?
Множественная регрессия представлена в виде:
+
-
-
-
?
Статистическая надежность оценки коэффициентов регрессии увеличивается:
+с увеличением числа степеней свободы
-с уменьшением числа степеней свободы
-не зависит от числа степеней свободы
?
Добавление новой объясняющей переменной:
+никогда не уменьшает значение коэффициента детерминации
-иногда уменьшает значение коэффициента детерминации
-не оказывает влияния на значение коэффициента детерминации
?
Проверка статистического качества уравнения регрессии включает:
+проверку статистической значимости коэффициентов уравнения, общего качества уравнения, выполнимости предпосылок МНК
-проверку статистической значимости коэффициентов уравнения и выполнимости предпосылок МНК
-вычисление доверительных интервалов зависимой переменной и проверку общего качества уравнения
?
Укажите верное утверждение о скорректированном коэффициенте детерминации:
+скорректированный коэффициент детерминации меньше обычного коэффициента детерминации для m>1
|
|
-скорректированный коэффициент детерминации больше обычного коэффициента детерминации для m>1
-скорректированный коэффициент детерминации меньше или равен обычному коэффициенту детерминации для m>1
?
С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:
+растет медленнее, чем обычный коэффициент детерминации
-не изменяется
-превышает значение обычного коэффициента детерминации
?
Скорректированный коэффициент детерминации увеличивается при добавлении новой объясняющей переменной тогда и только тогда:
+когда t-статистика для этой переменной по модулю больше единицы
-когда t-статистика для этой переменной по модулю больше своего критического значения
-когда t-статистика для этой переменной по модулю больше трех
?
Если коэффициент детерминации равен нулю, то:
+величина зависимой переменной Y линейно не зависит от независимых переменных Xi
-величина зависимой переменной Y линейно зависит от независимых переменных Xi
-нельзя сделать вывод о линейной зависимости Y от независимых переменных Xif
?
При добавлении существенной объясняющей переменной Х в линейную модель множественной регрессии скорректированный коэффициент детерминации:
+увеличивается
-уменьшается
-не изменяется
?
Укажите истинное утверждение:
+скорректированный и обычный коэффициенты детерминации совпадают только в тех случаях, когда обычный коэффициент детерминации равен единице или нулю
-стандартные ошибки коэффициентов регрессии определяются значениями всех коэффициентов регрессии
|
|
-при наличии гетероскедастичности оценки коэффициентов регрессии становятся смещенными
?
Если коэффициент детерминации равен нулю, то критерий Фишера равен:
+нулю
-единице
-больше или равен единице
?
Коэффициент детерминации является мерой сравнения качества:
+регрессионных моделей с одинаковой спецификацией и одинаковым числом наблюдений n
-любых регрессионных моделей
-регрессионных моделей с одинаковым числом наблюдений
?
Число степеней свободы для остаточной суммы квадратов отклонений в линейной модели множественной регрессии равно:
+n-m-1
-n-1
-m
?
Число степеней свободы для регрессионной суммы квадратов отклонений в линейной модели множественной регрессии равно:
+m
-n-m-1
-n-1
?
Уравнение регрессии является качественным, если:
+t-статистики, F-статистика больше критических значений, предпосылки МНК соблюдены
-t-статистики, F-статистика, DW- статистика высокие
-коэффициент детерминации больше 0,8
?
Известно, что при фиксированном значении переменной x2 между переменными y и х1 существует положительная связь. Какое значение может принять частный коэффициент корреляции Rух1/x2?
+0,4
-0
--0,8
-1,3
?
Множественный коэффициент корреляции Rух1x2=0,8. Определите, какой процент дисперсии зависимой переменной у объясняется влиянием х1 и x2
-0%
-28%
-32%
+64%
?
По результатам 20 наблюдений найден множественный коэффициент корреляции Rух1x2=0,8. Проверьте значимость Rух1x2 при уровне значимости 0,05 и определите разность между наблюдаемым и критическим значениями критерия Фишера
+11.5
-2.8
-13.6
-9.4
?
