№
Текст вопроса/ответа
Рейтинг вопроса
Вопрос обязателен/ответ
правилен
Вопрос 1
Меньшее значение
коэффициента случайной изменчивости
свидетельствует:
3
—
Ответ 1
о лучшей адаптации
модели к эмпирическим данным
+
Ответ 2
о лучшей адаптации
модели к теоретическим данным
—
Ответ 3
об отсутствии
адаптации модели к эмпирическим
данным
—
Ответ 4
об абсолютной
адаптации модели к эмпирическим
данным
—
Вопрос 2
Как проверить
правильность расчетов коэффициента
сходимости и коэффициента детерминации?
3
—
Ответ 1

—
Ответ 2

—
Ответ 3
![]()
+
Ответ 4
![]()
—
Вопрос 3
Коэффициент …
информирует какая доля полной
вариабельности объясняемой переменной
не отражается моделью.
3
—
Ответ 1
детерминации
—
Ответ 2
сходимости
+
Ответ 3
инфляции
—
Ответ 4
средних цен
—
Вопрос 4
В каких случаях
применяется обобщенный МНК?
3
—
Ответ 1
при большой выборке
—
Ответ 2
в любом случае
—
Ответ 3
при выполнении
принципов стабильности дисперсии
случайных отклонений.
—
Ответ 4
при невыполнении
принципов стабильности дисперсии
случайных отклонений.
+
Вопрос 5
Для чего проводится
исследование существенности структурных
параметров линейной эконометрической
модели?
3
—
Ответ 1
для того чтобы
обнаружит эффект катализа
—
Ответ 2
это одна из предпосылок
МНК
—
Ответ 3
для проверки
значительности воздействия объясняемой
переменной на объясняющие
—
Ответ 4
для проверки
значительно или нет объясняющие
переменные воздействуют на объясняемую
переменную
+
Вопрос 6
Нуль-гипотеза для
коэффициента множественной корреляции
R имеет вид:
3
—
Ответ 1
![]()
—
Ответ 2
![]()
+
Ответ 3
![]()
—
Ответ 4
![]()
—
Вопрос 7
Укажите вектор
наблюдаемых значений результативного
признака.
3
—
Ответ 1

—
Ответ 2

+
Ответ 3

—
Ответ 4

—
Вопрос 8
В уравнении
,
знак “^” означает:
3
—
Ответ 1
эффект катализа
—
Ответ 2
автокорреляция
переменных
—
Ответ 3
переменные независимы
—
Ответ 4
между переменными
нет строгой функциональной зависимости
+
Вопрос 9
Чему равно среднее
значение остатков?
3
—
Ответ 1
единице
—
Ответ 2
нулю
+
Ответ 3
зависит от величины
каждого остатка
—
Ответ 4
значению первого в
ряду остатка
—
Вопрос 10
При исследовании
существенности структурных параметров
линейной эконометрической модели
для каждого i=1,2…n проверяется:
3
—
Ответ 1
стандартная
погрешность
—
Ответ 2
нуль-статистика
—
Ответ 3
гипотеза о
существенности
—
Ответ 4
нуль-гипотеза
+
Вопрос 11
В каком интервале
лежат значения коэффициента сходимости?
3
—
Ответ 1
(-1;1)
—
Ответ 2
(-2;2)
—
Ответ 3
![]()
+
Ответ 4
8-10%
—
Вопрос 12
Матрица R симметрична.
Это означает:
3
—
Ответ 1
![]()
—
Ответ 2
элементы главной
диагонали равны элементам побочной
—
Ответ 3
![]()
—
Ответ 4
![]()
+
Вопрос 13
Как называется
переменная вызывающая эффект катализа
в линейной эконометрической модели?
3
—
Ответ 1
переменная
—
Ответ 2
детерминанта
—
Ответ 3
катализатор
+
Ответ 4
регрессия
—
Вопрос 14
Формула
необходима
для расчета элементов …матрицы.
3
—
Ответ 1
нейтральной
+
Ответ 2
квадратной
—
Ответ 3
обратной
—
Ответ 4
единичной
—
Вопрос 15
Предпосылками МНК
являются:
3
—
Ответ 1
случайный характер
остатков
—
Ответ 2
нулевая средняя
величина остатков не зависящая от Х
—
Ответ 3
гомоскедастичность
—
Ответ 4
все перечисленное
верно
+
Вопрос 16
Исследование остатков
в линейной регрессионной модели
предполагает:
3
—
Ответ 1
построение нейтральной
матрицы
—
Ответ 2
проверку наличия
предпосылок МНК
+
Ответ 3
проверку точности
математических расчетов
—
Ответ 4
проверку соответствия
остатков эмпирическим данным
—
Вопрос 17
Каким требованиям
должны отвечать факторы при множественном
корреляционном анализе (два правильных
ответа):
3
—
Ответ 1
данные экономического
характера
—
Ответ 2
доступность
—
Ответ 3
количественно
измеримы
+
Ответ 4
не должны быть в
точной функциональной зависимости
+
Вопрос 18
В каких случаях в
эконометрической модели может быть
использована парабола второй степени?
3
—
Ответ 1
когда для определенного
интервала значений не меняется
характер связи рассматриваемых
признаков
—
Ответ 2
когда для определенного
интервала значений меняется характер
связи рассматриваемых признаков
+
Ответ 3
когда между переменными
наблюдается прямая связь
—
Ответ 4
когда между переменными
наблюдается обратная связь
—
Вопрос 19
МНК — это
3
—
Ответ 1
метод наименьших
квадратов
+
Ответ 2
метод наибольших
констант
—
Ответ 3
мера независимости
коэффициентов
—
Ответ 4
метод нормальной
корреляции
—
Вопрос 20
Как называется
регрессия между двумя переменными?
3
—
Ответ 1
абсолютная
—
Ответ 2
эконометрическая
—
Ответ 3
множественная
—
Ответ 4
парная
+
Вопрос 21
Дисперсия случайных
отклонений оценивается по формуле:
3
—
Ответ 1
![]()
+
Ответ 2
![]()
—
Ответ 3
![]()
—
Ответ 4
![]()
—
Вопрос 22
Выражение для вектора
а структурных параметров множественной
регрессионной модели имеет вид:
3
—
Ответ 1
![]()
+
Ответ 2
![]()
—
Ответ 3
![]()
—
Ответ 4
![]()
—
Вопрос 23
По какой формуле
рассчитывается индивидуальный
показатель информационной емкости
?
3
—
Ответ 1

