Тесты по дисциплине эконометрика

I раздел

Введение. Основные понятия теории вероятностей и статистики

1. Эконометрика-это:

а) наука, которая дает количественное выражение взаимосвязей в экономике;

б) учение о системе показателей, дающих представление об экономике;

в) различного рода цифровые данные;

г) раздел статистики;

д) раздел высшей математики.

2. Предметом эконометрики является:

а) определение наблюдаемых в экономике количественных закономерностей;

б) сбор цифровых данных;

в) изучение экономических законов;

г) изучение законов естествознания;

д) сбор статистических данных.

3. К одному из методов эконометрики относится:

а) анализ временных рядов;

б) индексный анализ;

в) счета и двойная запись;

г) цифровой анализ;

д) функциональный анализ.

4. Эконометрическая модель описывает:

а) стохастические связи между переменными;

б) функциональные связи между переменными;

в) набор цифровых данных;

г) состав переменных;

д) набор статистических данных.

5. Переменные, определяемые из уравнений модели, называются:

а) зависимые;

б) независимые;

в) предопределенные;

г) эндогенные;

д) экзогенные.

6. Переменные, задаваемые «из вне», в определенной степени управляемые (планируемые), называются:

а) экзогенные;

б) эндогенные;

в) предопределенные;

г) зависимые;

д) постоянные.

7. Переменные, задаваемые «из вне», в определенной степени управляемые (планируемые), называются:

а) независимые;

б) зависимые;

В) предопределенные;

г) эндогенные;

д) постоянные.

8. Идентификация модели – это:

а) статистическое оценивание неизвестных параметров модели;

б) формулировка вида модели, состава и формы входящих в нее связей;

в) сбор необходимой статистической информации;

г) статистическое оценивание неизвестных параметров модели;

д) проверка точности модельных данных.

9. Верификация модели – это:

а) проверка точности модельных данных.

Б) статистическое оценивание неизвестных параметров модели;

в) формулировка вида модели, состава и формы входящих в нее связей;

г) сбор необходимой статистической информации;

д) статистическое оценивание неизвестных параметров модели

10. Выборочное среднее является;

а) оценкой среднего в генеральной совокупности;

б) наиболее часто встречающейся величиной в генеральной совокупности;

в) оценкой разброса в генеральной совокупности;

г) оценкой коэффициентов регрессии;

д) оценкой коэффициентов корреляции.

11. Математическое ожидание дискретной случайной величины –

а) это взвешенное среднее всех ее возможных значений

б) это взвешенное среднее всех ее переменных значений

в) это среднее арифметическое всех ее значений

г) это среднее арифметическое всех ее возможных значений

д) это среднее всех ее дискретных значений

12. Математическое ожидание случайной величины определяется равенством:

а)

б)

в)

г)

д)

13. Дисперсия постоянной величины С равна

а) нулю

б) постоянной величине С

в) единице

г) С²

д)

14. Среднее квадратическое отклонение случайной величины Х равно:

а)

б)

в)

г)

д)

15. Оценка, математическое ожидание которой равно оцениваемому параметру, называется:

а) несмещенной

б) смещенной

в) состоятельной

г) эффективной

д) несостоятельной

16. Оценка, математическое ожидание которой не равно оцениваемому параметру, называется

а) смещенной

б) несмещенной

в) состоятельной

г) эффективной

д) несостоятельной

17 Состоятельной называется такая оценка, которая дает

а) точное значение для большой выборки независимо от входящих в нее конкретных наблюдений.

Б) точное значение входящих в нее конкретных наблюдений.

В) статистическую оценку, которая имеет наименьшую возможную дисперсию

г) статистическую оценку, которая имеет наибольшую возможную дисперсию

д) точное значение для выборки зависимо от входящих в нее конкретных наблюдений

18. Математическая вероятность всегда выражается

а) правильной дробью

б) дискретной величиной

в) случайной величиной

г) постоянным числом

д) непрерывным числом

19. Вероятность, равная нулю, соответствует

а) невозможности наступления события

б) достоверности наступления события.

