Контрольная работа по "Эконометрике"

Парная регрессия  и корреляция

1. Наиболее  наглядным видом выбора уравнения  парной регрессии является:

+б) графический;

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

+б) не менее 7 наблюдений;

3. Суть  метода наименьших квадратов состоит в:

+б) минимизации дисперсии результативного признака;

4. Коэффициент  линейного парного уравнения  регрессии:

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

5. На  основании наблюдений за 50 семьями  построено уравнение регрессии , где – потребление, – доход. Соответствуют ли знаки и значения коэффициентов регрессии теоретическим представлениям?

а) да;+

6. Суть  коэффициента детерминации состоит в следующем:

+б) характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака;

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

+а) коэффициент детерминации ;

8. Значимость уравнения регрессии в целом оценивает:

+а) -критерий Фишера;

9. Классический  метод к оцениванию параметров  регрессии основан на:

+в) шаговом регрессионном анализе.

10. Остаточная сумма квадратов равна  нулю:

+в) никогда.

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

+б) ;

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

в) .+

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

а) ;+

14. Для оценки  значимости коэффициентов регрессии  рассчитывают:

+в) коэффициент детерминации .

15. Какое уравнение  регрессии нельзя свести к  линейному виду:

+в) .

16. Какое из  уравнений является степенным:

+б) :

17. Параметр  в степенной модели является:

+б) коэффициентом эластичности;

18. Коэффициент  корреляции  может принимать значения:

+а) от –1 до 1;

19. Для функции  средний коэффициент эластичности имеет вид:

+б) ;

20. Какое из следующих уравнений  нелинейно по оцениваемым параметрам:

+в) .

Множественная регрессия и корреляция

1. Добавление в уравнение множественной регрессии новой объясняющей переменной:

+б) увеличивает значение коэффициента детерминации;

2. Скорректированный  коэффициент детерминации:

+в) меньше или равен обычному коэффициенту детерминации;

3. С  увеличением числа объясняющих переменных скорректированный коэффициент детерминации:

+б) уменьшается;

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

+б) ;

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

а) ;+

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

в) .+

7. Множественный  коэффициент корреляции . Определите, какой процент дисперсии зависимой переменной объясняется влиянием факторов и :

а) 90%;+

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

а) 2;+

9. Стандартизованные  коэффициенты регрессии  :

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

10. Частные коэффициенты корреляции:

+в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.

11. Частный  -критерий:

+б) служит мерой для оценки включения фактора в модель;

12. Несмещенность оценки параметра  регрессии, полученной по МНК, означает:

+б) что математическое ожидание остатков равно нулю;

13. Эффективность оценки параметра регрессии, полученной по МНК, означает:

+а) что она характеризуется наименьшей дисперсией;

14. Состоятельность оценки параметра  регрессии, полученной по МНК,  означает:

+в) увеличение ее точности с увеличением объема выборки.

15. Укажите истинное утверждение:

+в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.

16. При наличии гетероскедастичности  следует применять:

+а) обычный МНК;

17. Фиктивные переменные – это:

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

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

+в) 2.

 

Системы эконометрических уравнений

1. Наибольшее  распространение в эконометрических  исследованиях получили:

+в) системы взаимозависимых уравнений.

2. Эндогенные переменные – это:

+б) зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через ;

3. Экзогенные  переменные – это:

+а) предопределенные переменные, влияющие на зависимые переменные, но не зависящие от них, обозначаются через ;

4. Лаговые  переменные – это:

+в) значения зависимых переменных за предшествующий период времени.

5. Для  определения параметров структурную  форму модели необходимо преобразовать  в:

+а) приведенную форму модели;

6. Модель  идентифицируема, если:

+в) если число параметров структурной модели равно числу параметров приведенной формы модели.

7. Модель  неидентифицируема, если:

+а) число приведенных коэффициентов меньше числа структурных коэффициентов;

8. Модель  сверхидентифицируема, если:

+б) если число приведенных коэффициентов больше числа структурных коэффициентов;

9. Уравнение  идентифицируемо, если:

+б) ;

10. Уравнение неидентифицируемо, если:

+а) ;

11. Уравнение  сверхидентифицируемо, если:

+в) .

12. Для определения  параметров точно идентифицируемой  модели:

+а) применяется двушаговый МНК;

13. Для определения  параметров сверхидентифицируемой  модели:

+б) применяется косвенный МНК;

14. Для определения  параметров неидентифицируемой  модели:

+б) ни один из существующих методов применить нельзя.

Временные ряды 1. Аддитивная модель временного ряда имеет вид:

+б) ;

2. Мультипликативная  модель временного ряда имеет вид:

+а) ;

3. Коэффициент  автокорреляции:

+а) характеризует тесноту линейной связи текущего и предыдущего уровней ряда;

4. Аддитивная  модель временного ряда строится, если:

+а) значения сезонной компоненты предполагаются постоянными для различных циклов;

5. Мультипликативная  модель временного ряда строится, если:

+б) амплитуда сезонных колебаний возрастает или уменьшается;

6. На основе  поквартальных данных построена  аддитивная модель временного  ряда. Скорректированные значения сезонной компоненты за первые три квартала равны: 7 – I квартал, 9 – II квартал и –11 – III квартал. Значение сезонной компоненты за IV квартал есть:

а) 5;

б) –4;

в) –5.

7. На основе  поквартальных данных построена  мультипликативная модель временного ряда. Скорректированные значения сезонной компоненты за первые три квартала равны: 0,8 – I квартал, 1,2 – II квартал и 1,3 – III квартал. Значение сезонной компоненты за IV квартал есть:

а) 0,7;

б) 1,7;

в) 0,9.

8. Критерий Дарбина-Уотсона  применяется для:

+а) определения автокорреляции в остатках;