Вопрос № 579154 - Эконометрика
Мультиколлинеарность в модели линейной множественной регрессии может наблюдаться когда…
Варианты ответов
- остатки модели связаны с объясняющими переменными
- одна из переменных является строгой (функциональной) или нестрогой (близкой к функциональной) линейной комбинацией остальных
- остатки модели не являются нормально распределенными
- остатки модели связаны с зависимой переменной
Правильный ответ
Вопрос задал(а): Анонимный пользователь, 10 Ноябрь 2020 в 19:44
На вопрос ответил(а): Анастасия Степанова, 10 Ноябрь 2020 в 19:44
На вопрос ответил(а): Анастасия Степанова, 10 Ноябрь 2020 в 19:44
Другие вопросы по предмету Эконометрика
Что из перечисленного является последствием мультиколлинеарности?
увеличение дисперсии зависимой переменной
снижение дисперсии оценок
снижение коэффициента детерминации 
значительное изменение оценок параметров из-за незначительного изменения объема выборки
Мультиколлинеарность в модели множественной линейной регрессии можно устранить…
с помощью замены зависимой переменной на линейную комбинацию мультиколлинеарных
с помощью удаления из модели константы
с помощью добавления в модель новых переменных
с помощью удаления из модели переменных, приводящих к мультиколлинеарности
Пусть оценивается модель множественной линейной регрессии 
. Пусть для независимых переменных оценена корреляционная матрица 
. Пусть так же известно, что среди независимых переменных есть мультиколлинеарные, тогда
. Пусть для независимых переменных оценена корреляционная матрица . Пусть так же известно, что среди независимых переменных есть мультиколлинеарные, тогда
значения коэффициентов корреляции будут близки к 0 
определитель корреляционной матрицы будет близок к 1 
значения диагональных элементов корреляционной матрицы будут близки к 0 
определитель корреляционной матрицы будет близок к 0 
Необходимым свойством факторной переменной при включении ее в уравнение регрессии является …
слабая корреляция с результирующей переменной
сильная корреляция с другими факторными переменными, включёнными в модель
сильная корреляция с остатком модели
сильная вариация ее значений для всего объёма наблюдений