商務(wù)與經(jīng)濟統(tǒng)計-第六版偶數(shù)題答案

34．a(chǎn)．666 b．271 c．對于給定的邊際誤差，為了增加置信水平，樣本容量必須增加。36．66640．a(chǎn)．56～ b．60.669～42．44．9546．6.055～13.945，假設(shè)兩個總體服從相同方差的正態(tài)分布，置信水平為90%。因為置信區(qū)間的兩個端點都是正的，這說明新機器裝袋重量的均值比舊機器更大。48．6685第10章2．:保證不改變利率。 :降低利率促進經(jīng)濟開展。4．a(chǎn)．歐洲人的角度：:轉(zhuǎn)基因食品是不平安的。 :轉(zhuǎn)基因食品是平安的。b．美國農(nóng)民的角度：:轉(zhuǎn)基因食品是平安的。 :轉(zhuǎn)基因食品是不平安的。6．a(chǎn)．如果，那么拒絕原假設(shè)。b．如果，那么拒絕原假設(shè)。c．如果，那么拒絕原假設(shè)。d．如果，那么拒絕原假設(shè)。8．樣本容量越小，臨界值與假設(shè)值相差越遠(yuǎn)。這是因為樣本容量減小，標(biāo)準(zhǔn)誤差就會增大?？傮w的方差越大，臨界值與假設(shè)值相差越遠(yuǎn)。這是因為總體方差的增大，標(biāo)準(zhǔn)誤差就會增大。12．:；:。如果，那么拒絕原假設(shè)。，因此，在10%的顯著性水平下，拒絕原假設(shè)。14．a(chǎn)．如果，因為2.00大于臨界值1.711，所以有足夠的證據(jù)拒絕原假設(shè)。b．如果，因為2.00大于臨界值1.711，所以有足夠的證據(jù)拒絕原假設(shè)。c．如果，因為1.711，所以有足夠的證據(jù)拒絕原假設(shè)。d．如果，因為1.711，所以有足夠的證據(jù)拒絕原假設(shè)。16．:；:；，p-值=0.0004，因此，當(dāng)顯著性水平小于0.04%時〔〕，拒絕原假設(shè)。18．:；:；，p-值=0.0008，因此當(dāng)顯著性水平小于0.08%時〔〕，拒絕原假設(shè)。20．:；:；，p-值=0.0004，因此一般的顯著性水平都會拒絕原假設(shè)。22．a(chǎn)．否，因為95%的置信區(qū)間覆蓋了兩側(cè)各2.5%的區(qū)域，這不同于的單側(cè)假設(shè)檢驗，因為單側(cè)假設(shè)檢驗覆蓋了5%的單側(cè)區(qū)域。b．是。24．:；:；如果，那么拒絕原假設(shè)。，因此，在5%的顯著性水平下，拒絕原假設(shè)。26．假設(shè)總體服從正態(tài)分布。:；:；如果，那么拒絕原假設(shè)。，因此，在5%的顯著性水平下，拒絕原假設(shè)。30．:；:；，p-值=0.0367，因此當(dāng)顯著性水平取任意大于3.67%的值時，拒絕原假設(shè)。32．:；:；，p-值=0.2076。因此當(dāng)顯著性水平取任意大于20.76%的值時，拒絕原假設(shè)H0。34．:；:，p-值=0.1977，因此，在大于19.77%的顯著性水平下拒絕原假設(shè)。36．:；:，p-值=0.0307，因此，在大于3.07%的顯著性水平下拒絕原假設(shè)。40．a(chǎn)．當(dāng)或時拒絕原假設(shè)。因為樣本均值為3.07%，比臨界值小，應(yīng)該拒絕原假設(shè)。b．，檢驗的效力=42．a(chǎn)．當(dāng)或時拒絕原假設(shè) b．檢驗的效力=44．a(chǎn)．當(dāng)或時拒絕原假設(shè)。因為樣本比例是0.5226，在臨界值的范圍內(nèi)，不能拒絕原假設(shè)。 b．46．a(chǎn)．b．。注意，樣本容量越大，均值的標(biāo)準(zhǔn)誤就越小。c． d．ⅰ．小于ⅱ．大于48．p-值說明得到一個樣本結(jié)果到假設(shè)值的距離至少與求得的值到假設(shè)值的距離相等的概率，并假設(shè)分布確實以原假設(shè)為中心。p-值越小，拒絕原假設(shè)的證據(jù)越有力。50．a(chǎn)．錯誤 b．正確 c．正確 d．錯誤 e．錯誤 f．正確 g．錯誤52．a(chǎn)． b．c．ⅰ．小于ⅱ．小于 d．?。∮冖ⅲ笥?4．:；:，p-值=0.6966，因此，在大于69.66%的顯著性水平下拒絕原假設(shè)。56．:；:，如果那么拒絕原假設(shè)。，因此，在5%的顯著性水平下拒絕原假設(shè)。58．本錢模型=總本錢，，，:；:利用檢驗統(tǒng)計量判斷標(biāo)準(zhǔn)：，得到一個-值為0.0228，因此在5%的顯著性水平下拒絕原假設(shè)。利用樣本統(tǒng)計量判斷標(biāo)準(zhǔn)：，，因為，因此在0.05的置信水平下拒絕原假設(shè)。60．