тесты без ответов

1. Для построения модели линейной множественной регрессии вида у = a + b x + b1.
Необходимое количество наблюдений должно быть
 не менее 14
 не менее 7
 Не более 10
 Не более 14
2. Если качественный фактор имеет три градации, то необходимое число
фиктивных переменных:
 4
 3
 2
3. Фиктивной переменными в уравнении множественной регрессии могут
быть…
 Экономические показатели, выраженные в стоимостном измерении
 Качественные переменные, преобразованные в количественные
 Количественные переменные
 переменные, исходные значения которых не имеют количественного значения
4. Параметры при факторах в линейной множественной регрессии
характеризуют




Долю дисперсии результативной переменной, объясненную регрессией в его общей
дисперсии
Тесноту связи между результативной переменной и соответствующим фактором,
при устранении влияния других факторов, включенных в модель
Среднее изменение результативной переменной с изменением соответствующего
фактора на единицу, при неизменном значении других факторов, закрепленных на
среднем уровне
На сколько процентов в среднем изменяется результативная переменная с
изменением соответствующего фактора на 1%
1
5. Зависимость объема продаж у (д. е.) от расходов на рекламу х (д. е.)
характеризуется по 12 предприятиям следующим образом: = 10,6 + 0,6x + =





0,83
При увеличении расходов на рекламу на 1 д. е. объем продаж увеличивается на
0,83 д. е.
При увеличении объемов продаж на 1 д. е. расходы на рекламу увеличиваются в
среднем на 10,6 д. е.
60% вариации объема продаж объясняется вариацией расходов на рекламу
83% вариации объема продаж объясняется вариацией расходов на рекламу
При увеличении расходов на рекламу на 1 д. е… объем продаж увеличивается в
среднем на 0,6 д. е.
6. При исследовании зависимости себестоимости продукции у от объема выпуска х1 и
производительности труда х2 по данным 20 предприятий получено уравнение
регрессии у 2,88 + 0,72х1 + 1,51х2. На сколько единиц и в какую сторону изменится
результирующий признак при увеличении фактора х1 на одну единицу измерения?




уменьшится на 0,72
уменьшится на 2,88
увеличится на 2,88
увеличится на 0,72
2
7. Дана матрица парных коэффициентов корреляции
Какой фактор наименее тесно связан с результативной переменной?
у
Х1
Х2
Х3




у
1
0,72
0,48
0,13
Х1
Х2
Х3
1
-0,02
0,69
1
0,51
1
X1
X2
X3
Y
8. Дана матрица парных коэффициентов корреляции
Наибольшее значение межфакторной корреляции равно



0,51
0,69
0,72
3
9. По результатам 25 наблюдений получен парный коэффициент корреляции r12=0,6.
Известно, что фактор х3 занижает связь между х1 и х2. Какое значение может
принять частный коэффициент корреляции r 12(x3)?




-0,8
0,8
-0,2
0.5
10. По 19 предприятиям оптовой торговли изучается зависимость объема реализации
(1/) от размера торговой площади (21) и товарных запасов (222). Получены
следующие результаты: y 30 + 10x1 + 8x2 + e R2 = 0,92 Коэффициент
детерминации позволяет сделать вывод:




Связь между результативной переменной и факторами, включенными в модель,
прямая и очень сильная
На уровне значимости 8% уравнение регрессии в целом можно признать
статистически значимым
При увеличении факторов на 1 единицу объем реализации увеличивается в среднем
на 92%
92% вариации объема реализации объясняется вариацией торговой площади и
товарных запасов, а остальные 8% - не включенными в модель факторами
11. Под частной корреляцией понимается:




связь между двумя признаками (результативным и факторным или двумя
факторными)
зависимость между качественными признаками
зависимость результативного признака и двух или более факторов, включенных в
регрессионную модель
зависимость между результативным и одним факторным признаком при
фиксированном значении других факторных признаков
4
12. Уравнение множественной регрессии в естественной форме имеет вид у = 20 +
0,7X1 + 0,5X2+E. Ha результативный признак оказывает большое влияние:

X2

X1

X1 и X2

нельзя сделать вывод
13. Факторы, включаемые во множественную регрессию, должны быть:

независимы или слабо коррелированны
 явно коллинеарны

количественно измеримы
 функционально зависимы
14. Скорректированный коэффициент детерминации:

меньше обычного коэффициента детерминации

больше обычного коэффициента детерминации

меньше или равен обычному коэффициенту детерминации
15. Близко к линии регрессии находится наблюдение, для которого теоретическое
распределение случайного члена имеет:

большое стандартное отклонение

асимметрию, равную 0

нулевое среднее значение

малое стандартное отклонение
16. Первая главная компонента
o
o
o
o
o
Содержит максимальную долю изменчивости всей матрицы факторов.
Отражает степень влияния первого фактора на результат.
Отражает степень влияния результата на первый фактор.
Отражает долю изменчивости результата, обусловленную первым фактором.
Отражает тесноту связи между результатом и первым фактором.
5
17. При применении метода наименьших квадратов к оценке параметров
уравнений регрессии, величина зависимой переменной у не может
определяться на основании
уравнения регрессии
o дифференциального
o линеаризованного
o нелинейного
o линейного
18. Фиктивной переменными в уравнении множественной регрессии могут
быть...
 количественные переменные
 экономические показатели, выраженные в стоимостном измерении
 качественные переменные, преобразованные в количественные
 переменные, исходные значения которых не имеют количественного значения
19. Косвенный метод наименьших квадратов применим для ...
o
o
o
o
идентифицируемой системы одновременных уравнений
неидентифицируемой системы рекурсивных уравнений
неидентифицируемой системы уравнений
любой системы одновременных уравнений
20. Двухшаговый метод наименьших квадратов применим для ...
o сверхидентифицируемой системы одновременных уравнений
o идентифицируемой системы одновременных уравнений
o любой системы одновременных уравнений
o неидентифицируемой системы уравнений
21. В роли расстояния между объектами может выступать
 обычное евклидово расстояние
 квадрат евклидового расстояния
 косинус угла между объектами-векторами
 максимум модуля разности между координатами
22. Структурная форма системы эконометрических уравнений это...
o система регрессионных уравнений, в каждом из которых содержатся все объясняемые
переменные из других уравнений
o система регрессионных уравнений, матрица коэффициентов которых симметрична
o система уравнений регрессии, имеющих треугольную структуру
6
o исходные уравнения регрессии, каждое из которых в качестве объясняющей
переменной может содержать объясняемую переменную из других уравнений
23. Целью дискриминантного анализа является
o количество верно классифицированных объектов близко к 50%
o количество верно классифицированных объектов близко к 100%
o все группы имеют одинаковую размерность
24. Временным рядом называют:...
o Временно созданный набор данных
o Упорядоченные во времени значения показателя
o Ряд данных, полученный расчетным путем за короткое время
o Набор данных для исследования
25. Главные компоненты представляют собой
o
o
o
o
o
Статистически значимые факторы.
Экономически значимые факторы.
Линейные комбинации факторов.
Центрированные факторы.
Пронормированные факторы.
26. При построении дендрограммы сначала объединяются
o
o
o
o
объекты, совпадающие по всем признакам
пропорциональные объекты
наиболее близкие объекты относительно выбранного расстояния
наиболее далекие объекты
27. Аддитивно мультипликативная модель содержит компоненты в виде ...
o Отношений
o Слагаемых
o комбинации слагаемых и сомножителей
o сомножителей
28. Перечислить основные методы кластерного анализа
o К-средних
o Дивизимный
o Агломеративный
o Главных компонент
7
29. При добавлении еще одной переменной в уравнение регрессии коэффициент
детерминации:
 остается неизменным

уменьшается

не уменьшается

не увеличивается
30. Стандартизованные коэффициенты регрессии βi.
 позволяют ранжировать факторы по силе их влияния на результат
 оценивают статистическую значимость факторов
 являются коэффициентами эластичности
31. Коэффициенты при сезонных фиктивных переменных показывают это при
смене сезона:
 трендовые изменения
 численную величину изменения, происходящего
 направление изменения, происходящего
32. Оцененная зависимость почасовой оплаты труда индивида Y (измеряется в
долларах в час) от результатов выпускного теста Х (измеряется в баллах) и пола (D
- фиктивная переменная, равная 1 для мужчин и 0 для женщин) имеет вид:
y = 3 + 5x + 3,2d
Все коэффициенты являются значимыми при уровне значимости 1%. Если вместо
D1 использовать переменную D2, равную 0 для мужчин и 1 для женщин, то




зависимость примет вид:
y = 3 + 5x - 3,2d
y = -0,2 + 5x - 3,2d
y = 3 + 1,8x - 3,2d
y = 3 +5x + 3,2d
33. Оцененная зависимость почасовой оплаты труда индивида Y (измеряется в
долларах в час) от результатов выпускного теста Х (измеряется в баллах) и пола (D
- фиктивная переменная, равная 1 для мужчин и 0 для женщин) имеет вид:
y = 3 + 5x + 3,2d
8
Все коэффициенты являются значимыми при уровне значимости 1%. Если вместо
D1 использовать переменную D2, равную 0 для мужчин и 1 для женщин, то




зависимость примет вид:
y = 6,2 + 5x - 3,2d2
y = 3 + 5x + 3,2d1
y = 3 + 5x + 3,2d2
y = 3 + 1,8x - 3,2d2
34. Из пары коллинеарных факторов в эконометрическую модель включается тот
фактор, который при:
 отсутствии связи с результатом имеет наименьшую связь с другими факторами
 достаточно тесной связи с результатом имеет меньшую связь с другими факторами
 отсутствии связи с результатом имеет максимальную связь с другими факторами
35. С помощью этого проверяется надежность оценок коэффициентов
множественной регрессии:
 b-теста
 F-теста
 t-теста
36. Оцененная зависимость почасовой оплаты труда индивида Y (измеряется в
долларах в час) от результатов выпускного теста Х (измеряется в баллах) и пола (D
- фиктивная переменная, равная 1 для мужчин и 0 для женщин) имеет вид:
y = 3 + 5a + 3,2d
Все коэффициенты являются значимыми при уровне значимости 1%. При
одинаковых результатах теста почасовая оплата мужчин выше почасовой
оплаты женщин на:




8,2$
3,2$
3,2%
3$
9
37. При исследовании производительности труда на предприятии получено уравнение
регрессии у = 2.68 0,52. 0,16.г., где х1 - средний возраст работников; х2 энерговооруженность. Чему равна эластичность фактора х2



0,25
0,14
0,18
38. Для линейного уравнения множественной регрессии установите соответствие у =
a + b1x1+b2x2+ €




Параметры - 6
Результативная переменная - 1
Факторные переменные - 4
Случайная компонента – 5
39. При моделировании уравнения множественной регрессии определяют
стандартизированные коэффициенты регрессии (β коэффициенты).
Сравнивая их друг с другом, можно ранжировать факторы по силе их
воздействия на результат.
Пусть функция издержек производства у (тыс. руб.) характеризуется уравнением
вида
y = 200 + 1,2x1 + 1,1x2,
где х1 - основные производственные фонды, тыс. руб. ; х2 - численность занятых в
производстве, человек.
Уравнение регрессии в стандартизированном масштабе выглядит так:
t. = 0,5tx1 + 0,8tx2
Выберите правильные выводы.
10
 большее влияние на издержки производства оказывает стоимость основных
производственных фондов. B = 1,2; B= 1, 1
 большее влияние на издержки производства оказывает стоимость основных
производственных фондов. B = 0,5: B = 0,8
 большее влияние на издержки производства оказывает численность на производстве
людей. B = 0,5; B = 0,8
 большее влияние на издержки производства оказывает численность занятых на
производстве людей. B = 1.2: B = 1.1





40. Стандартные ошибки, вычисленные при гетероскедастичности:
соответствуют истинным значениям
завышены по сравнению с истинными значениями
занижены по сравнению с истинными значениями
не имеют математического смысла
являются случайными
41. На основании рядов данных для переменных X и Y построено уравнение
регрессии:
Если x=4, то эластичность результирующего показателя у относительно фактора
 0,27 Э = b  𝑥̅ = 0,28 
4
𝑎+𝑏𝑥̅
3+0,28∗4
42. Спецификация модели множественной линейной регрессии имеет вид:





Вариант ответа №3
Вариант ответа №1
Вариант ответа №2
Вариант ответа №4
Вариант ответа №5
43. В эконометрических моделях «остаточная дисперсия» - это дисперсия…
11

Наблюдаемых значений результативного признака
12



Расчетных результативного признака
Отклонений наблюдаемых значений результативного признака от его расчетных
значений
Значений объясняющего фактора
44. Если расчетное значение F-критерия Фишера превышает табличное, то
можно сделать вывод о...
 Статистической незначимости построенной модели
 Значимости (существенности) моделируемой зависимости
 Статистической значимости построенной модели
 Невозможности использования построенной модели для описания исследуемой
зависимости
45. Для линеаризации нелинейной регрессионной модели y=a+b*√(x)+E
используется замена...




Вариант ответа №3
Вариант ответа №1 (𝒛 𝒛 = √𝒙𝒙)
Вариант ответа №2
Вариант ответа №4



46. Экзогенные переменные - это
Зависимые переменные
Датированные предыдущими моментами времени
Независимые переменные




47. Метод наименьших квадратов может применяться в случае
Коллинеарной регрессии
Нелинейной и линейной множественной регрессии
Только парной регрессии
Только множественной регрессии



48. Эндогенные переменные
Зависимые переменные
Независимые переменные
Датированные предыдущими моментами времени




49. Если расчетное значение F-критерия Фишера меньше табличного, то можно
сделать вывод о...
Незначимости (несущественности) моделируемой зависимости
Статистической незначимости построенной модели
Целесообразности использования построенной модели для описания исследуемой
зависимости
Статистической значимости построен1н2ой модели




50. Параметр является статистически значимым (существенным), если
он положителен
вероятность того, что он равен нулю мала
Известна формула для его расчета
Вероятность того, что он не равен нулю мала





51. Стандартизированный коэффициент БетаК уравнения применяется при
проверке
При проверке важности фактора по сравнению с остальными факторами
При проверке статистической значимости k-го фактора
При проверке экономической значимости k-го фактора
При проверке на гомоскедастичность
При отборе факторов в модель
-
52. Пусть оценено уравнение регрессии: y=-220+1370x 2200d
где Y-цена двухкомнатной квартиры (ден.е.), Х- полезная площадь (м^2), d- тип дома (d=1
дома панельный, d=0 дом кирпичный). Как изменятся результаты, если положить d=1
кирпичный дом, d=0 - дом панельный?
 Цена квартиры не зависит от материала (кирпичный или панельный)
 Цена квартиры зависит от полезной площади
 Цена квартиры в кирпичном доме на 2200 ден.е. больше при прочих равных условиях
 Цена квартиры в кирпичном доме на 2200 ден.е. меньше при прочих равных условиях
 Цена квартиры в панельном доме на 2200 ден.е. больше при прочих равных условиях





53. Линия регрессии
через точку (x,y)
может пройти
всегда проходит
несколько раз проходит
никогда не проходит
может пройти или не пройти





54. Производственная функция Кобба Дугласа относится к классу
Полулогарифмических
степенных
линейных
обратных
общих




55. Качество подбора нелинейного уравнения регрессии можно охарактеризовать на
основе показателей …
коэффициента линейной корреляции
средней ошибки аппроксимации
индекса детерминации
коэффициента эластичности
13
моделей




56. Линеаризация нелинейной модели регрессии может быть достигнута:
отбрасыванием нелинейных переменных
перекрестной суперпозицией переменных
преобразованием анализируемых переменных
сглаживанием переменных





57. Если коэффициент уравнения регрессии (bk) статистически значим, то
0<bk<1
bk >1
bk не равно 0
bk <1
| bk |>1
58. Если парный коэффициент корреляции между у и х принимает значение 0.56, то
коэффициент детерминации равен (в%):
 d=r2*100%= 31,36




59. Во множественном регрессионном анализе коэффициент детерминации
определяет
регрессией:
долю дисперсии x, объясненную
долю дисперсии y, объясненную
долю дисперсии x, необъясненную
долю дисперсии y, необъясненную
60. Величина доверительного интервала позволяет установить предположение о том,
что:
 интервал содержит оценку параметра генеральной совокупности
61. По следующим данным вычислите параметр b линейного уравнения
𝟐�=136 у
��𝟐�=100, а=4,8)
х�
у=100, х�=10, у�=6 �
х�
регрессии (округлить до сотых �

2- х
�2 ) = (100-10*6)/(136-102) = 1,11
b = (�
х�
у�− х�∗ у�)/( х�




62. Имеются следующие данные: коэффициент регрессии b=0,13; стандартная
ошибка коэффициента регрессии 0,277. Определите t-критерий Стьюдента и
оцените значимость коэффициента регрессии b, если t табл=2, 31 при значимости
α=0,05
0,47 - коэффициент значим
4,7 - коэффициент незначим
0,47 - коэффициент незначим
2,13 - коэффициент значим





63. Если автокорреляция отсутствует то dw
1
-1
2
0
-2
64. При отрицательной автокорреля1ц4ии DW:





=0
< 2
> 2 (от 2 до 4)
> 1
=1





65. Фиктивная переменная – переменная, принимающая в каждом наблюдении:
ряд значений от 0 до 1
только отрицательные значения
только два значения 0 или 1
только положительные значения
случайные





66. К зоне неопределенности в тесте Дарбина-Уотсона относится случай, при
котором
(d1, d2 – нижняя и верхняя границы):
DW > d2
DW < d1
d1 < DW< d2
DW = 0
DW ≠ 0





67. Условие гомоскедастичности означает, что вероятность того, что случайный член
примет какое-либо конкретное значение
наблюдений:
зависит от времени проведения
одинакова для всех
зависит от номера
зависит от числа
от характера
68. Индекс корреляции может принимать значении
 От 0 до 1








69. Если оценки параметров уравнения регрессии, полученных при помощи
метода наименьших квадратов обладают свойствами несмещенности,
эффективности и состоятельности, то …
математическое ожидание остатков равно нулю и они характеризуются минимальной
дисперсией
происходит накапливание значений остатков при большом числе выборочных
оцениваний
возможен переход от точечного оценивания к интервальному
наблюдается уменьшение точности оценивания параметров с увеличением объема
выборки
70. Какие три типа данных существуют в эконометрике:
Пространственно-временные, регрессионные, временные
пространственные, временные, пространственно-временные (=панельные)
экзогенные, эндогенные, предопределенные
эндогенные, экзогенные
71. Гиперболической моделью не является регрессионная модель...
15




Вариант ответа №3
Вариант ответа №1
Вариант ответа №4
Вариант ответа №2




72. Какие переменные существуют в эконометрике:
экзогенные, эндогенные
предопределенные, эндогенные
экзогенные, эндогенные, предопределенные
внешние, внутренние






73. Найдите верное высказывание. При отборе факторов путем постепенного
наращивания их числа для включения нового фактора в модель достаточно,
чтобы
Абсолютное значение парного коэффициента корреляции результирующего
показателя и вновь вводимого фактора был больше некоторого порогового значения.
Новый фактор не коррелировал с ранее включенными в модель
Пункты А и Б выполнялись одновременно
Ни одно из высказываний не верно
Изменение коэффициента детерминации, вызванное добавлением фактора, было
неотрицательным
Ни одно из высказываний не верно
74. Пусть оценено уравнение регрессии: у= -0,45+305х-208d









где Y-расходы на мобильную связь (руб), Х - доход (тыс.руб), d - пол индивида (d=1
- мужчина, d=0 - женщина). Какова будет интерпретация, если положить d=1женщины, d=0 - мужчина?
расходы женщин на мобильную связь на 208 ру6. меньше, чем у мужчин при прочих
равных условиях
расходы на мобильную связь не зависят от пола
расходы на мобильную связь не зависят только от дохода
интерпретация не изменится
расходы женщин на мобильную связь на 208 руб. больше, чем у мужчин при прочих
равных условиях
75. Имеются следующие данные: коэффициент регрессии b=1,8; стандартная
ошибка коэффициента регрессии se(b)=0,17. Определите t-критерий Стьюдента и
оцените значимость коэффициента регрессии b, если tтабл=2,11 при значимости
α=0,05
10,59 - коэффициент значим
10,59 - коэффициент незначим
0,09 - коэффициент незначим
0,09 - коэффициент значим
16
76. Зависимость расходов на продукты питания от располагаемого дохода X
имеет вид:
� = 𝟐𝟐 + 𝟎𝟎. 𝟔𝟔𝟔𝟔 + 𝟎𝟎. 𝟎𝟎𝟎𝟎𝐷1𝟔𝟔
𝑌
где D1 – фиктивная переменная, равная 1 для городских и 0 для сельских жителей.
Коэффициент наклона в линейной зависимости для СЕЛЬСКИХ жителей
равен
 0,67
 0,6
 0,53
 2




77. Зависимость расходов на продукты питания от располагаемого дохода X
имеет вид:
� = 𝟐𝟐 + 𝟎𝟎. 𝟔𝟔𝟔𝟔 + 𝟎𝟎. 𝟎𝟎𝟎𝟎𝐷1𝟔𝟔
𝑌
где D1 – фиктивная переменная, равная 1 для городских и 0 для сельских жителей.
Коэффициент наклона в линейной зависимости для ГОРОДСКИХ жителей равен
0,67
0,6
0,53
2




78. Зависимость расходов на продукты питания от располагаемого дохода X
имеет вид:
�
𝑌 = 𝟐𝟐 + 𝟎𝟎. 𝟔𝟔𝟔𝟔 + 𝟎𝟎. 𝟎𝟎𝟎𝟎𝐷1𝟔𝟔
где D1 – фиктивная переменная, равная 1 для городских и 0 для сельских жителей.
Если вместо D1 использовать переменную D2, равную 0 для городских и 1 для сельских
жителей, то зависимость примет вид:
�
𝑌 = 2 + 0.67X − 0.07𝐷2X
𝑌�= 2 + 0.67X + 0.07𝐷2X
𝑌�= 2 + 0.6X − 0.07𝐷2X
𝑌�= 2.07 + 0.6X − 0.07𝐷2X
79. В каких пределах изменяется множественный коэффициент корреляции
 От 0 до 1





80. Чем больше число наблюдений, тем
критерия Дарбина-Уотсона:
левее расположена
уже
шире
правее расположена
неизменна
зона неопределенности для
81. Верные утверждения о включении в уравнение линейной множественной
регрессии факторов
 Включение фактора в модель приводит к заметному возрастанию коэффициента
множественной детерминации
17
 Коэффициент парной корреляции для фактора и результативной переменной меньше
0,3
 Значение t-критерия Стьюдента для коэффициента регрессии при факторе меньше
табличного значения
 Фактор должен объяснять поведение изучаемого показателя согласно принятым
положениям экономической теории
82. Одна из предпосылок мнк для получения несмещенных, состоятельных,
эффективных оценок:
 отсутствие автокорреляции остатков
 отсутствие гетероскедастичности
 наличие гетероскедастичности
83. Укажите способы преодоления мультиколлинеарности во множественной
регрессии:
 исключение из модели одного или нескольких факторов;
 изменение линейной модели на степенную;
 переход от исходных переменных к их логарифмам;
 включение в линейное уравнение слагаемых вида xi*xj.

84. Стандартизированные коэффициенты регрессии
позволяют ранжировать факторы по силе их влияния на результат
85. Из предложенных эконометрических моделей моделью множественной
линейной регрессии является
 𝑦 = 𝑎 ∗ 𝑥̅𝑏1 ∗ 𝑥̅𝑏2 ∗ 𝜀𝜀


1
2
𝑦 = 𝑎 + 𝑏1 ∗ 𝑥̅1 + 𝜀𝜀
𝑦 = 𝑎 + 𝑏1 ∗ 𝑥̅1 + 𝑏2 ∗ 𝑥̅2 + 𝜀
𝜀 ...
86. Эконометрическая модель – это модель:
 гипотетического экономического объекта
 конкретно-существующего экономического объекта построенная на гипотетических
данных
 конкретно-существующего экономического объекта, построенная на статистических
данных
87. Эндогенные переменные – это
 датированные предыдущими моментами времени
 независимые переменные
 зависимые переменные




88. Какое определение соответствует понятию «эконометрика»:
это наука, предметом изучения которой является количественное выражение
взаимосвязей экономических явлений и процессов
это наука, предметом изучения которой является количественная сторона массовых
социально-экономических явлений и процессов в конкретных условиях места и
времени
это наука, предметом изучения которой являются общие закономерности случайных
явлений и методы количественной оценки влияния случайных факторов
это наука, предметом изучения которой являются модели экономических объектов и
процессов и методы их исследования18
89. Какова цель эконометрики:
разработать
способы
моделирования
и
анализа реальных экономических объектов
 представить экономические данные в наглядном виде
 определить
способы
сбора
и
группировки
данных
 изложить в математической формулировке экономические законы

количественного
статистических




90. Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1)
модель цены от объема поставки; 2) модель спроса и предложения; 3) модель тренда
и сезонности; 4) модель зависимости объема производства от производственных
факторов:
1, 4
2, 4
2, 3
все




91. Набор сведений о разных объектах, взятых за один период времени,
называется:
пространственными данными
временными данными
панельными данными
статистическими данными
92. Выберите аналог понятия «независимая переменная»:
 фактор
 экзогенная переменная
 регрессор
 эндогенная переменная
 результат
93. Рассмотрите модель зависимости общей величины расходов на питание от
располагаемого личного дохода (х) и цены продуктов питания (р):
у=а0+а1х+а2р+𝜀𝜀
Определите класс модели и вид переменных модели:
 регрессионная модель с одним уравнением; эндогенная переменная - расходы на
питание, экзогенные переменные — располагаемый личный доход и цена продуктов
питания
 регрессионная модель с одним уравнением; эндогенная переменная — расходы на
питание, экзогенная переменная — располагаемый личный доход, предопределенная
переменная — цена продуктов питания
 модель временного ряда; эндогенная переменная — расходы на питание, лаговые
переменные — располагаемый личный доход и цена продуктов питания
 модель временного ряда; эндогенная переменная — расходы на питание, экзогенные
переменные — располагаемый личный доход и цена продуктов питания.
94. Найдите
правильную
последовательность
этапов
эконометрического
моделирования:
 постановочный, априорный, параметризации, информационный, идентификации,
верификации
19


постановочный, априорный, информационный, параметризации, идентификации,
верификации
информационный, постановочный, априорный, параметризации, верификации,
идентификации
95. Верификация модели — это:
проверка истинности, адекватности модели
определение вида экономической модели, выражение в математической форме взаимосвязи
между ее переменными
 определение исходных предпосылок и ограничений модели
 анализ изучаемого экономического явления


96. Какая задача эконометрики является задачей параметризации модели:
выбор вида функции, спецификация модели, формулировка исходных предпосылок и
ограничений модели
 составление прогноза и рекомендаций для конкретных экономических явлений по
результатам эконометрического моделирования
 оценка параметров построения модели
 построение
эконометрических
моделей
для
эмпирическое
анализа





97. Спецификация модели — это:
выражение в математической форме выявленных связей и соотношений, установление
состава эндогенных и экзогенных переменных
определение
цели
исследования
и
выбор
экономических
переменных модели
проведение статистического анализа модели, оценка качества ее параметров
сбор необходимой статистической информации
98. На основании рядов данных для переменных X и Y построено уравнение регрессии:
yˆ  a1  a2 x  5  1,25x
Какое из следующих высказываний является верным:
 все высказывания неверны
 оценка коэффициента a2 =1,25 означает, что если значение переменной Х увеличится в
среднем на 1,25, то значение переменной Y при прочих равных условиях увеличится на
1 единицу
 оценка коэффициента a2 =1,25 означает, что если значение переменной Y увеличится на
1 единицу, то значение переменной X при прочих равных условиях увеличится в
среднем на 1,25
 если при прочих равных условиях значение переменной Х удвоится, то значение
переменной Y возрастет в среднем на 25%
99. Найдите верное высказывание. Эластичность показывает:
20
 на сколько % изменится результирующий показатель y при изменении фактора xk на 1
%
 на сколько единиц изменится фактор xk при изменении результирующего показателя y
на 1 единицу
 на сколько единиц изменится результирующий показатель y при изменении фактора xk
на 1 единицу
 на сколько % изменится фактор xk при изменении результирующего показателя y на 1
%
 все высказывания неверны
100. Какое из уравнений регрессии является степенным:
 𝑦 = 𝑒𝑎0 𝑥̅𝑎1 ∗
2
 y   0  1 x 1  ...   .
1х1 2х2
 y   0    .
y   0  1 x 12   .

 ни одно из уравнений не является степенным
101. Какое предположение о матрице факторов Х не является предпосылкой
классической линейной регрессионной модели
 матрица факторов Х содержит все важнейшие факторы, определяющие изменения
зависимой переменной
 матрица факторов Х – невырожденная (независимые переменные не коррелируют
друг с другом
 длина исходного ряда данных больше, чем количество факторов (достаточное
число степеней свободы)
 независимые переменные экзогенны
 все предположения являются предпосылками классической регрессионной модели.
102. Какое предположение о результирующем показателе является предпосылкой
классической регрессионной модели:
 результирующий показатель является количественным, причем на него не
накладываются особые ограничения
 результирующий показатель измеряется в порядковой шкале
 результирующий показатель измеряется в номинальной шкале
 результирующий показатель измеряется в дихотомической (бинарной) шкале
 ни одно из предположений не является предпосылкой классической регрессионной
модели
103. Какое предположение о векторе случайной составляющей не является
предпосылкой классической регрессионной модели:
 все предположения являются предпосылками классической модели
 случайная составляющая имеет нулевое математическое ожидание
 случайная
составляющая
имеет
постоянную
дисперсию
(свойство
гомоскедастичности)
 отсутствует автокорреляция случайной составляющей
 случайная составляющая обладает нормальным распределением
21
104. Критерий Стьюдента предназначен для
 определения статистической значимости каждого из коэффициентов уравнения
регрессии
 определения экономической значимости каждого из коэффициентов уравнения
регрессии
 определения статистической значимости модели в целом на основе совокупной
достоверности всех ее коэффициентов
 определения экономической значимости регрессионной модели в целом
 ни одно из высказываний не верно
105. Критерий Стьюдента используется в эконометрическом моделировании
 И для определения статистической значимости каждого из коэффициентов
уравнения регрессии и для расчетов доверительных интервалов коэффициентов
уравнения регрессии и прогнозного интервала зависимой величины
 Только для определения статистической значимости каждого из коэффициентов
уравнения регрессии
 Только для определения экономической значимости каждого из коэффициентов
уравнения регрессии
 Только для расчетов доверительных интервалов коэффициентов уравнения
регрессии и прогнозного интервала зависимой величины
 Ни одно из высказываний не верно
106. Если коэффициент уравнения регрессии (ak ) статистически значим, то
 k 0
 k>1
 |k|>1
 k> 0
 Ни один из ответов не верен
107. Табличное значение критерия Стьюдента зависит
 Только от уровня доверительной вероятности и длины исходного ряда
 И от уровня доверительной вероятности, и от числа факторов, включенных в модель
и от длины исходного ряда
 Только от уровня доверительной вероятности
 Только от числа факторов, включенных в модель
 Только от длины исходного ряда
108. Критерий Фишера показывает
 Статистическую значимость модели в целом на основе совокупной достоверности
всех ее коэффициентов
 Долю изменчивости зависимой переменной, объясненную влиянием факторов,
включенных в модель
 Тесноту связи между фактическими и расчетными значениями результирующего
показателя
 Экономическую значимость модели в целом
 Ни одно из утверждений не верно
22
109. Табличное значение критерия Фишера зависит
 И от уровня доверительной вероятности, и от числа факторов, включенных в модель
и от длины исходного ряда
 Только от уровня доверительной вероятности
 Только от числа факторов, включенных в модель
 Только от длины исходного ряда
 Только от уровня доверительной вероятности и числа факторов, включенных в
модель
110. Модель в целом статистически значима, если
 Fф> Fкр
 Fф< Fкр
 ç Fфç< Fкр
 Fф = Fкр
 Ни один из ответов не верен.
111. Критерий Дарбина-Уотсона применяется для
 Ни одно из высказываний не верно
 Определения экономической значимости модели в целом
 Определения статистической значимости модели в целом
 Сравнения двух альтернативных вариантов модели
 Отбора факторов в модель
112. Коэффициент детерминации показывает
 Долю изменчивости зависимой переменной, объясненную влиянием факторов,
включенных в модель
 Тесноту связи между фактическими и расчетными значениями результирующего
показателя в базисном периоде
 Статистическую значимость модели в целом на основе определения совокупной
достоверности всех ее коэффициентов
 Экономическую значимость модели в целом
 Ни одно из высказываний не верно
113. Зависимость между коэффициентами множественной детерминации (D) и
корреляции (R) описывается следующей формулой:
 R=D
 R2 = 1–D2
 D2=1–R2
 D=R
 Ни одной из формул
114. Рассчитанный по выборке коэффициент корреляции оказался равным «–1». Это
означает, что
 между изучаемыми переменными есть функциональная линейная отрицательная
связь
 между изучаемыми переменными есть слабая отрицательная линейная связь
 между изучаемыми переменными е2с3ть связь, но она не является линейной
 между изучаемыми переменными отсутствует связь
 полученное число никак не интерпретируется
115. Коэффициент регрессии в линейной регрессии совокупного спроса на
мобильные телефоны (в тысячах рублей) по цене (в рублях) оказался равным
«–1». Это означает, что
 увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу
рублей
 увеличение цены на 1% снижает спрос на мобильные телефоны на 1%
 увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
 увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу
рублей
 полученное число никак не интерпретируется
116. Уравнение Y=a+bk+(1-b)l+u
где Y - темп прироста выпуска, k - темп прироста затрат капитала и l - темп прироста
затрат труда, может быть оценено как модель линейной регрессии:
 непосредственно, с помощью обычного МНК, как зависимость Y от k и l со
свободным членом
 непосредственно, с помощью обычного МНК, как зависимость Y от k и l без
свободного члена
 как линейную зависимость (Y-k) от (l-k) со свободным членом
 как линейную зависимость (Y-k) от (l-k) без свободного члена
 невозможно оценить данную зависимость с помощью обычного МНК; требуется
нелинейный МНК
117. В модели множественной линейной регрессии высокая корреляция между
двумя объясняющими переменными приводит к:
 невозможности определения изолированного влияния регрессоров на зависимую
переменную и однозначной их интерпретации
 несостоятельности оценок коэффициентов, полученных по методу наименьших
квадратов
 неэффективности оценок коэффициентов, полученных по методу наименьших
квадратов
 значительной дисперсии оценок коэффициентов, полученных по методу
наименьших квадратов
 равенству нулю оценок коэффициентов, полученных по методу наименьших
квадратов
118. В правой части структурной формы взаимозависимой системы могут стоять
 Любые экзогенные и эндогенные переменные
 Только экзогенные лаговые переменные
 Только экзогенные переменные (как лаговые, так и нелаговые)
 Только эндогенные лаговые переменные
 Только эндогенные переменные (как лаговые, так и нелаговые)
119. В правой части приведенной фо2р4мы взаимозависимой системы могут стоять





Эндогенные лаговые и экзогенные переменные (как лаговые, так и нелаговые)
Только экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
Только эндогенные переменные (как лаговые, так и нелаговые)
Любые экзогенные и эндогенные переменные
120. Для оценки структурных коэффициентов целесообразно использовать
 Двухшаговый метод наименьших квадратов
 Косвенный метод наименьших квадратов
 Обычный метод наименьших квадратов
 Обобщенный метод наименьших квадратов
 Нецелесообразно использовать ни один из перечисленных методов
121. Коэффициент наклона линии регрессии
 может принимать любое значение
 всегда находится от –1 до 1
 никогда не бывает отрицательным
 равен коэффициенту корреляции
 не может быть равен нулю
122. Коэффициент уравнения регрессии показывает
 На сколько ед. изменится результат при изменении фактора на 1 ед.
 На сколько % изменится результат при изменении фактора на 1 %
 На сколько % изменится фактор при изменении результата на 1 %
 На сколько ед. изменится фактор при изменении результата на 1 ед.
 Во сколько раз изменится результат при изменении фактора на 1 ед.
123. Коэффициент эластичности показывает
 На сколько % изменится результат при изменении фактора на 1 %
 На сколько ед. изменится фактор при изменении результата на 1 ед.
 На сколько ед. изменится результат при изменении фактора на 1 ед.
 Во сколько раз изменится результат при изменении фактора на 1 ед.
 На сколько % изменится фактор при изменении результата на 1 %
124. Какое из уравнений регрессии является показательным?
 𝑦 = 𝑎 𝑎 𝑎 ∗
y   0  1 x 2
1  ...   .


y  e0 x11 .



y   0  1 / x21  ...   .


y   0  1 x 2
1   .

125. Найдите предположение, являющееся предпосылкой классической модели.
 Результирующий показатель является количественным
 Результирующий показатель измеряется в порядковой шкале
 Результирующий показатель измеряется в номинальной шкале
 Результирующий показатель измеряется в дихотомической шкале
 Результирующий показатель может быть и количественным и качественным
126. Табличное значение критерия Стьюдента не зависит
25





от значений коэффициентов регрессии
от уровня доверительной вероятности
от числа факторов в модели
от длины исходного ряда
все ответы верны
127. В правой части структурной формы взаимозависимой системы не могут стоять
 Все ответы не верны
 Экзогенные лаговые переменные
 Экзогенные переменные (как лаговые, так и нелаговые)
 Эндогенные лаговые переменные
 Эндогенные переменные
Все ответы верны
128. В правой части приведенной формы системы одновременных уравнений не могут
стоять
 Эндогенные переменные
 Экзогенные лаговые переменные
 Экзогенные переменные (как лаговые, так и нелаговые)
 Эндогенные лаговые переменные
 Все ответы верны
 Все ответы не верны
129. В каких пределах изменяется множественный коэффициент корреляции
 от 0 до 1
 от –1 до 0
 от –1 до 1
 от 0 до 10
130. Для вычисления прогноза значения эндогенной переменной в рамках модели
множественной регрессии нужно знать
 значения экзогенных переменных
 значение случайного возмущения, u
 значение эндогенной переменной Y
 значения экзогенных и эндогенной переменных
131. Коэффициент корреляции, равный нулю, означает, что между переменными
 линейная связь отсутствует
 существует линейная связь
 ситуация не определена
 не существует связи
132. В регрессионном анализе xj рассматриваются как
 неслучайные величины
 случайные величины
 любые величины
 дробные величины
133. Коэффициент регрессии изменяется в пределах от
26




принимает любое значение
–1 до 1
0 до 1
принимает только целые значения
134. В каких пределах изменяется коэффициент детерминации
 от 0 до 1
 от –1 до 0
 от –1 до 1
 от 0 до 10
135. В хорошо подобранной модели остатки должны (выберите необходимые
пункты)
 иметь нормальный закон распределения с нулевым математическим ожиданием и
постоянной дисперсией
 не коррелировать друг с другом
 иметь экспоненциальный закон распределения
 хаотично разбросаны
 форма и вид распределения не важен
136. Неправильный
выбор
переменных называется
 ошибками спецификации
 ошибками прогноза
 гетероскедастичностью
 автокорреляцией
функциональной
формы
или
объясняющих
137. Коэффициент детерминации это
 квадрат коэффициента корреляции
 квадрат частного коэффициента корреляции
 квадрат коэффициента регрессии
 квадрат коэффициента эластичности
138. Величина, рассчитанная по формуле
r
xy  x * y



парного коэффициента корреляции
коэффициента детерминации
частного коэффициента корреляции

множественного коэффициента корреляции
 x y
(или �х�у�− х�∗у�) является оценкой
𝒔𝒔х𝒔𝒔у
139. Выборочный коэффициент корреляции r по абсолютной величине
 не превосходит единицы
 не превосходит нуля
 принимает любые значения
 не превосходит 10
140. Как интерпретируется в парной линейной модели коэффициент регрессии b
 тангенс угла наклона регрессии
 коэффициент эластичности
27

значение результативного признака при нулевом значении фактора
28

доля изменчивости зависимой переменной
141. Как интерпретируется в парной линейной модели коэффициент регрессии а?
 значение результативного признака при нулевом значении фактора
 коэффициент эластичности
 тангенс угла наклона регрессии
 доля изменчивости зависимой переменной
142. Применим ли
метод наименьших квадратов для расчёта
нелинейных моделей?
 к определенному классу моделей
 применим после специального приведения к линейному виду
 нет
 да
параметров
143. Применим ли
метод наименьших квадратов для расчёта
параметров
показательной зависимости?
 применим после её приведения к линейному виду путём логарифмирования
 нет
 да
 в зависимости от исходных данных
144. Применим ли
метод наименьших квадратов для расчёта
параметров
степенной зависимости?
 применим после её приведения к линейному виду путём логарифмирования
 нет
 да
 в зависимости от исходных данных
145. Что показывает коэффициент регрессии степенной модели?
 на сколько процентов изменится y, если x изменился на один процент
 на сколько единиц изменится y, если x изменился на единицу
 относительную величину изменения y при изменении x на единицу
 абсолютную величину изменения y при изменении x на единицу




146. Какую модель следует выбрать, если есть основания считать, что в изучаемом
периоде коэффициент абсолютного прироста не изменяется? (ответ линейную)
линейную
показательную
степенную
экспоненциальную




147. Какую модель следует выбрать, если есть основания считать, что в
изучаемом периоде коэффициент эластичности не изменяется?
степенную
линейную
показательную
экспоненциальную
148. Какую модель следует выбрать, если есть основания считать, что в
изучаемом периоде цепные коэфф
2 8ициенты роста не изменяются?




