Перечень вопросов и заданий итогового контроля
⇐ ПредыдущаяСтр 2 из 2
№ | Уровень сложности | Вопрос | Раздел, тема | Вариант А) (правильный) | Вариант B) | Вариант C) | Вариант D) | Вариант E) |
1. | 1 | Случайной величиной называют величину, которая в результате | 1 | испытания (наблюдения) принимает то или иное значение заранее не известное и зависящее от случайных обстоятельств | расчетов принимает то или иное значение | расчетов принимает то или иное значение заранее известное и не зависящее от случайных обстоятельств | расчетов принимает то или иное значение заранее известное | испытания (наблюдения) принимает то или иное значение заранее известное и не зависящее от случайных обстоятельств |
2. | 1 | Виды случайных величин | 1 | дискретные и непрерывные | дискретные и прерывные | непрерывные и прерывные | дискретные и случайные | непрерывные и случайные |
3. | 2 | Дискретной называют такую случайную величину, которая принимает | 1 | отдельные изолированные значения с определенными вероятностями | любое значение из некоторого конечного или бесконечного числового промежутка | любое значение из некоторого конечного числового промежутка | любое значение из некоторого бесконечного числового промежутка | отдельные значения из некоторого бесконечного числового промежутка |
4. | 1 | Непрерывной называют такую случайную величину, которая может принимать | 1 | любое значение из некоторого конечного или бесконечного числового промежутка | отдельные изолированные значения с определенными вероятностями | любое значение из некоторого конечного числового промежутка | любое значение из некоторого бесконечного числового промежутка | отдельные значения из некоторого бесконечного числового промежутка |
5. | 2 | Законом распределения случайной величины называется | 1 | всякое соотношение, устанавливающее связь между возможными значениями СВ и соответствующими им вероятностями | отдельные изолированные значения с определенными вероятностями | любое значение из некоторого конечного числового промежутка | любое значение из некоторого бесконечного числового промежутка | отдельные значения из некоторого бесконечного числового промежутка |
6. | 2 | Точечной оценкой называется оценка, которая | 1 | характеризуется одним число | определяется двумя числами, которые являются концами (границами) интервала | характеризуется множеством чисел | определяется двумя числами | определяется двумя и более числами |
7. | 1 | Интервальной оценкой называется оценка, которая | 1 | определяется двумя числами, которые являются концами (границами) интервала | характеризуется одним число | характеризуется множеством чисел | определяется двумя числами | определяется двумя и более числами |
8. | 1 | Регрессия - величина, выражающая | 1 | зависимость среднего значения случайной величины у от значений случайной величины х | среднюю величину множества признаков | среднюю величину | зависимость множества признаков от одного | зависимость множества признаков от других |
9. | 2 | Уравнение регрессии выражает | 1 | среднюю величину одного признака как функцию другого | среднюю величину множества признаков | среднюю величину | зависимость множества признаков от одного | зависимость множества признаков от других |
10. | 2 | Функция регрессии - это модель вида | 1 | у = f (x) +е | f (у)=x +а | f (x)= у +ех | f (у)=x +с | а= в+ех |
11. | 2 | 2 типа взаимосвязей между х и у | 1 | корреляционного типа, регрессионного типа | корреляционного типа, независимого типа | зависимого типа, независимого типа | регрессионного типа, независимого типа | регрессионного типа, зависимого типа |
12. | 1 | Может быть неизвестно, какая из двух переменных является независимой, а какая - зависимой, переменные равноправны, это взаимосвязь | 1 | корреляционного типа | регрессионного типа | независимого типа | зависимого типа | математического типа |
13. | 2 | Если х и у неравноправны и одна из них рассматривается как объясняющая (независимая) переменная, а другая - как зависимая, то это взаимосвязь | 1 | регрессионного типа | корреляционного типа | независимого типа | зависимого типа | математического типа |
14. | 2 | е - | 1 | возмущение, или стохастическая переменная, включающая влияние неучтенных факторов в модели | корреляция, включающая влияние неучтенных факторов в модели | регрессия, включающая влияние неучтенных факторов в модели | аппроксимация, включающая влияние неучтенных факторов в модели | детерминация, включающая влияние неучтенных факторов в модели |
15. | 2 | Корреляция - величина, отражающая | 1 | наличие связи между явлениями, процессами и характеризующими их показателями | возмущение, или стохастическая переменная, включающая влияние неучтенных факторов в модели | стохастическую переменную, включающую влияние неучтенных факторов в модели | наличие связи между а и в | наличие явления между а и в |
16. | 2 | Корреляционная зависимость - определение | 2 | зависимости средней величины одного признака от изменения значения другого признака | наличие связи между а и в | зависимости средней величины а от изменения значения в | зависимости регрессии от аппроксимации | зависимости регрессии от детерминации |
17. | 3 | Коэффициент корреляции величин х и у (rxy) свидетельствует | 2 | о наличии или отсутствии линейной связи между переменными | о наличии регрессии | о наличии или отсутствии регрессии | о наличии или отсутствии детерминации | о наличии или отсутствии корреляции и детерминации |
18. | 2 | Если: = -1, то наблюдается | 2 | строгая отрицательная связь | строгая положительная связь | линейная связь отсутствует | линейная связь присутствует | нестрогая отрицательная связь |
19. | 2 | Если: = 1, то наблюдается | 1 | строгая положительная связь | строгая отрицательная связь | линейная связь отсутствует | линейная связь присутствует | нестрогая отрицательная связь |
20. | 2 | Если: = 0, то | 2 | линейная связь отсутствует | строгая положительная связь | строгая отрицательная связь | линейная связь присутствует | нестрогая отрицательная связь |
21. | 2 | Эконометрикой называется наука, позволяющая анализировать связи между различными экономическими показателями на основании реальных статистических данных с применением | 2 | методов теории вероятностей и математической статистики | метода наименьших квадратов | метода наибольших квадратов | теории вероятности | математически |
22. | 2 | Слово «эконометрика» образовано от двух слов | 2 | «экономика» и «метрика» | «эконо» и «метрика» | «экономика» и «измерение» | «эконом» и «метрика» | «эконом» и «измерение» |
23. | 2 | Эконометрику можно определить как науку | 2 | об экономических измерениях | о математических измерениях | о количественных измерениях | о качественных измерениях | о статистических измерениях |
24. | 2 | Эконометрику можно представить как комбинацию трёх наук – | 2 | экономической теории, математической и экономической статистики и математики | экономической теории, математической и механики | экономической теории, математической и психологии | психологии, экономической статистики и математики | финансы, экономической теории и математики |
25. | 2 | Анализ экономических процессов и явлений в эконометрике осуществляется с помощью | 2 | математических моделей, построенных на эмпирических данных | математических функций | статистических моделей построенных на случайных данных | статистики | экономической теории |
26. | 2 | Моделью называется …, замещающий в процессе исследования объект-оригинал таким образом, что его непосредственное изучение дает новые знания об объекте-оригинале | материальный или мысленно представляемый объект | объект природы | материальный субъект | субъект природы | процесс любой природы | |
27. | 3 | Модель выступает в качестве | 2 | средства анализа и прогнозирования конкретных экономических процессов на основе реальной статистической информации | объекта природы | средства анализа и материального субъекта | средства анализа и прогнозирования конкретных экономических субъектов природы на основе реальной информации | средства анализа, прогнозирования конкретных экономических субъектов на основе реальной статистической информации и процессов любой природы |
28. | 2 | Эконометрика исследует различные экономические закономерности, установленные | 2 | экономической теорией, с помощью методов математической и экономической статистики | математической теорией, с помощью методов экономической статистики | экономической теорией, с помощью методов наименьших квадратов | экономической теорией, с помощью математических методов | математической теорией, с помощью экономических методов |
