《第三章(多元线性回归模型)3》由会员分享，可在线阅读，更多相关《第三章(多元线性回归模型)3（6页珍藏版）》请在金锄头文库上搜索。
1、A、 FESS kRSS( n k 1)ESSRSSD、 F1竺TSS3、在多元回归中，调整后的可决系数A、R2R2R2R29R与可决系数B、R2 R2D R2与R2的关系不能确定2R的关系为3.3多元线性回归模型的检验一、判断题1在线性回归模型中，为解释变量或者被解释变量重新选取单位（比如，元变换成千元），会影响t统计量和 R2的数值。（F ）2、 在多元线性回归中，t检验和F检验缺一不可。（T ）3、 回归方程总体线性显著性检验的原假设是模型中所有的回归参数同时为零。（F ）4、 多元线性回归中，可决系数R2是评价模型拟合优度好坏的最佳标准。（F ）二、单项选择1在模型Y 0 iX2X2t
2、 3X3t t的回归分析结果中，有 F 462.58，F的p值 0.000000，则表明（C）A、解释变量 X2t对Y的影响不显著B、解释变量X1t对Y的影响显著C、模型所描述的变量之间的线性关系总体上显著D、解释变量X2t和X1t对Y的影响显著2、设k为回归模型中的实解释变量的个数，n为样本容量。则对回归模型进行总体显著性检验（F检验）时构造的F统计量为ESS (k 1)RSS (n k)4、根据调整的可决系数R2与F统计量的关系可知，当R21时，有(C )A、 F=0B、F= 1C、F+8D、F = - OO5、下面哪一表述是正确的(D )A、线性回归模型Y01Xii的零均值假设是指1 n
3、一in i 10B、对模型Y01X1i2X2ii进行方程显著性检验（即F检验），检验的零假设是H :12 0C、相关系数较大意味着两个变量存在较强的因果关系D、当随机误差项的方差估计量等于零时，说明被解释变量与解释变量之间为函数关系5、对于Y?乂们?x2i 彳xki e，如果原模型满足线性模型的基本假设则在零假设j 0下，统计量？jjs（?j）（其中s（?）是j的标准误差）服从（B ）A、t(n k) B 、t(n k 1) C 、F(k 1,n k) D 、F(k,n k 1)服从（C ）6、在由n 30的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重可决系数为0.8500，则
4、调整后的多重可决系数为（ D ）A 8603B、0.8389C、0.8655D、0.83277、可决系数於=0.8，说明回归直线能解释被解释变量总变差的：（A）A80%B、64%C、20%D、89%线性回归模型ytb0b1 x1tb2X2t-bN w中，检验Ho.:bt0(i0,1,2，k)时，所用的统计量A.t (n-k+1)B.t (n-k-2)C.t (n-k-1)D.t (n-k+2)三、多项选择题1、 对模型满足所有假定条件的模型y 0.X.i 2x2i匚进行总体显著性检验，如果检验结果总体线性关系显著，则很可能出现（BCD）A、12 0 B、10, 20C、10,20 D、10,
5、20E、 1 0, 2 02、设k为回归模型中的参数个数（包含截距项）则总体线性回归模型进行显著性检验时所用的F统计量可以表示为Y? Y； 2/ n ke2/ k 1(BC)Y? Yi 2/ k 1e2 / n k1 R2 / n kR2/ k 1R2/ k 11 R2 / n kR2/ n k1 R2 / k 13、在多元回归分析中,调整的可决系数R2与可决系数R2之间(AD)A、R2R2B、R2R2c、R2只可能大于零DR2可能为负值E、R2不可能为负值四、简答题1. 在多元线性回归分析中，为什么用修正的可决系数衡量估计模型对样本观测值的拟合优度？答：因为人们发现随着模型中解释变量的增多，
6、多重可决系数R2的值往往会变大，从而增加了模型的解释功能。这样就使得人们认为要使模型拟合得好，就必须增加解释变量。但是,在样本容量一定的情况下，增加解释变量必定使得待估参数的个数增加，从而损失自由度， 而实际中如果引入的解释变量并非必要的话可能会产生很多问题，比如，降低预测精确度、 引起多重共线性等等。为此用修正的可决系数来估计模型对样本观测值的拟合优度。2修正的可决系数 R 2及其作用。答: R2 1e2 /n k (% y)2/n（1 ）用自由度调整后，可以消除拟合优度评价中解释变量多少对可决系数计算的影响；（2）对于包含解释变量个数不同的模型，可以用调整后的可决系数直接比较它们的拟合优度
7、的高低，但不能用原来未调整的可决系数来比较。五、计算题1、考虑以下方程（括号内为标准差）：W?8.562 0.364R 0.004%2.560Ut(0.080)(0.072)(0.658)n 19R2 0.873其中:t年的每位雇员的工资P -t年的物价水平Utt年的失业率要求:（1）进行变量显著性检验；（2）对本模型的正确性进行讨论，R 1是否应从方程中删除？为什么？解：（1）在给定5%显著性水平的情况下，进行t检验。R参数的t值：03644.550.0800.0560.072R 1参数的t值：Ut参数的t值:2.5603.890.658在5他著性水平下，自由度为19-3-1=15的t分布的
8、临界值为t0.025（15）2.131 ,R、Ut的参数显著不为 0，但不能拒绝 R 1的参数为0的假设。（2）回归式表明影响工资水平的主要原因是当期的物价水平、失业率，前期的物价水平对他的影响不是很大，当期的物价水平与工资水平呈正向变动、失业率与工资水平呈相 反变动，符合经济理论，模型正确。可以将R1从模型删除2、下表给出一二元模型的回归结果。方差来源平方和（SS）自由度（d.f.）来自回归（ESS）65965一来自残差（RSS）一一总离差（TSS）6604214求：（1）样本容量是多少？RSS是多少？ ESS和RSS的自由度各是多少？2 2（2）R 和 R ？（3） 检验假设：解释变量总体
9、上对丫无影响。你用什么假设检验？为什么？（4） 根据以上信息，你能确定解释变量各自对丫的贡献吗？解：（1）样本容量为n=14.+1=15RSS=TSS-ESS=66042-65965=77ESS的自由度为：d.f.= 2RSS的自由度为：d.f.=n-2-1=12（2）R=ESS/TSS=65965/66042=0.998822R =1-（1- R ）（n-1）/（ n-k-1）=1-0.0012*14/12=0.9986（3） 应该采用方程显著性检验，即F检验，理由是只有这样才能判断X、X2 一起是否对Y有影响。（4） 不能。因为通过上述信息，仅可初步判断X、X2联合起来对Y有线性影响，两者的 变化解释了 Y变化的99.8%。但由于无法知道 X, X2前参数的具体估计值，因此还无法 判断它们各自对Y的影响有多大。
