ВОПРОС ОТВЕТ При построении модели множественной регрессии предварительно проводят исследование факторных переменных на коллинеарность и мультиколлинеарность. Считается, что две переменные явно коллинеарны, если соответствующий парный коэффициент корреляции удовлетворяет условию: rxy≥0,7. Значение статистики ДарбинаУотсона находится между значениями … 0и4 Определите правильную последовательность условия дополнительного включения фактора в модель: «При дополнительном включении во множественную регрессию новой объясняющей переменной…» 1. коэффициент детерминации; 2. должен/должна возрастать. 3. остаточная дисперсия; 4. должен/должна уменьшаться; Уравнение множественной регрессии имеет вид: yₓ = −27,16 + 1,37х₁ − 0,29х₂. Параметр, равный 1,37, означает следующее: при увеличении x1 на одну единицу своего измерения при фиксированном значении фактора x2 переменная y увеличится на 1,37 единиц своего измерения; Логарифмическое преобразование позволяет осуществить переход от нелинейной модели y = 5x2u к модели: ln y = ln 5 + 2 ln x + ln u; К ошибкам выборки относятся: неоднородность данных в исходной статистической совокупности; Расположите в правильной последовательности этапы проведения корреляционнорегрессионного анализа. 1. Разделение признаков на факторные и результативные. Выбор наиболее существенных признаков для их дальнейшего исследования и включения в корреляционную модель. 2. Предварительная оценка формы уравнения регрессии. 3. Вычисление коэффициентов регрессии и их смысловая интерпретация 4. Расчет теоретически ожидаемых (рассчитанных по уравнению регрессии) значений результативного признака. 5. Определение и сравнительный анализ дисперсий: общей, факторной и остаточной. Оценка тесноты связи между признаками, включенными в регрессионную модель. 6. Общая оценка качества модели, отсев несущественных (или включение дополнительных факторов). Какой критерий используют для оценки значимости коэффициента корреляции: t-критерий Стьюдента; средняя абсолютная ошибка; Укажите характеристики, используемые в качестве меры точности модели регрессии: остаточная дисперсия; средняя относительная ошибка аппроксимации; Какой критерий используют для оценки значимости коэффициента детерминации: F-критерий Фишера; Какое значение не может принимать парный коэффициент корреляции: 1,111; Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака, объясненной регрессией, к … дисперсии результативного признака. общей Уравнению регрессии yx=2,88-0,72x11,51x2 соответствует множественный коэффициент корреляции Ry=0,84. Укажите, какая доля вариации результативного показателя у (в %) объясняется входящими в уравнение регрессии переменными x1 и x2: 84,0; Фиктивной переменными в уравнении множественной регрессии могут быть: переменные, исходные значения которых не имеют количественного значения. качественные переменные, преобразованные в количественные; Сколько степеней свободы в выборке поглощает оценивание каждого параметра в уравнении регрессии? Имеется матрица парных коэффициентов корреляции: Между какими факторами наблюдается коллинеарность: Имеется матрица парных коэффициентов корреляции: Какой фактор НЕ следует включать в модель множественной регрессии? При верификации модели регрессии получены следующие результаты: укажите верный вывод. одну x1 и x3; х2; средняя ошибка аппроксимации не превышает установленного предела в 15%, что свидетельствует о хорошем качестве модели;