29. | 2 | Общими задачами эконометрики являются: | 2 | -обнаружение и анализ статистических закономерностей в экономике; -построение на базе выявленных эмпирических экономических зависимостей эконометрических моделей | -обнаружение и решение статистических закономерностей в экономике; -построение на базе вторичных экономических зависимостей эконометрических моделей | -обнаружение и решение статистических закономерностей в природе; -построение на базе эмпирических экономических зависимостей эконометрических моделей | -обнаружение и решение статистических закономерностей в природе; -построение на базе вторичных информаций | -обнаружение и анализ математических закономерностей в природе; -построение на базе выявленных эмпирических экономических зависимостей эконометрических моделей |
30. | 2 | Задачи эконометрики делятся на более конкретные подзадачи, которые можно классифицировать по трём признакам: | 2 | 1)по конечным прикладным целям, 2)по уровню иерархии, 3)по профилю изучаемой экономической системы | 1)по повторным целям, 2)по уровню иерархии, 3)по профилю изучаемой экономической системы | 1)по конечным прикладным целям, 2)по уровню возрастания, 3)по профилю изучаемой математической системы | 1)по конечным прикладным целям, 2)по уровню безработицы, 3)по профилю изучаемой экономической системы | 1)по конечным прикладным целям, 2)по уровню безработицы, 3)по профилю математической и экономической системы |
31. | 2 | Классификация задач эконометрики по конечным прикладным целям: | 2 | а) прогноз социально-экономических показателей, определяющих состояние и развитие изучаемой системы; б) моделирование возможных вариантов социально-экономического развития системы для выявления факторов, изменение которых оказывает наиболее мощное влияние на состояние системы в целом | а) решение социально-экономических показателей общества; б) моделирование возможных вариантов социально-экономического развития системы для выявления факторов, изменение которых оказывает наиболее мощное влияние на состояние системы в целом | а) прогноз социально-экономических показателей, определяющих состояние и развитие изучаемой системы; б) моделирование возможных проблем экономического характера для выявления экономических показателей общества | а) прогноз социально-экономических показателей, определяющих состояние и развитие природы; б) моделирование возможных проблем экономического характера для выявления экономических показателей общества | а) моделирование возможных вариантов социально-экономического развития системы для выявления факторов, изменение которых оказывает наиболее мощное влияние на состояние системы в целом б) моделирование возможных проблем экономического характера b1 и b2 |
32. | 2 | Классификация задач эконометрики по уровню иерархии: | 2 | а) задачи, решаемые на макроуровне (страна в целом); б) задачи, решаемые на мезоуровне (уровень отраслей, регионов); в) задачи, решаемые на микроуровне (уровень фирмы, семьи, предприятия) | а) задачи, решаемые на макроуровне (страна в целом); б) задачи, решаемые на мезоуровне (уровень отраслей, регионов); в) задачи ООН | а) задачи, решаемые на макроуровне (страна в целом); б) математические задачи; в) задачи, решаемые на микроуровне (уровень фирмы, семьи, предприятия) | а) задачи русского языка; б) задачи, решаемые на мезоуровне (уровень отраслей, регионов); в) задачи, решаемые на микроуровне (уровень фирмы, семьи, предприятия) | а) задачи, решаемые на макроуровне (страна в целом); б) задачи, решаемые на мезоуровне (уровень отраслей, регионов); в) задачи фирмы |
33. | 2 | Классификация задач эконометрики по профилю изучаемой экономической системы: | 2 | а) рынок; б) инвестиционная, социальная, финансовая политика; в) ценообразование; г) распределительные отношения; д) спрос и потребление; е) отдельно выделенный комплекс проблем | а) базар; б) инвестиционная, социальная, финансовая политика; в) ценообразование; г) распределительные отношения; д) спрос и потребление; е) отдельно выделенный комплекс проблем | а) рынок; б) инвестиционная политика; в) ценообразование; г) отношение семьи в отдельности; д) спрос и потребление; е) отдельно выделенный комплекс проблем | а) рынок; б) инвестиционная, социальная, финансовая политика; в) ценообразование; г) распределительные отношения; д) спрос и потребление; е) отдельно выделенная семья | а) рынок; б) международная, социальная, финансовая политика; в) ценообразование; г) распределительные отношения; д) спрос и потребление; е) отдельно выделенная семья |
34. | 2 | Среднее квадратичное отклонение - мера разнообразия входящих в группу объектов; она показывает, | 2 | на сколько в среднем отклоняется каждая варианта от средней арифметической | на сколько отклоняется каждая варианта от средней взвешенной | на сколько отклоняется каждая варианта от своей средней простой | на сколько отклоняется каждая единица от простой средней | на сколько в среднем отклоняется каждая единица от простой средней |
35. | 2 | Чем сильнее разбросаны варианты относительно средней, тем | 2 | большим оказывается и среднее квадратичное отклонение | большим оказывается среднее простое | большим оказывается среднее взвешенное | большим оказывается и среднее арифметическое простое | большим оказывается и среднее арифметическое взвешенное |
36. | 1 | Разброс значений характеризует и размах - | 2 | разность между наибольшим и наименьшим значением в ряду | разность между наибольшим и наименьшим значением среди у | разность между наибольшим и наименьшим значением среди х | разность между наибольшим значением в ряду А | разность между наименьшим значением в ряду В |
37. | 1 | Достоверность различий средних арифметических можно оценить по | 2 | критерию Стьюдента | критерию Студента | критерию Препода | критерию доктора Фишера | критерию Фактера |
38. | 1 | Решение о достоверности различий принимается в том случае, если | 2 | вычисленная величина t превышает табличное значение для данного числа степеней свободы | вычисленная величина А превышает табличное значение для данного числа степеней свободы | вычисленная величина В превышает табличное значение для данного числа степеней свободы | табличное значение для данного числа степеней свободы превышает вычисленной величины t | табличное значение t превышает вычисленной величины t |
39. | 1 | Корреляционный анализ позволяет с помощью выборки делать выводы | 2 | о степени статистической связи между признаками | о степени статистической связи между АВ | о степени статистической связи между УХ | о степени функциональной связи между УХ | о степени функциональной связи между признаками |
40. | 21 | В качестве мер связи между признаками чаще всего используется | 2 | принцип ковариации и принцип сопряженности | принцип ковариации и принцип надежности | принцип сохранности и принцип надежности | принцип сохранности и принцип ковариации | принцип двойного вызова |
41. | 2 | Принцип ковариации: наличие связи между переменными утверждается, | 2 | если увеличение значения одной переменной сопровождается устойчивым увеличением или уменьшением другой переменной | если увеличение значения одной переменной сопровождается устойчивым уменьшением другой переменной | если увеличение значения одной переменной сопровождается устойчивым увеличением другой переменной | если уменьшение значения одной переменной сопровождается устойчивым увеличением другой переменной | если уменьшение значения одной переменной сопровождается устойчивым уменьшением другой переменной |
42. | 2 | Принцип сопряженности: эта группа мер связи направлена на выяснение следующего факта – | 2 | появляются ли некоторые значения одного признака одновременно с определенными значениями другого чаще, чем это можно объяснить случайным стечением обстоятельств | если увеличение значения одной переменной сопровождается устойчивым уменьшением другой переменной | если увеличение значения одной переменной сопровождается устойчивым увеличением другой переменной | появляются ли некоторые значения одного признака одновременно с определенными значениями другого реже, чем это можно объяснить | появляются ли некоторые значения одного признака одновременно с определенными значениями другого, и это можно объяснить зависимостью двух переменных |
43. | 2 | Изучение корреляционной связи имеет 2 цели: | 2 | 1) Измерение параметров уравнения, выражающего связь средних значений зависимой переменной со значениями независимой переменной; 2) Измерение тесноты связи двух или большего числа признаков между собой | 1) Измерение параметров уравнения неизвестных; 2) Измерение тесноты связи двух признаков между собой | 1) Измерение параметров уравнения, выражающего связь средних значений зависимой переменной со значениями независимой переменной; 2) Измерение тесноты связи двух признаков между собой | 1) Измерение тесноты связи двух признаков между собой 2) Измерение тесноты связи большего числа признаков между собой 3) Измерение тесноты связи между Х и У | 1) Измерение тесноты связи двух признаков между собой 2) Измерение тесноты связи между Х и У |
