(1)如果真实的模型是Yi=β1Xi+μi,但你却拟合了一个带截距项的模型Yi=α0⌘
(1)如果真实的模型是Yi=β1Xi+μi,但你却拟合了一个带截距项的模型Yi=α0+α1Xi+νi,试评述这一设定误差的后果。
(2)在(1)中,假设真实的模型是带截距项的模型,而你却对过原点的模型进行了普通最小二乘回归。请评述这一模型误设的后果。
(1)如果真实的模型是Yi=β1Xi+μi,但你却拟合了一个带截距项的模型Yi=α0+α1Xi+νi,试评述这一设定误差的后果。
(2)在(1)中,假设真实的模型是带截距项的模型,而你却对过原点的模型进行了普通最小二乘回归。请评述这一模型误设的后果。
如果真实的模型是Yi=β1Xi-μt,但你却拟合了一带截距项的模型
Yi=α0+α1Xi+vi
试评述这一设定误差的后果。
在满足基本假设条件下,对一元线性回归模型Yi=β0+β1Xi+μi,i=1,2,…,n,Yi服从()。
A.正态分布且均值为β0+β1Xi
B.F分布且均值为β0+β1Xi
C.t分布且均值为β0+β1Xi
D.正态分布且均值为0
没有截距项的一元回归模型
Yi=β1Xi+μi
称之为过原点回归(regression through the origin)。试证明:
A、Yi=β0+βiXi3+μi
B、Yi=β0+β1(β2Xi)+μi
C、Yi=1+β0(1?Xiβ1)+μi
D、Yi=β0+β1X1i+β2X2i+μi
E、logYi=β0+β1logXi+ui
4 没有截距项的一元回归模型
Yi=β1Xi+μi
称之为过原点回归(regression through the origin)。试证明:
假设真实模型是,但你估计了。如果你利用Y在X=-3、-2、-1、0、1、2、3处的观测并估计了“不正确”的模型,这些估计值将出现什么偏误?
对于计量经济学模型Yi=β0+β1Xi+μi,其OLS估计参数β1的特性在下列情况下会受到什么影响:
对下列模型: (a) Yi=α+βXi+2Zi+μi (b) Yi=α+βXi-βZi+μi 求出β的最小二乘估计值,并将结果与下面的三变量回归方程的最小二乘估计值作比较: (c) Yi=α+βXi+γZi+μi 你认为哪一个估计值更好?