экспоненциальную
линейную
показательную
степенную




149. Если коэффициент корреляции положителен, то в парной линейной модели
с ростом х увеличивается у
с ростом х уменьшается у
с уменьшением х растёт у
x и y независимы




150. Если коэффициент корреляции отрицателен, то в парной линейной модели
с ростом х уменьшается у
с ростом х увеличивается у
с уменьшением х уменьшается у
x и y независимы




151. С помощью какого критерия оценивается значимость множественных
коэффициентов регрессии?
t-Стьюдента
хи-квадрат
d-критерия
F – критерия
152. В формуле
F 
R2
n  m 1
*
2
1 R
m
число m это




число независимых переменных модели
количество оцениваемых коэффициентов в функции регрессии
количество предопределённых переменных в функции регрессии
количество наблюдений





153. Критерий Фишера используется для
проверки гипотезы о значимости уравнения регрессии в целом
проверки гипотезы о значимости коэффициентов регрессии
проверки автокоррелированности остатков
проверки на однородность выборок
проверки на гетероскедастичность





154. Рассчитанный по выборке коэффициент корреляции оказался равным 1. Это
означает, что
между изучаемыми переменными есть функциональная линейная прямая связь
между изучаемыми переменными есть слабая отрицательная линейная связь
между изучаемыми переменными есть связь, но она не является линейной
между изучаемыми переменными отсутствует связь
полученное число никак не интерпретируется

Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах
рублей) по цене (в тыс. рублях) оказался равным «–2». Это означает, что (ответ
рублей)
29
увеличение цены на 1 тысячу рублей снижает спрос на стулья на две тысячи
рублей)
29





увеличение цены на 1 тысячу рублей снижает спрос на стулья на две тысячи рублей
увеличение цены на 1% снижает спрос на стулья на 2%
увеличение цены на 1 рубль снижает спрос на стулья на 2%
увеличение цены на 1% снижает спрос на стулья на две тысячи рублей
полученное число никак не интерпретируется
155. По аналитическому выражению различают связи:
 линейные
 криволинейные
 обратные
 парные
156. Регрессионный анализ заключается в определении:
 аналитической формы связи, в которой изменение результативного признака обусловлено
влиянием одного или нескольких факторных признаков, а множество всех прочих
факторов, также оказывающих влияние на результативный признак, принимается за
постоянные и средние значения
 тесноты связи между двумя признаками (при парной связи) и между результативным и
множеством факторных признаков (при многофакторной связи)
 статистической меры взаимодействия двух случайных переменных
 степени статистической связи между порядковыми переменными


157. Под частной корреляцией понимается:
зависимость между результативным и одним факторным признаками при фиксированном
значении других факторных признаков
зависимость результативного признака и двух и более факторных признаков, включенных
в исследование
связь между двумя признаками (результативным и факторным или двумя факторными)
зависимость между качественными признаками




158. Какое значение не может принимать парный коэффициент корреляции:
1,111
-0,973
0,005
0,721




159. При каком значении линейного коэффициента корреляции связь между
признаками Y и X можно считать тесной (сильной):
-0,975
0,657
-0,111
0,421






160. Если парный коэффициент корреляции между признаками и X равен«-1», то это
означает:
наличие обратной функциональной связи
отсутствие связи
наличие обратной корреляционной связи
наличие прямой функциональной связи
30




161. Если парный коэффициент корреляции между признаками Y и X принимает
значение 0,675, то коэффициент детерминации равен: (возводим в квадрат)
45,6
82,2
-67,5
57,6
162. Согласно методу наименьших квадратов минимизируется следующее
выражение:
2
 ∑𝑛𝑖=1𝑛 (𝑦𝑖 − 𝑦�
𝚤 𝚤 ) - это верное
n

( yi  ŷ )
i
i1
n

 y  ŷ
i
i
i 1
n

( yi  y )2
i
i1
163. Оценки параметров регрессии (свойства оценок МНК) должны быть:
 несмещенными
 состоятельными
 эффективными
 гетероскедатичными




164. В уравнении линейной парной регрессии параметр b, означает:
на какую величину в среднем изменится результативный признак у, если переменную х
увеличить на единицу измерения
усредненное влияние на результативный признак неучтенных (не выделенных для
исследования) факторов;
среднее изменение результативного признака при изменении факторного признака на 1%
какая доля вариации результативного признака у учтена в модели и обусловлена влиянием
на нее переменной х
165. Значение параметра b в уравнении линейной парной регрессии определяется по
формуле:








∑(х−х�)(𝑦−𝑦�)
�(𝑥̅−𝑥̅)2 ∑(𝑦−𝑦�)2
𝑎0 ∗ 𝑥̅𝑎1
166. Уравнение регрессии имеет вид 𝐲� = 2,02 + 0,78х. На сколько единиц
своего измерения в среднем изменится 𝐲�при увеличении х на одну единицу своего
измерения:
увеличится на 0,78
увеличится на 2,02
увеличится на 2,80
не изменится
167. Какой критерий используют для оценки
значимости уравнения регрессии:
31




F- критерий Фишера
t-критерий Стьюдента
критерий Пирсона
d-критерий Дарбина—Уотсона




168. Какой коэффициент определяет среднее изменение результативного признака при
изменении факторного признака на 1%:
коэффициент эластичности
коэффициент регрессии
коэффициент детерминации
коэффициент корреляции
169. Уравнение1 степенной функции имеет вид:
 𝑦
�= 𝑎 ∗ 𝑥̅𝑎
𝑥̅



0
=𝑎 +𝑎
= а0 + а1х + а2х2
а0 *𝑎𝑥̅
170. Уравнение гиперболы имеет вид:
 y�= a + a
1



= 𝑎 ∗ 𝑥̅𝑎
= а0 + а1х + а2х2
а0 *𝑎𝑥̅
171. Индекс корреляции определяется по формуле:

−

1 − 𝗌
�
𝑆2
2
𝑆𝑦

2
𝑟𝑦𝑥̅
�
𝑛−2

�
𝑆2
2

1−𝑟 𝑦𝑥̅

𝗌
2
∑𝑛
𝑖=1 (𝑥̅𝑖−𝑥̅)
172. В каких пределах изменяется множественный коэффициент корреляции:








173. В каких пределах изменяется множественный коэффициент детерминации?
2
0 <𝑅𝑦𝑥̅
<1
1𝑥̅2
2
1 <𝑅𝑦𝑥̅1𝑥̅2 <∞
2
-1<𝑅𝑦𝑥̅
<1
1𝑥̅2
2
- ∞<𝑅𝑦𝑥̅1𝑥̅2 <1

174. Частный коэффициент корреляции оценивает:
тесноту связи между двумя переменными при фиксированном значении остальных
32



факторов
тесноту связи между двумя переменными
тесноту связи между тремя переменными
тесноту связи между зависимой переменной и всеми факторами, включенными в модель




175. Какой коэффициент указывает в среднем процент изменения результативного
показателя Y при увеличении аргумента х на 1%:
коэффициент эластичности
коэффициент детерминации
коэффициент регрессии
бета-коэффициент




176. Множественный линейный коэффициент корреляции 𝐑𝐑𝐲𝐲,𝐱𝐱1,𝐱𝐱𝟐𝟐 равен 0,75. Какой
процент вариации зависимой переменной Y учтен в модели и обусловлен влиянием
факторов х1 и х2.
56,25
75,05
37,56
0,75




177. Какое значение может принимать множественный коэффициент корреляции:
0,861
1,501
-0,453
-1,72
178. Уравнение множественной регрессии имеет вид:
+
у�= -27,16 + 1,37х1, -0,29х2. Параметр b1 = 1,37 означает следующее:
 при увеличении х1, на одну единицу своего измерения и при фиксированном значении
фактора х2, переменная Y увеличится на 1,37 единиц своего измерения
 при увеличении х1, на одну единицу своего измерения переменная Y увеличится на 1,37
единиц своего измерения
 при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора
х2, переменная Y увеличится на одну единицу своего измерения
 при увеличении х1 на 1,37 единиц своего измерения переменная Y увеличится на одну
единицу своего измерения




179. Системами эконометрических уравнений являются:
системы одновременных уравнений
системы рекурсивных уравнений
системы независимых уравнений
системы нормальных уравнений
180. Система
одновременных
уравнений
отличается
от других
видов
эконометрических систем тем, что в ней:
 одниитежеэндогенныепеременные системыводнихуравненияхнаходятся в левой части, а в других
уравнениях — в правой части
 эндогенная переменная одного уравнения находится в другом уравнении системы в качестве
фактора
 каждая эндогенная переменная является33
функцией одной и той же совокупности экзогенных
переменных
181. МНК позволяет получить состоятельные и несмещенные оценки параметров
системы:
 рекурсивных уравнений
 независимых уравнений
 одновременных уравнений




182. Экзогенные переменные модели характеризуются тем, что они:
являются независимыми и определяются вне системы
датируются предыдущими моментами времени
являются зависимыми и определяются внутри системы
являются лаговыми переменными




183. Выберите аналог понятия «эндогенная переменная»:
результат
зависимая переменная, определяемая внутри системы
фактор
предопределенная переменная




184. Если структурные коэффициенты модели выражены через приведенные
коэффициенты и имеют более одного числового значения, то такая модель:
сверхидентифицируемая
неидентифицируемая
идентифицируемая
рекурсивная




185. Количество структурных и приведенных коэффициентов одинаково в модели:
идентифицируемой
сверхидентифицируемой
неидентифицируемой
рекурсивной
186. Найдите правильную последовательность шагов алгоритма применения
двухшагового МНК:
1) Преобразование структурной формы модели в приведенную
2) Процесс оценки параметров приведенной формы с помощью МНК
3) Получение по соответствующим приведенным уравнениям теоретических значений
эндогенных переменных правой части сверхидентифицируемого уравнения модели
4) Процесс оценки параметров сверхидентифицируемого уравнения модели через
теоретические значения эндогенных и фактические значения предопределенных
переменных
187. Аддитивная модель ряда динамики представляет собой:
 𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝜀𝑡 - верный
 𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 ∗ 𝜀𝜀𝑡
 𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝜀𝑡
 𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 + 𝜀𝜀𝑡
188. Мультипликативная модель ряда динамики представляет собой:
 𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 ∗ 𝜀𝜀𝑡 - верный
34



𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝜀𝑡
189. Укажите правильную функцию логарифмического тренда:
 𝑦�𝑡 = 𝑎0 + 𝑎1 ∗ ln 𝑡𝑖- скорее всего верно

 𝑦�𝑡 = 𝑎0 + 𝑎1𝑡1 + 𝑎2𝑡2
 = 𝑙𝑎0+𝑎1𝑡+1
190. Укажите правильную функцию гиперболического тренда:
1
= 𝑎 + 𝑎 ∗ - скорее всего верно


 𝑦�𝑡 = 𝑎0 + 𝑎1𝑡1 + 𝑎2𝑡2

= 𝑙𝑎0+𝑎1𝑡+1
191. В формуле t 
b число b это
se(b)

случайный член



коэффициент регрессии
независимая переменная
зависимая переменная
192. Дана следующая макроэкономическая модель:
Y = C + I + G - макроэкономическое тождество
C = α +βY + U1- функция потребления
I =γ – µ∙R + δY + U2- функция инвестиций
M = ηY – λR + U3- уравнение денежного рынка
где эндогенными переменными являются доход Y, потребление C, инвестиции I и
процентная ставка R. Переменные G (государственные расходы) и (M) (реальная денежная
масса) – экзогенные. Выберите верное утверждение из следующих.
 функция инвестиций неидентифицируема
 функция потребления неидентифицируема
 функция инвестиций однозначно идентифицируема
 функция потребления однозначно идентифицируема
 функция инвестиций сверхидентифицируема
193. Значимость линейного коэффициента корреляции проверяется с помощью
 F – критерия
 нормального закона распределения
 t-критерия Стьюдента
 Критерия Дарбина-Уотсона
194. Имеются следующие данные: коэффициент регрессии b = 1,341: стандартная
ошибка коэффициента регрессии se(b) = 0,277. Определите t-критерий
Стьюдента и оцените значимость коэффициента регрессии b, если tта6л =2,11 при
35
уровне значимости 𝛂𝛂 = 0,05.




0,207, коэффициент незначим
4,841, коэффициент значим (b/se(b) и сравнить с табличным)
4,841, коэффициент незначим
0,372, коэффициент значим
195. Как в степенной модели интерпретируется коэффициент регрессии b?
 тангенс угла наклона регрессии
 значение результативного признака при нулевом значении фактора
 коэффициент эластичности
 доля изменчивости зависимой переменной
196. Квадрат какого коэффициента в парной регрессии указывает долю
дисперсии одной случайной величины, обусловленную вариацией другой
 коэффициент детерминации
 частный коэффициент корреляции
 парный коэффициент корреляции
 множественный коэффициент корреляции
197. Найдите приведенную форму, соответствующую структурной форме модели
C t  a1  a2Yt  t ;
Yt  I t  Ct .
C t  a1  a2Yt  t ;
Y 
a1
t
1  a2
Ct 
a1



1  a2
Yt 
a1
1  a2
1
t
1  a2
1
.
1  a2
t
1  a2
t
Yt  I t  C t .
a2
I t 
;
C t 
1
t
I .
I 
1
;
1  a2
t
1  a2
t
a1


1  a2
1  a2
t
1  a2
1
a2

I 
1  a2


a1
C 
t
Y 
a1
1  a2
a2
It;
1  a2


1
t
I .
1  a2
198. На основании рядов данных для переменных X и Y построено уравнение
регрессии: yˆ  a1  a2 x  5  1,25x . Если х=2, то эластичность результирующего
показателя y относительно фактора х :
 0,33 b* (хсреднее/a+b*хсред)= 1,25* (2/(5+1,25*2)
 1,25



2
7,5
4,6875
36
199. По 39 точкам оценена следующая формула производственной функции, в которой
отдельно рассмотрены две составляющие затрат основного капитала: K1 - здания и
сооружения, и K2 - машины и оборудование; а также две составляющие затрат
труда: L1 - затраты квалифицированного труда, и L2 - затраты
неквалифицированного труда; Y – выпуск:
ln(Y)=-4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) + 0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38); R2 =0,92; DW=1,74
(в скобках приведены стандартные ошибки коэффициентов).
Какой из выводов и дальнейших шагов представляется Вам верным?
 Имеет место мультиколлинеарность, поэтому нужно объединить факторы K1и K2
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1и L2

 Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым
 Отклонения ei автокоррелированы, нужно изменить формулу зависимости
 Формула зависимости приемлема по всем приведенным параметрам, и изменения
не нужны
200. По данным с 1990 по 1998 гг. построено уравнение регрессии
Значения фактора xt можно спрогнозировать по трендовой модели xt=1+0,2t. Рассчитайте
точечный прогноз результирующего показателя yt в 2000 г.
 106 100+2*(1+0,2*(2000-1990))
 106,4
 102,8
 102,44
201. Пусть Y — товарооборот магазина, млн. руб., Х1 — торговая площадь, тыс. кв.
м, Х2 — среднее количество посетителей в день, тыс. чел.

y   0 , 832  4 , 743 x1  0 , 175 x2 . Каков будет товарооборот магазина, если он





находится в относительно оживленном месте с количеством посетителей 20000 и
имеет торговую площадь 1000 кв. м?
8242,168 млн. руб.
8,243 млн. руб.
3,911 млн. руб.
7,411 млн. руб. -0,832+4,743*1+0,175*20
все ответы неверны
202. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь,
тыс.кв.м, Х2 — среднее количество посетителей в день, тыс. чел.

y   0 , 832  4 , 743 x1  0 , 175 x2 . Каков будет товарооборот магазина, если он





находится в относительно оживленном месте с количеством посетителей 20000 и
имеет торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
6,411 млн.руб.
3,911 млн.руб.
все ответы неверны
37
203. Чему равен коэффициент эластичности,
если уравнение регрессии имеет вид 𝐲�




= 2,02 + 0,78x, х�= 5,0; у�= 6,0:
0,66 = (0,78*5/6)
0,94
1,68
2,42
204. Выбор формы зависимости экономических показателей и определение
количества факторов в модели называется
эконометрической
модели.
 идентификацией
 апробацией
 спецификацией
 линеаризацией
205. При построении эконометрических моделей множественная регрессия
используется в случае, если число
в модели больше или равно двум.
 случайных факторов
 зависимых и независимых переменных
 независимых переменных
 зависимых переменных
206. Линейные эконометрические модели описывают линейные взаимосвязи
между …
 зависимой переменной и случайными факторами
 независимыми переменными и случайными факторами
 зависимой и независимыми переменными
 независимой и зависимыми переменными
207. Спецификация модели множественной линейной регрессии в
матричной форме имеет вид
1.
4.
...
3.
2.
38
208. Для линейного уравнения множественной регрессии проблема
спецификации модели связана ...
 анализом качества уравнения регрессии
 переходом к стандартизации переменных
 с отбором факторов, включаемых в модель
 расчетом оценок параметров регрессии
209. Неправильный выбор вида эконометрической модели называют ошибкой…
 измерения переменных
 агрегирования переменных
 спецификации модели
 параметризации модели
210. Включение случайных возмущений в уравнения эконометрической модели
является одним из принципов
 верификации
 линеаризации
 спецификации
 идентификации
211. Отбрасывание значимой переменной в уравнении множественной регрессии
является ошибкой ...
 верификации
 идентификации
 спецификации
 параметризации
212. Регрессионная модель с одним факторным признаком называется ...
 рекурсивной
 стандартизированной
 парной
 множественной
213. Этап параметризации модели включает в себя…
 проверку качества уравнения в целом
 прогноз экономических показателей
 проверку качества параметров модели
 оценку параметров модели
214. Эконометрическая модель предполагает характер связи между переменными
 стохастический (вероятностный)
 строго случайный
 несущественный
 строго детерминированный
215. Спецификация модели множественной линейной регрессии имеет вид ...






39
216. Объясняемые, зависимые переменные в моделях любого типа называются …
 лаговыми
 предопределенными
 эндогенными
 экзогенными
217. Эконометрические модели относятся к классу
математических моделей.
 оптимизационных
 описательных
 стохастических
 детерминированных
экономико–
218. Проверка тесноты связи между факторами может быть осуществлена на
основе …
 значений стандартизованных коэффициентов
 частных уравнений регрессии
 матрицы парных коэффициентов корреляции
 вектора значений коэффициентов регрессии
219. При отборе факторов в модель множественной регрессии проводят анализ
значений межфакторной …
 регрессии
 автокорреляции
 корреляции
 детерминации
220. Количественная измеримость значений экономического признака (фактора),
включаемого в эконометрическую модель, является ...
 принципом спецификации
 предпосылкой линеаризации
 общим требованием к факторам, включаемым в линейную множественную
регрессию
 условием гомоскедастичности эконометрической модели
221. Отсутствие сильной корреляции факторов друг с другом является ...
 условием отсутствия автокорреляции остатков
 предпосылкой линеаризации
 требованием к факторам, включаемым в линейную модель множественной
регрессии
 условием гомоскедастичности эконометрической модели
222. Если в линейной множественной регрессии более, чем две независимые
переменные связаны между собой достаточно тесной линейной зависимостью,
тогда имеет место
факторов.
 гомоскедастичность
 автокорреляция
 мультиколлинеарность
 коллинеарность
40
223. Взаимодействие факторов эконометрической модели означает, что …
 влияние факторов на результирующий признак усиливается, начиная с
определенного уровня значений факторов
 факторы не дублируют влияние друг друга на результат
 факторы дублируют влияние друг друга на результат
 влияние одного из факторов на результирующий признак не зависит от значений
другого фактора
224. Факторы эконометрической модели являются коллинеарными, если
коэффициент
между ними по модулю
0,7.
 корреляции … меньше
 детерминации … меньше
 корреляции … больше
 детерминации … больше
225. Матрица парных линейных коэффициентов корреляции отображает…
 значения стандартизированных коэффициентов линейной регрессии
 вероятность значимости каждой объясняющей переменной
 тесноту линейной связи между переменными
 величину вклада каждой объясняющей переменной в общую дисперсию зависимой
переменной
226. В эконометрическую модель множественной регрессии включаются
факторы.
 мультиколлинеарные
 коллинеарные
 существенные
 несущественные
227. Отсутствие коллинеарности и мультиколлинеарности является обязательным
требованием для факторов, включаемых в уравнение
регрессии.
 нелинейной показательной
 нелинейной полулогарифмической
 множественной линейной
 нелинейной степенной
228. Мультиколлинеарность – это линейная связь между…
 объясняющими и зависимой переменными
 одной объясняющей и зависимой переменными
 соседними случайными отклонениями
 объясняющими переменными
229. Для отбора факторов множественной линейной модели регрессии
рассматривается вопрос о взаимосвязи фактора и результата при
неизменности прочих факторов, которые фиксируются, как правило, на
среднем уровне. В этом случае используется ...
 автокорреляционная функция
 матрица частных коэффициентов корреляции
 матрица множественных коэффициентов корреляции
 коррелограмма для факторов модели
41
230. Оценка удельного веса влияния каждой из объясняющих переменных на
результирующий показатель является задачей …
 кластерного анализа
 метода наименьших квадратов
 регрессионного анализа
 математического анализа
231. Функциональная (строгая) или достаточно тесная (нестрогая) линейная
зависимость между объясняющими переменными называется…
 несмещенностью
 мультиколлинеарностью
 гетероскедастичностью
 автокорреляцией
232. Пусть в результате оценки модели множественной регрессии каждый из
оцененных параметров является незначимым на 5%-ном уровне, а уравнение в
целом (коэффициент детерминации) является значимым на том же уровне. Тогда
можно предположить, что…
 в остатках модели присутствует автокорреляция
 в остатках модели присутствует гетероскедастичность
 среди объясняющих переменных есть мультиколлинеарные
 связь между зависимой переменной и независимыми отсутствует
233. Исходные значения фиктивных переменных предполагают
 одинаковые
 количественно измеримые
 качественные
 нулевые
значения.
234. Строится модель зависимости спроса от ряда факторов. Фиктивной
переменной в данном уравнении множественной регрессии не является
потребителя.
 уровень образования
 семейное положение
 доход
 пол
235. Фиктивные переменные включаются в уравнение множественной регрессии для
учета действия на результат признаков характера.
 случайного
 несущественного
 качественного
 количественного
236. Фиктивными переменными могут быть…
 только зависимые переменные
 только случайные факторы
 как зависимая, так и объясняющие переменные
 как объясняющие переменные, так и случайные факторы
42
237. В качестве фиктивной переменной в эконометрическую модель могут быть
включены переменные, отражающие
наблюдаемого признака
 случайный характер
 нулевые значения
 качественные характеристики
 количественные значения
238. Факторные переменные уравнения множественной регрессии,
преобразованные из качественных в количественные, называются …
 аномальными
 парными
 фиктивными
 множественными
239. Модель, содержащая фиктивную переменную, относится к
 оптимизационной
 сетевой
 регрессионной
 фиктивной
240. Фиктивная переменная является
 кусочно-непрерывной
 случайной
 дискретной
 непрерывной
модели .
величиной.
241. Влияние фиктивной переменной наклона на регрессионную модель состоит в
…
 устранении гетероскедастичности остатков
 увеличении дисперсии оценок параметров
 изменении коэффициента перед факторным признаком, взаимодействующим с
качественной переменной
 изменении величины свободного слагаемого
242. Фиктивные переменные заменяют …
 случайные ошибки
 количественные данные
 качественные переменные
 прогнозируемые значения
243. Примерами фиктивных переменных могут служить:
 Возраст
 пол
 образование
 доход
244. Фиктивными переменными в уравнении множественной регрессии могут
быть …
 экономические показатели, выраженные в стоимостном измерении
 качественные переменные, преобразованные в количественные
 переменные, исходные значения которых
не имеют количественного значения
43

количественные переменные
245. Для учета действия на зависимую переменную факторов качественного
характера (так называемых фиктивных переменных) последним могут
присваиваться …
 цифровые метки
 значения 0 и 1
 несущественные значения
 стоимостные значения
246. Исследуется зависимость цены квартиры от ряда факторов: х1 - жилой площади,
х2 - стоимости квадратного метра жилья, х3 - расположения квартиры
относительно углов дома (угловая или не угловая), х4 – расположения квартиры на
этаже (первый этаж, последний этаж, не первый и не последний этаж).
Фиктивными переменными в модели являются
 х3
 х1
 х4
 х2
247. Проводится эконометрическое моделирование зависимости объема продаж
компании от ряда факторов: х1 – цены на товар, х2 – степени известности
торговой марки фирмы, х3 – дохода потребителя, х4 – уровня интенсивности
рекламной деятельности (высокий уровень – массированная реклама; средний
уровень – регулярно повторяющаяся; низкий уровень – время от времени
повторяющаяся). Фиктивными переменными в модели не являются
…
 х1
 х2
 х3
 х4
248. Укажите правильный вариант ответа относительно числа зависимых
переменных, включаемых в уравнение регрессии:
 несколько переменных
 количество зависимых переменных равно количеству независимых
 только одна переменная
 в парной регрессии одна зависимая переменная, во множественной – несколько
зависимых переменных
249. Частное уравнение регрессии характеризует…
 силу воздействия фактора на результат при положительных значениях других
факторов
 наличие или отсутствие мультиколлинеарности факторов
 изолированное влияние фактора на результат при средних значениях других
факторов
44

изолированное влияние фактора на результат при нулевых значениях других
факторов
250. В эконометрическую модель множественной регрессии необходимо
включить факторы, оказывающие влияние на исследуемый показатель.
 случайное
 детерминированное
 существенное
 несущественное
251. В эконометрической модели среднее изменение результата при изменении
фактора на 1 ед. измерения характеризуется с помощью коэффициента …
 детерминации
 автокорреляции
 регрессии
 корреляции
252. В случае включения в модель переменной, которая не должна
присутствовать в уравнении, как правило, происходит увеличение …
 F-критерия Фишера
 коэффициента множественной корреляции
 стандартных ошибок
 коэффициента детерминации
253. Для модели зависимости среднедушевого (в расчете на одного человека)
месячного дохода населения (р.) от объема производства (млн. р.) получено
уравнение у = 0,003х + 1200 + е. При изменении объема производства на 1 млн. р.
доход в среднем изменится на …
 1200 р.
 1200 млн. р.
 0,003 р.
 0,003 млн. р.
254. В стандартизованном уравнении свободный член …
 равен коэффициенту множественной корреляции
 равен коэффициенту множественной детерминации
 отсутствует
 равен 1
255. В уравнении регрессии Y = a+bx+е зависимая переменная обозначается
буквой …
 a
 b
 Y
 X
256. В уравнении регрессии Y = a+bx+е независимая переменная обозначается
буквой …
 a
 b
 x
45

Y
257. В линейном уравнении множественной регрессии




величина у является
постоянной величиной
случайной величиной
зависимой переменной
независимой переменной
258. В линейном уравнении парной регрессии
коэффициентом
регрессии является значение…
 параметра a
 параметра b
 переменной х
 величины
259. В стандартизованном уравнении множественной регрессии
переменными являются …



стандартизованные параметры
исходные переменные y, x1, x2,…,xp
средние значения исходных переменных

 стандартизованные переменные

260. В стандартизованном уравнении
стандартизованным коэффициентом
является …




261. На основе линейного уравнения множественной регрессии
получены уравнения регрессии
,



которые называются ...
стандартизированными
рекурсивными
частными
46

нелинейными
262. В линейной модели множественной регрессии рассматриваются только
функции регрессии
 линейные
 степенные
 квадратичные
 показательные
263. При применении метода наименьших квадратов для оценки параметров
уравнений регрессии минимизируют
между наблюдаемым и
моделируемым значениями зависимой переменной.
 сумму разностей
 квадрат суммы
 сумму квадратов разности
 квадрат разности (только для одного наблюдения)
264. В линейном уравнении множественной регрессии
метод наименьших квадратов позволяет оценить значение
параметра …
 x1
 x2
 a
 y
265. Коэффициенты "чистой" регрессии
уравнения множественной регрессии вида
…




не могут быть отрицательными
всегда меньше 1
некорректно сравнивать по величине
имеют одинаковый знак
266. В рамках метода наименьших квадратов (МНК) система нормальных
уравнений – это система, решением которой являются оценки
модели.
 независимых переменных
 отклонений параметров теоретической модели от параметров эмпирической
 параметров теоретической
 переменных теоретической
267. Название метода «метод наименьших квадратов» подразумевает, что сумма
квадратов отклонений значений результирующего признака от теоретических
должна быть …
 меньше средней ошибки аппроксимации
 меньше уровня значимости, принятого при проверке статистических гипотез
 минимальной
 равной нулю
47
268. Систему МНК, построенную для оценки параметров линейного уравнения
множественной регрессии можно решить методом…
 скользящего среднего
 максимального правдоподобия
 определителей
 первых разностей
269. В исходном соотношении МНК сумма квадратов отклонений фактических
значений результативного признака от его теоретических значений …
 центрируется
 приравнивается к системе нормальных уравнений
 минимизируется
 максимизируется
270. Метод наименьших квадратов применяется для оценки …
 параметров уравнений регрессии, внутренне нелинейных
 существенности параметров уравнений регрессии
 параметров линейных уравнений регрессии
 качества линейных уравнений регрессии
271. Самым распространенным методом оценки параметров регрессии является
метод наименьших …
 моментов
 разностей
 квадратов
 модулей
272. При оценке параметров линейных уравнений регрессии с помощью метода
наименьших квадратов минимизируют сумму квадратов разности между …
 наблюдаемым и моделируемым значениями случайной величины
 наблюдаемым и моделируемым значениями параметров
 наблюдаемым и моделируемым значениями зависимой переменной
наблюдаемым и моделируемым значениями независимой переменной
273. В модели парной линейной регрессии Y=b0+b1X +e коэффициент b1
показывает…
 на какую величину в среднем изменится Y, если X изменится на один процент
 на сколько процентов в среднем изменится Y, если X изменится на одну единицу
 на какую величину в среднем изменится Y, если X изменится на одну единицу
 на сколько процентов в среднем изменится Y, если X изменится на один процент
274. Метод наименьших квадратов используется для оценки параметров
уравнений регрессии.
 только нелинейных
 нелинеаризуемых
 только линейных
 линейных и приводимых к линейным
48
275. Приведенное выражение




представляет
собой
для линейной двухфакторной модели регрессии.
систему нормальных уравнений
теорему Гаусса-Маркова
исходное положение метода наименьших квадратов
условие отсутствия автокорреляции остатков
276. Метод наименьших квадратов может применяться для оценки параметров
регрессионных моделей, если эти модели ...
 характеризуются гетероскедастичностью случайных отклонений
 имеют автокорреляцию в остатках
 линейны по параметрам и факторным переменным
 включают лаговую переменную




277. Для оценить
уравнений регрессии.
параметры и переменные
параметры
переменные
переменные и случайные величины




278. В линейной регрессионной модели
для каждого значения
фактора
фактические значения случайных отклонений имеют одинаковую
дисперсию. Выполнение этого условия называют
остатков.
автокорреляцией
мультиколлинеарностью
гомоскедастичностью
гетероскедастичностью
279. Для линейной регрессионной модели
гетероскедастичностью называют свойство дисперсии случайного
отклонения при переходе от наблюдения к наблюдению проявлять
...
 стремление к нулю
 стремление к единице
 Изменчивость - ТОЛЬКО ЭТОТ ВЕРНЫЙ!!!
 постоянство
280. Для линейной регрессионной модели
гомоскедастичностью
называют свойство дисперсии случайного отклонения при любом наблюдении
проявлять ...
 стремление к нулю
 тенденцию к уменьшению
 постоянство
 изменчивость
281. Дисперсия значения случайной компоненты в линейной регрессионной модели
зависит от номера наблюдения. Это свидетельствует о(об)
остатков.
49
 Автокорреляции



равномерном распределении
гетероскедастичности
гомоскедастичности
282. Возможность перехода от точечного оценивания параметра классической
линейной регрессии к интервальному обеспечивается таким статистическим
свойством оценок как ...
 достоверность
 смещенность
 эффективность
 состоятельность
283. Оценки, являющиеся линейными функциями от выборочных наблюдений,
называются ...
 несмещенными
 эффективными
 линейными
 состоятельными
284. Для линейной регрессионной модели
величина и
определенный знак фактического значения случайной составляющей не
должны обуславливать величину знак фактического значения другой
случайной составляющей
. Выполнение этого условия свидетельствует
о(об)
остатков.
 отсутствии гетероскедастичности
 нормальном распределении
 отсутствии автокорреляции
 наличии гомоскедастичности
285. Истинная форма взаимосвязи между результирующей и объясняющими
переменными в регрессионной модели линейна относительно параметров. Это
утверждение является ...
 условием линеаризации
 критерием Фишера
 одной из основных предпосылок метода наименьших квадратов для оценки
параметров регрессии
 нарушением предпосылок метода наименьших квадратов
286. При наличии гетероскедастичности или автокорреляции в остатках для
оценки параметров регрессии применяется
метод наименьших
квадратов.
 двухшаговый
 косвенный
 обобщенный
 традиционный
287. Нарушение условия независимости случайных составляющих в разных
наблюдениях называют случайной составляющей.
 детерминированностью
 гомоскедастичностью
 автокорреляцией
50

гетероскедастичностью
288. Одной из предпосылок метода наименьших квадратов является утверждение
 случайное отклонение должно иметь постоянное математическое ожидание,
отличное от нуля
 регрессионная модель является нелинейной относительно параметров
 дисперсия случайного возмущения постоянна для всех наблюдений
 случайное отклонение представляет собой линейную функцию от факторных
переменных
289. График зависимости остатков et от времени t свидетельствует о наличии…




мультиколлинеарности данных
автокорреляции остатков
нелинейной связи между объясняющими переменными
отсутствии корреляции в остатках
290. Автокорреляцию в остатках модели линейной регрессии можно обнаружить с
помощью критерия …
 Гольдфельда–Квандта
 Дарбина-Уотсона
 Спирмена
 Фишера
291. В случае нормального распределения остатков линейной регрессионной
модели
проверка статистической значимости каждого параметра
возможна с помощью …
 Энгеля–Грангера
 Дарбина–Уотсона
 критерия Стьюдента
 критерия Фишера
292. Математическое ожидание остатков равно нулю, если оценки параметров
обладают свойством …
 эффективности
 состоятельности
 несмещенности
 смещенности
293. Оценка является несмещенной оценкой параметра если…
 она стремится к истинному значению параметра с увеличением объема выборки
 ее дисперсия с увеличением выборки не изменяется
 ее математическое ожидание равно оцениваемому параметру
51

ее дисперсия меньше дисперсии других оценок
294. При применении метода наименьших квадратов свойствами эффективности,
состоятельности и несмещенности обладают оценки …
 независимой переменной
 случайной величины
 параметров
 зависимой переменной
295. Несмещенная оценка
параметра имеет наименьшую дисперсию среди
всех возможных несмещенных оценок параметра , вычисленных по выборкам
одного и того же объема . Такая оценка называется ...
 Несмещенной
 асимптотически эффективной
 эффективной
 состоятельной
296. Статистическая оценка параметра называется эффективной, если при
заданном объеме выборки она имеет
 математическое ожидание равное 1
 максимальную дисперсию
 наименьшую возможную дисперсию
 максимальное математическое ожидание
297. Если оценка параметра эффективна, то это означает …
 максимальную дисперсию остатков
 уменьшение точности с увеличением объема выборки
 наименьшую дисперсию остатков
 равенство нулю математического ожидания остатков
298. Эффективной оценкой называется та, у которой …
 дисперсия максимальна
 смещенность выше
 дисперсия минимальна
 отсутствует смещенность
299. Состоятельность оценки характеризуется увеличением ее точности при ...
 добавлении в уравнение дополнительной независимой переменной
 переходе к обратной форме зависимости
 увеличении объема выборки
 уменьшении объема выборки
300. Если оценки параметров линейного уравнения регрессии обладают
свойством состоятельности, то с увеличением выборки точность оценки
параметра…
 увеличивается
52



стремится к нулю
не изменяется
уменьшается
301. Точечная оценка параметра регрессии зависит от …
 дополнительной выборки
 критического значения t–критерия Стьюдента
 фактического значения t–критерия Стьюдента
 данной выборки
302. Эмпирический коэффициент регрессии
является
состоятельной оценкой теоретического коэффициента регрессии

при условии, что ...
 дисперсия оценки равна 1

сходится по вероятности к при числе наблюдений, стремящемся к
бесконечности

сходится по вероятности к при числе наблюдений, стремящемся к 0
математическое
ожидание оценки равно нулю

303. Состоятельной называется такая оценка параметра, которая дает
значение параметра для большой выборки независимо от входящих в нее
конкретных наблюдений.
 минимальное
 нулевое
 точное
 максимальное
304. Обобщенный метод наименьших квадратов рекомендуется применять в
случае
остатков.
 гомоскедастичных
 отсутствия автокорреляции
 наличия автокорреляции
 нормально распределенных
305. Метод оценки параметров моделей с гетероскедастичными остатками
называется …методом наименьших квадратов.
 минимальным
 косвенным
 обобщенным
 обычным
306. Для регрессионной модели




с
гетероскедастичностью остатков при отсутствии автокорреляции остатков
ковариационная матрица возмущений является ...
треугольной
вырожденной
диагональной
единичной
53
307. Множественная линейная регрессионная модель, в которой не выполняются
условия гомоскедастичности и (или) имеет место автокорреляция остатков,
называется регрессионной моделью.
 парной
 множественной линейной
 обобщенной линейной
 нелинейной
308. Обобщенный метод наименьших квадратов может использоваться для
корректировки остатков.
 доверительного интервала
 стандартной ошибки
 гетероскедастичности и автокорреляции
 минимальной суммы квадратов
309. Что преобразуется при применении обобщенного метода наименьших
квадратов?
 дисперсия факторного признака
 коэффициент корреляции
 исходные уровни переменных
 дисперсия результативного признака
310. Для преодоления проблемы автокорреляции служит …
 двухшаговый метод наименьших квадратов
 косвенный метод наименьших квадратов
 обобщенный метод наименьших квадратов
 метод наименьших квадратов
311. Пусть случайные остатки eT в модели парной линейной регрессии подвержены
воздействию авторегрессии первого порядка: eT =r· eT-1+uT. Тогда для получения
наилучших линейных несмещенных оценок используют следующее
преобразование переменных:
 yT*= yT + r·yT-1; xT*= xT + r· xT-1
 yT *=r· yT - yT-1; xT*= r·xT - xT-1
 yT **= yT - r·yT-1; xT**= xT - r· xT-1
y = ry ;
x = rx

T
T
T
T
312. Проявление гетероскедастичности в остатках удается устранить при помощи
метода обобщенного метода наименьших квадратов путем …
 расчета критерия Дарбина–Уотсона гомоскедастичных остатков
 введения в модель фиктивных переменных
 преобразования переменных на основе коэффициента пропорциональности
 расчета скорректированного коэффициента детерминации
313. Обобщенный метод наименьших квадратов применяется в случае…
 автокорреляции переменных
 мультиколлинеарности факторов
 фиктивных переменных
 автокорреляции остатков
54
314. На основании преобразования переменных при помощи обобщенного метода
наименьших квадратов получаем новое уравнение регрессии, которое
представляет собой …

нелинейную регрессию, в которой переменные взяты с весами

нелинейную регрессию, в которой переменные взяты с весами

взвешенную регрессию, в которой переменные взяты с весами

взвешенную регрессию, в которой переменные взяты с весами
315. Обобщенный метод наименьших квадратов отличается от обычного МНК тем,
что при применении ОМНК…
 остатки не изменяются
 преобразуются исходные уровни переменных
 уменьшается количество наблюдений
 остатки приравниваются к нулю
316. Обобщенный метод наименьших квадратов может использоваться для
корректировки остатков.
 стандартной ошибки
 минимальной суммы квадратов
 доверительного интервала
 гетероскедастичности и автокорреляции
317. Обобщенный метод наименьших квадратов не используется в случае
остатков.
 автокоррелированных
 гомоскедастичных
 гетероскедастичных остатков
 присутствия автокорреляции в остатках
318. Коэффициент корреляции может принимать значения в интервале…
 от -2 до 2
 от 0 до 100
 от -1 до 1
 от 0 до 4
319. Положение на плоскости каждой точки корреляционного поля определяется
значениями …
 коэффициентов детерминации и корреляции
 величинами остатков в предыдущем наблюдении и последующем
 факторного и результативного признаков для конкретного наблюдения
 коэффициентов автокорреляции первого и второго порядков
320. Коэффициент парной линейной корреляции между признаками Y и X равен 0,9.
Следовательно, доля дисперсии результативного признака Y, не объяснённая
линейной парной регрессией Y по фактору X, будет равна … 1 – (0,9)^2
 0,1%
 10%

19%
55

90%
321. Частный коэффициент корреляции




и
и
и
и
это означает, что…
независимы, когда величины и фиксированы
линейно зависимы, когда величины и фиксированы
линейно зависимы, когда величины и фиксированы
независимы, когда величины и фиксированы
322. Тесноту линейной связи определяет коэффициент …
 регрессии
 существенности
 корреляции
 эластичности
323. Коэффициент парной линейной корреляции является …
 размерной величиной, той же размерности, что результативный признак
 безразмерной величиной
 размерной величиной, той же размерности, что факторный признак
 величиной с переменной единицей измерения
324. Коэффициент множественной линейной корреляции применяется для …
 вычисления коэффициента парной линейной корреляции
 диагностики гомоскедастичности остатков
 определения тесноты связи между результатом и совокупностью факторов в случае
множественной линейной зависимости
 определения значимости оценок параметров регрессии
325. Построена парная модель линейной регрессии
и
рассчитан коэффициент парной линейной корреляции
. Такие
результаты невозможны, так как …
 коэффициент регрессии и коэффициент корреляции имеют разные знаки
 свободный член регрессии больше коэффициента корреляции
 свободный член регрессии и коэффициент корреляции имеют одинаковые знаки
 коэффициент регрессии по модулю меньше коэффициента корреляции
326. Предпосылкой применения корреляционного анализа является
утверждение:
 совокупность значений факторных и результативных признаков имеет
распределение Стьюдента
 совокупность значений факторных признаков распределена по нормальному
закону, а результативного – по произвольному
 совокупность значений результативного признака распределена по нормальному
закону, а закон распределения совокупности факторных признаков – произвольный
 совокупность значений факторных и результативных признаков распределена по
нормальному закону
327. В эконометрических моделях с m независимыми переменными наблюдаемые
значения зависимой переменной
, i=1, 2, …, n, отличаются от модельных
56
на величину (
). В данных обозначениях формула для расчета
оценки остаточной дисперсии
имеет вид:








328. В эконометрических моделях «остаточная» дисперсия – это дисперсия…
 наблюдаемых значений результативного признака
 значений объясняющего фактора
 отклонений наблюдаемых значений результативного признака от его расчетных
значений
 расчетных значений результативного признака
329. Отношение дисперсии результирующего признака, объясненной уравнением
регрессии, к его общей дисперсии называют …
 наблюдаемым значением критерия Фишера
 наблюдаемым значением критерия Стьюдента
 коэффициентом детерминации
 коэффициентом корреляции
330. Для множественной линейной регрессии значения скорректированного
коэффициента детерминации
обычного коэффициента детерминации.
 равны
 ближе к единице
 меньше
 больше
331. Коэффициент множественной детерминации равен 0,49. Это означает, что …
 0,49 % вариации результата объясняется факторами, включенными в уравнение
множественной регрессии, а 0,51 % - прочими причинами
 0,51 % вариации результата объясняется факторами, включенными в уравнение
множественной регрессии, а 0,49 % - прочими причинами
 49 % вариации результата объясняется факторами, включенными в уравнение
множественной регрессии, а 51 % - прочими причинами
 51 % вариации результата объясняется факторами, включенными в уравнение
множественной регрессии, а 49 % - прочими причинами
332. Факторная дисперсия служит для оценки влияния …
 величины постоянной составляющей в уравнении
 случайных воздействий
 учтенных явно в модели факторов
 как учтенных факторов, так и случайных воздействий
57
333. Расчет значения коэффициента детерминации не позволяет оценить …
 долю факторной дисперсии результативного признака в общей дисперсии
результативного признака
 долю остаточной дисперсии результативного признака в общей дисперсии
результативного признака
 существенность коэффициента регрессии
 качество подбора уравнения регрессии
334. Равенство нулю коэффициента детерминации означает, что регрессионная
модель не улучшает качество оценки (прогноза) результата по сравнению с
тривиальной оценкой –
значением результата.
 наименьшим
 оптимальным
 средним
 наибольшим
335. Статистическая значимость коэффициента детерминации построенного
уравнения регрессии означает …
 статистическую значимость только свободного члена регрессии
 близость коэффициента детерминации к нулю
 совокупную значимость оценок параметров регрессии
 статистическую значимость только коэффициентов чистой регрессии
336. Формула расчета коэффициента детерминации имеет вид …




337. Качество подбора уравнения оценивает коэффициент …
 эластичности
 регрессии
 корреляции
 детерминации
58
338. В эконометрических моделях «объясненная» дисперсия – это дисперсия…
 расчетных значений результативного признака
 значений объясняющего фактора
 случайных отклонений
 наблюдаемых значений результативного признака
339. Значение коэффициента детерминации составило 0,64. Определите долю
случайных факторов в общей дисперсии зависимой переменной.
 0,8
 64 %
 0,64
 0,36
340. Пусть
, где y – фактическое значение зависимой переменной,
- теоретическое, рассчитанное по уравнению значение зависимой переменной
(объясненное уравнением регрессии), – ошибка модели. Тогда значение
характеризует дисперсию …
 зависимой переменной, объясненную уравнением регрессии
 случайных факторов
 фактических значений независимой переменной
 фактических значений зависимой переменной
341. Коэффициент детерминации характеризует …
 статистическую значимость уравнения регрессии
 гомоскедастичность остатков модели
 наличие или отсутствие автокорреляции остатков модели
 адекватность регрессионной модели эмпирическим данным
342. В эконометрических моделях наблюдаемые значения зависимой переменной
, i=1, 2, …, n, отличаются от модельных
на величину
(
). В
данных обозначениях формула для расчета общей суммы квадратов имеет вид:





343. Максимальная величина отношения объясненной и остаточной дисперсий,
которая может иметь место при случайном расхождении их при данном уровне
значимости, является …
 коэффициентом детерминации
 коэффициентом корреляции
 табличным значением - критерия
 табличным значением - критерия
344. Значение F–критерия Фишера зависит только от …
 количества переменных
 количества наблюдений

59
вида уравнения и числа степеней свободы

вида уравнения регрессии
345. В эконометрике отношение объясненной суммы квадратов отклонений к
остаточной в расчете на одну степень свободы называют …
 среднеквадратическим отклонением
 дисперсией
 F-критерием
 методом наименьших квадратов
346. В эконометрике для проверки статистической значимости уравнения в
целом используют …
 коэффициент Стьюдента
 метод наименьших квадратов
 F-критерий
 t-статистику
347. В эконометрических моделях наблюдаемые значения зависимой переменной
, i=1, 2, …, n, отличаются от модельных
на величину
(
). В
данных обозначениях формула для расчета объясненной суммы квадратов
отклонений имеет вид:





348. Число степеней свободы для суммы квадратов отклонений, объясненных
парной линейной регрессией
, при наблюдениях равно …


 1


349. Остаточная дисперсия на одну степень свободы для парной линейной
регрессии равна …



60


350. Общая дисперсия на одну степень свободы для множественной линейной
регрессии, содержащей факторов равна …






351. Остаточная сумма квадратов отклонений может интерпретироваться как мера
…
 влияния величины суммы квадратов отклонений на число степеней свободы
 общего разброса наблюдаемой величины относительно 
 разброса остаточной величины, не объясненной уравнением регрессии
 разброса величины , объясненной с помощью регрессии, относительно 
352. Объясненная сумма квадратов отклонений может интерпретироваться как мера
разброса …
 отклонений реальных значений зависимой переменной от ее расчетных значений
 реальных значений независимой переменной относительно ее среднего значения
 реальных значений зависимой переменной относительно ее среднего значения
 расчетных значений зависимой переменной относительно ее среднего значения
353. Число степеней свободы определяется …
 количеством рассматриваемых моделей
 числом состояний случайной компоненты
 числом свободы независимого варьирования признака (переменной, фактора)
 количеством неучтенных в модели факторов
354. Сопоставляя объясненную и остаточную дисперсии в расчете на одну степень
свободы, для линейной регрессионной зависимости получим величину …
 коэффициента корреляции

-статистики
61


критерия Дарбина–Уотсона
- статистики
355. Наиболее часто используемый порог вероятности безошибочности выводов при
проверке статистических гипотез в эконометрике...
 0.50
 1,0
 0,95
 0,99
356. На основе 12 наблюдений построена множественная линейная регрессия с
тремя факторными признаками. Остаточная сумма квадратов отклонений равна
24. Остаточная дисперсия на одну степень свободы равна …
 3
 2
 8
 6
357. Оценка значимости параметров уравнения регрессии осуществляется по
критерию …
 Дарбина–Уотсона
 Ингла–Грэнджера (Энгеля–Грангера)
 Стьюдента
 Гольдфельда-Квандта
358. Оценку существенности параметров множественного уравнения регрессии
проводят …
 для переменных y, х1, х2, …, хk
 для величины e
 для каждого параметра
 для всех параметров в целом
359. В случае использования критерия Стьюдента параметр регрессии признается
существенным, если фактические значения соответствующего - критерия …
 равны его критическому значению
 больше нуля
 больше, чем его критические значения
 меньше, чем его критические значения
360. При проверке на существенность коэффициента регрессии по доверительному
интервалу, было выявлено, что этот коэффициент регрессии является значимым.
Следовательно, построенный для него доверительный интервал …
 больше критического доверительного интервала
 меньше критического доверительного интервала
 не содержит ноль
 содержит ноль
62
361. При проверке на существенность (значимость) коэффициента регрессии в
качестве нулевой гипотезы выдвигается нулевая гипотеза о …
 равенстве факторной и остаточной дисперсий
 статистической значимости построенного уравнения регрессии
 равенстве нулю этого коэффициента регрессии и несущественности влияния
соответствующей независимой переменной на зависимую переменную
 отличии от нуля этого коэффициента регрессии и существенности влияния
соответствующей независимой переменной на зависимую переменную
362. Для оценки статистической значимости (существенности) параметров
регрессии обычно служит статистика…
 нормального распределения
 стандартного нормального распределения
 Стьюдента
 Фишера
363. Проводится оценка существенности параметров линейного уравнения
множественной регрессии. Расчет фактического значения - критерия
выполняют как …
Варианты ответов. Кол-во правильных ответов - 1
 стандартная ошибка коэффициента регрессии оценка параметра
 стандартная ошибка коэффициента регрессии + оценка параметра
 оценка параметра / стандартная ошибка коэффициента регрессии
 стандартная ошибка коэффициента регрессии / оценка параметра
364. Для оценки статистической значимости коэффициента регрессии его
величина сравнивается…
 с математическим ожиданием остатков
 с шириной его доверительного интервала
 с его стандартной ошибкой
 со стандартной ошибкой остатков
365. Выберите пропущенное в таблице значение




-1
3/4
12 t=b/se(b) => b =t*se(b)
7
366. Критерий Стьюдента предназначен для определения значимости …
 множественного коэффициента регрессии
 случайной величины
 построенного уравнения в целом
 каждого коэффициента регрессии
63
367. Для уравнения регрессии
выдвигается нулевая статистическая
гипотеза о том, что b=0, которая используется для проверки существенности
…
 параметра a
 переменной y
 величины e
 параметра b
368. При оценке существенности -го фактора проверялась существенность
соответствующего параметра
, где
взято по таблицам распределения Стьюдента. В этом случае …
 для -ого фактора строится частное уравнение регрессии
 в уравнение регрессии необходимо включить фиктивную переменную

-й фактор в уравнении регрессии признается несущественным

-й фактор в уравнении регрессии признается существенным
369. Если фактическое значение критерия Стьюдента для коэффициента
регрессии равно 1, то этот коэффициент…
 также равен 1
 является существенным
 не может быть признан статистически значимым
 статистически значим
370. При проверке на существенность (значимость) коэффициента регрессии в
качестве нулевой гипотезы выдвигается альтернативная гипотеза (обратная
нулевой) о …
 равенстве нулю этого коэффициента регрессии и несущественности влияния
соответствующей независимой переменной на зависимую переменную
 статистической значимости построенного уравнения регрессии
 отличии от нуля этого коэффициента регрессии и существенности влияния
соответствующей независимой переменной на зависимую переменную
 равенстве факторной и остаточной дисперсий
371. При выборе спецификации нелинейная регрессия используется, если …
 нелинейная зависимость для исследуемых экономических показателей является
несущественной
 между экономическими показателями обнаруживается линейная зависимость
 между экономическими показателями обнаруживается нелинейная зависимость
 между экономическими показателями не обнаруживается нелинейная зависимость
372. Для описания закономерностей прироста экономических показателей от
времени в эконометрике используется лог-линейная модель линейная
относительно фактора времени Х …
1.
2.
3.
4.
64
373. Запись
–объем выпускаемой продукции
– объем основного капитала
– объем трудовых ресурсов
, где
– неизвестные числовые параметры
означает …
 мультипликативную модель временного ряда
 автокорреляционную функцию
 двухфакторную производственную функцию Кобба-Дугласа
 линейное уравнение множественной регрессии
374. Использование полинома второго порядка в качестве регрессионной
зависимости для однофакторной модели обусловлено …
 наличием случайных колебаний
 отсутствием тенденции
 изменением направления связи результирующего и факторного признаков
 неоднородностью выборки
375. Для логистической функции
границей насыщения изучаемого
явления является параметр





 
376. Парабола второй степени может быть использована для зависимостей
экономических показателей, если …
 для определенного интервала значений фактора меняется скорость изменений
значений результата, то есть возрастает динамика роста или спада
 характер связи зависит от случайных факторов
 для определенного интервала значений фактора меняется характер связи
рассматриваемых показателей: прямая связь изменяется на обратную или
обратная на прямую
 исходные данные не обнаруживают изменения направленности связи
377. Модели Торнквиста служат для описания зависимости …
 уровня безработицы от изменения заработной платы
 валового национального продукта от денежной массы
 спроса на товары различных групп от дохода
 объема выпуска от затрат капитала и труда
(Только 3, про 4 вариант ничего не нашел)
65
378. Зависимость прибыли Y от расходов на рекламу X характеризуется
полиномиальной эконометрической моделью второй степени вида …




379. Зависимость процентного изменения заработной платы от уровня
безработицы в процентах (кривая Филипса,
) характеризуется
обратной эконометрической моделью …





380. Если между экономическими показателями существует нелинейная связь, то
 нецелесообразно использовать спецификацию нелинейного уравнения регрессии
 необходимо включить в модель другие факторы и использовать линейное
уравнение множественной регрессии
 целесообразно использовать линейное уравнение парной регрессии
 целесообразно использовать спецификацию нелинейного уравнения регрессии
381. При помощи модели степенного уравнения регрессии вида
(b>1, то
есть х возрастает и у тоже возрастает) не может быть описана зависимость
 объема предложения от цены
 выработки от трудоемкости
 заработной платы от выработки
 выработки от уровня квалификации
382. Производственная функция Кобба-Дугласа относится к классу моделей.
 полулогарифмических
 степенных
 линейных
 обратных
383. Зависимость спроса на товары первой необходимости от дохода (функция
Торнквиста,
) характеризуется обратной эконометрической
моделью с начальным уровнем
вида …

66
384. В модели вида
коэффициент

значением
при

значением
в точке экстремума


коэффициентом эластичности
угловым коэффициентом
является …
385. Уравнение вида
является …
 нелинейным как по переменным, так и по параметрам
 линейным как по переменным, так и по параметрам
 нелинейным только по переменным, но линейным по параметрам
 нелинейным только по параметрам, но линейным по переменным
386. В аддитивной регрессионной модели переменные возводятся в степень,
отличную от первой. Такая модель является ...
 нелинейной относительно случайной составляющей
 линеаризованной относительно переменных
 нелинейной относительно переменных
 линейной относительно переменных
387. Нелинейным образом в эконометрическую модель вида
 параметр а
 ошибка 
 переменная х
 переменная у
входит...
388. Линейным образом в эконометрическую модель вида
 параметр а
 параметр b
 переменная у
 переменная х
входит …
389. Уравнение вида
относится к классу…
 нелинейных по переменным моделей, но линейных по оцениваемым параметрам
 линейных по переменным моделей
 нелинейных по параметрам, внутренне нелинейных моделей
 нелинейных по параметрам, внутренне линейных моделей
390. Выбор нелинейной формы эконометрической модели обычно
осуществляется …
 когда между переменными не прослеживается нелинейная форма связи
 при наличии мультиколлинеарности переменных линейного множественной
регрессии
 когда между переменными прослеживается нелинейная форма связи
 в случае недостаточного количества экспериментальных данных
67
391. Нелинейным уравнением парной регрессии НЕ является …




392. Спецификация нелинейной по параметрам мультипликативной
экспоненциальной эконометрической модели может иметь вид …






393. Нелинейным образом в эконометрическую модель вида




входит...
ошибка 
параметр b
переменная х
переменная у
394. В эконометрическую модель вида Кобба–Дугласа
нелинейным образом включены …
Варианты ответов. Кол-во правильных ответов - 2
 переменная х1
 переменная y
 параметр а
 переменная х2
395. В эконометрическую модель
Кол-во прав. ответов - 2
 параметр b
 переменная у
 параметр а
 ошибка
нелинейным образом включены.
396. В чем сходство двух моделей
и
ответов - 3
 нелинейные относительно параметров регрессии
 линейные относительно параметров регрессии
 нелинейные
 можно преобразовать в линейную форму
68
? Кол-во правильных
397. Выберите неверные утверждения по поводу модели
Кол-во правильных отв. - 2
 нелинейная относительно параметров модели
 линейная относительно параметров регрессии
 показательная
 нелинейная
398. Выберите неверные утверждения по поводу модели




.
. Кол-во
правильных ответов - 2
нелинейная относительно параметров регрессии
нельзя преобразовать в линейную форму
Y возрастает при увеличении X
модель линейная относительно параметров регрессии
399. Нелинейной по параметрам, но внутренне линейной, которую можно
привести к линейному виду, является эконометрическая модель …
??




