首页
LR、wald和LM检验中，检验统计量在原假设下渐近服从（ ）
精华吧
→
答案
→
知到智慧树
→
未分类
LR、wald和LM检验中，检验统计量在原假设下渐近服从（ ）
A.正态分布
B.F分布
C.卡方分布
D.t分布
正确答案：卡方分布
Tag：
正态分布
渐近
时间：2024-01-15 20:56:41
上一篇：
虚拟变量一定是分类变量，但是分类变量未必是虚拟变量。
下一篇：
格兰杰非因果性检验可以利用（ ）完成。
相关答案
1.
随着工具变量的引入，模型中原有的问题变量被彻底替代，在工具变量法中毫无作用。
2.
落入“虚拟变量陷阱”时，一般会导致正规方程无解。
3.
和VIF相比，容许度（TOL）是多重共线性的更好的度量指标。
4.
其他条件不变，方差膨胀因子（VIF）越高，OLS估计量的方差越大。
5.
在多元线性回归模型中，若以某个解释变量为被解释变量，对其他解释变量进行回归估计，如果发现回归的拟合优度高，就表明解释变量之间存在较高程度的多重共线性问题。
6.
若存在高度多重共线性，则导致参数进行区间估计时置信区间变宽。
7.
若模型存在高度多重共线性，则导致参数的OLS估计量方差增大。
8.
若模型存在高度多重共线性，则普通最小二乘估计也无法应用。
9.
若回归模型的解释变量之间存在高度共线性，则无法使用普通最小二乘法估计参数。
10.
若多元线性回归模型的多重共线性问题不严重，可以不用修正。
热门答案
1.
下面的各对解释变量中，哪些容易导致模型产生多重共线性？
2.
一阶自相关系数可以通过r=1- DW/2进行估计。
3.
当存在序列自相关时，OLS估计量是有偏并且无效的。
4.
用一阶差分变换消除自相关问题的方法是假定自相关系数r为-1。
5.
布罗施-戈弗雷（BG）检验统计量只用于检验高阶自相关。
6.
在存在序列自相关的情形下，常用的OLS估计量总是高估了估计量的标准差。
7.
回归模型的随机误差项存在序列自相关时，将无法使用OLS方法估计模型。
8.
德宾-沃森（DW）检验假定误差项的方差具有同方差性。
9.
在DW检验中，当DW统计量为2时，下面哪些说法是正确的？（）
10.
对于一元线性回归模型，当随机误差项存在一阶自相关情形时，下面估计自相关系数ρ的方法中，哪些是不正确的？ （）