Если уравнение регрессии является существенным то фактическое значение критерия

Видео:Эконометрика. Оценка значимости уравнения регрессии. Критерий ФишераСкачать

Ваш ответ

Видео:Простые показатели качества модели регрессии (R2, критерии Акаике и Шварца)Скачать

решение вопроса

Видео:Эконометрика. Оценка значимости параметров уравнения регрессии. Критерий Стьюдента.Скачать

Похожие вопросы

• Все категории
• экономические 43,421
• гуманитарные 33,634
• юридические 17,906
• школьный раздел 608,184
• разное 16,858

Популярное на сайте:

Как быстро выучить стихотворение наизусть? Запоминание стихов является стандартным заданием во многих школах.

Как научится читать по диагонали? Скорость чтения зависит от скорости восприятия каждого отдельного слова в тексте.

Как быстро и эффективно исправить почерк? Люди часто предполагают, что каллиграфия и почерк являются синонимами, но это не так.

Как научится говорить грамотно и правильно? Общение на хорошем, уверенном и естественном русском языке является достижимой целью.

Видео:Нелинейная регрессия в MS Excel. Как подобрать уравнение регрессии? Некорректное значение R^2Скачать

Тесты по эконометрике (стр. 2 )

Из за большого объема этот материал размещен на нескольких страницах: 1 2 3 4 5 6

К свойствам уравнения регрессии в стандартизированном виде относятся … Коэффициенты регрессии при объясняющих переменных равны между собой Постоянный параметр (свободный член уравнения) регрессии отсутствует Стандартизированные коэффициенты регрессии несравнимы между собой Входящие в состав уравнения переменные являются безразмерными

Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии оценивает Коэффициент парной корреляции Коэффициент частной корреляции Коэффициент множественной корреляции Коэффициент множественной детерминации

Установите соответствие

а) общая сумма квадратов отклонений TSS

1)

b) регрессионная сумма квадратов отклонений RSS

2)

c) остаточная сумма квадратов отклонений ЕSS

3)

4)

Коэффициент множественной корреляции для линейной зависимости можно рассчитать по формуле

Верные утверждения относительно коэффициента множественной корреляции Чем ближе значение к единице , тем теснее связь результативного признака со всеми факторами Чем ближе значение к нулю , тем теснее связь результативного признака со всеми факторами принимает значения из промежутка [0, 1] принимает значения из промежутка [– 1, 1]

Коэффициент множественной детерминации характеризует Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии Тесноту связи между результатом и соответствующим фактором, при устранении влияния других факторов, включенных в модель Долю дисперсии результативного признака, объясненную регрессией в его общей дисперсии Среднее изменение результативной переменной с изменением соответствующего фактора на единицу, при неизменном значении других факторов, закрепленных на среднем уровне

Для общей (TSS), регрессионной (RSS) и остаточной (ESS) суммы квадратов отклонений и коэффициента детерминации выполняется равенство …

Отношение остаточной дисперсии к общей дисперсии равно 0,05. Это означает … Коэффициент детерминации Коэффициент детерминации Разность , где – коэффициент детерминации Разность , где – коэффициент детерминации

Для устранения систематической ошибки остаточной дисперсии для оценки качества модели линейной множественной регрессии используется Коэффициент множественной детерминации Коэффициент множественной корреляции Скорректированный коэффициент множественной детерминации Скорректированный коэффициент частной корреляции

Оценка статистической значимости уравнения линейной множественной регрессии в целом осуществляется с помощью Критерия Стьюдента Критерия Фишера Критерия Дарбина-Уотсона Критерия Фостера-Стюарта

Оценка статистической значимости коэффициентов линейной множественной регрессии осуществляется с помощью Критерия Стьюдента Критерия Фишера Критерия Дарбина-Уотсона Критерия Фостера-Стюарта

Если коэффициент регрессии является существенным, то для него выполняются условия Фактическое значение t-критерия Стьюдента меньше критического Фактическое значение t-критерия Стьюдента больше критического Доверительный интервал проходит через ноль Стандартная ошибка не превышает половины значения параметра

Если уравнение регрессии является существенным, то фактическое значение F-критерия … больше критического меньше критического близко к единице близко к нулю

