在日常学习、工作或生活中,大家总少不了接触作文或者范文吧,通过文章可以把我们那些零零散散的思想,聚集在一块。那么我们该如何写一篇较为完美的范文呢?下面是小编为大家收集的优秀范文,供大家参考借鉴,希望可以帮助到有需要的朋友。
的分布未知,其他所有假设都满足。
(1)从直观及经济角度解释和。
ˆ和满足线性性、无偏性及有效性吗?简单陈述理由。(2)ols估计量(3)对参数的假设检验还能进行吗?简单陈述理由。解答:
(1)n为接受过n年教育的员工的总体平均起始薪金。当n为零时,平均薪金为,因此表示没有接受过教育员工的平均起始薪金。是每单位n变化所引起的e的变化,即表示每多接受一年学校教育所对应的薪金增加值。
ˆˆ和仍满足线性性、无偏性及有效性,因为这些性质的的成立无需(2)ols估计量随机扰动项
ˆ的正态分布假设。
(3)如果在t的分布未知,则所有的假设检验都是无效的。因为t检验与f检验是建立的正态分布假设之上的。
例2.对于人均存款与人均收入之间的关系式
stytt使用美国36年的数据得如下估计模型,括号内为标准差:
ˆ384.1050.067ystt(151.105)(0.011)
ˆ19.092 3r2 =0.538
(1)的经济解释是什么?
(2)和的符号是什么?为什么?实际的符号与你的直觉一致吗?如果有冲突的话,你可以给出可能的原因吗?
(3)对于拟合优度你有什么看法吗?
(4)检验是否每一个回归系数都与零显著不同(在1%水平下)。同时对零假设和备择假设、检验统计值、其分布和自由度以及拒绝零假设的标准进行陈述。你的结论是什么?
解答:
(1)为收入的边际储蓄倾向,表示人均收入每增加1美元时人均储蓄的预期平均变化量。
(2)由于收入为零时,家庭仍会有支出,可预期零收入时的平均储蓄为负,因此符号应为负。储蓄是收入的一部分,且会随着收入的增加而增加,因此预期的符号为正。实际的回归式中,的符号为正,与预期的一致。但截距项为负,与预期不符。这可能与由于模型的错误设定形造成的。如家庭的人口数可能影响家庭的储蓄形为,省略该变量将对截距项的估计产生影响;另一种可能就是线性设定可能不正确。
(3)拟合优度刻画解释变量对被解释变量变化的解释能力。模型中53.8%的拟合优度,表明收入的变化可以解释储蓄中53.8 %的变动。
(4)检验单个参数采用t检验,零假设为参数为零,备择假设为参数不为零。双变量情形下在零假设下t 分布的自由度为n-2=36-2=34。由t分布表知,双侧1%下的临界值位于2.750与2.704之间。斜率项计算的t值为0.067/0.011=6.09,截距项计算的t值为384.105/151.105=2.54。可见斜率项计算的t 值大于临界值,截距项小于临界值,因此拒绝斜率项为零的假设,但不拒绝截距项为零的假设。
例3.某地区通过一个样本容量为722的调查数据得到劳动力受教育的一个回归方程为
edu10.360.094sibs0.131medu0.210fedu
r2=0.214 式中,edu为劳动力受教育年数,sibs为该劳动力家庭中兄弟姐妹的个数,medu与fedu分别为母亲与父亲受到教育的年数。问
(1)sibs是否具有预期的影响?为什么?若medu与fedu保持不变,为了使预测的受教育水平减少一年,需要sibs增加多少?
(2)请对medu的系数给予适当的解释。
(3)如果两个劳动力都没有兄弟姐妹,但其中一个的父母受教育的年数为12年,另一个的父母受教育的年数为16年,则两人受教育的年数预期相差多少?
解答:
(1)预期sibs对劳动者受教育的年数有影响。因此在收入及支出预算约束一定的条件下,子女越多的家庭,每个孩子接受教育的时间会越短。
根据多元回归模型偏回归系数的含义,sibs前的参数估计值-0.094表明,在其他条件不变的情况下,每增加1个兄弟姐妹,受教育年数会减少0.094年,因此,要减少1年受教育的时间,兄弟姐妹需增加1/0.094=10.6个。
(2)medu的系数表示当兄弟姐妹数与父亲受教育的年数保持不变时,母亲每增加1年受教育的机会,其子女作为劳动者就会预期增加0.131年的教育机会。
(3)首先计算两人受教育的年数分别为 10.36+0.13112+0.21012=14.452 10.36+0.13116+0.21016=15.816 因此,两人的受教育年限的差别为15.816-14.452=1.36
例4.以企业研发支出(r&d)占销售额的比重为被解释变量(y),以企业销售额(x1)与利润占销售额的比重(x2)为解释变量,一个有32容量的样本企业的估计结果如下: y0.4720.32ln(x1)0.05x2(1.37)(0.22)(0.046)
其中括号中为系数估计值的标准差。
(1)解释ln(x1)的系数。如果x1增加10%,估计y会变化多少个百分点?这在经济上是一个很大的影响吗?