Какое значение может принимать коэффициент детерминации:
+0.4
-- 0,5
-- 0,2
-1,2
?
Какое значение не может принять множественный коэффициент корреляции:
+1,2
--1
--0.5
-0
?
Известно, что х2 усиливает связь между у и х1. По результатам наблюдений получен частный коэффициент корреляции Rух1/x2=-0,45. Какое значение может принять парный коэффициент корреляции rух1?
+-0.3
-0.4
-0.2
-1.2
?
По результатам наблюдений получен парный коэффициент корреляции rух1 =0.6. Известно, что х2 занижает связь между у и х1. Какое значение может принять частный коэффициент корреляции?
-0.8
+0.5
--0.5
--0.6
?
Какие требования в линейной модели множественной регрессии предъявляются к математическому ожиданию и дисперсии случайных отклонений:
+
-
-
-
?
Что минимизируется согласно методу наименьших квадратов?
+
-
-
-
?
Если эффективность производства растет по мере его укрупнения и оно описывается производственной функцией Кобба-Дугласа, то параметры модели удовлетворяют соотношению:
+
-
-
-
?
Получена производственная функция Y=2.7*K 0.8*L 0.2, если объем капитала К увеличить на 1%, то объем производства в среднем изменится (в %) на:
+0.8
-2.7
-0.2
--0.8
?
Получены две производственные функции Кобба-Дугласа, имеющие равные значения параметров «альфа» и «бета», но различающиеся по параметру А. В каком случае первое производство более эффективно, чем второе?
+А1>А2
-A1<A2
-A1=A2
?
По 26 наблюдениям получена модель производственной функции:
y, l, k - темпы прироста объема выпуска, затрат труда и капитал. Какой вывод является верным:
+надо исключить фактор l, так как он оказался статистически незначим
-надо исключить фактор k, так как он оказался статистически незначим
-модель имеет удовлетворительные статистики, поэтому нет смысла ее совершенствовать
?
В чем состоит условие гомоскедастичности в регрессионной модели:
-
-
+
-
?
На практике гетероскедастичность имеет место, если есть основания считать, что:
+вероятностные распределения случайных отклонений при различных наблюдениях будут различны
-вероятностные распределения случайных отклонений при различных наблюдениях будут одинаковы
|
|
-дисперсии случайных отклонений постоянны
?
При гетероскедастичности случайных отклонений оценки коэффициентов регрессии становятся:
+неэффективными
-смещенными
-нелинейными
?
При гетероскедастичности, вероятнее всего, что t-статистики коэффициентов регрессии и F-статистика будут:
+завышенные
-заниженные
-точные
?
В координатной плоскости при гомоскедастичности случайных отклонений:
+квадраты случайных отклонений находятся внутри полуплоскости, параллельной оси абсцисс
-квадраты случайных отклонений находятся в первой четверти системы координат
-наблюдаются систематические изменения в соотношениях между квадратами случайных отклонений и переменной Х
?
Какое из утверждений верно:
+не существует общего теста для анализа гетероскедастичности
-тест ранговой корреляции Спирмена основан на использовании статистики Фишера
-тест Глейзера является частным случаем теста Голдфелда-Квандта
?
В условиях автокорреляции t-статистики коэффициентов регрессии будут:
+завышены
-занижены
-точные
?
Если график наблюдений переменной Y и график регрессионных значений переменной Y пересекаются редко, то можно предположить наличие:
+положительной автокорреляции остатков
-отрицательной автокорреляции остатков
-отсутствие автокорреляции остатков
?
Преобразование соответствует:
+авторегрессионной схеме 1 порядка
-методу взвешенных наименьших квадратов
-косвенному методу наименьших квадратов
?
Для обнаружения автокорреляции применяют:
+критерий DW
-тест Голдфелда-Квандта
-тест Спирмена
-тест Глейзера
?