Предпосылками МНК являются… Дисперсия случайных отклонений постоянна для всех наблюдений Дисперсия случайных отклонений не постоянна для всех наблюдений Случайные отклонения коррелируют друг с другом Случайные отклонения являются независимыми друг от друга

Укажите выводы, которые соответствуют графику зависимости остатков

Нарушена предпосылка МНК о независимости остатков друг от друга Имеет место автокорреляция остатков Отсутствует закономерность в поведении остатков Отсутствует автокорреляция остатков

При выполнении предпосылок метода наименьших квадратов (МНК) остатки уравнения регрессии, как правило, характеризуются… Нулевой средней величиной Гетероскедстичностью Случайным характером Высокой степенью автокорреляции

К методам обнаружения гетероскедастичности остатков относятся Критерий Дарбина-Уотсона Тест Голдфелда-Квандта Графический анализ остатков Метод наименьших квадратов

Фиктивными переменными в уравнении множественной регрессии являются … Качественные переменные, преобразованные в количественные Переменные, представляющие простейшие функции от уже включенных в модель переменных Дополнительные количественные переменные, улучшающие решение Комбинации из включенных в уравнение регрессии факторов, повышающие адекватность модели

Видео:Эконометрика. Нелинейная регрессия. Степенная функция.Скачать

Линейная множественная регрессия

Тесты по эконометрике

Введение

1. Эконометрическая модель имеет вид

a.

b.

c.

d.

2. Установите соответствие

а) регрессионная модель	1)
b) система одновременных уравнений	2)
c) модель временного ряда	3)
4)

3. Регрессия – это

a. зависимость значений результативной переменной от значений объясняющих переменных (факторов)

b. правило, согласно которому каждому значению одной переменной ставится в соответствие единственное значение другой переменной

c. правило, согласно которому каждому значению независимой переменной ставится в соответствие значение зависимой переменной

d. зависимость среднего значения результативной переменной от значений объясняющих переменных (факторов)

4. Метод наименьших квадратов …

a. Позволяет получить оценки параметров линейной регрессии, исходя из условия

b. Позволяет получить оценки параметров регрессии, исходя из условия

c. Позволяет проверить статистическую значимость параметров регрессии

d. Позволяет получить оценки параметров нелинейной регрессии, исходя из условия

Линейная множественная регрессия

5. Уравнение линейной множественной регрессии

a.

b.

c.

d.

6. Для линейного уравнения множественной регрессии установите соответствие

а) Факторные переменные	1)
b) Результативная переменная	2)
c) Параметры	3)
d) Случайная компонента	4)
5)
6)

Ответ: a-4, b-1, c-6, d-5

7. Проблема спецификации регрессионной модели включает в себя

a. Отбор факторов, включаемых в уравнение регрессии

b. Оценка параметров уравнения регрессии

c. Оценка надежности результатов регрессионного анализа

d. Выбор вида уравнения регрессии

8. Требования к факторам, включаемым в модель линейной множественной регрессии…

a. Число факторов должно быть в 6 раз меньше объема совокупности

b. Факторы должны представлять временные ряды

c. Факторы должны иметь одинаковую размерность

d. Между факторами не должно быть высокой корреляции

9. Верные утверждения относительно мультиколлинеарности факторов

a. В модель линейной множественной регрессии рекомендуется включать мультиколлинеарные факторы

b. Мультиколлинеарность факторов приводит к снижению надежности оценок параметров уравнения регрессии

c. Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, большими 0,7

d. Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, меньшими 0,3

10. Верные утверждения о включении в уравнение линейной множественной регрессии факторов

a. Включение фактора в модель приводит к заметному возрастанию коэффициента множественной детерминации

b. Коэффициент парной корреляции для фактора и результативной переменной меньше 0,3

c. Значение t-критерия Стьюдента для коэффициента регрессии при факторе меньше табличного значения

d. Фактор должен объяснять поведение изучаемого показателя согласно принятым положениям экономической теории

