應(yīng)用回歸分析簡答題及

應(yīng)用回歸分析簡答題及應(yīng)用回歸分析簡答題及應(yīng)用回歸分析簡答題及應(yīng)用回歸分析簡答題及答案為什么要對(duì)回歸模型進(jìn)行查驗(yàn)？答：當(dāng)模型的未知參數(shù)估計(jì)出來后，就初步成立了一個(gè)回歸模型。成立回歸模型的目的是應(yīng)用他來研究經(jīng)濟(jì)問題，但若是馬上就用這個(gè)模型去做展望、控制和分析，顯然是不夠慎重的。由于這個(gè)模型可否真實(shí)揭露了被講解變量與講解變量之間的關(guān)系，必定經(jīng)過對(duì)模型的查驗(yàn)才能決定。談?wù)摌颖救萘縩與自變量個(gè)數(shù)p的關(guān)系,他們對(duì)模型的參數(shù)估計(jì)有何影響?答：在多元線性回歸模型中，樣本容量n與自變量個(gè)數(shù)p的關(guān)系是：n>p。若是n<=p對(duì)模型的參數(shù)估計(jì)會(huì)帶來嚴(yán)重的影響。由于：（1）在多元線性回歸模型中，有p+1個(gè)待估參數(shù)B，所以樣本容量的個(gè)數(shù)應(yīng)該大于講解變量的個(gè)數(shù)，否則參數(shù)無法估計(jì)。（2）講解變量X是確定性變量，要求rank(X)=p+1<n，表示設(shè)計(jì)矩陣X中的自變量列之間不有關(guān)，樣本容量的個(gè)數(shù)應(yīng)該大于講解變量的個(gè)數(shù)，X是一個(gè)秩矩。怎樣正確理解回方程著性拒Ho,接受答：（1）一般情況下，當(dāng)Ho：B1=0被接受，表明y的取向不隨x的按性關(guān)系化，種情況的原因可能是量y與x之的有關(guān)關(guān)系不著，也可能然量y與x之的有關(guān)關(guān)系著，但種有關(guān)關(guān)系不是性的而是非性的。2）當(dāng)Ho：B1=0被拒，沒有其他信息，只能因量y自量x是有效的，但并沒有明回的有效程度，不能夠斷言y與x之就必定是性有關(guān)關(guān)系，而不是曲關(guān)系或其他的關(guān)系。一個(gè)回方程的復(fù)有關(guān)系數(shù)R=，本決定系數(shù)R^2=,我能判斷個(gè)回方程就很理想？答：1.在本容量少，兩個(gè)數(shù)大，決定系數(shù)的簡單湊近1，而此可能F或許對(duì)于回系數(shù)的t，所成立的回方程都沒能通。本決定系數(shù)和復(fù)有關(guān)系數(shù)湊近1只能明Y與自量X1，X2，?，Xp整體上的性關(guān)系成立，而不能夠判斷回方程和每個(gè)自量都是著的，需行F查驗(yàn)和t查驗(yàn)。在應(yīng)用過程中發(fā)現(xiàn)，在樣本量必定的情況下，若是在模型中增加講解變量必定使得自由度減少，使得R^2增大，所以增加講解變量個(gè)數(shù)惹起的R^2的增大與擬合利害沒關(guān)。數(shù)據(jù)中心化和標(biāo)準(zhǔn)化在回歸分析中的意義是什么？答：原始數(shù)據(jù)由于自變量的單位不同樣樣，會(huì)給分析帶來必定的困難；又由于波及的數(shù)據(jù)量較大，可能會(huì)以為舍入誤差而使得計(jì)算結(jié)果其實(shí)不理想。中心化和標(biāo)準(zhǔn)化回歸系數(shù)有利于除去由于量綱不同樣樣、數(shù)量級(jí)不同樣樣帶來的影響，防范不用要的誤差。試舉例說明產(chǎn)生異方差的原因。答：由于實(shí)詰責(zé)題是千絲萬縷的，所以在成立實(shí)質(zhì)問題的回歸模型時(shí)，經(jīng)常會(huì)出現(xiàn)某一些因素或一些因素隨著講解變量觀察值的變化而對(duì)被講解變量產(chǎn)生不同的影響，致使隨機(jī)誤差項(xiàng)產(chǎn)生不同樣樣方差。惹起異方差的原因好多，擔(dān)當(dāng)樣本數(shù)據(jù)為截面數(shù)據(jù)時(shí)簡單出現(xiàn)異方差。