Мультиколлинеарности между независимыми переменными
74 Общий вид аддитивной модели Y=T+S+E; T-трендовая; S-сезонная; E-случайная компоненты.
75 Общий вид мультипликативной модели Y=T*S*E
4 По результатам исследования парной регрессии были получены результаты: . Найти коэффициент корреляции парной линейной регрессии rxy. 0.6
7 Параметр а парной линейной регрессии, полученный при использовании метода наименьших квадратов определяется по формуле:
12 Параметр b парной линейной регрессии, полученный при использовании метода наименьших квадратов определяется по формуле:
16 При использовании линейной регрессии в качестве показателя тесноты связи выступает: линейный коэффициент корреляции
40 Параметр в степенной функции имеет экономическое истолкование является коэффициентом элактичности
47 Показателем тесноты нелинейной связи выступает индекс корреляции
59. При наличии мультиколлинеарности определитель корреляционной матрицы: близок к 0
68. При помощи средних коэффициентов эластичности можно …сравнить влияние объясняющих факторов множественной регрессии на результат
70. По 16 наблюдениям построено уравнение регрессии, отражающее связь между ВНП Республики Казахстан (G), объемом инвестиций в основной капитал (I), объемом промышленного производства (V) и объемом собираемых государством налогов (T), получена следующая корреляционная матрица:
I V T
I 1,00 0,87 0,92
V 0,87 1,00 0,99
T 0,92 0,99 1,00
E) имеет место мультиколлинеарность факторов
76 По данным исследования получена следующая матрица парных коэффициентов корреляции:
|
y |
x1 |
x2 |
x3 |
y |
1 |
|
|
|
x1 |
-0,25499 |
1 |
|
|
x2 |
-0,30748 |
0,253928 |
1 |
|
x3 |
0,18278 |
-0,01871 |
-0,45415 |
1 |
Какие из факторов являются явно коллинеарными?
никакие из факторов не являются явно коллинеарными
77 По данным исследования получена следующая матрица парных коэффициентов корреляции:
|
x1 |
x2 |
x3 |
x4 |
x5 |
x6 |
x1 |
1 |
|
|
|
|
|
x2 |
0,009497 |
1 |
|
|
|
|
x3 |
-0,03046 |
0,946338 |
1 |
|
|
|
x4 |
0,270999 |
0,392507 |
0,290901 |
1 |
|
|
x5 |
-0,18155 |
0,180858 |
0,078004 |
-0,0351 |
1 |
|
x6 |
-0,33999 |
0,021966 |
0,045968 |
-0,1710 |
0,257464 |
1 |
Среди предложенных ответов выберите верный
A) явно коллинеарны только х2 и х3
78 По данным исследования получена следующая матрица парных коэффициентов корреляции:
|
x1 |
x2 |
x3 |
x4 |
x1 |
1 |
|
|
|
x2 |
0,9497 |
1 |
|
|
x3 |
-0,3046 |
0,7463 |
1 |
|
x4 |
0,2709 |
0,3925 |
0,709 |
1 |
Среди предложенных ответов выберите верный
A) имеет место мультиколлинеарность факторов
79 Последовательность коэффициентов автокорреляции уровней первого, второго и т.д. порядков называют автокорреляционная функция временного ряда
97 Параметры и уравнения парной линейной регрессии, найденные по МНК, соответствуют формулам:
,
117 При использовании множественной регрессии для того, чтобы не допустить возможного преувеличения тесноты связи, применяется … скорректированный индекс (коэффициент) множественной корреляции.
118 При изменении спецификации модели, добавлении в нее новых наблюдений выборочные оценки остатков могут меняться
5 Рассчитайте фактическое значение F – критерия Фишера линейной парной регрессии, если известно, что n=12, 30
23 Рассчитайте фактическое значение F – критерия Фишера линейной парной регрессии, если известно, что n = 22, 80
103 Рассчитывать параметры парной линейной регрессии можно, если имеется: не менее 7 наблюдений
108 Распределение Стьюдента используется при проверке гипотез: о статистической значимости коэффициентов регрессии
17 Средняя ошибка аппроксимации есть среднее отклонение расчетных значений от фактических
26 Статистическая значимость уравнения в целом признается, если Fфакт>Fтабл
32 Сколько объясняющих переменных содержит парная линейная регрессия? одну
41 Средний коэффициент эластичности рассчитывается по формуле:
62. Стандартизованные коэффициенты регрессии :
позволяют ранжировать факторы по силе их влияния на результат
63. С помощью частных F-критериев Фишера оцените целесообразность включения в уравнение множественной регрессии факторов x1, x2, x3, если известно Fтабл = 3,49 , Fчаст х1 = 25, Fчаст х2 = 2, Fчаст х3 = 5 включение в модель фактора х1 статистически нецелосообразно
64. Среди представленных уравнений найдите уравнение множественной линейной регрессии: у = а + b1*x1 + b2*x2
66. Сравнивать влияние объясняющих факторов множественной регрессии на результат можно при помощи средних коэффициентов эластичности
101 Средняя ошибка аппроксимации может быть найдена по формуле: