Выберите правильные ответы из предложенных вариантов:
1. Если выполнены основные предпосылки МНК – условия Гаусса-Маркова, то коэффициенты уравнения регрессии как оценки параметров модели обладают свойствами:
а) несостоятельность;
б) несмещенность;
в) достоверность;
г) состоятельность;
д) эффективность;
е) смещенность.
2. Несмещенность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией;
б) что математическое ожидание случайной переменной равно нулю;
в) увеличение ее точности с увеличением объема выборки.
3. Эффективность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией;
б) что математическое ожидание остатков равно нулю;
в) увеличение ее точности с увеличением объема выборки.
4. Состоятельность оценки параметра регрессии, полученной по МНК, означает:
а) что она характеризуется наименьшей дисперсией;
б) что математическое ожидание остатков равно нулю;
|
|
в) увеличение ее точности с увеличением объема выборки.
5. К классическим предпосылкам МНК – условиям Гаусса-Маркова – относятся следующие условия:
а) гомоскедастичность;
б) равенство нулю дисперсий случайных отклонений;
в) наличие автокорреляции;
г) равенство нулю математического ожидания случайных отклонений;
д) гетероскедастичность;
е) независимость случайных отклонений между собой.
6. Согласно предпосылке теоремы Гаусса-Маркова дисперсии случайных возмущений во всех наблюдениях должны быть:
а) равными;
б) различными;
в) нулевыми.
7. Согласно предпосылке теоремы Гаусса-Маркова математическое ожидание случайного члена должны быть:
а) положительным;
б) отрицательным;
в) нулевым;
г) большим единицы.
8. Условие гетероскедастичности заключается:
а) в непостоянстве дисперсии остатков;
б) в постоянстве дисперсии остатков;
в) в равенстве нулю математического ожидания случайного члена;
г) в зависимости случайных отклонений разных наблюдений между собой.
9. Проблема гетероскедастичности характерна для:
а) пространственных данных, полученных от однородных объектов;
б) пространственных данных, полученных от неоднородных объектов;
в) временных рядов.
10. Гомоскедастичность остатков подразумевает:
а) рост дисперсии остатков с увеличением значения фактора;
б) максимальную дисперсию остатков при средних значениях фактора;
в) уменьшение дисперсии остаток с уменьшением значения фактора;
г) одинаковую дисперсию остатков при каждом значении фактора.
11. При нарушении предпосылки МНК о нормальном законе распределения остатков:
|
|
а) оценки параметров уравнения регрессии будут смещенными;
б) оценки параметров уравнения регрессии будут не эффективными;
в) возникнут проблемы при оценке точности уравнения регрессии и его коэффициентов;
г) исказится смысл коэффициентов регрессии.
12. Проблема автокорреляции характерна для:
а) пространственных данных, полученных от однородных объектов;
б) пространственных данных, полученных от неоднородных объектов;
в) временных рядов.
13. Для оценки наличия мультиколлинеарности в множественной линейной модели используется:
а) определитель матрицы парных коэффициентов корреляции;
б) коэффициент множественной корреляции;
в) коэффициент множественной детерминации.
14. Наличие мультиколлинеарности факторов в множественной линейной регрессионной модели оценивается с помощью:
а) критерия Стьюдента;
б) критерия Фишера;
в) критерия Пирсона -квадрат;
г) критерий Дарбина-Уотсона.
15. Два фактора и явно коллинеарны, если:
а) ;
б) ;
в) ;
г) .
16. К простейшим методам устранения мультиколлинеарности относится:
а) изменение спецификации;
б) увеличение объема выборки;
в) преобразование факторных переменных;
г) устранение в уравнении свободного члена.
17. Нормальность распределения случайного члена может быть оценена с помощью:
а) теста Чоу;
б) теста Жарка-Бера;
в) теста Дарбина-Уотсона.
18. Нарушение первой предпосылки теоремы Гаусса-Маркова связано:
а) со смещенностью оценок;
б) с неэффективностью оценок;
в) с несостоятельностью оценок.
19. Проблема гетероскедастичности заключается:
а) в постоянстве и конечности дисперсии остатков;
б) в непостоянстве дисперсии остатков;
в) в равенстве нулю математического ожидания случайного члена;
г) в зависимости случайных отклонений разных наблюдений между собой.
20. Для оценки нарушения гомоскедастичности используется:
а) критерий Дарбина-Уотсона;
б) тест ранговой корреляции Спирмена;
в) тест Голдфелда-Квандта;
г) теорема Гаусса-Маркова.
21. Какой график указывает на наличие в модели гетероскедастичности:
а) | б) | ||
в) |
22. Для определения автокорреляции используется:
а) критерий Дарбина-Уотсона;
б) тест ранговой корреляции Спирмена;
в) тест Голдфелда-Квандта;
г) теорема Гаусса-Маркова.
23. Мультиколлинеарность – это:
а) коррелированность двух или нескольких переменных в уравнении регрессии;
б) непостоянство дисперсии остатков;
в) равенство нулю математического ожидания случайного члена;
г) зависимость случайных отклонений разных наблюдений.
24. Равенство нулю математического ожидания случайной переменной гарантирует, что:
а) обеспечена возможность применения аппарата проверки статистических гипотез;
б) при возрастании числа n наблюдений дисперсия оценок параметров регрессии стремится к нулю;
в) оценки имеют наименьшую дисперсию по сравнению с любыми другими оценками;
г) в определении линии регрессии отсутствует систематическая ошибка.