Статистика DW изменяется в пределах
+от нуля до четырех
-от нуля до двух
-меньше или равна двум
?
Коэффициент автокорреляции «ро» в авторегрессионной схеме 1 порядка на основе статистики DW определяется:
+1-DW/2
-DW/2
-1+DW/2
?
Метод первых разностей применяется для определения коэффициента автокорреляции «ро» тогда, когда:
+
-
-
?
Укажите ложное утверждение:
+при наличии автокорреляции значение коэффициента детерминации всегда будет существенно ниже единицы
|
|
-статистика DW лежит в пределах от 0 до 4
-статистика DW не используется в авторегрессионных моделях
?
Мультиколлинеарность –это:
+линейная взаимосвязь двух или нескольких объясняющих переменных
-взаимосвязь между случайными отклонениями
-постоянство дисперсии случайных отклонений
?
Признаком мультиколлинеарности является:
+высокие коэффициент детерминации и частные коэффициенты корреляции
-высокий DW
-высокое значение F-статистики
?
Для оценки коррелированности между двумя объясняющими переменными рассчитывают:
+коэффициент парной линейной корреляции
-частные коэффициенты корреляции
-коэффициент детерминации
?
Укажите ложное утверждение:
+мультиколлинеарность не ухудшает качество модели
-мультиколлинеарность не приводит к получению смещенных оценок коэффициентов, но ведет к получению смещенных оценок для дисперсии коэффициентов
-при наличии мультиколлинеарности оценки коэффициентов остаются несмещенными, но их t-статистики будут занижены
?
Какое из утверждений верно (применительно к гетероскедастичности):
-оценки вследствие гетероскедастичности перестают быть состоятельными
-оценки и дисперсии оценок остаются несмещенными
+выводы по статистикам являются ненадежными (применительно к гетероскедастичности)
-гетероскедастичность проявляется через низкое значение статистики DW
?
Что такое автокорреляция остатков?
+взаимная зависимость остатков регрессии
-равенство остатков регрессии
-непостоянство дисперсии остатков
-все перечисленное
?
Критерий Дарбина-Уотсона применяется для
+проверки модели на автокорреляцию остатков
-определения экономической значимости модели в целом
-определения статистической значимости модели в целом
-сравнения двух альтернативных вариантов модели
-отбора факторов в модель
?
Для модели, связывающей количество вакансий Wt и уровень безработицы Ut:
Wt=2,3-0,78 lnUt, статистика Дарбина-Уотсона составила 0,7. О чем говорит ее значения?
+свидетельствует о наличии положительной автокорреляции первого порядка ошибок регрессии
-свидетельствует о тесной связи между количеством вакансий и уровнем безработицы
-свидетельствует о значимости коэффициентов регрессии
-подтверждает наличие гетероскедастичности
?
В чем суть гетероскедастичности?
+дисперсии случайных отклонений изменяются-
-дисперсии случайных отклонений постоянны
-случайные отклонения взаимно коррелированы
-случайные отклонения равны для всех наблюдений
?
Какое из утверждений о гетероскедастичности не верно:
-проблема гетероскедастичности обычно характерна для перекрестных данных
-выводы по t –статистикам и F-статистике при гетероскедастичности являются ненадежными
-не существует общего теста для анализа гетероскедастичности
+гетероскедастичность проявляется через низкое значение статистики Дарбина – Уотсона
?
Когда дисперсии отклонений неизвестны, то для устранения гетероскедастичности применяют:
-коэффициент пропорциональности , или
-коэффициент пропорциональности
+коэффициент пропорциональности , или или
?
Тест Голдфелда – Кванта основан на использовании:
-t – статистики распределения Стьюдента
+F – статистики распределения Фишера
-статистики Дарбина – Уотсона
-коэффициента ранговой корреляции Спирмена
?
