电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

应用回归分析_第2章课后习题参考答案

应用回归分析_第2章课后习题参考答案_第1页
1/18
应用回归分析_第2章课后习题参考答案_第2页
2/18
应用回归分析_第2章课后习题参考答案_第3页
3/18
2.1 一元线性回归模型有哪些基本假定? 答:1. 解释变量 1x ,,2x,px是非随机变量,观测值,1ix,,2 ixipx 是常数。 2. 等方差及不相关的假定条件为 jinjijiniEjii,0),,2,1,(,),cov(,,2,1,0)(2 这个条件称为高斯-马尔柯夫(Gauss-Markov)条件,简称 G-M 条件。在此条件下,便可以得到关于回归系数的最小二乘估计及误差项方差2 估计的一些重要性质,如回归系数的最小二乘估计是回归系数的最小方差线性无偏估计等。 3. 正态分布的假定条件为 相互独立niniN,,,,,2,1),,0(~212 在此条件下便可得到关于回归系数的最小二乘估计及 2 估计的进一步结果,如它们分别是回归系数的最及2 的最小方差无偏估计等,并且可以作回归的显著性检验及区间估计。 4. 通常为了便于数学上的处理,还要求,pn 及样本容量的个数要多于解释变量的个数。 在整个回归分析中,线性回归的统计模型最为重要。一方面是因为线性回归的应用最广泛;另一方面是只有在回归模型为线性的假设下,才能的到比较深入和一般的结果;再就是有许多非线性的回归模型可以通过适当的转化变为线性回归问题进行处理。因此,线性回归模型的理论和应用是本书研究的重点。 1. 如何根据样本),,2,1)(;,,,(21niyxxxiipii求出p,,,,210及方差2的估计; 2. 对回归方程及回归系数的种种假设进行检验; 3. 如何根据回归方程进行预测和控制,以及如何进行实 际 问题的结构 分析。 2.2 考 虑 过原 点的线性回归模型 nixyiii,,2,1,1误差n,,,21仍 满 足 基本假定。求1 的最小二乘估计。 答: niniiiixyyEyQ1121121)())(()( nininiiiiiiixyxxxyQ111211122)(2 令 ,01Q即niniiiixyx11210 解得,ˆ1211niiniiixyx即1ˆ 的最小二乘估计为.ˆ1211niiniiixyx 2.3 证明: Q (0 ,1 )= ∑( yi -0 -1 xi )2 因为Q (0 ,1 )=min Q (0,1 ) 而Q (0 ,1 ) 非负且在R2 上可导,当Q 取得最小值时,有 即-2∑( yi -0 -1 xi )=0 -2∑( yi -0-1 xi ) xi =0 又 ei = yi -( 0+1 xi )= yi -0-1 xi ∴∑ei =0,∑ei xi =0 (即残差的期望...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

应用回归分析_第2章课后习题参考答案

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部