—
Ответ 2
![]()
—
Ответ 3

+
Ответ 4
![]()
—
Вопрос 24
По какой формуле
рассчитывается интегральный показатель
информационной емкости
?
3
—
Ответ 1

—
Ответ 2
![]()
+
Ответ 3

—
Ответ 4
![]()
—
Вопрос 25
Если для любого
i=1,2…n , коэффициенты корреляции в
векторе
положительны
и упорядочены по возрастанию, то как
называется пара
:
3
—
Ответ 1
вектором корреляции
—
Ответ 2
корреляционными
остатками
—
Ответ 3
нерегулярной
корреляционной парой
—
Ответ 4
регулярной
корреляционной парой
+
Вопрос 26
Что является
предварительным условием присвоения
различным величинам статуса объясняющих
переменных в эконометрической модели?
3
—
Ответ 1
достаточно высокая
вариабельность.
+
Ответ 2
эти величины должны
мало отличатся друг от друга.
—
Ответ 3
среднее арифметическая
величина этих величин должна равняться
нулю.
—
Ответ 4
величины должны
быть подобраны статистическими
методами.
—
Вопрос 27
Укажите формулу
коэффициента вариации.
3
—
Ответ 1
![]()
—
Ответ 2
![]()
+
Ответ 3

—
Ответ 4
![]()
—
Вопрос 28
Как находится
стандартное отклонение переменной
Х?
3
—
Ответ 1
![]()
—
Ответ 2
![]()
+
Ответ 3
![]()
—
Ответ 4
![]()
—
Вопрос 29
Сумма произведений
значений случайной величины на
соответствующие вероятности называется:
3
—
Ответ 1
матрица
—
Ответ 2
множественная
регрессия
—
Ответ 3
математическое
ожидание
+
Ответ 4
парная регрессия
—
Вопрос 30
В парной регрессии
выбор вида математической функции
может быть осуществлен следующими
методами (несколько правильных
ответов):
3
—
Ответ 1
графический
+
Ответ 2
аналитический
+
Ответ 3
метод наименьших
квадратов
—
Ответ 4
экспериментальный
+
Вопрос 31
В данном уравнении
,
величина
—
характеризует:
3
—
Ответ 1
независимая переменная
—
Ответ 2
теоретическое
значение результативного признака
—
Ответ 3
случайная величина
отклонения реального значения от
теоретического
+
Ответ 4
фактическое значение
результативного признака
—
Вопрос 32
Коэффициент сходимости
рассчитывается по формуле:
3
—
Ответ 1

—
Ответ 2

+
Ответ 3

—
Ответ 4

—
Вопрос 33
Коэффициент, который
показывает какая доля полной вариации
объясняемой переменной, предопределена
её теоретическими характеристиками?
3
—
Ответ 1
коэффициент
детерминации
+
Ответ 2
коэффициент сходимости
—
Ответ 3
коэффициент случайной
изменчивости
—
Ответ 4
коэффициент
эластичности
—
Вопрос 34
Коэффициент случайной
изменчивости определяется по формуле:
3
—
Ответ 1
![]()
+
Ответ 2
![]()
—
Ответ 3

—
Ответ 4
![]()
—
Вопрос 35
В чем заключается
эффект катализа в линейной
эконометрической модели?
3
—
Ответ 1
данный эффект в
линейной модели не наблюдается.
—
Ответ 2
сильная корреляция
объясняемой переменной с объясняющими
переменными.
+
Ответ 3
сильная корреляция
между структурными параметрами модели
—
Ответ 4
отсутствие корреляции
между переменными
—
Вопрос 36
Линейный коэффициент
корреляции находится по формуле:
3
—
Ответ 1