11. При построении модели множественной регрессии методом пошагового включения переменных на первом этапе рассматривается модель с …

a. Одной объясняющей переменной, которая имеет с зависимой переменной наименьший коэффициент корреляции

b. Одной объясняющей переменной, которая имеет с зависимой переменной наибольший коэффициент корреляции

c. Несколькими объясняющими переменными, которые имеют с зависимой переменной коэффициенты корреляции по модулю больше 0,5

d. Полным перечнем объясняющих переменных

12. Параметры при факторах в линейной множественной регрессии
характеризуют

a. Долю дисперсии результативной переменной, объясненную регрессией в его общей дисперсии

b. Тесноту связи между результативной переменной и соответствующим фактором, при устранении влияния других факторов, включенных в модель

c. Среднее изменение результативной переменной с изменением соответствующего фактора на единицу, при неизменном значении других факторов, закрепленных на среднем уровне

d. На сколько процентов в среднем изменяется результативная переменная с изменением соответствующего фактора на 1%

13. Стандартизация переменных проводится по формуле

a.

b.

c.

d.

14. Уравнение множественной регрессии в стандартизованном масштабе имеет вид . На результативный признак оказывает большое влияние:

a.

b. и

c.

d. нельзя сделать вывод

15. Уравнение множественной регрессии в естественной форме имеет вид
. На результативный признак оказывает большое влияние:

a.

b. и

c.

d. нельзя сделать вывод

16. К свойствам уравнения регрессии в стандартизированном виде относятся …

a. Коэффициенты регрессии при объясняющих переменных равны между собой

b. Постоянный параметр (свободный член уравнения) регрессии отсутствует

c. Стандартизированные коэффициенты регрессии несравнимы между собой

d. Входящие в состав уравнения переменные являются безразмерными

17. Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии оценивает

a. Коэффициент парной корреляции

b. Коэффициент частной корреляции

c. Коэффициент множественной корреляции

d. Коэффициент множественной детерминации

18. Установите соответствие

а) общая сумма квадратов отклонений TSS	1)
b) регрессионная сумма квадратов отклонений RSS	2)
c) остаточная сумма квадратов отклонений ЕSS	3)
4)

19. Коэффициент множественной корреляции для линейной зависимости можно рассчитать по формуле

a.

b.

c.

d.

20. Верные утверждения относительно коэффициента множественной корреляции

a. Чем ближе значение к единице , тем теснее связь результативного признака со всеми факторами

b. Чем ближе значение к нулю , тем теснее связь результативного признака со всеми факторами

c. принимает значения из промежутка [0, 1]

d. принимает значения из промежутка [– 1, 1]

21. Коэффициент множественной детерминации характеризует

a. Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии

b. Тесноту связи между результатом и соответствующим фактором, при устранении влияния других факторов, включенных в модель

c. Долю дисперсии результативного признака, объясненную регрессией в его общей дисперсии

d. Среднее изменение результативной переменной с изменением соответствующего фактора на единицу, при неизменном значении других факторов, закрепленных на среднем уровне

22. Для общей (TSS), регрессионной (RSS) и остаточной (ESS) суммы квадратов отклонений и коэффициента детерминации выполняется равенство …

a.

b.

c.

d.

e.

23. Отношение остаточной дисперсии к общей дисперсии равно 0,05. Это означает …

a. Коэффициент детерминации

b. Коэффициент детерминации

c. Разность , где – коэффициент детерминации

d. Разность , где – коэффициент детерминации

24. Для устранения систематической ошибки остаточной дисперсии для оценки качества модели линейной множественной регрессии используется

a. Коэффициент множественной детерминации

b. Коэффициент множественной корреляции

c. Скорректированный коэффициент множественной детерминации

d. Скорректированный коэффициент частной корреляции

25. Оценка статистической значимости уравнения линейной множественной регрессии в целом осуществляется с помощью

a. Критерия Стьюдента

b. Критерия Фишера

c. Критерия Дарбина-Уотсона

d. Критерия Фостера-Стюарта

26. Оценка статистической значимости коэффициентов линейной множественной регрессии осуществляется с помощью

a. Критерия Стьюдента

b. Критерия Фишера

c. Критерия Дарбина-Уотсона

d. Критерия Фостера-Стюарта

27. Если коэффициент регрессии является существенным, то для него выполняются условия