400. Оценки коэффициентов моделей регрессии, нелинейных по оцениваемым
параметрам, но внутренне линейных, полученные методом наименьших
квадратов, являются …
 неэффективными
 несостоятельными
 смещенными
 недостоверными
401. Эконометрической моделью, приводимой к линейной регрессионной модели при
логарифмировании и соответствующей подстановке, является ...






402. Линеаризация возможна для эконометрической модели вида …
1.
2.
3.
4.
403. При оценке параметров регрессионной модели на основе степенной функции
...
 параметры и определяются непосредственно из системы нормальных
уравнений
 параметры и определяются кос6в9енным путём на основе потенцирования


параметр определяется непосредственно из системы нормальных уравнений, а
параметр -косвенным путём, с помощью потенцирования
параметр определяется непосредственно из системы нормальных уравнений, а
параметр - косвенным путём, с помощью потенцирования
404. Показательная модель
относится к моделям…
 линейным относительно объясняющей переменной Х
 нелинейным относительно объясняемой переменной Y
 нелинейным по оцениваемым параметрам
 нелинейным относительно объясняющей переменной, но линейным по
оцениваемым параметрам
405. Для экспоненциального уравнения
процедура линеаризации
возможна путем …
 присвоения количественных значений фиктивным переменным
 дифференцирования и замены переменных
 логарифмирования и замены переменных
 только замены переменных
406. Классическая парная регрессионная эконометрическая модель
является
по параметрам и по переменным.
линейной
…
нелинейной

 нелинейной … нелинейной
 линейной … линейной
 нелинейной … линейной
407. Эконометрическая модель
является...
 линейной по параметрам и линейной по переменным
 нелинейной по параметрам и линейной по переменным
 нелинейной по параметрам и нелинейной по переменным
 линейной по параметрам и нелинейной по переменным
408. Установите соответствие между видом нелинейной модели и заменой
переменных, сводящих ее к линейной регрессии.
1.
2.
3.
Варианты ответов. Кол-во правильных ответов - 4

-3

-4


4.
-2
-1
409. Все нижеприведенные нелинейные модели можно свести к модели
множественной линейной регрессии W = b0 + b1·U + b2·V. Установите
соответствие между видом нелинейной модели и соотношениями между
70
исходными переменными Y, X, Z и новыми переменными W, U, V
линеаризованной модели.
Варианты ответов. Кол-во правильных ответов - 4

-4



-2
-1
-3
410. Все нижеприведенные нелинейные модели можно свести к модели
множественной линейной регрессии W = b0 + b1·U + b2·V. Установите
соответствие между видом нелинейной модели и соотношениями между
исходными переменными Y, X, Z и новыми переменными W, U, V
линеаризованной модели. – не проверяла (нет ответа)
Варианты ответов. Кол-во правильных ответов - 4

-4

-2

-3

-1
411. Все нижеприведенные нелинейные модели можно свести к модели множественной
линейной регрессии W = b0 + b1·U + b2·V. Установите соответствие между видом
нелинейной модели и соотношениями между исходными параметрами a, b, c и
параметрами b0 , b1, b2 линеаризованной модели.
Варианты ответов. Кол-во правильных ответов - 4


-1
-4
71


-3
-2
412. Установите соответствие между видом модели и ее характеристиками.




нелинейная модель, линейная относительно параметров - 1
нелинейная модель, нелинейная относительно параметров, внутренне нелинейная - 4
линейная модель множественной регрессии - 2
нелинейная модель, нелинейная относительно параметров, внутренне линейная – 3
413. Индекс корреляции для нелинейных форм связи изменяется в пределах …
 [0; 1)
 [0; 4]
 [0; 1]
 (0; 1)
414. Средний (обобщающий) коэффициент эластичности рассчитывается для
среднего значения фактора по формуле






415. Коэффициент эластичности равен (-1,5). Это означает, что с
в среднем
на 1,5 %.
 уменьшением результата на один процент значение фактора уменьшается
 увеличением фактора на один процент значение результата увеличивается
 увеличением фактора на один процент значение результата уменьшается
72

увеличением результата на один процент значение фактора увеличивается
416.
Пусть - наблюдаемые значения зависимой переменной, а - ее расчетные
значения. В принятых обозначениях формула для расчета средней ошибки
аппроксимации модели может быть определена по формуле …









417. Значение индекса корреляции находится в пределах …





 


418. Величина отклонений фактических значений результативного признака от его
теоретических значений представляет собой …
 расчетное значение критерия Фишера
 ошибку аппроксимации
 ошибку корреляции
 средний показатель эластичности
419. Коэффициент детерминации для нелинейной модели часто называют…
 коэффициентом эластичности
 индексом детерминации
 индексом корреляции
 средней ошибкой аппроксимации модели
420. Средняя ошибка аппроксимации модели служит для…
 расчета средних ошибок параметров регрессии
 оценки параметров регрессии
 определения среднего значения расчетных значений зависимой переменной
 оценки качества модели
421. Выражение

позволяет вычислить значение …
коэффициента эластичности
73



индекса корреляции
средней ошибки аппроксимации
F–критерия Фишера
422. Средний (обобщающий) коэффициент эластичности показывает …
 на сколько единиц изменится результат относительно своего среднего уровня при
увеличении фактора на единицу
 во сколько раз коэффициент корреляции больше коэффициента детерминации
 долю дисперсии, объяснённой регрессией в общей дисперсии результата
 на сколько процентов изменится результат относительно своего среднего уровня
при увеличении фактора на один процент от среднего уровня фактора
423. Непосредственно измерив характеристики объекта через определенные
промежутки времени или усреднив данные за некоторый период времени,
формируют последовательность ...
 трендовых значений ???
 значений сезонных колебаний
 уровней временного ряда
 коэффициентов автокорреляции
424. Хронологическая последовательность значений признака,
характеризующего состояние данного объекта, называется …
 корреляционным полем
 автокорреляционной функцией
 временным рядом
 случайной выборкой
425. Значение показателя в определенный момент времени называется
временного ряда.
 медианой
 дисперсией
 уровнем временного ряда
 средним значением
426. В процессе формирования уровней временного ряда участвует всегда … (А.В.
говорила о всех из них)
 сезонность
 цикличность
 случайная компонента
 тренд
427. Под временным рядом (динамическим рядом или рядом динамики)
понимается последовательность наблюдений некоторого признака Y,
 который не изменяется с течением времени
 который зависит от признака X, изменяющегося с течением времени
 значения которого упорядочены во времени
 значения которого не упорядочены во времени
428. Уровнем временного ряда является …
 совокупность значений временного ряда
 значение конкретного момента (периода) времени
74
 значение временного ряда в конкретный
момент (период) времени

среднее значение временного ряда
429. В формировании уровней любого временного ряда всегда присутствуют…
 факторы, формирующие тенденцию ряда
 линейные факторы
 случайные факторы
 факторы, формирующие циклические колебания ряда
430. Отдельные значения экономической характеристики объекта, полученные в
последовательные моменты или периоды времени, называются …
 множественной регрессией
 вариационным рядом
 уровнями временного ряда
 автокорреляционной функцией
431. Совокупность нерегулярных факторов, не поддающиеся учету и
регистрации, но оказывающих воздействие на формирование значений
временного ряда, называется
 трендом
 сезонными колебаниями
 случайными колебаниями
 линейной регрессией
432. Если временной ряд представлен в виде суммы соответствующих компонент, то
полученная модель носит название…
 мультипликативной
 обобщенной
 аддитивной
 компонентной
433. Модель временного ряда предполагает …
 пренебрежение временными характеристиками ряда
 отсутствие последовательности моментов (периодов) времени, в течение которых
рассматривается поведение экономического показателя
 независимость значений экономического показателя от времени
 зависимость значений экономического показателя от времени
434. Временной ряд характеризует …
 зависимость последовательных моментов (периодов) времени
 данные, описывающие совокупность различных объектов в определенный момент
(период) времени
 совокупность последовательных моментов (периодов) времени
 данные, описывающие один объект за ряд последовательных моментов (периодов)
времени
435. Модели, построенные на основе данных, характеризующих поведение
исследуемого объекта за ряд последовательных моментов времени,
называются…
 моделями временных рядов
75



системами одновременных уравнений
периодическими моделями
последовательными моделями
436. Случайные колебания, радикально меняющие параметры модели или саму
модель, называются …
 разладочными
 эволюционными остаточными
 трендовыми
 циклическими (конъюнктурными)
437. Временным рядом называют …
 упорядоченные во времени значения показателя
 временно созданный набор данных
 набор любых экономических данных для исследования
 ряд данных, полученный расчетным путем за короткое время
438. Под лагом подразумевается число…
 уровней исходного временного ряда
 пар значений, по которым рассчитывается коэффициент автокорреляции
 периодов, по которым рассчитывается коэффициент автокорреляции
 временных рядов, по которым осуществляется расчет коэффициента
автокорреляции
439. Коррелограммой является …
 графическое отображение регрессионной функции
 процесс экспериментального нахождения значений автокорреляционной функции
 графическое отображение автокорреляционной функции
 аналитическое выражение для автокорреляционной функции
440. Высокое значение коэффициента автокорреляции порядка для уровней
временного ряда свидетельствует о том, что исследуемый ряд содержит
(помимо тенденции) …
 только случайную компоненту
 разладочную случайную компоненту
 колебания с периодом
 ярко выраженный тренд
441. Автокорреляцией уровней временного ряда называется зависимость …
 дисперсии последовательных и предыдущих уровней ряда от времени
 математических ожиданий уровней ряда от времени
 между последовательными и предыдущими уровнями ряда
 математических ожиданий последовательных и предыдущих уровней ряда
76
442. На основе анализа временного ряда построена следующая таблица
Период сезонных колебаний равен
 4
443. Значение коэффициента автокорреляции второго порядка характеризует
связь между …
 исходными уровнями и уровнями второго временного ряда
 двумя временными рядами
 исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени
 исходными уровнями и уровнями другого ряда, сдвинутыми на 2 момента времени
444. Автокорреляцией уровней временного ряда называют корреляционную
зависимость между …
 значениями его остатков
 наблюдаемыми и расчетными значениями исследуемого временного показателя
 уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на один
или несколько периодов времени
 его трендовой и сезонной компонентами
445. Если ни один из вычисленных коэффициентов линейной автокорреляции
уровней ряда не оказался значимым, ряд не содержит ...
 циклических колебаний, его уровень определяется только трендовыми
показателями и случайной компонентой
 случайной компоненты, его уровень определяется только тенденцией и
циклическими колебаниями
 тенденции и циклических колебаний, его уровень определяется только случайной
компонентой
 тенденции, его уровень определяется только циклическими колебаниями и
случайной компонентой
446. Структуру временного ряда можно выявить на основе … Кол-во правильных
ответов - 2
 лаговая переменная
 коэффициент детерминации
 автокорреляционная функция
 коррелограмма
447. Укажите справедливые утверждения относительно автокорреляционной
функции временного ряда.ответов - 2
 служит для оценки случайной компоненты временного ряда
 является возрастающей функцией от уровней ряда
 представляет собой последовательность коэффициентов автокорреляции уровней
временного ряда первого, второго и т.д. порядков
 служит для выявления структуры временного ряда
77
448. Укажите справедливые утверждения относительно автокорреляции уровней
временного ряда:ответов - 2
 представляет собой корреляционную зависимость между уровнями временного
ряда и соответствующими значениями случайной компоненты
 количественно измеряется с помощью коэффициента линейной корреляции между
трендовой и сезонной компонентами уровней ряда
 количественно измеряется с помощью коэффициента линейной корреляции между
последовательными уровнями исходного ряда
 представляет собой корреляционную линейную зависимость между
последовательными уровнями временного ряда
449. Автокорреляционная функция может служить для выявления во временном ряду
наличия или отсутствия следующих составляющих: Кол-во правильных ответов 2
 линейной тенденции
 случайной компоненты
 сезонных колебаний
 фиктивной переменной
450. Если во временном ряде наиболее высокими значениями характеризуются
коэффициент автокорреляции первого порядка (r1) и коэффициент
автокорреляции (rk , k > 3), то допустимыми являются выводы о том, что ряд
содержит- 2
 сезонную компоненту
 линейный тренд
 только случайную компоненту
 только линейный тренд
451. Если факторы входят в модель как сумма, то модель называется …
 суммарной
 производной
 аддитивной
 мультипликативной
452. Известны значения аддитивной модели временного ряда: Yt – значение
уровня ряда, Yt = 30, T – значение тренда, T=15, Е – значение компоненты
случайных факторов E=2. определите значение сезонной компоненты S.
 S=1
 S=-1
 S=13 (30-15-2)
 S=0
453. Гипотеза об аддитивной структурной схеме взаимодействия факторов,
формирующих уровни временного ряда, означает правомерность
следующего представления ...
 тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор
+ случайная компонента
 случайная компонента = тренд + конъюнктурная компонента + сезонный фактор +
уровень временного ряда
 уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор
+ случайная компонента
78

уровень временного ряда = случайная компонента – тренд + конъюнктурная
компонента + сезонный фактор
454. Пусть
— значения временного ряда,
— тренд-циклическая компонента
этого ряда,
— сезонная компонента,
— случайная компонента,
–
выровненный методом скользящей средней исходный ряд.
При выделении аддитивной сезонной компоненты в качестве отличия сезонного
явления от тренд-циклической составляющей используется …



(правильно)

455. Пусть
– значения временного ряда с квартальными наблюдениями,
аддитивная сезонная компонента, причем для первого квартала года
для третьего квартала года
, для четвертого квартала года
. Определите оценку сезонной компоненты для второго квартала года
 1/3
 5
 –3
 3
–
,
456. Гипотеза об аддитивной структурной схеме взаимодействия факторов,
формирующих уровни временного ряда, означает правомерность
следующего представления ... (нет ответа)
 тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор
+ случайная компонента
 случайная компонента = тренд + конъюнктурная компонента + сезонный фактор +
уровень временного ряда
 уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор
+ случайная компонента
 уровень временного ряда = случайная компонента – тренд + конъюнктурная
компонента + сезонный фактор
457. Модель временного ряда, имеющая следующую спецификацию
(где – уровень временного ряда, – тренд,
– сезонная
компонента, – конъюнктурная компонента, – случайная компонента), называется …
(нет ответа)
 аддитивной
 нелинейной
 смешанной
 мультипликативной
79
458. Пусть
– значения временного ряда,
- тренд-циклическая компонента
этого ряда, – сезонная компонента, – случайная компонента. Тогда общий вид
мультипликативной модели временного ряда можно представить как …




459. Пусть
– значения временного ряда с квартальными наблюдениями,
аддитивная сезонная компонента, причем для первого квартала года
для второго квартала года
, для третьего квартала года
Определите оценку сезонной компоненты для четвертого квартала
года
 -6
 0
 -2
 2 ?????
–
460. Пусть
– значения временного ряда с квартальными наблюдениями,
аддитивная сезонная компонента, причем для первого квартала года
для второго квартала года
, для третьего квартала года
Определите оценку сезонной компоненты для четвертого квартала
года
 -4
 4
 2
 -2
–
,
.
,
.
461. Построена аддитивная модель временного ряда, где Yt – значение уровня ряда,
Yt = 10, T – значение тренда, S – значение сезонной компоненты, E – значений
случайной компоненты. Определите вариант правильно найденных значений
компонент уровня ряда.
 T=5, S=2, E=0
 T=5, S=2, E=1
 T=5, S=2, E=3
 T=7, S=5, E=2




462. Временной ряд характеризуется постоянным характером циклических и
сезонных колебаний, тогда для его описания используется
модель года
множественная нелинейная
мультипликативная
классическая парная линейная
аддитивная
80
463. Плавно меняющаяся детерминированная компонента уровней временного ряда,
описывающая чистое влияние долговременных факторов, называется …
 случайной составляющей
 циклической составляющей
 трендом
 сезонным колебанием
464. Пусть
– значения временного ряда с квартальными наблюдениями, –
мультипликативная сезонная компонента, причем для первого квартала года
, для второго квартала года
, для третьего квартала
 3
 –19/4
 19/4
 1/3
465. Стационарность временного ряда означает отсутствие …
 значений уровней ряда
 наблюдений по уровням временного ряда
 тренда
 временной характеристики
466. Пусть
– значения временного ряда с квартальными наблюдениями, –
мультипликативная сезонная компонента, причем для второго квартала года
, для третьего квартала года
, для четвертого квартала года
. Определите оценку сезонной компоненты для первого квартала года




12
1/12
–1/12
1
467. Временной ряд, отличающийся от стационарного на неслучайную
составляющую (трендовую или периодическую компоненту), называется …
 строго стационарным
 слабо стационарным
 нестационарным
 регрессионным
468.
На рисунке представлена реализация …
 процесса, нестационарного по дисперсии
 стационарного процесса
 процесса, нестационарного по математическому ожиданию и периодически
нестационарного по дисперсии
 процесса, нестационарного по математическому ожиданию
81
469. Закон изменения нестационарного временного ряда




близок к
экспоненциальному. Этот ряд приводится к стационарному процессу
помощью
расчёта первых разностей
расчёта вторых разностей
логарифмирования цепных индексов
расчёта темпов прироста
470. Преобразование нестационарного временного ряда
с
в стационарный
должно обеспечивать приблизительное выполнение условия …





471. При моделировании временных рядов экономических показателей
необходимо учитывать характер уровней исследуемых показателей …
 независящий от времени
 конструктивный
 стохастический
 аналитический
472. Для временного ряда рассматривается авторегрессионный процесс первого
порядка
. Известно,
. Временной ряд является ...
 рядом типа «белый шум»
 описанием взрывного процесса
 нестационарным
 стационарным
473. Пусть
условия:
— стохастических процесс. Пусть для него выполнены следующие
— постоянство математического ожидания,
— постоянство дисперсии,




автоковариация, зависящая только от величины лага между
рассматриваемыми переменными. Тогда данный процесс является …
нестационарным
совместно стационарным
слабо стационарным или стационарным в узком смысле
условно стационарным
474. Процессом, который всегда является стационарным в слабом смысле
является …
 процесс случайного блуждания
 смешанный процесс авторегрессии и скользящего среднего
 процесс белого шума
 процесс авторегрессии первого порядка
82
475. На рисунке представлена реализация …
Варианты ответов. Кол-во правильных ответов - 1
 процесса, нестационарного по математическому ожиданию
 процесса, нестационарного как по дисперсии, так и по математическому ожиданию
 стационарного процесса
 процесса, нестационарного по дисперсии
476. Если случайные величины, образующие «белый шум» распределены
нормально, тогда ...
Варианты ответов. Кол-во правильных ответов - 1
 для временного ряда ярко выражены сезонные колебания
 временной ряд является нестационарным
 этот временной ряд называется гауссовским белым шумом
 временной ряд имеет тренд
477. Текущее значение экономического процесса предопределено его
предысторией. Пусть - ошибка модели в момент t, f - аналитическая функция.
Тогда модель для указанного допущения имеет следующий вид …
Варианты ответов. Кол-во правильных ответов - 1


(правильно)


478. Стационарный процесс -го порядка для всех временных отрезков
характеризуется постоянными значениями статистических моментов порядка
…
Варианты ответов. Кол-во правильных ответов - 1
и ниже

и выше

и выше

и ниже

479. Для стационарного процесса второго порядка
на любых двух временных
интервалах должны выполняться условия будут равны между собой пары
показателей:
, рассчитанные на этих интервалах.
Варианты ответов. Кол-во правильных ответов - 1
 математического ожидание, дисперсия, коэффициент автокорреляции второго
порядка
 коэффициент автокорреляции второго порядка
83


математическое ожидание, дисперсия, коэффициент автокорреляции первого
порядка
математическое ожидание, дисперсия
480. Математическое выражение линейной модели временного ряда имеет вид … (нет
ответа)
1.
2.
3.
4.
481. Системы эконометрических уравнений не используются при моделировании
…
 связей между экономическими показателями
 макроэкономических показателей
 взаимосвязей случайных факторов
 сложных экономических систем
482. Эконометрическая модель, являющаяся системой одновременных
уравнений, состоит в общем случае ...
 только из тождеств
 из поведенческих уравнений и автокорреляционной функции
 из поведенческих уравнений и тождеств
 из регрессионных уравнений и соотношений мультиколлинеарности в каждом из
них
483. В систему одновременных уравнений входят алгебраические соотношения
между эндогенными переменными. В них отсутствует случайная составляющая,
нет параметров, подлежащих оценке. Эти соотношения являются ...
 структурными соотношениями
 приведенными формулами
 тождествами
 регрессионными уравнениями
484. Относительно системы




верно следующее
утверждение: система записана в
нормальной
рекурсивной
структурной
приведённой
форме.
485. Относительно системы




верно следующее
утверждение: количество эндогенных переменных системы равно …
4
6
2
1
84
486. Система эконометрических уравнений представляет собой систему
уравнений
 детерминации
 аппроксимации
 регрессии
 корреляции
487. Система, в которой одни и те же эндогенные переменные входят в левую
часть одних уравнений и в правую часть других уравнений называется
системой
уравнений.
 независимых
 несовместных
 взаимосвязанных
 рекурсивных
488. Система, в которой каждая из эндогенных переменных рассматривается как
функция одного и того же набора факторов называется системой
уравнений.
 рекурсивных
 одновременных
 независимых
 взаимозависимых
489. – вектор эндогенных переменных,
 – матрица коэффициентов при эндогенных переменных,
 – матрица коэффициентов при предопределенных переменных
 – вектор предопределенных переменных
 – вектор случайных отклонений
Общий вид системы одновременных уравнений представляется в форме ...
Варианты ответов. Кол-во правильных ответов - 1



(правильно)




490. Система независимых уравнений — это система, в которой …
 одни и те же экзогенные переменные входят в левую часть одних уравнений и в
правую часть других уравнений
 эндогенная переменная одного из уравнений рассматривается как фактор в
следующем уравнении
 одни и те же эндогенные переменные входят в левую часть одних уравнений и в
правую часть других уравнений
 каждая из эндогенных переменных рассматривается как функция одного и того же
набора факторов 
85
491. Для системы эконометрических уравнений верным является утверждение:
"количество случайных компонент в системе взаимозависимых уравнений
соответствует числу
системы".
Варианты ответов. Кол-во правильных ответов - 1
 экзогенных переменных
 поведенческих уравнений
 эндогенных переменных
 балансовых соотношений (тождеств)
492. В поведенческих уравнениях структурной формы системы взаимосвязанных
уравнений параметры …
 заранее оценены и известны
 не подлежат оценке
 определяются обычным методом наименьших квадратов
 неизвестны и подлежат оценке
493. В правой части системы независимых уравнений находится …
 совокупность зависимых и независимых переменных
 совокупность зависимых переменных и случайных факторов
 совокупность независимых переменных и случайных факторов 
 одна зависимая переменная
494. Система взаимозависимых уравнений в ее классическом виде называется
также системой уравнений.
 рекурсивных
 изолированных
 одновременных
 независимых
495. Выделяют три класса систем эконометрических уравнений: …
 системы независимых уравнений, системы изолированных уравнений и системы
рекурсивных уравнений
 системы взаимозависимых уравнения, системы рекурсивных уравнений и системы
возвратных уравнений
 системы независимых уравнений, системы взаимозависимых уравнений и системы
рекурсивных уравнений
 системы одновременных уравнений, системы взаимозависимых уравнений и
системы рекурсивных уравнений
496. В системах рекурсивных уравнений количество переменных в правой части
каждого уравнения определяется как
количества зависимых переменных
уравнений и количества независимых факторов.
 разность … предыдущих
 разность … последующих
 сумма … предыдущих 
 сумма … последующих
497. Если структурная форма модели системы эконометрических уравнений
точно идентифицируема, то с помощью косвенного МНК …
 нулевые значения параметров модели
 оценки для параметров модели определить невозможно
86
 получают единственную оценку параметров
модели

получают несколько различных вариантов оценок параметров модели
498. Левая часть системы взаимозависимых уравнений представлена вектором …
 зависимых переменных и случайных величин
 зависимых независимых переменных
 зависимых переменных
 независимых переменных
499. Система уравнений, в которых каждая эндогенная переменная
рассматривается как функция только предопределенных переменных,
называется системой
уравнений.
 одновременных
 регрессионных
 независимых
 рекурсивных
500. Система уравнений, где эндогенные переменные в одних уравнениях выступают в
роли результирующего признака, а в других уравнениях – в роли фактора,
называется системой
уравнений.
 независимых
 изолированных
 одновременных
 рекурсивных
501. Пусть D– число предопределенных переменных, отсутствующих в данном
уравнении, но присутствующих в системе, а H– число эндогенных переменных в
уравнении. Уравнение системы считается неидентифицируемым, если …








502. Для оценки параметров структурной модели системы необходимо, чтобы …
 все уравнения системы были неидентифицируемы или сверхидентифицируемы
 хотя бы одно уравнение системы было неидентифицируемо или
сверхидентифицируемо
 все уравнения системы были идентифицируемы или сверхидентифицируемы
 хотя бы одно уравнение системы было идентифицируемо или
сверхидентифицируемо
503. Выберите верные утверждения по поводу системы независимых уравнений:
 каждое уравнение системы может рассматриваться в качестве отдельного
уравнения регрессии зависимости одной переменной от группы факторов
 каждая зависимая переменная рассматривается как функция только от
предопределенных переменных
 оценки параметров уравнений нельзя определить методом наименьших квадратов
 каждая независимая переменная является функцией от всех других независимых
переменных
504. Для указанной схемы взаимосвязей между переменными справедливы
утверждения:
87
Варианты ответов. Кол-во правильных ответов - 2
 может быть описана с помощью системы одновременных уравнений
 может быть описана с помощью системы рекурсивных уравнений
 включает 3 уравнения
 включает 6 уравнений
505. Для указанной схемы взаимосвязей между переменными справедливы
утверждения:
Варианты ответов. Кол-во правильных ответов - 2
 включает 5 уравнений
 может быть описана с помощью системы одновременных уравнений
 включает 2 уравнения
 может быть описана с помощью системы независимых уравнений
506. Для указанной схемы взаимосвязей между переменными справедливы
утверждения:
Варианты ответов. Кол-во правильных ответов - 2
 включает 4 уравнения
 может быть описана с помощью системы рекурсивных уравнений
 включает 3 уравнения
 может быть описана с помощью системы независимых уравнений
507. Для указанной схемы взаимосвязей между переменными справедливы
утверждения:
88
Варианты ответов. Кол-во правильных ответов - 2
 включает 3 уравнения
 может быть описана с помощью системы независимых уравнений
 может быть описана с помощью системы одновременных уравнений
 включает 2 уравнения
508. Проблема оценки структурных параметров системы одновременных уравнений
связана с тем, что предопределенные переменные уравнений и их возмущения
являются ...
 незначимыми
 гомоскедастичными
 коррелированными
 некоррелированными
509. Понятие «предопределенные переменные» включает в себя ...
 только лаговые переменные, как эндогенные, так и экзогенные
 эндогенные и лаговые экзогенные
 экзогенные и лаговые эндогенные переменные
 экзогенные и эндогенные переменные
510. Коэффициенты уравнений приведенной формы системы одновременных
уравнений называют ...
 стандартизированными
 частными
 приведенными
 структурными
511. Переменные, значения которых формируются в процессе и внутри
функционирования анализируемой социально-экономической системы,
называются …
 предопределенными
 структурными
 эндогенными
 экзогенными
512. Модель идентифицируема, если число параметров структурной формы
модели …
 больше числа параметров приведенной формы модели
 не равно числу уравнений модели
 равно числу параметров приведенной формы модели
 меньше числа параметров приведенной формы модели
89
513. Структурные коэффициенты системы одновременных уравнений
определяются однозначно по коэффициентам приведенной формы системы.
Такая модель называется ...
 неидентифицируемой
 неопределенной
 идентифицируемой
 сверхидентифицируемой
514. Поведенческим уравнением системы эконометрических уравнений
называется уравнение, которое …
 описывает модель взаимодействия между случайными составляющими, т.е.
содержит только случайные составляющие
 описывает ограничения на значения эндогенных и экзогенных переменных
 описывает модель взаимодействия между переменными, т.е. содержит подлежащие
оценке параметры и случайные составляющие
 описывает соотношение, выполняемое во всех случаях, т.е. не содержит
подлежащие оценке параметры и случайные составляющие
515. В правой части приведенной формы системы одновременных уравнений,
построенной по перекрестным данным (cross-section data) без учета временных
факторов, могут стоять переменные.
 зависимые
 лаговые
 эндогенные
 экзогенные
516. Если число структурных коэффициентов модели меньше числа приведенных
коэффициентов и, следовательно, на основе приведенных коэффициентов можно
получить два или более значений одного структурного коэффициента, то модель
является …
 сверхидентифицируемой
 условно идентифицируемой
 идентифицируемой
 неидентифицируемой
517. Каждое из уравнений в структурной форме системы одновременных
уравнений представляет собой …
 оценку случайного возмущения
 основное соотношение метода наименьших квадратов
 линейную регрессию набором зависимых и независимых переменных
 временной ряд
518. В системе одновременных уравнений
- число эндогенных переменных, а
- число экзогенных переменных. Число параметров полной структурной модели
равно







90
519. В общем виде приведенной формы модели, построенной по указанной схеме
взаимосвязей между переменными, количество приведенных коэффициентов
равно …
Варианты ответов. Кол-во правильных ответов - 1
 5
 2
 3
 6
520. Двухшаговый метод наименьших квадратов применяется для оценки
параметров …
 нелинейных уравнений регрессии
 линеаризованных уравнений регрессии
 систем эконометрических уравнений
 временных рядов
521. При оценке параметров приведенной формы модели косвенный метод
наименьших квадратов использует алгоритм…
 метода главных компонент
 расчета средней взвешенной величины
 обычного метода наименьших квадратов
 метода максимального правдоподобия
522. Для точно идентифицируемой структурной формы системы одновременных
уравнений при оценке параметров применяется метод наименьших квадратов.
 двухшаговый
 трехшаговый
 косвенный
 традиционный
523. Метод, суть которого состоит в использовании в качестве инструментальной
переменной теоретической оценки переопределенной переменной, полученной на
базе экзогенных (или предопределенных) переменных модели, является методом
наименьших квадратов.
 обобщенным
 обычным
 двухшаговым
 косвенным
91
524. При оценке параметров систем одновременных уравнений не производят
…
 расчет коэффициентов приведенной формы
 идентификацию системы одновременных уравнений
 линеаризацию уравнений системы
 преобразование структурной формы модели в приведенную
525. Приведенная форма модели является результатом преобразования …
 системы рекурсивных уравнений
 нелинейных уравнений регрессии
 структурной формы модели
 системы независимых уравнений
526. С помощью традиционного метода наименьших квадратов можно
определить параметры уравнений, входящих в систему уравнений.
 рекурсивных или одновременных
 только одновременных
 независимых или рекурсивных
 одновременных или независимых
527. Двухшаговый метод наименьших квадратов определения оценок
структурных параметров используется в случае ...
 неидентифицируемости хотя бы одного уравнения в системе
 использования в системе фиктивных переменных
 точной идентифицируемости системы одновременных уравнений или
сверхидентифицируемости этой системы
 отсутствия в системе тождеств
528. Двухшаговый метод наименьших квадратов является частным случаем ...
 взвешенного метода наименьших квадратов
 метода максимального правдоподобия
 метода инструментальных переменных
 косвенного метода наименьших квадратов
529. В приведенной форме модели в правой части уравнений находятся …
 только зависимые переменные
 только независимые переменные
 случайные факторы
 зависимые и независимые переменные
530. Для сверхидентифицируемой структурной формы системы одновременных
уравнений при оценке параметров применяется метод наименьших квадратов.
 традиционный
 двухшаговый
 косвенный
 трехшаговый
92
531. Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в
приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших
квадратов
3. по оценкам параметров приведенной формы вычисляются оценки структурных
параметров.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
 косвенному
 обобщенному
 трехшаговому
 двухшаговому
532. Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в
приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом
наименьших квадратов
3. определение расчетных значений эндогенных переменных, которые выступают в
качестве факторов в структурной форме модели
4. определение структурных параметров каждого уравнения в отдельности
традиционным методом наименьших квадратов, используя в качестве
факторов входящие в это уравнение предопределенные переменные и расчетные
значения эндогенных переменных, полученные на первом шаге.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
 косвенному
 обобщенному
 трехшаговому
 двухшаговому
533. Оценки параметров идентифицируемой системы эконометрических
уравнений могут быть найдены с помощью
метода наименьших
квадратов.
 взвешенного
 косвенного
 обобщенного
 обычного
534. Если по результатам анализа поля корреляции замечено, что на интервале
изменения фактора меняется характер связи рассматриваемых признаков, прямая
связь изменяется на обратную, то моделирование целесообразно проводить на
основе
параболы второй степени.
535. Любой набор категорий можно описать некоторой совокупностью фиктивных
переменных.
536. При отборе факторов путем постепенного наращивания их числа для
включение нового фактора в модель достаточно, чтобы новый фактор не
коррелировал с раннее включ. в модель.
93
537. Если регрессионные остатки в эконометрической
модели статически
взаимозависимы, то ее называют моделью с: автокоррелированными остатками.
538. Мера расхождения сглаженного (регрессионного) и наблюденного значения
называется остатком.
539. Термин эконометрика был введен Фришем.
540. Имеется матрица парных коэффициентов корреляции:
X1
X2
y
Y
1
X1
-0,782
1
X2
0,451
0,564
1
X3
0,842
-0,873
0,303
Между какими признаками наблюдается мультиколлинеарность: х1, х3
X3
1
541. Для линеаризации регрессионной модели y=a+b*кореньX +c используется
замена … z=кореньХ
542. В уравнении множественной регрессии, построенном на основании 14
наблюдений рассчитаны оценки параметров и записана модель: y = 4,4 +0,83/// (в
скобках указаны значения t-статистик, соответствующие параметрам регрессии).
Известны критические значения Стьюдента при различных уровнях значимости
Для данного уравнения при уровне значимости 0,1
 Все ответы неверны. (должны быть больше 0,1)
543. Построена эконометрическая модель для зависимости прибыли от
реализации единицы продукции (руб., у) от величины оборотных средств
предприятия (тыс. р., х1):
. Следовательно, средний
размер прибыли от реализации, не зависящий от объема оборотных средств
предприятия, составляет 10,75 рубля.
544. Коэффициенты при сезонных фиктивных переменных показывают
численную величину изменения, происходящего при смене сезона:
545. Множественный
регрессионный
регрессионного анализа
анализ
является
развитием
парного
546. Для регрессионной модели…. R= 0,87. Моделью объяснена часть дисперсии
переменной у, равная (0,872) 0.76
547. Найдите верное высказывание: Стандартизированный коэффициент
уравнения регрессии измеряется в сигмах.
548. Как правило в эталонной категории • все фиктивные переменные равны 0
549. Для регрессионной модели…. R= 0,91 Моделью объяснена часть дисперсии
переменной у, равная (0,912) 0,83
94
550. на основании рядов данных для переменных Х и У построено уравнение регрессии:
у=а1+а2*х=8+3,25х. Если х=5, то эластичность результирующего показателя у
относительно факторы х:
Э=f ’(x)*x/f(x)=3,25*5/(8+3,25*5)=3,25*5/24,25=0,67
551. В эконометрических моделях «остаточная» дисперсия – это дисперсия отклонений
наблюдаемых значений результативного признака от его расчетных значений
552. Какие из представленных функций ЛИНЕЙНЫ по параметрам?
 Вариант ответа 1
 Вариант ответа 2
 Вариант ответа 3
 Вариант ответа 4
 Вариант ответа 5
553. Параметр является статистически значимым (существенным), если
вероятность того, что он равен нулю мала
554. Множественный линейный коэффициент корреляции R равен 0,93. Какой

процент вариации зависимой переменной Y учтён в модели и обусловлен
влиянием факторов x1 и х2
R2=0.932*100% = 86,49
555. Стандартизованный коэффициент уравнения Вк применяется при проверке: при
проверке эконометрической значимости к-го фактора (при проверке важности
этого фактора – написала Элен)
556. По выборочным данным оценено уравнение регрессии: у=-0,128+37х+3,45d, где У




– расходы на потребление овощей (руб.), Х – денежные доходы (руб.), d – место
проживания инвалида (1-в городе, 0-в селе). Какова будет интерпретация, если
положить, что 1 – в селе, 0 – в городе?
Расходы на потребление овощей у инвалида в селе на 3,45 больше при пр.
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у инвалида в селе на 3,45 меньше при пр.
Расходы на потребление овощей у инвалида в городе на 3,45 меньше при пр.
557. Качество подбора нелинейного уравнения регрессии можно охарактеризовать на




основе показателей …
Коэффициента линейной корреляции
средней ошибки аппроксимации
индекса детерминации
Коэффициента эластичности
558. Линеаризация нелинейной модели регрессии может быть достигнута:
преобразованием анализируемых переменных
95
559. Во множественном регрессионном анализе коэффициент детерминации
определяет
регрессией: долю дисперсии y, объясненную
560. Величина доверительного интервала позволяет установить предположение о том,
что: интервал содержит оценку параметра генеральной совокупности
561. Гетероскедастичность приводит к неэффективности оценок параметров
562. Какие из представленных функций НЕЛИНЕЙНЫ по параметрам?
 Вариант ответа 1
 Вариант ответа 2
 Вариант ответа 3
 Вариант ответа 4
 Вариант ответа 5
563. Общая сумма квадратов отклонения = 120, а остаточная сумма квадратов
отклонений = 30, то сумма квадратов отклонений, объяснённая регрессией,
равна:
 120-30=90
(пояснение: Общая сумма квадратов отклонений складывается из суммы квадратов отклонений,
объясненных регрессией, и остаточной суммы квадратов отклонений. Значит, сумма квадратов
отклонений, объясненная регрессией, равна разности общей сумме квадратов отклонений и остаточной
суммы квадратов отклонений)
564. Имеются следующе данные: коэффициент b=7,35, стандартная ошибка
коэффициента регрессии se(b)=0,03 чему равна правая граница
доверительного интервала?
 (7,35+2,11*0,03) = 7,41
565. Общая сумма квадратов отклонений 150, а остаточная сумма квадратов
отклонений =30. Коэффициент детерминации
 1-30/150=0,8
566. Ситуации, при которой нулевая гипотеза была опровергнута, хотя была
истинной, носит название: ошибка 1 рода
567. Значение оценки является: случайной величиной
568. В модели парной регрессии у=4+2х изменение х на 2 единицы вызовет
изменение у 4 единиц
569. В эконометрической модели уравнения регрессии величина отклонения
фактического значения зависимой переменной от ее расчетного значения
характеризует ошибку модели
570. Метод оценивания – общее правило для получения приближенного численного
значения какого-либо параметра по данным выборки.
571. Этапы построения эконометрической модели.
96

постановочный, априорный, параметризация, информационный, идентификация
модели, верификация модели.
572. Имеются следующие данные: коэффициент регрессии b=8,73 стандартная
ошибка коэффициента регрессии 0,07 , найти t-Стьюдента (b/se=124,71)
 8,73/124,71 = 0,07
573. По следующим данным вычислите параметр b
линейного уравнения
�
�
�
�
�
�
𝟐𝟐
𝟐𝟐
�
�
�
�
�
регрессии (округлить до сотых): х у =100, х=10, у=8 х =136 у =100, а=4,8
2- х
�2)=(100-10*8)/(136-102)=0,56
 b=(�
х�
у�− х�∗ у�)/( х�
574.
По следующим данным вычислите параметр b
линейного уравнения регрессии (округлить до сотых): х�=20, у�=10 Э = 𝟎𝟎, 𝟖𝟖
Э=b*х�/у�, 0,8a=2b
 b = 0,8/2 = 0.4
575.
По следующим данным вычислите параметр а
линейного уравнения регрессии (округлить до сотых): х�=20, у�=10 Э = 𝟎𝟎, 𝟖𝟖
Э=b*х�/у�, 0,8=2b, b=0.4
 а = 10-0,4*20 = 2
576.
По следующим данным вычислите линейный
коэффициент корреляции (округлите до сотых):
𝟐𝟐�
�
х�
у�
=100, �х=10, у�=8 х��𝟐�=136 �
у�
=100, а=4,8

R=(100-10*8)/(√136 − 10^2 )*( √100 − 8^2)=0.56
577. Гиперболической моделью не является регрессионная модель
вариант ответа номер 1 (a+x/b+U)
578. Проводя эконометрическое моделирование зависимости объема продаж компании
от ряда факторов х1- цена на товар, х2 – степени известности торговой марки фирмы,
х3 – доходы потребителей, х4 – уровня интенсивности реклам. Фиктивными
переменными не являются – х1 и х3
579. По выборочным данным у = 157 + 0,25х – 500d …. С денежным доходом 18000.
Ответ 4157
580. Пусть оценено уравнение регрессии : у=-133+820х+3200d1+1360d2, где У – цена
двухкомнатной квартиры, Х – полезная площадь, d1 – место расположения (1- в
центре, 0 – на окраине), d2 – тип дома (1 – кирпичный, 0 – панельный). Какова будет
интерпретация, если положить что d1=1 – на окраине, d1=0 – в центре?
 Цена квартиры зависит только от площади дома
 Квартира, расположенная в центре, стоит на 3200 дешевле при прочих равных
условиях
 Квартира, расположенная на окраине, стоит на 3200 дороже при прочих равных
условиях
 Квартира, расположенная на окраине, стоит на 3200 дешевле при прочих равных
условиях
581. Пусть У – товарооборот магазина, млн.руб., Х1 – торговая площадь
(тыс.кв.м.), Х2 – среднее количество посетителей в день (тыс.чел.).
97
У=0,83+5,74х1+1,75х2. Каков будет товарооборот магазина, если он находится в
относительно оживленном месте с количеством посетителей 20 000 и имеет
торговую площадь 1000 кв.м.
Ответ: 41,57
582. Какая из перечисленных функций нелинейны по параметрам?
Ответ:1,2,3
583. Для модели парной регрессии оценки, полученные по МНК, являются
несмещенными, эффективными, состоятельными, если ... выполнены условия
Гаусса-Маркова
584. Способ оценивания (estimator) — общее правило для получения
какого-либо параметра по данным выборки.
приближенного численного значения
585. Явление, когда строгая линейная зависимость между переменными приводит к
невозможности применения МНК, называется: полной коллинеарностью
586. Выборочная дисперсия зависимой переменной регрессии равна
объясненной дисперсии зависимой переменной и
необъясненной дисперсии зависимой переменной.
587. Если все наблюдения лежат на линии регрессии, то
детерминации R2 для модели парной регрессии равен: единице
коэффициент
588. Значение коэффициента детерминации рассчитывается как отношение дисперсии
результативного признака, объясненной регрессией, к
дисперсии результативного признака. Общей
589. При каком значении средней ошибки аппроксимации модель имеет высокую
точность: Менее 10%
590. Ковариация между переменными x и y может принимать значения: любое
число
591. Имеются следующие данные: коэффициент регрессии b = 21,15, стандартная
ошибка коэффициента регрессии se(b) = 0,08. Чему равна левая граница
доверительного интервала, если … 0,05. ОТВЕТ: 20,98 b-t*se(b) = 21.15-tкр*0,08
592. При снижении уровня значимости риск совершить ошибку I рода уменьшается
593. При вычислении t-статистики применяется распределение Стьюдента
594. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид �
𝐲
= 5,28 + 8,7x, х�= 5,0; у�= 34,24: 1,27= (8,7*(5/34,24)
595. На основании ряда данных для переменных Х и Н построено уравнение
98
регрессии ……… +0,87х. Какое из следующих высказываний является верным:
все высказывания неверны.
596. Постановочный этап построения эконометрической модели это: определение
конечных целей моделирования, набора участвующих в модели факторов и
показателей, их роли.
597. МНК автоматически дает максимальное для данной выборки значение
коэффициента детерминации R2.
598. Метод наименьших квадратов может применяться в случае нелинейной и
множественной регрессии
599. В кинотеатре проводится исследование, какой вид попкорна предпочитают
зрители. Результаты показали, что вид А предпочитает 65% плюс-минус 3%. Что
означает « плюс-минус 3%»? Истинная доля любителей попкорна вида А с
фиксированной доверительной вероятностью находится в пределах от 62 до 68
процентов
600. Априорный этап построения эконометрической модели – это: предмодельный
анализ экономической сущности изучаемого явления, формирование и
формализация априорной информации.
601. На стыке каких областей знаний возникла эконометрика: экономическая
теория, математические методы и статистические методы.
602. Близко к линии регрессии находится наблюдение, для которого теоретическое
распределение случайного члена имеет: малое стандартное отклонение.
603. Метод наименьших квадратов позволяет оценить параметры уравнений
регрессии
604. Известно, что доля остаточной дисперсии равна 0,19. Тогда значение
коэффициента корреляции равно 0,9
Найдем коэффициент детерминации:
И, наконец, коэффициент корреляции:
605. Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в
тысячах рублей) по цене (в тыс. рублях) оказался равным «-1,25». Это означает, что
 Увеличение цены на 1% снижает спрос на стулья на 1,25%
 Увеличение цены на 1% снижает спрос на стулья на 1250 рублей
 Увеличение цены на 1000 рублей снижает спрос на стулья на 1250 рублей
 Увеличение цены на 1000 рублей снижает спрос на стулья на 1,25%
606. Простая (парная) регрессия – это
 Модель, где среднее значение зависимой переменной У рассматривается как
функция нескольких независимых переменных
 Зависимость среднего значения какой-либо величины
99


Модель, где среднее значение зависимой переменной У рассматривается как
функция одной независимой Х
Модель вида У=а+bx
607. Какие из представленных функций могут быть линеаризованы?
 У = αХ𝛽1Х𝛽2U
 У = α + Х𝛽+U
1
 У = α(1 −
)+U
𝛽𝛽
1− Х
608. Какие из представленных функций не могут быть линеаризованы?

