Наилучший способ устранения автокорреляции - установление ответственного за нее фактора и включение соответствующей _ переменной в регрессию
(*ответ*) объясняющей
зависимой
сезонной
фиктивной
Нижний индекс переменной (t - s) означает, что она является
(*ответ*) лаговой
лишней
замещающей
опережающей
Отклонение еi в i-м наблюдении y i от регрессиис двумя объясняющими переменными:
(*ответ*) ei = yi-a-b1x1-b2x2
ei = yi + a + b1x1+b2x2
ei = yi -a -b1xn - … -bmxmi
ei = yi -a
Оценка ρ, полученная МНК для авторегрессионной схемы первого порядка рассчитывается по формуле _, ek - остатки в наблюдениях
(*ответ*) cov (ek-1, ek)/var (ek-1)
var (ek-1)
cov (ek-1, ek)/k
cov (ek-1, ek)/var (ek)
Пересмотр оценок в методе Кокрана - Оркатта выполняется до тех пор, пока не будет _ оценок
(*ответ*) получена требуемая точность
выполнено заданное число итераций
получено необходимое значение
получено необходимое количество
Плоскость регрессии y = a + b1x1 + b2x2 - двумерная плоскость в _пространстве
(*ответ*) трехмерном
(m + 1)-мерном
двумерном
m-мерном
Положительная автокорреляция - ситуация, когда случайный член регрессии в следующем наблюдении ожидается
(*ответ*) того же знака, что и в настоящем наблюдении
равным нулю
того же знака, что и в первом наблюдении
противоположного знака по сравнению с настоящим наблюдением
Поправка Прайса - Уинстена - метод спасения _ в автокорреляционной схеме первого порядка
(*ответ*) первого наблюдения
трендовой составляющей
сезонной составляющей
последнего наблюдения
При автокорреляции оценка коэффициентов регрессии становится
(*ответ*) неэффективной
невозможной
равной нулю
смещенной
При добавлении объясняющей переменной в уравнение регрессии коэффициент детерминации
(*ответ*) не уменьшается
остается неизменным
не увеличивается
уменьшается
При использования обычного МНК наблюдению высокого качества придается вес _ наблюдению низкого качества
(*ответ*) такой же как
на 4 единицы больше, чем
меньший, чем
больший, чем
При отрицательной автокорреляции DW
(*ответ*) >2
>1
=0
<2