—
Ответ 2

—
Ответ 3
![]()
—
Ответ 4

+
Вопрос 37
Линейный коэффициент
корреляции находится в пределах от
-1 до 1. Выберите правильное утверждение:
3
—
Ответ 1
чем ближе абсолютное
значение к единице, тем сильнее
обратная связь между факторами
—
Ответ 2
чем ближе абсолютное
значение к единице, тем сильнее
линейная связь между факторами.
+
Ответ 3
чем ближе абсолютное
значение к нулю, тем сильнее линейная
связь между факторами
—
Ответ 4
чем ближе абсолютное
значение к единице, тем слабее связь
между факторами
—
Вопрос 38
Средний коэффициент
эластичности находится по формуле:
3
—
Ответ 1
![]()
—
Ответ 2
![]()
—
Ответ 3
![]()
+
Ответ 4
![]()
—
Вопрос 39
Среднее отклонение
расчетных значений от теоретических
— это:
3
—
Ответ 1
средняя ошибка
аппроксимации.
+
Ответ 2
средний коэффициент
эластичности.
—
Ответ 3
теоретическое
стандартное отклонение.
—
Ответ 4
средний коэффициент
корреляции.
—
Вопрос 40
Примером нелинейной
зависимости экономических показателей
является …
3
—
Ответ 1
классическая
гиперболическая зависимость спроса
от цены.
+
Ответ 2
зависимость объема
продаж от недели реализации, выраженная
линейным трендом.
—
Ответ 3
линейная зависимость
выручки от величины оборотных средств.
—
Ответ 4
линейная зависимость
затрат на производство от объема
выпуска продукции.
—
Вопрос 41
Отбор факторов
множественной линейной регрессионной
модели можно проводить по t-критерию
Стъюдента для коэффициентов регрессии.
Из уравнения исключаются факторы с
величиной t-критерия
3
—
Ответ 1
равные нулю.
—
Ответ 2
больше табличного
значения.
+
Ответ 3
меньше единицы.
—
Ответ 4
меньше табличного
значения.
—
Вопрос 42
Параметр является
существенным, если
3
—
Ответ 1
расчетное значение
критерия Стъюдента меньше табличного
значения.
+
Ответ 2
доверительный
интервал проходит через ноль.
—
Ответ 3
стандартная ошибка
превышает половину значения самого
параметра.
—
Ответ 4
доверительный
интервал не проходит через ноль.
—
Вопрос 43
Статистической
гипотезой называется
3
—
Ответ 1
всякое высказывание
о генеральной совокупности, проверяемое
по выборке.
+
Ответ 2
всякое высказывание
о генеральной совокупности, проверяемое
по генеральной совокупности.
—
Ответ 3
всякое высказывание
о выборочной совокупности, проверяемое
по выборке.
—
Ответ 4
всякое высказывание
о выборочной совокупности, проверяемое
по генеральной совокупности.
—
Вопрос 44
Укажите требования
к факторам, включаемым в модель
множественной линейной регрессии:
3
—
Ответ 1
факторы должны иметь
одинаковую размерность.
—
Ответ 2
факторы должны быть
количественно измеримы.
+
Ответ 3
между факторами не
должна существовать высокая корреляция.
—
Ответ 4
факторы должны
представлять временные ряды.
—
Вопрос 45
Результаты расходов
на питание
от
доходов населения R и цены на питание
P (в %) имеют вид
= 150 + 0,15R – 0,05P
(в млрд. руб.). На сколько руб. увеличатся
расходы на питание, если доходы
населения увеличатся на 1 млрд. руб.?
3
—
Ответ 1
150 млрд.руб.
—
Ответ 2
15 млн.руб.
—
Ответ 3
150 млн.руб.
+
Ответ 4
150,15 млрд.руб.
—
Вопрос 46
Результаты расходов
на питание
от
доходов населения R и цены на питание
P (в %) имеют вид
= 120 + 0,13R – 0,06P
(в млрд. руб.). На сколько руб. увеличатся
расходы на питание, если цены уменьшатся
на 10%?
3
—
Ответ 1
120 млрд.руб.
—
Ответ 2
60 млн.руб.
—
Ответ 3
600 млн.руб.
+
Ответ 4
60 млрд.руб.
—
Вопрос 47
Пусть исследуется
линейная зависимость вида
.
Величина, показывающая, на сколько
процентов изменится y при изменении
xi на 1% называется …
3
—
Ответ 1
коэффициентом
регрессии.
—
Ответ 2
коэффициентом
эластичности.
+
Ответ 3
коэффициентом
корреляции.
—
Ответ 4
коэффициентом
детерминации.
—
Вопрос 48
В линейном уравнении
множественной регрессии
переменными
регрессии являются (два правильных
ответа):
3
—
Ответ 1
b1.
—
Ответ 2
b2.
—
Ответ 3
x1.
+
Ответ 4
x2.
+
Вопрос 49
В линейном уравнении
множественной регрессии
ŷ = a + b1nx1 + b2nx2
коэффициентами регрессии являются
(два правильных ответа):
3
—
Ответ 1
b1n.
+
Ответ 2
b2n.
+
Ответ 3
x1.
—
Ответ 4
x2.
—
Вопрос 50
Как записывается
множественное регрессионное линейное
уравнение?
3
—
Ответ 1
.
+
Ответ 2
.
—
Ответ 3
.
—
Ответ 4
.
—
Вопрос 51
Коэффициент
множественной корреляции изменяется
в пределах
3
—
Ответ 1
[0, 1).
—
Ответ 2
(0, 1].
—
Ответ 3
(0, 1).
—
Ответ 4
[0, 1].
+
Вопрос 52
Автокорреляция
остатков — это
3
—
Ответ 1
независимость
дисперсии остатков от номера наблюдения.
—
Ответ 2
зависимость дисперсии
остатков от номера наблюдения.
—
Ответ 3
сильная коррелированность
остатков для разных наблюдений.
+
Ответ 4
сильная коррелированность
фактором друг от друга.
—
Вопрос 53
Обобщенный МНК