a. Фактическое значение t-критерия Стьюдента меньше критического

b. Фактическое значение t-критерия Стьюдента больше критического

c. Доверительный интервал проходит через ноль

d. Стандартная ошибка не превышает половины значения параметра

28. Если уравнение регрессии является существенным, то фактическое значение F-критерия …

a. больше критического

b. меньше критического

c. близко к единице

d. близко к нулю

29. Предпосылками МНК являются…

a. Дисперсия случайных отклонений постоянна для всех наблюдений

b. Дисперсия случайных отклонений не постоянна для всех наблюдений

c. Случайные отклонения коррелируют друг с другом

d. Случайные отклонения являются независимыми друг от друга

30. Укажите выводы, которые соответствуют графику зависимости остатков

a. Нарушена предпосылка МНК о независимости остатков друг от друга

b. Имеет место автокорреляция остатков

c. Отсутствует закономерность в поведении остатков

d. Отсутствует автокорреляция остатков

31. При выполнении предпосылок метода наименьших квадратов (МНК) остатки уравнения регрессии, как правило, характеризуются…

a. Нулевой средней величиной

c. Случайным характером

d. Высокой степенью автокорреляции

32. К методам обнаружения гетероскедастичности остатков относятся

a. Критерий Дарбина-Уотсона

b. Тест Голдфелда-Квандта

c. Графический анализ остатков

d. Метод наименьших квадратов

33. Фиктивными переменными в уравнении множественной регрессии являются …

a. Качественные переменные, преобразованные в количественные

b. Переменные, представляющие простейшие функции от уже включенных в модель переменных

c. Дополнительные количественные переменные, улучшающие решение

d. Комбинации из включенных в уравнение регрессии факторов, повышающие адекватность модели

34. Для отражения влияния качественной сопутствующей переменной, имеющей m состояний, обычно включают в модель … фиктивную переменную

a.

b.

c.

d.

Нелинейная регрессия

35. Регрессии, нелинейные по объясняющим переменным, но линейные по оцениваемым параметрам

a.

b.

c.

d.

e.

f.

36. Регрессии, нелинейные по оцениваемым параметрам

a.

b.

c.

d.

e.

f.

37. Укажите верные утверждения по поводу модели

a. Относится к типу моделей нелинейных по объясняющим переменным, но линейных по оцениваемым параметрам

b. Относится к типу моделей, нелинейных по оцениваемым параметрам

c. Относится к типу линейных моделей

d. Нельзя привести к линейному виду

e. Можно привести к линейному виду

38. Укажите верные утверждения по поводу модели

a. Линеаризуется линейную модель множественной регрессии

b. Линеаризуется линейную модель парной регрессии

c. Относится к классу нелинейных моделей по объясняющим переменным, но линейных по оцениваемым параметрам

d. Относится к классу линейных моделей

39. Модель относится к классу … эконометрических моделей нелинейной регрессии

40. Модель относится к классу … эконометрических моделей нелинейной регрессии

41. Модель относится к классу … эконометрических моделей нелинейной регрессии

42. Было замечено, что при увеличении количества вносимых удобрений урожайность также возрастает, однако, по достижении определенного значения фактора моделируемый показатель начинает убывать. Для исследования данной зависимости можно использовать спецификацию уравнения регрессии…

a.

b.

c.

d.

43. Для получения оценок параметров степенной регрессионной модели …

a. Метод наименьших квадратов неприменим

b. Требуется подобрать соответствующую подстановку

c. Необходимо выполнить логарифмическое преобразование

d. Необходимо выполнить тригонометрическое преобразование

44. С помощью метода наименьших квадратов нельзя оценить значения параметров уравнения регрессии …

a.

b.

c.

d.

Анализ временных рядов

45. Под изменением, определяющим общее направление развития, основную тенденцию временного ряда, понимается …

b. Сезонная компонента

c. Циклическая компонента

d. Случайная компонента

46. Регулярными компонентами временного ряда являются

b. Сезонная компонента

c. Циклическая компонента

d. Случайная компонента

47. Если период циклических колебаний уровней временного ряда не превышает одного года, то их называют …

48. Пусть – временной ряд, – трендовая компонента, – сезонная компонента, – случайная компонента. Аддитивная модель временного ряда имеет вид …

a.

b.

c.

d.