(2)针对r&d强度随销售额的增加而提高这一备择假设,检验它不随x1而变化的假设。分别在5%和10%的显著性水平上进行这个检验。
(3)利润占销售额的比重x2对r&d强度y是否在统计上有显著的影响? 解答:
(1)ln(x1)的系数表明在其他条件不变时,ln(x1)变化1个单位,y变化的单位数,即y=0.32ln(x1)0.32(x1/x1)=0.32100%,换言之,当企业销售x1增长100%时,企业研发支出占销售额的比重y会增加0.32个百分点。由此,如果x1增加10%,y会增加0.032个百分点。这在经济上不是一个较大的影响。
(2)针对备择假设h1:10,检验原假设h0:10。易知计算的t统计量的值为t=0.32/0.22=1.468。在5%的显著性水平下,自由度为32-3=29的t 分布的临界值为1.699(单侧),计算的t值小于该临界值,所以不拒绝原假设。意味着r&d强度不随销售额的增加而变化。在10%的显著性水平下,t分布的临界值为1.311,计算的t 值小于该值,拒绝原假设,意味着r&d强度随销售额的增加而增加。
(3)对x2,参数估计值的t统计值为0.05/0.46=1.087,它比在10%的显著性水平下的临界值还小,因此可以认为它对y在统计上没有显著的影响。
5、某地区供水部门利用最近15年的用水数据得出如下估计模型: r20.099water326.90.305house0.363pop0.005pcy17.87price1.123rain
(-1.7)
(0.9)
(1.4)
(-0.6)
(-1.2)
(-0.8)r20.93 f=38.9 式中,water——用水总量(百万立方米),house——住户总数(千户),pop——总人口(千人),pcy——人均收入(元),price——价格(元/100立方米),rain——降雨量(毫米)。
(1)根据经济理论和直觉,请计回归系数的符号是什么(不包括常量),为什么?观察符号与你的直觉相符吗?
(2)在10%的显著性水平下,请进行变量的t-检验与方程的f-检验。t检验与f检验结果有相矛盾的现象吗?
(3)你认为估计值是(1)有偏的;(2)无效的或(3)不一致的吗?详细阐述理由。解答:
(1)在其他变量不变的情况下,一城市的人口越多或房屋数量越多,则对用水的需求越高。所以可期望house和pop的符号为正;收入较高的个人可能用水较多,因此pcy的预期符号为正,但它可能是不显著的。如果水价上涨,则用户会节约用水,所以可预期price的系数为负。显然如果降雨量较大,则草地和其他花园或耕地的用水需求就会下降,所以可以期望rain的系数符号为负。从估计的模型看,除了pcy之外,所有符号都与预期相符。
(2)t-统计量检验单个变量的显著性,f-统计值检验变量是否是联合显著的。这里t-检验的自由度为15-5-1=9,在10%的显著性水平下的临界值为1.833。可见,所有参数估计值的t值的绝对值都小于该值,所以即使在10%的水平下这些变量也不是显著的。
这里,f-统计值的分子自由度为5,分母自由度为9。10%显著性水平下f分布的临界值为2.61。可见计算的f值大于该临界值,表明回归系数是联合显著的。
t检验与f检验结果的矛盾可能是由于多重共线性造成的。house、pop、pcy都是高度相关的,这将使它们的t-值降低且表现为不显著。price和rain不显著另有原因。根据经验,如果一个变量的值在样本期间没有很大的变化,则它对被解释变量的影响就不能够很好地被度量。可以预期水价与年降雨量在各年中一般没有太大的变化,所以它们的影响很难度量。
(3)多重共线性往往表现的是解释变量间的样本观察现象,在不存在完全共线性的情况下,近似共线并不意味着基本假定的任何改变,所以ols估计量的无偏性、一致性和有效性仍然成立,即仍是blue估计量。但共线性往往导致参数估计值的方差大于不存在多重共线性的情况。
离散数学例题
一、证明对任意集合a,b,c,有 a)a-b)-c=a-(b∪c); b)(a-b)-c=(a-c)-b;
c)(a-b)-c=(a-c)-(b-c)。
证明
a)(a-b)-c=(a∩~b)∩~c =a∩(~b∩~c)=a∩~(b∩c)=a-b∪c)
b)(a-b)-c= a∩~b∩~c = a∩~c∩~b =(a-c)-b
c)(a-c)-(b-c)
=(a∩~c)∩~(b∩~c)=(a∩~c)∩(~b∪c)
=(a∩~c∩~b)∪(a∩~c∩c)= a∩~b∩~c =(a-b)-c
二、设命题公式g =(p→q)∨(q∧(p→r)), 求g的主析取范式 g =(p→q)∨(q∧(p→r))=(p∨q)∨(q∧(p∨r))=(p∧q)∨(q∧(p∨r))=(p∧q)∨(q∧p)∨(q∧r)=(p∧q∧r)∨(p∧q∧∨(p∧q∧r)∨(p∧q∧r)∨(p∧q∧r)∨(p∧q∧ r)=(p∧q∧r)∨(p∧q∧r)∨(p∧q∧r)∨(p∧q∧r)∨(p∧q∧r)= m3∨m4∨m5∨m6∨m7 =(3, 4, 5, 6, 7).三、假设f和g是函数,证明f∩g也是函数。
证明
f∩g={
例题例题的照片(五篇)
文件夹