 У = α + β1+U
Х
 У = αХ𝛽1Х𝛽2U
1
 У = αе𝛽хU
2
609. Для линейного регрессионного анализа требуется линейность
 Только по параметрам
 Только по переменным
 И по параметрам, и по переменным
 Всех факторов
610. Какие из представленных функций нелинейны по параметрам?
 У = α + Х𝛽+U
у�= а0 + а1х + а2х2

 У = α + βх3+U
 Ln = α + βlnX+U
611. Если по результатам анализа поля корреляции замечено, что на интервале
изменения фактора меняется характер связи рассматриваемых признаков, прямая
связь изменяется на обратную, то моделирование целесообразно проводить на
основе
 Параболы второй степени
 Параболы третьей степени
 Равносторонней гиперболы
 Степенной функции
612. При снижении уровня значимости риск совершить ошибку I рода
 Сохраняется
 Не изменяется
 Уменьшается
 Увеличивается
613. Индекс корреляции может принимать значения
 От 1 до 100
 От 0 до 10
 От 0 до +1
 От -1 до +1
614. В модели множественной линейной регрессии высокая корреляция между двумя
1 0м0и приводит к:
объясняющими п ер еменн ы




Значительной дисперсии оценок коэффициентов, полученных по методу
наименьших квадратов
Неэффективности оценок коэффициентов, полученных по МНК
Невозможности определения изолированного влияния регрессоров на зависимую
переменную и однозначной их интерпретации
Несостоятельности оценок коэффициентов, полученных по МНК
615. Факторы эконометрической модели не являются коллинеарными, если
коэффициент
между ними по модулю
0,7.
 Корреляции … меньше
 Детерминации … меньше
 Корреляции … больше
 Детерминации … больше
616. Пусть У – товарооборот магазина, млн. руб., Х1 – торговая площадь (тыс.кв.км), Х2
– среднее количество посетителей в день (тыс.чел.), у� = 0,83 + 5,74Х1 + 1,75Х2.
Каков будет товарооборот магазина (млн.руб.), если он находится в относительно
оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 41,57
617. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2
— среднее количество посетителей в день, тыс. чел. 𝐲�= −𝟎𝟎. 𝟖𝟖𝟖𝟖 +
𝟓𝟓. 𝟎𝟎𝟕𝟕𝒙𝒙1 + 1. 𝟎𝟎𝟓𝟓𝒙𝒙𝟐𝟐 Каков будет товарооборот магазина, если он находится в
относительно оживленном месте с количеством посетителей 20000 и имеет
торговую площадь 1000 кв.м? 39,91
618. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2
— среднее количество посетителей в день, тыс. чел. �
𝐲 = −𝟎𝟎. 𝟖𝟖𝟖𝟖𝟐𝟐 +
𝟕𝟕. 𝟎𝟎𝟕𝟕𝟖𝟖х1 + 𝟎𝟎. 1𝟎𝟎𝟓𝟓𝒙𝒙𝟐𝟐 Каков будет товарооборот магазина, если он находится в
относительно оживленном месте с количеством посетителей 20000 и имеет торговую
площадь 1000 кв.м? 7,41
619. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид
у�= 3,04 + 7,8х, если х�= 4,0, у�= 34,24.
 Э=(х�/ у�)*b = (4,0/34,24)*7,8 = 0,91
+
620. Пусть оценено уравнение регрессии у� = -0,16+10х 5d1+3d2, где У – заработная
плата работника данной фирмы (тыс.руб.), Х – стаж работы (лет), d1 – пол работника
(d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у работника высшего
образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что начальная кодировка
изменена: d1=0 – для женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник
мужчина, имеет высшее образование. 97,84
-
621. Пусть оценено уравнение регрессии у� = -0,16+10х 5d1+3d2, где У – заработная
плата работника данной фирмы (тыс.руб.), Х – стаж работы (лет), d1 – пол работника
(d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у работника высшего
образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что
101
начальная кодировка изменена: d1=0 – для женщин, d1=1 – для мужчин, стаж составляет
10 лет, работник мужчина, имеет высшее образование. 107,84
622. Пусть оценено уравнение регрессии у� = -0,16+10х-5d1+3d2, где У – заработная
плата работника данной фирмы (тыс.руб.), Х – стаж работы (лет), d1 – пол работника
(d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у работника высшего
образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Какова будет интерпретация, если положить d=1 – для мужчин, d=0 –
для женщин?
 Мужчины получают в среднем на 5 тыс. руб. больше при прочих равных условиях
 Интерпретация не изменится
 Женщины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
 Мужчины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
623. Информационный этап построения эконометрической модели – это:
 Само моделирование
 Статистический анализ модели
 Сопоставление реальных и модельных данных
 Сбор необходимой статистической информации, т.е. регистрация значений
участвующих моделей факторов и показателей
624. Коэффициент регрессии в линейной регрессии совокупного спроса на
мобильные телефоны (в тысячах рублей) по цене (в рублях) оказался равным
«–1,2». Это означает, что
 Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу
двести рублей
 Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу
двести рублей
 Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1,2%
 Полученное число никак не интерпретируется
 Увеличение цены на 1% снижает спрос на мобильные телефоны на 1,2%
625. Отличие одностороннего теста от двустороннего заключается в том, что он
имеет
 Одно или несколько критических значений
 Одно критическое значение
 Несколько критических значений
 Множество критических значений
626. Между коэффициентом корреляции и регрессии существует связь:
 r = b𝑠х
2

r = b𝑠𝑠2𝑥̅

𝑠2
r = b𝑠2𝑥̅
𝑥̅
𝑦

r = b𝑠𝑦
𝑠𝑥̅
627. Уравнение парной регрессии связывает
 Теоретические значения х и эмпирическое значение у
 Теоретические значения у и эмпирическое значение х
102


Теоретические значения х и у
Переменную х и математическое ожидание у
628. Для линеаризации нелинейной регрессионной модели у = а + b√𝒙𝒙 + 
используется замена …
 z = √𝑥̅
 z = √𝑥̅ + 
 z = b√𝑥̅
 z = а + b√𝑥̅
629. Проверка гипотезы Н: R2=0 происходит с помощью теста
 Стьюдента
 Паркинсона
 Дарбина-Уотсона
 Фишера
630. Для регрессионной модели у = f(x) + , где f(x) – нелинейная функция. Значение
индекса корреляции R=0,64. Моделью объяснена часть дисперсии переменной у,
равная …
 0,36
 0,6
 0,41
 0,8
631. Множественный линейный коэффициент корреляции R равен 0,85. Какой процент
вариации зависимой переменной У учтен в модели и обусловлен влиянием факторов
х1 и х2 (до сотых).
 72,25 (R2=0.852*100%)
 27,75
 0,73
 85,00
632. Множественный
регрессионный
регрессионного анализа:
 Эквивалентностью
 Противоположностью
 Частным случаем
 Развитием
анализ
является
парного
633. Пусть для некоторой отрасли оценена регрессионная модель: у� = - 0,46+8х+2,8d,
где У – заработная плата (тыс.руб.), Х – стаж работы (лет), d – пол работника (d1=1 –
мужчина, d1=0 – женщина). Какова будет интерпретация, если положить d1=1 –
женщина, d1=0 – мужчина?
 Интерпретация не изменится
 Женщины получают в среднем на 2,8 тыс. руб. меньше при прочих равных условиях
 Мужчины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
 Женщины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
634. Как правило, в эталонной категории
 Все фиктивные переменные равны 1
103



Все фиктивные переменные равны 0
Все фиктивные переменные принимают разные значения
Все фиктивные переменные равны 10
635. По следующим данным вычислите параметр b
линейного уравнения
𝟐𝟐
𝟐𝟐
регрессии (округлить до сотых): rxy = 0,85; 𝑠 =𝑦 36; 𝑠 𝑥̅= 49.
𝑠
 𝑏 = 𝑟 ∗ х = 0,73
636. Имеются следующие данные: b = 2,13; se(b) = 0,277. Чему равна левая граница
доверительного интервала, если tтабл = 2,11 при α = 0,05 (с точностью до сотых). b tтабл *se(b) = 2,13-2,11*0,277=1,55
637. По выборочным данным оценено уравнение регрессии у�= 157+0,25х-500d, где У –
расходы на потребление мяса (руб.), Х – денежный доход (руб.), d – социальный
статус индивида (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома (d2=1 – если
индивид пенсионер, d2 = 0 – если индивид работает). Рассчитайте расходы на
потребление мяса пенсионера с денежным доходом 18000 руб. 4157
638. По выборочным данным оценено уравнение регрессии у�= 157+0,25х-1,3d, где У –
расходы на потребление мяса (руб.), Х – денежный доход (руб.), d – социальный
статус индивида (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома (d2=1 – если
индивид пенсионер, d2 = 0 – если индивид работает). Какова будет интерпретация,
если положить d=1 – индивид работает, d = 0 – если индивид пенсионер?
 Расходы на потребление мяса у пенсионера на 1,3 руб. меньше, чем у работающего
индивида при прочих равных условиях
 Социальный статус индивида не влияет на расходы, он зависит только от дохода
 Расходы на потребление мяса у пенсионера на 1,3 руб. больше, чем у работающего
индивида при прочих равных условиях
 Расходы на потребление мяса у работающего индивида на 1,3 руб. больше, чем у
пенсионера при прочих равных условиях
639. Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на
мобильные телефоны (в тысячах рублей) по цене (в рублях) оказался равным
«-0,15». Это означает, что
 Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу
пятьсот рублей
 Полученное число никак не интерпретируется
 Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15%
640. Уравнение регрессии имеет вид 𝐲𝐲̂ = 3,15 – 1,32х. На сколько единиц своего
измерения в среднем изменится 𝐲𝐲̂ при увеличении х на одну единицу своего
измерения:
 Уменьшится на 1,32
 Не изменится
 Увеличится на 3,15
 Увеличится на 1,32
641. Регрессионная модель с одним факторным признаком называется…
 Нелинейной
104



Парной
Множественной
Рекурсивной
642. Основные типы эконометрических моделей:
 Модели тренда, модель сезонности
 Модель временных рядов, регрессионные модели, система одновременных уровней
 Регрессионная, модель тренда и сезонности
 Модель сезонности, регрессионная
643. К показателю, характеризующему качество модели, относят:
 t-статистика
 коэффициент корреляции
 коэффициент детерминации
 коэффициент регрессии
644. Какой критерий используют для
корреляции в парной линейной модели:
 Критерий Пирсона
 t-критерий Стьюдента
 F-Критерий Фишера
 d-критерий Дарбина-Уотсона
 хи-квадрат критерий
оценки
значимости
коэффициента
645. Множественная регрессия — это
 Зависимость среднего значения какой-либо величины
 Модель, где среднее значение зависимой переменной У рассматривается как
функция нескольких независимых переменных Х1, Х2, Х3…
 Модель, где среднее значение зависимой переменной У рассматривается как
функция одной независимой Х
 Модель вида У=а+bx
646. Свойства коэффициентов регрессии как случайных величин зависят от
свойств
уравнения
 Независимых переменных
 Зависимой переменной
 Остаточного члена
 Всех составляющих
647. Под эконометрикой в широком смысле слова понимается:
 Совокупность различного рода экономических исследований, проводимых с
использованием математики
 Совокупность теоретических результатов
 Применение статистических методов
 Самостоятельная научная дисциплина
648. Пусть оценено уравнение регрессии у� = -220+1370х-2200d, где У – цена
двухкомнатной квартиры (у.е.), Х – полезная площадь, d – тип дома (d=1 – дом
панельный, d = 0 – дом кирпичный). Рассчитайте среднюю стоимость квартиры, при
условии, что начальная кодировка изменена: d=1 – дом
105
кирпичный, d = 0 – дом панельный, полезная площадь составляет 50 (м2), квартира
расположена в кирпичном доме. 66080
649. Для вычисления прогноза значения зависимой переменной в рамках модели
множественной регрессии нужно знать
 значение случайного возмущения, u
 значения независимых переменных
 значения независимых и зависимой переменных
 значение зависимой переменной У
650. Регрессором в уравнении парной линейной регрессии называется:
 Объясняющая переменная
 Случайная составляющая
 Зависимая переменная
 Фиктивная переменная
651. По аналитическому выражению различают модели:
 Прямые и обратные
 Парные и множественные
 Линейные и криволинейные
 Простые и сложные
652. При добавлении еще одной переменной в уравнение регрессии коэффициент
детерминации:
 Остается неизменным
 Уменьшается
 Не увеличивается
653. Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда
значение коэффициента корреляции равно… ((1 – 0,19)1/2) = 0,9
654. Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на
мобильные телефоны (в тысячах рублей) по цене (в рублях) оказался равным
«–0,15». Это означает, что
 Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15%
 Увеличение цены на 1рубль снижает спрос на мобильные телефоны на 0,15%
 Полученное число никак не интерпретируется
 Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу
пятьсот рублей
655. Точность оценок по МНК повышается, если увеличивается
 Количество наблюдений
 Количество факторов
 Количество параметров
 Количество итераций
656. Стандартизированный коэффициент уравнения регрессии 𝜷𝜷k показывает
 На сколько единиц изменится результирующий показатель у при изменении фактора
хk на 1 единицу
 Все высказывания неверны
 На сколько % изменится рез уль т и р1 у0 ю
6 щий показатель у при изменении фактора хk

на 1 %
На сколько % изменится фактор хk при изменении результирующего показателя у
на 1 %
657. Допустим руководство решило построить магазин на улице со средней частотой
посещений 7500 в день и хотело бы иметь торговый оборот 4,75 млн. руб. Какова
должна быть при этом торговая площадь ? У- товарооборот магазина, млн руб.,х1торговая площадь, тыс кв м, х2 – среднее количество посетителей в день, тыс. чел.
У= -0,832+4,743*х1+0,175*х2
 900 кв м
 0,9 кв м
 549 кв м
 1000 кв м
658. Если две переменные независимы, то их теоретическая ковариация равна
 ½
 1
 -1
 0
659. Строгая линейная зависимость между переменными – ситуация, когда
двух переменных равна 1 или -1
 Сумма
 Разность
 Выборочная корреляция
 Теоретическая корреляция
660. Проводится эконометрическое моделирование зависимости объема продаж
компании от ряда факторов: х1 – цены на товар, х2 – степени известности торговой
марки фирмы, х3 – дохода потребителя, х4 –цены «конкурентов». Фиктивной
переменной в модели является …
 х4
 х1
 х2
 х3
661. Величина остаточной дисперсии зависимой переменной в ее общей дисперсии
равна 0,2. Тогда значение коэффициента детерминации составляет:
 0,64
 √0,2
 √0,8
 0,8
662. Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда
значение коэффициента корреляции равно… 0,9
663. Имеются следующие данные: коэффициент регрессии b = 3,15, стандартная ошибка
коэффициента регрессии se(b) = 0,28. Чему равна правая граница доверительного
интервала, если tта6л =2,11 при уровне значимости 𝛂𝛂 = 0,05.
 b+se(b)* tта6л = 3,74
107
664. Стандартный коэффициент уравнения 𝜷𝜷𝒌𝒌 применяется при проверке
 При проверке статистической значимости k-го фактора
 При проверке экономической значимости k-го фактора
 При проверке на гомоскедастичность
 При проверке важности фактора по сравнению с остальными факторами
665. По следующим данным вычислите параметр
b линейного уравнения
регрессии (округлить до десятых): 𝑥̅ �
𝑦�=120, 𝑥̅
�=10, 𝑦
�= 10, 𝑥̅�𝟐 𝟐 = 149, 𝑦�𝟐 𝟐 = 125, Эх=0,4
 b = 0,4
666. Общая сумма квадратов отклонений = 120 и остаточная сумма квадратов
отклонений = 30, то сумма квадратов отклонений, объясненная регрессией
равна…90
667. К показателю, характеризующему качество модели, относят:
 T-статистика
 Коэффициент регрессии
 Коэффициент детерминации
 Коэффициент корреляции
668. Коэффициенты при сезонных фиктивных переменных показывают
при смене сезона: численную величину изменения, происходящего
669. Спецификация множественной линейной регрессии имеет вид …
 y = a0 + a1x1 + … + a2xn + 
670. Пусть оценено уравнение регрессии у� = -0,128+37х+3,45d, где У – расходы на
потребление овощей (руб.), Х – денежный доход (руб.), d – место проживания
индивида (d=1 – если проживает в городе, d = 0 – проживает в селе). Какова будет
интерпретация, если положить d=1 – проживает в селе, d=0 – если проживает в
городе ?
 Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб.
больше, при прочих равных условиях
 Расходы зависят только от денежного дохода и не зависят от места проживания
 Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб.
меньше, при прочих равных условиях
 Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб.
меньше, при прочих равных условиях
671. Какие из представленных функций нелинейны по параметрам? НЕСКОЛЬКО
 y = α + Х𝛽+U
 y = αX1β1 X2β2 U
 y = αeβх U
 y = α + βх3+U
 Ln = α + βlnX+U
672. Гиперболической моделью не является регрессионная модель y =  + 𝑥̅ + U
𝑏
673. Линеаризация нелинейной модели может быть достигнута:
 Отбрасыванием нелинейных перем1е0н8ных

Сглаживанием переменных
 Отбрасыванием нелинейных перем1е0н8ных


Преобразованием нелинейных переменных
Перекрестной суперпозицией переменных
674. Качество подбора нелинейного уравнения регрессии можно охарактеризовать на
основе показателей … Индекса детерминации
675. Найдите
верное высказывание.
Стандартизированный
уравнения регрессии измеряется:
 В процентах
 В тех же единицах, что и фактор, при котором он стоит
 Безразмерная величина
 В тех же единицах, что и результирующий показатель
коэффициент
676. В модели вида y =  + 1  x1 + 2  x2 + 3  x3 +  количество объясняющих
переменных равно …
 2
 3
 4
 1
677. Любой набор категорий можно описать некоторой совокупностью
переменных
 Независимых
 Количественных
 Фиктивных
 Случайных
678. Фиктивные переменные включаются в уравнение множественной регрессии для
учета действия на результат признаков
характера
 Качественного
 Случайного
 Несущественного
 Количественного
679. Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в
данном уравнении множественной регрессии не является
потребителя.
 Уровень образования
 Семейное положение
 Пол
 Доход
680. Фиктивными переменными в уравнении множественной регрессии могут быть
…
 Экономические показатели, выраженные в стоимостном измерении
 Качественные переменные, преобразованные в количественные
 Переменные, исходные значения которых не имеют количественного значения
 Количественные переменные
109
681. Матрица парных линейных коэффициентов корреляции отображает…
 Значения стандартизированных коэффициентов линейной регрессии
 Вероятность значимости каждой объясняющей переменной
 Тесноту линейной связи между переменными
 Величину вклада каждой объясняющей переменной в общую дисперсию зависимой
переменной
682. Стандартизированный коэффициент уравнения k применяется при проверке
 При проверке статистической значимости k-го фактора
 При проверке важности фактора по сравнению с остальными факторами
 При проверке на гомоскедатичность
 При проверке экономической значимости k-го фактора
683. Для вычисления прогноза значения зависимой переменной в рамках модели
множественной регрессии нужно знать: значения независимых переменных
684. По выборочным данным оценено уравнение регрессии: y = -0,128 + 37*x + 3,45*d,
где Y – расходы на потребление овощей (руб.), X – денежный доход, d – место
проживания индивида (d=1 – если проживает в городе, d=0 – если проживает в селе).
Какова будет интерпретация, если положить d=1 – проживает в селе, d=0 – индивид
проживае в городе?
 Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб.
больше, при прочих равных условиях
 Расходы зависят только от денежного дохода и не зависят от места проживания
 Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб.
меньше, при прочих равных условиях
 Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб.
меньше, при прочих равных условиях
685. На основании рядов данных для переменных x1, x2, и y построено уравнение
регрессии: Y = 5 + 1.25*X1 + 0.86*X2. Если x1=2, x2=3, то эластичность
результирующего показателя y относительно фактора x1 (округлить до сотых) равна
 1,25*(2+3/2) и все это делим на 10,8(это наш у) 0,29
686. Пусть оценено уравнение регрессии: y = -1,7 + 450*x + 1280*d, где y – цена
двухкомнатной квартиры, x – полезная площадь, d – место расположения (d=1 – в
центре, d=0 – на окраине). Сколько будет стоить квартира, расположенная на
окраине, с полезной площадью 76 м2.
 -1,7 + 450*76 + 1280*0= 34198,3
687. Пусть оценено уравнение регрессии: y = -0,16 + 10*x - 5*d1 + 3*d2, где y –
заработная плата работника данной фирмы, x – стаж работы, d1 – пол работника (d=1
– для женщин, d=0 – для мужчин), d2 – наличие у работника высшего образования
(d=1 – есть, d=0 – нет). Рассчитайте среднюю зарплату, при условии, что начальная
кодировка изменена: d1 = 1 - для мужчин, d1=0 – для женщин, стаж составляет 10
лет, работник имеет высшее образование.
 Средняя з/п женщин = -0,16 + 10*10 + 5*0 + 3*1=102,84, у мужчин = -0,16 + 10*10 +
5*1 + 3*1=107,84. Теперь найдем среднюю з/п (102,84+107,84)/2 = 105,34
688. Если функция спроса от цены характеризуется постоянной эластичностью, то
моделирование целесообразно пр1о1в0одить на основе




экспоненциальной функции
степенной функции
линейной функции
параболы второго порядка
689. При
идентификации
модели
множественной
регрессии
y=a+b1*x1+b2*x2+b3*x3+b4*x4+e количество оцениваемых параметров равно
 6
 5
 3
 4
690. Определение отдельного вклада каждой из независимых переменных в
объясненную дисперсию в случае их коррелированности является
задачей
 достаточно простой
 невыполнимой
 первостепенной
 достаточно сложной
691. Совокупность фиктивных переменных – некоторое количество фиктивных
переменных, предназначенное для описания
 набора категорий
 неслучайно величины
 количественного фактора
 случайной составляющей
692. Пусть оценено уравнение регрессии: y = -10450 + 305*x + 208*d, где y – расходы на
мобильную связь, x – доход, d – пол индивида (d=1 – мужчина, d=0 – женщина).
Каковы будут расходы на мобильную связь у мужчины с доходом 50 т.р?
 y = -10450 + 305*50 + 208*1=5008
+
693. Пусть оценено уравнение регрессии: y = -220 + 1370*x
2200*d, где y – цена
двухкомнатной квартиры, x – полезная площадь, d – тип дома (d=1 – панельный, d=0
– кирпичный). Рассчитайте среднюю стоимость квартиры, при условии, что
начальная кодировка изменится: d=1 – кирпичный дом, d=0 – панельный дом,
полезная площадь 50м2, квартира расположена в кирпичном доме. 68280
694. Для регрессионной модели Y=f(x), где f(x) – нелинейная функция. Значение
индекса корреляции R=0,91. Моделью объяснена часть дисперсии переменной у,
равная 0,83 (округлить до сотых)
695. Проводится эконометрическое моделирование зависимости объекта продаж
компании от ряда факторов: x1 - цены на товар, x2 - степени известности торговой
марки фирмы, x3 - дохода потребителя, x4 - цены «конкурентов». Фиктивной
переменной в модели является
 x4
 x2
111


x3
x1
696. Применим ли МНК для расчета параметров показательной зависимости?
 нет
 применим после ее приведения к линейному виду путем логарифмирования
 да
 в зависимости от исходных данных
697. Независимая переменная может быть представлена как фиктивная в случае, если
она:
 подвержена сезонным колебаниям
 является качественной по своему характеру
 случайная
 имеет трендовую составляющую
698. Уравнение множественной регрессии имеет вид:




-
y = -28,26 – 1,37x1 – 0,29x2. Параметр b1 = 1,37 означает следующее
при увеличении х1 на 1,37 единиц своего измерения переменная Y увеличится на
одну единицу своего измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении
фактора х2, переменная Y уменьшится на одну единицу своего измерения
при увеличении х1 на одну единицу своего измерения переменная Y уменьшится на
1,37 единиц своего измерения
при увеличении х1 на одну единицу своего измерения и при фиксированном
значении фактора х2, переменная Y уменьшится на 1,37 единиц своего измерения
+
699. Пусть оценено уравнение регрессии: y = -220 + 1370*x
2200*d, где y – цена
двухкомнатной квартиры, x – полезная площадь, d – тип дома (d=1 – панельный, d=0
– кирпичный). Как изменятся результаты, если положить: d=1 – кирпичный дом, d=0
– панельный дом?
 цена квартиры в кирпичном доме на 2200 д.е. меньше при прочих равных условиях
 цена квартиры в панельном доме на 2200 д.е. больше при прочих равных условиях
 цена квартиры в кирпичном доме на 2200 д.е. больше при прочих равных условиях
 цена квартиры зависит только от полезной площади
700. Пусть оценено уравнение регрессии: y = -133 + 820*x + 3200*d1 + 1360*d2, где y
– цена двухкомнатной квартиры, x – полезная площадь, d1 – место расположения
(d1=1 – в центре, d1=0 – на окраине), d2 – тип дома (d2=1 – кирпичный, d2=0 –
панельный). Сколько будет стоить квартира, площадью 52 м2, в панельном доме,
расположенная на окраине?
 y = -133 + 820*52 + 3200*0 + 1360*0=42507
701. В уравнении линейной множественной регрессии y = 5,85 + 10,8*x1 +9,4*x2, где х1
– стоимость основных производственных фондов; х2 – численность занятых; у –
объем промышленного производства, параметр при переменной х1, равный 10,8,
означает, что при увеличении объема основных фондов на объем промышленного
производства
при постоянной численности занятых.
 на 1 т.р. … уменьшится на 10,8 т.р.
 на 1 т.р. … увеличится на 10,8 % 112


на 1 т.р. … увеличится на 10,8 т.р.
на 1 %. … уменьшится на 10,8 %
702. Какое из уравнений регрессии нельзя свести к линейному виду:
 𝑦 = 𝑎 + 𝑎 𝑥̅ + ⋯ +
 𝑦 = 𝑎0 + 𝑎1𝑥̅1 + ⋯ + 𝑎2𝑥̅𝑛 + 𝜀𝜀
 𝑦 = 𝑒𝑎0 ⋅ 𝑥̅𝛼1 ⋅ … ⋅ 𝑥̅𝑎𝑛 ⋅ 𝜀𝜀
𝑛
1
𝑎1
𝑎𝑛
+ 𝜀𝜀
𝑦 = 𝑎0 + + ⋯ +
𝑥̅𝑛
𝑥̅1
703. Дана матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
0,987
1
X2
0,754
0,451
1
X3
0,857
0,789
0,154
Коллинеарными являются факторы:
 коллинеарность отсутствует
 Y и X3
 X1 и X3
 X1 и X2
 X2 и X3
704. Имеется матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
-0,782
1
X2
0,451
-0,987
1
X3
0,842
0,465
0,303
Между какими признаками наблюдается мультиколлинеарность:
 X1 и X2
 X2 и X3
 Y и X3
 мультиколлинеарность отсутствует
X3
1
X3
1
705. Как называются эконометрические модели, представляющие собой
зависимость результативного признака от времени?
 регрессионные модели;
 системы одновременных уравнений;
 модели временных рядов.




706. Что из нижеперечисленного не оказывает непосредственного влияния на
величину ошибки регрессии:
спецификация модели;
выборочные характеристики исходных статистических данных;
особенности измерения переменных;
опыт исследователя.
707. К ошибкам спецификации относятся:
113
 неоднородность данных в исходной статистической совокупности;
113

неправильный выбор структуры математической функции для объясненной части
уравнения регрессии;
 недоучет в уравнении регрессии какого-либо существенного фактора;
 ошибки измерения.




708. Связь называется корреляционной:
если каждому значению факторного признака соответствует вполне определенное
неслучайное значение результативного признака;
если каждому значению факторного признака соответствует множество значений
результативного признака, т.е. определенное статистическое распределение;
если каждому значению факторного признака соответствует целое распределение
значений результативного признака;
если каждому значению факторного признака соответствует строго определенное
значение результативного признака
709. Самым коротким интервалом изменения коэффициента корреляции для
уравнения парной линейной регрессии у=2-3*х является …
 [0;1]
 [-1;1]
 [-1;0]
 [-2;2]
710. Для эконометрической модели уравнения регрессии ошибка модели
определяется как
между фактическим значением переменной и её
расчётным значением.
 Квадрат разности
 Разность
 Сумма разности квадратов
 Сумма квадратов разности
711. Индекс корреляции, рассчитанный для нелинейного уравнения регрессии
характеризует…
 Тесноту нелинейной связи между зависимой и независимой переменными





712. Если предположение о природе гетероскедастичности верно, то дисперсия
случайного члена для первых наблюдений в упорядоченном ряду будет
для последних:
больше, чем
такая же, как
Ниже, чем индекс детерминации
равно 0
равно 1
713. Критические значения статистики Дарбина-Уотсона зависят от:
 числа объясняющих переменных
 количества наблюдений в выборке
 конкретных значений переменных
714. Показателями качества нелинейного уравнения парной регрессии
является…
 Индекс детерминации
114
715. Если RSS=0 и TSS>0, то
 R^2=0
 R^2=1/TSS
 R^2=1/ESS
 R^2=1
716. Средняя ошибка аппроксимации характеризует
 среднее изменение х при среднем отклонении теоретического у от среднего
изменения х
 среднее отклонение теоретического у от фактического у
 среднее изменение у
 среднее отклонение теоретического у от среднего изменения х
717. Имеются следующие данные о переменных у и х
X 1 3 1 3 7
Y 2 2 6 4 6
 y=3+0.33x
 y-3.37-0.21x
 y=-0.8+1.6x
 y=6-0.8x
718. Если 0< г < 1, то между переменными Ү и Х
 угол наклона линии регрессии у ось ОХ тупой
 прямая связь
 обратная связь
 корреляционная связь
 тесная связь между переменными
 угол наклона линии регрессии у ось ОУ острый
719. Найдите эквивалентное R*2=0 выражение, где RA2 - мера качества модели
 TSS=0
 ESS=0
 RSS=0
 R=0
720. Между Ү и Х существует прямая связь, если
 a <0 b < 0
 a > 0 b> 0
 a= 0 b > 0
 a=0b<0
 a<0b>0
 a=0b=0
721. В уравнении регрессии у = а + bx параметр а характеризует:
 среднее изменение х при изменении у на одну свою единицу
 среднее значение х при изменении у = 0
 среднее значение у при изменении х = 0
 среднее изменение у при изменени1и1х5 на одну свою единицу
722. Какие из приведенных чисел могут быть значениями парного коэффициента
корреляции
 1,4
 -0,7
 -2,7
 все варианты верны
723. К показателям, характеризующим качество модели, относятся (несколько
вариантов ответа)
 коэффициент корреляции
 средняя ошибка аппроксимации
 коэффициент детерминации
 коэффициент эластичности
724. Вениамин оценил свою первую регрессию: R2 = 0.6, RSS = 150. Чему равно
ТСС ? (0.6=1-150/тсс)
 325
 225
 150
 375
725. Линия парной регрессии уі=b1+b2*хі обязательно
 проходит через начало координат
 параллельная оси ОХ
 проходит через точку (х у)
 параллельная оси ОУ
726. Если в эконометрической модели у = a + bx параметр а < 0 b b >0 то
 угол наклона регрессии к оси ОХ острый
 угол наклона регрессии к оси тупой; (если к оси ОУ, то тоже правильный)
 точка пересечения регрессии с осью ОХ левее оси ОУ
 точка пересечения регрессии с осью ОУ ниже оси ОХ
727. В модели
Значение параметров а характеризует
 Влияние случайных факторов на зависимую переменную модели у
 Среднее значение независимой переменной при нулевых значениях зависимых
переменных
 Среднее изменение зависимой переменной модели у при изменение независимых
переменных на 1
 Среднее значение зависимой переменной при нулевых значениях независимых
(объясняющих) переменных
728. Уравнение множественной регрессии в стандартизированном масштабе
имеет вид
на результативный признак оказывает большое внимание
116




X2
Х1 и Х2
Нельзя сделать вывод
X1
729. Укажите правильный вид линейной модели временного ряда:
2
 Y(t)  a 0  a1t  a 2 t ;

Y(t)  a0  a1k ;
 Y(t)  a0  a1t
 Y(t)  a0  a1 exp t .
730. Чем определяется качество математической модели временного ряда:
 случайным характером остаточной компоненты;
 альтернативностью и системностью подхода к моделированию;
 адекватностью и точностью модели;
 интервальным прогнозом.
731. Для прогнозирования выбирается:
 модель с лучшими характеристиками точности;
 любая модель, адекватная реальному временному ряду;
 модель, наиболее простая при выполнении расчетов;
 адекватная модель с лучшими характеристиками точности.
732. Точечный прогноз по линейной модели осуществляется:
 экстраполяцией модели на будущие моменты времени;
 подстановкой в уравнение модели моментов времени, на которые строится
прогноз;
 сложением среднего уровня временного ряда с шириной доверительного
интервала.
733. Абсолютная ошибка определяется как:
 разность между двумя соседними уровнями фактического временного ряда;
 разность между двумя соседними значениями расчетного временного ряда;
 разность между расчетным и фактическим значением временного ряда.
734. Понятие «адекватность модели» подразумевает:
 системность, однородность, независимость уровней временного ряда;
 выполнение критерия «число поворотных точек»;
 случайный характер ряда остатков;
 случайный характер фактических показателей временного ряда.
735. Ширина доверительного интервала зависит от:
 точности и адекватности модели;
 точности адекватной модели и выбранной доверительной вероятности
расчетов;
 точности модели, независимости уровней ряда остатков и длины временного
ряда;
117


точности, длины временного ряда и нормального характера распределения
уровней ряда остатков;
точности адекватной модели, выбранной доверительной вероятности
расчетов, длины временного ряда и периода упреждения.
736. Линейная модель временного ряда является:
 частным случаем однофакторной линейной регрессионной модели, в которой
в качестве ведущего фактора выбрано время;
 частным случаем кривых роста;
 частным случаем адаптивных моделей;
 представляет собой особый класс моделей;
 частным случаем линейной регрессионной модели.
737. По способу упорядоченности численных показателей во времени различают:
 моментные и дискретные временные ряды;
 моментные и интервальные временные ряды;
 интервальные и производные временные ряды;
 тренд-сезонные временные ряды.
738. Уровни
временного
ряда
экономических
данных
традиционно
рассматриваются как:
 сумма четырех составляющих, которые непосредственно не могут быть
измерены;
 сумма тренда, сезонной составляющей, циклической и стохастической
компонент;
 разность между фактическими и расчетными значениями.
739. Под периодом упреждения понимается:
 интервальный прогноз;
 отрезок времени от момента последнего фактического уровня до момента, к
которому относится прогноз;
 вариационный размах временного ряда.
740. Нормальный характер распределения ряда остатков выполняется, если:
 расчетное значение R/S -критерия больше табличных значений;
 расчетное значение R/S -критерия содержится в соответствующем интервале
табличных значений;
 расчетное значение R/S -критерия меньше табличных значений
 расчетное значение R/S -критерия больше верхнего табличного значения;
 можно строить интервальный прогноз.





741. Случайный характер ряда остатков проверяется по критерию:
Дарбина-Уотсона;
поворотных точек;
R/S -критерию;
критерию Стъюдента;
равенства нулю математического ожидания.
742. Полный расчет прогнозных значений носит:
 системный характер;
118



вероятностный характер;
однородный характер;
случайный характер.



743. Среднеквадратическое отклонение характеризует:
точность модели
качество модели;
адекватность модели.



744. Границы интервального прогноза находятся:
подстановкой в уравнение модели соответствующего параметра времени;
прибавлением к точечному прогнозу ширины доверительного интервала;
вычитанием из точечного прогноза ширины доверительного интервала.
745. Модель вида
Y(t)  Tr (t)  S(t)   (t) является:





адаптивной моделью Брауна;
мультипликативной тренд-сезонной моделью;
аддитивной тренд-сезонной моделью;
логистической кривой;
трендовой моделью.




746. На этапе предварительного анализа исходных временных рядов проверяется,
соответствуют ли имеющиеся данные требованиям:
объективности и сопоставимости;
однородности;
полноты и устойчивости;
случайности и независимости.




747. Выявление аномальных наблюдений
осуществляется, например, методом:
Фостера-Стьюарта;
Ирвина;
Дарбина-Уотсона;
проверки существенности разности средних.




748. Проверка
гипотезы
о наличии
тенденции
в динамике
экономического показателя осуществляется, например, методом:
Фостера-Стьюарта;
Ирвина;
Дарбина-Уотсона;
проверки существенности разности средних.
среди
уровней
временного
развития
Y1  Yn  n1 Y



749. Формула


Y
2
t 2
n 1
ряда
t
применяется для расчета:
среднего уровня интервальных временных рядов с равноотстоящими уровнями;
среднего уровня моментных временных рядов;
119

среднего уровня интервальных временных рядов с неравноотстоящими уровнями.
120
n
750. Формула Y 



Y
t
применяется для расчета:
n
среднего уровня интервальных временных рядов с равноотстоящими уровнями;
среднего уровня моментных временных рядов;
среднего уровня интервальных временных рядов с неравноотстоящими уровнями.
t1
n
751. Формула Y 
Y  
t
t1
t
n

t 1
применяется для расчета:
t



а) среднего уровня интервальных временных рядов с равноотстоящими уровнями;
б) среднего уровня моментных временных рядов;
в) среднего уровня интервальных временных рядов с неравноотстоящими уровнями.






752. Адекватность модели проверяется (устанавливается) по критерию:
Дарбина-Уотсона;
поворотных точек;
R/S -критерию;
критерию Стъюдента;
равенства нулю математического ожидания.
Ответ: а), б), в) и д) одновременно.
753. Цепные показатели динамики экономических явлений получают:
 сравнивая каждый уровень временного ряда с одним и тем же базисным уровнем,
например первым;
 сравнивая каждый последующий уровень временного ряда с предыдущим;
 рассчитывая автокорреляционную функцию.
754. Сглаживание, или механическое выравнивание членов временного ряда методом
простой скользящей средней осуществляется по формуле (здесь m = 2p + 1 –
интервал сглаживания):
1 t p
Y ;
m it  p i
 Y  Y  Yt p  Yt 1 p ;
t
t 1
m
t p

  t  p 
 Yt    iYi  :   i  ;
it  p
  it~ p 
~ 
 Y  Y  (1 )Y .

Yt 
t
t
t 1
755. Процесс сглаживания временного ряда методом простой скользящей средней
Yt 


1 t p
Y можно начинать:
m it  p i
только с первого уровня;
с любого уровня;
121

с уровня с номером р + 1;
122

с уровня с номером р.
756. Сглаживание, или механическое выравнивание членов временного ряда
методом взвешенной скользящей средней осуществляется по формуле (здесь m
= 2p + 1 – интервал сглаживания):

1 t p
Y;
m it p i
 Y  Y  Yt p  Yt 1 p ;
Yt 
t
t 1
m

  t  p 
 Yt    iYi  :  i  ;
 it  p
  it  p 

 Yt  (1 t 1.
t
t p
757. Экспоненциальное
формуле:

сглаживание
временного
ряда
осуществляется
по
1 t p
Y;
m it p i
 Y  Y  Yt p  Yt 1 p ;
Yt 
t
t 1
m

  t  p 
 Yt    iYi  :   i  ;
  it  p 
 it  p
 Yt  (1 t 1.

t
t p



758. Уравнение регрессии признается в целом статистически значимым, если
расчетное значение критерия Фишера больше четырех
расчетное значение критерия Фишера больше соответствдля ующего табличного
значения
расчетное значение критерия Фишера меньше соответствующего табличного значения
расчетное значение критерия Фишера больше нуля




759. Для устранения систематической ошибки остаточной дисперсии для оценки
качества модели линейной множественной регрессии используется
Коэффициент множественной корреляции
Скорректированный коэффициент множественной детерминации
Скорректированный коэффициент частной корреляции
Коэффициент множественной детерминации


760. Зависимость расходов на продукты питания от располагаемого дохода X имеет
вид:
�
𝑌 = 𝟖𝟖 + 𝟓𝟓. 𝟎𝟎𝟎𝟎 + 𝟎𝟎. 𝟎𝟎𝟖𝟖𝐷1𝟎𝟎
где D1-фиктивная переменная, равная 1 для городских и 0 для сельских жителей.
123


Если вместо D1 использовать переменную D2, равную 0 для городских и 1 для
сельских жителей, то зависимость примет вид:
�
𝑌 = 3 + 5.0𝑋𝑋 − 0.03𝐷2𝑋𝑋
𝑌�= 3.03 + 5.0𝑋𝑋 − 0.03𝐷2𝑋𝑋
124


𝑌�= 3 + 5.0𝑋𝑋 + 0.03𝐷2𝑋𝑋
𝑌�= 3 + 5.03𝑋 𝑋 − 0.03𝐷2𝑋𝑋
761. Сопоставляя при регрессионном анализе факторную и остаточную дисперсии,
получим величину статистики:
 Дарбина
 Фишера
 Пирсона
 Стьюдента
762. Зависимость последовательности
эконометрике называют
 Гомокедастичностью остатков
 Автокорреляцией остатков
 Мультиколлинеарностью остатков
 Гетерокедастичностью остатков
остатков регрессии
друг от друга в
763. Какой фактор не влияет на достоверность интегрального прогноза по
уравнению линейной парной регрессии?
 Величина коэффициента регрессии
 Величина отклонения прогнозного значения факторной переменной от ее среднего
в статических данных значения
 Установленный уровень значимости в статических критериях
 Объем исходных статистических данных
764. Пусть все стандартизованные объясняющие переменные равные нулю. Чему равно
значение стандартизованной зависимой переменной? Чему при этом равно значение
исходной зависимой переменной?
765. В основе 700 наблюдений была получена следующая модель: y=10.8+1.45x
Коэффициент при переменной
 Значим на однопроцентном уровне значимости
 Значим на пятипроцентном уровне значимости, но не значим на однопроцентном
 Не значим на пятипроцентном уровне значимости
 Нет верного ответа

766. Предопределенные переменные – это:
все экзогенные и эндогенные переменные

только экзогенные переменные;

все экзогенные и лаговые эндогенные переменные

лаговые экзогенные и эндогенные переменные.
125
767. Лаговые переменные – это:
 все экзогенные и эндогенные переменные

только экзогенные переменные

переменные, значения которых относятся к будущим моментам времени

переменные, значения которых относятся к предыдущим моментам времени
768. К какому этапу эконометрического моделирования относится вычисление
коэффициентов регрессии и их смысловая интерпретация?
 Параметризация

Спецификация

верификация

прогнозирование
769. К какому этапу эконометрического моделирования относится
статистическая оценка достоверности параметров уравнения регрессии?
 Параметризация

Спецификация

верификация

прогнозирование
770. Фиктивные переменные – это:
 переменные, не включенные в модель регрессии;

переменные, которым соответствуют неколичественные характеристики;

переменные, значения которых относятся к будущим моментам времени.

