Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Эконометрика. Практикум
.pdf
71
C) состоятельностью;
D) эффективностью;
E) неэффективностью.
14. Разница между математическим ожиданием оценки и
соответствующей теоретической характеристикой генеральной совокупности
называется:
A) несмещенностью;
B) смещением;
C) состоятельностью;
D) эффективностью;
E) неэффективностью.
15. Несмещенная оценка, обладающая наименьшей дисперсией по
сравнению с любыми другими линейными и несмещенными оценками
параметра называется:
A) несмещенной;
B) смещенной;
C) состоятельной;
D) эффективной;
E) неэффективной.
16. Коэффициент аппроксимации (средняя относительная величина
модельной ошибки) рассчитывается по формуле:
A)
%
y
~
y
~
y
n
A
n
i
i
ii
100
1
1
−
=
=
;
B)
%
y
~
y
~
y
A
n
i
i
ii
100
1
−
=
=
;
C)
%
y
y
~
y
n
A
n
i
i
ii
100
1
1
−
=
=
;
72
D)
=
−
=
n
i
i
ii
y
~
y
~
y
n
A
1
1
;
E)
=
−
=
n
i
i
ii
y
y
~
y
A
1
.
17. Модель регрессии с ошибкой аппроксимации менее 10 % считается:
A) ненадежной;
B) эффективной;
C) надежной;
D) состоятельной;
E) неэффективной.
18. Какой метод используется для оценки параметров уравнения
линейной регрессии?
A) метод скользящей средней;
B) метод главных компонент;
C) метод наименьших квадратов;
D) метод фиктивных переменных;
E) метод последовательных разностей.
19. В чем состоит смысл метода наименьших квадратов?
A) позволяет преобразовать систему эконометрических уравнений;
B) позволяет получить такие оценки параметров a и b, при которых сумма
квадратов отклонений фактических значений результативного признака от
теоретических минимальна;
C) позволяет оценить качество полученной эконометрической модели;
D) позволяет оценить практическую значимость уравнения
множественной регрессии;
E) приводит систему одновременных эконометрических уравнений к
структурному виду.
73
20. Как определяются величины n и m при расчете F-критерия Фишера,
определяемого как ?
A) n – число наблюдений, m – число параметров при переменных x;
B) n – число параметров при переменных x, m – число наблюдений;
C) n – число наблюдений, m – число параметров при переменных y;
D) n – число параметров при переменных y, m – число наблюдений;
E) n – число наблюдений, m – сумма параметров при переменных x;
21. Что характеризует величина m при расчете F-критерия Фишера,
определяемого как ?
A) долю дисперсии y, вызванную влиянием остальных, неучтенных в
модели факторов;
B) число степеней свободы для остаточной суммы квадратов;
C) долю дисперсии результативного признака y, объясняемую регрессией,
в общей дисперсии результативного признака;
D) число степеней свободы для факторной суммы квадратов;
E) долю необъясненной регрессии.
22. Что характеризует величина (n - m - 1) при расчете F-критерия
Фишера, определяемого как ?
A) число степеней свободы для факторной суммы квадратов;
B) число степеней свободы для остаточной суммы квадратов;
C) долю дисперсии результативного признака y, объясняемую регрессией,
в общей дисперсии результативного признака;
D) долю дисперсии y, вызванную влиянием остальных, неучтенных в
модели факторов;
E) долю необъясненной регрессии.
74
23. Если для одного наблюдения разность между фактическим и
расчетным значением результативного признака равна 5, а
фактическое значение y равно 20, то чему будет равна относительная ошибка
аппроксимации для данного наблюдения?
A) 25%;
B) 15%;
C) 20%;
D) 50%;
E) 5%.
24. Если для одного наблюдения разность между фактическим и
расчетным значением результативного признака равна 10, а
фактическое значение y равно 50, то чему будет равна относительная ошибка
аппроксимации для данного наблюдения?
A) 20%;
B) 40%;
C) 60%;
D) 50%;
E) 5%.
25. Какой вид ошибки аппроксимации рассчитывают для того, чтобы
иметь общее суждение о качестве регрессионной модели?
A) относительная ошибка аппроксимации;
B) абсолютная ошибка аппроксимации;
C) средняя ошибка аппроксимации;
D) квадратическая ошибка аппроксимации;
E) линейная ошибка аппроксимации.
26. Какое из приведенных регрессионных уравнений является уравнением
множественной регрессии?
75
A) ;
B) ;
C) ;
D) ;
E) .
27. Каким свойством должны обладать факторы, включаемые во
множественную регрессию?
A) суммы наблюдений по каждому фактору должны быть равны между
собой;
B) должны быть коррелированы между собой;
C) должны находится в точной функциональной связи;
D) должны быть качественными факторами, не имеющими
количественного измерения;
E) не должны быть коррелированы между собой.
28. В каком случае можно говорить о том, что параметры уравнения
множественной регрессии являются не интерпретируемыми?