假設(shè)成對差異總體服從正態(tài)分布，:；:；，因此，在10%的置信水平下因為所以拒絕原假設(shè)。62．:；:；所以拒絕原假設(shè)。拒絕原假設(shè)并接受均值重量明顯高于40的備擇假設(shè)〔效力=0.50〕的總體均值：〔效力=0.75〕的總體均值：〔效力=0.90〕的總體均值：〔效力=0.95〕的總體均值：單個樣本的t檢驗：三文魚重量效力總體均值單個樣本的t檢驗：三文魚重量效力總體均值效力曲線第11章2．a(chǎn)．，p-值=0.73，在的顯著性水平下不能拒絕原假設(shè)b．，p-值=0.164，在的顯著性水平下不能拒絕原假設(shè)c．，p-值=0.028 d．，p4．在所有一般的顯著性水平下都拒絕原假設(shè)。6．，p-值=0.3078，在大于30.78%的顯著性水平下拒絕原假設(shè)。8．在=10%的顯著性水平下不能拒絕原假設(shè)，因為。10．，p-值=0.0301，在大于3%的任何顯著性水平下都可以拒絕原假設(shè)。12．a(chǎn)．，p-值=0.004，在所有一般的顯著性水平下都可以拒絕原假設(shè)。b．，p-值=0.0869，在10%的顯著性水平下拒絕原假設(shè)，在5%的顯著性水平下不能拒絕原假設(shè)。c．，p-值=0.0102，在5%的顯著性水平下拒絕原假設(shè)，在1%的顯著性水平下不能拒絕原假設(shè)。d．，p-值=0.006，在所有一般的顯著性水平下都拒絕原假設(shè)。e．，p-值=0.1562，在任何一般的顯著性水平下都不能拒絕原假設(shè)。14．，在所有一般的顯著性水平下都拒絕原假設(shè)。16．，在5%的顯著性水平下拒絕原假設(shè)。18．，在5%的顯著性水平下不能拒絕原假設(shè)。20．a(chǎn)．，，，在2.5%的顯著性水平下拒絕原假設(shè)，在1%的顯著性水平下不能拒絕原假設(shè)。b．，，，在2.5%的顯著性水平下拒絕原假設(shè)，在1%的顯著性水平下不能拒絕原假設(shè)。c．，，，在5%的顯著性水平下拒絕原假設(shè)，在2.5%的顯著性水平下不能拒絕原假設(shè)。d．，，，在任何一般的顯著性水平下不能拒絕原假設(shè)。22．a(chǎn)．b．，在5%的顯著性水平下，如果，那么拒絕原假設(shè)。24．假設(shè)檢驗假設(shè)總體服從正態(tài)分布。在5%的顯著性水平下，如果，那么拒絕原假設(shè)。那么不能拒絕原假設(shè)。26．a(chǎn)．，在1%的顯著性水平下因為那么拒絕原假設(shè)。b．，在5%的顯著性水平下因為那么拒絕原假設(shè)。c．，在1%的顯著性水平下因為那么拒絕原假設(shè)。d．，在5%的顯著性水平下因為那么拒絕原假設(shè)。28．在5%的顯著性水平下，如果，那么拒絕原假設(shè)。30．，在10%的顯著性水平下，因為所以不能拒絕原假設(shè)。32．不是。拒絕正確原假設(shè)的概率是5%。34．a(chǎn)．假設(shè)總體服從正態(tài)分布。如果，那么拒絕原假設(shè)。因為，所以在5%的顯著性水平下不能拒絕原假設(shè)。b．假設(shè)總體服從正態(tài)分布。如果，那么拒絕原假設(shè)。因為，所以在5%的顯著性水平下拒絕原假設(shè)。36．假設(shè)總體方差相等，，在5%的顯著性水平下拒絕原假設(shè)，在1%的顯著性水平下不能拒絕原假設(shè)。38．假設(shè)總體方差相等，，在10%或任何一般的顯著性水平下都不能拒絕原假設(shè)。40．假設(shè)獨立隨機樣本的總體服從正態(tài)分布且方差相等。在5%的顯著性水平下，如果，那么拒絕原假設(shè)。42．，p107，在大于1.07%的任何顯著性水平下都拒絕原假設(shè)。44．a(chǎn)．如果，那么拒絕原假設(shè)。，因此在5%的顯著性水平下不能拒絕原假設(shè)。b．如果，那么拒絕原假設(shè)，，因此在5%的顯著性水平下不能拒絕原假設(shè)。46．如果，那么拒絕原假設(shè)，，因此在1%的顯著性水平下不能拒絕原假設(shè)。48．，p-值=0.0495，在大于4.95%的任何顯著性水平下都拒絕原假設(shè)。50．如果，那么拒絕原假設(shè)，，因此不能拒絕原假設(shè)。52．a(chǎn)．如果，那么拒絕原假設(shè)，，因此在3%的顯著性水平下不能拒絕原假設(shè)。b．如果，那么拒絕原假設(shè)，，因此在3%的顯著性水平下拒絕原假設(shè)。54．a(chǎn)．，p-值=0.044。以原始數(shù)據(jù)為根底，配對的-檢驗說明在0.05的顯著性水平下周銷售量存在顯著差異，品牌2的周銷售明顯大于品牌4。b．，p-值=0.081。當(dāng)最大的異常值從品牌2中剔除以后，這兩個品牌銷售量差異在5%的顯著性水平下變得更明顯。