Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
(a) Si dica, giustificando le risposte, quali dei modelli possono essere scritti nel-
la forma del modello di regressione lineare, eventualmente dopo opportune
trasformazioni.
(b) Per i modelli che soddisfano le assunzioni, eventualmente dopo opportune
trasformazioni, si fornisca la matrice di regressione X.
(c) Per i modelli di cui al punto (b), si scriva lo spazio parametrico.
(d) Per i modelli di cui al punto (b), si indichi la varianza della variabile risposta,
dopo l’eventuale opportuna trasformazione.
(e) Per i modelli di cui al punto (b), si indichi la dimensione dello spazio V generato
dai vettori colonna della matrice X.
(f) Per i modelli di cui al punto (b), siano e1 , . . . , en i residui della regressione. Per
ciascuno di tali modelli si indichi quali delle seguenti identità sono soddisfatte:
n n n n
xi1
ei x2i2
X X X X
ei xi1 = 0 , =0, ei = 0 , ei =0.
i=1 i=1 i=1 i=1 xi2
2. Il dataset dati contiene la variabile risposta y, il regressore quantitativo x1 e il
regressore dicotomico x2 (x2 assume i valori 0 e 1). Un modello di regressione
lineare stimato su tali variabili mediante la funzione lm() di R, ha fornito il seguente
output:
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 2.6311 0.4525 5.815 9.0e-06 ***
x1 0.7830 0.1991 3.934 0.000761 ***
x2 -3.8747 0.6254 -6.196 3.8e-06 ***
x1:x2 0.3823 0.2439 1.568 0.131919
Model 1: y ~ x1 + x2
Model 2: y ~ x1 + x2 + x1:x2
Res.Df RSS Df Sum of Sq F Pr(>F)
1 ? 20.138
2 ? ? ? ? ? ?
(g)vo Si specifichi l’ipotesi nulla e l’ipotesi alternativa del test sviluppati nel punto
(f)vo . Si scrivano i comandi di R che producono i risultati mostrati.
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.6300 0.3695 -4.411 ??
x1 1.5892 ?? ?? 1.63e-02
x2 1.8257 0.3143 ?? ??