49. Пусть – временной ряд, – трендовая компонента, – сезонная компонента, – случайная компонента. Мультипликативная модель временного ряда имеет вид …

a.

b.

c.

d.

50. Построена аддитивная модель временного ряда, где – временной ряд, – трендовая компонента, – сезонная компонента, – случайная компонента. Если , то правильно найдены значения компонент ряда …

a.

b.

c.

d.

51. Определить наличие тренда во временном ряду можно …

a. По графику временного ряда

b. По объему временного ряда

c. По отсутствию случайной компоненты

d. С помощью статистической проверки гипотезы о существовании тренда

52. Определить наличие циклических (сезонных) колебаний во временном ряду можно …

a. В результате анализа автокорреляционной функции

b. По графику временного ряда

c. По объему временного ряда

d. С помощью критерия Фостера-Стюарта

53. Пусть – временной ряд с квартальными наблюдениями, – аддитивная сезонная компонента. Оценки сезонной компоненты для первого, второго и четвертого кварталов соответственно равны , , . Оценка сезонной компоненты для третьего квартала равна …

54. В результате сглаживания временного ряда 6, 2, 7, 5, 12 простой трехчленной скользящей средней первое сглаженное значение равно …

55. В результате сглаживания временного ряда 6, 2, 7, 5, 12 простой четырехчленной скользящей средней первое сглаженное значение равно …

56. Для описания тенденции временного ряда используется кривая роста с насыщением …

a.

b.

c.

d.

57. Коэффициент автокорреляции первого порядка

a. Коэффициент частной корреляции между соседними уровнями временного ряда

b. Линейный коэффициент парной корреляции между произвольными уровнями временного ряда

c. Линейный коэффициент парной корреляции между соседними уровнями временного ряда

d. Линейный коэффициент парной корреляции между уровнем временного ряда и его номером

58. Автокорреляционная функция …

a. Зависимость коэффициента автокорреляции от первых разностей уровней временного ряда

b. Зависимость уровня временного ряда от коэффициента корреляции с его номером

c. Последовательность коэффициентов автокорреляции, расположенных по возрастанию их порядка

d. Последовательность коэффициентов автокорреляции, расположенных по возрастанию их значений

59. Если наиболее высоким оказался коэффициент автокорреляции 4 порядка, то временной ряд имеет

a. линейный тренд

b. случайную компоненту

c. тренд в виде полинома 4 порядка

d. циклические колебания с периодом 4

60. Известны значения коэффициентов автокорреляции , , , . Укажите верные утверждения…

a. Временной ряд содержит линейный тренд

b. Временной ряд содержит тренд в виде полинома 4 порядка

c. Временной ряд содержит циклические колебания с периодом 2

d. Временной ряд содержит циклические колебания с периодом 4

61. Известны значения коэффициентов автокорреляции , , , . Можно сделать вывод…

a. Временной ряд содержит линейный тренд

b. Временной ряд является случайным

c. Временной ряд содержит циклические колебания с периодом 2

d. Временной ряд содержит циклические колебания с периодом 4

62. Модель временного ряда считается адекватной, если значения остатков …

a. имеют нулевое математическое ожидание

b. значение фактическое значение F-критерия меньше табличного

c. подчиняются нормальному закону распределения

d. подчиняются равномерному закону распределения

f. являются случайными и независимыми

63. Независимость остатков модели временного ряда может быть проверена с помощью

a. Критерия Дарбина-Уотсона

b. Критерия Пирсона

c. Критерия Фишера

d. Анализа автокорреляционной функции остатков

64. Случайность остатков модели временного ряда может быть проверена с помощью

a. Анализа автокорреляционной функции остатков

b. Критерия Пирсона

c. Проверки гипотезы о наличии тренда

d. Расчета асимметрии и эксцесса

65. Для экспоненциального сглаживания используется формула

a.

b.

c.

d.