переменные, значения которых относятся к предыдущим моментам времени.
771. Укажите уравнение прямой регрессии:

y=a+bx

y=1/(a+bx)

y=a+b1x1+b2x2+b3x3

y=a*xb
772. Укажите уравнение обратной регрессии:

y=1+2x

y=1/(1+2x)
126

y=5*x-3

y=5*2x
773. Суть метода наименьших квадратов состоит в
 минимизации суммы остаточных величин

минимизациидисперсиирезультативногопризнака

минимизациисуммыквадратовостаточныхвеличин
774. Классический подход к оцениванию параметров регрессии основан на:
 методе наименьших квадратов;

методе максимального правдоподобия;

взвешенном методе наименьших квадратов.
775. Согласно методу наименьших квадратов минимизируется следующее
выражение:
776. Эффективность оценки параметра регрессии, полученной по методу
наименьших квадратов, означает:
 что она характеризуется наименьшей дисперсией

что математическое ожиданиеостатков равно нулю

увеличение ее точности с увеличением объема выборки.
777. Состоятельность оценки параметра регрессии, полученной по
методу наименьших квадратов, означает:
 что она характеризуется наименьшей дисперсией

чтоматематическоеожиданиеостатковравнонулю;

увеличение ее точности с увеличением объема выборки.
778. На основании наблюдений за 50 семьями построено уравнение регрессии
y=284,56+0,672x, где y – потребление, x – доход. Соответствуют ли знаки и
значения коэффициентов регрессии теоретическим представлениям?
 да;

нет;

ничего определенного сказать нельзя.
779. Суть коэффициента детерминац1и24и состоит в следующем:

оценивает качество модели из относительных отклонений по каждому наблюдению;

характеризует долю дисперсии результативного признака y, объясняемую регрессией,
в общей дисперсии результативного признака;
характеризует долю дисперсии y, вызванную влиянием не учтенных в модели
факторов.

780. Качество модели из относительных отклонений регрессионного и
фактического значений признака по каждому наблюдению оценивает:
 коэффициент детерминации

F-критерий Фишера;

средняя ошибка аппроксимации A.
781. Какое значение не может принимать парный коэффициент корреляции:
 -0,973;

0,005;

1,111;

0,721.
782. При каком значении линейного коэффициента корреляции связь между
признаками можно считать тесной:
 -0,975;

0,657;

-0,111

0,421.
783. Если парный коэффициент корреляции между признаками принимает
значение 0,675, то коэффициент детерминации равен:
 0,822;

-0,675;

0,576;

0,456.
784. Степень влияния неучтенных в модели факторов можно оценить с помощью:

коэффициента детерминации

коэффициента регрессии;

средней ошибки аппроксимации

построения линии регрессии.
125
785. Система одновременных уравнений отличается от других видов
эконометрических систем тем, что в ней:
а) эндогенная переменная одного из уравнений находится в другом уравнении
системы в качестве фактора;
б) одни и те же эндогенные переменные системы в одних уравне- ниях находятся в
левой части, а в других уравнениях – в правой части;
в) каждая эндогенная переменная является функцией одной и той же совокупности
экзогенных переменных.
786. МНК не позволяет получить состоятельные и несмещенные оценки
параметров системы:
а) рекурсивных уравнений;
б) одновременных уравнений;
в) независимых уравнений.
787. Если структурные коэффициенты модели выражены через приведенные
коэффициенты и имеют более одного числового значения, то такая модель:
а) сверхидентифицируема;
б) неидентифицируема;
в) идентифицируема.
788. Количество структурных и приведенных коэффициентов одинаково в
модели:
а) сверхидентифицируемой;
б) неидентифицируемой;
в) идентифицируемой.
Изучите взаимосвязь переменных в системе одновременных уравнений:
Найдите предопределенные переменные среди совокупностей:
а) инвестиции в период (t -1); расходы на потребление в период
(t -1);
126
б) денежная масса в период t ; расходы государства в период t ;
в) ды на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t -1); расходы государства в период t ;
расходы на потребление в период (t -1).
5.7. Изучите взаимосвязь переменных в системе одновременных уравнений:
Найдите эндогенные переменные среди совокупностей:
а) инвестиции в период (t -1); расходы на потребление в период (t -1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t -1); расходы государства в период t ;
расходы на потребление в период (t -1).
5.7. Изучите взаимосвязь переменных в системе одновременных уравнений:
127
t – текущий период;
tB1 – предыдущий период.
Найдите эндогенные переменные среди совокупностей:
а) инвестиции в период (t -1); расходы на потребление в период (t -1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t -1); расходы государства в период t ;
расходы на потребление в период (t -1).
5.9. Изучите взаимосвязь переменных в системе одновременных уравнений:
128
Найдите лаговые эндогенные переменные среди совокупностей:
а) инвестиции в период (t -1); расходы на потребление в период (t -1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t -1); расходы государства в период t ;
расходы на потребление в период (t -1
5.10. В структурной модели
Не требует проверки на идентификацию равенство, описывающее
зависимость:
а) расходов на потребление в период t от совокупного дохода в период t и расходов на
потребление в период (t -1);
б) инвестиций в период t от процентной ставки в этот же период и от инвестиций в период
(t -1);
в) совокупного дохода в период t от расходов государства, расходов на потребление и
инвестиций в такой же период t ;
г) процентной ставки в период t от совокупного дохода и денежной массы в такой же
период t .
5.11. Проверили на идентифицируемость одно из уравнений модели:
129
Получили, что в этом уравнении находятся две эндогенные переменB ные ( n = 2 ) и
отсутствуют три предопределенные переменные ( p = 3) ,
т.е.
n < p + 1. Достаточное условие идентификации для уравнения
выполняется: определитель матрицы, составленный из коэффициентов при переменных,
которых нет в этом уравнении, не равен нулю, и ранг этой матрицы равен трем. Таким
образом, сверхидентифицирумым является:
а) первое уравнение системы;
б) второе уравнение системы;
в) третье уравнение системы;
г) первое, второе и третье уравнения.
5.12. Определите, для какого уравнения структурной модели
выполняется необходимое условие идентифицируемости:
а) в первом уравнении;
n = 2 ( y1 и y3 – эндогенные переменные в уравнении);
p = 2 ( x1 и x2 – экзогенные переменные, которых нет в уравнении);
б) во втором уравнении;
n = 1( y1 – эндогенная переменные в уравнении);
p = 1 ( x2– экзогенная переменная, которой нет в уравнении);
в) в третьем уравнении;
n = 2 ( y2 и y3 – эндогенные переменные в уравнении);
p = 1 ( x1 – экзогенная переменная, которой нет в уравнении).
130
5.13. Приведенная форма модели имеет вид:
Три студента вычисляли структурные коэффициенты и получили разные ответы. О
Определите, кто из них прав:
В
5.14. Найдите правильную последовательность шагов алгоритма косвенного МНК:
а) I. Приведенная форма модели преобразуется в структурную форму.
II. Параметры структурной формы модели оцениваются с помощью МНК.
III. Структурная форма модели преобразуется в приведенную форму.
б) I. Параметры приведенной формы модели оценивается с по- мощью МНК.
II. Приведенная форма модели преобразуется в структурную форму.
III. Структурная форма модели преобразуется в приведенную форму.
в) I. Структурная форма модели преобразуется в приведенную форму.
II. Параметры приведенной формы модели оцениваются с помощью МНК.
III. Приведенная форма модели преобразуется в структурную форму.
131
Семинар 7.
Фиктивные (dummy) переменные
Задача 1
Оцененная зависимость почасовой оплаты труда индивида Y (измеряется в долларах в час) от
результатов выпускного теста X (измеряется в баллах) и пола (D – фиктивная переменная, равная
1 для мужчин и 0 для женщин) имеет вид:
Yˆ  2  3.7 X  2.4D .
Все коэффициенты являются значимыми при уровне значимости 1%. При одинаковых
результатах теста почасовая оплата мужчин выше почасовой оплаты женщин на
1) 0.024 $
2) 2.4 $
3) 0.024 %
4) 2.4%
Решение:
Уравнение для мужчин имеет вид: Yˆm  2  3.7 X  2.4 , D  1
Уравнение для женщин: Yˆf  2  3.7 X , D  0
Т.е. при равных результатах теста X почасовая оплата мужчин на 2.4$ выше:
Y□ m  Y□ f  2  3.7 X  2.4  2  3.7 X  2.4$.
Задача 2
Оцененная зависимость почасовой оплаты труда американцев Y (измеряется в долларах) от стажа
их работы X (измеряется в годах); пола, описываемого с помощью фиктивной переменной D1,
равной 1 для мужчин и 0 для женщин; расовой принадлежности, описываемой с помощью
фиктивной переменной D2, равной 1 для светлокожих и 0 для темнокожих американцев, имеет
вид:
Yˆ  4  0.8X  0.04D1  0.01D2
Все коэффициенты являются значимыми при уровне значимости 1%.
Чему равна почасовая оплата труда темнокожих американцев при пятилетнем стаже работы?
Решение:
Для подгруппы светлокожих американцев D2  1
При пятилетнем стаже работы X  5 : Yˆ  4  0.8 5  0.04D1  0.01  7.99  0.04D1 :

для мужчин D  1 почасовая оплата труда составляет Yˆ  8.03$
1

m
для женщин D1  0 Yˆf  7.99 $, т.е. на $ 0.04 ниже, чем для мужчин.
Задача 3
Зависимость расходов на продукты питания от располагаемого дохода X имеет вид:
1
Yˆ  2  0.6 X  0.07D1 X ,
где D1 – фиктивная переменная, равная 1 для городских и 0 для сельских жителей.
а) Коэффициент наклона в линейной зависимости для сельских жителей равен
1) 0,67
2) 0,6 3) 0,53
4) 2
2
б) Если вместо D1 использовать переменную D2, равную 0 для городских и 1 для сельских
жителей, то зависимость примет вид:
1) Yˆ  2  0.67 X  0.07D2 X
2) Yˆ  2  0.67X  0.07D2 X
3) Yˆ  2  0.6X  0.07D2 X
4) Yˆ  2.07  0.6 X  0.07D2 X .
Решение:
(а) Уравнение регрессии Yˆ  2  0.6 X  0.07D1 X для сельских жителей, т.е. при D1  0 примет
вид:
Yˆrural  2  0.6 X . Т.е. угол наклона в линейной зависимости для сельских жителей равен 0.6.
(б) Для сельских жителей: Yˆrural  2  0.6 X .
Для городских жителей: Yˆtown  2  0.6 X  0.07 1 X  2  0.67 X
Соответственно, если мы возьмем дамми D2 , в которой, наоборот, 1 будет для сельских
жителей, а 0 для городских, мы можем представить нашу новую переменную как D2  1 D1 .
Тип местности
Городская
Сельская
Дамми-переменные
D1
D2
1
0
0
1
Из этой зависимости подставим теперь D1  1 D2 в оцененное уравнение:
Yˆ  2  0.6X  0.07D1X  2  0.6 X  0.07 1 D2  X  2  0.67 X  0.07D2 .
Задача 4
Оцененная зависимость Y - расходов потребителей на газ и электричество в США в 1977 – 1999
г.г. в постоянных ценах I квартала 1977г. от времени ( t  1 для 1977 г., t  2 для 1978 г. и т.д.)
с учетом сезонных факторов ( Di  1, если наблюдение относится к i-му кварталу и 0 иначе,
i  1,...,4 ) имеет вид:
Если в качестве выделенной категории выбран первый квартал, оцененное уравнение имеет
вид:
Yˆ  8  0.1t  3D2  2.6D3  2D4
Если в качестве выделенной категории будет выбран не первый квартал, а второй, то уравнение
регрессии примет вид
1) Yˆ  5  0.1t  3D1  0.4D3  D4
2) Yˆ  8  0.1t  3D1  2.6D3  2D4
3
3) Yˆ  5  0.1t  3D1  2.6D3  2D4
4) Yˆ  5  0.1t  3D2  0.4D3  D4
Решение:
4
ˆ
Рассмотрим исходное уравнение Y  8  0.1t  3D2  2.6D3  2D4 . Первый квартал базовый, от
него ведется «отсчет». Квартальные дамми-переменные на 2й, 3й и 4й кварталы выглядят
1, во 2 кв
1, в 3 кв
1, в 4 кв
, D3  
, D4  
следующим образом: D2  
0, иначе
0, иначе
0, иначе
Для 1го квартала оно принимает вид: Yˆ  8  0.1t .
Для 2го квартала: Yˆ  8  0.1t  3  5  0.1t
Для 3го квартала: Yˆ  8  0.1t  2.6  5  0.1t  0.4
Для 4го квартала: Yˆ  8  0.1t  2  5  0.1t 1
Если мы теперь возьмем за базовый второй квартал, то должны получить те же самые
 1, в 1 кв
,
квартальные зависимости, только теперь у нас будут дамми-переменные D1  
0, иначе
1, в 3 кв D  1, в 4 кв . По определению сезонных дамми-переменных для квартальных
D3  
, 4 
0, иначе
0, иначе
данных выполнено: D1  D2  D3  D4  1 .
Квартал
I
II
III
IV
Дамми-переменные
D1 D2 D3 D4
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
Т.к. теперь второй квартал базовый, нам нужно выразить:
D2  1 D1  D3  D4
и подставить в наше уравнение:
Y□  8  0.1t  31 D1  D3  D4   2.6D3  2D4  5  0.1t  3D1  0.4D3  D4
Задача 5
Оцененная зависимость почасовой оплаты труда американцев Y (измеряется в долларах в час) от
длительности обучения X (измеряется в годах) и расовой принадлежности, описываемой с
помощью фиктивной переменной D, равной 1 для светлокожих и 0 для темнокожих американцев,
имеет вид: Y  5  0.7 X  0.04DX .
Все коэффициенты являются значимыми при уровне значимости 1%.
Каждый дополнительный год обучения приводит к увеличению почасовой оплаты труда
темнокожих американцев на
1) 0.74 $
2) 0.7 $ (D=0) 3) 0.66 $
4) 0.74 %
5
Тест Chow для диагностики структурной стабильности
Задача 6
По данным для 570 индивидуумов оценили зависимость почасовой заработной платы EARN от
длительности обучения S и от способностей индивидуума, описываемых обобщенной
переменной ASVABC:
 по общей выборке
EARN   9.96 0.93 S  0.21 ASVABC
(2.02)
(0.16)
(0.04)
 а также отдельно для мужчин
EARN   7.23 1.01S  0.35 ASVABC
(2.63)

(0.27)
RSS1  32189.36
RSS 2  15223.7
(0.06)
и женщин
EARN  11.4 0.81S  0.14 ASVABC
(3.24)
(0.19)
RSS 3  10231.24
(0.03)
Можно ли считать, что эта зависимость одинакова для мужчин и женщин?
Решение:
Нам необходимо проверить гипотезу, что коэффициенты регрессии, оцененные отдельно для
мужчин и отдельно для женщин совпадают.
H0 :  1   2 i  1, 2, 3
H1 : i :  1  2
i
i
i
i
Гипотезу мы будем проверять с помощью теста Чоу. Статистика для теста Чоу имеет вид:
 RSSP  RSS1  RSS2  / k □ F k, n  2k  (имеет F-распределение при нулевой гипотезе).
F


