OLS-регрессия расходов юзера на доход: residuals расходятся «воронкой» с ростом x, но коэффициенты выглядят разумно, а p-values отличные. Что происходит и каким выводам модели нельзя верить?
Это проблема которая встречается только в time series регрессиях с автокорреляцией остатков; в cross-section данных её не бывает по definition
Это multicollinearity между предикторами — высокая корреляция признаков raises variance оценок коэффициентов; решается через регуляризацию (Ridge/Lasso) или PCA
Неравномерная дисперсия ошибок (variance растёт с x); делает t-test/CI невалидными; решается через robust SE (HC3, sandwich), WLS, или transformation
Проблема с нормальностью residuals из распределения ошибок — нарушение Gauss-Markov assumptions требует логарифмической трансформации зависимой переменной
Как разобрать этот вопрос на собеседовании
Раздели задачу на «какая гипотеза», «какой тест подходит» и «как интерпретировать результат». Держи в голове предпосылки теста, ошибки I и II рода и разницу между статистической и практической значимостью. Интервьюер чаще проверяет рассуждение, а не вывод формулы — проговаривай допущения вслух.
На собеседовании по такому вопросу важно не только назвать ответ, но и кратко объяснить, почему он верный.
Тема вопроса — «Статистика». Чтобы подготовиться к похожим задачам, отрабатывай их на практике: конспекты по статистике и a/b помогает довести навык до автоматизма, а раздел вопросов — увидеть формулировки, которые реально встречаются на интервью аналитика данных.
Разбор ответа
Подробный разбор с объяснением «почему правильный ответ верный» и почему остальные неверны — после регистрации.
3000+ вопросов с разбором, quiz-режим с проверкой, AI-собес и подготовка к интервью аналитика.