A) ;
B) ;
C) ;
D) ;
E) ;
29. Что показывает показатель детерминации для уравнения
множественной регрессии с набором p факторов?
A) величину остаточной дисперсии;
B) долю объясненной вариации результативного признака за счет
рассматриваемых в регрессии p-1 факторов;
76
C) долю объясненной вариации результативного признака за счет
рассматриваемых в регрессии p-2 факторов;
D) влияние других, неучтенных в модели факторов;
E) долю объясненной вариации результативного признака за счет
рассматриваемых в регрессии p факторов.
30. Как должны изменяться коэффициент детерминации и остаточная
дисперсия при включении во множественную регрессию дополнительного
фактора?
A) коэффициент детерминации должен возрастать, а остаточная
дисперсия уменьшаться;
B) коэффициент детерминации должен уменьшаться, а остаточная
дисперсия возрастать;
C) коэффициент детерминации должен уменьшаться, а остаточная
дисперсия оставаться неизменной;
D) коэффициент детерминации должен оставаться неизменным, а
остаточная дисперсия возрастать;
E) коэффициент детерминации всегда должен быть равен остаточной
дисперсии, независимо от количества факторов в модели.
31. Что показывают коэффициенты интеркорреляции?
A) уровень значимости уравнения парной регрессии;
B) тесноту связи между результирующими переменными множественной
регрессии;
C) тесноту связи между объясняющими переменными множественной
регрессии;
D) тесноту связи между результирующей переменной и случайной
ошибкой;
E) тесноту связи между фактором и результатом в уравнении парной
линейной регрессии.
77
32. Чему равен определитель матрицы парных коэффициентов
корреляции между факторами множественной регрессии, если между
факторами существует полная линейная зависимость?
A) минус 1;
B) 1;
C) 0;
D) 5;
E) 100.
33. Как называются уравнения регрессии, которые отражают не только
влияние факторов, но и их взаимодействие?
A) линейные;
B) совмещенные;
C) показательные;
D) множественные;
E) парные.
34. Какое из приведенных регрессионных уравнений является
совмещенным уравнением регрессии?
A) ;
B)
C) ;
D) ;
E) .
35. Эффект взаимодействия какого порядка включен в совмещенное
уравнение регрессии вида
?
A) первого порядка;
B) второго порядка;
78
C) третьего порядка;
D) четвертого порядка;
E) пятого порядка;
36. Как в общем виде выглядит взаимодействие второго порядка в
совмещенном уравнении регрессии?
A) ;
B) ;
C) ;
D) ;
E) .
37. Какой вид примет совмещенное уравнение регрессии, отражающее
зависимость результата от факторов , и , если анализ данного
уравнения показал значимость взаимодействия факторов и ?
A) ;
B) ;
C) ;
D) ;
E) .
38. Чем определяется порядок частного коэффициента корреляции?
A) количеством объясняющих переменных в модели;
B) количеством факторов, между которыми оценивается теснота связи;
C) количеством факторов, влияние которых исключается;
D) количеством результирующих переменных в модели;
E) общим количеством переменных в модели.
39. Сколько частных коэффициентов корреляции второго порядка можно
вычислить по уравнению регрессии ?
79
A) 0;
B) 1;
C) 2;
D) 4;
E) 3.
40. Что характеризует коэффициент детерминации?
A) среднее изменение результативного признака
y
, с изменением
фактора
x
на одну единицу своего измерения;
B) среднее в сигмах (
y
) изменение результативного признака y, с
изменением фактора
x
на одну сигму (
x
);
C) долю дисперсии результативного признака
y
, объясняемую
регрессией, в общей дисперсии результативного признака;
D) тесноту линейной связи между признаками;
E) тесноту нелинейной связи между признаками.
41. Оценка коэффициента регрессии считается эффективной, если:
A) она имеет наименьшую дисперсию среди всех возможных
несмещенных оценок;
B) она удовлетворяет закону больших чисел, т.е. сходится по вероятности
к оцениваемому параметру;
C) ее математическое ожидание равно оцениваемому параметру;
D) она имеет наибольшую дисперсию среди всех возможных
несмещенных оценок;
E) ее математическое ожидание равно нулю.
80
3 Нарушения допущений классической модели
множественной регрессии
3.1 Задания для лабораторной работы
3.2 Пример реализации лабораторной работы
3.3 Вопросы к защите лабораторной работы
3.4 Задания к лабораторной работе по вариантам
3.5 Тесты
3.1 Задания для лабораторной работы
По данным лабораторной работы № 1 выполните следующие задания:
1 Проверьте регрессионные остатки на гетероскедастичность с
помощью:
- теста Голдфелда-Квандта,
- теста ранговой корреляции Спирмена,
- теста Уайта (White test).
2 Проверить остатки на наличие автокорреляции используя критерий
Дарбина – Уотсона и Q- статистику Льюинга – Бокса.
3.2 Пример реализации лабораторной работы
1 Проверьте регрессионные остатки на гетероскедастичность
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]