1. Добавление в уравнение множественной регрессии новой объясняющей переменной:
б) увеличивает значение коэффициента детерминации;
2. Скорректированный коэффициент детерминации:
в) меньше или равен обычному коэффициенту детерминации;
3. С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:
а) увеличивается;
4. Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:
б) ;
5. Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:
а) ;
6. Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:
в) .
7. Множественный коэффициент корреляции . Определите, какой процент дисперсии зависимой переменной объясняется влиянием факторов и :
б) 81%;
8. Для построения модели линейной множественной регрессии вида необходимое количество наблюдений должно быть не менее:
в) 14.
9. Стандартизованные коэффициенты регрессии :
|
|
а) позволяют ранжировать факторы по силе их влияния на результат;
10. Частные коэффициенты корреляции:
в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.
11. Частный -критерий:
б) служит мерой для оценки включения фактора в модель;
12. Несмещенность оценки параметра регрессии, полученной по МНК, означает:
б) что математическое ожидание остатков равно нулю;
13. Эффективность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией;
14. Состоятельность оценки параметра регрессии, полученной по МНК, означает:
в) увеличение ее точности с увеличением объема выборки.
15. Укажите истинное утверждение:
в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.
16. При наличии гетероскедастичности следует применять:
б) обобщенный МНК;
17. Фиктивные переменные – это:
а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;
18. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:
в) 2.