Для регрессии за период 1971-1998 гг. получены следующие результаты (для данных 1971-1980 гг.), (для данных 1989-1998 гг.). Сделайте вывод о постоянстве дисперсии отклонений:
+дисперсия отклонений непостоянна
-дисперсия отклонений постоянна
-дисперсия отклонений составляет 35
-дисперсия отклонений не влияет на качество регрессии
?
Укажите неверное применительно к автокорреляции выражение:
-оценки коэффициентов перестают быть эффективными
-выводы по t- и F – статистикам могут быть неверными
-дисперсия регрессии является смещенной оценкой истинного значения:
+дисперсии оценок коэффициентов остаются несмещенными
?
Чем скорректированный R2 отличается от обычного?
+скорректированный R2содержит поправку на число степеней свободы для получения несмещенных оценок дисперсии
-скорректированный R2 всегда меньше обычного R2
-скоректированный R2 больше, чем обычный R2
-скорректированный R2 вычисляется намного проще, чем обычный R2
?
Когда целесообразно добавление новой объясняющей переменной в модель?
-при росте R2
+при росте скорректированного R2
-в любом случае
-если модель не соответствует экономической теории
?
По результатам бюджетного обследования пяти семей записано следующее уравнение регрессии накоплений (регрессоры – доход и имущество, тыс. руб.) y=0,279+0,123x1-0,029x2
Спрогнозируйте накопление семьи, имеющей доход 40 тыс. руб. и имущество стоимостью 25 тыс. руб
+4,47
-3,78
-5,06
-5,47
?
По результатам бюджетного обследования пяти семей записано следующее уравнение регрессии накоплений (регрессоры – доход и имущество, тыс. руб.) y=0,279+0,123x1-0,029x2
Оцените, как возрастут накопления семьи, если ее доход вырос на 10 тыс. руб.,а стоимость имущества не изменилась?
-10,123
+1,23
-0,123
-10,0
?
По результатам бюджетного обследования пяти семей записано следующее уравнение регрессии накоплений (регрессоры – доход и имущество, тыс. руб.) y=0,279+0,123x1-0,029x2
Оцените, как возрастут накопления семьи, если ее доход вырос на 5 тыс. руб., а стоимость имущества увеличилась на 15 тыс. руб
-0,20
-0,35
-0,15
+0,18
?
По 40 точкам оценена следующая модель производственной функции:
y, l, k - темпы прироста объема выпуска, затрат труда и затрат капитала. Укажите неверный вывод:
-имеет место автокорреляция остатков первого порядка, поэтому надо изменить форму зависимости
+надо исключить фактор l, так как он оказался статистически незначим
-модель имеет удовлетворительные статистики, поэтому нет смысла ее совершенствовать
?
Замена , подходит для уравнения:
- ;
- ;
- ;
+ .
?
Величина остаточной дисперсии при включении существенного фактора в модель:
- не изменится;
- будет увеличиваться;
- будет равно нулю;
+ будет уменьшаться.
?
Было замечено, что при увеличении количества вносимых удобрений урожайность также возрастает, однако, по достижении определенного значения фактора моделируемый показатель начинает убывать. Для исследования данной зависимости можно использовать спецификацию уравнения регрессии …
- ;
- ;
- ;
+ .
?
Фиктивные переменные включаются в уравнения ____________регрессии
- случайной;
- парной;
- косвенной;
+ множественной
?
Обобщенный метод наименьших квадратов не используется для моделей с _______ остатками.
- автокоррелированными и гетероскедастичными;
+ гомоскедастичными;
- гетероскедастичными;
- автокоррелированными.
?
Из пары коллинеарных факторов в эконометрическую модель включается тот фактор,
- который при достаточно тесной связи с результатом имеет наибольшую связь с другими факторами;
- который при отсутствии связи с результатом имеет максимальную связь с другими факторами;
- который при отсутствии связи с результатом имеет наименьшую связь с другими факторами;
+ который при достаточно тесной связи с результатом имеет меньшую связь с другими факторами.
