Тесты 2 модуля по эконометрике

Заполняется преподавателем

Дата рецензии ……………………………………………………………………………..

Оценка ……………………………………………………………………………………..

### Что такое выборка?

- это набор элементов (люди, объекты и т.п.), которые необходимо изучить

-это меньший набор элементов, извлеченных из совокупности

- это больший набор элементов, извлеченных из совокупности

-это нормальное распределение набора элементов

-это биномиальное распределение набора элементов

### Графическое изображение интервального вариационного ряда

-полигон

-гистограмма

-кумулята

-полигон и гистограмма

-гистограмма и кумулята

### Графическое изображение вариационного ряда, составленное по накопленным частотам

-полигон

-гистограмма

-кумулята

-полигон и гистограмма

-гистограмма и кумулята

### Что такое параметр?

- любое число, вычисленное на данных выборки

- любое число, вычисленное на планируемых данных

- любое число, рассчитанное для всей генеральной совокупности

- любое число, взятое из всей генеральной совокупности

- любое число, взятое из пробной выборки

### Рассчитайте значение дисперсии, если (Х^2)ср=16, (Xср)^2=9

-2,7

-7

-4

-5

-3,4

### Рассчитайте значение дисперсии, если (Х^2)ср=11, (Xср)=3

-2

-1,4

-2,8

-8

-3,2

### Формула расчета коэффициента детерминации:

-R^2= -r^2

-R^2= (r+1)^2

-R^2= r^2

-R^2= (r-1)^2

-R^2= 1/r^2

### Что проверяется с помощью коэффициента корреляции?

-Достоверность параметра b в уравнении регрессии

-Достоверность параметра a в уравнении регрессии

-Теснота связи между показателями в уравнении регрессии

-Достаточность статистической информации для анализа

-наличие автокорреляции

### Корреляция, или коэффициент корреляции (r), представляет собой …

-безразмерное число в диапазоне от -1 до 1, которое характеризует силу взаимосвязи.

-безразмерное число в диапазоне от -1 до 100, которое характеризует силу взаимосвязи.

-безразмерное число в диапазоне от 1 до 100, которое характеризует силу взаимосвязи.

-безразмерное число в диапазоне от -100 до 1, которое характеризует силу взаимосвязи

-безразмерное число в диапазоне от -100 до 100, которое характеризует силу взаимосвязи

### С помощь какой функции EXCEL находится корелляция?

-=корелл()

-=регрессия()

-=индекс()

-=линейн()

-=стьюдраспобр()

### Коэффициент детерминации характеризует:

- удельный вес зависимого показателя в общей вариации факторного признака

- удельный вес факторного признака в общей вариации зависимого показателя

- удельный вес результативного признака в общей вариации зависимого показателя

- на сколько процентов изменится у относительного своего среднего уровня при росте х на 1% относительно среднего уровня

- путем деления соответствующего уравнения регрессии на объем использованного ресурса.

### Что показывает коэффициент эластичности?

- Связь результативного признака с совокупностью факторных признаков.

- Силу связи между признаками.

-Изменение результативного признака при изменении на один процент факторного признака.

- Совместное влияние всех факторных признаков на результативный признак.

- Влияние вариации каждого факторного признака в отдельности на вариацию результативного признака.

### Для сопоставления факторов по силе влияния используют относительные показатели силы связи - …

-коэффициенты bj

- коэффициенты эластичности

- коэффициенты корреляции

- коэффициент детерминации

-все ответы верны

### Абсолютный показатель силы связи результата с фактором Хj является …

-коэффициент bj при этом факторе

- коэффициент эластичности

- коэффициент корреляции

- коэффициент детерминации

-все ответы верны

### Стандартная ошибка коэффициента наклона…

-Sb, указывает приблизительную величину отклонения оценки наклона b от наклона в генеральной совокупности, вызванного случайным характером выборки

-Sa, указывает приблизительно, насколько далеко оценка сдвига а отстоит от истинного сдвига a в генеральной совокупности

-R2, говорит о том, какой процент вариации У объясняется поведением X.

