胡同学2019-04-07 10:13:34
第31题与第22题是否解释不一致?第22题讲,新增的variable with highly correlated时,不会影响方程参数,但第33题则讲的会影响。
回答(1)
Chris Lan2019-04-08 10:27:14
同学你好,22题,这里说遗失的变量只是与自变量相关,这时应该把他加回到回归方程,这里要注意,我们说多重共线性是说自变量之间有highly linear relationship,这时应该删除变量,这里的题干只说correlated,因此不是高度相关,所以还是应该加回来,因为我们只要是多元回归,就不可能完全消除多重共线性问题,只是要把它控制在一个我们可以接受的度,比如说自变量之间不能高度相关。所以他把这个遗失的自变量加回来以后,回归的系数,例如b0 b1这些都会变化,由于它们变化了,它们的标准误肯定也会变化的。
31题,这题说H担心有一个新的自变量跟其它变量是高度相关的,这时会有多重共线性问题,他说了三句话。1)R方将会下降,这是错的,因为加入了新的自变量R方是会上升的,而adjustied R方是下降的。2)说回归方程的的系数将会不准确和不可靠,因为加入新的自变量,这就变成另外一个方程了,比如说,原方程是y=b0+b1x1+b2x2+ε,而加入了另一个自变量方程变成y=a0+a1x2+a2x2+a3x3+ε,这里面的b1和a1肯定是不一样的。所以第二句说的是对的。3)说回归系数的标准误会上升,这个是对的,因为有多重共线性问题时,根据经验法则,将导致sb1 cap 增大,从而t统计量降低,更容易拒绝原假设,导致二类错误发生的概率增大,所以第三句话说的也是对的。
- 评论(0)
- 追问(1)
- 追答
-
另外33题说的意思如果是序列自相关问题,不需要调整回归方程参数的估计量,而且这里说的是序列自相关,也不是多重共线性问题,这是不同的错误,关于序列自相关,我再帮你总结一下相关的知识点。
Positive serial correlation:随着时间的增加,其残差项的值是增加的,即残差与时间有正相关性
影响:
不影响b0和b1的一致性
(金融数据中的实证经验)残差项的标准差更小,显著性检验统计量更大,更容易被拒绝,更容易产生第一类错误
F检验不可靠
Negative serial correlation:随着时间的增加,其残差项的值是减少的,即残差与时间有负相关性
残差项的标准差更大,显著性检验统计量更小,更不容易被拒绝,更容易产生第二类错误
F检验不可靠


评论
0/1000
追答
0/1000
+上传图片