A. xi B. xi^（-2） C. 1/xi D. xi^(-1/2)
举一反三
- 7.对于模型Yi=b0+b1*Xi+ui，如果在异方差检验中发现var(ui)=Xi*方差^2，则用权最小二乘法估计模型参数时，权数应为（） A: Xi B: (Xi)^0.5 C: 1/Xi D: (Xi)^-0.5
- 线性回归模型的变通最小二乘估计的残差 ei 满足（ ）。 A: ei＝0 B: ei Yi＝0 C: ei Yi ＝0 D: ei Xi＝0 E: cov(Xi ,ei )=0
- 如果Glejser检验表明，普通最小二乘估计结果的残差[img=13x17]1803380255c8779.png[/img]与[img=15x17]180338025ec9fcb.png[/img]有显著的形式[img=156x25]180338026b62304.png[/img]的相关关系（[img=14x17]1803380274c47c3.png[/img]满足线性模型的全部经典假设），则用加权最小二乘法估计模型参数时，权数不应为 未知类型：{'options': ['', '', '', ''], 'type': 102}
- 设`\xi _1,\xi _2,\xi _3`是`Ax=0`的基础解系，则方程组的基础解系还可以表示成（ ） A: `\xi _1,\xi _2,\xi _3`的一个等价向量组 B: `\xi _1,\xi _2,\xi _3`的一个等秩向量组 C: `\xi _1-\xi _2,\xi _2-\xi _3,\xi _3-\xi _1` D: `\xi _1+\xi _2,\xi _2+\xi _3,\xi _3+\xi _1`
- 如果戈里瑟检验表明,普通最小二乘估计结果的残差[img=15x24]17e0bf3231dcca4.png[/img]与[img=16x24]17e0bf32466f266.png[/img]有显著的形式[img=125x24]17e0bf325dad8be.png[/img]的相关关系([img=15x24]17e0bf32746c117.png[/img] 满足线性模型的全部经典假设),则用加权最小二乘法估计模型参数时,权数应为( )。 未知类型：{'options': ['', ' [img=33x25]17e0bf32a0467f9.png[/img]', ' [img=32x25]17e0bf32b78090f.png[/img]', ' [img=44x28]17e0bf32cbe0f52.png[/img]'], 'type': 102}
内容
- 0
以下属于线性回归模型的是（） A: E（Y|Xi）β0+β1Xi B: E（Y|Xi）β0+根号下β1×Xi C: E（Y|Xi）β0+β1的平方×Xi D: Yi=β0+Xi/β1+ui
- 1
如果Glejser检验表明，普通最小二乘估计结果的残差[img=13x17]1803380255c8779.png[/img]与[img=15x17]180338025ec9fcb.png[/img]有显著的形式[img=156x25]180338026b62304.png[/img]的相关关系（[img=14x17]1803380274c47c3.png[/img]满足线性模型的全部经典假设），则用加权最小二乘法估计模型参数时，权数不应为 A: [img=15x17]180338027d82a20.png[/img] B: [img=18x48]1803380286a8186.png[/img] C: [img=15x46]180338028ef99e7.png[/img] D: [img=31x49]18033802977de38.png[/img]
- 2
假设回归模型Yi=β0+β1Xi+μi，其中Xi为随机变量，Xi与μi相关，则β的普通最小二乘估计量（）。 A: 无偏且一致 B: 无偏但不一致 C: 有偏但一致 D: 有偏且不一致
- 3
普通最小二乘准则是（） A: 随机误差项ui的平方和最小 B: Yi与它的期望值 的离差平方和最小 C: Xi与它的均值 的离差平方和最小 D: 残差ei的平方和最小
- 4
Di是二值变量,X是连续变量,模型Yi=β0+β1Di+β2Xi+β3(Di×Xi)+ui中的未知参数估计方法是:() A: 普通最小二乘估计（OLS） B: 非线性最小二乘估计 C: 固定效应回归 D: Probit估计