在回归结果分析中，可以通过看P值和R－sq（调整)值，判断回归模型是否有效。（)

A.两个变量具有回归关系

B.一定有相关系数r = 0.70

C.MS回归>MS残差

D.SS回归 >SS残差

E.Y 的总变异有49% 可以由X 的变化解释

A.整体偏倚为0.118，整体偏倚百分率为1%，对应的P值为0(小于0.05)，判定偏倚不存在

B.在5个代表值中，参考值为20时，偏倚最为轻微

C.线性度为0.243，线性百分率为2%，偏倚的线性回归拟合方程可表达为y=-0.09264+0.020222x

D.测试设备在整个量程范围内只存在线性。实际测量时，不需要进行偏倚值的修正。

A.X是Y的重要影响因素

B.X、Y两组数据有较强的因果关系

C.两组数据有强的相关性

D.目前无法得出任何结论，只有进一步进行回归分析，才能进行判断

在二元logistic回归操作中，一般不会出现检验P值大于0.05的情况。此种说法：()

(i)有多少个州在1991年、1992年和1993年中至少处决了一个犯人？哪个州处决得最多？

(ii)利用1990年和1993两年的数据， 做一个mrd rte对d93、exec和unem的混合回归。你对exec系数如何解释？

(iii)仅利用1990~1993年的变化(对总共51个观测值) ， 用OLS估计以下方程

并以通常的格式报告结果。现在，处以死刑是否看起来具有威慑作用？

(iv)处决的变化至少可能部分地与预期谋杀率的变化有关， 因而△ exec与第(iii) 部分中的△u相关。假定△exec-1与△u不相关也许是合乎情理的。(毕竟， △exec-1 依赖于三年或更久以前进行的处决数。) 将△exec对△exec-1进行回归， 看它们是否充分相关：解释△exec-1的系数。

(v)用△exec-1作为△exec的Ⅳ， 重新估计第(iii) 部分中的方程。假定△mem是外生的。你从第(ii) 部分中得出的结论将怎样变化？

在教材例10.6中，我们估计了费尔预测美国总统选举结果的一个模型的变型。

(i)对于这个方程中的误差项序列无关，你有何论据？(提示：总统选举多长时间进行一次？)

(i)在将教材(1023)的OLS残差对滞后残差进行回归时，得到p=-0068和sep)=0.40。你对u_t中的序列相关有何结论？

(iii)在检验序列相关时，这个应用中的小样本容量会令你不放心吗？

根据1978年1月至1987年12月每月数据获得以下回归结果：

其中Y=德士古(Texaco)普通股的月回报率，%，X=市场回报率，%。

a.这两个回归模型有什么区别？

b.给定上述结果，你会在第一个模型中保留截距项吗？为什么？

c.你怎样解释这两个模型的斜率系数？

d.两个模型所依据的理论是什么？

e.你能不能比较两模型的r²项？为什么？

f.在此问题中第一个模型的雅克-贝拉正态性统计量是1.1167，而第二个模型的是 1.1170。你能从这些统计量中得出什么结论？

g.在零截距的模型中斜卒系数的t值约为2.95，而在有截距的模型中则约为2.81。你能对这一结果做出合理的解释吗？

A.回归分析前应绘制散点图

B.应变量与自变量关系应为线性

C.回归方程可用来描述两定量变量间数量依存的关系

D.假设检验的P值能够反映自变量对应变量数量上的影响大小

利用MRO2.RAW中的数据。

(i)利用在工作的428个妇女的数据，通过以exper、exper²、nwifeinc、age、kidsir6和kidsge6为解释变量的OLS来估计受教育的回报。报告educ的估计值及其标准误。

(ii)现在用赫克曼估计受教育的回报，其中所有外生变量都在第二阶段的回归中出现。换句话说，就是做log(wage)对educ、exper、ecper²、nwifeinc、age、kidslt6、kidsge6和入的回归。将估计的教育回报及其标准误与第(i)部分的结果相比较。

(iii)只用428个工作妇女的观测，将1对educ、exper、ecper2、nwifeinc、age、kidslt6、kidsge6回归。R²为多大？这如何有助于解释你在第(ii)部分得到的结果？(提示：考虑多重共线性。)