计量复习部分资料整理精要.docxVIP

判断并给出理由 1.由于两个变量Y和X之间的相关系数[-1,1],所以cov（Y,X）也是这个范围。 如果两个变量之间的相关系数为零，那就意味这两个变量之间不存在相关关系。 如果你将Y对做回归，那么截距和斜率分别是0和1. T检验要求估计量的抽样分布是正态分布。 即使clrm的干扰项不是正态分布ols估计量仍然是无偏的。 如果模型无截距项，则。 P值和检验统计量的尺度是一回事。 如果模型有截距项残差总和必为零。 如果一个虚拟假设不被拒绝，它就是真实的。 越大，的方差也越大。 一个随机变量的条件均值和无条件均值是一样的。 在双变量PRF中，如果斜率系数是0，则截距由样本均值来估计。 如果X对Y无影响，则和Y的无条件方差var（Y)=将是一样的。 尽管有完全多重共线性，OLS仍然是BLUE。 在高度多重共线性下，要评价一个或多个偏回归系数的个别显著性是不可能的。 如果某一辅助回归显示高的值，则高度共线性确定无疑。 变量两两高度相关并不表示由高度是多重共线性。 如果分析的目的仅仅是预测，则多重共线性是无害的。 其他条件不变，VIF越高，OLS估计量方差越大。 和VIF相比TOL是多重共线性更好的指标。 多元回归中，根据t检验，全部偏相关系数都是个别不显著，你就得不到一个高的。 在Y对X2，X3的回归中，假如X3的值很少变化，就会使var（）增大，在极端情况 下，如果全部的X3都相同，va