首页 > 大学专科
题目内容 (请给出正确答案)
[主观题]

将异方差性的布罗施-帕甘检验和怀特检验的特征相结合有不同的方法。文中没有讨论的一种可能性是

将异方差性的布罗施-帕甘检验和怀特检验的特征相结合有不同的方法。文中没有讨论的一种可能性是(i)与所

(i)与所建议的异方差F检验相联系的自由度是多少?

(ii)解释为什么上述回归的R²总是至少和BP回归和怀特检验特殊形式的R²一样大?

(iii)第(ii)部分是否意味着这个新检验总能比BP或怀特特殊情形估计量得到更小的P值?请解释。

(iv)假设有人还建议在新提出的这个检验中增加将异方差性的布罗施-帕甘检验和怀特检验的特征相结合有不同的方法。文中没有讨论的一种可能性是(i)与所。你认为这个主意如何?

查看答案
答案
收藏
如果结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能还需要:
您的账号:
发送账号密码至手机
发送
安装优题宝APP,拍照搜题省时又省心!
更多“将异方差性的布罗施-帕甘检验和怀特检验的特征相结合有不同的方…”相关的问题
第1题
利用MURDER.RAW中的数据。 (i)利用1990年和1993年的数据,用混合OLS估计方程 并以常用形式报
利用MURDER.RAW中的数据。 (i)利用1990年和1993年的数据,用混合OLS估计方程 并以常用形式报

利用MURDER.RAW中的数据。

(i)利用1990年和1993年的数据,用混合OLS估计方程

并以常用形式报告结论。不必担心通常的OLS标准误因a,的出现而不适当。你估计出了死刑的威慑效应吗?

(ii)计算FD估计值(只使用1990~1993年的差分;在FD回归中,你应该有51个观测)。现在,你对威慑效应有何结论?

(iii)在第(ii)部分的FD回归中,求残差的布罗施-帕甘回归,并计算异方差性的F检验。同样做怀特检验的特殊情形[即将对回归,其中拟合值得自第(ii)部分]。你对FD方程中的异方差性有何结论?

(iv)做第(ii)部分中的同样回归,但求异方差-稳健的t统计量。结果如何?

(v)你认为Aexec;的哪个统计量更值得信赖,是通常的:统计量还是异方差-稳健的!统计量?为什么?

点击查看答案
第2题
检验异方差的方法很多,常用的方法有帕克(Park)检验与 戈里瑟(Gleiser)检验、戈德菲尔德一匡特(G

检验异方差的方法很多,常用的方法有帕克(Park)检验与 戈里瑟(Gleiser)检验、戈德菲尔德一匡特(Goldfeld—Quandt)检验(G—Q检验)、怀特(White)检验、ARCH检验等。()

点击查看答案
第3题
下列哪种方法不是检验异方差的方法:()。

A.安斯卡姆伯—雷姆塞检验

B.怀特检验

C.戈里瑟检验

D.方差膨胀因子检验

点击查看答案
第4题
不能用来检验异方差的方法是()。A.散点图判断B.DW检验沾C.帕克检验b戈里瑟检验D.阿特检验

不能用来检验异方差的方法是()。

A.散点图判断

B.DW检验沾

C.帕克检验b戈里瑟检验

D.阿特检验

点击查看答案
第5题
简要解释下列异方差诊断方法: a.图形法 b.帕克检验 c.格莱泽检验

简要解释下列异方差诊断方法:

a.图形法

b.帕克检验

c.格莱泽检验

点击查看答案
第6题
White检验方法主要用于检验()。

A.异方差性

B.自相关性

C.协整

D.多重共线性

点击查看答案
第7题
回归系数检验不显著的原因主要有()。

A.变量之间的多重共线性

B.变量之间的异方差性

C.模型变量选择的不当

D.模型变量选择没有经济意义

点击查看答案
第8题
经检验后,若多元回归模型中的一个解释变量是另一个解释变量的0.95倍,则该模型应存在()。A.多重

经检验后,若多元回归模型中的一个解释变量是另一个解释变量的0.95倍,则该模型应存在()。

A.多重共线性

B.异方差

C.自相关

D.正态性

点击查看答案
第9题
在用普通最小二乘法估计回归模型时,存在异方差问题将导致()。 Ⅰ.参数估计量非有效 Ⅱ.变量的显著性检验无意义 Ⅲ.模型的预测失效 Ⅳ.参数估计量有偏

A.I、Ⅱ、Ⅲ

B.I、Ⅱ、Ⅳ

C.I、Ⅲ、Ⅳ

D.Ⅱ、Ⅲ、Ⅳ

点击查看答案
第10题
在用普通最小一乘法估计回归模型时,存在异方差问题将导致()。

A.参数估计量非有效

B.变量的显著性检验尢意义

C.模型的预测失效

D.参数估计量有偏

点击查看答案
第11题
如果存在异方差,常用的t检验和F检验是无效的。
点击查看答案
退出 登录/注册
发送账号至手机
密码将被重置
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改