比方：煙具城鎮(zhèn)居民收入與購置量的關(guān)系：Yi=Bo+B1Xi+Ei，i=1,2，···，n其中：Yi表示第i戶的開支額，Xi表示第i戶的收入量由于低收入的家庭購置差別性比較小，多數(shù)購置生活必要品，但高收入的家庭購置行為差別很大，所以隨即項(xiàng)Ei擁有不同樣樣的方差。異方差性帶來的結(jié)果是什么？答：（1）參數(shù)估計(jì)量非有效；（2）變量的顯然性查驗(yàn)失去意義；（3）模型的展望無效。簡述用加權(quán)最小二乘法除去線性回歸中異方差性的思想與方法。答：思想：加權(quán)最小二乘法是對(duì)原模型加權(quán)，使之變成一個(gè)新的不存在異方差性的模型，今后采用一般最小二乘法估計(jì)其參數(shù)。在異方差的條件下，平方和中的每一項(xiàng)的地位不同樣樣，誤差項(xiàng)方差大的項(xiàng)，在平方和中作用大，回歸線被拉向方差大的項(xiàng)。加權(quán)最小二乘法是在平方和中加入一個(gè)適合的權(quán)數(shù)Wi，以調(diào)整各項(xiàng)在平方和中的作用。方法：加權(quán)最小二乘法、BOX-COX變換法、方差牢固性變換法。試舉一可能產(chǎn)生隨機(jī)誤差項(xiàng)序列有關(guān)的例子。答：比方，居民開支函數(shù)的模型：Ct=Bo+B1Yt+Et,t=1,2,```,n由于居民收入抵開支影響有滯后性，而且今年開支水平受上年開支水平影響，則可能出現(xiàn)序列有關(guān)性。其他由于開支習(xí)慣的影響被包含在隨機(jī)誤差項(xiàng)中，則可能出現(xiàn)序列有關(guān)性（經(jīng)常是正有關(guān)）。序列有關(guān)性帶來的嚴(yán)重結(jié)果是什么？答：（1）參數(shù)估計(jì)量非有效；（2）變量的顯然性查驗(yàn)失去意義；（3）模型的展望無效。說明惹起異樣值的原因和除去異樣值的方法。答：原因：數(shù)據(jù)登記誤差，存在抄錄或錄入的錯(cuò)誤；數(shù)據(jù)測量誤差；數(shù)據(jù)隨機(jī)誤差；缺少重要自變量；缺少觀察數(shù)據(jù)；存在異方差；模型采用錯(cuò)誤，線性模型不適用。方法：1.從頭核實(shí)數(shù)據(jù)；從頭測量數(shù)據(jù)；刪除或從頭官策異樣值數(shù)據(jù)；增加必要的自變量；增加觀察數(shù)據(jù)，適合擴(kuò)大自變量取值范圍；采用加權(quán)線性回歸；改用非線性回歸模型。、在運(yùn)用漸漸回歸法時(shí)，α進(jìn)和α出的賦值原則是什么？說明原因。答：原則是要求引入自變量的顯然水平α進(jìn)小于剔除自變量的顯然性水平α出，否則可能出現(xiàn)死循環(huán)；試述漸漸回歸的思想方法。答：漸漸回歸的基本思想是有進(jìn)有出。詳細(xì)做法是將變量一個(gè)一個(gè)的引入，當(dāng)每引入一個(gè)自變量后，對(duì)已選入的變量要進(jìn)行逐個(gè)查驗(yàn)，當(dāng)原引入變量由于后邊變量的應(yīng)納入而變得不再顯然時(shí)，要將其剔除。引入一個(gè)變量或從回歸防方程中剔除一個(gè)變量，為漸漸回歸的一步，每一步都要進(jìn)行F查驗(yàn)，以保證每次引入新的變量從前回歸方程中只包含顯然的變量。這個(gè)過程屢次進(jìn)行，直到無顯然變量引入回歸方程，也無不顯然變量從回歸方程中剔除為止。這樣就防范了前進(jìn)法和退后法各自的弊端，保證了最后獲取的回歸子集是最優(yōu)回歸子集。多重共線性對(duì)回歸參數(shù)的估計(jì)有何影響？答：1、圓滿共線性下參數(shù)估計(jì)量不存在；2、近似共線性下OLS估計(jì)量非有效；3、參數(shù)估計(jì)量經(jīng)濟(jì)含義不合理；4、變量的顯然性查驗(yàn)失去意義；5、模型的展望功能無效。擁有嚴(yán)重多重共線性的回歸方程能不能夠用來做經(jīng)濟(jì)展望？答：誠然參數(shù)估計(jì)值方差的變大簡單使區(qū)間展望的“區(qū)間”變大，使展望失去意義。但若是利用模型去做經(jīng)濟(jì)展望，只需保證自變量的有關(guān)種類在未來期中素來保持不變，即使回歸模型中包含嚴(yán)重多重共線性的變量，也能夠獲取較好展望結(jié)果