подразумевает:
3
—
Ответ 1
линеаризацию
уравнения регрессии.
—
Ответ 2
двухэтапное применение
МНК.
+
Ответ 3
преобразование
переменных.
—
Ответ 4
переход от множественной
регрессии к парной.
—
Вопрос 54
Метод оценки
параметров модели с гетероскедастичными
остатками называется … МНК.
3
—
Ответ 1
косвенным.
—
Ответ 2
обобщенным.
+
Ответ 3
минимальным.
—
Ответ 4
обычным.
—
Вопрос 55
Проверку выполнения
предпосылки МНК о гомоскедастичности
(гетероскедастичности) остатков можно
проверить …
3
—
Ответ 1
на основании
параметрических тестов.
—
Ответ 2
методом линеаризации
уравнения.
—
Ответ 3
дифференцированием
переменных.
—
Ответ 4
визуально по
графику.
+
Вопрос 56
Если предпосылки
МНК не выполняются, то оценки параметров
уравнения регрессии могут не обладать
свойствами (три правильных ответа):
3
—
Ответ 1
состоятельности.
+
Ответ 2
несмещенности.
+
Ответ 3
правильности.
—
Ответ 4
эффективности.
+
Вопрос 57
Гетероскедастичность
остатков — это
3
—
Ответ 1
независимость
дисперсии остатков от номера наблюдения.
—
Ответ 2
зависимость дисперсии
остатков от номера наблюдения.
+
Ответ 3
сильная коррелированность
остатков для разных наблюдений.
—
Ответ 4
сильная коррелированность
фактором друг от друга.
—
Вопрос 58
Неизменность
отклонений регрессионных остатков
от номера наблюдения называют
3
—
Ответ 1
гомоскедастичностью
остатков.
+
Ответ 2
гетероскедастичностью
остатков.
—
Ответ 3
автокоррелированностью
остатков.
—
Ответ 4
автокоррелированностью
факторов модели.
—
Вопрос 59
Гомоскедастичность
остатков — это
3
—
Ответ 1
независимость
дисперсии остатков от номера наблюдения.
+
Ответ 2
зависимость дисперсии
остатков от номера наблюдения.
—
Ответ 3
сильная коррелированность
остатков для разных наблюдений.
—
Ответ 4
сильная коррелированность
фактором друг от друга.
—
Вопрос 60
О хорошем качестве
регрессионной модели свидетельствует
величина средней ошибки аппроксимации
3
—
Ответ 1
около 100%.
—
Ответ 2
более 10%.
—
Ответ 3
менее 59%.
—
Ответ 4
менее 10%.
+
Вопрос 61
Средняя ошибка
аппроксимации на основе относительных
отклонений по каждому наблюдению
подсчитывается по формуле
3
—
Ответ 1
.
—
Ответ 2
.
+
Ответ 3
.
—
Ответ 4
.
—
Вопрос 62
Величина стандартной
ошибки коэффициента регрессии
эконометрической модели рассчитывается
для определения значимости
(существенности) …
3
—
Ответ 1
коэффициента
детерминации.
—
Ответ 2
коэффициента
регрессии.
+
Ответ 3
случайной составляющей
модели.
—
Ответ 4
зависимой переменной.
—
Вопрос 63
Найти дисперсию
остатков
,
если известны коэффициент
детерминации
= 0,88,
дисперсия показателя D(y) = 4 и
n = 10.
3
—
Ответ 1
0,15.
—
Ответ 2
0,06.
—
Ответ 3
0,6.
+
Ответ 4
0,2.
—
Вопрос 64
Найти коэффициент
детерминации
,
если известны дисперсии остатков
= 0,6
и показателя D(y) = 4 и n = 10.
3
—
Ответ 1
0,15.
—
Ответ 2
0,6.
—
Ответ 3
0,24.
—
Ответ 4
0,88.
+
Вопрос 65
Случайными
воздействиями обусловлено 12% дисперсии
результирующего признака, следовательно,
значение коэффициента детерминации
составило
3
—
Ответ 1
88.
—
Ответ 2
12.
—
Ответ 3
0,12.
—
Ответ 4
0,88.
+
Вопрос 66
Значение коэффициента
детерминации рассчитывается как
отношение дисперсии результативного
признака объясненной регрессии к …
дисперсии результативного признака.
3
—
Ответ 1
общей.
+
Ответ 2
средней.
—
Ответ 3
остаточной.
—
Ответ 4
факторной.
—
Вопрос 67
Остаточная сумма
квадратов отклонений может
интерпретироваться как мера
3
—
Ответ 1
разброса величины
y, объясненной с помощью регрессии,
относительно
.
+
Ответ 2
общего разброса
величины y относительно
.
—
Ответ 3
разброса остаточной
величины, не объясненной уравнением
регрессии.
—
Ответ 4
влияние величины
остаточной суммы квадратов отклонений
на число степеней свободы.
—
Вопрос 68
Для подсчета суммы
квадратов остатков, используется
формула
3
—
Ответ 1
.
—
Ответ 2
.
—
Ответ 3
.
+
Ответ 4
.
—
Вопрос 69
При расчете значений
коэффициента детерминации используется
отношение
3
—
Ответ 1
дисперсий.
+
Ответ 2
остаточных величин.
—
Ответ 3
параметров уравнения
регрессии.
—
Ответ 4
математических
ожиданий.
—
Вопрос 70
Величина коэффициента
детерминации …
3
—
Ответ 1
оценивает значимость
каждого из факторов, включенных в
уравнение регрессии.
—
Ответ 2
характеризует долю
дисперсии зависимой переменной y,
объясненную уравнением, в ее общей
дисперсии.
+
Ответ 3
рассчитывается для
оценки качества подбора уравнения
регрессии.
—
Ответ 4
характеризует долю
дисперсии остаточной величины в общей
дисперсии зависимой переменной.
—
Вопрос 71
Общая дисперсия
служит для оценки влияния
3
—
Ответ 1
учтенных явно в
модели факторов.
—
Ответ 2
величины постоянной
составляющей в уравнении.
—
Ответ 3