 RSS1  RSS2  / n  2k 
RSSP - RSS по общей выборке.
32189.36 15223.7 10231.24 / 3  49.7
F
15223.7 10231.24 / 570  6
F5% 3, 564  2.62 . Основная гипотеза отвергается на 5% уровне значимости. Т.е. считать, что
зависимость одинакова для мужчин и женщин, нельзя.
Задача 7
Оценивалась зависимость расходов на питание в расчете на одного человека от относительного
индекса цен на питание и располагаемого дохода:
ln Q   0  1 ln P   2 ln In   .
Были получены следующие результаты:
1927-1941 г.г. (1)
1948-1962 г.г. (2)
Все наблюдения
ˆ
4.555
5.052
4.058
0
-0.235
-0.237
-0.123
ˆ1
ˆ2
RSS *100
0.243
0.141
0.242
0.1151
0.0544
6
0.2866
Можно ли считать зависимость единой для довоенных и послевоенных лет?
Решение:
Снова воспользуемся тестом Чоу.
H0 : i1   i2 i  0,1
7
H1 : i :  1  2
i
F
i
100  0.2866  0.1151 0.0544 / 3 
 5.53 , F5% 3, 24  3.01. Основная гипотеза отвергается
100  0.1151 0.0544 / 15 15  6
на уровне значимости 5%. Зависимость нельзя считать единой для довоенных и послевоенных
лет.
Задача 8
Исследователь оценил зависимость продолжительности жизни от концентрации вредных
промышленных выбросов в атмосфере и ежегодных средних частных расходов на медицинскую
помощь с помощью регрессий со свободным членом для 1) 300 жителей индустриальных
центров, 2) 200 сельских жителей, 3) по общей выборке и получил в этих регрессиях
соответственно суммы квадратов остатков RSS1 = 204, RSS2 = 290, RSS3 = 902
Значение F – статистики для проверки гипотезы о том, что зависимость едина для городских и
сельских жителей равно
1) 136
2) 137
3) 138
4) 140
5) 142
Решение:
902  204  290 / 3  136
F
204  290 / 300  200  6
8
oltest.ru – Онлайн-тесты
Эконометрика
«Эконометрика»
Вопросы и ответы из теста по Эконометрике с сайта oltest.ru.
Общее количество вопросов: 335
Тест по предмету «Эконометрика».
1.
описывают размер влияния
• регрессионные модели с распределенными лагами
на
.
2. Cитуация, при которой нулевая гипотеза была отвергнута, хотя была истинной, носит название:
• ошибки I рода
3. F-статистика для
• коэффициента детерминации
является в точности квадратом t-статистики для rx, y.
4. T-статистика для коэффициента корреляции r определяется как:
•
5. Автоковариация определяется соотношением
•
6. Автоковариация члена ряда
с самим собой равна:
•
7. Автокорреляционная функция принимает значения в пределах
• от -1 до 1
8. Автокорреляция — нарушение
• третьего
условия Гаусса-Маркова.
9. Автокорреляция первого порядка — ситуация, когда случайный член uк коррелирует с:
• Uк-1
10. Автокорреляция представляет тем большую проблему, чем
• меньше интервал между наблюдениями
11. Авторегрессионная схема называется схемой первого порядка, если описываемое
равно 1.
• максимальное запаздывание
12. Аналитические методы выделения неслучайной составляющей основаны на допущении, что ...
• известен общий вид неслучайной составляющей
13. Близко к линии регрессии находится наблюдение, для которого теоретическое распределение
случайного члена имеет
• малое стандартное отклонение
14. В авторегрессионной схеме первого порядка uкн = рuк + ek предполагается, что значение ek в
каждом наблюдении:
• не зависит от его значений во всех других наблюдениях
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
1/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
15. В авторегрессионной схеме первого порядка зависимость между последовательными случайными
членами описывается формулой u k+1 =
, где ρ — константа, e k+1 — новый случайный
член.
• ρuk + e k+1
16. В критерии восходящих и нисходящих серий временному ряду 6, 2, 4, 6, 4 соответствует
последовательность:
•
17. В критерии восходящих и нисходящих серий проверяется гипотеза:
•
18. В критерии восходящих и нисходящих серий, длина самой длинной серии временного ряда 1, 5, 4,
1, 6 равна:
•2
19. В критерии восходящих и нисходящих серий, общее число серий временного ряда 5, 7, 6, 4, 3, 1
равно:
•2
20. В критерии серий, основанном на медиане, временному ряду 2, 5, 4, 6, 3 соответствует
последовательность:
•
21. В критерии серий, основанном на медиане, общее число серий временного ряда 1, 3, 5, 4, 2 равно:
•3
22. В критерии серий, основанном на медиане, проверяется гипотеза:
•
23. В критерии серий, основанном на медиане, протяженность самой длинной серии временного ряда
5, 1, 4, 2 равна:
•1
24. В лаговой структуре Койка веса
равны
, где
.
•
25. В лаговой структуре Койка надо оценить только:
• три параметра
26. В методе выделения неслучайной составляющей (МНК) необходимо, чтобы величина
была минимальной.
•
27. В методе скользящего среднего веса определяется с помощью:
• МНК
28. В множественном регрессионном анализе коэффициент детерминации определяет
регрессией.
• долю дисперсии y, объясненную
29. В модели АР (1) частная автокорреляционная функция случайных остатков, разделенных двумя
тактами времени, равна:
•0
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
2/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
30. В модели АР (2) частная автокорреляционная функция случайных остатков, разделенных двумя
тактами времени, равна:
•
31. В модели Линтнера реальный объем дивидендов подвергается корректировке:
•
32. В модели множественной регрессии всегда желательно присутствие хотя бы одной
переменной для того, чтобы обеспечить надлежащий уровень достоверности
оценок.
• нефиктивной
33. В модели множественной регрессии за изменение
объясняющих переменных.
• одной зависимой переменной
регрессии отвечает несколько
34. В модели парной регрессии у* = 4 + 2х изменение х на 2 единицы вызывает изменение у на
единиц.
•4
35. В модели СС (1) автокорреляционная функция при
равна:
•
36. В модели СС (1) спектральная плотность
равна:
•
37. В модели СС (2) автокорреляционная функция при
•0
равна:
38. В основе модели Ш. Алмон лежит предположение о том, что если зависит от текущих и лаговых
значений , то веса в этой зависимости подчиняются
распределению.
• полиномиальному
39. В парном регрессионном анализе коэффициент детерминации R2 равен:
2
• r х;у
40. В процессе формирования значений всякого временного ряда всегда участвуют
факторы.
• случайные
41. В функции Кобба-Дугласа вида log Y = a + b1 log k + b2 log l (k — индекс затрат капитала, l —
индекс затрат труда) роль замещающей переменной для показателя технического прогресса играет:
• log k
42. В экономике отрицательная автокорреляция встречается
• гораздо реже, чем
положительная.
43. Вероятности, с которыми случайная величина принимает свои значения, называют
случайной величины.
• законом распределения
44. Верхнее число степеней свободы F-cтатистики в случае парной регрессии равно:
• одному
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
3/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
45. Весовые коэффициенты в методе скользящего среднего
• всегда больше нуля
46. Временной ряд
называется нестационарным однородным, если ...
• ряд
стационарен
47. Всю совокупность реализаций случайной величины называют
• генеральной
совокупностью.
48. Второе условие Гаусса-Маркова заключается в том, что ...
• s2 (u i) — не зависит от i
49. Второе условие Гаусса-Маркова предполагает, что дисперсия случайного члена
каждом наблюдении.
• постоянна
в
50. Второй шаг метода Зарембки заключается в пересчете наблюдений y в новые
•
51. Выборочная дисперсия зависимой переменной регрессии равна
объясненной
дисперсии зависимой переменной и необъясненной дисперсии зависимой переменной.
• сумме
52. Выборочная дисперсия как оценка теоретической дисперсии имеет
• отрицательное
смещение.
53. Выборочная дисперсия остатков в наблюдениях Var (y — (a + bx)) называется
дисперсией зависимой переменной.
• необъясненной
54. Выборочная дисперсия рассчитывается по формуле:
•
55. Выборочная дисперсия расчетных значений величины y называется
зависимой переменной.
• объясненной
дисперсией
56. Выборочная ковариация рассчитывается по формуле:
•
57. Выборочная корреляция является
• оценкой
теоретической корреляции.
58. Гетероскедастичность заключается в том, что дисперсия случайного члена регрессии
наблюдений.
• зависит от номера
59. Гетероскедастичность приводит к
• неэффективности
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
оценок параметров регрессии по МНК.
4/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
60. Граничное значение области принятия гипотезы с p%-ной вероятностью совершить ошибку I рода
определяется
при p-процентном уровне значимости.
• критическим значением теста
61. Данные по определенному показателю, полученные для разных однотипных объектов,
называются:
• перекрестными
62. Детерминированная переменная может рассматриваться как предельный вариант случайной
переменной, принимающей свое единственное значение с вероятностью
•1
63. Дисперсии оценок а и b
• прямо пропорциональны
дисперсии остаточного члена s2 (u).
64. Дисперсия случайных остатков в модели АР (1) равна
•
65. Для белого шума
справедливо соотношение
•
66. Для весовых коэффициентов в методе скользящего среднего справедлива формула
•
67. Для выполнения теста Чоу используется распределение
• Фишера
68. Для идентификации АР и СС моделей сначала делают оценки
• автокорреляционной функции
69. Для конечного процесса авторегрессии порядка
сумма предшествующих .
• конечная
величина
может быть представлена как
70. Для конечного процесса авторегрессии порядка
сумма предшествующих .
• бесконечная
величина e
может быть представлена как
71. Для линеаризации функции Кобба-Дугласа необходимо предварительно обе части уравнения
• разделить на L
72. Для линейного регрессионного анализа требуется линейность
• только по параметрам
73. Для модели АР (1) справедливо соотношение
•
74. Для модели парной регрессии оценки, полученные по МНК, являются несмещенными,
эффективными, состоятельными, если ...
• выполнены условия Гаусса-Маркова
75. Для одностороннего критерия нулевой гипотезы Н: β =β альтернативная гипотеза Н1:
•β>β
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
5/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
76. Для отношения RSS2/RSS1 в рамках теста Голдфелда-Квандта проводят тест
• Фишера
77. Для оценки
в моделях авторегрессии используется формула
•
78. Для парной регрессии F-статистика рассчитывается по формуле
•
79. Для применения теста Зарембки необходимо
• преобразование масштаба наблюдений у
80. Для проверки нулевой гипотезы H: b= b применяется тест
• Стьюдента
81. Для производственного процесса, описываемого функцией Кобба-Дугласа, увеличение капитала
(К) и труда (i) в 4 раза приводит к увеличению объема выпуска (у):
• в 4 раза
82. Для ранжированного временного ряда медиана
равна:
•
83. Для ранжированного временного ряда медиана
равна:
•
84. Для регрессии второго порядка y = 12+7x 1-3x2 отклонение от регрессии наблюдения (х 1=2, х2=1,
y=20) равно:
• е=3
85. Для стационарного ряда
выборочная дисперсия равна:
•
86. Для стационарного ряда
выборочное среднее равно:
•
87. Для стационарных временных рядов при
• стремится к нулю
величина
88. Для того, чтобы установить влияние категории на коэффициент регрессии при нефиктивной
переменной, в модель включают:
• фиктивную переменную для коэффициента наклона
89. Для уравнения регрессии у = 3х — 2 прогнозное значение зависимой переменной, если
объясняющая переменная равна 4, — это:
• 10
90. Для уравнения регрессии у=4+2х и наблюденных данных х=4, у=14 остаток в наблюдении равен:
•2
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
6/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
91. Для функции y = 4x0,2, эластичность равна:
• 0,2
92. Для функции Кобба-Дугласа у=100к 1/3*i2/3 эластичность выпуска продукции по капиталу равна:
• 1/3
93. Для функции Кобба-Дугласа у=80К3/4*i1/4 эластичность выпуска продукции по труду равна:
• 1/4
94. Доверительный интервал в 99%
• шире, чем
интервал в 95%.
95. Доля объясненной дисперсии зависимой переменной в общей выборочной дисперсии y
выражается коэффициентом
• детерминации
96. Доля числа исходов, благоприятствующих данному событию, в общем числе равновероятных
исходов называется
этого события.
• вероятностью
а:
98. Если
•1
, то коэффициент Тейла равен:
99. Если F-статистика Фишера превысит критическое значение Fкрит, то регрессия считается:
• значимой
100. Если автокорреляция отсутствует, то DW»:
•2
101. Если аддитивная структурная схема влияния четырех факторов описывается формулой
, где
, то это означает, отсутствуют
факторы.
• долговременные
102. Если в методе последовательных разностей
составляющая аппроксимируется полиномом степени
,а
, то неслучайная
•
103. Если в регрессионную модель включена лишняя переменная, то оценки коэффициентов
оказываются, как правило, ...
• неэффективными
104. Если в ряде содержится скрытая гармоника частоты
периодические члены с частотой
, то в нем присутствуют также
•
105. Если временной ряд является стационарным в узком смысле, то ...
•
;
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
7/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
106. Если все наблюдения лежат на линии регрессии, то коэффициент детерминации R2 для модели
парной регрессии равен:
• единице
107. Если выборка достаточно полно отражает изучаемые параметры генеральной совокупности, то
ее называют:
• репрезентативной
108. Если вычисленное значение статистики Спирмена превысит некое критическое значение, то
принимается решение о:
• наличии гетероскедастичности
109. Если две переменные независимы, то их теоретическая ковариация равна:
•0
110. Если дисперсия временного ряда
равна:
равна
, то дисперсия величины
•
111. Если из экономических соображений известно, что b >= b, то нулевая гипотеза отвергается
только при:
• t > tкрит
112. Если коэффициент Тейла равен нулю, то ...
• прогноз сделан успешно
113. Если математическое ожидание и дисперсия случайной величины временного ряда
зависят от времени, то такой ряд будет:
• стационарным в широком смысле
не
114. Если между двумя переменными существует строгая положительная линейная зависимость, то
коэффициент корреляции между ними принимает значение, равное:
• единице
115. Если независимые переменные имеют ярко выраженный временной тренд, то они оказываются:
• тесно коррелированными
116. Если неслучайная составляющая
возникает
уравнений.
• p+1
описывается полиномом степени
117. Если неслучайная составляющая временного ряда
, то в методе МНК
имеет вид полинома 3-й степени, то
равно:
•
118. Если неслучайная составляющая временного ряда
равно:
имеет линейный вид
, то
119. Если неслучайная составляющая временного ряда
имеет линейный вид
, то
равно:
•
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
8/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
120. Если нулевая гипотеза Н: β = β, то альтернативная гипотеза Н 1 — это:
• β≠β
121. Если общий линейный процесс описывается классической линейной моделью множественной
регрессии, то он имеет вид
•
122. Если опущена переменная, которая должна входить в регрессионную модель, то оценки
коэффициентов регрессии оказываются:
• смещенными
123. Если случайная величина принимает значения Х 1..., Хn с вероятностями Р1..., Рn соответственно, то
математическое ожидание случайной величины — ...
•
124. Если совокупность значений случайной величины представляет собой конечный или счетный
набор возможных чисел, то случайная величина называется:
• дискретной
125. Если считать, что белый шум генерирует случайные остатки, то общий линейный процесс имеет
126. Если элементы набора данных не являются одинаково распределенными, то речь идет о:
• временном ряде
127. Если элементы набора данных не являются статистически независимыми, то речь идет о:
• временном ряде
128. Зависимая переменная может быть представлена как фиктивная в случае, если она
• является качественной по своему характеру
129. Зависимость объемов введенных основных фондов от капитальных вложений описывается:
• регрессионной моделью с распределенными лагами
130. Значение оценки является:
• случайной величиной
131. Значение статистики Дарбина-Уотсона находится между значениями
•0и4
132. Идентификация модели СС (1) сводится к решению уравнения
•
133. Идентификация модели СС (2) сводится к решению системы двух
• нелинейных
уравнений.
134. Исследование соотношения между спросом на реальные денежные остатки и ожидаемым
изменением уровня цен описывается моделью
• Кейгана
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
9/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
135. Итерационные методы — компьютерные
параметров нелинейной модели.
• сходящиеся
методы поиска наилучших значений
136. Как правило в эталонной категории
• все фиктивные переменные равны 0
137. Категория — это событие, которое определенно
• либо происходит, либо нет
в каждом наблюдении.
138. Когда делается предсказание на момент времени
, предполагается, что известна величина
•
139. Коэффициент R2 вычисляется по формуле: R2 = ...
•
140. Коэффициент автокорреляции
случайных остатков в модели АР (1) равен:
•
141. Коэффициент автокорреляции определяется соотношением:
•
142. Коэффициент автокорреляции члена ряда
•1
с самим собой равен:
143. Коэффициент детерминации R2 изменяется в пределах
•
144. Коэффициент детерминации равен
• квадрату
выборочной корреляции между y и a + bx.
145. Коэффициент наклона в уравнении линейной регрессии показывает
y при увеличении x на одну единицу.
• на сколько единиц
изменяется
146. Коэффициент ранговой корреляции имеет дисперсию
• 1/ (n — 1)
147. Коэффициент Тейла лежит в пределах
• от 0 до 1
148. Коэффициент Тейла основан на расчете
• среднеквадратичного значения ошибки прогноза приростов
149. Коэффициент Тейла служит критерием
• успешности сделанного прогноза
150. Коэффициент Тейла является более точным показателем, чем
•
151. Коэффициенты при сезонных фиктивных переменных показывают
сезона.
• численную величину изменения, происходящего
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
10/23
при смене
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
152. Критерий восходящих и нисходящих серий позволяет:
• выявить неслучайную составляющую
153. Критерий серий, основанный на медиане, позволяет:
• выявить неслучайную составляющую
154. Лаговая структура Койка описывает простую экономическую ситуацию, когда влияние
с увеличением
• равномерно уменьшается
155. Лаговая структура Ш. Алмон применяется, когда влияние
увеличением .
• проходит через максимум
156. Линия регрессии
• всегда проходит
через точку
на
на
с
.
157. Ловушка dummy trap — выбор совокупности фиктивных переменных, сумма которых
• константа
158. Ловушка dummy trap приводит к:
• полной коллинеарности
159. Логарифмическое преобразование позволяет осуществить переход от нелинейной модели y =
5x2u к модели
• ln y = ln 5 + 2 ln x + ln u
160. Любой набор категорий можно описать некоторой совокупностью
• фиктивных
переменных.
161. Марковский процесс описывается моделью
• АР (1)
162. Мерой разброса значений случайной величины служит:
• дисперсия
163. Метод Зарембки процедура выбора между линейной и
• логарифмической
моделями:
164. Метод Кокрана-Оркатта — компьютерный итерационный метод устранения
• автокорреляции
165. Метод наименьших квадратов — метод нахождения оценок параметров регрессии, основанный
на минимизации
квадратов остатков всех наблюдений.
• суммы
166. Метод наименьших квадратов для модели парной регрессии заключается в выборе таких
коэффициентов a и b, которые обеспечивают наименьшее значение выражения
•
167. Метод скользящего среднего относятся к
составляющей.
• алгоритмическим
168. МНК дает
• максимальное
методам выделения неслучайной
для данной выборки значение коэффициента детерминации R2.
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
11/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
169. Множественный регрессионный анализ является
анализа.
• развитием
парного регрессионного
170. Множество наблюдений, составляющих часть генеральной совокупности, называется:
• выборкой
171. Модель авторегрессии 1-го порядка описывается выражением
•
172. Модель авторегрессии 2-го порядка описывается выражением
•
173. Модель АРПСС (0, 0, 2) описывается соотношением
•
174. Модель АРПСС (1, 1, 1) описывается соотношением
•
175. Модель Бокса-Дженкинса — это модель ...
• АРПСС
176. Модель гиперинфляции Кейгана описывается соотношением
•
177. Модель Кейгана — модель, описывающая гиперинфляцию с помощью модели
• адаптивных ожиданий
178. Модель Линтнера основывается на предположении, что желаемый объем дивидендов
• пропорционален прибыли
179. Модель множественной регрессии с тремя объясняющими переменными без свободного
коэффициента имеет вид: y =
• b1x1 + b2x2 + b3x3
180. Модель парной регрессии —
• линейная
модель зависимости между двумя переменными.
181. Модель скользящего среднего СС (q) описывается соотношением
•
182. Модель СС (1) описывается соотношением
•
183. Модель СС (1) стационарна при:
• любых
184. Модель СС (2) описывается соотношением
•
185. Модель, заданная зависимостью у = 12 +
• нелинейной по переменным
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
+ u, относится к модели:
12/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
186. На больших временах
• долговременные
Эконометрика
факторы описываются монотонной функцией.
187. На больших временах процесс формирования значений временного ряда находится под
воздействием
факторов.
• долговременных и циклических
188. На первом этапе применения теста Голдфелда-Квандта в выборке все наблюдения
• Упорядочиваются по возрастанию х
189. На третьем шаге Зарембки рассматривается линейная регрессия с наблюдениями
вместо исходных уi:
• уi* = y /
i
геом
190. На экзамене в группе из 15 студентов 4 человека получили отличную оценку, 8 человек —
оценку хорошо, 3 человека — оценку удовлетворительно. Средний бал по группе равен:
• 4,06
191. Наблюдение зависимой переменной регрессии в предшествующий момент, используемое как
объясняющая переменная, называется
переменной.
• лаговой
192. Набор категорий представляет собой конечный набор
• взаимоисключающих
событий.
193. Наиболее частая причина положительной автокорреляции заключается в постоянной
направленности воздействия
переменных.
• не включенных в уравнение
194. Наилучший способ устранения автокорреляции — установление ответственного за нее фактора
и включение соответствующей
переменной в регрессию.
• объясняющей
195. Невыполнение 2 и 3 условий Гаусса-Маркова, приводит к потере свойства
оценок.
• эффективности
196. Нелинейная модель у = f (x), в которой возможна замена переменной z = g (x), приводящая
получившуюся модель y = F (z) — к линейной, называется моделью, нелинейной по:
• переменным
197. Необходимость применения специальных статистических методов для обработки экономической
информации вызвана
данных.
• стохастической природой
198. Неслучайная составляющая аппроксимируется полиномом степени p, если функция
199. Несмещенной оценкой параметра модели множественной регрессии s2 (u) является оценка
•
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
13/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
200. Несмещенной оценкой теоретической дисперсии является оценка
•
201. Несмещенной оценкой теоретической ковариации является оценка
•
202. Нижнее число степеней свободы F-cтатистики в случае парной регрессии равно:
• n-2
203. Нижний индекс переменной (t-s) означает, что она является:
• лаговой
204. О наличии данной частоты в спектре временного ряда свидетельствует
спектральной плотности.
• пик на графике
205. Область принятия гипотезы — множество значений
нулевая гипотеза не отвергается.
• оценок параметра
, при попадании в которое
206. Общая (ТSS), объясненная (ESS) и необъясненная (RSS) суммы квадратов отклонений находятся в
следующих соотношениях
• TSS = RSS + ESS
207. Обычно прогнозы, получаемые с помощью моделей Бокса-Дженкинса, оказываются на практике
прогнозов, построенных по макроэкономическим моделям.
• не хуже
208. Остатки значений log y
• значительно меньше
остатков значений y.
209. Остаток в i-ом наблюдении по модели парной регрессии y=a+bx равен:
• yi — (a + bxi)
210. Отклонение еi в i-м наблюдении yi от регрессии с двумя объясняющими переменными:
• ei = yi — a — b1x1 — b2x2
211. Отличие одностороннего теста от двустороннего заключается в том, что он имеет только
• одно критическое значение
212. Относительная ошибка прогноза определяется как:
•
213. Оценивание каждого параметра в уравнении регрессии поглощает
выборке.
• одну степень
свободы в
214. Оценка a для параметра уравнения парной регрессии при использовании МНК вычисляется по
формуле a =
•
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
14/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
215. Оценка b для параметра уравнения парной регрессии при использовании МНК вычисляется по
формуле b =
•
216. Оценка ρ, полученная МНК для авторегрессионной схемы первого порядка рассчитывается по
формуле
, ek — остатки в наблюдениях.
• cov (e k-1, ek) / var (ek-1)
217. Оценка параметра а для модели множественной регрессии в случае двух независимых
переменных вычисляется по формуле: а =
•
218. Оценка параметра находится
• в центре
доверительного интервала.
219. Оценка параметров в лаговой структуре Койка делается:
• решетчатым методом
220. Оценка стандартного отклонения случайной величины, полученная по данным выборки,
называется стандартной
случайной величины.
• ошибкой
221. Первое условие Гаусса-Маркова заключается в том, что
• М (ui) = 0
для любого i.
222. Первый шаг метода Зарембки заключается в вычислении
• среднего геометрического
y по выборке.
223. Пересмотр оценок в методе Кокрана-Оркатта выполняется до тех пор, пока не будет
оценок.
• получена требуемая точность
224. Плоскость регрессии y = a + b1x1 + b2x2 — двумерная плоскость в
• трехмерном
пространстве.
225. Подбор порядка аппроксимирующего полинома производится при помощи
• метода последовательных разностей
226. Показатель выборочной ковариации позволяет выразить связь между двумя переменными
• единым числом
227. Положительная автокорреляция — ситуация, когда случайный член регрессии в следующем
наблюдении ожидается:
• того же знака, что и в настоящем наблюдении
228. Поправка Прайса-Уинстена — метод спасения
первого порядка.
• первого наблюдения
в автокорреляционной схеме
229. Порядок модели Бокса-Дженкинса подбирается c помощью анализа поведения функции
• дисперсии
230. Последовательная разность 3-го порядка имеет вид
•
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
15/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
231. При автокорреляции оценка коэффициентов регрессии становится:
• неэффективной
232. При высоком уровне значимости проблема заключается в высоком риске допущения
• ошибки II рода
233. При вычислении t-статистики применяется распределение
• Стьюдента
234. При добавлении объясняющей переменной в уравнение регрессии коэффициент детерминации
• не уменьшается
235. При использовании метода Монте-Карло результаты наблюдения генерируются с помощью
• датчика случайных чисел
236. При использовании уровня значимости, равного 5%, истинная гипотеза отвергается в
случаев.
• 5%
237. При использования обычного МНК наблюдению высокого качества придается вес
наблюдению низкого качества.
• такой же как
238. При отрицательной автокорреляции DW
• >2
239. При положительной автокорреляции DW
• <2
240. При попадании оценки в критическое значение:
• сохраняется неопределенность в отношении гипотезы
241. При построении отдельных уравнений регрессии для каждого из 4-х кварталов сумма сезонных
отклонений должна равняться:
•0
242. При проведении теста Голдфелда-Квандта из рассмотрения исключаются
наблюдений.
• средние (n-2n')
243. При проведении теста Голдфелда-Квандта предполагается, что стандартное отклонение
остаточного члена регрессии растет с
переменной.
• ростом объясняющей
244. При рассмотрении спектральной плотности ограничиваются значениями ω, лежащими в
пределах
• от 0 до π
245. При снижении уровня значимости риск совершить ошибку I рода
• уменьшается
246. При стремлении размера выборки к бесконечности стандартное отклонение математического
ожидания стремится к:
•0
247. При увеличении размера выборки оценка математического ожидания
• становится более точной
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
16/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
248. Проблема, связанная со смещением оценки коэффициентов регрессии, в одном случае, или с
утратой эффективности этих оценок в другом случае неправильной спецификации переменных,
перестает существовать, если коэффициент парной корреляции между переменными равен:
•0
249. Проверка гипотезы Н: R2 = 0 происходит с помощью теста
• Фишера
250. Процесс АР (2) имеет автокорреляционную функцию, которая:
• имеет бесконечную протяженность
251. Процесс выбора необходимых для регрессии переменных и отбрасывание лишних переменных
называется:
• спецификацией переменных
252. Процесс смешанного типа имеет вид
•
253. Процесс СС (2) имеет автокорреляционную функцию, которая:
• обращается в ноль после некоторой точки
254. Процесс Юла описывается моделью
• АР (2)
255. Пусть имеется матрица исходных статистических данных
Одномерным временным рядом будет ряд значений
последовательные моменты времени.
• одного из элементов
матрицы и.с.д. в
256. Разность между математическим ожиданием оценки и истинным значением оцениваемого
параметра называют:
• смещением
257. Ранг наблюдения переменной — номер наблюдения переменной в упорядоченной
последовательности.
• по возрастанию значений наблюдаемой величины
258. Регрессионные модели с распределенными лагами описываются соотношением
•
259. Регрессором в уравнении парной линейной регрессии называется:
• объясняющая переменная
260. Результаты проверки гипотезы H: b = b представляются на
• двух уровнях
значимости.
261. Ряд
, сгенерированный моделью СС (1), может быть представлен также в виде модели
авторегрессии
порядка.
• бесконечного
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
17/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
262. Свойства коэффициентов регрессии как случайных величин зависят от свойств
уравнения.
• остаточного члена
263. Сглаженное значение
вычисляется по формуле
•
264. Сглаживание временного ряда означает устранение
• случайных остатков
265. Ситуация, когда не отвергнута ложная гипотеза, называется:
• ошибкой II рода
266. Скорректированый коэффициент детерминации
• числа испытаний
267. Случайный член n в уравнении y = axb
• мультипликативно
с ростом числа независимых переменных
задан
268. Совокупность фиктивных переменных — некоторое количество фиктивных переменных,
предназначенное для описания
• набора категорий
269. Спектральная плотность
марковского процесса равна:
•
270. Спектральная плотность временного ряда определяется через
• автокорреляционную функцию
271. Спектральная плотность может принимать
• только положительные
значения.
272. Спектральная плотность связана с интенсивностью согласно формуле
•
273. Спецификация запаздываний применительно к переменным в модели называется:
• лаговой структурой
274. Способ оценивания (estimator) — общее правило для получения
параметра по данным выборки.
• приближенного численного значения
какого-либо
275. СС(1)-процесс обратим при:
•
276. СС(2)-процесс обратим лишь при условии, что корни его характеристического уравнения
лежат:
• вне единичного круга
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
18/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
277. Стандартное отклонение оценки b для параметра β вычисляется по формуле
•
278. Стандартное отклонение оценки а для параметра a вычисляется по формуле
•
279. Стандартное отклонение случайной величины характеризует среднее ожидаемое расстояние
между наблюдениями этой случайной величины и ее:
• математическим ожиданием
280. Стандартные отклонения коэффициентов регрессии обратно пропорциональны величине
, где n — число наблюдений.
•
281. Стандартные ошибки, вычисленные при гетероскедастичности
• занижены по сравнению с истинными значениями
282. Статистика Дарбина-Уотсона проверяет нулевую гипотезу Но:
• отсутствие автокорреляции
283. Статистика для теста ранговой корреляции Спирмена имеет
• нормальное
распределение.
284. Статистика критерия Дарбина-Уотсона вычисляется по формуле
остатки в наблюдениях авторегрессионной схемы первого порядка.
, где ek —
•
285. Строгая линейная зависимость между переменными — ситуация, когда
переменных равна 1 или -1.
• выборочная корреляция
286. Сумма квадратов остатков всех наблюдений —
• остаточная
двух
сумма квадратов отклонений.
287. Сумма квадратов отклонений величины a + bx от своего выборочного среднего
сумма квадратов отклонений.
• объясненная
288. Сумма квадратов отклонений величины y от своего выборочного среднего
сумма квадратов отклонений.
• общая
—
— это
289. Теоретическая ковариация двух случайных величин определяется как математическое
ожидание
отклонений этих величин от их средних значений.
• произведения
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
19/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
290. Тест Бокса-Кокса (решетчатый поиск) — прямой компьютерный метод выбора наилучших
значений
модели в заданных исследователем пределах с заданным шагом
(решеткой).
• параметров нелинейной
291. Тест Глейзера устанавливает наличие
остаточного члена регрессии и объясняющей переменной.
• нелинейной
связи между стандартным отклонением
292. Тест ранговой корреляции Спирмена — тест на:
• гетероскедастичность
293. Тест ранговой корреляции Спирмена — тест, устанавливающий, имеет ли стандартное
отклонение остаточного члена регрессии нестрогую линейную зависимость с
переменной.
• объясняющей
294. Тестовая статистика для теста Спирмена рассчитывается по формуле
• rx, e
295. Точность оценок по МНК улучшается, если увеличивается:
• количество наблюдений
296. Третье условие Гаусса-Маркова состоит в том, что cov (u i, u j) = 0, если ...
•i¹j
297. Уравнение y = a + bx, где a и b — оценки параметров a и b, полученные в результате оценивания
модели y = a + bx + u по данным выборки, называется уравнением
• линейной регрессии
298. Условие гомоскедастичности означает, что σ2 (u )i
• одинакова для всех
наблюдений.
299. Условие стационарности временного ряда для модели АР (2) имеет вид
•
300. Условие стационарности ряда случайных остатков в модели АР (1) имеет вид
•
301. Утверждение о том, что неизвестный параметр модели принадлежит другому заданному
множеству В, АÇВ = Æ, называется:
• альтернативной гипотезой
302. Утверждение о том, что неизвестный параметр модели принадлежит заданному множеству А,
называется:
• нулевой гипотезой
303. Фиктивная переменная — переменная, принимающая в каждом наблюдении значения:
• 0 или 1
304. Фиктивная переменная взаимодействия — фиктивная переменная, предназначенная для
установления влияния на регрессию
событий.
• одновременного наступления нескольких независимых
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
20/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
305. Фиктивная переменная взаимодействия — это
• произведение
фиктивных переменных.
306. Фиктивная переменная для коэффициента наклона предназначена для установление влияния
категории на:
• коэффициент при нефиктивной переменной
307. Фиктивную переменную для коэффициента наклона вводят как
фиктивной
переменной, отвечающей за исследуемую категорию, и интересующей нефиктивной переменной.
• произведение
308. Фиктивные переменные включаются в модель множественной регрессии, если необходимо
установить влияние каких-либо
факторов.
• дискретных
309. Фиктивные переменные, предназначены для обозначения различных лет, кварталов, месяцев и
т.п. — это
фиктивные переменные.
• сезонные
310. Формула для F-статистики:
нижнее число степеней свободы.
, где p — верхнее число степеней свободы, q —
•
311. Формула для получения несмещенной оценки дисперсии имеет вид
•
312. Функция Кобба-Дугласа имеет вид Y =
• AKa L1-a
313. Функция Кобба-Дугласа называется:
• производственной функцией
314. Функция потерь, используемая при выборе между несмещенной и эффективной оценкой,
определяет стоимость неточности как функцию
• размера ошибки
315. Функция спектральной плотности позволяет установить:
• частоты колебаний
316. Функция спроса y = a xb pg n может быть линеаризована посредством
• логарифмирования
317. Функция цены — функция, где аргументом является
цена ошибки.
• род ошибки
, а значением функции —
318. Целевая переменная в модели частичного приспособления имеет вид
•
319. Цель регрессионного анализа состоит в объяснении поведения
• зависимой переменной
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
21/23
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
320. Целью эконометрики является получение количественных выводов о свойствах экономических
явлений и процессов по данным
• выборки
321. Частная автокорреляционная функция первого порядка определяется по формуле
•
322. Частная автокорреляция 1-го порядка — это корреляция между членами временного ряда
, при условии, что
...
323. Чем больше число наблюдений, тем
Дарбина-Уотсона.
• уже
и
зона неопределенности для критерия
324. Четвертое условие Гаусса-Маркова состоит в том, что для любого k cov (uk, хk) равна:
•0
325. Число степеней свободы (верхнее и нижнее) для отношения RSS2 / RSS1 в тесте ГолдфелдаКвандта равно:
• n' — k — 1
326. Число степеней свободы для t-статистики равно числу наблюдений в выборке
количество оцениваемых коэффициентов.
• минус
327. Число степеней свободы для уравнения множественной (m-мерной) регрессии при достаточном
числе наблюдений n составляет:
•n—m—1
328. Эконометрика — часть экономической науки, занимающаяся разработкой и применением
методов анализа экономических процессов.
• математических
329. Эконометрика получает количественные зависимости для экономических соотношений,
основываясь в первую очередь на:
• данных
330. Эконометрический инструментарий базируется на методах и моделях
• математической статистики
331. Эксперимент по методу Монте-Карло — искусственный, контролируемый эксперимент,
проводимый для проверки и сравнения эффективности различных
• статистических методов
332. Эластичность y по x рассчитывается
величину относительного изменения x.
• делением
величины относительного изменения y на
333. Эффективная оценка — несмещенная оценка, имеющая
несмещенных оценок.
• наименьшую дисперсию
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
22/23
среди всех
21 октября 2018 г.
oltest.ru – Онлайн-тесты
Эконометрика
334. Явление, когда нестрогая линейная зависимость между объясняющими переменными в модели
множественной регрессии приводит к получению ненадежных оценок регрессии, называют:
• мультиколлинеарностью
335. Явление, когда строгая линейная зависимость между переменными приводит к невозможности
применения МНК, называется:
• полной коллинеарностью
Файл скачан с сайта oltest.ru
Актуальную версию этого файла
Вы всегда можете найти на странице
https://oltest.ru/files/
23/23
21 октября 2018 г.
1. Совпадут или нет
Не совпадут, т.к. фактор случайности будет сдвигать прямые в любом случае
2. Ширина интервала для мнк зависит от… станд. Ошибка и уровень значимости
Величины уровня значимости, а также от объема выборки.
Стандартная ошибка – отклонение фактических значений от истинных, теоретических
значений; ошибка отклонения для расчета статистики t м(а), м(б).
Используется для оценки значимости самих коэффициентов, для поиска t-критерия
Стьюдента.
Уровень значимости используется для нахождения вероятности отвержения верной
гипотезы (ошибка первого рода); показывает уровень значимости соответствующего t
значения. Обычно 0,05, 0,01
3. Разница между регрессией и корреляцией
Регрессионный анализ включает в себя корреляцию; корреляция не включается в себя
регрессионный анализ.
Регрессия – зависимость значения величины y от величины x, т.е. поиск значения,
насколько y изменяется при изменении x.
Корреляция – связь, теснота между изучаемыми явлениями.
4. Можно ли аппроксимировать нелин зависим, имеющую точку перегиба при
максимальном знач
Да
Для этого необходимо привести нелинейную функцию к линейной с помошью ее
аппроксимации. Условия при этом: от функции можно найти производную и функция
должна быть непрерывной.
5. Каковы последствия нарушения допущения о независимости значений случайной
компоненты
Происходит нарушение третьего условия Гаусса-Маркова. То есть происходит
автокорреляция, тем самым искажается и сдвигается модель, НАРУШАЕТСЯ ЗАВИСИМОСТЬ
РЕГРЕССИИ.
6. Имеются 2 модели. Как выбрать наилучшую
Для выбора наилучшей модели нужно сравнить данные модели по ряду признаков:
Проверить функции на несмещенность и выполнение условий Гаусса-Маркова. Необходимо
найти коэффициенты регрессии, определить статистическую значимость с помощью t-критерия
Стьюдента (стат. значимость коэффициента корреляции и регрессии) и F-критерия Фишера (стат.
Значимость уравнения регрессии в целом).
Также найти коэффициент детерминации – долю вариации признака y, которая учитывает
и обуславливает влияние на него факторов x.
7. Можно ли аппроксимировать нелин зависим имеющую нижнюю асимптоту
Да
Для этого необходимо привести нелинейную функцию к линейной и найти коэффициенты
регрессии с помощью МНК.
8. Каким образом осуществляется проверка полученной регрессионной модели
Сравниваются найденные F-критерий Фишера и t-критерий Стьюдента с теоретическими,
табличными значениями. …
9. Можно ли аппроксимировать нелин зависим имеющ точку перегиба при минимал
значении
Да
Если взять производную от нелинейной функции. Зависимости между x и y не должно при
этом быть
10. Каковы последствия допущения e(u1)=0
Произойдет смещение оценок коэффициентов регрессии; систематическое смещение
величины случайно компоненты, значит искажение результатов самой модели
11. Какие задачи решает прикладной регрессионный анализ
1) Нахождение оценок альфа и бетта, т.е. параметров модели
2) Определение положения регрессионной прямой по наблюденным или известным
значениям y, x при неизвестных значениях u(случайной составляющей).
3) Определение функции регрессии
4) Оценка значений y
12. Можно ли аппроксимир нелин зависим имеющую верхнюю асимптоту
Да
Для этого необходимо привести нелинейную функцию к линейной с помошью ее
аппроксимации. Условия при этом: от функции можно найти производную и функция
должна быть непрерывной.
13. Каковы последствия нарущения допущения о постоянстве дисперсии случайной
компоненты
Происходит Нарушение 2 условия Гаусса-Маркова. Дисперсия создает достаточно
большую ошибку в некоторых наблюдениях, большую чем в других. При нарушении
Появляется гетероскедастичность, т.е. существует неоднородность относительно
дисперсии; в обратном случаи – дисперсия гомоскедастична.
14. Что делать, если исследуемая функция регрессии нелинейна
Необходимо привести ее к линейному виду. При этом полиномы разных степеней
рассчитать МНК.
ЭКОНОМЕТРИКА
1. Несмещенность оценок параметров регрессии означает, что …
математическое ожидание остатков равно нулю
дисперсия остатков минимальная
точность оценок выборки увеличивается с увеличением объема выборки
дисперсия остатков не зависит от величины xi
2. Обобщенный метод наименьших квадратов не может применяться для оценки
параметров линейных регрессионных моделей в случае, если …
средняя величина остатков не равна нулю
остатки гетероскедастичны
остатки автокоррелированны
дисперсия остатков не является постоянной величиной
3. Значение критерия Дарбина – Уотсона можно приблизительно рассчитать по
формуле , где – значение коэффициента автокорреляции остатков модели.
Максимальная величина значения будет наблюдаться при
автокорреляции остатков.
Отрицательной
Положительной
Нулевой
бесконечно малой
4. В эконометрической модели уравнения регрессии величина отклонения
фактического значения зависимой переменной от ее расчетного значения
характеризует …
Ошибку модели
Величину коэффициента регрессии
Значение свободного члена уравнения
Нулевое значение независимой переменной
5. Автокорреляционной функцией временного ряда называется последовательность
коэффициентов автокорреляции …
Первого, второго, третьего и последующих порядков
Между трендовой, сезонной и случайной компонентами
Между несколькими временными рядами
Факторов, формирующих уровень ряда
6. В состав любого временного ряда, построенного по реальным данным, обязательно
входит
компонента.
Случайная
Сезонная
Трендовая
Циклическая
7. Для временного ряда известны характеристики: – среднее и – дисперсия. Если
временной ряд является стационарным, то …
8. Для регрессионной модели , где – нелинейная функция, – рассчитанное по модели
значение переменной , получено значение индекса корреляции R = 0,64. Моделью
объяснена часть дисперсии переменной , равная …
0,41 (R2 = 0,642=0,41)
0,36
0,8
0,6
9. Для линеаризации нелинейной регрессионной модели используется замена …
10. Гиперболической моделью не является регрессионная модель …
11. Если по результатам анализа поля корреляции замечено, что на интервале изменения
фактора меняется характер связи рассматриваемых признаков, прямая связь
изменяется на обратную, то моделирование целесообразно проводить на основе …
Параболы второй степени
Параболы третьей степени
Степенной функции
Равносторонней гиперболы
12. Известно, что доля остаточной регрессии в общей составила 0,19. Тогда
значение коэффициента корреляции равно …
0,9 (1-0,19=0,81; √0,81 = 0,9)
0,19
0,81
0,95
13. Самым коротким интервалом изменения коэффициента корреляции для
уравнения парной линейной регрессии является …
[-1;0]
[0;1]
[-1;1]
[-2;2]
14. Для регрессионной модели известны следующие величины дисперсий: ; ; , где –
значение зависимой переменной по исходным данным; – значение зависимой
переменной, вычисленное по регрессионной модели; – среднее значение зависимой
переменной, определенное по исходным статистическим данным. Для указанных
дисперсий справедливо равенство …
15. Модель равенства спроса и предложения, где предложение q1 и спрос q2 являются
линейными функциями цены p, состоит из уравнений …
Q1 = a1+b1*p
Q2=a2+b2*p
Q1=q2
Q1=a1+b11*p+b12*q2
Q2= a1+b11*p+b12*q1
16. Изучается зависимость цены квартиры (у) от ее жилой площади (х) и типа дома. В
модель включены фиктивные переменные, отражающие рассматриваемые типы
домов: монолитный, панельный, кирпичный. Получено уравнение регрессии:
17. При
идентификации
модели
множественной
регрессии
y=a+b1*x1+b2*x2+b3*x3+b4*x4+CK количество оцениваемых параметров равно …
5
4
6
3
18. В модели множественной регрессии y = a+b1*x1+b2*x2+b3*x3+CK определитель
матрицы парных коэффициентов корреляции между факторами x1,x2 и x3 близок к
нулю. Это означает, что факторы x1,x2 и x3 …
Мультиколлинеарны
Независимы
Количественно измеримы
Значимы
19. F-статистика рассчитывается как отношение
дисперсии, рассчитанных на одну степень свободы.
Факторной, остаточной
дисперсии к
Остаточной, факторной
Факторной, к общей
Остаточной, общей
20. В модели вида y = a+b1*x1+b2*x2+b3*x3+CK
переменных равно …
количество объясняющих
3
4
2
1
21. Дана матрица парных коэффициентов корреляции. Коллинеарными являются
факторы…
Х1 и х3
Х1 и х2
Х2 и х3
Х1 и у
22. В уравнении линейной множественной регрессии:𝒚
̂ = 𝟓, 𝟖𝟓 + 𝟏𝟎, 𝟖 ∗ 𝒙𝟏 + 𝟗, 𝟒 ∗
𝒙𝟐 , где x1 – стоимость основных фондов (тыс. руб.); x2– численность занятых (тыс.
чел.); y – объем промышленного производства (тыс. руб.) параметр при переменной
х1, равный 10,8, означает, что при увеличении объема основных фондов на объем
промышленного производства при постоянной численности занятых.
на 1 тыс. руб. … увеличится на 10,8 тыс. руб.
на 1 тыс. руб. … уменьшится на 10,8 тыс. руб.
на 1 тыс. руб. … увеличится на 10,8%
на 1% … увеличится на 10,8
23. При анализе промышленных предприятий в трех регионах (Республика Марий Эл,
Республика Чувашия, Республика Татарстан) были построены три частных уравнения
регрессии:
24. Из несмещенности оценки параметра следует, что среднее значение остатков равно
…
0
1
-1
Бесконечность
25. Для эконометрической модели уравнения регрессии ошибка модели определяется
как
между фактическим значением зависимой переменной и
ее расчетным значением.
Разность
Сумма квадратов разности
Квадрат разности
Сумма разности квадратов
26. Значение критерия Дарбина – Уотсона можно приблизительно рассчитать по
формуле , где – значение коэффициента автокорреляции остатков модели.
Минимальная величина значения будет наблюдаться при
автокорреляции остатков.
Положительной
Отрицательной
Нулевой
Бесконечно малой
27. Обобщенный метод наименьших квадратов не может применяться для оценки
параметров линейных регрессионных моделей в случае, если …
Средняя величина остатков не равна 0
Остатки гетероскедастичны
Остатки автокоррелированы
Дисперсия остатков не явл постоянной величиной
28. Известно, что дисперсия временного ряда Y увеличивается с течением времени.
Значит, ряд Y …
Нестационарным
Стационарным
Автокорреляционным
Сбалансированным
29. При расчете скорректированного коэффициента множественной детерминации
пользуются формулой
, где
N – число наблюдений, m – число факторов, включ в модель множеств регрессии
30. Проверка статистически значимого отличия от нуля оценок коэффициентов
линейной модели осуществляется путем последовательного сравнения отношений (
–среднеквадратическая ошибка параметра ) с точкой, имеющей распределение
Стьюдента
Фишера
Дарбина-Уотсона
Нормальное
31. Для регрессионной модели вида , где рассчитаны дисперсии: ; ; . Тогда величина
характеризует долю …
Остаточной дисперсии
Коэффициента детерминации
Коэффициента корреляции
Объясненной дисперсии
32. Если по результатам анализа поля корреляции замечено, что на интервале изменения
фактора меняется характер связи рассматриваемых признаков, прямая связь
изменяется на обратную, то моделирование целесообразно проводить на основе …
Параболы второй степени
Параболы третьей степени
Степенной функции
Равносторонней гиперболы
33. По 20 регионам страны изучалась зависимость уровня безработицы y (%) от индекса
потребительских цен x (% к предыдущему году) и построено уравнение в логарифмах
исходных показателей: . Коэффициент корреляции между логарифмами исходных
показателей составил 0,8 . Коэффициент детерминации для модели в исходных
показателях равен …
0,64
0,8
Ln 0,8
Корень из 0,8
34. Среди предложенных нелинейных зависимостей нелинейной по параметрам
является …
35. Для эконометрической модели линейного уравнения множественной регрессии вида
y = x1, x2, x3, x4 +CK построена матрица парных коэффициентов линейной
корреляции (y – зависимая переменная; х(1), х(2), х(3), x(4)– независимые
переменные): Коллинеарными (тесно связанными) независимыми (объясняющими)
переменными не являются
Х2 и х3
Х1 и х3
Х1 и х4
Х2 и х4
36. Известно, что доля остаточной дисперсии зависимой переменной в ее общей
дисперсии равна 0,2. Тогда значение коэффициента детерминации составляет
…
0,8 (1-х=0,2 ; r2 = 0,8)
Корень из 0,2
Корень из 0,8
0,64
37. Дана таблица исходных
регрессионной модели:
данных
для
построения
эконометрической
Фиктивными переменными не являются …
Стаж работы
Производительность труда
Уровень образования
Уровень квалификации работника
38. Пусть y – издержки производства, – объем продукции, – основные
производственные фонды, – численность работников. Известно, что в уравнении
дисперсии остатков пропорциональны квадрату численности работников . После
применения обобщенного метода наименьших квадратов новая модель приняла вид
. Тогда параметр в новом уравнении характеризует среднее изменение затрат …
на работника при увеличении производительности труда на единицу при неизменном
уровне фондовооруженности труда
на работника при увеличении фондовооруженности труда на единицу при неизменном
уровне производительности труда
на единицу продукции при увеличении фондоемкости продукции на единицу при
неизменном уровне трудоемкости продукции
на единицу продукции при увеличении трудоемкости продукции на единицу при
неизменном уровне фондоемкости продукции
39. Состоятельность оценок параметров регрессии означает, что …
Точность оценок выборки увеличивается с увеличением объема выборки
Мат ожид остатков равно 0
Дисперсия остатков минимальна
Дисперсия остатков не зависит от величины xi
40. Системой эконометрических уравнений не является система линейных
уравнений.
Нормальных
стандартизированных
Рекурсивных
Одновременных
41. По результатам 50 статистических наблюдений построено уравнение
множественной регрессии
𝒚 = 𝒂 + 𝒃𝟏 ∗ 𝒙𝟏 + 𝒃𝟐 ∗ 𝒙𝟐 + 𝒃𝟑 ∗ 𝒙𝟑 + 𝑪𝑲 .Число
степеней свободы остаточной суммы квадратов отклонений для этого уравнения
равно …
46 (n-m-1), n- число наблюд, m – число параметров; 50-3-1=46)
47
49
48
42. Известно, что общая сумма квадратов отклонений , а остаточная сумма квадратов
отклонений, . Тогда значение коэффициента детерминации равно …
43. Гиперболической моделью не является регрессионная модель …
44. По результатам проведения исследования торговых точек было построено уравнение
нелинейной регрессии , где y – спрос на продукцию, ед.; x – цена продукции, руб.
Если фактическое значение t-критерия Стьюдента составляет –2,05, а критические
значения для данного количества степеней свободы равны
, , , то …
45. Если зависимость объема спроса от цены характеризуется постоянной
эластичностью, то моделирование целесообразно проводить на основе …
Степенной функции
Экспоненциальной функции
Параболы второй степени
Равносторнней гиперболы
46. Известно, что дисперсия временного ряда Y увеличивается с течением времени.
Значит, ряд Y …
Нестационарным
Стационарным
Автокорреляционным
Сбалансированным
47. Автокорреляцией уровней ряда называется корреляционная зависимость между
…
Последовательными уровнями ряда
Уровнями двух рядов
Компонентами, образ уровня ряда
Факторами, образ уровень ряда
48. Временной ряд – это совокупность значений экономического показателя за
несколько
моментов (периодов) времени.
Последовательных
Случайных
Произвольных
Независимых
49. Построена эконометрическая модель для зависимости прибыли от реализации
единицы продукции (руб., у) от величины оборотных средств предприятия (тыс. р.,
х1): . Следовательно, средний размер прибыли от реализации, не зависящий от
объема оборотных средств предприятия, составляет
рубля.
50. Для регрессионной модели вида необходим минимальный объем наблюдений,
содержащий
объектов наблюдения
51. Для обнаружения автокорреляции в остатках используется …
Статистика Дарбина-Уотсона
Тест Уайта
Критерий Гольдфельда-Квандта
Тест Парка
52. Величина
53. Коэффициент парной линейной корреляции показывает
на сколько величина дисперсии х изменится в среднем у при изменении х на одну свою
единицу
среднее изменение у при изменении х на одну свою единицу
на сколько величина дисперсии у изменится в среднем у при изменении х на одну величину
дисперсии х
среднее изменение у при изменении х на одну величину дисперсии х
54. Если RSS = 0 и TSS >0, то
R2 =1
R2=0
R2=1/TSS
R2=1/ESS
55. Имеются след данные о переменных у и х
Х13137
У22648
У = 3+0,33х
У = 6-0,8х
У= 3,37 – 0,21х
У= 0,8 + 1,6х
56. Коэффициент корреляции
57. Линия парной регрессии y^i=b1+b2*xi обязательно
Проходит через начало координат
Параллельная оси ОХ
Проходит через точку (х с домиком, у с домиком)
Параллельная оси ОУ
58. Построение поля корреляции для парной регрессии позволяет определить
вид связи – линейная/нелинейная
59. В формуле t=b Se(b) число b это
Коэффициент регрессии
60. В основе метода наименьших квадратов (МНК) лежит
Минимизация квадратов остатков
61. Найдите эквивалентное R2=0 выражение, где R2 – мера качества модели.
ESS=0
62. В модели yi=b+ci прогноз yi будет равным:
Бета (b)
63. Коэффициент регрессии в уравнении у=9,2+1,5х, характеризующем связь между
объемом реализ продукции (млн руб) и прибылью предприятия автомобильной
промышленности за год (млн руб) означает, что при увеличении объема реализ
продукции на 1 млн руб прибыль увеличивается на
1,5 млн руб
0,5%
0, 5 млн руб
500 тыс руб
64. Вениамин оценил свою первую регрессию. R2=0,6, RSS=150. Чему равно TSS?
325
150
225
375
65. Модель в целом статистически значима, если
Fрасч < Fтабл
Fрасч > F табл
Fрасч= Fтабл
|Fрасч| < Fтабл
66. Коэффициент детерминации показывает
Тесноту связи между расчетными и фактическими значениями результирующего
показатели в базисном периоде
Статистическую значимость модели в целом на основе определения совокупной
достоверности всех ее коэффициентов
Экономическую значимость модели в целом
Долю изменчивости зависимой переменной, объясненную влиянием факторов,
включенных в модель
67. Средняя ошибка аппроксимации характеризует:
Среднее изменение х при среднем отклонении теоретич у от среднего изменения х
Среднее отклонение теоретического у (у̂) от фактического у
Среднее изменение у
Среднее отклонение теоретического у от среднего изменения х
68. Уравнение парной регрессии связывает
Эмпирические значения х и у
Теоретические значения х и эмпирическое значение у
Две переменные х и у
Переменную х и мат ожидание у
69. Если 0<r<1, то между переменными у и х
Угол наклона линии регрессии у оси Ох тупой
Прямая связь
Обратная связь
Корреляционная связь
Тесная связь между переменными
Угол наклона линии регрессии у оси Оу острый
70. Между у и х существует прямая связь, если
A>0, b>0
A=0, b>0
A=0, b<0
A<0, b>0
A=0, b=0
71. Если коэффициент корреляции положительный, то в линейной модели
Нет верного ответа
С ростом х увеличивается у
С уменьшением х растет у
С ростом х уменьшается у
72. Для проверки значимости индекса корреляции в нелинейной регрессии
используются критерий
Фишера
Стьюдента
Дарбина-Уотсона
Вальда
73. Коэффициент эластичности показывает
На сколько ед изменился фактор при изменении результата на 1 ед
Во сколько раз изменится результат при изменении фактора на 1 ед
На сколько % изменится фактор при изменении результата на 1%
На сколько ед изменится результат при изменении фактора на 1 ед
На сколько % изменится результат при изменении фактора на 1%
74. Табличное значение критерия Фишера зависит
Только от числа факторов, включенных в модель
Только от уровня доверительной вероятности
Только от длины исходного ряда
Только от уровня доверительной вероятности и числа факторов, включенных в модель
И от уровня доверит вероят, и от числа фактров, включ в модель и от длины исходного ряда
75. В уравнении регрессии у=а+bx параметр а характеризует
Среднее изменение х при изменении у на одну свою единицу
Среднее значение х при изменении у=0
Среднее значение у при изменении х=0
Среднее изменение у при изменении х на одну свою единицу
76. Какие из приведенных чисел могут быть значениями парного коэффициента
корреляции
1,4
-0,7
-2,7
Все варианты верны
77. Для проверки значимости коэффициентов регрессии используется критерий
Вальд
Дарбина-Уотсона
Стьюдента
Фишера
78. К показателям, характеризующим качество модели, относятся
Коэффициент корреляции
Средняя ошибка аппроксимации
Коэффициент детерминации
Коэффициент эластичности
79. Применим ли метод наименьших квадратов (МНК) для расчет параметров
степенной зависимости.
Да
Нет
Зависит от типа данных
Применим после ее приведения к линейному виду путем логарифмирования
80. Какое определение соответствует понятию «эконометрика»
Это наука, предметом изучения которой является количественное выражение взаимосвязей
экономических явления и процессов
81. При проверке любой гипотезы верным действием будет
Сравнить рассчитанное значение статистики с 1,96
Принять альтернативную гипотезу, если основная гипотеза отвергнута
Выбрать уровень значимости до расчета статистики
Предположить, что при верно нулевой гипотезе, статистика имеет стандартное нормальное
распределение
82. При проверке качества модели по F-критерию в качестве основной гипотезы
выдвигается предположение о
Не значимости уравнения регрессии в целом
Значимости уравнения регрессии в целом
Не значимости по отдельным параметрам
Значимости по отдельным параметрам
83. На основании рядов данных для переменных х и
у построено уравнение
регрессии у= 5+1,25х. Какое из следующих высказываний является верным:
Форма уравнения регрессии показывает, что переменные х и у линейно зависят друг от
друга
84. Предельное допустимое значение средней ошибки аппроксимации составляет
Не более 10-12
Не более 8-10
Не более 3-5
Не более 1
85. Эконометрическая модель – это модель
Гипотетического экономического объекта
Конкретно-существующего экономического объекта, построенная на гипотетических
данных
Конкретно-существующего экономического объекта, построенная на статистических
данных
86. Если парный коэффициент корреляции между признаками
значение 0,675, то коэффициент детерминации равен
0,456
0,576
-0,675
0,822
принимает
87. Верные утверждения о включении в уравнение линейной множественной
регрессии факторов
Фактор должен объяснять поведение изучаемого показателя согласно принятым
положением экономической теории
Коэффициент парной корреляции для фактора и результативной переменной меньше 0,3
Значение t-критерия Стьюдента для коэффициента регрессии при факторе меньше
табличного значения
Включение фактора в модель приводит к заметному возрастанию коэффициента
множественной детерминации
88. Какой коэффициент определяет среднее изменение результативного признака при
изменении факторного признака на 1%
Коэфф эластичности
Коэфф детерминации
Коэфф регрессии
Коэфф корреляции
89. Уравнение регрессии признается в целом статистически значимым, если
Расчетное значение критерия Фишера больше четырех
Расчетное значение критерия Фишера больше соответствующего табличного значения
Расчетное значение Фишера меньше соответствующего табличного значения
Расчетное значение критерия Фишера больше 0
90. Из пары коллинеарных факторов в эконометрическую модель включается тот
фактор, который при
Отсутствии связи с результатом имеет наименьшую связь с другими факторами
Достаточно тесной связи с результатом имеет меньшую связь с другими факторами
Отсутствии связи с результатом имеет максимальную связь с другими факторами
91. Коэффициенты при сезонных фиктивных переменных показывают это при смене
сезона
Направление изменения происходящего
Трендовые изменения
Численную величину изменения происходящего
92. Зависимость расходов на продукты питания от располагаемого дохода Х имеет вид: у̂
= 𝟑 + 𝟓. 𝟎Х + 𝟎. 𝟎𝟑𝑫𝟏Х, где D1 – фиктивная переменная, равная 1 для городских и
0 для сельских жителей. Если вместо D1 использовать переменную D2, равную 0 для
городских и 1 для сельских жителей, то зависимость примет вид
𝑦̂= 3 + 5.0𝑋 − 0.03𝐷2𝑋
𝑦̂= 3.03 + 5.0𝑋 − 0.03𝐷2𝑋
𝑦̂= 3 + 0.5𝑋 + 0.03𝐷2𝑋
𝑦̂= 3 + 5.03𝑋 − 0.03𝐷2𝑋
93. В модели y=a+b1x1+b1x1+…+bkxk+СК значение параметра а характеризует
Среднее изменение зависимой переменной модели у при изменении независимых
переменных на единицу
Среднее значение независимой переменной при нулевых значениях зависимых переменных
Влияние случайных факторов на зависимую переменную модели у
Среднее значение зависимой переменной при нулевых значениях независимых
(объясняющих) переменных
94. Если парный коэффициент корреляции между признаками равен -1, то это
означает
Наличие прямой корреляционной связи
Наличие обратной корреляционной связи
Отсутствие связи
Наличие обратной функциональной связи
95. Сопоставляя при регрессионном анализе факторную и остаточную дисперсии,
получим величину статистики
Дарбина
Фишера
Пирсона
Стьюдента
96. Построенное уравнение регрессии считается удовлетворительным,
значение средней ошибки аппроксимации не превышает
если
1%
5%
10-12%
95%
97. Зависимость последовательности
эконометрике называют
Гомоскедастичностью остатков
Автокорреляцией остатков
Мультиколлинеарностью остатков
Гетероскедастичностью остатков
98. С помощью
этого
проверяет
множественной регрессии
b-теста
F-теста
остатков
регрессии
надежность
друг
оценок
от друга
коэффициентов
в
t-теста
99. Для линейного уравнения множественной регрессии установите соответствие
у=а+b1x1+b2x2+CK
Факторные переменные (х1,х2)
Параметры (а,b1,b2)
Случайная компонента (е)
Результативная переменная (у)
100.
Какой фактор не влияет на достоверность интервального прогноза по
уравнению линейной парной регрессии:
Величина коэффициента регрессии
Величина отклонения прогнозного значения факторной переменной от ее среднего в
статистических данных значения
Установленный уровень значимости в статистических критериях
Объем исходных статистических данных
101.
По 19 предприятиям оптовой торговли изучается зависимость объема
реализации (у) от размера торговой площади (х1) и товарных запасов (х2). Получены
след результаты: у= 30+10х1+8х2+ СК, где R2=0,92. Коэффициент детерминации
позволяет сделать вывод
На уровне значимости 8% уравнение регрессии в целом можно признать статистически
значимым
При увеличении факторов на 1 ед объем реализации увеличивается в среднем на 92%
Связь между результативной переменной и факторами, включенными в модель прямая и
очень сильная
92% вариации объема реализации объясняется вариацией торговой площади и товарных
запасов, а остальные 8% - не включенными в модель факторами
102.
Факторы, включаемые во множественную регрессию, должны быть:
Явно коллинеарны
Количественно измеримы
Функционально зависимы
Независимы или слабо коррелированны
103.
Корреляционное отношение используется для
Определения факторной вариации
Определения общей вариации
Определения остаточной вариации
Определения тесноты связи
104.
В результате тестирования гипотезы может оказаться, что
Отвергается альтернативная гипотеза
Принимается нулевая гипотеза
Нулевая гипотеза не отвергается
Отвергаются обе гипотезы, и нулевая, и альтернативная
105.
T-статистика, проверяющая гипотезу о незначимости коэффициента
Никогда не бывает отрицательной в принципе
Никогда не бывает больше самой оценки коэффициента
Может принимать любое значением
Не равна 0
106.
спецификацияКакие из следующих задач имеет смысл решать при
помощи линейной регрессии
Оценка влияния дохода человека на его расходы на покупку сладостей
Оценка вероятности падения крупного метеорита на Землю
Прогнозирование заработной платы выпускника ВУЗа
Установление причинно-следственных связей между образованием и продолжительностью
жизни человека
107.
Требования, при которых модель считается адекватной, состоят в
следующем:
1. Уровни ei ряда остатков имеют случайный характер
2. Мат ожидание уровней ряда остатков равно 0
3. Дисперсия каждого отклонения ei одинакова для всех значений х (свойство
гомоскедастичности)
4. Значения ei независимы друг от друга, т.е. отсутствует автокорреляция
5. Случайные величина ei распределены по нормальному закону
6. Число включаемых в регрессионную модель факторов в 6-7 раз меньше объема
совокупности данных, по которому строится регрессия.
Укажите пункт, необязательный для адекватной модели регрессии
4
3
5
6
108.
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид
𝒚
̂ = 𝟐, 𝟎𝟐 + 𝟎, 𝟕𝟖𝒙 , а средние значения признаков равны 𝒙 = 𝟓, 𝒚= 𝟔
1,68
2,42
0,94
0,65
109.
Зависимость объема продаж (у) (д.е), от расходов на рекламу (х) (д.е.)
характеризуется по 12 предприятиям след образом: y = 10,6+0,6x+CK, rxy=0,83
60% вариации объема продаж объясняется вариацией расходов на рекламу
83% вариации объема продаж объясняется вариацией расходов на рекламу
При увеличении расходов на рекламу на 1 д.е. объем продаж увеличивается на 0,83 д.е.
При увеличении расходов на рекламу на 1 д.е. объем продаж увеличивается в среднем на
0,6 д.е.
При увеличении объемов продаж на 1 д.е. расходы на рекламу увеличиваются в среднем на
10,6 д.е.
110.
Величина отклонений фактических значений результативного признака от
его теоретических значений представляет собой ошибку аппроксимации
111.
Уравнение множественной регрессии в стандартизированном масштабе имеет
вид ty= 20+0,9tx1+0,5tx2+ СК. На результативный признак оказывается большое
влияние
Х1
Х1 и х2
Х2
Нельзя сделать вывод
112.
Укажите
способы
преодоления
множественной регрессии
Исключение из модели одного или нескольких факторов
Переход от исходных переменных к логарифмам
Включение в линейное уравнение слагаемых вида xi*xj
Изменение линейной модели на степенную
113.
Построение поля
определить вид связи
корреляции
для
мультиколлинеарности
парной
регрессии
114.
Неправильный выбор функциональной формы или
переменных называется ошибка спецификации
во
позволяет
объясняющих
115.
Для построения модели линейной множественной регрессии вида
у=а+b1x1+b2x2 необходимое количество наблюдений должно быть:
Не более 10
Не менее 7
Не более 14
Не менее 14
116.
Оцененная зависимость почасовой оплаты труда индивида у (измеряется в
долларах в час) от результатов впускного теста х (измеряется в баллах) и пола (d –
фиктивная переменная, равная 1 для мужчин и 0 для женщин) имеет вид:
у=3+5х+3,2d1. Все коэффициенты являются значимыми при уровне значимости 1%.
Ели вместо d1 использовать переменную d2, равную 0 для мужчин и 1 для женщин,
то зависимость примет вид:
У=3+1,8х-3,2d2
Y=6,2+5x-3,2d2
Y=3+5x+3,2d2
Y=3+5x+3,2d1
117.
Какие тесты применяют для исследования гетероскедастичности? (Уайта,
Голдфельд-Квандт)
118.
Дана матрица парных коэффициентов корреляции.
наименее тесно связан с результативной переменной?
У
Х1
Х2
Х3
Какой
фактор
119.
При моделировании уравнения множественной регрессии определяют
стандартизированные коэффициенты регрессии (бета коэффициенты). Сравнивая их
друг с другом, можно ранжировать факторы по силе их воздействия на результат.
Пусть функция издержек производства (у) (тыс руб) характеризуется уравнением
вида у=200+1,2х1+1,1х2, где х1 – основные производственные фонды, ты сруб, х2 –
численность занятых в производстве, человек. Уравнение регрессии в
стандартизированном масштабе выглядит так: ty=0,5tx1+0,8tx2. Выберите
правильные выводы:
Большее влияние на издержки производства оказывает численность занятых на
производстве людей, бета1=1,2; бета2=1,1
Большее влияние на издержки производства оказывает численность занятых на
производстве людей, бета1 = 0,5; бета 2 = 0,8
Большее влияние на издержки производства оказывает стоимость основных
производственных фондов, бета1 = 1,2; бета 1,1
Большее влияние на издержки производства оказывает стоимость основных
производственных фондов, бета 1 = 0,5; бета 2 = 0,8
120.
При верификации уравнения множественной регрессии получены данные
для проверки гипотезы о значимости коэффициентов регрессии по t- критерию
Стьюдента. Какой параметр нельзя включить в модель?
Х2
Х3
Х1
Отношение дисперсии результирующего признака, объясненной уравнением
регрессии, к его общей дисперсии называют …
121.
Коэффициент детерминации
122.
Оцененная зависимость почасовой оплаты труда индивида у (изеряется в
долларах в час) от результатов впускного теста х (измеряется в баллах) и пола (d –
фиктивная переменная, равная 1 для мужчин и 0 для женщин) имеет вид:
у=3+5х+3,2d. Все коэффициенты являются значимыми при уровне значимости 1%.
При одинаковых результатах теста почасовая оплата мужчин выше почасовой
оплаты женщин на
3,2$
3,2%
3$
8,2$
123.
При исследовании зависимости себестоимости продукции (у) от объема
выпуска (х1) и производительности труда (х2) по данным 20 предприятий получено
уравнение регрессии у=2,88+0,72х1+1,51х2. Насколько единиц и в какую сторону
изменится результирующий признак при увеличении фактора х1 на 1 ед измерения?
Увеличится на 0,72
Уменьшится на 0,72
Увеличится на 2,88
Уменьшится на 2,88
124.
Каковы последствия и проявления мультиколлинеарности?
125.
Если в линейной множественной регрессии более, чем две независимые
переменные связаны между собой достаточно тесной линейной зависимостью, тогда
имеет место мультиколлинеарность факторов
126.
Экзогенные переменные
Зависимые переменные
Независимые переменные
Любые количественные переменные
Любые качественные переменные
127.
Уравнение множественной регрессии в стандартизированном масштабе
имеет вид y= 20+0,7x1+0,5x2+ СК. На результативный признак оказывается
большое влияние
Х1 и х2
Нельзя сделать вывод
Х1
Х2
128.
Критерий Фишера используется для
129.
Стандартизированные коэффициенты регрессии бета i
Являются коэффициентами эластичности
Позволяют ранжировать факторы по силе их влияния на результат
Оценивает статистическую значимость факторов
130.
В каких пределах изменяется множественны коэффициент корреляции
0 ≤ 𝑅𝑦𝑥̅1𝑥̅2 < бесконечность
0 ≤ 𝑅𝑦𝑥̅1𝑥̅2 ≤ 1
−1 ≤ 𝑅𝑦𝑥̅1𝑥̅2 ≤ 2
131.
При исследовании производительности труда на предприятии получено
уравнение
регрессии:
у̂= 𝟐, 𝟔𝟖 + 𝟎, 𝟓𝟐х𝟏 + 𝟏, 𝟏𝟔х𝟐б где х𝟏 −
средний возраст работников, а х𝟐 −
энерговооруженность. Чему равна эластичность фактора х𝟐?
0,14
0,16
0,25
132.
В основе метода наименьших квадратов (МНК) лежит
133.
Значимость множественных коэффициентов регрессии оценивается с
помощью t-критерия Стьюдента.
134.
От каких факторов зависит ширина интервала для МНК оценок линейной
регрессии? Какую роль играет стандартная ошибка?
135.
Если парный коэффициент корреляции между признаками х и у равен - 1, то
это означает сильную обратную связь
136.
По результатам 25 наблюдений получен парный коэффициент
корреляции r12=0,6. Известно, что фактор х3 занижает связь между х1 и х2. Какое
значение может принять частный коэффициент корреляции r12(x3)?
-0,2
0,8
-0,8
0,5
137.
Скорректированные коэффициент детерминации
Больше обычного коэффициента детерминации
Меньше обычного коэффициента детерминации
Меньше или равен обычному коэффициенту детерминации
138.
Если качественный фактор имеет три градации, то необходимое число
фиктивных переменных
4
2
3
139.
Зависимость расходов на продукты питания от располагаемого дохода Х
имеет вид: у̂ = 𝟐 + 𝟔. 𝟎Х + 𝟎. 𝟎𝟕𝑫𝟏, где D1 – фиктивная переменная, равная 1 для
городских и 0 для сельских жителей. Коэффициент наклона в линейной зависимости
для городских жителей равен
0,67
0,6
0,53
2
140.
Какая дополнительная, по сравнению с парной регрессией, предпосылка
Гаусса-Маркова используется в модели множественной регрессии?
141.
Стандартные ошибки, вычисленные при гетероскедастичности
Завышены по сравнению с истинными значениями
Не имеют математического смысла
Занижены по сравнению с истинными значениями
Являются случайными
Соответствуют истинным значениям
142.
Параметры при факторах в линейной множественной регрессии у̂= а +
𝒃𝟏𝒙𝟏 + 𝒃𝟐𝒙𝟐 + ⋯ + 𝒃𝒑𝒙𝒑 хаарктеризуют
На сколько процентов в среднем изменяется результативная переменная с изменением
соответствующего фактора на 1%
Тесноту связи между результативной переменной и соответствующим фактором, при
устранении влияния других факторов, включенных в модель
Среднее изменение результативной переменной с изменением соответствующего фактора
на единицу, при неизменном значении других факторов, закрепленных на среднем уровне
Долю дисперсии результативной переменной, объясненную регрессией в его общей
дисперсии
143.
Под частной корреляцией понимают
Зависимость результативного признака и двух или более факторов, включенных в
регрессионную модель
Связь между двумя признаками (результативным и факторным или двумя факторными)
Зависимость между результативным и одним факторным признаком при
фиксированном значении других факторных признаков
Зависимость между качественными признаками
144.
В случае нормального распределения остатков линейной регрессионной
модели N проверка статистической значимости каждого параметра возможна с
помощью критерия Стьюдента
145.
Дана матрица парных коэффициентов корреляции. Наибольшее значение
межфакторной корреляции равно
0,51
0,72
0,69
146.
Для двух факторов х1 и х2 установлены следующие парные
коэффициенты корреляции r(y,x1)=0,4; r(у,x2)=0,7. Сделайте вывод об их
информативности.
147.
Как ведет себя обычный коэффициент детерминации при введении в
модель множественной линейной регрессии дополнительной объясняющей
переменной? Повышается
148.
От каких факторов зависит ширина интервала для МНК оценок линейной
регрессии? Какую роль играет уровень значимости?
149.
Табличное значение критерия Фишера зависит
150.
Как выглядит ковариационная матрица вектора случайных отклонений,
если предпосылки Г-М выполняются?
151.
Коэффициент регрессии в линейной регрессии совокупного спроса на
стулья (тыс руб) по цене (тыс руб) оказался равным «-2». Это означает, что
Увеличение цены на 1% снижает спроса на стулья на 2%
Увеличение цены на 1 руб снижает спрос на стулья на 2%
Увеличение цены на 1% снижает спрос на стулья на 2 тыс руб
Увеличение цены на 1 тыс руб снижает спрос на стулья на 2 тыс руб
Полученное число никак не интерпретируется
152.
При добавлении еще одной
коэффициент детерминации
Остается неизменным
Уменьшается
Не уменьшается
Не увеличивается
переменной
в уравнение
153.
Автокорреляция
в остатках модели линейной
обнаружить с помощью критерия Дарбина Уотсона.
регрессии
регрессии
можно
154.
Верификация модели – это
Проверка качества как модели в целом, так и ее параметров
Анализ изучаемого экономического явления
Определение вида экономической модели, выраженнное в математич форме взаимосвязи
между ее переменными
Определение исходных предпосылок и ограничений модели
155.
В модели множественной линейной регрессии высокая корреляция
между двумя объясняющими переменными приводит к мультиколлинеарности.
156.
На стыке каких областей знаний возникла эконометрика
Эконом теория, экономич и математич статистика
Эконом теория, мат стат и теор вер
Эконом и мат стат, теор вер
Эконом теор, теория систем и анализ данных
157.
Одна из предпосылок применения МНК для получения несмещенных,
состоятельных и эффективных оценок
Наличие гетероскедастичности
Отсутствие гетероскедастичности
Отсутствие автокорреляции остатков
158.
Каковы последствия нарушения допущения о постоянстве дисперсии
случайной компоненты?
159.
Если качественный фактор имеет три градации, то сколько должно быть
фиктивных переменных? Поясните. 2
160.
На основе 700 наблюдений была получены следующая
у=10,8+1,45х. Se(a)=4,3; Se(b)=0,6. Коэффициент при переменной
Значим на однопроцентном уровнем значимости
Значим на пятипроцентном уровне значимости, но не значим на 1%
Не значим на 5%
Нет верного ответа
модель:
161.
Студент построил следующую модель: у=а0+b1x1+b2x2, где у – прибыль, х1
– выручка, х2 – затраты. Каким числам будут равны коэффициенты уравнения.
Чему равен коэфф детерминации? Как называется такая зависимость.
162.
Задачи регрессионного анализа состоит в нахождении оценок а и b и в
определении положения регрессионной прямой по известным или наблюдаемым
значеиям х и у при неизмен значен U
163.
Пусть при стандартизации объясняющие переменные равны нулю. Чему равно
значение стандартизир переменной? Чему при этом равно значение исходной
зависимой переменной? В таком случае значение стандартизир зависимой
переменной равно нулю, а значение исходной зависимой переменной будет равно
коэффициенту а.
164.
Спецификация модели – это
Проведение статистического анализа модели, оценка качества ее параметров
Построение эконометрической модели с целью эмпирического анализа
Определения цели исследования и выбор экономических переменных модели
Сбор необходимой статистической информации
165.
Набор сведений о разных объектах, взятых за один период времени
называется
Пространственными данными
Временными данными
166.
Что из нижеперечисленного не оказывает непосредственного влияния на
величину ошибки регрессии:
Опыт исследователя
Спецификация модели
Особенности измерения переменных
Выборочные характеристики исходных статистических данных
167.
К какому
этапу эконометрического
моделирования
относится
статистическая оценка достоверности параметров уравнения регрессии?
Верификация
Параметризация
Спецификация
прогнозирование
168.
Какая регрессия относится к основному виду регрессионных моделей в
эконометрике?
Линейная
Степенная
Нелинейная
Множественная
169.
С ростом стандартной ошибки ширина доверительного интервала для
коэффициента
Увеличивается
Уменьшается
Недостаточно информации, чтобы ответить на вопрос
Не изменяется
170.
Если в эконометрической модели у=a+bx параметр a<0 и b>0, то
Точка пересечения регрессии с осью ОХ левее оси ОУ
Угол наклона регрессии к оси ОХ острый
Угол наклона регрессии к оси ОУ тупой
Точка пересечения регрессии с осью оу ниже оси ОХ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное образовательное бюджетное учреждение
высшего профессионального образования
«Пензенский государственный университет
архитектуры и строительства»
Е.И. Титова, Е.И. Куимова
ТЕСТЫ ПО ЭКОНОМЕТРИКЕ
Рекомендовано Редсоветом университета
в качестве учебного пособия для студентов,
обучающихся по направлению подготовки
080200.62 «Менеджмент»
Пенза, 2013
1
УДК 519.862.6(075.8)
ББК 65в6+74.58я73
Т45
Рецензенты: доцент кафедры менеджмент, канди-
дат экономических наук И.А. Игошина (ПГУАС);
доцент кафедры ИиВС, кандидат
педагогических наук И.В. Акимова
(ПГПУ им. В.Г. Белинского)
Т45
Титова Е.И.
Тесты по эконометрике: учеб. пособие / Е.И. Титова, Е.И. Куимова. – Пенза: ПГУАС, 2013. – 104 с.
Содержит тестовые задания по дисциплине «Эконометрика», справочные
материалы, варианты для контроля усвоения знаний по основным разделам
эконометрического моделирования.
Пособие подготовлено на кафедре «Математика и математическое моделирование» и предназначено для студентов, обучающихся по направлению подготовки 080200.62 «Менеджмент» очной, заочной и дистанционной форм обучения,
может быть использовано преподавателями в процессе обучения.
© Пензенский государственный университет
архитектуры и строительства, 2013
© Титова Е.И., Куимова Е.И.,, 2013
2
ПРЕДИСЛОВИЕ
Настоящее издание подготовлено в соответствии с современными
требованиями Государственного образовательного стандарта высшего
профессионального образования для обучения студентов экономических специальностей. Тесты по основным разделам эконометрического моделирования, представленные в нем, могут служить как для
закрепления основных понятий и способов действий, так и для самопроверки или контроля со стороны преподавателя. Справочный материал представлен в кратком изложении, при затруднении в ответе на
вопрос рекомендуется использовать учебное пособие «Ермолаева Е.И.,
Куимова Е.И. Теоретические основы эконометрики».
3
ТЕСТОВЫЕ ЗАДАНИЯ ПО ЭКОНОМЕТРИКЕ
Раздел 1. Предмет эконометрики, ее цель, задачи и методы.
Классы моделей, этапы эконометрического моделирования.
Типы данных и виды переменных
Эконометрика – это наука, предметом изучения которой являются
конкретные количественные взаимосвязи экономических процессов и
явлений.
Термин эконометрика был введен в 1926 году норвежским ученым
Ранаром Фришем и в дословном переводе означает «экономические
измерения». Наряду с таким широким пониманием эконометрики
встречается и весьма узкая трактовка эконометрики как набора математико-статистических методов, используемых в приложении математики к экономике.
Цель эконометрики – разработка методов моделирования и количественного анализа реальных экономических объектов.
Задачи эконометрики:
1) Спецификация модели
Построение вида эконометрической модели для дальнейшего
анализа.
2) Параметризация модели
Оценка параметров модели на основе эмпирических данных.
3) Верификация модели
Проверка качества параметров модели и самой модели в целом на
истинность.
4) Прогнозирование по модели
Составление прогноза и рекомендаций для конкретных экономических явлений по результатам эконометрического моделирования.
В эконометрической модели эконометрический объект описывается
и изучается с помощью эмпирических (статистических данных).
Эконометрическая модель должна учитывать реальные условия существования объекта и не противоречить общим законам экономики.
Общим моментом для любой эконометрической модели является
разбиение зависимой переменной на две части – объясненную и
случайную:
Y  f (x)   ,
где Y – наблюдаемое значение зависимой переменной (объясненная
часть, результат); f (x) – объясненная часть, зависящая от значений
4
объясняющих переменных (факторов), объясняющие переменные мо-
4
гут иметь в модели случайные или определенные значения;  – случайная составляющая (ошибка, возмущение).
Ошибка предсказаний по такой модели не должна превосходить
некоторой заданной величины. Объясняемая переменная Y является
случайной величиной с некоторым распределением при заданных
значениях объясняющих переменных.
Решая задачу эконометрического моделирования, необходимо:
1. Определить объясненную часть, пользуясь экспериментальными
данными.
2. Получить оценки параметров распределения случайной составляющей, рассматривая ее как СВ.
Различают два типа зависимости между явлениями и их
признаками: функциональную и статистическую.
1) Функциональная зависимость – это связь, при которой каждому
значению независимой переменной x соответствует точно определенное значение y. В экономических процессах такой вид зависимости
между переменными встречается редко. Для этих процессов характерно
взаимодействие случайных факторов. Существующая зависимость
между признаками может проявляться не в каждом отдельном случае, а
лишь «в общем и среднем» при большом количестве наблюдений.
2) Статистическая зависимость – это связь, при которой каждому
значению независимой переменной x соответствует множество
значений зависимой переменной y, причем заранее не известно, какое
именно значение примет y. Частным случаем статистической зависимости является корреляционная зависимость.
Корреляционная зависимость – это связь, при которой каждому
значению независимой переменной x соответствует определенное среднее значение (математическое ожидание) зависимой переменной y.
В регрессионном анализе рассматриваются односторонние зависимости случайной переменной Y от неслучайной независимой переменной X. Такая зависимость может возникнуть, когда при каждом
фиксированном значении X соответствующие значения Y подвержены
случайному разбросу за счет действия ряда неконтролируемых факторов. Тогда зависимость между X и Y, представленную в виде соотношения Y  f (X) называют модельным уравнением регрессии (или
просто уравнением регрессии).
Функциональная и корреляционная связь в зависимости от направления действия бывает прямая и обратная. По аналитическому выражению зависимость может быть прямолинейной (линейной) и криволинейной (нелинейной). В зависимости от количества признаков, включен5
ных в модель, корреляционные связи делят на однофакторные (парные,
Y  f (X)) и многофакторные (множественные, Y  f  X1, X2 ,..., Xn ).
Все эконометрические модели условно делятся на три класса:
Классы
эконометрических
моделей
Регрессионные модели
с одним уравнением
Результативный признак Y представлен в виде
функции одной или нескольких переменных:
Y  f (x)   или Y  f (x1, x2 ,..., xn )   .
Объясненная составляющая есть MX (Y ) , т.е.
среднее, ожидаемое значение результата Y при
заданных значениях факторов.
Состоят из тождеств и регрессионных уравнеСистемы
ний, в которых наряду с факторными признаодновременных
ками включены результативные признаки из
уравнений
других уравнений системы. Т.о. в системе
уравнений одни и те же переменные одновременно рассматриваются как зависимые переменные в одних уравнениях и независимые – в
других. В тождествах вид и значения
параметров известны, в уравнениях параметры
оценивают.
Модели
временных Результативный признак является функцией
времени или зависит от переменных, отнорядов
сящихся к другим моментам времени (лаговых
переменных).
В классическом курсе эконометрики рассматриваются два типа
данных по экономическому объекту.
1) Пространственные данные
Набор сведений, показателей экономических переменных, полученных в данный момент времени по разным объектам. Например, объем
производства предприятий региона; численность студентов в вузах
города на конкретный момент времени. Т.е. все данные получены
примерно в неизменных условиях.
2) Временные данные
Набор сведений, характеризующих один и тот же объект за разные
периоды времени, например индекс потребительских цен или числен6
ность занятого населения за последние несколько лет. Модели временных рядов, как правило, оказываются сложнее моделей пространственной выборки, так как наблюдения не будут независимыми.
Объект эконометрического моделирования чаще всего характеризуется многими признаками. Признаки или переменные эконометрических моделей условно делятся на следующие виды:
Виды переменных
Экзогенные
(независимые, x)
Эндогенные
(зависимые, y)
Лаговые (экзогенные
или эндогенные)
Важно!
Фиктивные
переменные
Их значения задаются извне модели
Их значения определяются внутри модели
Относятся к предыдущим моментам времени и
находятся в одном уравнении с текущими
переменными.
Эконометрическая модель позволяет объяснить поведение эндогенных переменных в зависимости от значений экзогенных и лаговых
эндогенных переменных (т.е. в зависимости от
предопределенных переменных)
Их значения имеют качественный, а не количественный характер. Поэтому им присваиваются те или иные цифровые метки
Чтобы получить достаточно достоверные и информативные данные
о распределении какой-либо случайной величины, необходимо иметь
выборку ее наблюдений достаточно большого объема. Такие выборки
представляют собой наборы значений факторных переменных
X   X1, X2,..., Xn  , причем объем выборки должен быть в 6-7 раз
больше количества факторов модели.
Корреляционно-регрессионный анализ проводится в определенной
логической последовательности.
1 этап. Предварительный анализ явлений. Выяснение причин
возникновения взаимосвязи между признаками явления.
2 этап. Разделение признаков на факторные и результативные.
Выбор наиболее существенных признаков для их дальнейшего
исследования и включения в корреляционную модель.
3 этап. Предварительная оценка формы уравнения регрессии.
4 этап. Вычисление коэффициентов регрессии и их смысловая
интерпретация.
7
5 этап. Расчет теоретически ожидаемых (рассчитанных по уравнению регрессии) значений результативного признака.
S этап. Определение и сравнительный анализ дисперсий: общей,
факторной и остаточной. Оценка тесноты связи между признаками,
включенными в регрессионную модель.
7 этап. Общая оценка качества модели, отсев несущественных (или
включение дополнительных факторов), при необходимости повторение
всех предыдущих этапов.
8 этап. Статистическая оценка достоверности параметров уравнения регрессии, построение доверительных границ для теоретически
ожидаемых по уравнению регрессии значений функции.
3 этап. Практические выводы из анализа.
Эконометрические методы складывались в преодолении таких
погрешностей анализа как:
 асимметричность связей;
 мультиколлинеарность объясняющих переменных;
 закрытость механизма связи между переменными;
 эффект гетерокедастичности остатков регрессии;
 автокорреляция остатков;
 ложная корреляция;
 наличие лагов.
1.1. Какое определение соответствует понятию «эконометрика»:
а) это наука, предметом изучения которой является количественная
сторона массовых социально-экономических явлений и процессов в
конкретных условиях места и времени;
б) это наука, предметом изучения которой является количественное
выражение взаимосвязей экономических процессов и явлений;
в) это наука, предметом изучения которой являются общие закономерности случайных явлений и методы количественной оценки
влияния случайных факторов.
1.2. Эконометрическая модель – это модель:
а) гипотетического экономического объекта;
б) конкретно-существующего экономического объекта, построенная
на гипотетических данных;
в) конкретно-существующего экономического объекта, построенная
на статистических данных.
8
1.3. Какова цель эконометрики?
а) представить экономические данные в наглядном виде;
б) разработать методы моделирования и количественного анализа
реальных экономических объектов;
в) определить способы сбора и группировки статистических
данных;
г) изучить качественные аспекты экономических явлений.
1.4. Спецификация модели – это:
а) определения цели исследования и выбор экономических переменных модели;
б) проведение статистического анализа модели, оценка качества ее
параметров;
в) сбор необходимой статистической информации;
г) построение эконометрических моделей с целью эмпирического
анализа.
1.5. Какая задача эконометрики является задачей параметризации
модели:
а) составление прогноза и рекомендаций для конкретных экономических явлений по результатам эконометрического моделирования;
б) оценка параметров построения модели;
в) проверка качества параметров модели и самой модели в целом;
г) построение эконометрических моделей для эмпирического анализа.
1.S. Верификация модели – это:
а) определение вида экономической модели, выражение в математической форме взаимосвязи между ее переменными;
б) определение исходных предпосылок и ограничений модели;
в) проверка качества как модели в целом, так и ее параметров;
г) анализ изучаемого экономического явления.
1.7. Как называются эконометрические модели, представляющие
собой зависимость результативного признака от времени?
а) регрессионные модели;
б) системы одновременных уравнений;
в) модели временных рядов.
9
1.8. Набор сведений о разных объектах, взятых за один период
времени называется:
а) временными данными;
б) пространственными данными.
1.3. Выберите аналог понятия «независимая переменная»:
а) эндогенная переменная;
б) фактор;
в) результат;
г) экзогенная переменная.
1.10. Что из нижеперечисленного не оказывает непосредственного
влияния на величину ошибки регрессии:
а) спецификация модели;
б) выборочные характеристики исходных статистических данных;
в) особенности измерения переменных;
г) опыт исследователя.
1.11. К ошибкам спецификации относятся:
а) неоднородность данных в исходной статистической совокупности;
б) неправильный выбор структуры математической функции для
объясненной части уравнения регрессии;
в) недоучет в уравнении регрессии какого-либо существенного
фактора;
г) ошибки измерения.
1.12. Рассмотрите модель зависимости общей величины расходов на
питание от располагаемого личного дохода x и цены продукта питания p:
y  a0  a1x  a2 p   . Определите класс модели и вид переменных модели:
а) регрессионная модель с одним уравнением; эндогенная переменная – расходы на питание, экзогенная переменная – располагаемый
личный доход, предопределенная переменная – цена продуктов
питания;
б) регрессионная модель с одним уравнением; эндогенная переменная – расходы на питание, экзогенные переменные – располагаемый личный доход и цена продуктов питания;
в) модель временного ряда; эндогенная переменная – расходы на
питание, лаговые переменные – располагаемый личный доход и цена
продуктов питания.
10
1.13. Связь называется корреляционной:
а) если каждому значению факторного признака соответствует
вполне определенное неслучайное значение результативного признака;
б) если каждому значению факторного признака соответствует
множество значений результативного признака, т.е. определенное
статистическое распределение;
в) если каждому значению факторного признака соответствует
целое распределение значений результативного признака;
г) если каждому значению факторного признака соответствует
строго определенное значение результативного признака.
1.14. По аналитическому выражению различают связи:
а) обратные;
б) линейные;
в) нелинейные;
г) парные.
1.15. Регрессионный анализ заключается в определении:
а) аналитической формы связи, в которой изменение результативного признака обусловлено влиянием одного или нескольких факторных признаков, а множество всех прочих факторов, также оказывающих влияние на результативный признак, принимается за постоянные
и средние значения;
б) тесноты связи между двумя признаками (при парной связи) и
между результативным и множеством факторных признаков (при
многофакторной связи);
в) статистической меры взаимодействия двух случайных переменных;
г) степени статистической связи между порядковыми переменными.
1.1S. Экзогенные переменные модели характеризуются тем, что они:
а) датируются предыдущими моментами времени;
б) являются независимыми и определяются вне системы;
в) являются зависимыми и определяются внутри системы.
1.17. Выберите аналог понятия «эндогенная переменная»:
а) результат;
б) фактор;
в) зависимая переменная, определяемая внутри системы;
г) предопределенная переменная.
11
1.18. Предопределенные переменные – это:
а) все экзогенные и эндогенные переменные;
б) только экзогенные переменные;
в) все экзогенные и лаговые эндогенные переменные;
г) лаговые экзогенные и эндогенные переменные.
1.13. Лаговые переменные – это:
а) все экзогенные и эндогенные переменные;
б) только экзогенные переменные;
в) переменные, значения которых относятся к будущим моментам
времени;
г) переменные, значения которых относятся к предыдущим моментам времени.
1.20. К какому этапу эконометрического моделирования относится
вычисление коэффициентов регрессии и их смысловая интерпретация?
а) параметризация;
б) спецификация;
в) верификация;
г) прогнозирование.
1.21. К какому этапу эконометрического моделирования относится
статистическая оценка достоверности параметров уравнения регрессии?
а) параметризация;
б) спецификация;
в) верификация;
г) прогнозирование.
1.22. Фиктивные переменные – это:
а) переменные, не включенные в модель регрессии;
б) переменные, которым соответствуют неколичественные характеристики;
в) переменные, значения которых относятся к будущим моментам
времени.
г) переменные, значения которых относятся к предыдущим моментам времени.
1.23. Если качественный фактор имеет три градации, то необхоB
димое число фиктивных переменных:
а) 4;
б) 3;
в) 2.
12
1.24. Укажите уравнение прямой регрессии:
а) y~  a  bx ;
1
б) y~ 
;
a  bx
в) y~  a  b1x1  b2 x2  b3 x3 ;
г) y~  a  x b .
1.25. Укажите уравнение обратной регрессии:
а) y~  1 2x ;
1
б) y~ 
;
1 2x
в) y~  5  x 3 ;
г) y~  5  2x .
Раздел 2. Парная регрессия и корреляция
Наиболее простой с точки зрения понимания, интерпретации и
техники расчетов является линейная форма регрессии:
y~ x  a  bx ,
или
y  a  bx   .
Параметры линейной модели и их интерпретация:
b
a