В) случайной величине

г) возможности наступления события

д) постоянной величине

20. Вероятность, равная единице, соответствует

а) достоверности наступления события.

А) невозможности наступления события

б) случайной величине

г) возможности наступления события

д) постоянной величине

21. Дисперсия случайной величины это

а) математическое ожидание квадрата отклонения случайной величины от ее математического ожидания

б) математическое ожидание квадрата отклонения дискретной величины от ее математического ожидания

в) математическое ожидание квадрата отклонения переменной величины от ее математического ожидания

г) математическое ожидание отклонения случайной величины от ее математического ожидания

д) математическое ожидание отклонения постоянной величины от ее математического ожидания

22. Распределение определяется:

а) одним параметром

б) объемом выборки

в) двумя параметрами

г) двумя параметрами и объемом выборки

д) объемом выборки и уровнем значимости

23. Распределение Стьюдента определяется

а) объемом выборки

б) двумя параметрами

в) одним параметром

г) двумя параметрами и уровнем значимости

д) объемом выборки и уровнем значимости

24. Распределение Фишера определяется

а) двумя параметрами

б) одним параметром

в) объемом выборки

г) двумя параметрами и уровнем значимости

д) объемом выборки и уровнем значимости

25. Для нахождения интервальной оценки математического ожидания нормальной СВ используется

а) распределение Стьюдента

б) распределение Фишера

в) стандартизированное нормальное распределение

г) распределение

д) распределение Дарбин-Уотсона

26. Термин «корреляция» используется

а) для измерения тесноты связи между переменными

б) для описания природы связи между переменными

в) для описания коэффициента корреляции

г) для измерения интервальной оценки

д) для описания точности оценки

27. Термин «регрессия» используется

а) для описания природы связи между переменными

б) для измерения тесноты связи между переменными

в) для описания коэффициента корреляции

г) для измерения интервальной оценки

д) для описания точности оценки

28. Основными параметрами генеральной совокупности являются

а) математическое ожидание (генеральная средняя) М(Х) и среднее квадратическое отклонение s.

Б) математическое ожидание квадрата отклонения дискретной величины от ее математического ожидания

в) математическое ожидание квадрата отклонения переменной величины от ее математического ожидания

г) математическое ожидание отклонения случайной величины от ее математического ожидания

д) математическое ожидание отклонения постоянной величины от ее математического ожидания

29. Выборочным средним называется

а) среднее арифметическое всех значений величины, встречающихся в выборке

б) среднее квадратическое отклонение всех значений величины, встречающихся в выборке

в) среднее геометрическое всех значений величины, встречающихся в выборке

г) среднее значение всех дисперсионных оценок

д) среднее оценка всех корреляционных значений, встречающихся в выборке

30. К числовым характеристикам положения случайной величины относится:

а) математическое ожидание

б) дисперсия

в) среднее квадратическое отклонение;

г) медиана

д) мода

31. К числовым характеристикам рассеивания (разброса) случайной величины относится:

а) дисперсия

б) математическое ожидание

в) медиана

г) среднее квадратическое отклонение;

д) мода

32. Примером дискретной случайной величины является:

а) списочное число работников предприятия

б) выручка от реализации за текущий месяц

в) прибыль от реализации за текущий месяц;

г) прибыль от кредитования

д) ежедневный курс валюты

33. Примером непрерывной случайной величины является:

а) ежедневный курс валюты

б) тарифный разряд работников предприятия

в) количество станков в цехах;

г) списочное число работников предприятия

д) выручка от реализации за текущий месяц

34. В экономике чаще всего большинство случайных величин задается в виде:

а) непрерывных случайных величин

б) закрытых случайных величин;

в) закрытых случайных величин и непрерывных случайных величин;

г) дискретных величин;

д) закрытых дискретных величин.