-Se приблизительно указывает величину ошибок прогнозирования (остатков) для имеющихся данных в тех же единицах, в которых измерена переменная У

-99% доверительный интервал

### Стандартная ошибка сдвига…

-Sb, указывает приблизительную величину отклонения оценки наклона b от наклона в генеральной совокупности b, вызванного случайным характером выборки

-Sa, указывает приблизительно, насколько далеко оценка сдвига а отстоит от истинного сдвига a в генеральной совокупности

-R2, говорит о том, какой процент вариации У объясняется поведением X.

-Se приблизительно указывает величину ошибок прогнозирования (остатков) для имеющихся данных в тех же единицах, в которых измерена переменная У

-99% доверительный интервал

### Статистический вывод начинается с проверки общей гипотезы, которую называют F-тестом (F-test). Цель F-теста заключается в том, чтобы

-выяснить, объясняют ли Х-переменные значимую долю вариации У

-выяснить, объясняют ли Х-переменные незначимую долю вариации У

-выяснить, объясняет ли нормальное распределение долю вариации У

-выяснить, объясняет ли биномиальное распределение долю вариации У

-выяснить, объясняет ли распределение Пуассона долю вариации У

### Стандартная ошибка оценки Se указывает …

-приблизительную величину ошибок прогнозирования

-процент вариации У, объясняющую Х-переменными

-99% доверительный интервал

-отклонение оценки наклона b от наклона в генеральной совокупности b

-изменение результативного признака при изменении на один процент факторного признака

### Формула расчета стандартизированного коэффициента регрессии для линейной модели

-bj* Sхj/ Sу

- bj* Sу/ Sхj

- Sу/ bj

- Sхj / bj

-bj+Sхj/ Sу

### Для уравнения в стандартизированном масштабе t = 2 * t1 + 0,5 * t2 построить уравнение в естественной форме (найти коэффициенты регрессии bj для линейной модели). Известны а=2.5, стандартные ошибки S(у)=4, S(х1)=2, S(х2)=1

-у=2.5+4*х1+2*х2

-у=2.5-4.5*х1+2*х2

-у=2.5-4.5*х1+1,5*х2

-у=2.5-4*х1-1,5*х2

-у=2.5+4.5*х1+2.5*х2

### Для уравнения в Y=а+b1*X1+ b2*X2 найти коэффициент а, если известны коэффициенты регрессии bj

-а = Yср - b1*X1ср - b2*X2ср

-а = Yср + b1*X1ср + b2*X2ср

-а = Yср - b1*X1ср + b2*X2ср

-а = b1*X1ср + b2*X2ср

-а = b1*X1ср - b2*X2ср

### Как определить какие из Х-переменных вносят наибольший вклад в уравнение регрессии?

- сравнить значения коэффициентов корреляции У с каждым из Х, или сравнить значения стандартизированных коэффициентов регрессии bj* Sх/ Sу

- сравнить стандартные ошибки оценки Sb, коэффициент детерминации R2

- сравнить значения стандартизированных коэффициентов регрессии bj* Sх/ Sу, коэффициент детерминации R2

- сравнить коэффициенты множественной регрессии (b1,b2,…,bk), коэффициент детерминации R2

-все ответы верны

### Как определяют значимость регрессии?

-проверяется общая гипотеза F-тестом: объясняют ли Х-переменные значимую долю вариации У

-проверяется общая гипотеза F-тестом: объясняют ли У –переменная значимую долю вариации Х

-используя t-тесты проверяется значимость коэффициентов регрессии

-используя t-тесты проверяется значимость коэффициентов корреляции

-все ответы верны

### Какие показатели характеризуют качество регрессионного анализа (два способа определения):

-стандартная ошибка оценки Se, коэффициент детерминации R2

-стандартные ошибки Sb оценок bj, коэффициент детерминации R2

-стандартная ошибка Sа оценки а, коэффициент детерминации R2

-эластичность, коэффициенты корреляции ri

-коэффициенты множественной регрессии (а, b1,b2,…,bk), коэффициент детерминации R2

### Множественной регрессией называется –

-Прогнозирование одной переменной У на основании двух или нескольких X-переменных

-Прогнозирование одной переменной У на основании другой X-переменной

-Прогнозирование переменных У и X на основании переменных временного ряда

-Прогнозирование переменных У и X на основании переменных нормального распределения

-Прогнозирование переменных У и X на основании переменных биномиального распределения