Коэффициент регрессии показывает, на какую величину в среднем изменится результативный признак y, если переменную x
увеличить на одну единицу измерения. Знак при коэффициенте регрессии показывает направление связи, при a  0
связь прямая, при a  0 связь обратная.
Свободный член регрессионного уравнения. Не имеет экономического смысла и показывает значение y, если факторный
признак x  0 .
Независимая, нормально распределенная случайная величина
(остаток) с нулевым математическим ожиданием и постоянной
дисперсией. Отражает тот факт, что изменение y будет неточно
описываться изменением x, т.к. присутствуют другие факторы,
неучтенные в данной модели.
13
Классический подход к оцениванию параметров линейной регрессии основан на методе наименьших квадратов (МНК). Сущность МНК
заключается в том, что отыскиваются такие оценки параметров a и b,
при которых сумма квадратов отклонений фактических значений результативного признака yi от вычисленных по уравнению регрессии –
y~ i будет наименьшей из всех возможных
n
2
n
2
 yi  yi     yi  a  bxi   min .

i1
i1
Формулы для расчетов параметров линейной парной регрессии:
a  y  bx , b  xy  x  y .
2
x2   x 
Оценка тесноты связи парной линейной регрессии:
x
а) коэффициент корреляции rxy  b
, или rxy  xy  x  y покажет,
y
x y
на сколько величин среднего квадратического отклонения y
изме-
нится в среднем фактор y, когда фактор x увеличится на одно среднее
квадратическое отклонение x .
Если
0  rxy  0,3 , то связь между признаками практически отсутствует;
0,3  rxy  0,5 , связь между признаками слабая;
0,5  rxy  0,7 , связь между признаками умеренная;
0,7  rxy  1, связь между признаками сильная.
x
б) коэффициент эластичности Эxy  b
показывает, на сколько
y
процентов изменится результативный признак при изменении факторного признака на 1 %;
в) коэффициент детерминации rxy2 показывает, какая доля вариации результативного признака y учтена в модели и обусловлена влиянием на нее изменением переменной x. Чем больше доля объясненной
вариации, тем лучше линейная модель аппроксимирует исходные
данные и ею можно воспользоваться для прогноза значений резуль14
тативного признака.
Оценка значимости уравнения регрессии в целом:
а) FBкритерий Фишера при числе степеней свободы k1  1 и
k2  n  2 и уровне значимости 0,05 используется для проверки гипо-
14
тезы об отсутствии статистически значимой связи факторов, входящих
в уравнение. Расчетное значение критерия:
2
r
F  xy 2  n  2 .
1 r xy
Критическое значение критерия берется из таблицы критических
точек распределения Фишера-Снедекора в приложениях к учебникам
по теории вероятностей, статистике и эконометрике. Если расчетное
значение F- критерия больше критического, нулевая гипотеза об
отсутствии значимой связи признаков x и y отклоняется, и делается
вывод о существенности этой связи.
Непосредственному расчету F-критерия предшествует анализ дисперсии. Центральное место в нем занимает разложение общей суммы
квадратов отклонений фактических значений переменной y от среднего
значения y на две части: объясненную регрессией (факторную) и
остаточную.
 y  y    y~  y    y  y~  .
2
2
2
Очевидно, что если объясненная часть суммы квадратов отклонений будет больше остаточной, то уравнение регрессии статистически
значимо. Это равносильно тому, что коэффициент детерминации rxy2
будет приближаться к единице. Общую, факторную и остаточную
дисперсию можно найти по формулам:
(y  y)2
Dобщ 
;
n 1
Dфакт  (y~  y)2 ;
 y  y~ 
2
Dост 
n2
.
Сопоставляя факторную и остаточную дисперсию, получим величину F-отношения, т.е. величину статистики критерия Фишера,
F
Dфакт
.
Dост
б) Средняя ошибка аппроксимации:
1 n y  y~
i
i
A 
100%.

n i1 yi
15
Построенное уравнение регрессии считается удовлетворительным,
если значение A не превышает 15 %.
Оценка значимости параметров регрессии y~ x  a  bx :
а) Стандартная ошибка параметра a рассчитывается по формуле
ma  S
x2 ,

n
x
 y  y~ 
2
где S 2  Dост 
n2
– остаточная дисперсия признака y.
б) Стандартная ошибка коэффициента регрессии b рассчитывается
по формуле
mb 
S
x n
.
в) Стандартная ошибка коэффициента корреляции rxy рассчитывается по формуле
mr 
n2
.
Для проверки нулевой гипотезы о несущественности найденного
параметра регрессии применяют t-критерий Стьюдента при числе
степеней свободы n  2 и уровне значимости 0,05.
Расчетные значения tBстатистики вычисляются по формулам:
ta 
b
r
a
, tb 
, tr 
.
mb
mr
ma
Критическое значение берется из таблицы критических точек
распределения Стьюдента в приложениях к учебникам по теории вероятностей и эконометрике. Если расчетное значение по абсолютной
величине превышает табличное, гипотезу о несущественности параметра регрессии можно отклонить, параметр признается значимым.
Связь между FBкритерием Фишера и tBкритерием Стьюдента выражается равенством
tb2  tr2  F .
16
Расчет доверительных интервалов для параметров регрессии:
 доверительный интервал для параметра a определяется как
a  tтабл  ma ;
16
 доверительный интервал для коэффициента регрессии определяется как b  tтабл  mb .
Интервальный прогноз на основе линейного уравнения регрессии
Пусть x p – прогнозное значение факторного признака; y~x – точечp
ный прогноз результативного признака. Тогда
а) средняя ошибка прогноза my~ :
my~  S 
1

xp  x
1

n
n2
;
б) доверительный интервал прогноза
y~ xp  t  my~  y~ p  y~ x p  t  my~ .
Формулы для расчетов параметров нелинейной парной регрессии
Полином 2Bго порядка: y~  a  bx  cx2 .
Параметры a, b и c находят, решая методом определителей систему
уравнений:

y  n  a  b  x  c2   x2 3
y
x  a x 
b x  c x
  2



y  x  a  x 2  b  x 3  c  x4




b
Гипербола: y~  a  .
x
Параметры a и b находят, решая систему уравнений
1

y  n  a  b 



x1
y
1
  a   b  
2
 x
x
x
Регрессия y~  a  b 
.
Система нормальных уравнений имеет вид:


 y  n  a  b  
17
.
y
 a 
 b  x
Степенная функция: y~  a  x b . Параметр b в ней имеет четкое
экономическое истолкование, является коэффициентом эластичности.
17
Это значит, что величина коэффициента b показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1 %.
Пусть Y  ln y , X  ln x , A  ln a . Тогда уравнение примет вид
Y  A  bX .
Параметры модели определяются по следующим формулам:
XY  X Y
.
A  Y  bX , b 
2
2
X  X 
Показательная функция: y~  a  bx .
Пусть Y  ln y , A  ln a , B  ln b . Тогда уравнение регрессии примет
вид Y  A  Bx . Параметры модели определяются по следующим формулам:
A  Y  Bx , B 
xY  x Y
x2 
x
2
.
Полулогарифмическая функция: y~  a  b ln x .
Оценка параметров может быть найдена по формулам:

 y  n  a  bln x 2 .
y ln x  a ln x  b ln x 



a
.
1 b  ecx
1
.
Обратная модель вида: y~ 
a  bx
Логистическая функция: y~ 
Оценка параметров может быть найдена по формулам:
1

 n  a  b x,

y

 x
2

y  a x  b x .

Нелинейная модель считается внутренне линейной, если с помощью
соответствующих преобразований, например логарифмирования, она
может быть приведена к линейному виду.
Проверка статистической значимости в целом уравнения нелиB
нейной регрессии по FBкритерию Фишера
R2
18
 n  m 1
,
1 R2 
m
где n – число наблюдений; m – число параметров при переменной x.
Fрасч 
18
Оценка тесноты связи в нелинейной регрессии:
а) индекс корреляции R
2ост
R  1 2 ,

где
2 – общая дисперсия результативного признака; 2
y
– остаточная
ост
дисперсия.
Кроме того,
y   .
R 
2
1
 y  y 
2
Величина данного показателя находится в границах 0  R  1, чем
ближе к единице, тем теснее связь рассматриваемых признаков, тем
более надежно найденное уравнение регрессии.
б) индекс детерминации R2 имеет тот же смысл, что и коэффициент
детерминации в линейных регрессионных моделях;
x
в) коэффициент средней эластичности Э xy  yx , где yx – произy
водная функции y~ .
x
Показательная y~  a  bx
Коэффициент средней
эластичности
x
Э  (b  2cx)
xy
y
b
Э 
xy
xy
Эxy  x  ln b
Степенная y~  a  xb
Эxy  b
Экспоненциальная y~  a  ex
Эxy  x
b
Э 
xy
y
cx
Э xy  1 cx
e 1
b
bx
Э 
xy
y
Функция
Парабола y~  a  bx  cx2
Гипербола y~  a 
b
Полулогарифмическая y~  a  b ln x
Логистическая y~ 
Обратная y~ 
a
1 b  ecx
1
a  bx
19
При оценке параметров уравнения регрессии применяется метод
наименьших квадратов. При этом делаются определенные предпосылки относительно случайной составляющей  , которая представляет
собой ненаблюдаемую величину. После того, как проведена оценка
параметров модели, можно определить оценки случайной составляющей y  y~ , рассчитав разности фактических и теоретических значений
результативного признака y. Их можно считать выборочной реализацией неизвестного остатка заданного уравнения регрессии, т.е. i .
При изменении спецификации модели, добавлении в нее новых
наблюдений выборочные оценки остатков i могут меняться. Поэтому
в задачу регрессионного анализа входит не только построение самой
модели, но и исследование случайных отклонений i , т.е. остаточных
величин.
Требования, при которых модель считается адекватной, состоят в
следующем:
1. Уровни i ряда остатков имеют случайный характер.
2. Математическое ожидание уровней ряда остатков равно нулю.
3. Дисперсия каждого отклонения i одинакова для всех значений x
(свойство гомокедастичности).
4. Значения i независимы друг от друга, т.е. отсутствует автокорреляция.
5. Случайные величины i распределены по нормальному закону.
Для оценки гетерокедастичности при малом объеме выборки можно
использовать метод ГольдфельдаBКвандта, согласно которому необходимо:
 расположить значения переменной xi в порядке возрастания;
 разделить совокупность упорядоченных наблюдений на две группы;
 по каждой группе построить уравнение регрессии;
 определить остаточные суммы квадратов для первой и второй
групп по формулам

n1
S1  
i1
2
i ;
n
S2   2 ,
in11 i
где n1 – число наблюдений в 1-й группе;
20
S1 или
S2 (в числителе должно
Fрасч 
 рассчитать критерий Fрасч  S
S
2
1
быть большее число). При выполнении нулевой гипотезы о гомокедастичности критерий Fрасч будет удовлетворять критерию Фишера-Сне-
20
декора для числа степеней свободы k1  n1  m и k2  n  n1  m (m – число оцениваемых параметров в уравнении регрессии), т.е. Fрасч  Fтабл .
Чем больше величина Fрасч превышает табличное значение, тем больше
нарушена предпосылка о гомокедастичности.
Наличие гетерокедастичности в остатках регрессии можно проверить и с помощью ранговой корреляции Спирмена. Суть проверки
заключается в том, что в случае гетерокедастичности абсолютные
остатки i коррелированы со значениями фактора xi . Эту корреляцию
можно измерить с помощью коэффициента ранговой корреляции
Спирмена:
  1
6d 2
n(n2 1)
,
где d – абсолютная разность между рангами xi и i . Статистическая
значимость коэффициента  оценивается по критерию Стьюдента.
Расчетное значение t-критерия вычисляется по формуле
t 

1 2
n2 .
Данная величина сравнивается с табличной величиной при  0,05
и числе степеней свободы n  2 . Если t  tтабл , то корреляция между i
и xi статистически значима, т.е. имеет место гетерокедастичность
остатков. В противном случае принимается гипотеза об отсутствии
гетерокедастичности остатков.
Проверку независимости последовательности остатков (отсутствие
автокорреляции) осуществляют с помощью d-критерия Дарбина-Уотсона. Расчетное значение критерия определяется по формуле
   
d   i i1 
2
2i
и сравнивается с нижним d1  и верхним d2  критическими значе21
ниями статистики Дарбина-Уотсона.
Возможны следующие случаи:
1) Если d  d1 , то гипотеза о независимости остатков отвергается, и
модель признается неадекватной по критерию независимости остатков.
2) Если d1  d  d2 , включая сами эти значения, то считается, что
нет достаточных оснований делать тот или иной вывод.
21
3) Если d2  d  2 , то гипотеза о независимости остатков принимается и модель признается адекватной по данному критерию.
4) Если d  2 , то это свидетельствует об отрицательной автокорреляции остатков. В этом случае расчетное значение критерия необходимо преобразовать по формуле d  4  d и сравнивать с критическим
значением не d, а d  .
При нарушении гомокедастичности и наличии автокорреляции
ошибок рекомендуется заменять традиционный МНК обобщенным
методом.
2.1. Суть метода наименьших квадратов состоит в
а) минимизации суммы остаточных величин;
б) минимизации дисперсии результативного признака;
в) минимизации суммы квадратов остаточных величин.
2.2. Классический подход к оцениванию параметров регрессии осноB
ван на:
а) методе наименьших квадратов;
б) методе максимального правдоподобия;
в) взвешенном методе наименьших квадратов.
2.3. Согласно методу наименьших квадратов минимизируется слеB
дующее выражение:
n
а) (yi  y~ i )2 ;
i1
n
б) (yi  y~ i );
i1
n
в) (yi  yi )2 ;
i1
n
г)  yi  y~ i .
i1
2.4. Эффективность оценки параметра регрессии, полученной по
методу наименьших квадратов, означает:
а) что она характеризуется наименьшей дисперсией;
б) что математическое ожидание остатков равно нулю;
в) увеличение ее точности с увеличением объема выборки.
2.5. Состоятельность оценки параметра регрессии, полученной по
методу наименьших квадратов, означает:
а) что она характеризуется наименьшей дисперсией;
б) что математическое ожидание остатков равно нулю;
в) увеличение ее точности с увеличением объема выборки.
22
2.S. На основании наблюдений за 50 семьями построено уравнение
регрессии y~  284,56  0,672x , где y – потребление, x – доход. СоотB
ветствуют ли знаки и значения коэффициентов регрессии теореB
тическим представлениям?
а) да;
б) нет;
в) ничего определенного сказать нельзя.
2.7. Суть коэффициента детерминации состоит в следующем:
а) оценивает качество модели из относительных отклонений по
каждому наблюдению;
б) характеризует долю дисперсии результативного признака y , объясняемую регрессией, в общей дисперсии результативного признака;
в) характеризует долю дисперсии y, вызванную влиянием не
учтенных в модели факторов.
2.8. Качество модели из относительных отклонений регрессионного
и фактического значений признака по каждому наблюдению оценивает:
а) коэффициент детерминации;
б) F-критерий Фишера;
в) средняя ошибка аппроксимации A.
2.3. Какое значение не может принимать парный коэффициент
корреляции:
а) -0,973;
б) 0,005;
в) 1,111;
г) 0,721.
2.10. При каком значении линейного коэффициента корреляции связь
между признаками можно считать тесной:
а) -0,975;
б) 0,657;
в) -0,111
г) 0,421.
2.11. Какой критерий используют для оценки значимости коэффиB
циента парной корреляции:
а) F-критерий Фишера;
б) t-критерий Стьюдента;
в) критерий Пирсона;
г) критерий Дарбина-Уотсона.
23
2.12. Если парный коэффициент корреляции между признаками
равен B1, то это означает:
а) отсутствие связи;
б) наличие обратной корреляционной связи;
в) наличие прямой корреляционной связи;
г) наличие обратной функциональной связи.
2.13. Если парный коэффициент корреляции между признаками
принимает значение 0,S75, то коэффициент детерминации равен:
а) 0,822;
б) -0,675;
в) 0,576;
г) 0,456.
2.14. В уравнении парной линейной регрессии y~  a  bx параметр b
означает:
а) усредненное влияние на результативный признак неучтенных
(не выделенных для исследования) факторов;
б) среднее изменение результативного признака при изменении
факторного признака на 1 %;
в) на какую величину в среднем изменится результативный признак y, если переменную x увеличить на одну единицу измерения;
г) какая доля вариации результативного признака учтена в модели
и обусловлена влиянием на нее переменной x?
2.15. В уравнении парной степенной регрессии y~  a  xb параметр b
означает:
а) усредненное влияние на результативный признак неучтенных
(не выделенных для исследования) факторов;
б) среднее изменение результативного признака при изменении
факторного признака на 1 %;
в) на какую величину в среднем изменится результативный признак y, если переменную x увеличить на одну единицу измерения;
г) какая доля вариации результативного признака учтена в модели
и обусловлена влиянием на нее переменной x?
2.1 S.
Значение параметра b в уравнении линейной регрессии
y~  a  bx определяется по формуле:
а) b  y  ax ;
24
б) b 
xy  x  y
x2   x 
2
;
24
в) b 
xy  x  y
г) b 
x y
n2
;
.
2.17. Уравнение регрессии имеет вид y~  2,02  0,78x . На сколько
единиц своего измерения в среднем изменится y~ при увеличении x на
одну единицу своего измерения:
а) увеличится на 2,02;
б) увеличится на 0,78;
в) увеличится на 2,8;
г) не изменится?
2.18. Какой критерий используют для оценки значимости уравнения
регрессии:
а) F-критерий Фишера;
б) t-критерий Стьюдента;
в) критерий Пирсона;
г) критерий Дарбина-Уотсона.
2.13. Какой критерий используют для оценки значимости коэффиB
циентов регрессии:
а) F-критерий Фишера;
б) t-критерий Стьюдента;
в) критерий Пирсона;
г) критерий Дарбина-Уотсона.
2.20. Какой коэффициент определяет среднее изменение результаB
тивного признака при изменении факторного признака на 1 %:
а) коэффициент регрессии;
б) коэффициент детерминации;
в) коэффициент корреляции;
г) коэффициент эластичности.
2.21. Чему равен коэффициент эластичности, если уравнение
регрессии имеет вид y~  2,02  0,78x , а средние значения признаков
равны x  5, y  6 :
а) 0,94;
25
б) 1,68;
в) 0,65;
г) 2,42.
25
2.22. Уравнение степенной функции имеет вид:
а) y~  a  x b ;
b
б) y~  a  ;
x
в) y~  a  bx ;
a
.
г) y~ 
1 b  ecx
2.23. Уравнение гиперболы имеет вид:
а) y~  a  x b ;
b
б) y~  a  ;
x
в) y~  a  bx ;
a
.
г) y~ 
1 b  ecx
2.24. Индекс корреляции определяется по формуле:
1 n y  y~
i
i
а)
100% ;


n i1 yi
 y  y~  ;
1 
2
 y  y 
2
в)
г)
xy  x  y
x y
r2
xy
2
1 r xy
;
n  2.
2.25. Какое уравнение регрессии нельзя свести к линейному виду:
а) y~  a  x b ;
б) y~  a  b  ln x ;
в) y~  a  b  x c .
2.2 S. Для функции
имеет вид:
b
y~  a 
b
x
средний коэффициент эластичности
а
) Эxy
26

xy
; б)
Эxy
bx
 b.
 ;
в) Э
y
xy
26
2.27. Какое из следующих уравнений нелинейно по оцениваемым
параметрам:
а) y~  a  b  ln x ;
a
;
б) y~ 
1 b  ecx
в) y~  a  bx ;
г) y~  a  bx .
2.28. Остаточная сумма квадратов равна нулю в том случае, когда
а) правильно подобрана регрессионная модель;
б) между признаками существует точная функциональная связь;
в) между признаками существует тесная корреляционная связь.
2.23. Оценки параметров регрессии (свойства оценок метода наиB
меньших квадратов) должны быть:
а) несмещенными;
б) гетерокедастичными;
в) эффективными;
г) состоятельными.
2.30. Какой коэффициент расчета регрессии показывает долю учB
тенной в модели вариации результативного признака y и обусловленной
влиянием факторных переменных?
а) коэффициент регрессии;
б) коэффициент детерминации;
в) коэффициент корреляции;
г) коэффициент эластичности.
2.31. Укажите характеристики, используемые в качестве меры
точности модели регрессии
а) средняя абсолютная ошибка;
б) остаточная дисперсия;
в) коэффициент корреляции;
г) средняя относительная ошибка аппроксимации.
2.32. Сопоставляя при регрессионном анализе факторную и остаB
точную дисперсии, получим величину статистики:
а) Стьюдента;
б) Дарбина;
в) Пирсона;
г) Фишера.
27
2.33. Уравнение регрессии признается в целом статистически знаB
чимым, если
а) расчетное значение критерия Фишера больше соответствующего
табличного значения;
б) расчетное значение критерия Фишера меньше соответствующего
табличного значения;
в) расчетное значение критерия Фишера больше четырех;
г) расчетное значение критерия Фишера больше нуля.
2.34. Построенное уравнение регрессии считается удовлетворительB
ным, если значение средней ошибки аппроксимации не превышает
а) 5 %;
б) 10-12 %;
в) 1 %;
г) 95 %.
2.35. Как известно, индекс детерминации R2 используется для проB
верки статистической значимости в целом уравнения нелинейной реB
грессии по FBкритерия Фишера
F
R2
n  m 1
,

2
m
1 R
где n – объем наблюдений. Поясните смысл параметра m.
а) число параметров в уравнении регрессии;
б) число параметров при факторной переменной в уравнении регрессии;
в) уровень значимости;
г) среднее значение факторной переменной.
2.3 S. Требования, при которых модель считается адекватной,
состоят в следующем:
1. Уровни i ряда остатков имеют случайный характер.
2. Математическое ожидание уровней ряда остатков равно нулю.
3. Дисперсия каждого отклонения i одинакова для всех значений x
(свойство гомокедастичности).
4. Значения
i
независимы друг от друга, т.е. отсутствует
автокорреляция.
5. Случайные величины i
28
распределены по нормальному закону.
S. Число включаемых в регрессионную модель факторов в SB7 раз меньше
объема совокупности данных, по которым строится регрессия.
28
Укажите пункт, необязательный для адекватной модели регрессии.
а) 3;
б) 4;
в) 5;
г) 6.
2.3S. Наличие гетерокедастичности в остатках регрессии можно
проверить с помощью теста
а) Пирсона;
б) Гольфельда-Квандта;
в) Дарбина-Уотсона;
г) Спирмена.
2.37. Зависимость последовательности остатков регрессии друг от
друга в эконометрике называют
а) гомокедастичностью остатков;
б) мультиколлинеарностью остатков;
в) автокорреляцией остатков; ЭТОТ ВАРИАНТ ВЕРНЫЙ
г) гетерокедастичностью остатков.
2.38. Проверку независимости последовательности остатков (отB
сутствие автокорреляции) осуществляют с помощью dBкритерия ДарB
бинаBУотсона. Расчетное значение критерия определяется по формуле:
2
 i  i1 


d
;
б) d 
2
R
n  m 1

;
1 R2
m
в) d  r 

г) d 
2i
n  m 1
;
1 r 2
2 .

n  m 1
2.33. Оценить значимость парного линейного коэффициента корреB
ляции можно при помощи
а) критерия Фишера;
б) теста Гольфельда-Квандта;
в) критерия Дарбина-Уотсона;
г) критерия Стьюдента.
29
2.40. Степень влияния неучтенных в модели факторов можно
оценить с помощью:
а) коэффициента детерминации;
б) коэффициента регрессии;
в) средней ошибки аппроксимации;
г) построения линии регрессии.
2.41. По группе предприятий, производящих однородную продукцию,
известна зависимость себестоимости единицы продукции y от
нескольких факторов
Фактор
Объем производства, x1
Трудоемкость единицы
продукции, x2
Оптовая цена за 1 т
энергоносителя, x3
Доля прибыли, изымаеB
мой государством, x3
Уравнение регрессии
y~  0,62 
58,74
Среднее значение
фактора
2,64
x1
y~  9,3  0,82x2
1,38
y~  11,75  x 1,6281
1,503
y~  15,62 1,016x4
24
3
Ранжировать факторы с помощью коэффициентов эластичности.
Указать фактор снижения себестоимости.
а) объем производства;
б) трудоемкость;
в) цена на энергию;
г) отчисляемая доля прибыли.
2.42. Какая регрессия относится к основному виду регрессионных
моделей в эконометрике?
а) линейная;
б) нелинейная;
в) множественная;
г) степенная.
2.43. Укажите аргументы в пользу использования линейных моделей
в эконометрике:
а) простота расчетов при параметризации;
30
б) только в линейной регрессии четкая экономическая интерпретация параметров;
в) линейные модели лучше описывают данные с возможными
ошибками измерений;
г) обычно высокие коэффициенты детерминации.
2.44. Укажите метод, которым нельзя руководствоваться при выB
боре математической структуры уравнения регрессии:
а) выбор структуры с наиболее простой схемой расчетов при параметризации;
б) графический метод, который базируется на поле корреляции;
в) аналитический метод, основанный на изучении материальной
природы связи исследуемых признаков.
2.45. Укажите соответствие между показателем и его характеB
1 -3, 2-1, 3-4, 4-2
ристикой:
1. Коэффициент регрессии
2. Коэффициент корреляции
3. Коэффициент детерминации
4. Коэффициент эластичности
1. Показатель тесноты связи факторов, включенных в модель регрессии
2. Относительный показатель силы
связи факторов
3. Абсолютный показатель силы связи факторов
4. Показатель степени достоверности
построенного уравнения регрессии
2.4S. Какой фактор не влияет на достоверность интервального
прогноза по уравнению линейной парной регрессии?
а) объем исходных статистических данных;
б) установленный уровень значимости в статистических критериях;
в) величина отклонения прогнозного значения факторной переменной от ее среднего в статистических данных значения;
г) величина коэффициента регрессии.
2.47. При небольшом объеме наблюдений (7B10) рекомендуется:
а) использовать сложные нелинейные модели регрессии;
б) использовать линейную регрессию;
в) использовать парную регрессию с числом параметров больше
одного.
31
2.48. Объем исходных статистических данных n  11. Какую специB
фикацию парной регрессии не следует выбирать при прочих равных
условиях:
а) линейную;
б) экспоненциальную;
в) показательную;
г) квадратичную.
2.43. Укажите уравнение обратной связи в парной регрессии:
а) y~  5,79  36,84  x ;
x
;
б) y~  5,79 
36,84
1
;
в) y~ 
5,79  36,84  x
г) y~  5,79  36,84  x
2.50. Укажите соответствие между уравнением регрессии и его
характеристикой 1-2, 2-1, 3-3, 4-4
1. y~  2,33  8,45  x
2. y~  2,33  0,45  x
1
3. y~ 
1 2x
1. Прямая линейная регрессия
2. Обратная линейная регрессия
4. y~  2,03  0,1x
4. Обратная нелинейная регрессия
3. Прямая нелинейная регрессия
2.51. При оценке регрессионной модели по 30 наблюдениям были
получены следующие промежуточные результаты:
 y  y~   39000
2
 y  y   120000 .
2
Какой показатель корреляции можно определить по приведенным
данным?
а) коэффициент эластичности;
б) среднюю ошибку аппроксимации;
в) коэффициент регрессии;
г) расчетное значение критерия Фишера.
32
2.52. В процессе верификации результатов линейной парной реB
грессии при 17 наблюдениях стало известно, что коэффициент детерB
минации R2  0,71 . Найти расчетное значение критерия Фишера.
а) 41,62;
б) 32,72;
в) 12,07.
2.53. В процессе верификации результатов линейной парной регресB
сии стало известно, что коэффициент детерминации R2  0,71 . КритиB
ческое значение критерия Фишера при уровне значимости 0,05 и 15 стеB
пенях свободы равно 4,54. Сделать вывод о значимости уравнения по
критерию Фишера.
а) Расчетное значение критерия больше критического, уравнение
статистически значимо;
б) Расчетное значение критерия больше критического, уравнение
ненадежно;
в) Расчетное значение критерия меньше критического, уравнение
ненадежно;
г) Расчетное значение критерия меньше критического, уравнение
статистически значимо.
2.54. Получены следующие результаты при подборе уравнения
парной регрессии к одним и тем же статистическим данным. Укажите
наиболее подходящее уравнение.
Регрессия
Степенная
Показательная
Полулогарифмическая
Обратная
Гипербола
Линейная
Коэффициент
детерминации
0,6
0,8
0,76
0,79
0,69
0,64
а) полулогарифмическая;
б) степенная;
в) обратная;
г) линейная.
33
Средняя ошибка
аппроксимации
1,23
5,59
0,05
5,69
6,65
5,67
2.55. При верификации модели регрессии получены такие данные
Коэффициент корреляции
0,87
Коэффициент детерминации
0,76
Средняя ошибка аппроксимации
0,059
Расчетное значение статистики Фишера F
22,81
Соответствующее критическое значение критерия Фишера
3,68
Укажите верные выводы.
а) построенное уравнение регрессии объясняет 87 % вариации зависимой переменной;
б) средняя ошибка аппроксимации не превышает установленного
предела в 15 %, что свидетельствует о хорошем качестве модели;
в) Расчетное значение критерия Фишера превышает соответствующее табличное (критическое) значение. Найденное уравнение
регрессии статистически надежно.
г) Регрессия установила наличие тесной обратной связи между
признаками x и y.
Раздел 3. Множественная регрессия и корреляция
Линейная множественная регрессия: y~  a  b1x1  b2 x2  ...  bk xk
Степенная функция: y~  a  xb1  xb2 ... xbk
1
1x12 x2 ...kxk
2
k
Экспонента: y~  e
Гипербола: y~ 
1
 1x1  2 x2  ...  k xk
Ввиду четкой интерпретации параметров наиболее широко используются линейная и степенная функции. В линейной множественной
регрессии y~  a  b1x1  b2 x2  ...  bk xk параметры при x называются
коэффициентами «чистой» регрессии. Они характеризуют среднее
изменение результата с изменением соответствующего фактора на
единицу при неизменном значении других факторов, закрепленных на
среднем уровне.
В степенной функции y~  a  xb1  xb2 ... xbk коэффициенты bi яв1
2
k
ляются коэффициентами эластичности. Они показывают, на сколько
процентов в среднем изменяется результат с изменением соответствующего фактора на 1 % при неизменности действия других факто34
ров. Этот вид уравнения регрессии получил большое распространение
в производственных функциях, в исследовании спроса и потребления.
34
В производственных функциях вида
P  a  F b1  F b2 ... F bk  ,
1
2
k
где P – количество продукта, изготавливаемого с помощью k производственных факторов F1, F2,..., Fk ; bi – параметр, являющийся эластичностью количества продукции по отношению к количеству соответствующих производственных факторов.
Экономический смысл имеют не только коэффициенты b каждого
фактора, но и их сумма, т.е. сумма эластичности: B  b1  b2  ...  bk . Эта
величина фиксирует обобщенную характеристику эластичности производства. При практических расчетах не всегда B=1. Она может быть как
больше, так и меньше единицы. В этом случае величина B фиксирует
приближенную оценку эластичности выпуска с ростом каждого
фактора производства на 1 % в условиях увеличивающейся  B  1 или
уменьшающейся B  1 отдачи от масштаба.
Оценка параметров линейной множественной регрессии
в
натуральном
масштабе,
т.е.
для
уравнения
y~  a  b1x1  b2 x2  ...  bk xk система нормальных уравнений имеет вид:
  y  n  a  b1   x1  b2  
xk  b  x  x
y  x  a  x  b  x 2 xb2  ... xbk x...