66. Постоянная сглаживания в модели экспоненциального сглаживания принимает значения

67. Выбор оптимального значения постоянной сглаживания в модели экспоненциального сглаживания осуществляется

a. Всегда используется значение

b. Всегда используется значение

c. Оптимальным считается такое значение , при котором получена наименьшая дисперсия ошибки

d. Оптимальным считается такое значение , при котором получена наибольшая дисперсия ошибки

68. Параметр адаптации , , , . Значение , полученное в результате экспоненциального сглаживания временного ряда по формуле , равно…

69. Временной ряд содержит тренд и для его сглаживания используется модель Хольта: , . Если , , , . Значение равно …

Видео:Уравнение линейной регрессии. Интерпретация стандартной табличкиСкачать

Линейная множественная регрессия

Тесты по эконометрике

Введение

1. Эконометрическая модель имеет вид

2. Установите соответствие

3. Регрессия – это

a. зависимость значений результативной переменной от значений объясняющих переменных (факторов)

b. правило, согласно которому каждому значению одной переменной ставится в соответствие единственное значение другой переменной

c. правило, согласно которому каждому значению независимой переменной ставится в соответствие значение зависимой переменной

d. зависимость среднего значения результативной переменной от значений объясняющих переменных (факторов)

4. Метод наименьших квадратов …

a. Позволяет получить оценки параметров линейной регрессии, исходя из условия i=1nyi-yi2→min

b. Позволяет получить оценки параметров регрессии, исходя из условия ln⁡(i=1nf(yi,)→max

c. Позволяет проверить статистическую значимость параметров регрессии

d. Позволяет получить оценки параметров нелинейной регрессии, исходя из условия i=1ny-yi2→min

Линейная множественная регрессия

5. Уравнение линейной множественной регрессии

6. Для линейного уравнения множественной регрессии установите соответствие

17. Ответ: a-4, b-1, c-6, d-5

7. Проблема спецификации регрессионной модели включает в себя

a. Отбор факторов, включаемых в уравнение регрессии

b. Оценка параметров уравнения регрессии

c. Оценка надежности результатов регрессионного анализа

d. Выбор вида уравнения регрессии

19. Требования к факторам, включаемым в модель линейной множественной регрессии…

a. Число факторов должно быть в 6 раз меньше объема совокупности

b. Факторы должны представлять временные ряды

c. Факторы должны иметь одинаковую размерность

d. Между факторами не должно быть высокой корреляции

21. Верные утверждения относительно мультиколлинеарности факторов

e. В модель линейной множественной регрессии рекомендуется включать мультиколлинеарные факторы

f. Мультиколлинеарность факторов приводит к снижению надежности оценок параметров уравнения регрессии

g. Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, большими 0,7

h. Мультиколинеарность факторов проявляется в наличии парных коэффициентов межфакторной корреляции со значениями, меньшими 0,3

23. Верные утверждения о включении в уравнение линейной множественной регрессии факторов

i. Включение фактора в модель приводит к заметному возрастанию коэффициента множественной детерминации

j. Коэффициент парной корреляции для фактора и результативной переменной меньше 0,3

k. Значение t-критерия Стьюдента для коэффициента регрессии при факторе меньше табличного значения

l. Фактор должен объяснять поведение изучаемого показателя согласно принятым положениям экономической теории

25. При построении модели множественной регрессии методом пошагового включения переменных на первом этапе рассматривается модель с …

m. Одной объясняющей переменной, которая имеет с зависимой переменной наименьший коэффициент корреляции

n. Одной объясняющей переменной, которая имеет с зависимой переменной наибольший коэффициент корреляции

o. Несколькими объясняющими переменными, которые имеют с зависимой переменной коэффициенты корреляции по модулю больше 0,5

p. Полным перечнем объясняющих переменных

8. Параметры при факторах в линейной множественной регрессии
y=a+b1x1+b2x2+…+bpxp характеризуют

a. Долю дисперсии результативной переменной, объясненную регрессией в его общей дисперсии

b. Тесноту связи между результативной переменной и соответствующим фактором, при устранении влияния других факторов, включенных в модель

c. Среднее изменение результативной переменной с изменением соответствующего фактора на единицу, при неизменном значении других факторов, закрепленных на среднем уровне

d. На сколько процентов в среднем изменяется результативная переменная с изменением соответствующего фактора на 1%