44. | 3 | Основным методом решения задачи нахождения параметров уравнения связи | 3 | является метод наименьших квадратов | является метод условных переменных | является метод зависимых переменных | является метод квадратов | является метод ГЛ |
45. | 3 | Выделение важнейших факторов, влияющих на результативный признак | 3 | эта задача решается на базе мер тесноты связи факторов с результативным признаком | эта задача решается с помощью метода наименьших квадратов | эта задача решается с помощью метода зависимых переменных | эта задача решается с помощью метода условных переменных | эта задача решается с помощью метода квадратов |
46. | 2 | Спецификация | 3 | построение эконометрических моделей | построение математических моделей | построение эмпирических моделей с е | построение общественных моделей | построение функциональных моделей с е |
47. | 2 | Параметризация | 3 | оценка параметров построенной модели, делающих выбранную модель наиболее адекватной реальным данным | оценка параметров А и В | построение и определение эконометрических моделей | построение эмпирических моделей и оценка е | построение общественных моделей, делающих выбранную модель наиболее адекватной |
48. | 2 | Верификация | 3 | проверка качества найденных параметров модели и самой модели в целом | проверка качества найденных параметров А и В | проверка качества найденных параметров Х и У | проверка качества найденных общественных моделей, делающих выбранную модель наиболее адекватной | построение эконометрических моделей |
49. | Этапы построения эконометрической модели | 1.постановочный 2.априорный 3.параметризация 4.информационный 5.идентификация модели 6.верификация модели | 1.постановочный 2.априорный 3.параметризация 4.информационный 5.идентификация модели 6.спецификация модели | 1.проверочный 2.априорный 3.параметризация 4.информационный 5.идентификация модели 6.регрессия | 1.проверочный 2.надежный 3.параметризация 4.информационный 5.идентификация модели 6.верификация модели | 1.проверочный 2.надежный 3.параметризация 4.информационный 5.идентификация модели 6.корреляционный | ||
50. | постановочный: | формируется цель исследования, набор участвующих в модели экономических переменных | проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) информации | осуществляется непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей | осуществляется сбор необходимой статистической информации – наблюдаемых значений экономических переменных | осуществляется статистический анализ модели и оценка ее параметров | ||
51. | априорный: | проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) информации | формируется цель исследования, набор участвующих в модели экономических переменных | осуществляется непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей | осуществляется сбор необходимой статистической информации – наблюдаемых значений экономических переменных | осуществляется статистический анализ модели и оценка ее параметров | ||
52. | параметризация: | осуществляется непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей | осуществляется сбор необходимой статистической информации – наблюдаемых значений экономических переменных | осуществляется статистический анализ модели и оценка ее параметров | проводится проверка истинности, адекватности модели | проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) информации | ||
53. | информационный: | осуществляется сбор необходимой статистической информации – наблюдаемых значений экономических переменных | осуществляется непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей | осуществляется статистический анализ модели и оценка ее параметров | проводится проверка истинности, адекватности модели | проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) информации | ||
54. | идентификация модели: | осуществляется статистический анализ модели и оценка ее параметров | осуществляется сбор необходимой статистической информации – наблюдаемых значений экономических переменных | осуществляется непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей | проводится проверка истинности, адекватности модели | проводится анализ сущности изучаемого объекта, формирование и формализация априорной (известной до начала моделирования) информации | ||
55. | верификация модели: | проводится проверка истинности, адекватности модели | осуществляется статистический анализ модели и оценка ее параметров | осуществляется сбор необходимой статистической информации – наблюдаемых значений экономических переменных | осуществляется непосредственно моделирование, т.е. выбор общего вида модели, выявление входящих в нее связей | проводится проверка истинности е | ||
56. | 2 | Этапы корреляционно-регрессионного анализа | 3 | 1)сбор данных 2)корреляционный анализ 3)расчет параметров и построение регрессионных моделей 4)выясняют статистическую значимость 5)если полученная модель статистически значима, ее применяют для прогнозирования, управления или объяснения | 1)сбор информации 2)экономический анализ 3)расчет параметров и построение регрессионных моделей 4)выясняют статистическую значимость | 1)сбор информации 2)экономический анализ 3)расчет параметров и построение регрессионных моделей 4)выясняют значимость найденных параметров модели и самой модели в целом | 1)определение зависимости 2)корреляционный анализ 3)расчет параметров и построение регрессионных моделей 4)выясняют статистическую значимость 5)если полученная модель значима, ее применяют для прогнозирования будущего | 1)определение зависимости 2)корреляционный анализ 3)регрессионный анализ 4)выясняют статистическую значимость 5)если полученная модель значима, ее применяют для прогнозирования будущего |
57. | 2 | Х | 3 | независимая переменная | зависимая переменная | регрессия | возмущение | неучтенный фактор |
58. | 2 | Y | 3 | зависимая переменная | независимая переменная | возмущение | случайная переменная | случайный фактор |
59. | 2 | Чем ближе R к 1, тем | 3 | теснее связь рассматриваемых признаков | слабее связь рассматриваемых признаков | слабее связь между Х и У | слабее связь между А и В | теснее связь между А и В |
60. | 3 | Формы проявления корреляционной связи между признаками: | 3 | 1) причинная зависимость результативного признака от вариации факторного признака 2) корреляционная связь между двумя следствиями общей причины 3) взаимосвязь признаков, каждый из которых и причина, и следствие | 1) причинная зависимость А и В 2) корреляционная связь между двумя следствиями общей причины 3) взаимосвязь признаков, каждый из которых и причина, и следствие | 1) причинная зависимость А и В 2) корреляционная связь между двумя следствиями общей причины 3) взаимосвязь А и В, каждый из которых и причина, и следствие | 1) причинная зависимость результативного признака от вариации факторного признака 2) корреляционная связь между А и В 3) взаимосвязь признаков, каждый из которых и причина, и следствие | 1) причинная зависимость результативного признака от вариации второго признака 2) корреляционная связь между Х и У 3) взаимосвязь признаков, каждый из которых причина |
61. | 1 | Задачи корреляционно-регрессионного анализа: | 3 | 1) выбор спецификации модели 2) из всех факторов, влияющих на результативный признак, необходимо выделить наиболее существенно влияющие факторы 3) парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной 4) исследовать, как изменение одного признака меняет вариацию другого | 1) выбор модели 2) из всех факторов, влияющих на независимый признак, необходимо выделить наиболее существенно влияющие факторы 3) парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной 4) исследовать изменение одного признака другими факторами | 1) выбор модели 2) из всех факторов, влияющих на независимый признак, необходимо выделить наиболее существенно влияющие факторы 3) множественная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной 4) исследовать изменение одного признака другими факторами | 1) выбор модели 2) из всех факторов, влияющих на независимый признак, необходимо выделить наиболее существенно влияющие факторы 3) множественная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной 4) исследовать, как изменение одного признака меняет вариацию другого | 1) выбор параметров регрессии 2) из всех факторов, влияющих на независимый признак, необходимо выделить наиболее существенно влияющие факторы 3) парная регрессия достаточна, если имеется доминирующий фактор, который и используется в качестве объясняющей переменной 4) исследовать изменение одного признака другими факторами |