случайных воздействий.
—
Ответ 4
как учтенных факторов,
так и случайных воздействий.
+
Вопрос 72
Найти средний
коэффициент эластичности
регрессии
= 2 – 0,2x,
если
= 4,
=
2.
3
—
Ответ 1
– 0,2.
—
Ответ 2
2.
—
Ответ 3
– 0,4.
+
Ответ 4
4.
—
Вопрос 73
Результаты расходов
на питание
от
доходов населения R имеют
вид
= 10,5 + 0,45R
(в млрд. руб.). На сколько руб. увеличатся
расходы на питание, если доходы
населения увеличатся на 1 млрд. руб.?
3
—
Ответ 1
10,5 млрд.руб.
—
Ответ 2
45 млрд.руб.
—
Ответ 3
45 млн.руб.
—
Ответ 4
450 млн.руб.
+
Вопрос 74
Величина коэффициента
эластичности показывает …
3
—
Ответ 1
на сколько % в среднем
изменится результат при изменении
фактора на 1%.
+
Ответ 2
во сколько раз в
среднем изменится результат при
изменении фактора в два раза.
—
Ответ 3
предельно допустимое
изменение варьируемого признака.
—
Ответ 4
предельно возможное
значение результата.
—
Вопрос 75
В линейном уравнении
парной регрессии y = a + bx + e
параметр b показывает
3
—
Ответ 1
насколько % в среднем
изменится y, если x изменится на 1
единицу.
—
Ответ 2
на какую величину
в среднем изменится x, если y изменится
на 1 единицу.
—
Ответ 3
на какую величину
в среднем изменится y, если x изменится
на 1 единицу.
+
Ответ 4
насколько % в среднем
изменится y, если x изменится на 1%.
—
Вопрос 76
Величина коэффициента
регрессии характеризует
3
—
Ответ 1
значение свободного
члена в уравнении.
—
Ответ 2
среднее изменение
результата при изменении фактора на
одну единицу.
+
Ответ 3
фактическое значение
независимой переменной.
—
Ответ 4
значение параметра
при независимой переменной.
—
Вопрос 77
Найти оценку для
регрессионного параметра
в
модели y = a + bx,
если
= 2,
= 0,5,
=
4.
3
—
Ответ 1
3.
+
Ответ 2
2.
—
Ответ 3
0,25.
—
Ответ 4
0,5.
—
Вопрос 78
Найти оценку для
коэффициента регрессии
в
модели y = a + bx, если
cov(x, y) = 4, D(x) = 16.
3
—
Ответ 1
16.
—
Ответ 2
4.
—
Ответ 3
0,25.
+
Ответ 4
0,5.
—
Вопрос 79
Сопоставление
реальных и модельных данных, проверка
адекватности модели, оценка точности
модельных данных проводится на этапе
3
—
Ответ 1
параметризации.
—
Ответ 2
верификации.
+
Ответ 3
идентификации.
—
Ответ 4
линеаризации.
—
Вопрос 80
Коэффициент
регрессии
является
состоятельной оценкой параметра b
модели y = a + bx при условии,
что
3
—
Ответ 1
математическое
ожидание оценки
равно
оцениваемому параметру b.
—
Ответ 2
дисперсия
оценки
является
наименьшей среди всех возможных
дисперсий несмещенных оценок параметра
b.
—
Ответ 3
дисперсия оценки
равна
нулю.
—
Ответ 4
оценка
стремится
к оцениваемому параметру b при больших
выборках.
+
Вопрос 81
Коэффициент
регрессии
является
эффективной оценкой параметра b модели
y = a + bx при условии, что
3
—
Ответ 1
математическое
ожидание оценки
равно
оцениваемому параметру b.
—
Ответ 2
дисперсия
оценки
является
наименьшей среди всех возможных
дисперсий несмещенных оценок параметра
b.
+
Ответ 3
дисперсия оценки
равна
нулю.
—
Ответ 4
оценка
стремится
к оцениваемому параметру b при больших
выборках.
—
Вопрос 82
Коэффициент
регрессии
является
несмещенной оценкой параметра b модели
y = a + bx при условии, что
3
—
Ответ 1
математическое
ожидание оценки
равно
оцениваемому параметру b.
—
Ответ 2
дисперсия
оценки
является
наименьшей среди всех возможных
дисперсий несмещенных оценок параметра
b.
—
Ответ 3
дисперсия оценки
равна
нулю.
+
Ответ 4
оценка
стремится
к оцениваемому параметру b при больших
выборках.
—
Вопрос 83
При увеличении
объема выборки становятся маловероятным
значительные ошибки при оценивании
параметров регрессии. Это означает,
что используются … оценки.
3
—
Ответ 1
состоятельные.
+
Ответ 2
несмещенные.
—
Ответ 3
эффективные.
—
Ответ 4
асимптотически
эффективные.
—
Вопрос 84
Оценки неизвестных
параметров регрессии по МНК определяется
из условия минимума суммы случайных
ошибок ei
3
—
Ответ 1
.
—
Ответ 2
.
—
Ответ 3
.
+
Ответ 4
.
—
Вопрос 85
Предпосылкой
применения МНК является
3
—
Ответ 1
равенство нулю
дисперсии случайных отклонений et.
—
Ответ 2
положительный знак
дисперсии случайных отклонений et.
—
Ответ 3
постоянство дисперсии
случайных отклонений et.
+
Ответ 4
отрицательный знак
дисперсии случайных отклонений et.
—
Вопрос 86
Для успешного
применения МНК необходимо, чтобы
математическое ожидание случайного
отклонения ei равнялось нулю. Это
означает, что
3
—
Ответ 1
случайное отклонение
в среднем не оказывает существенного
влияния на зависимую переменную.
+
Ответ 2
случайное отклонение
оказывает на зависимую переменную
сильное влияние.
—
Ответ 3
равны математические
ожидания случайного отклонения для
каждого наблюдения.
—
Ответ 4
случайное отклонение
в среднем равно 1.
—
Вопрос 87