56．控制極限將是16.48和15.52。第12章2．a(chǎn)．，，，因此在5%的顯著性水平下拒絕原假設(shè)。在1%的顯著性水平下沒有充分的證據(jù)拒絕原假設(shè)。b．，，，因此在1%的顯著性水平下拒絕原假設(shè)。c．，，，因此在1%的顯著性水平下拒絕原假設(shè)。d．，，，因此在1%的顯著性水平下拒絕原假設(shè)。4．，，，因此在所有一般的顯著性水平下拒絕原假設(shè)。6．因為、，所以在5%的顯著性水平下拒絕原假設(shè)。8．a(chǎn)．學(xué)生對教師的評價等級與期望分?jǐn)?shù)的皮爾遜相關(guān)系數(shù)=0.722，pb．因為、，所以在10%的顯著性水平下拒絕原假設(shè)。10．a(chǎn)．的變化是增加30 b．的變化是減少40c． d．e．回歸結(jié)果不能證明的增加會導(dǎo)致的增加。理論將幫助我們得出因果關(guān)系的結(jié)論。12．a(chǎn)．Y的變化是增加80 b．Y的變化是減少60c．153 d．333e．回歸結(jié)果不能證明X的增加會導(dǎo)致Y的增加。理論將幫助我們得到因果關(guān)系的結(jié)論。14．總體的回歸方程包含回歸系數(shù)的真實值以及模型誤差的真實值。相反，估計的回歸模型包含回歸系數(shù)和殘值項的估計值?？傮w回歸方程是衡量真實值的一個模型，它是的函數(shù)；而樣本回歸方程是因變量預(yù)測值的一個估計，是的函數(shù)。16．常數(shù)代表估計模型的一個調(diào)整，不是價格為0時的銷售數(shù)量。18．a(chǎn)．，，b．，，c．，，d．，，e．，，20．a(chǎn)．，，b．標(biāo)準(zhǔn)普爾500指數(shù)的收益率增長1個單位，我們估計公司股票收益率將增加1.07%。c．當(dāng)標(biāo)準(zhǔn)普爾500指數(shù)的收益率為0時，我們估計公司股票收益率將是0.2336%。22．a(chǎn)．，，b．每頓飯平均本錢增加1個單位，我們估計銷售瓶數(shù)將增加0.5148%。c．是的。不管一頓飯的價格如何，估計能銷售2.8854瓶。24．a(chǎn)．b．0.0896%。對于11月13日之前1%的收益，我們估計在11月13日會損失0.0896%。26．a(chǎn)．，，，b．，，，c．，，，d．，，，e．，，，28．a(chǎn)．b．c．30．a(chǎn)．，根據(jù)練習(xí)7：，32．a(chǎn)．均值變化與缺勤率變化的回歸分析均值變化與缺勤率變化的回歸分析回歸方程是因病缺勤率變化均值變化=0.0449b． c．，因變量即雇員因病缺勤率均值變化的方差有64.8%可以由缺勤比率變化的方差來解釋。34．，因變量即年增長率的方差有1.21%可以由教學(xué)評估的方差來解釋。36．a(chǎn)．，，因此，在0.05的顯著性水平下拒絕原假設(shè)。b．，，因此，在0.05的顯著性水平下拒絕原假設(shè)。c．，，因此，在0.05的顯著性水平下拒絕原假設(shè)。38．a(chǎn)．，，40．a(chǎn)． b． c．d．，因為，所以在10%的顯著性水平下不能拒絕原假設(shè)。42．95%的預(yù)測區(qū)間：〔56.467，97.533〕 95%的置信區(qū)間：〔71.371，82.629〕44．95%的預(yù)測區(qū)間：〔150.331，165.669〕 95%的置信區(qū)間：〔155.351，160.649〕46．a(chǎn)．，在1%的置信水平下，因為，所以拒絕原假設(shè)。b．，90%的置信區(qū)間為：〔4.4798，11.1203〕48．a(chǎn)．，因為，所以在1%的置信水平下拒絕原假設(shè)。b．，因為，所以在20%的置信水平下不能拒絕原假設(shè)。50．，因為，所以在1%的置信水平下拒絕原假設(shè)。52．，因為，所以在1%的置信水平下拒絕原假設(shè)。54．，因為，所以在0.5%的置信水平下拒絕原假設(shè)。56．預(yù)計的實際值90%的置信區(qū)間為：〔11.5212～33.337〕預(yù)計的實際值90%的置信區(qū)間為：〔4.8197～16.9961〕這兩者的區(qū)別在于前者是期望值或均值的不確定性，而后者是某個特定值的不確定性，兩者都以一個相同的值為中心，但是與期望值或均值的不確定性相比，某個特定值的不確定性的區(qū)間更大，因為后者包含了期望值與單個特定值的差異。11〕95%置信水平下預(yù)計的期望值的置信區(qū)間為：〔0.1362～1.544〕60．這4個數(shù)據(jù)集用Minitab計算的回歸結(jié)果是一樣的，但是散點圖說明這些數(shù)據(jù)的分布模式是不同的，因此模型為：模型是一個擬合較好的線性模型。 