[ОТВЕТЫ] Современные методы сбора, обработки и анализа экономических и социальных данных>Синергия Итоговый тест>90 баллов (Решение → 74905)

[ОТВЕТЫ] СИНЕРГИЯ Тест "Современные методы сбора, обработки и анализа экономических и социальных данных.фэ_БАК" > Решены на 90 из 100 баллов "Зачет".

• Правильные готовые ответы на тест Синергия🟢с результатом сдачи "Зачтено".
• Все Ответы к тесту указаны в файле. После покупки вы сможете скачать файл со всеми ответами.
• Ответы на 🟢75 баллов можно приобрести здесь➤

↓ВОПРОСЫ К ТЕСТУ УКАЗАНЫ НИЖЕ В ОГЛАВЛЕНИИ↓

К ошибкам спецификации 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.

Финансовая устойчивость предприятия характеризуется k=8 показателями. В результате расчетов получены собственные значения трех первых главных компонент: λl = 4.0; λ2 = 1,6 и λ3 = 0.8. Чему равен относительный вклад двух первых главных компонент (в %)?

Тип ответа: Текстовый ответ

Значение статистики Дарбина-Уотсона находится между значениями ...

Тип ответа: Текстовый ответ

Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака, объясненной регрессией, к ... дисперсии результативного признака.

Тип ответа: Текстовый ответ

Сколько степеней свободы в выборке поглощает оценивание каждого параметра в уравнении регрессии?

Тип ответа: Текстовый ответ

Какой критерий используют для оценки значимости коэффициента детерминации:

F-критерий Фишера;

t-критерий Стьюдента;

критерий Пирсона;

критерий Дарбина-Уотсона.

Уравнению регрессии yx=2,88-0,72x-∣-1,51 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.

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.

Имеется матрица парных коэффициентов корреляции:

Между какими факторами наблюдается коллинеарность:

у и X3;

х 1 и х3;

X2 и х3;

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.

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.

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.

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).

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;

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.

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:

rxy≥0,5;

rxy≥1;

rxy≥0,3;

rxy≥0,7.

Какое значение не может принимать парный коэффициент корреляции:

0,973;

0,005;

1,111;

0,721.

Имеется матрица парных коэффициентов корреляции:

Какой фактор НЕ следует включать в модель множественной регрессии?

Х1

Х2

Х3

У.