przeszacowanie błędów standardowych

wybór modelu z małą liczbą zmiennych objaśniających

niedoszacowanie błędów standardowych

wybór zbyt prostego modelu

iloczyn statystyki chi-kwadrat lub dewiancji i liczby stopni swobody jest większy niż 2

iloraz statystyki chi-kwadrat lub dewiancji i liczby stopni swobody jest mniejszy niż 1

iloraz statystyki chi-kwadrat lub dewiancji i liczby stopni swobody jest większy niż 2

iloczyn statystyki chi-kwadrat lub dewiancji i liczby stopni swobody jest mniejszy niż 2

dwumianowym

Wszystkie odpowiedzi są prawidłowe

Poissona

wielomianowym

Zjawisko nadmiernego rozproszenia występuje bardzo często w praktyce

Zjawisko overdispersion powoduje, że zmienność wariancji będzie zbyt duża, prowadząc do wyboru nazbyt złożonego modelu

W regresji liniowej również możemy spotkać się z problemem nadmiernego rozproszenia.

Zjawisko underdispersion występuje bardzo często w praktyce.

wpływ zmiennej niezależnej na zmienną zależną w modelu zmienia się w zależności od wartości innej zmiennej niezależnej, będącej moderatorem

wprowadzenie do modelu iloczynu zmiennych, między którymi występuje interakcja poprawia jakość modelu

łączny efekt dwóch zmiennych daje się przewidzieć na podstawie efektów tych zmiennych działających osobno

wpływ zmiennej niezależnej na zmienną zależną w modelu zmienia się w zależności od wartości innej zmiennej niezależnej, będącej moderatorem oraz wprowadzenie do modelu iloczynu zmiennych, między którymi występuje interakcja poprawia jakość modelu

test ilorazu wiarygodności

test chi-kwadrat Pearsona

test Mantela-Haenszela

dokładny test Fishera

większe od 10

niższe od 5

wyższe od 5

mniejsze od 10

współczynnika tolerancji wariancji (TOL)

współczynnika VIF

testu Box’a-Tidwell’a

testu korelacji Pearsona