?
После применения обобщенного метода наименьших квадратов удается избежать_________ остатков
+ гетероскедастичности;
- нормального распределения;
- равенства нулю суммы;
- случайного характера.
?
Результатом линеаризации полиномиальных уравнений является …
- нелинейные уравнения парной регрессии;
- линейные уравнения парной регрессии;
- нелинейные уравнения множественной регрессии;
+ линейные уравнения множественной регрессии.
?
Множественная регрессия не является результатом преобразования уравнения:
+ ;
- ;
- ;
- .
?
Линеаризация подразумевает процедуру …
- приведения уравнения множественной регрессии к парной;
+ приведения нелинейного уравнения к линейному виду;
- приведения линейного уравнения к нелинейному виду;
- приведения нелинейного уравнения относительно параметров к уравнению, линейному относительно результата.
?
Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении ОМНК …
+ преобразуются исходные уровни переменных;
- остатки не изменяются;
- остатки приравниваются к нулю;
- уменьшается количество наблюдений
?
Отбор факторов в модель множественной регрессии при помощи метода включения основан на сравнении значений …
- общей дисперсии до и после включения фактора в модель;
- остаточной дисперсии до и после включения случайных факторов в модель;
- дисперсии до и после включения результата в модель;
+ остаточной дисперсии до и после включения фактора v модель.
?
В стандартизованном уравнении множественной регрессии переменными являются:
- исходные переменные;
- стандартизованные параметры;
- средние значения исходных переменных;
+ стандартизованные переменные.
?
Одним из методов присвоения числовых значений фиктивным переменным является...
+– ранжирование;
- выравнивание числовых значений по возрастанию;
- выравнивание числовых значений по убыванию;
- нахождение среднего значения.
?
В матрице парных коэффициентов корреляции отображены значения парных коэффициентов линейной корреляции между....
+ переменными;
- параметрами;
-параметрами и переменными;
- переменными и случайными факторами.
?
Метод оценки параметров моделей с гетероскедастичными остатками называется ____________ методом наименьших квадратов:
- обычным;
- косвенным;
+ обобщенным;
- минимальным.
?
Дано уравнение регрессии . Определите спецификацию модели.
- полиномиальное уравнение парной регрессии;
- линейное уравнение простой регрессии;
- полиномиальное уравнение множественной регрессии;
+ линейное уравнение множественной регрессии.
?
В стандартизованном уравнении свободный член ….
- равен 1;
- равен коэффициенту множественной детерминации;
- равен коэффициенту множественной корреляции;
+ отсутствует.
?
В качестве фиктивных переменных в модель множественной регрессии включаются факторы,
- имеющие вероятностные значения;
- имеющие количественные значения;
- не имеющие качественных значений;
+ не имеющие количественных значений.
?
Факторы эконометрической модели являются коллинеарными, если коэффициент …
+ корреляции между ними по модулю больше 0,7;
- детерминации между ними по модулю больше 0,7;
- детерминации между ними по модулю меньше 0,7;
?
Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении ОМНК …
+ преобразуются исходные уровни переменных;
- остатки не изменяются;
- остатки приравниваются к нулю;
- уменьшается количество наблюдений.
?
Объем выборки определяется …
- числовыми значением переменных, отбираемых в выборку;
- объемом генеральной совокупности;
+ числом параметров при независимых переменных;
- числом результативных переменных.
?
11. Множественная регрессия не является результатом преобразования уравнения:
+ ;
- ;
- ;
- .
?
Исходные значения фиктивных переменных предполагают значения …
+ качественные;
- количественно измеримые;
- одинаковые;
- значения.
?
Обобщенный метод наименьших квадратов подразумевает …
+ преобразование переменных;
- переход от множественной регрессии к парной;
- линеаризацию уравнения регрессии;
- двухэтапное применение метода наименьших квадратов.
?
