Апроксимация

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

a) коэффициент детерминации ;

b) F-критерий Фишера;

c) средняя ошибка аппроксимации .

Временной ряд

1.Аддитивная модель временного ряда имеет вид:

a) ;

b) ;

c) .

2.Мультипликативная модель временного ряда имеет вид:

a) ;

b) ;

c) .

1. Тенденция временного ряда характеризует совокупность факторов, …

a) оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя

b) оказывающих сезонное воздействие

c) оказывающих единовременное влияние

d) не оказывающих влияние на уровень ряда

3.В стационарном временном ряде трендовая компонента …

a) отсутствует

b) присутствует

c) имеет линейную зависимость от времени

d) имеет нелинейную зависимость от времени

4.При сглаживании временного ряда с помощью 11-членной скользящей средней теряются:

a) первые и последние 5 уровней временного ряда;

b) первые и последние 11 уровней временного ряда;

c) только первые 5 уровней;

d) только первые 11 уровней.

5.Более гладкий ряд получится при использовании:

a) 5-членной скользящей средней;

b) 11-членной скользящей средней;

c) 9-членной скользящей средней;

d) 21-членной скользящей средней.

6.Представление уровней временного ряда в виде , где - тренд, – сезонная компонента, – случайная компонента соответствует:

a) мультипликативной модели

b) аддитивной модели

c) модели смешанного типа

7.При сглаживании временного ряда с помощью 5-членной скользящей средней теряются

a) последние два значения временного ряда

b) два первых и два последних значения временного ряда

c) первые два уровня ряда

d) последний уровень ряда

8.Мультипликативная модель временного ряда имеет вид:

a) ;

b) ;

Детерминация

1.Коэффициент детерминации изменяется в пределах:

a) от –1 до +1

b) от 0 до 1

c) от 0 до +∞

d) от -∞ до +∞.

2.Коэффициент детерминации показывает

a) Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель.

b) Тесноту связи между фактическими и расчетными значениями результирующего показателя в базисном периоде.

c) Статистическую значимость модели в целом на основе определения совокупной достоверности всех ее коэффициентов.

3.Какой показатель характеризует долю объясненной с помощью регрессии дисперсии в общей дисперсии зависимой переменной?

a) коэффициент детерминации.

b) коэффициент корреляции;

c) t-статистика;

d) F-статистика;

4.Коэффициент детерминации рассчитывается для оценки качества…

a) подбора уравнения регрессии

b) параметров уравнения регрессии

c) мультиколлинеарных факторов

d) факторов, не включенных в уравнение регрессии

5.Возможные причины нулевого значения коэффициента детерминации :

a) отсутствие влияния факторов на зависимую переменную

b) линейная связь факторов с зависимой переменной

c) автокоррелированность остатков

6.Добавление в уравнение множественной регрессии новой объясняющей переменной:

a) уменьшает значение коэффициента детерминации;

b) увеличивает значение коэффициента детерминации;

c) не оказывает никакого влияние на коэффициент детерминации.

7.Зависимость между коэффициентами множественной детерминации ( ) и корреляции ( ) описывается следующей формулой:

a) .

b) .

c) .

d) .

e) Ни одной из формул, приведенных в п.п. a-d.

Доверительная вероятность

1.Доверительная вероятность

a) Вероятность того, что фактическое и прогнозное значение результирующего показателя совпадут.

b) Вероятность того, что фактическое значение результирующего показателя не будет превосходить его прогнозное значение.

c) Вероятность получения недостоверного результата.

d) Вероятность того, что фактическое значение результирующего показателя попадет в рассчитанный прогнозный интервал.

e) Ни один из ответов в пп. a-d не верен.

Квадратов

1.Остаточная сумма квадратов равна нулю:

a) когда правильно подобрана регрессионная модель;

b) когда между признаками существует точная функциональная связь;

никогда.

