Парная регрессия и корреляция. 1. Наиболее наглядным видом выбора уравнения парной регрессии является:

ІІ раздел

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

19. Практическая значимость уравнения множественной регрессии оценивается с помощью

а) показателя множественной корреляции и его квадрата - коэффициента детерминации

б) показателя множественной регрессии и его квадрата - коэффициента корреляции

в) показателя частной корреляции и его квадрата- коэффициента корреляции

г) показателя множественной корреляции и его квадрата- коэффициента частной корреляции

д) показателя множественной регрессии и его квадрата - коэффициента детерминации

20. Частный -критерия Фишера служит

а) мерой для оценки включения фактора в модель

б) мерой эластичности между переменными множественной регрессии

в) мерой оценки тесноты связи между переменными

г) мерой для оценки значимости коэффициента регрессии

д) мерой для оценки значимости коэффициента корреляции

21. Значения частных -критериев Фишера получаются в результате

а) дисперсионного анализа

б) корреляционного анализа

в) регрессионного анализа

г) статистического анализа

д) математического анализа

22. Тесноту совместного влияния факторов на результат характеризует

а) показатель множественной корреляции

б) показатель множественной регрессии

в) индекс частной корреляции

г) показатель детерминации

д) параметры уравнения регрессии

23. Как определяется порядок частного коэффициента корреляции?

А) количеством факторов, влияние которых исключается

б) количеством факторов, влияние которых включается в уравнение

в) количеством уравнении регрессии

г) порядком коэффициента детерминации

д) порядком показателя множественной корреляции

24. Рассчитанные по рекуррентной формуле частные коэффициенты корреляции изменяются

а) в пределах от -1 до +1

б) в пределах от 0 до +1

в) в пределах от -1 до 0

г) в пределах от - до +

д) в пределах от 0 до +

25. Коэффициент множественной корреляции имеет тот же смысл, что и

а) коэффициент корреляции для простой регрессии при двух переменных

б) коэффициент частной корреляции при парной регрессии

в) коэффициент детерминации при линейной регрессии

г) коэффициент корреляции для нелинейной регрессии при двух переменных

д) коэффициент корреляции для множественной регрессии

26. Коэффициент детерминации характеризует

а) тесноту связи зависимого и независимого переменных

б) тесноту связи между эндогенными и экзогенными переменными

в) тесноту связи между фиктивными переменными

г) тесноту связи между случайными и постоянными переменными

д) тесноту связи между внутренними и внешними переменными

27. Скорректированный коэффициент детерминации используется для того, чтобы

а) не допустить возможного преувеличения тесноты связи

б) оценивать тесноту связи между внешними и внутренними переменными

в) не допустить уменьшения тесноты связи между фиктивными переменными

г) не допустить увеличения тесноты связи между случайными и постоянными переменными

д) не допустить ухудшения связи между внутренними и внешними переменными

28. Построения уравнения множественной регрессии начинается

а) с решения вопроса о спецификации модели

б) с решения вопроса об оценки тесноты связи

в) с решения вопроса о количестве переменных

г) с решения вопроса о частной корреляции

д) с решения вопроса об определении параметров уравнения регрессии

29. Суть проблемы спецификации модели:

а) отбор факторов и выбор вида уравнения регрессии

б) отбор факторов и изучение их корреляции

в) построение уравнения регрессии

г) выявить влияние переменных факторов на уравнение регрессии

д) определение коэффициента корреляции

30. Факторы, включаемые во множественную регрессию должны быть

а) количественно измеримы

б) иметь качественный фактор

в) интеркоррелированы

г) интерпретируемыми

д) находиться в точной связи

31. На практике гетероскедастичность имеет место, если есть основания считать, что:

- вероятностные распределения случайных отклонений при различных наблюдениях будут различны

- вероятностные распределения случайных отклонений при различных наблюдениях будут одинаковы

- дисперсии случайных отклонений постоянны

- дисперсии случайных отклонений переменны

- вероятностные распределения при различных наблюдениях будут одинаковы

32 При гетероскедастичности случайных отклонений оценки коэффициентов регрессии становятся:

-неэффективными

-смещенными

-нелинейными

-несмещенными

- линейными

33. При гетероскедастичности, вероятнее всего, что t-статистики коэффициентов регрессии и F-статистика будут:

-завышенные

-заниженные

-точные

-приближенные

- нелинейные

34. В координатной плоскости при гомоскедастичности случайных отклонений:

-квадраты случайных отклонений находятся внутри полуплоскости, параллельной оси абсцисс

-квадраты случайных отклонений находятся в первой четверти системы координат

-наблюдаются систематические изменения в соотношениях между квадратами случайных отклонений и переменной Х