Линейное уравнение множественной регрессии имеет вид . Определите какой из факторов или оказывает более сильное влияние на :
- , так как 3,7>2,5;
- оказывают одинаковое влияние;
- , так как 2,5>-3,7;
+ по этому уравнению нельзя ответить на поставленный вопрос, так как коэффициенты регрессии несравнимы между собой.
?
Включение фактора в модель целесообразно, если коэффициент регрессии при этом факторе является …
- нулевым;
- незначимым;
+ существенным;
- несущественным.
?
Что преобразуется при применении обобщенного метода наименьших квадратов?
- стандартизованные коэффициенты регрессии;
- дисперсия результативного признака;
+ исходные уровни переменных;
- дисперсия факторного признака.
?
Проводится исследование зависимости выработки работника предприятия от ряда факторов. Примером фиктивной переменной в данной модели будет являться ______ работника.
- возраст;
+ уровень образования;
- стаж;
- заработная плата.
?
Переход от точечного оценивания к интервальному возможен, если оценки являются:
- эффективными и несостоятельными;
- неэффективными и состоятельными;
+ эффективными и несмещенными;
- состоятельными и смещенными.
?
Матрица парных коэффициентов корреляции строится для выявления коллинеарных и мультиколлинеарных …
+ параметров;
- случайных факторов;
- существенных факторов;
- результатов.
?
На основании преобразования переменных при помощи обобщенного метода наименьших квадратов получаем новое уравнение регрессии, которое представляет собой:
- взвешенную регрессию, в которой переменные взяты с весами ;
- нелинейную регрессию, в которой переменные взяты с весами ;
- нелинейную регрессию, в которой переменные взяты с весами ;
+ взвешенную регрессию, в которой переменные взяты с весами .
?
Если расчетное значение критерия Фишера меньше табличного значения, то гипотеза о статистической незначимости уравнения …
- отвергается;
- незначима;
+ принимается;
- несущественна.
?
Если факторы входят в модель как произведение, то модель называется:
- суммарной;
- производной;
- аддитивной;
+ мультипликативной.
?
Уравнение регрессии, которое связывает результирующий признак с одним из факторов при зафиксированных на среднем уровне значении других переменных, называется:
- множественным;
- существенным;
+ частным;
- несущественным.
?
Относительно количества факторов, включенных в уравнение регрессии, различают …
- линейную и нелинейную регрессии;
- непосредственную и косвенную регрессии;
+ простую и множественную регрессию;
- множественную и многофакторную регрессию.
?
Требованием к уравнениям регрессии, параметры которых можно найти при помощи МНК является:
- равенство нулю значений факторного признака
- нелинейность параметров;
- равенство нулю средних значений результативной переменной;
+ линейность параметров.
?
Метод наименьших квадратов не применим для …
- линейных уравнений парной регрессии;
- полиномиальных уравнений множественной регрессии;
+ уравнений, нелинейных по оцениваемым параметрам;
- линейных уравнений множественной регрессии.
?
При включении фиктивных переменных в модель им присваиваются …
- нулевые значения;
+ числовые метки;
- одинаковые значения;
- качественные метки.
?
Результатом линеаризации полиномиальных уравнений является …
- нелинейные уравнения парной регрессии;
- линейные уравнения парной регрессии;
- нелинейные уравнения множественной регрессии;
+ линейные уравнения множественной регрессии.
?
В стандартизованном уравнении множественной регрессии 0,3; -2,1. Определите, какой из факторов или оказывает более сильное влияние на :
+ , так как 2,1>0,3;
- по этому уравнению нельзя ответить на поставленный вопрос, так как неизвестны значения «чистых» коэффициентов регрессии;
- , так как 0,3>-2,1;
- по этому уравнению нельзя ответить на поставленный вопрос, так как стандартизированные коэффициенты несравнимы между собой.
?
Факторные переменные уравнения множественной регрессии, преобразованные из качественных в количественные называются …
- аномальными;
- множественными;
- парными;
+ фиктивными.