35. К какому закону распределения можно отнести показатели дохода населения, прибыли фирм в отрасли, объема потребления?

А) нормальный закон распределения (распределение Гаусса).

Б) закон распределения Хи – квадрат;

в) закон распределения Стьюдента;

г) закон распределения Фишера;.

Д) закон распределения непрерывных величин.

ІІ раздел

Парная регрессия и корреляция

1. Наиболее наглядным видом выбора уравнения парной регрессии является:

а) графический;

б) аналитический;

в) экспериментальный

г) табличный)

д) теоретический.

2. Рассчитывать параметры парной линейной регрессии можно, если у нас есть:

а) не менее 7 наблюдений;

б) не менее 5 наблюдений;

в) не менее 10 наблюдений;

г) не более 7 наблюдений;

д) не более 5 наблюдений.

3. Суть метода наименьших квадратов состоит в:

а) минимизации суммы квадратов остаточных величин.

Б) минимизации дисперсии результативного признака;

в) минимизации суммы остаточных величин;

г) минимизации коэффициента корреляции

д) минимизации коэффициента детерминации

4. Коэффициент линейного парного уравнения регрессии:

а) показывает среднее изменение результата с изменением фактора на одну единицу;

б) оценивает статистическую значимость уравнения регрессии;

в) показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%.

Г) оценивает существенность коэффициента регрессии

д) показывает среднее изменение квадрата остаточных величин

5. Качество модели из относительных отклонений по каждому наблюдению оценивает:

а) коэффициент детерминации ;

б) -критерий Фишера;

в) средняя ошибка аппроксимации .

Г) t- критерий Стьюдента

д) критерий Дарбина-Уотсона

6. Статистическая значимость коэффициента регрессии проверяется на основе:

а) -критерий Стьюдента;

б) -критерий Фишера;

в) коэффициент детерминации .

Г) средняя ошибка аппроксимации .

Д) критерий Дарбина-Уотсона

7. Значимость уравнения регрессии в целом оценивает:

а) -критерий Фишера;

б) -критерий Стьюдента;

в) коэффициент детерминации .

Г) средняя ошибка аппроксимации .

Д) критерий Дарбина-Уотсона

8. Классический метод к оцениванию параметров регрессии основан на:

а) методе наименьших квадратов:

б) методе максимального правдоподобия:

в) шаговом регрессионном анализе.

Г) методе минимизации коэффициента корреляции

д) многошаговом корреляционном анализе

9. Объясненная (факторная) сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) 1;

б) ;

в) .

Г) 2

д) n-m

10. Остаточная сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) .

Б) 1;

в) ;

г) 2

д) n-m

11. Общая сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

б) 1;

в) .

Г) 2

д) n-m

12. Для оценки существенности коэффициентов регрессии рассчитывают:

а) t-критерий Стьюдента;

б) -критерий Фишера;

в) коэффициент детерминации .

Г) средняя ошибка аппроксимации .

Д) критерий Дарбина-Уотсона

13. Какое уравнение регрессии нельзя свести к линейному виду:

а) ;

б) :

в) .

Г)

д)

14. Параметр в степенной модели является:

а) коэффициентом эластичности;

б) коэффициентом детерминации;

в) коэффициентом корреляции.

Г) коэффициентом дисперсии

д) коэффициентом регрессии

15. Коэффициент корреляции может принимать значения:

а) от –1 до 1;

б) от 0 до 1;

в) любые.

