A.Logistic回归更关注预测值接近观测值(0或1)的程度
B.Logistic回归模型的参数估计使用普通最小乘法(OLS)
C.上手Logistic回归更关注正确预测的频率以及模型能否有效减少误差
D.利用SPSS进行Logistic回归时,输出结果中的Cox-Snell和Nagelkerke值说明了自变量解释因变量变异的比例
E.Logistic回归解释了自变量和因变量概率取值之间的关系
A.预测误差的计算
B.回归预测模型的检验
C.建立回归预测模型
D.确定预测值
B.在进行趋势拟合时,假定序列中不存在周期项,即xt等于趋势值Tt加上残差项Rt
C.在进行趋势拟合时,我们希望误差项是一个白噪声序列,也就是不含什么信息的序列,从统计学的角度看,就是这个序列的均值为零,或者接近于零,它的方差为一个常数
D.趋势项序列Tt可能是线性特征的或者呈非线性特征,因此,趋势拟合法又有线性拟合和非线性拟合之分,对应假设Tt为关于t的线性函数和非线性函数形式
E.在趋势拟合中的t表示时序,可以从零开始取值,也可以从1开始取值。尽管在一些模型中,比如线性模型可以直接用年份为自变量,也可以用时序为自变量,但是在另一些模型中如指数模型、Logistic模型则不宜直接用年份为自变量
A.决定系数可以测度回归直线对样本数据的拟合程度
B.决定系数的取值在-1到1之间
C.决定系数等于1,说明回归直线可以解释因变量的所有变化
D.决定系数等于0,说明回归直线无法解释因变量的变化,因变量的变化与自变量无关
E.决定系数越接近0,回归直线的拟合效果越好
A.R-Sq值为多元全相关系数,越接近于1就越好;
B.一般来讲,R-Sq(预测)一定会大于R-Sq(调整)
C.删减后的模型是否更好,关键看R-Sq(预测)有没有增大以有是否跟R-SR(调整)更接近。
D.R-Sq(预测)过小说明,小于80%,说明模型非常差。
(i)用虚拟变量demwins来代替教材(10.23)中的demvote,并用通常的格式报告结果。哪些因素影响获胜概率?请用截至1992年的数据。
(ii)有多少个拟合值小于0?有多少个拟合值大于1?
(iii)采用下面的预测规则:如果demwins>0.5,你就可以预测民主党会获胜;否则,共和党将获胜。那么,在这20次选举中,这个模型有多少次正确地预测了实际结果?
(iv)代入1996年的解释变量值。预测克林顿赢得这次选举的可能性有多大。事实上,克林顿获胜了,你的预测结果是否与事实相符?
(v)对误差中的AR(1)序列相关,做异方差-稳健:检验。你有何发现?
(vi)求出第(i)部分中估计值的异方差-稳健标准误。!统计量有什么明显的变化吗?
A.这种方法只需要本期的预测值便可预测下一期的数据
B.利用历史数据进行平滑来消除随机因素的影响,对过去不同时间的资料取不同的权数加权,加以平均进行趋势预测
C.20100
D.指数平滑法属于定量预测法中的回归预测法
E.如果实际数据序列有非线性增长的倾向,则应用多次指数平滑法建立非线性预测模型,再用模型进行预测
A.忽略了重要变量、变量发生重大变化或新的变量出现
B.自然灾害引起的不规则变化
C.预测模型是无偏模型
D.预测方法应用不当或错误解释了预测的结果
若样值{xn)是0均值平稳高斯序列,其自相关函数是
(1)求{xn)的平均功率E[xn2]; (2)若以前一样值xk-1作为本样值xk的预测,求预测误差ek=xk-xk-1的平均功率。