Второе условие Гаусса - Маркова для множественной регрессии предполагает, что дисперсия случайного члена _ в каждом наблюдении
(*ответ*) постоянна
переменна
равна 0
не равна 0
Второе условие Гаусса - Маркова заключается в том, что
(*ответ*) s2(ui) - не зависит от i
М(ui) - не зависит от i
s2(ui) = 0
s2(ui) = 1
Выбор необходимых для регрессии переменных и отбрасывание лишних переменных – это процесс, называемый
(*ответ*) спецификацией переменных
моделированием
унификацией переменных
прогнозированием
Выбор совокупности фиктивных переменных, сумма которых _, - это ловушка dummy trap
(*ответ*) равна константе
положительна
отрицательна
больше 1
Выборка _, если коэффициента детерминации R2 близок к единице
(*ответ*) близка к линии регрессии у = а + bx
далека от линии регрессии у = а + bx
колеблется около нуля
колеблется около единицы
Выборочная дисперсия как оценка теоретической дисперсии имеет _смещение
(*ответ*) отрицательное
положительное
нулевое
единичное
Выборочная дисперсия остатков в наблюдениях (y - (a + bx)) называется _ дисперсией зависимой переменной
(*ответ*) необъясненной
объясненной
случайной
нормальной
Выборочная дисперсия расчетных значений величины y называется _ дисперсией зависимой переменной
(*ответ*) объясненной
необъясненной
случайной
нормальной
Выборочная корреляция является _ теоретической корреляции
(*ответ*) оценкой
средним значением
дисперсией
распределением
Выразить степень связи между двумя переменными _ позволяет показатель выборочной ковариации
(*ответ*) единым числом
функциональной зависимостью
матрицей чисел
графиком
Вычисленные при гетероскедастичности стандартные ошибки
(*ответ*) занижены по сравнению с истинными значениями
завышены по сравнению с истинными значениями
соответствуют истинным значениям
не имеют математического смысла
Гетероскедастичность заключается в том, что дисперсия случайного члена регрессии _наблюдений
(*ответ*) зависит от номера
одинакова для всех
зависит от числа
зависит от времени проведения