Коэффициент эластичности

1.Коэффициент эластичности показывает, на сколько процентов изменится в среднем зависимая переменная при увеличении фактора на 1 %:

a) да

b) нет

2.Коэффициент эластичности показывает

a) На сколько % изменится результат при изменении фактора на 1%

b) На сколько ед. изменится фактор при изменении результата на 1 ед.

c) На сколько ед. изменится результат при изменении фактора на 1 ед.

d) Во сколько раз изменится результат при изменении фактора на 1 ед.

e) На сколько % изменится фактор при изменении результата на 1%

3.При исследовании зависимости объема потребления У (у.е.) от дохода Х (у.е.) построено следующее уравнение: У= 3,69 + 0,93Х. Рассчитайте коэффициент эластичности, если среднее значение Х равно 125,25. Дайте интерпретацию. =0,93*125,25/120,1725(3,69 + 0,93Х)=0,9693

Кореляция

1.Коэффициент парной корреляции . Коэффициент детерминации составит:

a) 0,81

b) –0,81

c) –0,95

d) 0,95

2.Коэффициент корреляции может принимать значения:

a) от –1 до 1;

b) от 0 до 1;

c) любые.

3.Если между величинами X и Y существует положительная, но не функциональная связь, то парный коэффициент корреляции находится в пределах:

a) от –1 до 0

b) от 0 до 1

c) не меньше 1

d) не больше –1.

4.В каких пределах изменяется множественный коэффициент корреляции:

a) от 0 до 1

b) от –1 до 0

c) от –1 до 1

d) от 0 до 10

5.Частные коэффициенты корреляции:

a) характеризуют тесноту связи рассматриваемого набора факторов с исследуемым признаком;

b) содержат поправку на число степеней свободы и не допускают преувеличения тесноты связи;

c) характеризуют тесноту связи между результатом и соответствующим фактором при устранении влияния других факторов, включенных в уравнение регрессии.

6. Линейный коэффициент корреляции между Y и X может принимать значения

˜ а) от 1 до 100 ˜ г) от – 1 до + 1

˜ б) от 0 до 10 ˜ д) от – 10 до + 10

˜ в) от - ∞ до + ∞ ˜ е) от 0 до + 1

7.Между коэффициентом корреляции и регрессии существует связь

а) б) в) г) д)

8.Коэффициент множественной корреляции используется для

1) оценки тесноты связи между Y и всеми факторами модели

2) оценки тесноты связи между Y и отдельным фактором

3) оценки тесноты связи между регрессорами

4) оценки влияния неучтенных в модели факторов

Линейная модель

1.Линейная однофакторная модель содержит число коэффициентов, равное:

a) 2

b) 3;

c) 4;

d) 1;

2.Коэффициент линейного парного уравнения регрессии:

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

b) оценивает статистическую значимость уравнения регрессии;

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

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

a) 2;

b) 7;

c) 14.

МНК

1. Что такое метод наименьших квадратов

1. математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных.

2.  реграссионный метод для оценки неизвестных параметров регрессионных моделей по выборочным данным.

3. аналитический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных.

4. Линейный метод для оценки и решения различных задач.

2.Какое смысловое содержание заложено в название МНК?

1) Произведение квадратов значений фактической ошибки модели должна быть минимальной.

2) разность квадратов значений фактической ошибки модели должна быть минимальной.

3) частное квадратов значений фактической ошибки модели должна быть минимальной.

4) сумма квадратов значений фактической ошибки модели должна быть минимальной.

«Наименьших квадратов»

1.Суть метода наименьших квадратов состоит в:

a) минимизации суммы остаточных величин;

b) минимизации дисперсии результативного признака;

c) минимизации суммы квадратов остаточных величин.

2.Метод наименьших квадратов используется для оценивания

a) параметров линейной регрессии

b) величины коэффициента корреляции

c) величины коэффициента детерминации

d) средней ошибки аппроксимации

3. Использование метода наименьших квадратов позволяет получить не эффективные оценки параметров линейной эконометрической модели при следующем положении:

1) Математическое ожидание значений ошибки модели для всех моментов времени t равно нулю, т. е. для t=1,2,...,Т

2) Значение дисперсии ошибки является постоянной величиной для всех моментов t=1,2,...,Т

3) Значения ошибки, взятые в различные моменты времени, независимы между собой, т. е. ковариация ошибок _t, _t+s, где s=1,2,... равна 0.

4) Аналитическое ожидание значений ошибки модели для некоторых моментов времени t равно нулю, т. е. для t=1,2,...,Т

Регрессия