Вопрос № 579127 - Эконометрика
Пусть истинной моделью является 
(х1, х2, х3 - существенные факторы), однако, мы не имеем статистических данных по переменной 
. Но другая переменная 
выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь 
, где 
и 
являются постоянными, но неизвестными величинами. Если мы построим регрессию 
, то
(х1, х2, х3 - существенные факторы), однако, мы не имеем статистических данных по переменной . Но другая переменная выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь , где и являются постоянными, но неизвестными величинами. Если мы построим регрессию , то
Варианты ответов
-
оценки b2 и b3 будут такими же, как и при построении регрессии с использованием
- все оценки коэффициентов b2 и b3 станут незначимыми
-
оценки b2 и b3 изменятся по сравнению с регрессией с использованием
- некоторые из оценок коэффициентов b2 и b3 могут стать незначимыми
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
Похожие вопросы
Пусть истинной моделью является 
(х1, х2, х3 - существенные факторы), однако, мы не имеем статистических данных по переменной 
. Но другая переменная 
выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь 
, где 
и 
являются постоянными, но неизвестными величинами. Если мы построим регрессию 
, то
(х1, х2, х3 - существенные факторы), однако, мы не имеем статистических данных по переменной . Но другая переменная выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь , где и являются постоянными, но неизвестными величинами. Если мы построим регрессию , то
все оценки коэффициентов b2 и b3 станут незначимыми
оценки b2 и b3 изменятся по сравнению с регрессией с использованием 
некоторые из оценок коэффициентов b2 и b3 могут стать незначимыми
оценки b2 и b3 будут такими же, как и при построении регрессии с использованием 
Пусть истинной моделью является 
(х1 и х2 – существенные факторы), однако, мы не имеем статистических данных по переменной 
. Но другая переменная 
выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь 
, где 
и 
являются постоянными, но неизвестными величинами. Если мы построим регрессию 
, то коэффициент детерминации 
по этому уравнению будет …
(х1 и х2 – существенные факторы), однако, мы не имеем статистических данных по переменной . Но другая переменная выступает идеальным заменителем для нее в том смысле, что имеется строгая (функциональная) линейная связь , где и являются постоянными, но неизвестными величинами. Если мы построим регрессию , то коэффициент детерминации по этому уравнению будет …
значительно больше, чем при построении регрессии с использованием х1
статистически незначимым
значительно меньше, чем при построении регрессии с использованием х1
таким же, как и при построении регрессии с использованием х1
Другие вопросы по предмету Эконометрика
Разность фактического и теоретического значений результирующей переменной регрессионной модели называется …
размахом выборки
амплитудой колебаний
средним отклонением
остатком
Подбор аналитической формы зависимости для уравнения парной регрессии возможен на основе графиков разброса …
центрированных по факторной переменной точек с координатами 
остатков модели 
теоретических точек с координатами 
,
, …, 
,, …,
эмпирических точек с координатами 
Отбор факторов в модель множественной регрессии с использованием метода включения основан на сравнении…
значений коэффициентов "чистой" регрессии
коэффициента автокорреляции и критерия Дарбина–Уотсона для остаточных величин
стандартных ошибок коэффициентов регрессии
величины остаточной дисперсии до и после включения фактора в модель
Отбор факторов в модель множественной регрессии с использованием метода включения основан на сравнении…
коэффициента автокорреляции и критерия Дарбина–Уотсона для остаточных величин
доверительных интервалов коэффициентов регрессии
значений коэффициентов "чистой" регрессии
величины объясненной дисперсии до и после включения фактора в модель