База ответов ИНТУИТ

Статистические методы анализа данных

<<- Назад к вопросам

Проблема мультиколлинеарности в линейной регрессионной модели обусловлена следующим обстоятельством

(Отметьте один правильный вариант ответа.)

Варианты ответа
наличием линейной зависимости между входными (объясняющими) переменными(Верный ответ)
погрешности имеют различные дисперсии
наличием линейной зависимости между выходной (результирующей) переменной и входными (объясняющими) переменными
Похожие вопросы
К каким последствиям может привести наличие мультиколлинеарности в линейной регрессионной модели?
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:
Наблюдения $X_{ij},j=1,2,3;i=1,...,n_{j}$ описываются моделью следующего вида $X_{ij}=\mu+\tau_{j}+\varepsilon_{ij}$, где$\mu$ -неизвестное общее среднее, $\tau_{j}$ -отклонение от среднего, вызванное изменением уровня факторной переменной, $\varepsilon_{ij}$ - погрешности с нулевым математическим ожиданием.Контраст $\theta$ параметров $\tau$ в этой модели задан следующим образом $\theta=\sum\limits_{j=1}^3 c_{j}\tau_{j}$, где $c_{1}=1,c_{2}=-1,c_{3}=0$.Определенный таким образом контраст характеризует
Наблюдения $X_{ij},j=1,2,3;i=1,...,n_{j}$ описываются моделью следующего вида $X_{ij}=\mu+\tau_{j}+\varepsilon_{ij}$, где$\mu$ -неизвестное общее среднее, $\tau_{j}$ -отклонение от среднего, вызванное изменением уровня факторной переменной, $\varepsilon_{ij}$ - погрешности с нулевым математическим ожиданием.Контраст $\theta$ параметров $\tau$ в этой модели задан следующим образом $\theta=\sum\limits_{j=1}^3 c_{j}\tau_{j}$, где $c_{1}=1,c_{2}=0,c_{3}=-1$.Определенный таким образом контраст характеризует
Наблюдения $X_{ij},j=1,2,3;i=1,...,n_{j}$ описываются моделью следующего вида $X_{ij}=\mu+\tau_{j}+\varepsilon_{ij}$, где$\mu$ -неизвестное общее среднее, $\tau_{j}$ -отклонение от среднего, вызванное изменением уровня факторной переменной, $\varepsilon_{ij}$ - погрешности с нулевым математическим ожиданием.Контраст $\theta$ параметров $\tau$ в этой модели задан следующим образом $\theta=\sum\limits_{j=1}^3 c_{j}\tau_{j}$, где $c_{1}=0,c_{2}=1,c_{3}=-1$.Определенный таким образом контраст характеризует
Для признаков А и В, измеренных в номинальной шкале, составлена таблица сопряженности и вычислен коэффициент Крамера К=0.2. Полученный результат можно трактовать следующим образом
Для признаков А и В, измеренных в номинальной шкале, составлена таблица сопряженности и вычислен коэффициент среднеквадратической сопряженности $\varphi=0.5$. Полученный результат можно трактовать следующим образом