?
Оценки параметров линейного уравнения множественной регрессии можно найти при помощи метода:
- средних квадратов;
- наибольших квадратов;
- нормальных квадратов;
+ наименьших квадратов.
?
Основным требованием к факторам, включаемым в модель множественной регрессии, является:
- отсутствие взаимосвязи между результатом и фактором;
- отсутствие взаимосвязи между факторами;
+ отсутствие линейной взаимосвязи между факторами;
- наличие тесной взаимосвязи между факторами.
?
Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на результат признаков …
+ качественного характера;
- количественного характера;
- несущественного характера;
- случайного характера.
?
Из пары коллинеарных факторов в эконометрическую модель включается тот фактор,
- который при достаточно тесной связи с результатом имеет наибольшую связь с другими факторами;
- который при отсутствии связи с результатом имеет максимальную связь с другими факторами;
- который при отсутствии связи с результатом имеет наименьшую связь с другими факторами;
+ который при достаточно тесной связи с результатом имеет меньшую связь с другими факторами.
?
Гетероскедастичность подразумевает …
- постоянство дисперсии остатков независимо от значения фактора;
- зависимость математического ожидания остатков от значения фактора;
+ зависимость дисперсии остатков от значения фактора;
- независимость математического ожидания остатков от значения фактора.
?
Величина остаточной дисперсии при включении существенного фактора в модель:
- не изменится;
- будет увеличиваться;
- будет равно нулю;
+ будет уменьшаться.
?
Если спецификация модели отображает нелинейную форму зависимости между экономическими показателями, то нелинейно уравнение …
+ регрессии;
- детерминации;
- корреляции;
- аппроксимации.
?
Исследуется зависимость, которая характеризуется линейным уравнением множественной регрессии. Для уравнения рассчитано значение тесноты связи результативной переменной с набором факторов. В качестве этого показателя был использован множественный коэффициент …
- корреляции;
- эластичности;
- регрессии;
+ детерминации.
?
Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении множественной регрессии не является _________потребителя.
+ доход;
- семейное положение;
- уровень образования;
- пол.
?
Для существенного параметра расчетное значение критерия Стьюдента …
+ больше табличного значения критерия;
- равно нулю;
- не больше табличного значения критерия Стьюдента;
- меньше табличного значения критерия.
?
Систему МНК, построенную для оценки параметров линейного уравнения множественной регрессии можно решить …
- методом скользящего среднего;
+ методом определителей;
- методом первых разностей;
- симплекс-методом.
?
Показатель, характеризующий на сколько сигм изменится в среднем результат при изменении соответствующего фактора на одну сигму, при неизменном уровне других факторов, называется ____________коэффициентом регрессии
+ стандартизованным;
- нормализованным;
- выровненным;
- центрированным.
?
Мультиколлинеарность факторов эконометрической модели подразумевает …
- наличие нелинейной зависимости между двумя факторами;
- наличие линейной зависимости между более чем двумя факторами;
- отсутствие зависимости между факторами;
+ наличие линейной зависимости между двумя факторами.
?
Обобщенный метод наименьших квадратов не используется для моделей с _______ остатками.
- автокоррелированными и гетероскедастичными;
+ гомоскедастичными;
- гетероскедастичными;
- автокоррелированными.
?
Методом присвоения числовых значений фиктивным переменным не является:
- ранжирование;
- присвоение цифровых меток;
- нахождения среднего значения;
+ присвоение количественных значений.
?
Обобщенный метод наименьших квадратов рекомендуется применять в случае …
- нормально распределенных остатков;
- гомоскедастичных остатков;
+ автокорреляции остатков;
- автокорреляции результативного признака.
?
Отбор факторов в модель множественной регрессии при помощи метода включения основан на сравнении значений …
- общей дисперсии до и после включения фактора в модель;
- остаточной дисперсии до и после включения случайных факторов в модель;
- дисперсии до и после включения результата в модель;
+ остаточной дисперсии до и после включения фактора модель.