模型是一個非線性模型。模型有一個最大的明顯的離群值。 模型僅有兩個獨立變量值。62．如果一個較小的值和另一個較小的值相關(guān)并且一個較大的值和另一個較大的值相關(guān)，那么兩個隨機變量是正相關(guān)的。a．總消費支出與可支配收入正相關(guān)b．商品或效勞的價格與銷售數(shù)量負(fù)相關(guān)c．花生醬的價格與手表的銷售量不相關(guān)64．，由于，所以在0.5%的顯著性水平下拒絕原假設(shè)。66．，由于，所以在1%的顯著性水平下拒絕原假設(shè)。68．關(guān)于的回歸模型，為了證明，設(shè)，那么70．a(chǎn)．通貨膨脹率改變1個單位，我們估計實際即期利率將改變0.7916個單位。b．，實際即期利率9.7%的變化可以由根據(jù)通貨膨脹率預(yù)計的實際即期利率的變化來解釋。c．，由于，所以在0.5%的顯著性水平下拒絕原假設(shè)。d．，因此在任何一般的顯著性水平都不能拒絕原假設(shè)。72．a(chǎn)．診斷性測驗成績增加一個單位，我們估計課程結(jié)束時學(xué)生的最終成績會增加0.2875分。b．學(xué)生最終成績11.58%的變化可以由診斷性測驗分?jǐn)?shù)的變化來解釋。c．兩種方法是：〔1〕總體回歸斜率系數(shù)的顯著性檢驗；〔2〕總體相關(guān)系數(shù)的顯著性檢驗?！?〕:；:，因此，在任何一般的顯著性水平都可以拒絕原假設(shè)?！?〕:；:，，因此在任何一般的顯著性水平都可以拒絕原假設(shè)。74．a(chǎn)．因變量變異的可以由自變量的變異來解釋。b．，由于，所以在5%的顯著性水平下拒絕原假設(shè)。76．如果使用肥料的數(shù)量在估計的回歸方程應(yīng)使用肥料的范圍內(nèi)，線性回歸模型仍然可以使用。當(dāng)在數(shù)值范圍之外進行推斷時回歸方程的預(yù)測就不再有效了。78．a(chǎn)．汽車平均重量作為自變量的圖說明汽車重量與碰撞死亡率存在較小的正相關(guān)關(guān)系。簡單回歸的。進口車百分比存在較小的負(fù)相關(guān)關(guān)系，。死亡率與輕卡車存在較強的正相關(guān)關(guān)系，簡單回歸的。汽車使用年限與死亡率存在較弱的負(fù)相關(guān)關(guān)系，簡單回歸的。所有的圖說明數(shù)據(jù)集的第49個觀測值0.55的碰撞死亡率是一個異常的離群值。對于給定的因變量水平這個值明顯偏高。b．回歸分析：碰撞死亡率與汽車平均重量回歸分析：碰撞死亡率與進口汽車百分比回歸分析：碰撞死亡率與汽車平均重量回歸分析：碰撞死亡率與進口汽車百分比回歸分析：碰撞死亡率與輕卡車回歸分析：碰撞死亡率與車的平均使用年限c．因變量按照簡單回歸的排列：變量等級輕卡車52.7%1汽車平均使用年限17.8%2進口車8.1%3汽車平均重量5.9%4碰撞死亡率與重量和輕卡車存在正相關(guān)關(guān)系。碰撞死亡率與進口車百分比以及平均使用年限存在負(fù)相關(guān)關(guān)系。輕卡車的線性關(guān)系最強，其次是平均使用年限和平均重量。80．a(chǎn)．散點圖說明市場價值與房子大小存在正相關(guān)關(guān)系。包含幾個離群值，這幾個房子的價值明顯高于以房子大小為根底的估計值。市場價值與稅收存在負(fù)相關(guān)關(guān)系，存在反常的情況即有幾個房子的市場價值最高但稅率最低。b．回歸分析：房子的市場價值與房子的大小回歸分析方程是：市場價值=回歸分析：房子的市場價值與房子的大小回歸分析方程是：市場價值=房子大小回歸分析：房子的市場價值與稅率回歸方程是：市場價值2208稅率房子的大小是比稅率更強的預(yù)測量。c．不管稅率降低與否都不會像房子的大小那樣對房子價值的評估產(chǎn)生較大的影響。82．a(chǎn)．住房投資與銀行貸款優(yōu)惠利率：回歸分析：住房投資與銀行優(yōu)惠貸款利率回歸分析：住房投資與銀行優(yōu)惠貸款利率住房投資與聯(lián)邦基金利率：回歸分析：住房投資與聯(lián)邦基金利率回歸分析：住房投資與聯(lián)邦基金利率第一個回歸分析模型提供了較好的預(yù)測，判定系數(shù)為26.0%，第二個判定系數(shù)為5.9%。b．斜率系數(shù)的95%的置信區(qū)間為：c．利率增加2個百分點：銀行貸款優(yōu)惠利率：聯(lián)邦基金利率：d．利率增加2個百分點，住宅投資變化95%的置信區(qū)間：假定每個利率增加2%。對于聯(lián)邦第13章2．a(chǎn)． b． c． d．4．a(chǎn)．增加8 b．增加8 c．增加246．a(chǎn)．