Г) от 0 до -1;

д) от 1 до ;

16. С помощью коэффициента детерминации проверяется

а) гипотеза о силе связи между зависимой и объясняющими переменными

б) гипотеза о правильной спецификации уравнения регрессии

в) гипотеза об одновременном равенстве нулю коэффициентов при объясняющих переменных

г) гипотеза об общем качестве уравнения регрессии

д) гипотеза о минимизации коэффициентов корреляции

17. Если нулевая гипотеза справедлива, то

а) факторная и остаточная дисперсии не отличаются друг от друга

б) факторная дисперсия больше остаточной дисперсии

в) факторная дисперсия меньше остаточной дисперсии

г) факторная дисперсия равна нулю

д) остаточная дисперсия равна нулю

18. Нулевая гипотеза об отсутствии связи признаков отклоняется, если.

А)

б)

в)

г)

д)

19. Для какой цели определяются стандартные ошибки параметров уравнении регрессии

а) для оценки существенности коэффициентов регрессии

б) для оценки тесноты связи

в) для оценки существенности уравнения регрессии

г) для определения коэффициента детерминации

д) для проверки гипотезы

20. Тесноту связи показателей уравнения регрессии измеряют

а) с помощью коэффициента корреляции

б) с помощью коэффициента детерминации

в) с помощью коэффициента эластичности

г) с помощью коэффициента регрессии

д) с помощью коэффициента дисперсии

21. Суть коэффициента детерминации состоит в следующем:

а) характеризует долю дисперсии результативного признака y, объясняемую регрессией, в общей дисперсии результативного признака;

б) оценивает качество модели из относительных отклонений по каждому наблюдению;

в) характеризует долю дисперсии y, вызванную влиянием не учтенных в модели факторов.

Г) оценивает статистическую значимость уравнения регрессии;

д) показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%.

22. Какое из этих уравнений не относится к нелинейным регрессиям по оцениваемым параметрам

а)

б)

в)

г)

д)

23. Какое из этих уравнений не относится к нелинейным регрессиям по включенным переменным

а)

б)

в)

г)

д)

24. Какое из этих уравнений называется кривой Филипса?

А)

б)

в)

г)

д)

25. Какое из этих уравнений называется кривой Энгеля?

А)

б)

в)

г)

д)

26. Какое из этих уравнений используется при изучении эластичности спроса от цен?

А)

б)

в)

г)

27. Для нелинейной регрессии величина m характеризует

а) число степеней свободы для факторной суммы квадратов

б) число степеней свободы для остаточной суммы квадратов

в) число степеней свободы уравнений регрессии

г) число степеней свободы общей суммы квадратов

д) число степеней свободы уравнения корреляции

28. Для нелинейной регрессии величина (n-m-1) характеризует

а) число степеней свободы для остаточной суммы квадратов

б) число степеней свободы для факторной суммы квадратов

в) число степеней свободы уравнений регрессии

г) число степеней свободы общей суммы квадратов

д) число степеней свободы уравнения корреляции

29. Для степенной функции число m равно:

а)

б)

в)

г)

д)

30. Для параболы второй степени число m равно:

а)

б)

в)

г)

д)

31. В степенной модели эластичность спроса характеризуется параметром

а)

б)

в)

г)

д)

32. В степенной модели эластичность предложения характеризуется параметром

а)

б)

в)

г)

д)

33. В каких границах находится индекс корреляции ?

А)

б)

в)

г)

д)

34.Вычисленное значение F-критерия Фишера признается достоверным, если

а) оно больше табличного

б) оно меньше табличного

в) оно равно табличному

г) оно равно единице

д) меньше или равно табличному

35. Если фактор не оказывает влияния на результат, то

а) линия регрессии на графике параллельна оси ох

б) линия регрессии на графике параллельна оси оу

в) линия регрессии на графике проходит через начало координат

г) линия регрессии на графике перпендикулярна оси ох

д) линия регрессии на графике будет кривой линией

36. Если у связан с х функционально,

а) остаточная сумма квадратов равна нулю

б) общая сумма квадратов отклонений совпадает с остаточной

в) общая сумма квадратов отклонений равна нулю

г) сумма квадратов отклонений, объясненная регрессией равна остаточной сумме квадратов отклонений

д) изучаемый фактор не оказывает влияния на результат

37. Формула Фишера для

а) для нелинейной регрессии

б) для линейной регрессии

в) для множественной регрессии

г) для коэффициента регрессии

д) для коэффициента корреляции

38. Коэффициент эластичности показывает

а) на сколько % изменится результат при изменении фактора на 1 %.