### Уравнение множественной регрессии.

- y = a + b1*x1 + b2*x2 +... + bn*Xn

- y = a + b* (x1 + x2 +... + Xn)

- y = a + x* (b1+ b2 +... + bn)

- y = a - b1*x1 + b2*x2 +... + bn*Xn

- y = a - b1*x1 - b2*x2 -... - bn*Xn

### Для множественной регрессии Сдвиг, или постоянный член, а, определяет прогнозируемое значение У при условии, что

-все Х-переменные равны 0

-все Х-переменные больше 0

-все Х-переменные меньше 0

-все У-переменные больше 0

-все У-переменные меньше 0

### Коэффициент множественной регрессии bj указывает

- изменение У, когда не изменяются все Х-переменные, за исключением переменной Хj, которая увеличивается на одну единицу

- изменение У, когда изменяются все Х-переменные, за исключением переменной Хj

- изменение У, когда не изменяются все Х-переменные, за исключением переменной Хj, которая увеличивается на 1%

- изменение У, когда не изменяются все Х-переменные, за исключением переменной Хj, которая уменьшается на одну единицу

### Коэффициенты множественной регрессии (а, b1,b2,…,bk) вычисляются...

-методом наименьших квадратов, который минимизирует сумму квадратов ошибок прогнозирования

-методом наибольших квадратов, который максимизирует сумму квадратов ошибок прогнозирования

-методом касательной средней, который усредняет сумму квадратов ошибок прогнозирования

-методом стандартной средней, который стандартизирует сумму квадратов ошибок прогнозирования

-методом наименьшей средней, который минимизирует среднее ошибок прогнозирования

### Чтобы построить матрицу межфакторной корреляции используют встроенную функцию Excel командой

- Сервис - Анализ данных - Корреляция

- Данные - Анализ данных - Корреляция

- Сервис - Анализ данных – Регрессия

- Сервис - Регрессия - Корреляция

- Сервис - Корреляция - Регрессия

### Общая детерминация R² и коэффициент сходимости φ² объясняют …

-вариацию результата поведением факторов и влияние не учтенных факторов соответственно

-влияние не учтенных факторов и вариацию результата поведением факторов соответственно

- изменение результата при изменении на один процент факторного признака и 99% доверительный интервал

- значимую долю вариации У и тесноту взаимосвязи соответственно

- незначимую долю вариации У и приблизительную величину ошибок прогнозирования соответственно

### Проблема мультиколлинеарности возникает...

- когда некоторые из объясняющих переменных (X) оказываются коррелированные между собой

- когда приходится иметь дело с большим перечнем Х-переменных и нужно решить, какие переменные включать в уравнение регрессии

- при несоответствии между конкретной задачей и моделью линейной множественной регрессии

- когда связи нет вообще или определение ее невозможно

- в тех случаях, когда связь явно выражена и определение ее возможно

### О наличии мултиколлинеарности судят...

- по корреляционной матрице

- по множественной матрице

- по нулевой матрице

- по корреляционной связи

- по корреляционным параметрам

### Индикатор мултиколлинеарности...

- коэффициент парной корреляции между факторами больше 0,8

- коэффициент парной корреляции между факторами меньше равно 0,5

- коэффициент парной корреляции между факторами больше 0,1

- коэффициент парной корреляции между факторами меньше 0,8

- коэффициент парной корреляции между факторами меньше 0,7

### Какие коэффициенты сравниваются при мултиколлинеарности для исключения факторов из модели?

- коэффициент парной корреляции между факторами и зависимой переменной

- коэффициент парной корреляции между факторами и независимой переменной

- коэффициент парной корреляции между факторами

- коэффициент детерминации между факторами

- коэффициент эластичности между факторами

### Если между факторами существует полная линейная зависимость (наличие мултиколлинеарности), то определитель корреляционной матрицы равен …

-0

-1

->1

-<1

-1

### При наличии мультиколлинеарности какие факторы целесообразно включать в модель множественной регрессии?

-если корреляции фактора Хj с результатом Y сильнее

-если корреляции фактора Хj с результатом Y слабее

-если корреляции фактора Хj с результатом Y равны 0

-если корреляции фактора Хj с результатом Y больше 0

-если межфакторные корреляции не равны 0

### Множественный коэффициент корреляции изменяется в пределах

- от -1 до 1

- от -1 до 0

- от 0 до 1

- от -2 до 1

- от 1 до 2

### При множественной зависимости коэффициент эластичности делится на:

- зависимые и независимые

- средняя и предельная

- частные и общая

- частная и средняя

- общая и предельная

### Какие факторы х1, х2, х3 целесообразно включать в модель? Если известны r(x1,x2)=0.93, r(x1,x3)=-0.38, r(x2,x3)=-0.28, r(y,x1)=0.85, r(y,x2)=0.80, r(y,x3)=-0.65?

