Ucz się szybciej
Testy Fiszki Notatki
Zaloguj  

Strona 2

Regresja logistyczna

Przejdź na Memorizer+
W trybie testu zyskasz:
Brak reklam
Quiz powtórkowy - pozwoli Ci opanować pytania, których nie umiesz
Więcej pytań na stronie testu
Wybór pytań do ponownego rozwiązania
Trzy razy bardziej pojemną historię aktywności
Wykup dostęp
Pytanie 9
Duże zmiany oszacowania parametrów β przy niewielkim zmienianiu wielkości zbioru na którym budowany jest model mogą być spowodowane
występowaniem interakcji
współlniniowością
brakiem liniowości w modelu
wystąpieniem zjawiska overdispersion
Pytanie 10
Oszacowanie modelu na podzbiorach nie pozwala na:
usunięcie zjawiska współliniowości w modelu
W przypadku podziału podzbiorów wg czasu wystąpienia zdarzenia (tj. zbiór w którym znajdują się zdarzenia starsze oraz zbiór w którym znajdą zdarzenia nowsze np. zdarzenia default w przypadku credit scoringu) na zbadanie stabilności modelu w czasie
Sprawdzenia mocy predykcyjnej modelu
na stwierdzenie występowania współlinowości w modelu, w przypadku stwierdzenia różnic w oszacowaniach parametrów
Pytanie 11
Najczęstszą praktyką stosowaną w celu pozbycia się niechcianej współlinniowości jest:
zostawienie wszystkich zmiennych
usunięcie jednej ze zmiennych podejrzanych o współlinniowość
metody czynnikowe
dodanie obserwacji do zbioru
Pytanie 12
Do poradzenia sobie ze współliniowością w pewnych przypadkach stosuje się metody czynnikowe, takie jak metody głównych składowych. Jedną z wad tej metody jest:
brak interpretowalności
zawyżenie R-kwadrat
wystąpieniem zjawiska overdispersion
korelacja między składowymi
Pytanie 13
Do metod graficznych oceny nieliniowości nie należy:
logit empiryczny
regresja lokalna
przekształcenie Boxa-Coxa
funkcja sklejana
Pytanie 14
Wielokrotna transformacja Boxa-Tidwella może prowadzić do:
przeuczenia
łatwiejszej interpretowalności parametru przy zmiennej
obciążoności oszacowań parametru
utraty własności liniowości względem logitu
Pytanie 15
Jedno z założeń modelu regresji logistycznej mówi o tym, że:
Żadne z pozostałych
Zmienna objaśniająca w modelu musi być liniowa względem zmiennej objaśnianej
Zmienne objaśniające muszą być liniowe względem siebie.
Zmienna obaśniająca w modelu musi być liniowa względem logitu zmiennej objaśnianej.
Pytanie 16
Przyczyną braku liniowości w modelu regresji logistycznej są
Współliniowość zmiennych
Niesymetryczne rozkłady zmiennych
Niespełnienie założenia o normalności rozkładu reszt.
Występowanie zmiennych jakościowych.
Następne pytania Pozostało stron: 4