Б) на сколько единиц изменится результат при изменении фактора на 1 единицу.

В) во сколько раз изменится результат при изменении фактора на одну единицу.

Г) на сколько единиц изменится фактор при изменении результата на 1 единицу.

Д ) на сколько %изменится фактор при изменении результата на 1%.

39. Чему равна эластичность спроса на деньги по доходу в модели

а) 0,709;

б) 7,09;

в) -0,680;

г) 0,575.

Д) 5,75

40. Критерий Стьюдента предназначен для:

а) определения статистической значимости каждого коэффициента уравнения

б) определения экономической значимости каждого коэффициента уравнения.

В) проверки модели на автокорреляцию остатков.

Г) определения экономической значимости модели в целом.

Д) проверки на гомоскедастичность.

41. Табличное значение критерия Стьюдента зависит

а) и от доверительной вероятности, и от числа факторов, и от длины исходного ряда.

Б) только от уровня доверительной вероятности.

В) только от числа факторов в модели.

Г) только от длины исходного ряда.

Д) только от уровня доверительной вероятности и длины исходного ряда.

42. Аналитический метод подбора вида уравнения регрессии основан на:

а) изучении природы связи признаков

б) изучении поля корреляции

в) сравнении величины остаточной дисперсии при разных моделях

г) графической оценке

д) методе максимального правдоподобия

43. Графический метод подбора вида уравнения регрессии основан на:

а) изучении поля корреляции

б) изучении природы связи признаков

в) сравнении величины остаточной дисперсии при разных моделях

г) графической оценке

д) методе максимального правдоподобия

44. Экспериментальный метод подбора вида уравнения регрессии основан на:

а) сравнении величины остаточной дисперсии при разных моделях

б) изучении поля корреляции

в) изучении природы связи признаков

г) графической оценке

д) методе максимального правдоподобия

45. Классический подход к оцениванию коэффициентов регрессии основан на:

а) методе наименьших квадратов

б) графической оценке

в) методе максимального правдоподобия

г) изучении поля корреляции

д) изучении природы связи признаков

46. «Объясненная» сумма квадратов отклонений отражает влияние на разброс y:

а) изучаемого фактора х

б) прочих факторов

в) изучаемого фактора х и прочих факторов

г) случайных факторов

д) случайных факторов и изучаемого фактора

47. Остаточная сумма квадратов отклонений отражает влияние на разброс у:

а) прочих факторов

б) изучаемого фактора х

в) изучаемого фактора х и прочих факторов

г) случайных факторов

д) случайных факторов и изучаемого фактора

48. С увеличением числа наблюдений n дисперсии оценок а и b:

а) уменьшаются

б) увеличиваются

в) не изменяются

г) а увеличится

д) а уменьшится

49. С увеличением наклона прямой регрессии (b) разброс значений свободного члена а:

а) увеличивается

б) уменьшается

в) не изменяется

г) равняется нулю

д) стремится к нулю

50 Разброс значений свободного члена а:

а) тем больше, чем больше среднее значение квадрата х

б) тем больше, чем меньше среднее значение квадрата х

в) не зависит от величины х

г) тем меньше чем больше среднее значение квадрата х

б) тем меньше, чем меньше среднее значение квадрата х

ІІІ раздел

Множественная регрессия и корреляция

1. Добавление в уравнение множественной регрессии новой объясняющей переменной:

а) увеличивает значение коэффициента детерминации

б) уменьшает значение коэффициента детерминации;

в) не оказывает никакого влияние на коэффициент детерминации.