-квадраты случайных отклонений находятся внутри полуплоскости, параллельной оси ординат

-квадраты случайных отклонений находятся вне полуплоскости, параллельной оси абсцисс

35. Какое из утверждений верно:

-не существует общего теста для анализа гетероскедастичности

-тест ранговой корреляции Спирмена основан на использовании статистики Фишера

-тест Глейзера является частным случаем теста Голдфелда-Квандта

-тест Койка является частным случаем критерия Фишера

-критерий Алмона является частным случаем теста Койка

36. В условиях автокорреляции t-статистики коэффициентов регрессии будут:

-завышены

-занижены

-точные

-приближенные

- нелинейные

37. Если график наблюдений переменной Y и график регрессионных значений переменной Y пересекаются редко, то можно предположить наличие:

-положительной автокорреляции остатков

-отрицательной автокорреляции остатков

-отсутствие автокорреляции остатков

- переменной автокорреляции остатков

- нелинейной автокорреляции остатков

38. Для обнаружения автокорреляции применяют:

-критерий DW

-тест Голдфелда-Квандта

-тест Спирмена

-тест Глейзера

- тест Фишера

39. Статистика DW изменяется в пределах

-от нуля до четырех

-от нуля до двух

-меньше или равна двум

-больше или равна единице

-от нуля до семи

40. Укажите ложное утверждение:

-при наличии автокорреляции значение коэффициента детерминации всегда будет существенно ниже единицы

-статистика DW лежит в пределах от 0 до 4

-статистика DW не используется в авторегрессионных моделях

- при наличии автокорреляции значение коэффициента корреляции всегда будет существенно ниже единицы

- при наличии автокорреляции значение коэффициента регрессии всегда будет существенно ниже единицы

41. Мультиколлинеарность -это:

-линейная взаимосвязь двух или нескольких объясняющих переменных

-взаимосвязь между случайными отклонениями

-постоянство дисперсии случайных отклонений

- постоянство корреляции случайных отклонений

- постоянство взаимосвязи между отклонениями

42. Признаком мультиколлинеарности является:

-высокие коэффициент детерминации и частные коэффициенты корреляции

-высокий DW

-высокое значение F-статистики

- высокие коэффициент детерминации и высокое значение F-статистики

- высокое значение F-статистики и высокий коэффициент Стьюдента

43. Для оценки коррелированности между двумя объясняющими переменными рассчитывают:

-коэффициент парной линейной корреляции

-частные коэффициенты корреляции

-коэффициент детерминации

- коэффициент эластичности

-коэффициент Дарбина-Уотсона

44. Укажите ложное утверждение:

-мультиколлинеарность не ухудшает качество модели;

-мультиколлинеарность не приводит к получению смещенных оценок коэффициентов, но ведет к получению смещенных оценок для дисперсии коэффициентов

-при наличии мультиколлинеарности оценки коэффициентов остаются несмещенными, но их t-статистики будут занижены

- мультиколлинеарность ухудшает качество модели;

- при наличии мультиколлинеарности оценки коэффициентов остаются несмещенными

45. Какое из утверждений верно (применительно к гетероскедастичности):

-выводы по статистикам являются ненадежными (применительно к гетероскедастичности);

-оценки вследствие гетероскедастичности перестают быть состоятельными;

•3. -оценки и дисперсии оценок остаются несмещенными;

-гетероскедастичность проявляется через низкое значение статистики DW;

•46. Что такое автокорреляция остатков?

-взаимная зависимость остатков регрессии;

-равенство остатков регрессии;

-непостоянство дисперсии остатков;

-все перечисленное.

47. Критерий Дарбина-Уотсона применяется для

-проверки модели на автокорреляцию остатков.

-определения экономической значимости модели в целом.

-определения статистической значимости модели в целом.

-сравнения двух альтернативных вариантов модели.

-отбора факторов в модель.

48. В чем суть гетероскедастичности?

-дисперсии случайных отклонений изменяются;

-дисперсии случайных отклонений постоянны;

-случайные отклонения взаимно оррелированны;

-случайные отклонения равны для всех наблюдений.

49. Какое из утверждений о гетероскедастичности не верно:

-гетероскедастичность проявляется через низкое значение статистики Дарбина - Уотсона

-проблема гетероскедастичности обычно характерна для перекрестных данных;

-выводы по t -статистикам и F-статистике при гетероскедастичности являются ненадежными;

-не существует общего теста для анализа гетероскедастичности;

50. Укажите неверное применительно к автокорреляции выражение:

-дисперсии оценок коэффициентов остаются несмещенными.

-оценки коэффициентов перестают быть эффективными;

-выводы по t-и F - статистикам могут быть неверными;

-дисперсия регрессии является смещенной оценкой истинного значения:

Поиск по сайту: