24

Приложение к рабочей программе

Задание тестового контроля знаний по эконометрике

1. Под системой эконометрических уравнений обычно понимается:

1. система однофакторных уравнений;

2. система совместных уравнений;

3. система независимых уравнений;

4. система рекурсивных уравнений.

2. Число периодов, по которым рассчитывается коэффициент корреляции называется:

1. корелограммой;

2. лагом;

3. рядом;

4. выборкой.

3. Приведенная форма модели, которая служит для определения структурных коэффициентов, представляет собой:

1. систему линейных функций эндогенных переменных от экзогенных;

2. нелинейную зависимость эндогенных переменных от экзогенных;

3. систему линейных функций экзогенных переменных от эндогенных;

4. обратную зависимость эндогенных переменных от экзогенных.

4. В парной регрессии выбор вида математической функции y_x = f(x) может быть осуществлен:

1. графическим методом;

2. экспериментальным методом;

3. аналитическим;

4. всеми выше перечисленными методами.

5. Регрессия результативного признака с двумя и большим числом факторов называется:

1. линейная регрессия;

2. множественная регрессия;

3. простая регрессия;

4. парная регрессия

6. К нелинейным регрессиям по оцениваемым параметрам относятся функции:

1. показательная;

2. степенная;

3. экспоненциальная;

4. все выше функции.

7. Система уравнений, когда каждая зависимая переменная y рассматривается как функция одного и того же набора факторов x называется:

1. системой рекурсивных уравнений;

2. системой независимых уравнений;

3. системой взаимосвязанных уравнений;

4. системой совместных уравнений.

8. Частные коэффициенты корреляции изменяются в пределах:

1. от 0 до 1;

2. от -1 до 0;

3. от -1 до 1;

4. ни один из указанных интервалов не является верным.

9. Частный F – критерий оценивает:

1. статистическую значимость построенной модели;

2. пригодность модели для прогноза;

3. наличие автокорреляции остатков;

4. статистическую значимость присутствия каждого из факторов в уравнении

10. Долю дисперсии, объясняемую регрессией, в общей дисперсии результативного признака у характеризует:

1. коэффициент корреляции;

2. коэффициент эластичности;

3. коэффициент детерминации;

4. все выше перечисленные коэффициенты.

11. Существенные причины обязательного присутствия в регрессионных моделях случайного фактора (отклонения):

1. невключение в модель всех объясняющих переменных;

2. неправильный выбор функциональной формы модели;

3. агрегирование переменных;

4. все вышеперечисленное.

12. К решению задачи построения качественного уравнения регрессии, соответствующего эмпирическим данным и целям исследования, относится:

1. выбор формулы уравнения регрессии;

2. определение параметров выбранного уравнения;

3. анализ качества уравнения и проверка адекватности уравнения эмпирическим данным, совершенствование уравнения;

4. все вышеперечисленное.

13. Выбор формулы связи переменных называется:

1. спецификация;

2. параметризация;

3. верификация;

4. все вышеперечисленное.

14. Графическое изображение реальных статистических данных в виде точек в декартовой системе координат – это:

1. Параметризация;

2. верификация;

3. корреляционное поле;

4. все вышеперечисленное.

15. Уравнение вида y­­­­_j = М(У/X = x_j) + ε_j = β₀ + β₁x_j + ε_j называется:

1. обратной моделью;

2. степенной функцией;

3. теоретической линейной регрессионной моделью;

4. логарифмической моделью.

16. Коэффициенты β₀ и β₁ в уравнении вида y­­­­_j = М(У/X = x_j) + ε_j = β₀ + β₁x_j + ε_j называются:

1. случайным отклонением;

2. теоретическими параметрами регрессии;

3. эмпирическими коэффициентами регрессии;

4. выборочными коэффициентами корреляции.

17. Метод определения оценок коэффициентов из условия минимизации второй суммы называется:

1. метод наименьших модулей

2. метод наименьших квадратов;

3. метод моментов;

4. метод максимального правдоподобия.

18. Суть МНК состоит в:

1. Минимизации суммы квадратов коэффициентов регрессии;

2. Минимизации суммы квадратов значений зависимой переменной;

3. Минимизации суммы квадратов отклонений точек наблюдений от уравнения регрессии;

4. Минимизации суммы квадратов отклонений точек эмпирического уравнения регрессии от точек теоретического уравнения регрессии.

19. Непостоянством дисперсий отклонений называется:

1. гомоскедастичность

2. гетероскедастичность

3. автокорреляция

4. мультиколлинеарность

20. Стандартная ошибка оценки (регрессии) рассчитывается по следующей формуле:

1. ;

2. ;

3. ;

4. 

21. Суммарной мерой общего качества уравнения регрессии является:

1. Коэффициент детерминации;

2. статистика Фишера;

3. статистика Стьюдента;

4. все вышеперечисленное

22. Коэффициент детерминации рассчитывается по формуле:

1. ;

2. ;

3. ;

4. .

23. С увеличением объема выборки:

1. увеличивается точность оценок;

2. расширяются интервальные оценки;

3. уменьшается коэффициент детерминации;

4. увеличивается точность прогноза по модели.

24. Если уравнение регрессии строится по перекрестным данным, а не по временным рядам, то коэффициент детерминации R­­­­­­­­² для него обычно не превышает:

1. 1;

2. 0,3 - 0,7;

3. 0,6 - 0,7;

4. 0,7

25. Чем теснее линейная связь между X и Y, те ближе коэффициент детерминации R­­­­­­­­² к:

1. – 1;

2. 0;

3. 0,5;

4. 1.

26. Предпосылкой МНК не является:

1. Математическое ожидание случайного отклонения равно нулю для всех наблюдений;

2. Дисперсия случайных отклонений постоянна;

3. Модель является линейной относительно параметров;

4. Случайное отклонение должно быть зависимо от объясняющих переменных.

27. Чем больше дисперсия (разброс значений ) объясняющей переменной, тем:

1. меньше дисперсия оценок коэффициентов;

2. выше коэффициент детерминации;

3. слабее связь между объясняемой и объясняющей переменной;

4. все выше перечисленное.

28. Формула определения коэффициента b₁ регрессии для уравнения с двумя объясняющими переменными (m=2) имеет вид:

1. b1 = ;

2. b1 = ;

3. b1 = ;

4. b1 = ;

29. Стандартная ошибка регрессии обозначается:

1. σ;

2. S;

3. е;

4. ε

30. Проверка статистического качества оцененного уравнения регрессии не проводится по следующему направлению:

1. проверка статистической значимости коэффициентов уравнения регрессии;

2. проверка общего качества уравнения регрессии;

3. проверка на отсутствие коррелированности показателей дисперсии коэффициентов уравнения регрессии;

4. проверка свойств данных, выполнимость которых предполагалась при оценивании уравнения (проверка выполнимости предпосылок МНК)

31. Коэффициент b является статистически не значимым по грубой оценке, если:

1. ItI > 3;

2. 2 <ItI< 3;

3. ItI < 1;

4. 1 <ItI< 2

32. Статистическая значимость коэффициентов множественной линейной регрессии с m объясняющими переменными проверяется на основе:

1. F – статистики;

2. Показателя R²;

3. S – статистики;

4. T – статистики.

33. Скорректированный коэффициент детерминации рассчитывается по следующей формуле:

1. R² = ;

2. R² = ;

3. R = ;

4. R² =

34. Добавление в модель новых объясняющих переменных осуществляется до тех пор, пока: