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 r_xy. 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?

1. 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 :

1. 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 F_табл = 3,49 , F_{част х1} = 25, F_{част х2} = 2, F_{част 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: