Современные методы сбора, обработки и анализа экономических и социальных данных.фэ_БАК тест Синергия>Верные Ответы на Итоговый тест – “Зачтено”
Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака, объясненной регрессией, к … дисперсии результативного признака.
Сколько степеней свободы в выборке поглощает оценивание каждого параметра в уравнении регрессии?
При построении модели множественной регрессии предварительно проводят исследование факторных переменных на коллинеарность и мульти коллинеарность. Считается, что две переменные явно коллинеарны, если соответствующий парный коэффициент корреляции удовлетворяет условию:
Какой критерий используют для оценки значимости коэффициента детерминации:
- F-критерий Фишера;
- t-критерий Стьюдента;
- критерий Пирсона;
- критерий Дарбина-Уотсона.
Уравнение множественной регрессии имеет вид: ух = —27,16 + l,37x1 — 0,29x2∙ Параметр, равный 1,37. означает следующее:
- при увеличении X1 на одну единицу своего измерения, переменная у увеличится на 1,37 единиц своего измерения;
- при увеличении X1 на одну единицу своего измерения при фиксированном значении фактора X2 переменная у увеличится на 1,37 единиц своего измерения;
- при увеличении X1 на 1,37 единиц своего измерения при фиксированном значении фактора X2 переменная у увеличится на одну единицу своего измерения.
При верификации модели регрессии получены следующие результаты:
Коэффициент корреляции | 0,87 |
Коэффициент детерминации | 0,76 |
Средняя ошибка аппроксимации | 0,059 |
Расчетное значение статистики Фишера | 22,81 |
Соответствующее критическое значение критерия Фишера | 3,68 |
укажите верный вывод.
- построенное уравнение регрессии объясняет 87% вариации зависимой переменной;
- средняя ошибка аппроксимации не превышает установленного предела в 15%, что свидетельствует о хорошем качестве модели;
- расчетное значение критерия Фишера превышает соответствующее табличное (критическое) значение. Найденное уравнение регрессии статистически надежно.
- регрессия установила наличие тесной обратной связи между признаками х и у.
Расположите в правильной последовательности этапы проведения корреляционно-регрессионного анализа.
Тип ответа: Сортировка
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).
Укажите характеристики, используемые в качестве меры точности модели регрессии:
- средняя абсолютная ошибка;
- остаточная дисперсия;
- коэффициент корреляции;
- средняя относительная ошибка аппроксимации;
- коэффициент вариации.
Логарифмическое преобразование позволяет осуществить переход от нелинейной модели у = 5x2u к модели:
ln y = ln 5 + 2 ln x + ln u
y = ln y + 5 +2ln x
ln y = 5 + 2x + u
y = ln 5 + 2 Inx + ln u
Фиктивной переменными в уравнении множественной регрессии могут быть:
- количественные переменные;
- экономические показатели, выраженные в стоимостном измерении;
- качественные переменные, преобразованные в количественные;
- переменные, исходные значения которых не имеют количественного значения.
Какой критерий используют для оценки значимости коэффициента корреляции:
- F-критерий Фишера;
- t-критерий Стьюдента;
- критерий Пирсона;
- критерий Дарбина-Уотсона.
К ошибкам выборки относятся:
- неоднородность данных в исходной статистической совокупности;
- неправильный выбор структуры математической функции для объясненной части уравнения регрессии;
- недоучет в уравнении регрессии какого-либо существенного фактора;
- округление данных при сборе исходной информации.
К ошибкам измерения относятся:
- неоднородность данных в исходной статистической совокупности;
- неправильный выбор структуры математической функции для объясненной части уравнения регрессии;
- недоучет в уравнении регрессии какого-либо существенного фактора;
- округление данных при сборе исходной информации.
Какое значение не может принимать парный коэффициент корреляции:
- 0,973;
- 0,005;
- 1,111;
- 0,721.
Определите правильную последовательность условия дополнительного включения фактора в модель: «При дополнительном включении во множественную регрессию новой объясняющей переменной…»
Тип ответа: Сортировка
1 коэффициент детерминации;
2 должен/должна возрастать.
3 остаточная дисперсия;
4 должен/должна уменьшаться;
Имеется матрица парных коэффициентов корреляции:
Между какими факторами наблюдается коллинеарность:
Имеется матрица парных коэффициентов корреляции:
Какой фактор НЕ следует включать в модель множественной регрессии?
- Х1
- Х2
- Х3
- У.
Уравнению регрессии yx=2,88-0,72x–∣–1,51 x2 соответствует множественный коэффициент корреляции Ry=0,84.
Укажите, какая доля вариации результативного показателя у (в %) объясняется входящими в уравнение регрессии переменными X1 и х2:
- 70,6;
- 16,0;
- 84,0;
- 29,4.