Home » Shop » СБОРНИК ОТВЕТОВ » Современные методы сбора, обработки и анализа экономических и социальных данных тест Синергия>Ответы

Современные методы сбора, обработки и анализа экономических и социальных данных тест Синергия>Ответы

260

Современные методы сбора, обработки и анализа экономических и социальных данных.фэ_БАК тест Синергия>Ответы на Итоговый тест

Описание

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=2,88-0,72x1,51 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.