62. | 1 | Выбор спецификации модели, т. е. | 3 | формулировки вида модели, исходя из соответствующей теории связи между переменными | формулировки вида уравнения, исходя из соответствующей теории связи между А и В | формулировки вида уравнения, исходя из соответствующей теории закона спроса | формулировки вида уравнения, исходя из соответствующей теории закона спроса и предложения | формулировки вида модели, исходя из закона распределения чисел |
63. | 3 | Уравнение парной регрессии характеризует | 3 | связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем в целом по совокупности наблюдений | связь между двумя переменными, которая проявляется как сумма чисел | связь между двумя переменными, которая проявляется как некоторая закономерность лишь в среднем по совокупности ХУ | связь между переменными, которая проявляется как некоторая закономерность в целом по совокупности чисел | связь между Х и У, которая проявляется как некоторая закономерность в целом по закону |
64. | 1 | В уравнении регрессии корреляционная связь признаков представляется в виде | 3 | функциональной связи, выраженной соответствующей математической функцией | функциональной связи, выраженной соответствующей закону спроса | тесной связи, выраженной соответствующей математической функцией | тесной связи, соответствующей Х и У | функциональной и корреляционной связи, соответствующей математической функцией |
65. | 3 | Случайная величина Е включает | 3 | влияние неучтенных в модели факторов, случайных ошибок и особенностей измерения | влияние учтенных в модели факторов | влияние учтенных в модели факторов и особенности переменных | независимые факторы и особенности измерения | независимые факторы, случайные ошибки и особенности переменных |
66. | 3 | В результате агрегирования | 3 | теряется часть информации | теряется показатель А | теряется показатель В | теряется часть Х | теряется часть У |
67. | 3 | Методы изучения связи - форму зависимости можно установить с помощью | 3 | поля корреляции | поля регрессии | поля независимых факторов | поля зависимых факторов | поля аппроксимации |
68. | 1 | Если исходные данные (значения переменных х и у) нанести на график в виде точек в прямоугольной системе координат, то | 3 | получим поле корреляции | получим поле регрессии | получим поле независимых факторов | получим поле зависимых факторов | получим поле аппроксимации |
69. | 2 | Если зависимость у от x функциональная, то | 3 | все точки расположены на какой-то линии | все точки расположены на поле корреляции | все точки расположены на поле независимых факторов | все точки расположены поле зависимых факторов | все точки расположены поле аппроксимации |
70. | 2 | При корреляционной связи вследствие влияния прочих факторов | 3 | точки не лежат на одной линии | точки лежат на одной линии | точки лежат на поле независимых факторов | точки лежат на поле зависимых факторов | точки лежат на поле аппроксимации |
71. | 3 | Линейный коэффициент корреляции - | 3 | количественная оценка и мера тесноты связи двух переменных | качественная оценка и мера тесноты связи переменных | качественная оценка и мера оценки связи переменных | количественная оценка связи переменных А и В | количественная оценка надежности параметров регрессии |
72. | 3 | Коэффициент корреляции принимает значения в интервале | 3 | от -1 до +1 | от -10 до +10 | от 0 до 100 | от 0 до 1 | от 0 до 10 |
73. | 1 | Когда коэффициент корреляции равен 1, то | 3 | связь функциональная | связь детерминационная | связь автономная | связь количественная | связь качественная |
74. | 1 | Если коэффициент корреляции равен 0, то говорят | 3 | об отсутствии линейной связи между признаками | о тесной линейной связи между признаками | о тесной прямой связи между признаками | о слабой прямой связи между признаками | об обратной связи между признаками |
75. | 1 | Коэффициент детерминации - | 3 | квадрат линейного коэффициента корреляции, рассчитываемый для оценки качества подбора линейной функции | квадрат нелинейного коэффициента корреляции, рассчитываемый для оценки качества подбора нелинейной функции | количественная оценка связи двух переменных | квадрат коэффициента корреляции, рассчитываемый для оценки качества подбора нелинейной функции | качественная оценка связи двух переменных |
76. | 1 | Парная регрессия - регрессия | 3 | между двумя переменными у и х | между показателями экономической прямой связи | между показателями тесноты прямой связи | между показателями тесноты обратной связи | между показателями экономической обратной связи |
77. | 2 | Метод оценивания параметров линейной регрессии, минимизирующий сумму квадратов отклонений наблюдений зависимой переменной от искомой линейной функции | 3 | метод наименьших квадратов (МНК) | метод наибольших квадратов (МНбК) | метод суммы квадратов (МСК) | метод регрессии (МР) | метод корреляции (МК) |
78. | 2 | Параметр b показывает | 3 | среднее изменение результата у с изменением фактора х на единицу | среднее изменение А с изменением фактора х на единицу | среднее изменение фактора А с изменением х на единицу | среднее изменение фактора А с изменением фактора х2 на единицу | среднее изменение фактора В с изменением фактора х на единицу |
79. | 2 | Параметр а = у, когда | 3 | х = 0 | х = 1 | х = 100 | у = 0 | у = 1 |
80. | 2 | Если х не может быть равен 0, то а | 3 | не имеет экономического смысла | имеет экономический смысл | не имеет линейной функции | не имеет обратной связи | имеет экономический анализ |
81. | 1 | Интерпретировать можно только знак при а: если а > 0, то | 3 | относительное изменение результата (у) происходит медленнее, чем изменение фактора (х) | относительное изменение фактора (х) происходит медленнее, чем изменение результата (у) | относительное изменение фактора (х) происходит медленнее, чем изменение фактора (у) | относительное изменение е происходит медленнее, чем изменение фактора (у) | относительное изменение е происходит медленнее, чем изменение фактора (х) |
82. | 1 | Коэффициент детерминации измеряет | 3 | действительность модели | действительность признака | действительность фактора (у) | действительность фактора (х) | действительность е |
83. | 1 | Коэффициент детерминации может принимать значения | 3 | от 0 до 1 | от -1 до +1 | от -10 до +10 | от 0 до 100 | от 8 до 10 |
84. | 2 | Коэффициент детерминации полезен для | 3 | сравнения ряда различных моделей и выбора наилучшей модели | сравнения Х и У и выбора В | сравнения ряда различных факторов (х) и выбора наилучшей | сравнения ряда различных факторов (у) и выбора наилучшей | сравнения ряда различных моделей и выбора наилучшей е |
85. | 2 | Если Fp окажется меньше Fk, то | 3 | уравнение нельзя считать значимым | уравнение можно считать значимым | уравнение нельзя не считать наилучшей | уравнение можно считать наилучшей | уравнение можно считать хорошей |
86. | 1 | Если зависимость между признаками на графике указывает на линейную корреляцию, рассчитывают | 3 | коэффициент корреляции r | коэффициент детерминации r2 | коэффициент аппроксимации А | коэффициент Фишера F | коэффициент Стьюдента t |
87. | 2 | Если r = ±1, то это означает | 3 | наличие полной (функциональной) связи | наличие неполной связи | наличие нефункциональной связи | наличие слабой связи | наличие плахой связи |
88. | 2 | tнабл=4,32 >tкр = 2,45, то | 3 | нулевую гипотезу отвергаем | нулевую гипотезу принимаем | нулевую гипотезу посылаем | нулевую гипотезу решаем | нулевую гипотезу задаем |
89. | 2 | Коэффициент детерминации - это | 3 | доля дисперсии зависимой переменной, объясняемая рассматриваемой моделью | доля дисперсии независимой переменной, объясняемая рассматриваемой моделью е | доля дисперсии независимой переменной и е | доля дисперсии независимой переменной, объясняемая е | доля дисперсии зависимой переменной, объясняемая е |
90. | 2 | Коэффициент детерминации - это | 3 | единица минус доля необъяснённой дисперсии в дисперсии зависимой переменной | единица плюс доля необъяснённой дисперсии в дисперсии зависимой переменной Х | единица минус доля зависимой переменной плюс е | единица плюс доля необъяснённой дисперсии в е | единица минус доля е в дисперсии независимой переменной плюс доля В |
91. | 2 | В случае линейной зависимости является | 3 | квадратом так называемого множественного коэффициента корреляции между зависимой переменной и объясняющими переменными | квадратом так называемого парного коэффициента корреляции между независимой переменной и объясняющей переменной | квадратом так называемого множественного коэффициента детерминации между зависимой переменной и объясняющими переменными | квадратом так называемого множественного коэффициента аппроксимации между зависимой переменной и объясняющими переменными | квадратом так называемого парного коэффициента аппроксимации между зависимой переменной и объясняющими переменными |