?
Обобщенный метод наименьших квадратов используется для корректировки …
- параметров нелинейного уравнения регрессии;
- точности определения коэффициента множественной корреляции;
- автокорреляции между независимыми переменными;
+ гетероскедастичности остатков в уравнении регрессии.
?
После применения обобщенного метода наименьших квадратов удается избежать_________ остатков
+ гетероскедастичности;
- нормального распределения;
- равенства нулю суммы;
- случайного характера.
?
Фиктивные переменные включаются в уравнения ____________регрессии
- случайной;
- парной;
- косвенной;
+ множественной.
?
Взаимодействие факторов эконометрической модели означает, что …
- влияние факторов на результирующий признак зависит от значений другого неколлинеарного им фактора;
- влияние факторов на результирующий признак усиливается, начиная с определенного уровня значений факторов;
- факторы дублируют влияние друг друга на результат;
+ влияние одного из факторов на результирующий признак не зависит от значений другого фактора.
?
Тема Множественная регрессия (Задачи)
?
Уравнение регрессии, построенное по 15 наблюдениям, имеет вид:
Пропущенные значения, а также доверительный интервал для
с вероятностью 0,99 равны:
+
-
-
-
?
Уравнение регрессии, построенное по 20 наблюдениям, имеет вид:
Пропущенные значения, а также доверительный интервал для с вероятностью 0,9 равны:
+
-
-
-
?
Уравнение регрессии, построенное по 16 наблюдениям, имеет вид:
Пропущенные значения, а также доверительный интервал для с вероятностью 0,99 равны:
+
-
-
-
?
Уравнение регрессии в стандартизированном виде имеет вид:
Частные коэффициенты эластичности равны:
|
?
Уравнение регрессии в стандартизированном виде имеет вид:
|
?
Стандартизованное уравнение регрессии имеет вид:
Частные коэффициенты эластичности равны:
|
?
Стандартизованное уравнение регрессии имеет вид:
|
?
Стандартизованное уравнение регрессии имеет вид:
|
?
Стандартизованное уравнение регрессии имеет вид:
|
?
Стандартизованное уравнение регрессии имеет вид:
Частные коэффициенты эластичности равны:
|
?
По 18 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
По 17 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
По 22 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
По 25 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
По 24 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
По 28 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
По 26 наблюдениям получены следующие данные:
; ; ; ;
Значения скорректированного коэффициента детерминации, частных коэффициентов эластичности и параметра равны:
+
-
-
-
?
?
В уравнении регрессии:
Восстановить пропущенные характеристики; построить доверительный интервал для с вероятностью 0,95, если n=12
+ (-12,02;-2,98)
- (-12,02;-2,98)
- (-11,12;-3,88)
- (-11,12;-3,88)
?
Уравнение регрессии в стандартизованном виде имеет вид:
Как влияют факторы на результат и каковы значения частных коэффициентов эластичности?
+Наибольшее влияние на результат оказывает фактор , наименьшее
-Наибольшее влияние на результат оказывает фактор наименьшее - ;
-Наибольшее влияние на результат оказывает фактор наименьшее -
-Наибольшее влияние на результат оказывает фактор наименьшее -
?
Уравнение регрессии в стандартизованном виде имеет вид:
Как влияют факторы на результат и каковы значения частных коэффициентов эластичности?
+Наибольшее влияние на результат оказывает фактор , наименьшее
-Наибольшее влияние на результат оказывает фактор наименьшее - ;
-Наибольшее влияние на результат оказывает фактор наименьшее -
-Наибольшее влияние на результат оказывает фактор наименьшее -
?
Уравнение регрессии в стандартизованном виде имеет вид:
Как влияют факторы на результат и каковы значения частных коэффициентов эластичности?
+Наибольшее влияние на результат оказывает фактор , наименьшее