，其他保持不變，飛機的最高速度增加1英里/小時，期望的設(shè)計耗時將增加0.661百萬或661千工時。b．，其他保持不變，飛機重量增加1噸，期望的設(shè)計耗時估計將增加0.065百萬或65千工時。c．，其他保持不變，與其他機型相同組成局部的百分比增加1，期望的設(shè)計耗時將減少0.018百萬或18千工時。8．a(chǎn)．，其他保持不變，周收入增加100元，牛奶的周消費量估計將增加0.052夸脫。，其他保持不變，家庭增加1口人，牛奶的周消費量估計將增加1.14夸脫。b．截距項是假定家庭周收入為0、家庭成員為0時估計的牛奶的周消費量。這似乎超出了所研究的數(shù)據(jù)集，不是有用的解釋。10．a(chǎn)．， b．，d．， d．，12．a(chǎn)．回歸方程是：銷售電量=其他保持不變，電價每增長1個單位，我們估計銷售電量將增加19895百萬瓦時。其他保持不變，每增加一個在家中用電取暖的居民消費者，我們估計銷售電量將增加2.35百萬瓦時。b．回歸方程是：銷售電量=增加一個居民消費者，估計銷售電量將增加2.2027百萬瓦時。這兩個模型解釋的有效性根本相同，因此，增加價格變量并不能顯著增加解釋的有效性。看起來對估計的系數(shù)產(chǎn)生影響的自變量之間具有較高的相關(guān)性?；貧w系數(shù)估計值在模型中依賴于其他預(yù)測量。c．回歸方程是：銷售電量=2312260其他保持不變，電價增加將較少銷售量165275百萬瓦時。其他保持不變，度日增加1個單位，銷售電量將增加56.06百萬瓦時。注意，價格變量的系數(shù)為負(fù)數(shù)，正如所預(yù)料的那樣，它明顯不同于0〔-值=0.000〕。其他保持不變，個人可支配收入增加1個單位，銷售電量將增加325.85百萬瓦時。其他保持不變，度日增加1個單位，銷售電量將增加58.36百萬瓦時。其他保持不變，汽車重量增加100磅，汽車馬力將增加1.54。其他保持不變，氣缸容積增加10立方英寸，汽車馬力將增加1.57。其他保持不變，汽車重量增加100磅，汽車馬力將增加1.63。其他保持不變，氣缸容積增加10立方英寸，汽車馬力將增加1.05。其他保持不變，氣缸數(shù)量增加1個，汽車馬力將增加2.57。注意，增加自變量氣缸數(shù)量并沒有增加模型解釋的有效性?！?值為0.074〕，估計的氣缸數(shù)量的回歸斜率系數(shù)根本等于0。這是因為氣缸容積和氣缸數(shù)量存在較強的相關(guān)性。c．回歸方程是：汽車馬力=93其他保持不變，汽車重量增加100磅，汽車馬力將增加0.203。其他保持不變，氣缸容積增加10立方英寸，汽車馬力將增加1.6475。其他保持不變，汽車增加1英里每加侖，汽車馬力將減少1.2392。注意，英里每加侖的系數(shù)為負(fù)數(shù)正如預(yù)料的那樣說明馬力與英里每加侖之間的抵消關(guān)系。容積變量明顯是正相關(guān)的，但是重量變量不再顯著。再一次，我們可能認(rèn)為自變量之間具有較高的相關(guān)性。d．回價格其他保持不變，汽車重量增加100磅，汽車馬力將增加0.032。其他保持不變，氣缸容積增加10立方英寸，汽車馬力將增加1.75。其他保持不變，汽車增加1英里每加侖，汽車馬力將減少1.32。其他保持不變，汽車價格增加100美元，汽車馬力將增加0.0138。e．從第1個模型到最后一個模型解釋的有效性略微增加。估計的價格系數(shù)根本為0。容積和英里每加侖與期望的一樣。重量的系數(shù)與期望的不一樣，但根本為0〔-值為0.953〕16．a(chǎn)．, b． c．,18．a(chǎn)．, b． c．,20．a(chǎn)．，因此，牛奶消費量54.41%的變化可以由周收入和家庭大小解釋。b． c．，這是牛奶消費量觀測值和預(yù)測值的樣本相關(guān)性。22．a(chǎn)．回歸方程是：〔利潤〕〔辦事處〕b．回歸方程是：〔收入〕〔辦事處〕c．回歸方程是：〔利潤〕〔收入〕d．回歸方程是：〔辦事處〕〔收入〕24．a(chǎn)．95%的置信水平下:0.4698～13.1302 95%的置信水平下:95%的置信水平下:2〔3.2〕；13.7344～b．對于:，，在5%的顯著性水平下拒絕原假設(shè)，但在1%的顯著性水平下不能拒絕。對于:，，在5%的顯著性水平下拒絕原假設(shè)，但在1%的顯著性水平下不能拒絕。對于:，，在5%的顯著性水平下拒絕原假設(shè)，但在1%的顯著性水平下不能拒絕。26．a(chǎn)．在95%的置信水平下:～ 在95%的置信水平下:0.788～在95%的置信水平下:1～b．對于:，，在5%和1%的顯著性水平下都能拒絕原假設(shè)。對于:，，在5%的顯著性水平下拒絕原假設(shè)，但在1%的顯著性水平下不能拒絕。對于:，，在5%的顯著性水平下拒絕原假設(shè)，但在1%的顯著性水平下不能拒絕。28．