92. | 1 | Чем ближе значение коэффициента детерминации к 1, тем | 3 | сильнее зависимость | слабее зависимость | умереннее зависимость | тоньше зависимость | толще зависимость |
93. | 1 | Равенство коэффициента детерминации единице означает, что | 3 | объясняемая переменная в точности описывается рассматриваемой моделью | объясняющая переменная в точности описывается парной моделью | объясняемая переменная в точности описывается парной моделью | объясняемая переменная в точности описывается парной корреляцией | объясняемая переменная в точности описывается парной детерминацией |
94. | 1 | Основная проблема применения (выборочного) заключается в том, что его значение | 3 | увеличивается (не уменьшается) от добавления в модель новых переменных, даже если эти переменные никакого отношения к объясняемой переменной не имеют | увеличивается или уменьшается от добавления в модель новых переменных, даже если эти переменные никакого отношения к объясняемой переменной не имеют | увеличивается или уменьшается от добавления в модель новых факторов | увеличивается (не уменьшается) от добавления в модель е, даже если е никакого отношения к объясняемой переменной не имеет | увеличивается (не уменьшается) от добавления в модель z, даже если z никакого отношения к объясняемой переменной не имеет |
95. | 1 | Для того чтобы была возможность сравнивать модели с разным числом признаков так, чтобы число регрессоров (признаков) не влияло на статистику обычно используется | 3 | скорректированный коэффициент детерминации, в котором используются несмещённые оценки дисперсий | скорректированный парный коэффициент корреляции, в котором используются несмещённые оценки е | скорректированный коэффициент детерминации, в котором используются несмещённые е | скорректированный парный коэффициент аппроксимации, в котором используются несмещённые оценки е | скорректированный коэффициент аппроксимации, в котором используются несмещённые оценки е |
96. | 1 | Простая регрессия представляет собой регрессию | 3 | между двумя переменными | между простыми переменными | между сложными переменными | между А и В | между простыми и сложными переменными |
97. | 1 | Множественная регрессия представляет собой регрессию | 3 | результативного признака с двумя и большим числом факторов | независимого признака с большим числом факторов | независимого фактора с большим числом признаков | результативного признака с двумя е | результативного признака с е |
98. | 1 | Спецификация модели - | 3 | формулировка вида модели, исходя из соответствующей теории связи между переменными | формулировка вида функции, исходя из соответствующей теории вероятности | формулировка идей, исходя из соответствующей теории связи между переменными | формулировка вида модели, исходя из соответствующей теории статистики е | формулировка идей, исходя из соответствующей теории статистики |
99. | 1 | е - это | 3 | случайная величина, характеризующая отклонения реального значения результативного признака от теоретического | случайная величина А, характеризующая отклонения реального значения от теоретического | случайная величина, характеризующая реальное значение результативного признака | случайная величина Х, характеризующая реальное значение результативного признака | случайная величина А, характеризующая отклонения фактического плана от теоретического плана |
100. | Случайная величина ε называется также | возмущением | реальным значением | фактическим планом | фактическим значением | экономическим возмущением | ||
101. | ε включает | влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения | влияние учтенных в модели факторов, случайных ошибок и особенностей измерения | влияние учтенных в уравнении ошибок и особенностей измерения | влияние не учтенных в уравнении ошибок и регрессии | влияние не учтенных е | ||
102. | От правильно выбранной спецификации модели | зависит величина случайных ошибок | зависит величина Х | зависит величина У | не зависит величина случайных ошибок | зависит величина параметра В | ||
103. | К ошибкам спецификации относятся | неправильный выбор той или иной математической функции для х, и недоучет в уравнении регрессии какого-либо существенного фактора | правильный выбор той или иной математической функции для х, и учет в уравнении регрессии какого-либо существенного фактора | неправильный выбор Х, и недоучет в уравнении регрессии У | неправильный выбор математической функции для У, и недоучет в уравнении регрессии е | правильный выбор математической функции для У, и учет в уравнении регрессии е | ||
104. | В парной регрессии выбор вида математической функции может быть осуществлен тремя методами: | графическим, аналитическим и экспериментальным | графическим, математическим и экспериментальным | графическим, математическим и аналитическим | экспериментальным, математическим и аналитическим | функциональным, математическим и аналитическим | ||
105. | Графический метод выбора вида модели регрессии основан на | поле корреляции | изучении материальной природы связи исследуемых признаков | сравнении величины остаточной дисперсии Dост, рассчитанной при разных моделях | поле аппроксимации | поле материальной природы связи | ||
106. | Аналитический метод выбора вида модели регрессии основан на | изучении материальной природы связи исследуемых признаков | изучений корреляции и аппроксимации | сравнений величины остаточной дисперсии Dост, рассчитанной при разных моделях | поле аппроксимации | поле материальной природы связи | ||
107. | Экспериментальный метод выбора вида модели регрессии осуществляется путем | сравнения величины остаточной дисперсии Dост, рассчитанной при разных моделях | сравнения величины В рассчитанной при разных моделях | сравнения величины У рассчитанной при разных моделях | сравнения величины остаточной дисперсии У рассчитанной при МНК | сравнения величины остаточной У рассчитанной при МНК | ||
108. | Построение линейной регрессии сводится к | оценке ее параметров | оценке аппроксимации | оценке корреляции | оценке корреляции и аппроксимации | оценке детерминации | ||
109. | Параметр b называется | коэффициентом регрессии | коэффициентом аппроксимации | коэффициентом корреляции | коэффициентом детерминации | коэффициентом дисперсии | ||
110. | Коэффициент b показывает | среднее изменение результата с изменением фактора на одну единицу | среднее изменение результата с изменением фактора на сто единиц | среднее изменение фактора х с изменением фактора в на одну единицу | среднее изменение фактора в с изменением фактора х на одну единицу | среднее изменение результата с изменением случайной величины е на одну единицу | ||
111. | Уравнение регрессии всегда дополняется | показателем тесноты связи | показателем регрессии | показателем слабой связи | показателем умеренной связи | показателем аппроксимации | ||
112. | Чем ближе r к 0 тем | слабее корреляция | слабее дисперсия | слабее аппроксимация | сильнее корреляция | сильнее дисперсия | ||
113. | Чем ближе r к 1 или -1, тем | сильнее корреляция | слабее корреляция | слабее дисперсия | слабее аппроксимация | сильнее дисперсия | ||
114. | Если между экономическими явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих | нелинейных функций | геометрических функций | математических функций | качественных функций | логарифмических функций | ||
115. | Различают два класса нелинейных регрессий | 1. Регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам 2. Регрессии, нелинейные по оцениваемым параметрам | 1. Регрессии, линейные относительно включенных в анализ переменных и линейные по оцениваемым параметрам 2. Регрессии, линейные по качественным параметрам | 1. Регрессии, линейные относительно А и нелинейные по В 2. Регрессии, линейные по оцениваемым параметрам | 1. Регрессии, линейные относительно А и нелинейные по В 2. Регрессии, нелинейные по параметрам | 1. Регрессии, линейные относительно А и нелинейные по В 2. Регрессии, нелинейные по параметрам А и В | ||
116. | Регрессии нелинейные по включенным переменным приводятся к линейному виду простой | заменой переменных | заменой А и В | заменой аппроксимацией | заменой чисел и е | заменой корреляции | ||
117. | Регрессии нелинейные по оцениваемым параметрам делятся на два типа: | нелинейные модели внутренне линейные и нелинейные модели внутренне нелинейные | нелинейные модели и линейно качественные модели | нелинейные модели и качественные модели | качественные модели и количественные модели | математические модели и количественные модели | ||
