ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 06.12.2023
Просмотров: 144
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
1. Регрессия - это:*степень взаимосвязи между переменными*функциональная зависимость между объясняющими переменными и условным математическим ожиданием зависимой переменной*раздел эконометрики2. Представленная статистика ESS/m /RSS/ (n-m-1), где m-число объясняющих переменных, n-число наблюдений имеет распределение:*Фишера-Снедекора*хи-квадрат*Стьюдента*Пирсона3. В матричной форме регрессионная модель имеет вид - Y=XА+Е, где Е это:*матрица, размерности [n × (k+1)] ошибок наблюдений (остатков)*случайный вектор - столбец размерности (n × n) ошибок наблюдений (остатков)*случайный вектор - столбец размерности (n × 1) ошибок наблюдений (остатков)*случайный вектор - столбец размерности (k × 1) ошибок наблюдений (остатков)4. Проверить значимость параметров уравнения регрессии возможно, используя:*t-статистику*коэффициент детерминации*коэффициент корреляции*коэффициент ковариации5. Парный линейный коэффициент корреляции указывает:*на наличие связи*на отсутствие связи*на наличие или отсутствие связи и находится в интервале [-1;1]*на наличие или отсутствие связи и находится в интервале (-1;1)6. Какая из приведенных ниже формул справедлива?7. Фиктивные переменные могут принимать значения:*1 и 0*Только 1*Только 0 28. Значение параметра а1 получено равным 12,4 среднеквадратическая ошибка равна 2,34, будет ли статистически значим данный параметр если табличное значении t-критерия Стьюдента для данной выборки равно 2,20.*параметр будет не значим*параметр будет значим*не представляется возможным вычислить9. Если эконометрическая модель содержит только одну объясняющую переменную и одну объясняемую, то она называется:
*парной линейной регрессией*парной регрессией*парной нелинейной регрессией*множественной линейной регрессией*множественной регрессией10. Исследователь получил следующее значение R2=-0,98. Это указывает на:*отсутствие зависимость между показателями*обратную зависимость между показателями*прямую зависимость между показателями*ошибку в расчетах11. Предположим оцениваем уравнение регрессии с двумя независимыми переменными x1 и x2, при этом b-коэффициент при первом регрессоре получен равным 0,124, а при втором -0,673. Какой из регрессоров оказывает наибольшее влияние на результатирующую переменную:*фактор x1*фактор x2*нельзя сопоставлять факторы12. При проверке гипотезы H0: a1 = 0 оказалось, что tрасч. > tкрит. Какое из приведенных ниже утверждений справедливо:*a1= 0*a1 не равен 0*a1 не равен нулю с вероятностью ошибки альфа*a1 равен нулю с вероятностью ошибки альфа13. t-тест Стьюдента для уравнений yi=a0+a1x1i+a2x2i проверяет гипотезу H0:*A1=a2=o*a ≠a2 ≠0*a1=0 и a2 =0*a1 ≠0 и a2 ≠014. При проверке значимости коэффициента регрессии аj t-статистика имеет:*нормальное распределение*распределение Стьюдента с (n-k-1) степенями свободы*распределение Фишера с k и (n-k-1) степенями свободы15. В ходе оценки уравнения регрессии было получено фактическое значение F-критерия Фишера, равное 3,245, при этом табличное значение равно – 3,021. Какой вывод отсюда можно сделать?*оцененное регрессионное уравнение статистически не значимо*оцененное регрессионное уравнение статистически значимо
*оцененные параметры уравнения не значимы16. Допустим, получена следующая множественная модель в стандартизированном виде: y ̃i = -0,971x1 + 0,880x2. Какой из факторов оказывает наибольшее влияние на результатирующую переменную:*фактор x1*фактор x2*нельзя сопоставлять факторы17. Приведенная формула необходима для расчета:*параметра уравнения*стандартизованным коэффициентом регрессии*коэффициента эластичности18. Предельно допустимое значение средней ошибки аппроксимации составляет:*не более 10%-12%*не более 3%-5%*не более 8%-10%19. Значение параметра аj полученное больше нуля указывает на:*отсутствие связи между показателями y и x*обратную связь между показателями y и x*прямую связь между показателями y и x20. Для оценки значимости коэффициента детерминации используется:*критерий Титьена*t - статистика Стьюдента*критерий – Хотеллинга*F- статистика Фишера*метод Барт
*парной линейной регрессией*парной регрессией*парной нелинейной регрессией*множественной линейной регрессией*множественной регрессией10. Исследователь получил следующее значение R2=-0,98. Это указывает на:*отсутствие зависимость между показателями*обратную зависимость между показателями*прямую зависимость между показателями*ошибку в расчетах11. Предположим оцениваем уравнение регрессии с двумя независимыми переменными x1 и x2, при этом b-коэффициент при первом регрессоре получен равным 0,124, а при втором -0,673. Какой из регрессоров оказывает наибольшее влияние на результатирующую переменную:*фактор x1*фактор x2*нельзя сопоставлять факторы12. При проверке гипотезы H0: a1 = 0 оказалось, что tрасч. > tкрит. Какое из приведенных ниже утверждений справедливо:*a1= 0*a1 не равен 0*a1 не равен нулю с вероятностью ошибки альфа*a1 равен нулю с вероятностью ошибки альфа13. t-тест Стьюдента для уравнений yi=a0+a1x1i+a2x2i проверяет гипотезу H0:*A1=a2=o*a ≠a2 ≠0*a1=0 и a2 =0*a1 ≠0 и a2 ≠014. При проверке значимости коэффициента регрессии аj t-статистика имеет:*нормальное распределение*распределение Стьюдента с (n-k-1) степенями свободы*распределение Фишера с k и (n-k-1) степенями свободы15. В ходе оценки уравнения регрессии было получено фактическое значение F-критерия Фишера, равное 3,245, при этом табличное значение равно – 3,021. Какой вывод отсюда можно сделать?*оцененное регрессионное уравнение статистически не значимо*оцененное регрессионное уравнение статистически значимо
*оцененные параметры уравнения не значимы16. Допустим, получена следующая множественная модель в стандартизированном виде: y ̃i = -0,971x1 + 0,880x2. Какой из факторов оказывает наибольшее влияние на результатирующую переменную:*фактор x1*фактор x2*нельзя сопоставлять факторы17. Приведенная формула необходима для расчета:*параметра уравнения*стандартизованным коэффициентом регрессии*коэффициента эластичности18. Предельно допустимое значение средней ошибки аппроксимации составляет:*не более 10%-12%*не более 3%-5%*не более 8%-10%19. Значение параметра аj полученное больше нуля указывает на:*отсутствие связи между показателями y и x*обратную связь между показателями y и x*прямую связь между показателями y и x20. Для оценки значимости коэффициента детерминации используется:*критерий Титьена*t - статистика Стьюдента*критерий – Хотеллинга*F- статистика Фишера*метод Барт