- х1, х3

- х1, х2, х3

-х1, х2

-х2, х3

-у, х1, х3

### Какие факторы х1, х2, х3 целесообразно включать в модель? Если известны r(x1,x2)=-0.90, r(x1,x3)=0.40, r(x2,x3)=-0.3, r(y,x1)=0.40, r(y,x2)=0.80, r(y,x3)=-0.65?

-х1, х3

-х1, х2, х3

-х1, х2

-х2, х3

-у, х1, х3

### Какие факторы х1, х2 целесообразно включать в модель? Если известны r(x1,x2)=-0.90, r(у,x1)=0.40, r(у,x2)=0.70?

- х2

-х1

-х1, х2

-у, х1, х2

-все варианты не верны

### Оценки параметров модели множественной регрессии в матричной форме:

-b = (Хтранcп * Х)обр * Хтрансп * Y

-b = (Х * Х)обр * Хтрансп * Y

-b = (Х * Х)обр * Х * Y

-b = Хтрансп * Y * (Хтранcп * Х)обр

-b = (Хтранcп * Х * Y)обр

### Доверительные интервалы для отдельных коэффициентов регрессии основываются на …

-стандартных ошибках Sb и критическом значении t из t-таблицы Стьюдента

-стандартных ошибках Sb и значениях t-критериев коэффициента корреляции

-стандартных ошибках Sb и расчетных значениях t-критериев коэффициентов регрессии

-стандартных ошибках Sb и критическом значении из F -таблицы

-коэффициентах корреляции и критическом значении из t-таблицы

### Для параметров уравнения у=25+1,5*х1+2*х2 известны стандартные ошибки (2.5, 0.5 и 0.5 соответственно) и значение t-критерия (t =2) при уровне значимости 0.05. Найти доверительные интервалы для параметров модели.

-(20, 30), (0.5, 2.5), (1, 3)

-(20, 30), (0.5, 2.5), (-1, 3)

-(20, 30), (-0.5, 2.5), (1, 3)

-(20, 30), (-1, 1), (1, 3)

-(0, 30), (0.5, 2.5), (1, 3)

### Для параметров уравнения у=10+5*х1+2*х2 известны стандартные ошибки (2, 1 и 0.5 соответственно) и значение t-критерия (t =2) при уровне значимости 0.05. Найти доверительные интервалы для параметров модели.

-(6, 14), (3, 7), (1, 3)

-(6, 15), (4, 8), (1, 3)

-(7, 14), (-4, 9), (1, 3)

-(6, 16), (3, 7), (1, 3)

-(0, 30), (0.5, 2.5), (1, 3)

### Ошибки прогнозирования множественной регрессии, или остатки, определяются...

-выражением У - (прогнозируемое значение У)

-выражением У + (прогнозируемое значение У)

-выражением У * (прогнозируемое значение У)

-выражением У / (прогнозируемое значение У)

-выражением У ^ (прогнозируемое значение У)

### Временной ряд -

- совокупность значений какого-либо показателя за несколько последовательных периодов

- совокупность значений какого-либо показателя за один год

- совокупность значений какого-либо показателя за определенный период

- совокупность значений какого-либо показателя

- совокупность временных значений какого-либо показателя

### Главная цель анализа временных рядов заключается...

-в создании прогнозов, т.е. прогнозирование будущего

-в создании методов прогнозирования будущего

-в создании оценок прогнозирования будущего

-в создании компьютерной программы прогнозирования будущего

-в создании алгоритма прогнозирования будущего

### Модель, в которой временной ряд представлен как сумма у(t)=T(t)+S(t)+e(t) называется …

-аддитивной

-мультипликативной

-адаптивной

-ассоциативной

### Модель, в которой временной ряд представлен как у(t)=T(t)*S(t)*e(t) называется …

- мультипликативной

- аддитивной

-адаптивной

-ассоциативной

### Основную тенденцию временного ряда формируют …

-длительные, постоянно действующие факторы: тренд T(t)