118. | Проблема построения эконометрической модели состоит | в определении конкретного состава независимых переменных , выборе вида функционала, связывающего их с зависимой переменной и в оценке его параметров , ; на основании известных компонент вектора y и элементов матрицы Х | в определении конкретного состава независимых переменных и выборе константы | в определении конкретного состава зависимых переменных у, выборе вида функционала, связывающего их с зависимой переменной и в оценке МНК | в определении МНК | в определении вида функционала, связывающего их с зависимой переменной и в оценке его параметров , ; на основании известных элементов матрицы Х | ||
119. | Эластичность определяется следующим выражением | |||||||
120. | Уравнение множественной регрессии | y = a+b1x1+b2x2+ε | y = a+bx +ε | |||||
121. | Основная цель множественной регрессии – | построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый показатель | построить модель с одним числом факторов, определив при этом влияние одного из них, а также совокупное воздействие на моделируемый показатель | определить спрос, доходность акций, при изучении функции издержек производства, в расчетах и целого ряда других вопросов | определить множественную регрессию и е | решение вопроса о спецификации модели | ||
122. | Построение уравнения множественной регрессии начинается с | решения вопроса о спецификации модели | построения модели с большим числом факторов | определения спроса, доходности акций, при изучении функции издержек производства, в расчетах и целого ряда других вопросов эконометрики | определения е | определения аппроксимации | ||
123. | Спецификация включает в себя два круга вопросов: | отбор факторов и выбор вида уравнения регрессии | построение модели с большим числом факторов и расчет аппроксимации | расчет аппроксимации и выбор вида уравнения регрессии | расчет аппроксимации и детерминации | отбор факторов и расчет аппроксимации | ||
124. | Включение в уравнение множественной регрессии того или иного набора факторов связано | с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями | с представлением исследователя отчета взаимосвязи моделируемого показателя | с представлением исследователя отчета о случайных величинах и е | с представлением исследователя отчета о случайных величинах и ошибках | с представлением исходных данных | ||
125. | Факторы, включаемые множественную регрессию, должны отвечать следующим требованиям: | 1. Они должны быть количественно измеримы 2. Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи | 1. Они должны быть количественно измеримы 2. Факторы должны быть интеркоррелированы | 1. Они должны быть качественно измеримы Факторы должны быть интеркоррелированы | 1. Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи 2. Факторы должны быть интеркоррелированы | 1. Факторы не должны быть интеркоррелированы и тем более находиться в точной функциональной связи 2. Они должны быть качественно и надежно измеримы | ||
126. | Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно | придать количественную определенность | придать качественную определенность | придать надежную определенность | придать хороший вид | придать обнавленный вид | ||
127. | Включение в модель факторов с высокой интеркорреляцией может привести | к нежелательным последствиям – система нормальных уравнений может оказаться плохо обусловленной и повлечь за собой неустойчивость и ненадежность оценок коэффициентов регрессии | к желательным последствиям – система простых уравнений может оказаться хорошо обусловленной и повлечь за собой устойчивость регрессии | к желательным последствиям – система простых уравнений может оказаться хорошо обусловленной и повлечь за собой устойчивость и надежность оценок коэффициентов регрессии | к нежелательным расчетам – определение случайных ошибок е | к нежелательным расчетам – определение парной регрессии | ||
128. | Если между факторами (x1, х2) существует высокая корреляция, то | нельзя определить их изолированное влияние на результативный показатель и параметры уравнения регрессии оказываются неинтерпретируемыми | нельзя определить множественную регрессию, СВ и е | нельзя определить СВ и е | можно определить множественную регрессию, СВ и е | можно определить СВ и е | ||
129. | Если rx1x2 = 0 предполагается, что | факторы x1 и х2 независимы друг от друга | факторы x1 и х2 зависимы друг от друга | факторы у и х2 зависимы друг от друга | факторы у1 и х2 независимы друг от друга | факторы у1 и x1 независимы друг от друга | ||
130. | В уравнении у = а + b1 x1 + b2 х2 +ε предполагается, что rx1x2 = 0, тогда можно говорить, что | параметр b1 измеряет силу влияния фактора х1, на результат у при неизменном значении фактора х 2 | параметр b1 измеряет силу влияния фактора х1 на результат у при неизменном значении фактора x1 | параметр b1 измеряет силу влияния фактора х2 на результат у при неизменном значении фактора x3 | параметр b2 измеряет силу влияния фактора х1 на результат у при неизменном значении фактора x1 | параметр b2 измеряет силу влияния фактора х2 на результат у при неизменном значении фактора х2 | ||
131. | Если rx1x2 = 1, то | с изменением фактора x1, фактор х2 не может оставаться неизменным | с изменением фактора х2, фактор х2 не может оставаться неизменным | с изменением фактора х2, фактор х2 может оставаться неизменным | с изменением фактора х2, фактор х2 может меняться | с изменением фактора x1, фактор х2 может оставаться неизменным | ||
132. | Если rx1x2 = 1, то b1 и b2 | нельзя интерпретировать как показатели раздельного влияния x1 и х2 на у | нельзя интерпретировать как показатели раздельного влияния x1, и х2 на А | можно интерпретировать как показатели раздельного влияния x1 и х2 на А | нельзя интерпретировать как показатели раздельного влияния x1 и х2 на на b1 и b2 | можно интерпретировать как показатели раздельного влияния x1 и х2 на b1 и b2 | ||
133. | Включаемые во множественную регрессию факторы | должны объяснить вариацию независимой переменной | должны интерпретировать как показатели раздельного влияния x1 и х2 на А | должны объяснить показатели раздельного влияния x1 и х2 на А | должны интерпретировать b1 и b2 на А | должны объяснить вариацию зависимой переменной на А | ||
134. | Если строится модель с набором р факторов, то для нее рассчитывается коэффициент детерминации R2, который | фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии р факторов | фиксирует долю влияния x1 и х2 на А | фиксирует долю объясненной вариации x1 и х2 в регрессии р факторов | фиксирует b1 и b2 на А в регрессии р факторов | фиксирует долю объясненной вариации влияния x1 и х2 на А за счет рассматриваемых в регрессии р факторов | ||
135. | Влияние других, не учтенных в модели факторов, оценивается | как 1 - R2 с соответствующей остаточной дисперсией S2 | как 1 - R с соответствующей остаточной дисперсией S2 | как 1 - F с соответствующей остаточной дисперсией S2 | как 1 - А с соответствующей остаточной дисперсией S2 | как 1 - е с соответствующей остаточной дисперсией S2 | ||
136. | При дополнительном включении в регрессию (р +1)-го фактора коэффициент детерминации должен | возрастать, а остаточная дисперсия уменьшаться | убывать, а остаточная дисперсия уменьшаться | интерпретировать как показатели раздельного влияния x1 и х2 на А | интерпретировать b1 и b2 | объяснить вариацию зависимой переменной на А | ||
137. | Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит | к статистической незначимости параметров регрессии по t-критерию Стьюдента | к статистической значимости параметров регрессии по t-критерию Стьюдента | к статистической значимости параметров регрессии по е | к статистической незначимости е | к статистической остаточной дисперсией S | ||
138. | Виды уравнений множественной регрессии: | линейные и нелинейные | линейные и регрессионные | линейные и коэффициентные | коэффициентные, линейные и нелинейные | регрессионные, линейные и нелинейные | ||
139. | В линейной множественной регрессии у=а+b1x1+b2х2+...+bрхр параметры при х называются | коэффициентами «чистой» регрессии | коэффициентами «плохой» регрессии | коэффициентами «хорошей» регрессии | коэффициентами «прозрачной» регрессии | коэффициентами «нечистой» регрессии | ||
140. | Коэффициенты «чистой» регрессии характеризуют | среднее изменение результата с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне | среднее изменение А с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне | среднее изменение е с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне | среднее изменение результата с изменением соответствующего е на единицу при неизмененном значении других факторов, закрепленных на среднем уровне | среднее изменение результата с изменением соответствующего А на единицу при неизмененном значении других факторов, закрепленных на среднем уровне | ||