МНК для оценки
параметров уравнений регрессии дает
хорошие результаты
3
—
Ответ 1
всегда.
—
Ответ 2
при большом количестве
наблюдений.
+
Ответ 3
при выполнении
определенных предпосылок.
—
Ответ 4
при небольшом
количестве наблюдений.
—
Вопрос 88
При увеличении
объема выборки дисперсия эффективной
оценки параметра становится бесконечно
малой величиной. Такая оценка параметра
называется
3
—
Ответ 1
состоятельной.
—
Ответ 2
несмещенной.
—
Ответ 3
эффективной.
+
Ответ 4
асимптотически
эффективной.
—
Вопрос 89
МНК используется
для оценивания …
3
—
Ответ 1
коэффициента
детерминации.
—
Ответ 2
средней ошибки
аппроксимации.
—
Ответ 3
параметров линейной
регрессии.
+
Ответ 4
коэффициента
корреляции.
—
Вопрос 90
Самым распространенным
методом оценки параметров регрессии
является
3
—
Ответ 1
метод моментов.
—
Ответ 2
метод наименьших
модулей.
—
Ответ 3
метод максимального
правдоподобия.
—
Ответ 4
МНК.
+
Вопрос 91
При использовании
МНК минимизируется … отклонений
наблюдаемых значений зависимой
переменной и ее расчетных значений.
3
—
Ответ 1
разность сумм
квадратов.
—
Ответ 2
квадрат суммы.
—
Ответ 3
сумма модулей.
—
Ответ 4
сумма квадратов.
+
Вопрос 92
Основное отличие
эконометрических моделей от других
видов экономико-математических
моделей состоит в
3
—
Ответ 1
учете случайных
возмущений для зависимой переменной.
+
Ответ 2
учете всех факторов,
влияющих на результат.
—
Ответ 3
использовании
линейной формы зависимости.
—
Ответ 4
анализе данных,
меняющихся во времени.
—
Вопрос 93
В классической
модели парной линейной регрессии
y = a + bx + e
3
—
Ответ 1
y, e — детерминированные
величины, x — случайная величина.
—
Ответ 2
x — детерминированная
величина, y, e — случайные величины.
—
Ответ 3
y — детерминированная
величина, x, e — случайные величины.
+
Ответ 4
e — детерминированная
величины, x, y — случайные величины.
—
Вопрос 94
Как записывается
однофакторное регрессионное линейное
уравнение?
3
—
Ответ 1
.
—
Ответ 2
.
—
Ответ 3
.
—
Ответ 4
.
+
Вопрос 95
В линейном уравнении
парной регрессии y = a + bx + e
параметрами являются
3
—
Ответ 1
x.
—
Ответ 2
y.
—
Ответ 3
a.
+
Ответ 4
b.
—
Вопрос 96
В линейном уравнении
парной регрессии y = a + bx + e
переменными являются
3
—
Ответ 1
x.
+
Ответ 2
y.
—
Ответ 3
a.
—
Ответ 4
b.
—
Вопрос 97
Эконометрическая
модель объекта представляет собой
3
—
Ответ 1
экономико-математическую
модель с учетом случайных возмущений
зависимой переменной.
—
Ответ 2
любую
экономико-математическую модель.
—
Ответ 3
экономико-математическую
модель с учетом случайных возмущений
независимой переменной.
—
Ответ 4
эмпирическую
зависимость результирующего признака
от фактора.
+
Вопрос 98
Формализация
закономерностей общей эконометрической
теории является одним из принципов
… эконометрической модели.
3
—
Ответ 1
спецификации.
+
Ответ 2
верификации.
—
Ответ 3
идентификации.
—
Ответ 4
параметризация.
—
Вопрос 99
Эконометрика – это
…
3
—
Ответ 1
специальный раздел
математики, посвященный анализу
экономической информации.
—
Ответ 2
наука, которая дает
количественное выражение взаимосвязей
экономических явлений и процессов.
+
Ответ 3
наука, которая
осуществляет качественный анализ
взаимосвязей экономических явлений
и процессов.
—
Ответ 4
раздел экономической
теории, связанный с анализом
статистической информацией.
—
Вопрос 100
Какое из этих значений
может принимать линейный коэффициент
корреляции при обратной связи?
3
—
Ответ 1
– 0,8.
+
Ответ 2
0,7.
—
Ответ 3
1,2.
—
Ответ 4
– 1,2.
—
Вопрос 101
Какое из этих значений
может принимать линейный коэффициент
корреляции при прямой связи?
3
—
Ответ 1
– 0,6.
—
Ответ 2
0,6.
+
Ответ 3
1,2.
—
Ответ 4
– 1,2.
—
Вопрос 102
Линейный коэффициент
корреляции изменяется в пределах
3
—
Ответ 1
[0, 1).
—
Ответ 2
[–1, 1].
+
Ответ 3
(0, 1).
—
Ответ 4
[0, 1].
—
Вопрос 103
Коэффициент парной
линейной корреляции равен нулю. Это
значит, что
3
—
Ответ 1
отсутствует
автокорреляция факторного признака.
—
Ответ 2
отсутствует
автокорреляция результативного
признака.
—
Ответ 3
между признаками
нет линейной корреляционной связи.
—
Ответ 4
между признаками
отсутствует какая-либо зависимость.
+
Вопрос 104
Расчет формулы для
коэффициента парной линейной корреляции
случайных величин x и y имеет вид
3
—
Ответ 1
.
—
Ответ 2
.
+
Ответ 3
.
—
Ответ 4
.
—
Вопрос 105
Линейный коэффициент
корреляции
3
—
Ответ 1
выражается квадратичной
размерностью показателя.
—
Ответ 2
показывает в среднем,
на сколько отклоняются значения
показателя от среднего значения.
—
Ответ 3
является мерой
однородности совокупности.
—
Ответ 4
показывает меру
тесноты связи между двумя показателями.
+
Вопрос 106
Линейный коэффициент
