Статистические методы анализа данных

<<- Назад к вопросам

К каким последствиям может привести наличие мультиколлинеарности в линейной регрессионной модели?

(Ответ считается верным, если отмечены все правильные варианты ответов.)

Варианты ответа

существенному изменению оценок регрессионных параметров при незначительном изменении матрицы плана(Верный ответ)

большим дисперсиям оценок регрессионных параметров(Верный ответ)

смещенности оценок параметров регрессии

Похожие вопросы

Проблема мультиколлинеарности в линейной регрессионной модели обусловлена следующим обстоятельством

Какой (какие) из нижеперечисленных фактов свидетельствует о наличии мультиколлинеарности в линейной регрессионной модели?

МНК-оценка параметра $\theta$ линейной регрессионной модели является

МНК-оценка параметра $\theta$ линейной регрессионной модели совпадает с оценкой максимального правдоподобия параметра $\theta$

Погрешности наблюдений в модели однофакторного дисперсионного анализа должны удовлетворять следующим условиям:

Количество уровней фактора в задаче однофакторного дисперсионного анализа может быть

Рассматривается модель линейной регрессии $Y_i=\phi(X_i,\theta_1,...,\theta_p)+\varepsilon_i$ , $i=1,…,n$

, где $\varepsilon_i$ - ненаблюдаемые центрированные погрешности, имеющие плотность распределения $f(x)$

. Для оценивания неизвестных параметров $\theta_1,...,\theta_p$ применен ранговый метод. Величины дисперсий $D\theta_1,...,D\theta_p$ , полученных R-оценок, зависят от

Рассматривается модель линейной регрессии $Y_i=\phi(X_i,\theta_1,...,\theta_p)+\varepsilon_i$ , $i=1,…,n$

, где $\varepsilon_i$ - ненаблюдаемые центрированные погрешности, имеющие плотность распределения $f(x)$

. Для оценивания неизвестных параметров $\theta_1,...,\theta_p$ применен метод наименьших модулей (МНМ). Величины дисперсий $D\theta_1,...,D\theta_p$ , полученных МНМ-оценок, зависят от

Рассматривается модель линейной регрессии $Y_i=\phi(X_i,\theta_1,...,\theta_p)+\varepsilon_i$ , $i=1,…,n$

, где $\varepsilon_i$ - ненаблюдаемые центрированные погрешности, имеющие плотность распределения $f(x)$

. Для оценивания неизвестных параметров $\theta_1,...,\theta_p$ применен метод наименьших квадратов (МНК). Величины дисперсий $D\theta_1,...,D\theta_p$ , полученных МНК-оценок, зависят от

Коэффициент согласованности Кендалла $\tau$ для двух выборок может принимать значения