a(chǎn)．，，因此2.5%的顯著性水平下拒絕原假設(shè)，但在1%的顯著性水平下不能拒絕。b．在95%的置信水平下：0.5439～1.7361 在在30．a(chǎn)．，，因此，20%的顯著性水平下不能拒絕原假設(shè)。b．，，因此，1%的顯著性水平下拒絕原假設(shè)。32．a(chǎn)．其他保持不變，人均收入增加1美元，導(dǎo)致人均抽獎凈收入增加0.04美元。b．在95%的置信水平下c．，，因此，在10%的顯著性水平下拒絕原假設(shè)，但在5%的置信水平下不能拒絕原假設(shè)。34．a(chǎn)．在b．,，因此，在10%的顯著性水平下不能拒絕原假設(shè)。36．a(chǎn)．在99b．,，因此，在20%的顯著性水平下不能拒絕原假設(shè)。c．，，因此，在5%的顯著性水平下拒絕原假設(shè)，但在2%的置信水平下不能拒絕原假設(shè)。38．a(chǎn)．，，因此，在1%的顯著性水平下拒絕原假設(shè)。b．方差分析表：方差來源平方和自由度均方比率回歸量3誤差23435總和2640．a(chǎn)．，，因此，在1%的顯著性水平下拒絕原假設(shè)。b．方差分析表：方差來源平方和自由度均方比率回歸量2誤差27總和2942．a(chǎn)．，，因此，在1%的顯著性水平下拒絕原假設(shè)。44．a(chǎn)．，，因此，在1%的顯著性水平下拒絕原假設(shè)。46．a(chǎn)．b．因為，c．48．a(chǎn)．b．因為，所以c．50．磅52．百萬工時54．當(dāng)時計算的值1246810411.31373258.787890.5097126.4611513418514522156．當(dāng)時計算的值1246810411.31373258.787890.5097126.461119158．有許多種可能的答案?？梢杂枚畏蔷€性模型對各種關(guān)系進行近似，例如包含平均本錢和產(chǎn)量的供應(yīng)函數(shù)、生產(chǎn)函數(shù)、本錢函數(shù)等。60．a(chǎn)．其他保持不變，年消費量增加1%，度假旅游支出將增加1.1556%。其他保持不變，家庭人口增加1%，度假旅游支出將減少0.4408%。b．度假旅游支出變化的16.8%可以由總消費支出的對數(shù)和家庭成員數(shù)的對數(shù)來解釋。d．，因此在1%的顯著性水平下拒絕原假設(shè)。62．a(chǎn)．其他保持不變，牛肉價格增長1%，美國年牛肉消費量將減少0.529%。b．其他保持不變，豬肉價格增長1%，美國年牛肉消費量將增加0.217%。c．，，因此在1%的置信水平下拒絕原假設(shè)。d．，，因此在1%的置信水平下拒絕原假設(shè)。e．如果無視一個重要的自變量，有可能出現(xiàn)設(shè)定偏差。由誤設(shè)模型得出的回歸系數(shù)將會產(chǎn)生誤導(dǎo)。64．a(chǎn)．指數(shù)模型的系數(shù)可以通過對多元回歸模型兩端同時取對數(shù)進行估計，得到一個變量取對數(shù)的線性模型。帶入對系數(shù)的限制條件：，，，將代數(shù)式子化簡并估計系數(shù)。獲得，獲得。b．Y對于X4的彈性系數(shù)是對數(shù)模型中X4項的斜率系數(shù)。66．德國進口額回歸分析結(jié)果：，與德國進口額回歸分析結(jié)果：，與，=68．a(chǎn)．b．c．70．a(chǎn)．其他保持不變，如果住宅有壁爐，期望銷售價格將增加3219美元。b．其他保持不變，如果住宅使用木質(zhì)地板，期望銷售價格將增加2005美元。c．在美元d．，，因此在0.5%的顯著性水平下拒絕原假設(shè)。72．法律學(xué)校學(xué)生表現(xiàn)的變異性的35.6%可由本科生GPA成績、LSAT成績以及學(xué)生的推薦書是否非常強的變異性來解釋。整個模型是顯著的，因此我們可以拒絕模型解釋無效的原假設(shè)接受模型解釋顯著有效的備擇假設(shè)。明顯不為0的單個回歸系數(shù)包括LSAT成績以及學(xué)生的推薦書是否很強。學(xué)生畢業(yè)時的平均成績系數(shù)在5%的顯著性水平下是不顯著的。74．a(chǎn)．其他保持不變，邀請客座講師授課與不邀請相比課程的平均評價會提高6.21個單位。b．，，因此在5%的顯著性水平下拒絕原假設(shè)。c．課程評價變化的56.9%可由花費在小組討論上的時間百分比、用于準(zhǔn)備課程材料的錢、用于食品和飲料的錢以及是否邀請客座講講師授課的變化來解釋。，，76．模型是不顯著的〔檢驗的-值=0.229〕。模型用學(xué)習(xí)時間、準(zhǔn)備測驗的時間、用在酒吧的時間、學(xué)生在閱讀測驗時是否記筆記或做標(biāo)注、每學(xué)期平均所修學(xué)分僅能解釋平均分26.5%的變異性。