141. | Наиболее широкое применение получили следующие методы построения уравнения множественной регрессии: | -метод исключения; -метод включения; -шаговый регрессионный анализ | -метод исключения; -метод включения; - метод отсева | -метод исключения; -метод отсева -шаговый регрессионный анализ | -метод исключения; -метод отсева -метод отбора | -метод исключения; -метод отсева -прямой метод | ||
142. | Метод исключения - | отсев факторов из полного его набора | отсев полного набора А | отсев факторов и е | отсев факторов из полного набора А | отсев регрессии из полного набора А | ||
143. | Метод включения - | дополнительное введение фактора | дополнительное введение е | дополнительное введение фактора и е | дополнительное введение регрессии | дополнительное введение b2х2 | ||
144. | Шаговый регрессионный анализ - | исключение ранее введенного фактора | исключение фактора А | исключение ранее введенного b2х2 | исключение е | исключение регрессии | ||
145. | При отборе факторов рекомендуется пользоваться следующим правилом: | число включаемых факторов обычно в 6-7 раз меньше объема совокупности, по которой строится регрессия | число включаемых факторов обычно в 6-7 раз больше объема совокупности, по которой строится регрессия | число включаемых факторов обычно в 6-7 раз больше регрессии | число включаемых е обычно в 6-7 раз меньше объема совокупности, по которой строится регрессия | число включаемых е в 6-7 раз меньше объема совокупности, по которой строится регрессия | ||
146. | Если число степеней свободы остаточной вариации очень мало, то | параметры уравнения регрессии оказываются статистически незначимыми, а F-критерий меньше табличного значения | параметры уравнения регрессии оказываются статистически значимыми, а F-критерий меньше табличного значения | параметры уравнения регрессии оказываются статистически незначимыми, а F-табличный меньше F -расчетного значения | параметры уравнения регрессии оказываются статистически незначимыми, а Т-табличный меньше F -расчетного значения | параметры уравнения оказываются статистически значимыми, а F-табличный меньше F -расчетного значения | ||
147. | Мультиколлинеарность в эконометрике - это | наличие линейной зависимости между независимыми переменными (факторами) регрессионной модели | отсутствие линейной зависимости между независимыми переменными (факторами) регрессионной модели | отсутствие линейной зависимости между независимыми переменными | наличие слабой связи между независимыми переменными (факторами) регрессионной модели | наличие линейной зависимости между зависимыми переменными и е регрессионной модели | ||
148. | Виды мультиколлинеарности: | полная коллинеарность и частичная | просто мультиколлинеарность и частичная | мультиколлинеарность полная, неполная и частичная | общая и частичная | полная, неполная и частичная | ||
149. | Полная коллинеарность | означает наличие функциональной (тождественной) линейной зависимости между независимыми переменными регрессионной модели | означает наличие слабой связи линейной зависимости между независимыми переменными регрессионной модели | означает наличие функциональной связи между зависимыми переменными и е регрессионной модели | означает наличие функциональной связи между зависимыми переменными и факторами регрессионной модели | означает наличие связи между зависимыми переменными и е регрессионной модели | ||
150. | Частичная (просто мультиколлинеарность) | означает наличие сильной корреляции между факторами | означает наличие слабой корреляции между факторами | означает наличие сильной связи между зависимыми переменными и е регрессионной модели | означает наличие слабой связи между зависимыми переменными и е регрессионной модели | означает наличие е | ||
151. | Полная коллинеарность приводит к | неопределенности параметров в линейной регрессионной модели независимо от методов оценки | определенности параметров в регрессионной модели независимо от методов оценки | определенности корреляции в регрессионной модели независимо от методов оценки | неопределенности корреляции в регрессионной модели независимо от методов оценки | неопределенности F-критерий | ||
152. | Проблема полной коллинеарности факторов решается на стадии | отбора переменных при моделировании и поэтому к проблеме качества эконометрических оценок параметров отношения не имеет | отбора е при моделировании и поэтому к проблеме качества эконометрических оценок параметров отношения не имеет | отбора е при моделировании | неопределенности параметров исходных данных | определенности F-критерий | ||
153. | Если полная коллинеарность приводит к неопределенности значений параметров, то частичная мультиколлинеарность | приводит к неустойчивости их оценок | приводит к устойчивости их оценок | приводит к полной мультиколлинеарность | приводит к определенности F-критерий | приводит к потере исходных данных | ||
154. | Неустойчивость оценок значений параметров выражается | в увеличении статистической неопределенности - дисперсии оценок | в уменьшении статистической неопределенности - дисперсии оценок | в увеличении определенности F | в увеличении статистической определенности а | в уменьшении дисперсии оценок | ||
155. | Неустойчивость оценок значений параметров означает, что | конкретные результаты оценки могут сильно различаться для разных выборок, несмотря на то, что выборки однородны | конкретные результаты А могут сильно различаться для разных выборок, несмотря на то, что выборки однородны | конкретные результаты оценки должны быть однородны | конкретные результаты оценки могут быть равны е | конкретные результаты оценки должны быть равны е | ||
156. | Косвенными признаками мультиколлинеарности являются | высокие стандартные ошибки оценок параметров модели, малые t-статистики (то есть незначимость коэффициентов), неправильные знаки оценок притом, что модель в целом признается статистически значимой (большое значение F-статистики) | низкие стандартные ошибки оценок параметров модели, большие е, правильные знаки оценок притом, что модель в целом признается статистически незначимой | низкие стандартные ошибки оценок параметров модели, большие t-статистики | высокие F-критерий и много исходных данных | высокие стандартные ошибки е и большое значение F-статистики | ||
157. | О мультиколлинеарности может свидетельствовать | сильное изменение оценок параметров от добавления (или удаления) выборочных данных (если соблюдены требования достаточной однородности выборки) | слабое изменение оценок параметров от добавления (или удаления) выборочных данных (если соблюдены требования достаточной однородности выборки) | слабое изменение оценок параметров от добавления (или удаления) выборочных данных | сильное влияние фактора х1 на оценок параметров от добавления выборочных данных | сильное влияние фактора х1 на результат у при неизменном значении фактора x3 | ||
158. | Для обнаружения мультиколлинеарности факторов можно | проанализировать непосредственно корреляционную матрицу факторов | проанализировать непосредственно МНК | проанализировать обратную матрицу факторов | проанализировать корреляцию с помощью МНК | проанализировать регрессию с помощью МНК | ||
159. | Наличие больших по модулю (выше 0,7-0,8) значений коэффициентов парной корреляции между факторами свидетельствует | о возможных проблемах с качеством получаемых оценок | о возможных оценок с помощью МНК | о возможных проблемах МНК | о возможных оценок качества rx1x2 | о возможных влияниях фактора х1 на результат у | ||
160. | Применение … к факторам модели позволяет преобразовать исходные факторы и получить совокупность ортогональных (некоррелированных) факторов | метода главных компонент | метода МНК | метода главных героев | метода прочих компонент | метода возможных оценок | ||
161. | Наличие мультиколлинеарности позволит | ограничится небольшим количеством главных компонент | ограничится большим количеством главных компонент | ограничится количеством прочих компонент | ограничится МНК | ограничится методом возможных оценок | ||
162. | В линейных моделях коэффициенты корреляции между параметрами могут быть | положительными и отрицательными | положительными и прямыми | отрицательными и обратными | положительными и корреляционными | положительными и регрессионными | ||
163. | При положительном коэффициенте корреляции увеличение одного параметра сопровождается | увеличением и другого параметра | увеличением е | уменьшением другого параметра | уменьшением е | увеличением А | ||
