Analüütik soovib regressioonmudeli abil määrata, millistest tunnustest sõltub tunnus y. Potentsiaalseid seletavaid tunnusied on 4. Analüütik kasutab alt-üles lähenemist, st alustab väiksema tunnuste arvuga. Potentsiaalsete seletavate tunnuste x1, x2, x4 ja x4 järjestamiseks on tal leitud korrelatsioonimaatriks

Millises järjekorras tuleb potentsiaalseid seletavaid tunnuseid mudelisse lisada?

Elektrijaamade kulufunktsiooni hindamiseks kasutati lineaarset mudelit . Seejärel testiti RESET testiga, kas mudeli kuju on õige, testi aruanne on toodud. Milline on järeldus?

Hinnati mudelit, kus oli 6 regressorit, mudeli hindamise aruanne on allpool. Mudelist tuleks ükshaaval eemaldada mitteolulised tunnused. Milline tunnus tuleb eemaldada esimesena?

Hinnati mudelit 

Peale mudeli hindamist testiti kitsenduste F-testiga, kas tunnuse SKPmuut võib mudelist eemaldada, st kas võib panna peale kitsenduse b₄=0. Testi aruanne Gretlis on all. Kas tunnuse võib eemaldada?

Olgu meil võimalike seletavate tunnuste kandidaate m tükki.  Nendest valitakse välja k tunnust, mis lülitatakse mudelisse. Iga tunnuse olulisuse hindamiseks kasutatakse nominaalset olulisuse nivood α. Milline on seos nominaalse olulisuse nivoo α ja tegeliku olulisuse nivoo α* vahel?

Regressioonmudeli hindamisel kasutati aegridu. Peale mudeli hindamist sooviti testida, kas mudeli parameetrid on stabiilsed. Puudus aga info, millal võib esineda murdepunkt. Millist testi võib sellisel juhul kasutada?

Kumb mudeli spetsifikatsiooniviga tekitab rohkem probleeme?

Kui me soovime analüüsida, kas regressioonmudeli parameetrid on stabiilsed, siis see on

Milliseid võimalusi võib kasutada multikollineaarsuse vähendamiseks?