数据取值范围相比如何？
(iii)求出第(i)部分中回归的残差。哪类学校具有最大的(正)残差？对这个残差给予解释。
(iv)在方程中增加所有解释变量的平方项，检验它们的联合显著性。你会把它们放到模型中吗？
(v)回到第(i)部分中的模型，将因变量和每个解释变量都除以各自的样本标准差，并重新进行回归。(除非你还将每个变量分别减去了各自的均值，否则还应该包括一个截距项。)以标准差为单位，哪个解释变量对数学考试通过率具有最大的影响？
第3题
利用DISCRIM.RAW中的数据回答本题。(也可参见第3章计算机练习C8。)
(i)利用OLS估计模型
以常用形式报告结果。在5%的显著性水平上，相对一个双侧备择假设，β统计显著异于零吗？在1%的显著性水平上呢？
(ii)log(income)和prppov的相关系数是多少？每个变量都是统计显著的吗？报告双侧P值。
(iii)在第(i)部分的回归中增加变量log(hseval)。解释其系数并报告
的双侧p值。
(iv)在第(ii)部分的回归中，log(income)和prppov的个别统计显著性有何变化？这些变量联合显著吗？(计算一个p值。)你如何解释你的答案？
(v)给定前面的回归结果，在确定一个地区的种族构成是否影响当地快餐价格时，你会报告哪一个结果才最为可靠？
第4题
在模型(9.17)中，证明：如果ai与xi不相关，bi与xi和
也不相关，这是一个比式(9.19)更弱的假定，那么，普通最小二乘法就能一致地估计α和β。[提示：把方程写成式(9.18)的形式并根据第5章的分析可知， 截距和斜率的OLS估计值一致的充分条件是E(ui)=0和Cov(xi，ui)=0.
第5题
本题利用SLEEP75.RAW中的数据。我们要分析的方程为：
(i)分别针对男性和女性单独估计这个方程，并按照通常形式报告结论。这两个估计方程有什么明显差异吗？
(ii)对男性和女性睡眠方程中的参数是否相等计算邹至庄检验。使用增加male和交互项male totwrk，.male的检验形式，并使用全部观测。该检验相关的df等于多少？在5%的显著性水平上，你应该拒绝这个虚拟假设吗？
(iii)现在，容许男性与女性存在不同截距，判定所有涉及male的交互项是不是联合显著的？
(iV)给定第(ii)部分和第(iii)部分中的结论，你最后将使用什么样的模型？
第6题
用到SMOKE.RAW中的数据。
(i)估计抽烟影响年收入(可能通过因病损失的工作日或生产力效应)的一个模型是
其中，cigs表示平均每天抽烟的数量。你如何解释民？
(ii)为了反映香烟消费可能与收入同时决定，一个香烟需求方程是
其中，cigpric表示每包香烟的价格(美分)，而restaurn表示一个二值变量，并在这个人所定居的州有餐馆抽烟限制时等于1。假定这些变量对个人而言都是外生的，那么你预期y5和y6具有什么样的符号？
(iii)在什么样的条件下第(i)部分的收入方程可识别？
(iv)用OLS估计收入方程并讨论p，的估计值。
(v)估计cigs的约简型。(记住这就要求将cigs对所有外生变量回归。)log(cigprc)和restaurn在约简型中显著吗？
(vi)现在用2SLS估计收入方程。讨论的估计值与OLS估计值的比较。
(vii)你认为香烟价格和餐馆抽烟限制在收入方程中是外生的吗？
第7题
(i)用虚拟变量dem wins来代替式(10.23)中的dem vote，并用通常的格式报告结果。哪些因素影响获胜概率？请用截至1992年的数据。
(ii)有多少个拟合值小于0？有多少个拟合值大于1？
(iii)采用下面的预测规则：如果den wins＞0.5， 你就可以预测民主党会获胜：否则， 共和党将获胜。那么，在这20次选举中，这个模型有多少次正确地预测了实际结果？
(iv)代入1996年的解释变量值。预测克林顿赢得这次选举的可能性有多大。事实上，克林顿获胜了，你的预测结果是否与事实相符？
(v)对误差中的AR(1)序列相关，做异方差-稳健1检验。你有何发现？
(vi)求出第(i)部分中估计值的异方差-稳健标准误。t统计量有什么明显的变化吗？
第8题
对(许多美国工人可用的)401(k)养老金计划的出现是否提高了净储蓄，吸引了大量研究兴趣。数据集401KSUBS.RAW包含了有关净金融资产(nettfa)、家庭收入(ic)、是否有资格参与401(k)计划的二值变量(e401k)和其他几个变量的信息。
(i)样本中有资格参与一个401(k)计划的家庭比例是多少？
(ii)估计一个用收入、年龄和性别解释401(k)资格的线性概率模型。包括收入和年龄的二次项，并以通常形式报告结论。
(iii)你认为401(k)资格独立于收入和年龄吗？性别呢？请解释。
(iv)求第(ii)部分中估计的线性概率模型的拟合值。有小于0或大于1的拟合值吗？
(v)利用第(iv)部分中的拟合值e401k1，定义e401k1在e401k≥0.5时取值1，并在2e401k＜0.5时取值0。在9275个家庭中，预计有多少家庭有资格参与401(k)计划？
(vi)对于没有资格参加401(k)的5638个家庭，利用预测值e401k1，预测其中有多大比例没有401(k)？对于有资格参加401(k)的3637个家庭，其中有多大比例的家庭有401(k)？(如果你的计量经济软件具有“制表”命令更好。)
(vii)总正确预测比约为64.9%。给定第(vi)部分的答案，你认为这是模型好坏的一个完备描述吗？
(viii)在线性概率模型中增加一个解释变量pira。其他条件不变，若一个家庭有某人拥有个人退休金账户，一个家庭有资格参与401(k)计划的估计概率会提高多少？在10%的显著性水平上，它统计显著异于0吗？
第9题
为因变量。
(i)将log(avgprc)对四个工作日虚拟变量(星期五作为基准)进行回归，其中包含一个线性时间趋势。有价格在一周之内系统变化的证据吗？
(ii)现在，增加变量wave2和wave3，它们度量了过去几天的浪高。这些变量个别显著吗？描述一种机制，使得海面越是风大浪急，鱼价就越高。
(iii)在回归中增加了wave2和wave3后，时间趋势有何变化？接下来会发生什么？
(iv)解释为什么回归中所有的解释变量都被安全地假定为严格外生的。
(v)检验误差中的AR(1)序列相关。
(vi)利用4阶滞后求尼威-韦斯特标准误。wave2和wave3的r统计量如何？与通常OLS的统计量相比，你预计它会变大还是变小？
(vii)现在，求第(ii)部分中估计模型的普莱斯-温斯顿估计值。wave2和wave3是联合显著的吗？
第10题
(i)估计工业生产百分比变化(以年变化率来报告) pc ip， 的一个AR(3) 模型。证明二阶和三阶滞后在2.5%的显著性水平上是联合显著的。
(ii)在第(i) 部分估计的方程中增加pcspr的一阶滞后。它是统计显著的吗？就工业生产的增长与股票价格的变化之间的格兰杰因果关系而言，这个结果告诉了你什么？
(iii)重做第(ii)部分，并得到一个异方差-稳健的!统计量。这个稳健检验改变了你在第(ii)部分得到的结论吗？