略微顯著的自變量〔10%的顯著性水平而不是5%的顯著性水平〕包括用在酒吧的時間和每學(xué)期平均所修學(xué)分。其他自變量在一般的顯著性水平下都不顯著。學(xué)生表現(xiàn)的結(jié)果的回歸分析與學(xué)生表現(xiàn)的結(jié)果的回歸分析與、、、、78．a(chǎn)．自變量之間較大的相關(guān)性將導(dǎo)致估計的斜率系數(shù)的較大變化并容易得到一個較小的學(xué)生分布統(tǒng)計量。利用拇指原那么確定這種相關(guān)性是否比擬大。b．自變量之間不存在相關(guān)關(guān)系。對估計的斜率系數(shù)沒有影響。c．自變量之間較大的相關(guān)性將導(dǎo)致估計斜率系數(shù)的較大變化并容易得到一個較小的統(tǒng)計量。d．利用拇指原那么確定這種相關(guān)性是否比擬大。80．自變量和因變量之間的相關(guān)性未必是統(tǒng)計量較小的證據(jù)。自變量之間較大的相關(guān)性也會導(dǎo)致一個較小的統(tǒng)計量，因為這種相關(guān)性會產(chǎn)生較大的方差。82．Cotton的擴展的研究。86．回歸分析：_勞動力中女性的百分比，回歸分析：_勞動力中女性的百分比，_家庭個人收入的中位數(shù)，_女性平均受教育年數(shù)等回歸方程是：46_家庭個人收入的中位數(shù)_女性平均受教育年數(shù)88．回歸分析：_制造業(yè)增長的百分比，_農(nóng)業(yè)增長的百分比，回歸分析：_制造業(yè)增長的百分比，_農(nóng)業(yè)增長的百分比，_出口增長的百分比，_通貨膨脹率回歸方程是：y_制造業(yè)增長的百分比x1_農(nóng)業(yè)增長的百分比0.270x2_出口增長的百分比0.117x3_通貨膨脹率90．方差分析表說明因變量總的變異性〔〕是如何在回歸模型解釋的變異性〔〕和尚未被解釋的變異性之間進行分割的。判定系數(shù)〔〕由除以的比率推導(dǎo)出。方差分析表也計算出檢驗總回歸的顯著性的統(tǒng)計量—是否所有的斜率系數(shù)聯(lián)合起來為0。相關(guān)的-值也在這個表中給出。92．如果一個模型包含更多的解釋變量，而兩個模型的是相等的，但具有更多解釋變量的模型的會更高。因為等于，給定，所以。因此，具有更多解釋變量的判定系數(shù)會更高并且必須與解釋變量的回歸斜率系數(shù)是否明顯不等于0聯(lián)系在一起解釋。94．96．a(chǎn)．其他保持不變，增加一個問題將導(dǎo)致收到回復(fù)百分比降低1.834。其他保持不變，問題的長度〔單詞的數(shù)量〕每增加一個單詞，將導(dǎo)致收到回復(fù)百分比降低0.016。b．收到回復(fù)百分比變異性的63.7%可以由問題數(shù)量以及問題的單詞數(shù)來解釋。c．，，因此在1%的顯著性水平下拒絕原假設(shè)。d．3.5938～e．，，因此在5%的顯著性水平下拒絕原假設(shè)，但在2.5%的顯著性水平下不能拒絕原假設(shè)。98．回歸分析：_評價等級，回歸分析：_評價等級，_成績期望值的平均數(shù)，_學(xué)生數(shù)回歸方程：_評價等級=8_學(xué)生數(shù)100．a(chǎn)．其他保持不變，學(xué)生對考試成績期望值的增加將導(dǎo)致學(xué)生實際分?jǐn)?shù)增加0.469。76c．，，因此在5%的顯著性水平下拒絕原假設(shè)。d．考試分?jǐn)?shù)變化的68.6%可以由學(xué)生的期望成績、每周用于該門課學(xué)習(xí)的時間、學(xué)生的GPA線性解釋。e．，，在任何一般的顯著性水平下都可以拒絕原假設(shè)。f． g．c．，，因此在0.5%的顯著性水平下拒絕原假設(shè)。d．，，因此在0.5%的顯著性水平下拒絕原假設(shè)。e．上場時間數(shù)變異性的52.39%可以由這9個變量來解釋。f．研究的例子并檢驗?zāi)Ｐ偷娘@著性。106．相關(guān)系數(shù)矩陣說明幾個自變量似乎比擬顯著，但是自變量之間較高的相關(guān)性也是一個可能的結(jié)果。包含所有自變量的回歸模型是：回歸分析：薪水與年齡、經(jīng)驗等回歸方程是：薪水=23725回歸分析：薪水與年齡、經(jīng)驗等回歸方程是：薪水=2372540.3年齡+357經(jīng)驗+263當(dāng)副教授年數(shù)+493全職工作年數(shù)954性別_1女+3427市場+1188C8因為年齡是顯著的并且具有最小的統(tǒng)計量，可以將其從模型中剔除：將年齡從自變量中剔除，年齡的條件檢驗是：，該值小于任何一般的臨界值。因此，將年齡從模型中剔除。