28. Стандартизация переменных проводится по формуле

9. Уравнение множественной регрессии в стандартизованном масштабе имеет вид ty=20+0,9tx1+0,5tx2+ε. На результативный признак оказывает большое влияние:

x. нельзя сделать вывод

10. Уравнение множественной регрессии в естественной форме имеет вид
y=20+0,7×1+0,5×2+ε. На результативный признак оказывает большое влияние:

bb. нельзя сделать вывод

30. К свойствам уравнения регрессии в стандартизированном виде относятся …

cc. Коэффициенты регрессии при объясняющих переменных равны между собой

dd. Постоянный параметр (свободный член уравнения) регрессии отсутствует

ee. Стандартизированные коэффициенты регрессии несравнимы между собой

ff. Входящие в состав уравнения переменные являются безразмерными

32. Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии оценивает

gg. Коэффициент парной корреляции

hh. Коэффициент частной корреляции

ii. Коэффициент множественной корреляции

jj. Коэффициент множественной детерминации

34. Установите соответствие

43. Коэффициент множественной корреляции для линейной зависимости можно рассчитать по формуле

mm.

45. Верные утверждения относительно коэффициента множественной корреляции

oo. Чем ближе значение к единице Ryx1…xp, тем теснее связь результативного признака со всеми факторами

pp. Чем ближе значение к нулю Ryx1…xp, тем теснее связь результативного признака со всеми факторами

qq. Ryx1…xp принимает значения из промежутка [0, 1]

rr. Ryx1…xp принимает значения из промежутка [– 1, 1]

47. Коэффициент множественной детерминации характеризует

ss. Тесноту совместного влияния факторов на результат в уравнении линейной множественной регрессии

tt. Тесноту связи между результатом и соответствующим фактором, при устранении влияния других факторов, включенных в модель

uu. Долю дисперсии результативного признака, объясненную регрессией в его общей дисперсии

vv. Среднее изменение результативной переменной с изменением соответствующего фактора на единицу, при неизменном значении других факторов, закрепленных на среднем уровне

49. Для общей (TSS), регрессионной (RSS) и остаточной (ESS) суммы квадратов отклонений и коэффициента детерминации R2 выполняется равенство …

51. Отношение остаточной дисперсии к общей дисперсии равно 0,05. Это означает …

bbb. Коэффициент детерминации R2=0,95

ccc. Коэффициент детерминации R2=0,05

ddd. Разность (1-R2)=0,95, где R2 – коэффициент детерминации

eee. Разность (1-R2)=0,05, где R2 – коэффициент детерминации

53. Для устранения систематической ошибки остаточной дисперсии для оценки качества модели линейной множественной регрессии используется

fff. Коэффициент множественной детерминации

ggg. Коэффициент множественной корреляции

hhh. Скорректированный коэффициент множественной детерминации

iii. Скорректированный коэффициент частной корреляции

55. Оценка статистической значимости уравнения линейной множественной регрессии в целом осуществляется с помощью

jjj. Критерия Стьюдента

kkk. Критерия Фишера

lll. Критерия Дарбина-Уотсона

56. Оценка статистической значимости коэффициентов линейной множественной регрессии осуществляется с помощью

nnn. Критерия Стьюдента

ooo. Критерия Фишера

ppp. Критерия Дарбина-Уотсона

qqq. Критерия Фостера-Стюарта

57. Если коэффициент регрессии является существенным, то для него выполняются условия

rrr. Фактическое значение t-критерия Стьюдента меньше критического

sss. Фактическое значение t-критерия Стьюдента больше критического

ttt. Доверительный интервал проходит через ноль

uuu. Стандартная ошибка не превышает половины значения параметра

59. Если уравнение регрессии является существенным, то фактическое значение F-критерия …