Г) уменьшает тесноту связи между переменными

д) увеличивает тесноту связи между переменными

2. Скорректированный коэффициент детерминации:

а) меньше обычного коэффициента детерминации;

б) больше обычного коэффициента детерминации;

в) меньше или равен обычному коэффициенту детерминации;

г) больше или равен обычному коэффициенту детерминации

д) не влияет на корреляцию

3. С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:

а) уменьшается;

б) увеличивается;

в) не изменяется.

Г) равен нулю

д) резко возрастает

4. Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:

а) n – m – 1

б) m;

в). n – m – 2

г) n-1;

д) 2

5. Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) m;

в) .

Г) n – m -2

д) 2

6. Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:

а) m;

б)

в) .

Г) n – m -2

д) 2

7 Для построения модели линейной множественной регрессии вида необходимое количество наблюдений должно быть не менее:

а) 14

б) 7;

в). 2;

г) 10

д) 12

8. Стандартизованные коэффициенты регрессии :

а) позволяют ранжировать факторы по силе их влияния на результат;

б) оценивают статистическую значимость факторов;

в) являются коэффициентами эластичности.

Г) являются коэффициентами детерминации

д) оценивают тесноту связи между переменными

9. При наличии гетероскедастичности следует применять:

а) обобщенный МНК ;

б) обычный МНК;

в) метод максимального правдоподобия.

Г) косвенный МНК

д) двухшаговый МНК

10. Фиктивные переменные – это:

а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;

б) экономические переменные, принимающие количественные значения в некотором интервале;

в) значения зависимой переменной за предшествующий период времени.

Г) эндогенные переменные, принимающие количественные значения в некотором интервале;

д) экзогенные переменные, принимающие количественные значения в некотором интервале;

11. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:

а) 2;

б) 3;

в) 4.

Г) 1;

д) 5;

12. При дополнительном включении в регрессию р+1 фактора

а) остаточная дисперсия уменьшается

б) коэффициент детерминации уменьшается

в) частный коэффициент корреляции увеличивается

г) коэффициент регрессии увеличивается

д) остаточная дисперсия увеличивается

13. Насыщение модели лишними факторами

а) приводит к статистической незначимости параметров регрессии по t-критерию Стьюдента

б) приводит к статистической незначимости параметров регрессии по F-критерию Фишера

в) приводит к статистической незначимости параметров регрессии

г) не увеличивает показатель детерминации

д) не снижает величину остаточной дисперсии

14. Считается , что две переменные явно коллинеарны

а) если

б) если

в) если

г) находятся между собой в нелинейной зависимости

д) находятся между собой в степенной зависимости

15.Наличие мультиколлинеарности факторов означает, что

а) более чем два фактора связаны между собой линейной зависимостью;

б) не имеет место совокупное воздействие факторов друг на друга;

в) более чем два фактора находятся в нелинейной зависимости

г) между факторами имеется достаточно тесная связь

д) матрица парных коэффициентов корреляции является единичной

16. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем

а) сильнее мультиколлинеарность факторв;

б) слабее мультиколлинеарность факторов;

в) не наблюдается мультиколлинеарность факторв;

г) легче устранить мультиколлинеарность;

д) сильнее связь между факторами

17. Чем ближе значение коэффициента множественной детерминации к единице, тем

а) сильнее проявляется мультколлинеарность факторов;

б) слабее проявляется мультиколлинеарность факторов;

в) не наблюдается мультиколлинеарность факторов;

г) легче устранить мультиколлинеарность;

д) сильнее связь между факторами

18. Коэффициенты «чистой» регрессии характеризуют

а) среднее изменение результата с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне

б) среднее изменение результата с изменением результативного фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне

в) среднее изменение экзогенного фактора с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне

г) среднее изменение корреляции с изменением фактора на единицу при неизмененном значении других факторов

д) среднее изменение корреляции с изменением внешнего фактора на единицу при неизмененном значении других факторов