剩下的自變量在0.05的顯著性水平下都是顯著的，因此，剔除年齡后的方程是最終的回歸模型。確定模型是否是線性的殘差分析如下：經(jīng)驗的殘差圖說明經(jīng)驗和薪水之間存在較強的二次方程關(guān)系。因此，一個考慮二次方程關(guān)系的新的變量產(chǎn)生了，并將其添加到模型中。對于其他的，殘差圖沒有提供非線性的強有力的證據(jù)。經(jīng)驗的平方項添加到模型的自變量中。經(jīng)驗的平方項在統(tǒng)計上是顯著的，但是性別在0.05的顯著性水平下不再顯著，因此，將其從模型中剔除：回歸分析：薪水與年齡、經(jīng)驗等回歸方程是：薪水=18538+888經(jīng)驗回歸分析：薪水與年齡、經(jīng)驗等回歸方程是：薪水=18538+888經(jīng)驗16.3經(jīng)驗的平房+237當(dāng)副教授的年數(shù)+624全職工作年數(shù)+3982市場+1145C8這是最終的模型，所有的自變量有條件顯著，包括經(jīng)過二次轉(zhuǎn)換的自變量—經(jīng)驗。這說明經(jīng)驗和薪水之間存在非線性關(guān)系。108．a(chǎn)．相關(guān)系數(shù)矩陣說明碰撞死亡率與汽車重量、輕卡車的比例存在正相關(guān)關(guān)系，與進口車比例和汽車平均使用年限存在負(fù)相關(guān)關(guān)系。輕卡車比例是所有自變量中線性關(guān)系最強的，其次是汽車的平均使用年限。由于進口車和汽車重量之間的較強的相關(guān)性，自變量之間似乎存在較高的相關(guān)性。b．回歸分析：死亡率與汽車重量、進口車比例、輕卡車比例、汽車平均使用年限回歸分析：死亡率與汽車重量、進口車比例、輕卡車比例、汽車平均使用年限064汽車重量33輕卡車比例5汽車平均使用年限輕卡車是一個顯著的正相關(guān)變量。因為進口車具有較小的統(tǒng)計量，將其從模型中剔除。由于同樣的理由，將汽車重量也從模型中剔除，得到最后的模型：回歸分析：死亡率與輕卡車比例、汽車平均使用年限回歸分析：死亡率與輕卡車比例、汽車平均使用年限83輕卡車比例2汽車平均使用年限模型中的輕卡車比例和汽車平均使用年限是顯著的變量。注意，汽車平均使用年限是略微顯著〔-值為0.052〕的變量，因此也可以將其從模型中剔除。c．回歸分析模型說明輕卡車比例在所有模型中都是有條件顯著的，因此是模型的一個重要的預(yù)測量。當(dāng)模型中僅包含輕卡車比例時，汽車平均使用年限和進口汽車是略微顯著的預(yù)測量。110．a(chǎn)．相關(guān)系數(shù)矩陣說明在這個模型中自變量之間較高的相關(guān)性看起來不是一個問題，因為自變量之間的相關(guān)關(guān)系沒有一個是非常高的。應(yīng)用回歸分析模型的范圍是〔變量的均值±2個標(biāo)準(zhǔn)誤〕：房屋市場價值房屋面積財產(chǎn)稅率商業(yè)財產(chǎn)比例收入722727～3995城市政府總支出1488848±2×1265564=不是一個好的近似b．回歸分析模型：回歸分析：房屋市場價值與房屋大小、財產(chǎn)稅率等回歸方程：房屋市場價值=回歸分析：房屋市場價值與房屋大小、財產(chǎn)稅率等回歸方程：房屋市場價值=0.00058財產(chǎn)稅率001城市政府總支出財產(chǎn)所得稅率和收入都不是條件顯著的，依次去掉一個變量，先取掉稅收，然后去掉收入。回歸分析：房屋市場價值與房屋面積、商業(yè)房地產(chǎn)的百分比、城市政府的總支出回歸方程：房屋市場價值=回歸分析：房屋市場價值與房屋面積、商業(yè)房地產(chǎn)的百分比、城市政府的總支出回歸方程：房屋市場價值=001城市政府總支出這是最終的模型。所有自變量都是條件顯著的。房屋面積和城市政府總支出增加房屋的市場價值而商業(yè)財產(chǎn)百分比減少房屋的市場價值。c．在最終的回歸模型中，財產(chǎn)稅率變量不是條件顯著的，因此很難支持研究者的聲明。112．a(chǎn)．相關(guān)系數(shù)矩陣說明兩個利率都對住宅投資有顯著的積極影響。貨幣供應(yīng)、GDP和政府總支出也都與住宅投資具有顯著的線性關(guān)系。注意，兩個利率之間較高的相關(guān)性，正如預(yù)計的那樣，如果這兩個自變量包含在回歸模型中會產(chǎn)生顯著性問題。因此，這兩個利率將被分在兩個模型中?；貧w分析：FRH與FBPR、FM2、GDPH、GH回歸分析：FRH與FBPR、FM2、GDPH、GH這是最終的模型，以優(yōu)惠貸款利率作為利率變量，因為所有的自變量都是條件顯著的。注意，自變量之間存在顯著的多重共線性?；貧w分析：FRH與FBPR、FM2、GDPH、GH回歸分析：FRH與FBPR、FM2、GDPH、GH這個模型以聯(lián)邦基金利率作為利率變量，也是所有