ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 06.12.2023
Просмотров: 74
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 эконометрики
2. Представленная статистика ESS/m /RSS/ (n-m-1), где m-число объясняющих переменных, n-число наблюдений имеет распределение:
*Фишера-Снедекора
*хи-квадрат
*Стьюдента
*Пирсона
3. 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 ковариации
5. 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 2
8. 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 вычислить
9. 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 регрессией
10. Исследователь получил следующее значение R2=-0,98. Это указывает на:
*отсутствие зависимость между показателями
*обратную зависимость между показателями
*прямую зависимость между показателями
*ошибку в расчетах
11. 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 факторы
12. 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 альфа
13. 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 ≠0
14. 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 свободы
15. 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 значимы
16. 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 факторы
17. Приведенная формула необходима для расчета:
*параметра уравнения
*стандартизованным коэффициентом регрессии
*коэффициента эластичности
18. 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 x
20. Для оценки значимости коэффициента детерминации используется:
*критерий Титьена
*t - статистика Стьюдента
*критерий – Хотеллинга
*F- статистика Фишера
*метод Барт