корреляции – это отношение …
3
—
Ответ 1
суммы значений
показателя к объему совокупности.
—
Ответ 2
суммы квадратов
отклонений значений показателя от
среднего значения к объему совокупности.
—
Ответ 3
среднего квадратичного
отклонения к средней арифметической
величине.
—
Ответ 4
ковариации к
произведению средних квадратичных
отклонений двух показателей.
+
Вопрос 107
Корреляция
подразумевает наличие связи между …
3
—
Ответ 1
случайными факторами.
+
Ответ 2
параметрами.
—
Ответ 3
результатом и
случайными факторами.
—
Ответ 4
переменными.
—
Вопрос 108
Найти дисперсию,
если среднее квадратичное отклонение
равно 4,5.
3
—
Ответ 1
4,5.
—
Ответ 2
9.
—
Ответ 3
12,25.
—
Ответ 4
20,25.
+
Вопрос 109
Найти среднее
квадратичное отклонение, если дисперсия
совокупности равна. 12,25.
3
—
Ответ 1
12,25.
—
Ответ 2
24,5.
—
Ответ 3
4,5.
—
Ответ 4
3,5.
+
Вопрос 110
Найти среднюю
урожайность пшеницы с 1 га за три года:
60ц, 49ц, 41ц.
3
—
Ответ 1
41.
—
Ответ 2
49.
—
Ответ 3
50.
+
Ответ 4
55.
—
Вопрос 111
Формулой
определяется
… показателей x и y.
3
—
Ответ 1
средняя арифметическая
величина.
—
Ответ 2
дисперсия.
—
Ответ 3
среднее квадратичное
отклонение.
—
Ответ 4
ковариация.
+
Вопрос 112
Формулой
определяется
… показателя x.
3
—
Ответ 1
средняя арифметическая
величина.
—
Ответ 2
дисперсия.
—
Ответ 3
среднее квадратичное
отклонение.
+
Ответ 4
ковариация.
—
Вопрос 113
Формулой
определяется
… показателя x.
3
—
Ответ 1
средняя арифметическая
величина.
—
Ответ 2
дисперсия.
+
Ответ 3
среднее квадратичное
отклонение.
—
Ответ 4
ковариация.
—
Вопрос 114
Формулой
определяется
… показателей x и y.
3
—
Ответ 1
средняя арифметическая
величина.
—
Ответ 2
дисперсия.
—
Ответ 3
среднее квадратичное
отклонение.
—
Ответ 4
ковариация.
+
Вопрос 115
Формулой
определяется
… показателя x.
3
—
Ответ 1
средняя арифметическая
величина.
—
Ответ 2
дисперсия.
—
Ответ 3
среднее квадратичное
отклонение.
+
Ответ 4
ковариация.
—
Вопрос 116
Формулой
определяется
… показателя x.
3
—
Ответ 1
средняя арифметическая
величина.
—
Ответ 2
дисперсия.
+
Ответ 3
среднее квадратичное
отклонение.
—
Ответ 4
ковариация.
—
Вопрос 117
Формулой
определяется
… показателя x.
3
—
Ответ 1
средняя арифметическая
величина.
+
Ответ 2
дисперсия.
—
Ответ 3
среднее квадратичное
отклонение.
—
Ответ 4
ковариация.
—
Вопрос 118
Среднее квадратичное
отклонение:
3
—
Ответ 1
выражается квадратичной
размерностью показателя.
—
Ответ 2
показывает в среднем,
на сколько отклоняются значения
показателя от среднего значения.
—
Ответ 3
является мерой
однородности совокупности.
+
Ответ 4
показывает меру
тесноты связи между двумя показателями.
—
Вопрос 119
Дисперсия – это
отношение:
3
—
Ответ 1
суммы значений
показателя к объему совокупности.
—
Ответ 2
суммы квадратов
отклонений значений показателя от
среднего значения к объему совокупности.
+
Ответ 3
среднего квадратичного
отклонения к средней арифметической
величине.
—
Ответ 4
ковариации к
произведению средних квадратичных
отклонений двух показателей.
—
Вопрос 120
Средняя арифметическая
величина – это отношение:
3
—
Ответ 1
суммы значений
показателя к объему совокупности.
+
Ответ 2
суммы квадратов
отклонений значений показателя от
среднего значения к объему совокупности.
—
Ответ 3
среднего квадратичного
отклонения к средней арифметической
величине.
—
Ответ 4
ковариации к
произведению средних квадратичных
отклонений двух показателей.
—
Величина стандартной ошибки коэффициента регрессии эконометрической модели рассчитывается для определения значимости (существенности)
- этого коэффициента регрессии
- влияния соответствующей независимой переменной (фактора) на зависимую переменную
- коэффициента детерминации
- зависимой переменной
Тип вопроса: Вопрос с одним правильными вариантом
Ответ на этот вопрос уже получили: 23 раз(а)
Помогли ответы? Ставь лайк 👍
Вопрос задал(а): Анастасия, 20 Май 2015 в 18:20
На вопрос ответил(а): Астафьева Любовь, 20 Май 2015 в 18:20
Когда мы подгоняем регрессионную модель к набору данных, нас часто интересует, насколько хорошо регрессионная модель «подходит» к набору данных. Две метрики, обычно используемые для измерения согласия, включают R -квадрат (R2) и стандартную ошибку регрессии , часто обозначаемую как S.
В этом руководстве объясняется, как интерпретировать стандартную ошибку регрессии (S), а также почему она может предоставить более полезную информацию, чем R 2 .
Стандартная ошибка по сравнению с R-квадратом в регрессии
Предположим, у нас есть простой набор данных, который показывает, сколько часов 12 студентов занимались в день в течение месяца, предшествующего важному экзамену, а также их баллы за экзамен:

