题目内容
（请给出正确答案）
[单选题]
建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？（)
A.建模描述
B.根据内容检索
C.寻找模式和规则
D.预测建模
查看答案
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
如果结果不匹配，请 联系老师 获取答案
题目内容
（请给出正确答案）
A.建模描述
B.根据内容检索
C.寻找模式和规则
D.预测建模
如果结果不匹配，请 联系老师 获取答案
更多“建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量…”相关的问题
(i)考虑静态非观测效应模型
其中，enrolit表示学区总注册学生人数，lunchit表示学区中学生有资格享受学校午餐计划的百分数。(因此lunchit是学区贫穷率的一个相当好的度量指标。)证明：若平均每个学生的真实支出提高10%，则math4it约改变β1/10个百分点。
(ii)利用一阶差分估计第(i)部分中的模型。最简单的方法就是在一阶差分方程中包含一个截距项和1994~1998年度虚拟变量。解释支出变量的系数。
(iii)现在，在模型中添加支出变量的一阶滞后，并用一阶差分重新估计。注意你又失去了一年的数据，所以你只能用始于1994年的变化。讨论即期和滞后支出变量的系数和显著性。
(iv)求第(iii)部分中一阶差分回归的异方差-稳健标准误。支出变量的这些标准误与第(iii)部分相比如何？
(v)现在，求对异方差性和序列相关都保持稳健的标准误。这对滞后支出变量的显著性有何影响？
(vi)通过进行一个AR(1)序列相关检验，验证差分误差rit=Δuit含有负序列相关。
(vii)基于充分稳健的联合检验，模型中有必要包含学生注册人数和午餐项目变量吗？
者"的最后通牒博弈:首先由一个唯一指定的“提议者”提出一个分配提议一从总量为I的财富中分给反应者s,剩下的I-s留给提议者自己：其次,由n-1个"反应者"同时决定自己是否接受这个提议,如果没有人接受,则所有参与者什么也得不到;如果至少有一个人接受,则所有接受的反应者以等概率地(如通过抓阄)得到s,提议者得到1-s.假设11.4节(9)式定义的βi<(n-1)/n,给出这个博弈的均衡。
在方程(10.8)所给的线性模型中，如果解释变量
满足
。于是， 在给定解释变量的当期值和所有过去值时， 误差是无从预测的，那么，它就被称为序列外生的(有时又被称为弱外生的)。
(i)请解释为什么严格外生性意味着序列外生性？
(ii)请解释为什么序列外生性意味着同期外生性？
(iii)在序列外生假定下， OLS估计量通常是无偏的吗？请解释。
(iv)考虑用一个州、一个教区或一个省人均避孕套使用量的分布滞后来解释艾滋病感染比率的一个如下模型：
请解释为什么这个模型满足序列外生性假定。它看上去也满足严格外生性假定吗？
文件CEOSAL2.RAW包含了177位首席执行官的数据，并可用来考察企业业绩对CEO薪水的影响。
(i)估计一个将年薪与企业销售量和市场价值相联系的模型。让这个模型对每个自变量的变化都具有常弹性。以方程的形式写出结论。
(ii)在第(i)部分的模型中增加profits。为什么这个变量不能以对数形式进入模型？你会说这些企业业绩变量解释了CEO薪水波动中的大部分吗？
(iii)在第(ii)部分的模型中增加ceoten。保持其他条件不变，延长一年CEO任期，估计的百分比回报是什么？
(iv)求出变量log(mktval)和prots之间的样本相关系数。这些变量高度相关吗？这对OLS估计量有什么影响？
利用数据集401KSUBS.RAW。
(i)利用OLS估计e401k的一个线性概率模型，解释变量为inc，inc²，age，age²和male。求通常的OLS标准误和异方差-稳健的标准误。它们有重要差别吗？
(iii)对第(i)部分估计的模型求怀特检验，并分析系数估计值是否大致对应于第(ii)部分中描述的理论值。
(iv)在验证了第(i)部分的拟合值都介于0和1之间后，求这个线性概率模型的加权最小二乘估计值。它们与OLS估计值有重大差别吗？
(i)暂不考虑家庭的聚类特征， 用OLS估计模型
其中变量定义在数据集中给出。我们最感兴趣的变量是choice， 它是一个虚拟变量， 如果一个人选择了如何在不同的投资之间配置其养老金，这个变量就等于1。choice的影响估计值是多少？它在统计上显著吗？
(ii)收入、财富、拥有股票和拥有个人退休金账户这些控制变量重要吗？请加以解释。(iii)确定数据集中有多少个不同的家庭。
(iv)现在， 求对家庭内聚类相关保持稳健的OLS标准误。它们与通常的OLS标准误差别大吗？你感到意外吗？
(v)通过对同一个家庭内的夫妻进行差分来估计这个方程。你在第(ii)部分中提到的解释变量为什么在差分估计时被去掉了？
(vi)第(v)部分中剩下的解释变量显著吗？你感到意外吗？
利用TRAFFIC2.RAW中的数据。
(i)计算变量prefat的一阶自相关系数。你认为prefat包含单位根吗？失业率也一样吗？
(i)估计一个将prcfat的一阶差分Aprcfat与第10章的计算机练习C11第(vi)部分中同样变量相联系的多元回归模型，只是你还应该对失业率进行一阶差分。于是，模型中包含一个线性时间趋势、月度虚拟变量、周末变量和两个政策变量;不要将这些变量进行差分。你发现了什么有意思的结论吗？
(iii)评论如下命题：“在进行多元回归之前，我们总应该将怀疑具有单位根的时间序列进行一阶差分，因为这样做是一种安全策略，而且应该得到与使用水平值类似的结论。”[在回答这个问题时，最好先做(如果你还没有做过的话)第10章的计算机练习C11第(vi)部分中的回归。]