-кратковременные, периодические факторы: S(t)

-случайные факторы: e(t)

-длительные, постоянно действующие факторы и кратковременные, периодические факторы: тренд T(t)+ S(t)

-все перечисленные

### Сезонные колебания временного ряда формируют …

-кратковременные, периодические факторы: S(t)

-длительные, постоянно действующие факторы: тренд T(t)

-случайные факторы: e(t)

-случайные факторы и кратковременные, периодические факторы: тренд e(t)+ S(t)

-все перечисленные

### Какая компонента временного ряда отражает влияние не поддающихся учету и регистрации случайных факторов?

- факторы e(t)

- тренд T(t)

- сезонная S(t)

- циклическая компонента v(t)

- все перечисленные

### Что значит сглаживание временного ряда?

-удаление низко- или высокочастотных составляющих временного ряда

- удаление случайной компоненты временного ряда

- удаление тренда

- введение циклической компонента

- все перечисленные

### В каких случаях используют аддитивную модель?

-если амплитуда сезонных колебаний приближенно постоянная

-если амплитуда сезонных колебаний возрастает

-если амплитуда сезонных колебаний уменьшается

-если амплитуда случайных факторов возрастает или уменьшается

-если отсутствуют сезонные колебания

### В каких случаях используют мультипликативную модель?

-если амплитуда сезонных колебаний возрастает или уменьшается

-если амплитуда сезонных колебаний приближенно постоянная

-если отсутствуют сезонные колебания

-если амплитуда случайных факторов приближенно постоянная

### Как записываются мультипликативные модели?

- Y=T+S+E

- Y=T*S*E

- Y=T/S/E

- Y=T-S-E

- Y=T+S-E

### Как записываются аддитивные модели?

- Y=T+S+E - Y=T*S*E - Y=T/S/E - Y=T-S-E - Y=T+S-E

### В каких случаях вводят фиктивные переменные в модель, и какие значения они принимают?

-при исследовании влияния качественных признаков, значения переменных: 1, 0

-при исследовании влияния количественных признаков, значения переменных: 1, 0

-при использовании данных временного ряда, значения фиктивных переменных положительные числа

-в случае многофакторного анализа, значения переменных: 1, 0

-все ответы правильны

### В каких случаях используют фиктивные переменные в модели?

- если фактор определяет качественный признак

- если фактор определяет количественный признак

- для исследования временного ряда мультипликативной моделью

- для стандартизированной формы модели множественной регрессии

- для исследования временного ряда аддитивной моделью

### Фиктивная переменная?

- двоичная переменная, которая отражает противоположных состояния качественного фактора

- двоичная переменная, которая отражает противоположных состояния количественного фактора

- индикатор переменной, отражающая зависимость с результативным признаком

- переменная, характеризующий временной ряд

### Если качественная переменная имеет n альтернативных значений, то при моделировании сколько фиктивных переменных вводят в модель?

- n-1

- n+1

- 2*n

- 2

- 1

### Если качественная переменная имеет 5 альтернативных значений, то при моделировании сколько фиктивных переменных вводят в модель?

- 4

- 3

- 5

- 2

- 1

### Для производственной функции Q=A*K^α*L^b коэффициенты α, b называются …

-коэффициентами эластичности

-коэффициентами условно-чистой регрессии

-стандартизированными коэффициентами

-коэффициентами фиктивных переменных

-все ответы верны

### Для определения коэффициентов производственной функции Кобба-Дугласа необходимо предварительно функцию привести к линейному виду

-lnQ=lnA+ α*lnK+b*lnL

-Q=lnA+ α*lnK+b*lnL

-lnQ=A+ lnα*lnK+lnb*lnL

-lnQ=A+ α*lnK+b*lnL

-нет правильного ответа

### В каких случаях коэффициент детерминации корректируется?

- при условии (n-k)/ k < 20, n – число наблюдений; k – число факторных признаков

- при условии n <20, n – число наблюдений;

- при условии n =50, n – число наблюдений;

- при условии n < 50, n – число наблюдений;

- во всех случаях

Дата добавления: 2015-07-02