Если мы подгоним простую модель линейной регрессии к этому набору данных в Excel, мы получим следующий результат:

R-квадрат — это доля дисперсии переменной отклика, которая может быть объяснена предикторной переменной. При этом 65,76% дисперсии экзаменационных баллов можно объяснить количеством часов, потраченных на учебу.
Стандартная ошибка регрессии — это среднее расстояние, на которое наблюдаемые значения отклоняются от линии регрессии. В этом случае наблюдаемые значения отклоняются от линии регрессии в среднем на 4,89 единицы.
Если мы нанесем фактические точки данных вместе с линией регрессии, мы сможем увидеть это более четко:

Обратите внимание, что некоторые наблюдения попадают очень близко к линии регрессии, в то время как другие не так близки. Но в среднем наблюдаемые значения отклоняются от линии регрессии на 4,19 единицы .
Стандартная ошибка регрессии особенно полезна, поскольку ее можно использовать для оценки точности прогнозов. Примерно 95% наблюдений должны находиться в пределах +/- двух стандартных ошибок регрессии, что является быстрым приближением к 95% интервалу прогнозирования.
Если мы заинтересованы в прогнозировании с использованием модели регрессии, стандартная ошибка регрессии может быть более полезной метрикой, чем R-квадрат, потому что она дает нам представление о том, насколько точными будут наши прогнозы в единицах измерения.
Чтобы проиллюстрировать, почему стандартная ошибка регрессии может быть более полезной метрикой для оценки «соответствия» модели, рассмотрим другой пример набора данных, который показывает, сколько часов 12 студентов занимались в день в течение месяца, предшествующего важному экзамену, а также их экзаменационная оценка:

Обратите внимание, что это точно такой же набор данных, как и раньше, за исключением того, что все значения s сокращены вдвое.Таким образом, студенты из этого набора данных учились ровно в два раза дольше, чем студенты из предыдущего набора данных, и получили ровно половину экзаменационного балла.
Если мы подгоним простую модель линейной регрессии к этому набору данных в Excel, мы получим следующий результат:

Обратите внимание, что R-квадрат 65,76% точно такой же, как и в предыдущем примере.
Однако стандартная ошибка регрессии составляет 2,095 , что ровно вдвое меньше стандартной ошибки регрессии в предыдущем примере.
Если мы нанесем фактические точки данных вместе с линией регрессии, мы сможем увидеть это более четко:

Обратите внимание на то, что наблюдения располагаются гораздо плотнее вокруг линии регрессии. В среднем наблюдаемые значения отклоняются от линии регрессии на 2,095 единицы .
Таким образом, несмотря на то, что обе модели регрессии имеют R-квадрат 65,76% , мы знаем, что вторая модель будет давать более точные прогнозы, поскольку она имеет более низкую стандартную ошибку регрессии.
Преимущества использования стандартной ошибки
Стандартную ошибку регрессии (S) часто бывает полезнее знать, чем R-квадрат модели, потому что она дает нам фактические единицы измерения. Если мы заинтересованы в использовании регрессионной модели для получения прогнозов, S может очень легко сказать нам, достаточно ли точна модель для прогнозирования.
Например, предположим, что мы хотим создать 95-процентный интервал прогнозирования, в котором мы можем прогнозировать результаты экзаменов с точностью до 6 баллов от фактической оценки.
Наша первая модель имеет R-квадрат 65,76%, но это ничего не говорит нам о том, насколько точным будет наш интервал прогнозирования. К счастью, мы также знаем, что у первой модели показатель S равен 4,19. Это означает, что 95-процентный интервал прогнозирования будет иметь ширину примерно 2*4,19 = +/- 8,38 единиц, что слишком велико для нашего интервала прогнозирования.
Наша вторая модель также имеет R-квадрат 65,76%, но опять же это ничего не говорит нам о том, насколько точным будет наш интервал прогнозирования. Однако мы знаем, что вторая модель имеет S 2,095. Это означает, что 95-процентный интервал прогнозирования будет иметь ширину примерно 2*2,095= +/- 4,19 единиц, что меньше 6 и, следовательно, будет достаточно точным для использования для создания интервалов прогнозирования.
Дальнейшее чтение
Введение в простую линейную регрессию
Что такое хорошее значение R-квадрата?