vvv. больше критического

www. меньше критического

xxx. близко к единице

yyy. близко к нулю

61. Предпосылками МНК являются…

zzz. Дисперсия случайных отклонений постоянна для всех наблюдений

aaaa. Дисперсия случайных отклонений не постоянна для всех наблюдений

bbbb. Случайные отклонения коррелируют друг с другом

cccc. Случайные отклонения являются независимыми друг от друга

63. Укажите выводы, которые соответствуют графику зависимости остатков

dddd. Нарушена предпосылка МНК о независимости остатков друг от друга

eeee. Имеет место автокорреляция остатков

ffff. Отсутствует закономерность в поведении остатков

gggg. Отсутствует автокорреляция остатков

66. При выполнении предпосылок метода наименьших квадратов (МНК) остатки уравнения регрессии, как правило, характеризуются…

hhhh. Нулевой средней величиной

jjjj. Случайным характером

kkkk. Высокой степенью автокорреляции

68. К методам обнаружения гетероскедастичности остатков относятся

llll. Критерий Дарбина-Уотсона

mmmm. Тест Голдфелда-Квандта

nnnn. Графический анализ остатков

oooo. Метод наименьших квадратов

70. Фиктивными переменными в уравнении множественной регрессии являются …

pppp. Качественные переменные, преобразованные в количественные

qqqq. Переменные, представляющие простейшие функции от уже включенных в модель переменных

rrrr. Дополнительные количественные переменные, улучшающие решение

ssss. Комбинации из включенных в уравнение регрессии факторов, повышающие адекватность модели

71. Для отражения влияния качественной сопутствующей переменной, имеющей m состояний, обычно включают в модель … фиктивную переменную

Нелинейная регрессия

72. Регрессии, нелинейные по объясняющим переменным, но линейные по оцениваемым параметрам

73. Регрессии, нелинейные по оцениваемым параметрам

74. Укажите верные утверждения по поводу модели

jjjjj. Относится к типу моделей нелинейных по объясняющим переменным, но линейных по оцениваемым параметрам

kkkkk. Относится к типу моделей, нелинейных по оцениваемым параметрам

lllll. Относится к типу линейных моделей

mmmmm. Нельзя привести к линейному виду

nnnnn. Можно привести к линейному виду

76. Укажите верные утверждения по поводу модели

ooooo. Линеаризуется линейную модель множественной регрессии

ppppp. Линеаризуется линейную модель парной регрессии

qqqqq. Относится к классу нелинейных моделей по объясняющим переменным, но линейных по оцениваемым параметрам

rrrrr. Относится к классу линейных моделей

79. Модель y=a∙bx∙ε относится к классу … эконометрических моделей нелинейной регрессии

81. Модель y=a∙xb∙ε относится к классу … эконометрических моделей нелинейной регрессии

83. Модель y=a+bx+cx2+ε относится к классу … эконометрических моделей нелинейной регрессии

85. Было замечено, что при увеличении количества вносимых удобрений урожайность также возрастает, однако, по достижении определенного значения фактора моделируемый показатель начинает убывать. Для исследования данной зависимости можно использовать спецификацию уравнения регрессии…

87. Для получения оценок параметров степенной регрессионной модели y=a∙xb …

iiiiii. Метод наименьших квадратов неприменим

jjjjjj. Требуется подобрать соответствующую подстановку

kkkkkk. Необходимо выполнить логарифмическое преобразование

llllll. Необходимо выполнить тригонометрическое преобразование

89. С помощью метода наименьших квадратов нельзя оценить значения параметров уравнения регрессии …

🎬 Видео

Эконометрика. Множественная регрессия и корреляция.Скачать

Множественная регрессия в ExcelСкачать

t-критерий Стьюдента для проверки гипотезы о средней в MS ExcelСкачать

Регрессия в ExcelСкачать

Выбор факторов, влияющих на результативный показательСкачать

Эконометрика. Линейная парная регрессияСкачать

Эконометрика Линейная регрессия и корреляцияСкачать

Множественная регрессияСкачать

Множественная регрессия в Excel и мультиколлинеарностьСкачать

1.1 Нелинейная регрессия в ExcelСкачать

Парная регрессия: линейная зависимостьСкачать

Корреляция: коэффициенты Пирсона и Спирмена, линейная регрессияСкачать

Линейная регрессия. Что спросят на собеседовании? ч.1Скачать

РЕГРЕССИОННЫЙ АНАЛИЗ. Статистика в ТрейдингеСкачать