164. | При отрицательном коэффициенте корреляции с повышением одного параметра | происходит снижение другого | происходит увеличение другого параметра | происходит увеличение е | происходит увеличение А | происходит снижение другого Е | ||
165. | Виды мультиколлинеарности с учетом знаков коэффициента корреляции: | допустимая и недопустимая | допустимая и возможная | невозможная и недопустимая | допустимая и корреляционная | корреляционная и недопустимая | ||
166. | Недопустимая мультиколлинеарность будет тогда, когда между факторами 1 и 2 существует | значительная положительная корреляция и при этом влияние каждого фактора на корреляционную связь с функцией у однонаправленное, то есть увеличение обоих факторов 1 и 2 ведёт к увеличению или снижению функции у: ry1/ ry2 > 0 | незначительная положительная корреляция и при этом влияние каждого фактора на корреляционную связь с функцией у однонаправленное, то есть увеличение обоих факторов 1 и 2 ведёт к увеличению или снижению функции у: ry1/ ry2 > 1 | незначительная отрицательная корреляция и при этом влияние каждого фактора на корреляционную связь с функцией у однонаправленное, то есть увеличение обоих факторов 1 и 2 ведёт к увеличению или снижению функции у: ry1/ ry2 > 1 | незначительная отрицательная корреляция | незначительные отрицательная и положительная корреляции | ||
167. | Недопустимая мультиколлинеарность будет тогда, когда | оба фактора действуют на функцию у одинаково и значительная положительная корреляция между ними может позволить исключить один из них | оба фактора не действуют на функцию у одинаково и незначительная положительная корреляция между ними может позволить исключить один из них | оба фактора не действуют на функцию у одинаково | оба фактора действуют на функцию у неодинаково | оба фактора не влияют на функцию у одинаково и значительная положительная корреляция между ними может не позволить исключить один из них | ||
168. | Допустимая мультиколлинеарность такова, при которой | факторы действуют на функцию у неодинаково | факторы действуют на функцию у одинаково | факторы действуют на А неодинаково | факторы действуют на у и х2 одинаково | факторы действуют на е неодинаково | ||
169. | При наличии недопустимой мультиколлинеарности из двух факторов, связанных значительной корреляцией, исключается фактор на основании теоретических соображений. Если такой подход не даёт результата, то | исключается тот фактор, которому соответствует меньший коэффициент корреляции с функцией | исключается отклонение с функцией | исключается тот фактор, которому соответствует наибольший коэффициент корреляции с функцией | исключается А, которому соответствует наибольший коэффициент корреляции с х2 | исключается е, которому соответствует меньший коэффициент Э | ||
170. | Последствия мультиколлинарности для оценок коэффициентов регрессии | 1.Затрудняется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, ибо факторы коррелированы; параметры линейной регрессии теряют экономический смысл 2.Оценки параметров ненадежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений (не только по величине, но и по знаку), что делает модель непригодной для анализа и прогнозирования | 1.Расширяется интерпретация параметров множественной регрессии как характеристик действия факторов в «чистом» виде, ибо факторы коррелированы; параметры линейной регрессии теряют экономический смысл 2.Оценки параметров надежны, обнаруживают небольшие стандартные ошибки и неменяются с изменением объема наблюдений, что делает модель непригодной для анализа и прогнозирования | 1.Расширяется интерпретация параметров множественной регрессии как характеристик действия факторов в «случайном» виде; параметры линейной регрессии теряют экономический смысл 2.Оценки параметров надежны, обнаруживают небольшие стандартные ошибки и неменяются с изменением объема наблюдений, что делает модель непригодной для анализа и прогнозирования | 1.Затрудняется интерпретация параметров парной регрессии как характеристик действия факторов в «чистом» виде; параметры нелинейной регрессии теряют экономический смысл 2.Оценки параметров надежны, обнаруживают большие стандартные ошибки и меняются с изменением объема наблюдений, что делает модель непригодной для анализа и прогнозирования | 1.Затрудняется интерпретация параметров парной регрессии 2.Оценки параметров надежны, обнаруживают большие стандартные ошибки | ||
171. | При полной коллинеарности | нельзя использовать метод наименьших квадратов | нельзя использовать метод исключения и отсева | нельзя использовать шаговый регрессионный анализ, но можно использовать е | можно использовать метод наименьших квадратов | можно использовать е | ||
172. | Некоторые наиболее характерные признаки мультиколлинеарности: | 1.Небольшое изменение исходных данных (например, добавление новых наблюдений) приводит к существенному изменению оценок коэффициентов модели 2.Оценки имеют большие стандартные ошибки, малую значимость, в то время как модель в целом является значимой (высокое значение коэффициента детерминации R2 и соответствующей F-статистики) 3.Оценки коэффициентов имеют неправильные с точки зрения теории знаки или неоправданно большие значения | 1.Большое изменение исходных данных (например, добавление новых наблюдений) приводит к несущественному изменению оценок коэффициентов модели 2.Оценки имеют большие стандартные ошибки, малую значимость, в то время как модель в целом является значимой (высокое значение коэффициента детерминации R2 и соответствующей F-статистики) 3.Оценки коэффициентов Э правильные с точки зрения теории знаки или неоправданно большие значения | 1.Большое изменение исходных данных приводит к существенному изменению оценок коэффициентов Э 2.Оценки имеют большие стандартные ошибки, малую значимость, в то время как модель в целом является значимой 3.Оценки коэффициентов детерминации правильные с точки зрения теории знаки или неоправданно большие значения | 1.Высокое значение коэффициента детерминации R2 и соответствующей F-статистики) 2.Оценки R2 и F 3.Оценки коэффициентов детерминации правильные с точки зрения теории знаки или неоправданно большие значения | 1.Высокое значение коэффициента корреляции 2.Оценки Э 3.Оценки F | ||
173. | Оценки параметров регрессии должны отвечать определенным критериям: они должны быть | несмещенными, состоятельными и эффективными | несмещенными, состоятельными и случайными | смещенными, состоятельными и случайными | смещенными, случайными и перемещенными | эффективными, случайными и перемещенными | ||
174. | Несмещенность оценки параметров регрессии означает, что | математическое ожидание остатков равно 0 | математическое ожидание остатков равно 1 | математическое ожидание остатков равно 10 | математическое ожидание остатков равно 100% | математическое ожидание остатков равно е | ||
175. | Если оценки параметров регрессии обладают свойством несмещенности, то их можно | сравнивать по разным исследованиям | сравнивать по разным независимым переменным | сравнивать по разным зависимым переменным | сравнивать по разным источникам | сравнивать по разным исходным данным | ||
176. | Оценки параметров регрессии считаются эффективными, если | они характеризуются наименьшей дисперсией | они характеризуются наибольшей дисперсией | они характеризуются наибольшей е | они характеризуются наименьшей регрессией | они характеризуются наименьшей корреляцией | ||
177. | Состоятельность оценок параметров регрессии характеризует | увеличение их точности с увеличением объема выборки | уменьшение их точности с увеличением объема выборки | уменьшение их точности с увеличением F-критерий | увеличение их точности с увеличением е | увеличение их точности с увеличением А | ||
178. | Несмещенность, состоятельность и эффективность обязательно учитываются | при разных способах оценивания | при разных F-критерий | при расчете А | при разных МНК | при разных способах расчета Э | ||
179. | Метод наименьших квадратов строит оценки регрессии на основе | минимизации суммы квадратов остатков | минимизации суммы F | минимизации суммы МНК | минимизации суммы расчета Э | минимизации суммы t-статистики | ||
180. | Условия, необходимые для получения несмещенных, состоятельных и эффективных оценок, представляют собой | предпосылки МНК, соблюдение которых желательно для получения достоверных результатов регрессии | предпосылки Э, соблюдение которых желательно для определения е | предпосылки t-статистики, соблюдение которых нежелательно для получения достоверных результатов регрессии | предпосылки х, соблюдение которых обязательно для получения достоверных результатов регрессии | предпосылки А, соблюдение которых обязательно для получения достоверных результатов регрессии |
Дата добавления: 2021-03-18; просмотров: 90; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!