 1 1 1 2 1 2
1
k  1
k

........................................................................................

 y  xk  a   xk  b1   xk  x1  b2   xk  x2 ...  bk   x2
k

Возможен и другой подход к определению параметров множественной регрессии, когда на основе матрицы парных коэффициентов
корреляции строится уравнение регрессии в стандартизированном
масштабе:
t y  1  tx  2  t x  ...  k  t x ,
1
2
k
где t y ,t x 1 ,tx 2 ,...,t x k – стандартизированные переменные
ty 


yy
;
y
txi  xi  xi ;

xi
35
 – стандартизированные коэффициенты регрессии. Для стандартизированных переменных среднее значение равно нулю, среднее
квадратическое отклонение равно единице.
35
Применив МНК к уравнению множественной регрессии в
стандартизированном масштабе, получают систему нормальных
уравнений вида
 ryx      r    r  ...    r
1
2
1
x x
3
x x
2 1
k
3 1
x x
k 1

ryx2  1  rx1x2  2  3  rx3 x2  ...  k  rxkx2

.............................................................


ryxk  1  rx1x k  2  rx2x k  3  rx3x k  ...  k
Решая ее методом определителей, найдем параметры – стандартизированные коэффициенты регрессии ( Bкоэффициенты).
 Bкоэффициент показывает, на какую часть величины среднего
квадратического отклонения y изменится зависимая переменная y с
изменением соответствующей независимой переменной xi на величину своего среднего квадратического отклонения x i при фиксированном значении остальных независимых переменных. Ввиду того, что
все стандартизированные переменные заданы как центрированные и
нормированные,  Bкоэффициенты сравнимы между собой. Сравнивая
их друг с другом, можно ранжировать факторы по силе их воздействия
на результат. В этом основное достоинство стандартизированных
коэффициентов регрессии в отличие от коэффициентов «чистой»
регрессии, которые несравнимы между собой.
Оценка тесноты связи и статистической значимости во мноB
жественной регрессии
коэффициент множественной детерминации R2 ,
2ост  y~  y 
2
R  1 2 
;
2
y
y  y
2

линейный коэффициент
y~  a  b1x1  b2 x2  ...  bk xk )
R
множественной
корреляции
;
Скорректированный индекс (коэффициент) корреляции:
2
R
36
(для
коррект

n 1
 n  k 1 ;
 1 1 R2 
k – число параметров при переменных.
36
В статистических пакетах прикладных программ в процедуре
множественной регрессии обычно приводится скорректированный
коэффициент (индекс) множественной корреляции (детерминации).
Частные коэффициенты эластичности:
x
Э b  i ,
i
i
y
где bi – коэффициент «чистой» регрессии при факторе xi ; y – среднее
значение результативного признака; xi – среднее значение признака xi .
Частные коэффициенты корреляции характеризуют связи двух
признаков из совокупности признаков, влияющих на результативный
фактор, при условии, что все связи этих двух признаков с другими
признаками элиминированы, т.е. закреплены на условно-постоянном
(среднем) уровне.
Если парный коэффициент корреляции ryx между случайными ве1
личинами y и x1 оказался больше частного коэффициента между теми
же случайными величинами – ryx ( x ) , то это говорит о том, что третья
1
2
фиксированная величина x2 усиливает взаимосвязь между изучаемыми величинами, т.е. более высокое значение парного коэффициента
обусловлено присутствием третьей величины. Если ryx  ryx ( x ) , то
1
1
2
присутствие величины x2 ослабляет связь между y и x1.
Частный коэффициент корреляции изменяется в пределах от -1 до
+1. Если частный коэффициент корреляции равен 1, то связь между
двумя величинами функциональная, а равенство нулю свидетельствует
о линейной независимости этих случайных величин.
Значимость уравнения множественной регрессии в целом
оценивается с помощью F-критерия Фишера:
F
R2
n  m 1
,

m
1 R2
где n – число наблюдений, m – число параметров при переменной x.
Если расчетное значение критерия с k1  m и k2  n  m 1 степенями
37
свободы больше табличного при заданном уровне значимости, то
модель считается значимой.
Прогнозирование по уравнению линейной множественной регрессии
y~ точеч  tтабл y~  y~ прогн  y~ точеч  tтабл y~
37
где y~ – ошибка прогнозного значения, вычисляемая по формуле

y~  S 

1 


X  x
 1 прогн 
0
 n

X
x
 1
 x

2
x

 2 прогн 
 x1
x2
 x2 

xx 
 1  1 2 
 x1x2  x2 
2

для двухфакторной модели.
Коэффициенты интеркорреляции (т.е. корреляции между объясняющими переменными) позволяют исключать из модели дублирующие факторы. Считается, что две переменные явно коллинеарны,
т.е. находятся между собой в линейной зависимости, если rx i x j 0,7 . В
этом случае один из дублирующих факторов исключается из модели
регрессии. Предпочтение при этом отдается не фактору, более тесно
связанному с результатом, а тому фактору, который при достаточно
тесной связи с результатом имеет наименьшую тесноту связи с
другими факторами.
По величине парных коэффициентов корреляции обнаруживается
лишь явная коллинеарность факторов. Наибольшие трудности в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторов, когда более чем два фактора
связаны между собой линейной зависимостью, т.е. имеет место совокупное воздействие факторов друг на друга.
Для оценки мультиколлинеарности факторов может использоваться определитель матрицы парных коэффициентов корреляции
факторов. Так, для уравнения, включающего три объясняющих переменных, имеем
rx x rx x rx x
1 1
Det R  rx x
1 2
2 1
rx x
2 2
3 1
rx x .
3 2
rx x
rx x
rx x
1 3
2 3
3 3
Чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее
результаты множественной регрессии. И, наоборот, чем ближе такой
38
определитель к единице, тем меньше мультиколлинеарность факторов.
38
3.1. Укажите уравнение множественной регрессии:
а) y~ x  a  bx ;
б) y~  a  bx  cx2 ;
в) y~  a  b1x1  b2 x2  ...  bk xk ;
г) y~  a  xb1  xb2 ... xbk .
1
2
k
3.2. Факторы, включаемые во множественную регрессию должны
быть:
а) количественно измеримы;
б) функционально зависимы;
в) независимы или слабо коррелированны;
г) явно коллинеарны.
3.3. При дополнительном включении во множественную регрессию
новой объясняющей переменной должны выполняться условия:
а) коэффициент детерминации должен возрастать, остаточная
дисперсия увеличиваться;
б) коэффициент детерминации должен убывать, остаточная дисперсия увеличиваться;
в) коэффициент детерминации должен возрастать, остаточная дисперсия уменьшаться;
г) коэффициент детерминации должен убывать, остаточная
дисперсия уменьшаться.
3.4. При построении модели множественной регрессии предвариB
тельно проводят исследование факторных переменных на коллинеарB
ность и мультиколлинеарность. Считается, что две переменные явно
коллинеарны, если соответствующий парный коэффициент корреляции
удовлетворяет условию:
а) rx x  0,5 ;
i j
б) rx x  1;
i j
в) rx x  0,3 ;
i j
г) r xi x j  0,7 .
3.5. Говорят, что факторы, включенные в уравнение регрессии,
мультиколлинеарны, если
а) все коэффициенты корреляции r x x  0,5 ;
i j
б) все коэффициенты корреляции r x x  1;
i
39
j
в) определитель матрицы межфакторной корреляции близок к
нулю;
г) определитель матрицы межфакторной корреляции близок к единице.
3.S. При построении модели множественной регрессии предвариB
тельно проводят исследование факторных переменных на коллинеарB
ность и мультиколлинеарность. Определитель матрицы парных коэфB
фициентов корреляции факторов подсчитан и оказался равен 0,5.
Укажите верный вывод.
а) мультиколлинеарность факторов доказана, результаты множественной регрессии ненадежны;
б) необходимо проверить гипотезу о мультиколлинеарности факторов;
в) мультиколлинеарность факторов, безусловно, отсутствует, результаты множественной регрессии надежны;
г) мультиколлинеарность факторов доказана, уравнение регрессии
пригодно для прогнозирования.
3.7. Под частной корреляцией понимается:
а) зависимость результативного признака и двух или более факторов, включенных в регрессионную модель;
б) связь между двумя признаками (результативным и факторным
или двумя факторными);
в) зависимость между результативным и одним факторным признаком при фиксированном значении других факторных признаков;
г) зависимость между качественными признаками.
3.8. Укажите способы преодоления мультиколлинеарности во мноB
жественной регрессии:
а) исключение из модели одного или нескольких факторов;
б) изменение линейной модели на степенную;
в) переход от исходных переменных к их логарифмам;
г) включение в линейное уравнение слагаемых вида xi 
3.3. При отборе факторов в уравнение множественной регрессии
используют:
а) метод наименьших квадратов;
б) метод исключения переменных;
в) метод включения дополнительной переменной.
40
3.10. Среди предложенных уравнений множественной регрессии укаB
жите уравнение, в котором все коэффициенты регрессии незначимы по
tBкритерию Стьюдента (критическое значение считать равным 2).
а) y~  25  5x1  3x2  4x 3 , где t x  4, t x  1,3, t x  6 ;
1
2
3
б) y~  25  0,5x1  0,3x2  0,4x3 , где t x  1,4, tx  1,3, t x  6 ;
1
2
3
в) y~  25  5x1  3x 2  4x3 , где t x  0,4, tx  1,3, t x  1,6 .
1
2
3
3.11. При верификации уравнения множественной регрессии получеB
ны данные для проверки гипотезы о значимости коэффициентов регресB
сии по по tBкритерию Стьюдента.
tрасч
x1
11,99
x2
-2,41
tкрит
x3
0,60
2,228138842
Какой фактор не должен присутствовать в регрессионной модели?
а) x1 ;
б) x2 ;
в) x3 .
3.12. При исследовании спроса на мясо получено уравнение
y~  0,82x12,63  x1,11
2 ,
где x1 – цена, x2 – доход. Укажите верный вывод.
а) рост цен на 1 % при том же доходе вызывает снижение спроса на
2,63 %;
б) рост дохода на 1 % при той же цене вызывает снижение спроса на
1,11 %;
в) рост цен на 1 денежную единицу при том же доходе вызывает
снижение спроса в 2,63 раза;
г) рост дохода на одну тысячу при той же цене вызывает повышение
спроса в 1,1 раза.
3.13. В производственных функциях широко распространена степенB
ная форма множественной регрессии y~  a  xb1  xb2 ... xbk . Укажите
1
2
k
экономический смысл коэффициентов bi :
а) Они характеризуют среднее изменение результата с изменением
41
соответствующего фактора на единицу при неизменном значении
других факторов, закрепленных на среднем уровне.
41
б) Они показывают, на сколько процентов в среднем изменяется
результат с изменением соответствующего фактора на 1 % при
неизменности действия других факторов.
в) Они позволяют однозначно ответить на вопрос о количественной
взаимосвязи рассматриваемых признаков и целесообразности
включения фактора в модель.
3.14. Пусть производственная функция имеет вид:
P  2  F10,3  F20,2  F30,4  ,
где P – выпуск продукции; F1 – стоимость основных производственных фонB
дов; F2 – отработано человекоBдней; F3 – затраты на производство.
Укажите обобщенную характеристику эластичности выпуска
продукции и характер отдачи выпуска от затраченных ресурсов.
а) Э=0,9, что соответствует увеличивающейся отдаче;
б) Э=1,8, что соответствует увеличивающейся отдаче;
в) Э=0,9, что соответствует уменьшающейся отдаче;
г) Э=1,8, что соответствует уменьшающейся отдаче.
3.15. При исследовании производительности труда на предприятии
получено уравнение регрессии y~  2,68  0,52x1  0,16x2 , где x1 – средний
возраст работников; x2 – энерговооруженность.
Среднее значение
Эластичность
y
38,14
x1
54,71
0,75
x2
42,14
Чему равна эластичность фактора x2 ?
а) 0,14;
б) 0,18;
в) 0,25.
3.1 S. При моделировании уравнения множественной регрессии опреB
деляют стандартизированные коэффициенты регрессии ( BкоэффиB
циенты). Сравнивая их друг с другом, можно ранжировать факторы по
силе их воздействия на результат.
Пусть функция издержек производства y (тыс. руб.) характеB
ризуется уравнением вида
y~  200 1,2x1 1,1x2 ,
42
где x1 – основные производственные фонды, тыс. руб.; x2 – численность
занятых в производстве, человек.
42
Уравнение регрессии в стандартизированном масштабе выглядит
так:
t y  0,5tx  0,8tx .
1
2
Выберите правильные выводы.
а) большее влияние на издержки производства оказывает численность занятых на производстве людей, 1  0,5; 2  0,8 ;
б) большее влияние на издержки производства оказывает численность занятых на производстве людей, 1  1,2; 2  1,1;
в) большее влияние на издержки производства оказывает стоимость основных производственных фондов, 1  0,5; 2  0,8 ;
г) большее влияние на издержки производства оказывает стоимость
основных производственных фондов, 1  1,2; 2  1,1.
3.17. В каких пределах изменяется множественный коэффициент
корреляции:
а) 0  Ryx x   ;
1 2
б) 0  Ryx1x 2 1;
в) 1  Ryx x  1?
1 2
3.18. Множественный линейный коэффициент корреляции R yx1 2x
равен 0,75. Какой процент вариации зависимой переменной y учтен в
модели и обусловлен влиянием факторов x1 и x2 ?
а) 56,2;
б) 75;
в) 37,5.
3.13. Имеется матрица парных коэффициентов корреляции:
y
x1
x2
x3
y
1
-0,782
1
x1
0,451
0,564
1
x2
0,842
-0,873
0,303
1
x3
Между какими признаками наблюдается коллинеарность:
а) y и x3 ;
б) x1 и x3 ;
43
в) x2 и x3 ?
43
3.20. Какое значение может принимать множественный коэффиB
циент корреляции:
а) 1,501;
б) -0,153;
в) 0,861?
3.21. Уравнение множественной регрессии имеет вид:
y~  27,16  1,37x1  0,29x2 .
Параметр, равный 1,37, означает следующее:
а) при увеличении x1 на одну единицу своего измерения переменная y увеличится на 1,37 единиц своего измерения;
б) при увеличении x1 на одну единицу своего измерения при фиксированном значении фактора x2 переменная y увеличится на 1,37 единиц своего измерения;
в) при увеличении x1 на 1,37 единиц своего измерения при фиксированном значении фактора x2 переменная y увеличится на одну
единицу своего измерения.
3.22. Стандартизованные коэффициенты регрессии i :
а) позволяют ранжировать факторы по силе их влияния на результат;
б) оценивают статистическую значимость факторов;
в) являются коэффициентами эластичности.
3.23. Значение бетаBкоэффициента определяется по формуле:
x
b i;
i
y
i

б) ryxi 2 ;
R
в) b 
i
xi
.
y
3.24. Какая величина позволяет по уравнению множественной реB
грессии ранжировать объясняющие переменные по силе их воздействия
на результат?
44
а) коэффициенты эластичности;
б) коэффициенты регрессии;
в) коэффициенты корреляции;
г) стандартизированные коэффициенты регрессии.
44
3.25. Известно, что факторный признак x3 усиливает связь между
величинами x1 и x2 . По результатам наблюдений получен частный
коэффициент корреляции r x x ( x )  0,45 . Какое значение может приB
1 2
3
нять парный коэффициент корреляции r x x ?
1 2
а) -0,4;
б) 0,344;
в) -0,8;
г) 1,2.
3.2 S. При исследовании зависимости себестоимости продукции y от
объема выпуска x1 и производительности труда x2 по данным 20
предприятий получено уравнение регрессии y~  2,88  0,72x1 1,51x2 . На
сколько единиц и в какую сторону изменится результирующий признак
при увеличении фактора x1 на одну единицу измерения?
а) увеличится на 2,88
б) уменьшится на 0,72
в) уменьшится на 2,88
г) увеличится на 0,72.
3.27. Уравнение множественной регрессии имеет вид
y  0,056  x 10,858  x1,126
 .
2
Определить эластичность связи факторов y и x2 .
а)1,126;
б)0,126;
в)0,056;
г)0,056 1,126 .
3.28. По результатам 25 наблюдений получен парный коэффициент
корреляции r12  0,6 . Известно, что фактор x3 занижает связь между
x1 и x2 . Какое значение может принять частный коэффициент корB
реляции r12 x3  ?
а) -0,8;
45
б)-0,2;
в) 0,8;
г) 0,5.
3.23. Укажите нелинеаризуемое уравнение множественной регрессии:
а) y~  a  xb1  xb2 ... xbk ;
1
2
k
45
б) y~  e1x12 x2 ...kxk ;
1
в) y~ 
;
 1x1  2 x2  ...  k xk
г)  a1x1  a2 x2  a12 x1  x2 .
3.30. Скорректированный коэффициент детерминации:
а) меньше обычного коэффициента детерминации;
б) больше обычного коэффициента детерминации;
в) меньше или равен обычному коэффициенту детерминации.
3.31. С увеличением числа объясняющих переменных скорректиB
рованный коэффициент детерминации:
а) увеличивается;
б) уменьшается;
в) не изменяется.
3.32. Для построения модели линейной множественной регрессии виB
да y~  a  b1x1  b2 x2 необходимое количество наблюдений должно быть:
а) не более 10;
б) не менее 7;
в) не более 14;
г) не менее 14.
3.33. Частный коэффициент корреляции оценивает:
а) тесноту связи между двумя переменными;
б) тесноту связи между двумя переменными;
в) тесноту связи между двумя переменными при фиксированном
значении остальных факторов.
Раздел 4. Временные ряды
Под временным рядом подразумевается последовательность наблюдений некоторого признака Y в последовательные моменты времени.
Отдельные наблюдения называются уровнями ряда, которые обозначают yt . Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые условно можно подразделить на три группы:
 факторы, формирующие тенденцию ряда;
 факторы, формирующие циклические колебания ряда;
46
 случайные факторы.
46
Пусть T – тренд, плавно меняющаяся компонента, описывающая
чистое влияние долговременных факторов, т.е. длительную («вековую») тенденцию изменения признака (например, рост населения,
экономическое развитие, изменение структуры потребления и т.п.);
S – сезонная компонента, отражающая повторяемость экономических процессов в течение не очень длительного периода (года, иногда
месяца, недели, например, объем продаж товаров или перевозок в
различные времена года);
E – случайная компонента, отражающая влияние не поддающихся
учету и регистрации случайных факторов.
Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда,
yt  T  S  E .
Модель, в которой временной ряд представлен как произведение
перечисленных компонент, называется мультипликативной моделью
временного ряда
yt  T  S  E .
Выбор одной из двух моделей проводится на основе анализа
структуры сезонных колебаний. Если амплитуда колебаний приблизительно постоянна, то строят аддитивную модель временного ряда, в
которой значения сезонной компоненты предполагаются постоянными
для различных циклов. Если амплитуда сезонных колебаний
возрастает или уменьшается, строят мультипликативную модель.
Основные этапы анализа временных рядов
1. Графическое представление и описание поведения временного ряда.
2. Выделение и удаление закономерных (неслучайных) составляющих временного ряда (тренда, сезонных и циклических компонент).
3. Сглаживание и фильтрация (удаление низко- или высокочастотных составляющих временного ряда).
4. Исследование случайной составляющей временного ряда, построение и проверка адекватности математической модели для ее
описания.
5. Прогнозирование развития изучаемого процесса на основе имеющегося временного ряда.
6. Исследование взаимосвязи между различными временными
рядами.
При наличии тренда и циклических колебаний значения каждого
последующего уровня ряда зависят от предыдущих значений. Корреля47
ционную зависимость между последовательными уровнями временного ряда называют автокорреляцией уровней ряда.
Количественно ее можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и
уровнями это ряда, сдвинутыми на несколько шагов во времени
Число периодов, по которым рассчитывается коэффициент автокорреляции, называется лагом. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается. Считается, что максимальный лаг должен быть не больше n/4,
где n – число наблюдений.
Последовательность коэффициентов автокорреляции уровней первого, второго и т.д. порядков называется автокорреляционной функцией
временного ряда. График зависимости ее значений от величины лага
(порядка коэффициента автокорреляции) называется коррелограммой.
Одним из наиболее распространенных способов моделирования
тенденции временного ряда является построение аналитической
функции, характеризующей зависимость уровней ряда от времени, или
тренда. Этот способ называют аналитическим выравниванием временB
ного ряда.
Тренд может принимать разные формы, и для его формализации
используются различные виды функций:
 линейный тренд y~ t  a  bt ;
b
 гипербола y~ t  a  ;
t
 параболический тренд y~t  a  b1t  b2t 2 ;
 экспоненциальный тренд y~t  a  bt или y~t  eabt ;
 тренд в форме степенной функции y~ t  a  tb ;
 логарифмический тренд y~t  a  b  ln t .
Для правильного выбора типа тренда, который наилучшим способом отражает тенденцию фактического ряда уровней, следует
руководствоваться следующим:
 Построить график ряда в правильно выбранном масштабе.
Причем если уровни ряда различаются в большое количество раз, ось
ординат следует разметить в логарифмическом масштабе, т.е. как ln yt .
 Линейный тип тренда подходит для отображения тенденции
48
примерно равномерного изменения уровней: равных в среднем величин
абсолютного прироста (или абсолютного сокращения) за равные
промежутки времени.
 Параболический тренд используют, если цепные темпы
изменений либо уменьшаются, либо некоторое время возрастают, но
48
при достаточно большом периоде рано или поздно темпы роста
обязательно начинают уменьшаться (темпы сокращения уровней
начинают возрастать).
 Уравнение логарифмического тренда применяют в том случае,
когда изучаемый процесс приводит к замедлению роста показателя, но
при этом рост не прекращается, а стремится к какому-нибудь
ограниченному пределу.
 Логистическая форма тренда используется для описания
процессов, при которых изучаемый показатель проходит полный цикл
развития
– начиная от нулевого уровня, сначала медленно, но с ускорением
возрастая;
– затем ускорение становится нулевым в середине цикла, т.е. рост
происходит по линейному тренду;
– далее, в завершающей части цикла, рост замедляется по
гиперболе по мере приближения к предельному значению показателя.
Если графического анализа недостаточно, то необходимо провести
дополнительное исследование, а именно:
1) Чтобы снизить искажающее тренд влияние циклических колебаний, проводят сглаживание ряда методом скользящего выравнивания.
2) Сглаженный ряд разбивают на несколько равных или примерно
равных подпериодов, и по каждому вычисляют среднюю величину
цепных абсолютных изменений t  yt 1  yt . Если она будет постоянной
для всех подпериодов, то выбирают линейную форму тренда.
3) Сглаженный ряд разбивают на несколько равных или примерно
равных подпериодов, и по каждому вычисляют среднюю величину
цепных относительных изменений (темпов роста)   yt 1  yt . Если
t
yt
она будет постоянной на всех подпериодах, то выбирают экспоненциальную форму тренда.
4) Если по подпериодам постоянным будет среднее ускорение
уровней t 1  t , то в качестве тренда следует выбрать параболу.
5) Если ни один из предложенных параметров не имеет постоянной
тенденции, то можно с помощью t-критерия Стьюдента проверить
гипотезу о существенности различия средних значений параметра в
разных подпериодах ряда.
Линейный тренд y~t  a  bt .
49
Характеристика параметров линейного тренда
Параметр
a
b
Содержание параметра
Коэффициент тренда, численно равный среднему выровненному уровню для момента начала отсчета.
Коэффициент тренда, характеризующий среднее изменение уровней за единицу времени.
Для нахождения параметров линейного тренда используют следующую систему нормальных уравнений:
n

 na  b
t
n
y


i
 i1 i
i1
.
 n
n
n
 y t  a t  b t 2
 i i i i

i1
 i1
i1
При нумерации периодов времени от середины ряда система
нормальных уравнений сокращается, и параметры можно найти непосредственно по формулам:
n
a
1
 yi  ti
n
 y , b  i1
i
n i1
n

i1
.
t i2
Линейный тип тренда подходит для отображения тенденции примерно равномерного изменения уровней: равных в среднем величин
абсолютного прироста (или абсолютного сокращения) за равные
промежутки времени.
Параболический тренд y~ t  a  b1t  b2t 2 .
Характеристика параметров параболического тренда
Параметр
a
b1
Содержание параметра
Коэффициент тренда, численно равный среднему выровненному уровню для момента начала отсчета.
Коэффициент тренда, характеризующий средний за весь
период среднегодовой прирост, который уже не является константой, а изменяется равномерно со средним
ускорением, равным 2 b2 .
50
b2
Главный параметр уравнения, константа, характеризующая ускорение.
50
Для нахождения параметров параболического тренда используют
следующую систему нормальных уравнений:
n
n
n

y
 
 i  na  b1ti  b2  ti2
i1
i1
 n i1

y t
 a n t  b n t2  b n t3
 i i
 i 1 i 2  i
i1
i1
i1
 i1
n
n
n
n
 yi  t 2  a  t 2  b1  t 3  b2  t 4
i
i
i
i
 i1
i1
i1
i1
При нумерации периодов времени от середины ряда система нормальных уравнений сокращается, и параметры можно найти следующим образом:
n
b1 
yi  t i

i1
2
n
,

i1
2
ti
оставшиеся уравнения составят систему
n
n

2
y
 
i  na  b2
t

i



i1
i1
 n
n
n
 y t2  a t 2  b
4


i
2t i
i
i

 i1
i1
i1
Параболическое уравнение тренда достаточно редко встречается
при анализе экономических процессов и явлений. Такой тренд
используют, если цепные темпы изменений либо уменьшаются, либо
некоторое время возрастают, но при достаточно большом периоде рано
или поздно темпы роста обязательно начинают уменьшаться (темпы
сокращения уровней начинают возрастать).
b
Гиперболический тренд y~t  a  .
t
Характеристика параметров гиперболического тренда
Параметр
a
Содержание параметра
Свободный член, значение, к которому стремится уровень ряда.
51
b
Основной параметр гиперболы:
 если b  0 , то этот тренд выражает тенденцию замедляющегося снижения уровней и при t , y~ t  a .
 если b  0 , то с возрастанием t, т.е. с течением
времени, уровни тренда возрастают и t , y~ t  a .
51
При расчете гиперболического тренда нельзя нумеровать периоды
времени от середины ряда.
Экспоненциальный тренд y~ t  a  bt .
Характеристика параметров экспоненциального тренда
Параметр
a
b
Содержание параметра
Свободный член экспоненты равен выровненному
уровню, т.е. уровню тренда в момент или период,
принятый за начало отсчета.
Постоянный темп изменения уровней:
 если b  1, то имеется тренд с возрастающими
уровнями, причем это возрастание не просто ускоренное, а с возрастающим ускорением.
 если b  1, то имеется тренд, выражающий тенденцию
постоянного, но замедляющегося сокращения уровней,
причем замедление непрерывно усиливается.
Экспоненциальный тренд характерен для процессов, развивающихся в среде, не создающей никаких ограничений для роста уровней.
Следовательно, на практике такие явления встречаются только в
ограниченном промежутке времени, поскольку любая среда рано или
поздно создает ограничения.
Логарифмический тренд y~ t  a  b ln t .
Уравнение логарифмического тренда применяют в том случае,
когда изучаемый процесс приводит к замедлению роста показателя, но
при этом рост не прекращается, а стремится к какому-нибудь ограниченному пределу. В этом случае ни гиперболическая форма тренда, ни
парабола с отрицательным ускорением не подходят. Логарифмы возрастают значительно медленнее, чем сами числа t, но рост логарифмов не
ограничен. Подбирая начало отсчета периодов, можно найти такую
скорость снижения абсолютных изменений, которая наилучшим образом отвечает фактическому временному ряду.
Логарифмический тренд, как и гиперболический, отражает затухающий процесс изменений. Однако эти тренды имеют существенное
различие. Затухание по гиперболе происходит быстро при приближении к конечному пределу, а при логарифмическом тренде затухающий процесс продолжается без ограничения гораздо медленнее.
Логистический тренд.
Логистическая форма тренда используется для описания процессов,
при которых изучаемый показатель проходит полный цикл развития,
– начиная от нулевого уровня, сначала медленно, но с ускорением
52
возрастая;
52
– затем ускорение становится нулевым в середине цикла, т.е. рост
происходит по линейному тренду;
– далее, в завершающей части цикла, рост замедляется по гиперболе по мере приближения к предельному значению показателя.
Если диапазон изменения уровней от 0 до 1, то уравнение логисти1
.
ческого тренда имеет вид y~t  abt
e
1
Если диапазон изменения ограничен не нулем, а любыми значениями, определяемыми в зависимости от существа задачи ( ymin , ymax ),
то формула логистического тренда примет вид y~  ymax  ymin  y
t
.
min
eabt 1
Проверку на наличие или отсутствие сезонных колебаний можно
провести визуально при построении графика.
При наличии циклических колебаний уровней ряда необходимо
установить период колебаний. Анализ автокорреляционной функции и
коррелограммы позволяет определить лаг, при котором связь между
текущим и предыдущим уровнями наиболее тесная. Причем,
 если наиболее высоким оказался коэффициент автокорреляции
первого порядка, то исследуемый ряд содержит только тренд;
 если временной ряд содержит сильную нелинейную тенденцию,
например, в форме экспоненты, то коэффициент автокорреляции
первого порядка по логарифмам исходного уровня будет выше, чем
соответствующий коэффициент, подсчитанный по непреобразованным
уровням ряда;
 если наиболее высоким оказался коэффициент автокорреляции
порядка k, ряд содержит циклические колебания с периодичностью в k
моментов времени;
 если ни один из коэффициентов автокорреляции не является
значимым, можно сделать такое предположение относительно структуры этого ряда: либо ряд содержит только случайную компоненту,
либо содержит сильную нелинейную тенденцию, для выявления
которой нужно провести дополнительный анализ.
В моделях с сезонной компонентой обычно предполагается, что
сезонные воздействия за период взаимопогашаются. В аддитивной
модели это выражается в том, что сумма значений сезонных компонент
в одном цикле должна быть равна нулю. Взаимопогашаемость сезонных воздействий в мультипликативной модели выражается в том, что
сумма различных сезонных компонент в цикле должна быть равна
53
величине цикла.
Эконометрическая модель называется динамической, если в данный
момент времени t она учитывает значения входящих в нее переменных,
53
относящиеся как к текущему, так и предыдущим моментам времени,
т.е. если эта модель отражает динамику исследуемых переменных в
каждый момент времени.
Значение результативного признака в текущий момент времени t
часто формируется под воздействием ряда факторов, действовавших в
прошлые моменты времени t 1, t  2,...,t  l . Величину l, характеризующую запаздывание в воздействии фактора на результат, в эконометрике называют лагом, а факторные переменные, сдвинутые на один или
более моментов времени, – лаговыми переменными.
Все динамические эконометрические модели условно разделяют на
два вида:
1. Модели, содержащие не только текущие, но и лаговые значения
факторных переменных. Эти модели называются моделями с распреB
деленным лагом, например,
yt  a  b0 xt  b1xt 1  ...  bl xt l  t .
В модели с распределенным лагом предполагают, что максимальная
величина лага конечна. Структура модели говорит о том, что если в
некоторый момент времени t происходит изменение независимой
переменной x, то это изменение будет влиять на значения переменной y
в течение l следующих моментов времени.
Коэффициент регрессии b0 при перемеренной xt характеризует
среднее абсолютное изменение yt при изменении xt на 1 единицу своего измерения в некоторый фиксированный момент времени t , без
учета воздействия лаговых значений фактора x . Этот коэффициент
называют краткосрочным мультипликатором.
В момент t  1 совокупное воздействие факторной переменной xt
на результат yt составит (b0  b1) условных единиц, в момент t  2 это
воздействие можно охарактеризовать суммой (b0  b1  b2 ) и т.д. Полученные таким образом суммы называют промежуточными мультиплиB
каторами.
С учетом конечной величины лага можно сказать, что изменение
переменной xt в момент t на единицу своего измерения приведет к
общему изменению результата через
54
l
моментов времени на
(b0  b1  ...  bl ) абсолютных единиц.
Введем следующее обозначение:
b0  b1  ...  bl  b .
54
Величину b называют долгосрочным мультипликатором, который
показывает абсолютное изменение в долгосрочном периоде t  l
результата y под влиянием изменения на 1 ед. фактора x .
Предположим,
bj
  .
j
b
Назовем полученные величины относительными коэффициентами
модели с распределенным лагом. Если все коэффициенты bj имеют
l
одинаковые знаки, то выполняются условия 0  j  1 и  j  1. Кажj0
дый из коэффициентов  j измеряет долю от общего изменения результативного признака в момент времени t  j .
Зная величины  j , можно определить еще две важные характеристики: величину среднего и медианного лагов.
Средний лаг вычисляется по формуле
l
l   j  j
j0
и представляет собой средний период, в течение которого будет происходить изменение результата под воздействием изменения фактора в
момент времени t. Небольшая величина среднего лага свидетельствует
об относительно быстром реагировании результата на изменение
фактора, тогда как высокое его значение говорит о том, что воздействие
фактора на результат будет сказываться в течение длительного периода
времени.
lMe
Медианный лаг – это величина лага, для которого  j  0,5 . Это
j0
период времени, в течение которого с момента времени t будет
реализована половина общего воздействия фактора на результат.
2. Модели, которые наряду с текущими или лаговыми значениями
факторных переменных, содержат лаговые значения зависимой
переменной. Такие модели называются моделями авторегрессии,
например, модель вида
yt  a  b0 xt  c1yt 1  t .
55
Рассмотрим модель авторегрессии
yt  a  b0  xt  c1  yt 1  t .
55
Как и в модели с распределенным лагом, коэффициент b0 характеризует краткосрочное изменение yt в ответ на изменение xt на 1 единицу измерения. Однако промежуточные и долгосрочный мультипликаторы в моделях авторегрессии несколько иные. К моменту времени
t 1:
– результат yt изменился под воздействием изменения фактора xt
в момент времени t на b0 единиц;
– результат yt 1 изменился под воздействием изменения yt на c1
единиц.
Таким образом, общее абсолютное изменение результата в момент
t  1 составит b0  c1 единиц, момент времени t  2 оно составит b0  c 2 .
1
Следовательно, долгосрочный мультипликатор в модели авторегрессии
можно рассчитать как сумму краткосрочного и промежуточного мультипликаторов:
b  b0  b0  c1  b0  c12  b0  c1 3  ....
Учитывая, что практически во все модели авторегрессии вводится
так называемое условие стабильности, состоящее в том, что коэффициент регрессии при переменной yt 1 по абсолютной величине меньше
единицы
c1  1, имеем (по свойству бесконечно убывающей гео-
метрической прогрессии)


b  b  1 c  c2  c3  ... 
0
1
1
1
b0
.
1 c1
Эконометрические методы, разработанные для построения и анализа моделей авторегрессии и моделей с распределенным лагом, широко используются для эмпирической верификации макроэкономических
моделей, в которых учитываются ожидания экономических агентов
относительно значений экономических показателей, включенных в
модель, в момент времени t.
Модель адаптивных ожиданий. Рассмотрим модель вида
yt  a  b  x*t 1  t ,
где yt – фактическое значение результативного признака; x t*1 – ожи56
даемое значение факторного признака.
Механизм формирования ожиданий в этой модели следующий:
x*  x*  (x  x * ) , 0    1.
t 1
t
t
56
t
То есть, в каждый период времени t  1 ожидания корректируются
на некоторую долю  разности между фактическим значением факторного признака и его ожидаемым значением в предыдущий период.
Параметр  в этой модели называется коэффициентом ожиданий. Чем
ближе коэффициент ожиданий к единице, тем в большей степени
реализуются ожидания экономических агентов. И, наоборот, приближение величины  к нулю свидетельствует об устойчивости существующих тенденций. При   0 , получается, что x*  x , т.е. условия,
t
t
доминирующие сегодня, сохранятся и на будущие периоды времени.
Ожидаемые будущие значения показателей совпадут с их реальными
значениями текущих периодов.
Модель неполной корректировки. В отличие от модели адаптивных
ожиданий в модели неполной корректировки эмпирически ненаблюдаемой переменной является результативный признак. Общий вид
модели неполной корректировки имеет вид:
y*  a  b  x   .
t
t
t
Формирование ожиданий экономических агентов относительно
значений y*t происходит по следующей схеме:


yt  yt 1   y *t  yt 1  t ,
где 0   1.
В этой модели предполагается, что абсолютное изменение
фактических уровней результата – это некоторая доля его ожидаемого
абсолютного изменения. Параметр  в этой модели называется
корректирующим коэффициентом. Чем ближе величина  к единице,
тем в большей степени реальная динамика показателя отвечает ожиданиям экономических объектов. Чем ближе  к нулю, тем менее
реальное изменение показателя соответствует его ожидаемому изменению. При   0 значение результативного признака является константой, на которую ожидания агентов не оказывают никакого воздействия.
4.1. Уровни временного ряда могут формироваться под воздействием:
а) случайных факторов;
б) факторов, определяющих общую тенденцию;
в) независимых факторов;
г) эндогенных факторов.
57
4.2. Коэффициент автокорреляции временного ряда:
а) характеризует тесноту линейной связи текущего и предыдущего
уровней ряда;
б) характеризует тесноту нелинейной связи текущего и предыдущего уровней ряда;
в) характеризует наличие или отсутствие тенденции.
4.3. Аддитивная модель временного ряда строится, если:
а) значения сезонной компоненты предполагаются постоянными
для различных циклов;
б) амплитуда сезонных колебаний возрастает или уменьшается;
в) отсутствует тенденция.
4.4. Мультипликативная модель временного ряда строится, если:
а) значения сезонной компоненты предполагаются постоянными
для различных циклов;
б) амплитуда сезонных колебаний возрастает или уменьшается;
в) отсутствует тенденция.
4.5. Аддитивная модель ряда динамики имеет структуру:
а) yt  T  S  E ;
б) yt  T  S  E ;
в) yt  T  S  E ;
г) yt  T  S  E .
4.S. Мультипликативная модель ряда динамики имеет вид:
а) yt  T  S  E ;
б) yt  T  S  E ;
в) yt  T  S  E ;
г) yt  T  S  E .
4.7. На основе поквартальных данных построена аддитивная модель
временного ряда. Скорректированные значения сезонной компоненты за
первые три квартала равны:
I квартал
7
II квартал
3
III квартал
B11
Значение сезонной компоненты за IV квартал равно:
а) 5;
б) –4;
в) –5.
58
4.8. На основе поквартальных данных построена мультипликаB
тивная модель временного ряда. Скорректированные значения сезонной
компоненты за первые три квартала равны:
I квартал
II квартал
III квартал
0,8
1,2
1,3
Значение сезонной компоненты за IV квартал есть:
а) 0,7;
б) 1,7;
в) 0,9.
4.3. При анализе автокорреляции уровней временного ряда для обеB
спечения статистической достоверности максимальный порядок коэфB
фициентов автокорреляции должен быть:
а) не больше числа наблюдений n;
б) не больше числа n  4 ;
n
в) не больше числа .
4
4.10. При расчете коэффициентов автокорреляции уровней временB
ного ряда получены результаты:
r1
0,78
r2
0,22
r3
0,1S
r4
0,38
r5
0,11
r6
0,S8
r7
0,003
r8
0,37
Укажите верные утверждения:
а) временной ряд содержит сильную нелинейную тенденцию;
б) временной ряд содержит сильную линейную тенденцию;
в) временной ряд содержит циклические колебания с циклом, равным четырем периодам времени;
г) временной ряд содержит циклические колебания с циклом, равным семи периодам времени.
4.11. При расчете коэффициентов автокорреляции уровней временB
ного ряда получены результаты:
r1
0,38
r2
0,22
r3
0,1S
r4
0,08
r5
0,11
r6
0,048
r7
0,003
Укажите верные утверждения:
а) временной ряд содержит сильную нелинейную тенденцию;
б) временной ряд содержит сильную линейную тенденцию;
в) временной ряд содержит циклические колебания .
59
4.12. Последовательность коэффициентов автокорреляции возрасB
тающего порядка называют:
а) коррелограммой;
б) критерием Дарбина-Уотсона;
в) автокорреляционной функцией.
4.13. Критерий ДарбинаBУотсона применяется для:
а) определения автокорреляции в остатках;
б) определения наличия сезонных колебаний;
в) для оценки существенности построенной модели.
4.14. Корреляционную зависимость между последовательными уровB
нями временного ряда называют:
а) смещенностью уровней ряда;
б) автокорреляцией уровней ряда;
в) гомокедастичностью уровней ряда.
4.15. Укажите формулу для расчета коэффициента автокорреляции
первого порядка для уровней ряда:
n
а)
 yt  y1  yt 1  y2 

t 2
  y  y    y
2
n
t 2
б)
1
t 2
n
y 
2
t 1
;
2
 yt  y3    yt 2  y4 

t 3
 yt  y 3  y t 2  y4 
n
t 3
в)
t
n
2
n
2
;
t 3
 x  x   y  y  .
2
2
 x  x    y  y 
4.1 S. С увеличением лага число пар значений, по которым рассчитыB
вается коэффициент автокорреляции
а) увеличивается;
б) уменьшается;
в) не изменяется.
60
4.17. Укажите способы определения типа тенденции временного
ряда:
а) качественный анализ изучаемого процесса;
б) построение и визуальный анализ графика;
в) применение статистических критериев;
г) анализ автокорреляционной функции.
4.18. Укажите правильную функцию логарифмического тренда:
а) y~ t  a  b  ln t ;
y  ymin
;
б) y~ t  ymin  max
eabln t 1
в) y~ t  a  b1t  b2t 2 ;
1
г) y~ t  abt
.
e
1
4.13. Укажите правильную функцию логистического тренда:
b
а) y~ t  a  ;
t
б) y~ t  ymin 
ymax  ymin
;
eabln t 1
в) y~ t  a  bt ;
1
.
г) y~ t  abt
e
1
4.20. Укажите правильную формулу расчета коэффициента b для
линейного тренда y~t  a  bt :
а) b 
1 n
i1 y i ;
n
n
б) b 
yi  ti

i1
n
;
t i2
в) b
61
i1
n
i1
2
i
n
;

n
2
yit i t
i1
г) b   t i .
i1
61
4.21. Уравнение тренда имеет вид y~ t  32,5  4,6t . Насколько в средB
нем в исследуемом периоде изменяется результативный признак:
а) увеличивается на 32,5;
б) увеличивается на 4,6;
в) уменьшается на 4,6;
г) уменьшается на 32,5.
4.22. Укажите правильную характеристику параметра a линейного
тренда y~ t  a  bt :
а) среднее изменение анализируемого явления от одного момента
времени к следующему;
б) среднее ускорение изменения анализируемого явления от одного
момента времени к следующему;
в) средний выравненный уровень ряда для момента времени,
принятого за начало отсчета;
г) постоянный цепной темп изменения уровней временного ряда.
4.23. Укажите правильную характеристику параметра b экспоненB
циального тренда y~ t  a  bt :
а) среднее изменение анализируемого явления от одного момента
времени к следующему;
б) среднее ускорение изменения анализируемого явления от одного
момента времени к следующему;
в) средний выравненный уровень ряда для момента времени,
принятого за начало отсчета;
г) постоянный цепной темп изменения уровней временного ряда.
4.24. Что характеризует коэффициент b2 параболического тренда
y~ t  a  b1t  b2t 2 ?
а) среднее изменение анализируемого явления от одного момента
времени к следующему;
б) среднее ускорение изменения анализируемого явления от одного
момента времени к следующему;
в) средний выравненный уровень ряда для момента времени, при62
нятого за начало отсчета;
г) постоянный цепной темп изменения уровней временного ряда.
62
4.25. Что характеризует коэффициент b линейного тренда
y~ t  a  bt ?
а) среднее изменение анализируемого явления от одного момента
времени к следующему;
б) среднее ускорение изменения анализируемого явления от одного
момента времени к следующему;
в) средний выравненный уровень ряда для момента времени,
принятого за начало отсчета;
г) постоянный цепной темп изменения уровней временного ряда.
4.2 S. Случайная составляющая в модели yt  T  S  E обозначена:
а) T;
б) S;
в) E;
г) yt .
4.27. Коррелирование отклонений от выравненных уровней тренда
проводят
а) для определения тесноты связи между отклонениями фактических уровней от выровненных, отражающих тренд;
б) для определения тесноты связи между рядами динамики в случае
отсутствия автокорреляции;
в) для исключения влияния автокорреляции;
г) для исключения влияния общей тенденции на колеблемость
признака.
4.28. Укажите методы уменьшения (устранения) автокорреляции
во временных рядах:
а) метод регрессионных преобразований;
б) построения коррелограммы;
в) метод включения дополнительного фактора;
г) метод последовательных разностей.
4.23. Уровни временного ряда в эконометрическом анализе обознаB
чают:
а) xt ;
б) yt ;
в) t ;
г) ct .
63
4.30. Количественно ее можно измерить с помощью линейного коэфB
фициента корреляции между уровнями исходного временного ряда и
уровнями это ряда, сдвинутыми на несколько шагов во времени. О какой
характеристике временного ряда идет речь?
а) о тенденции временного ряда;
б) о сезонной составляющей ряда;
в) об автокорреляции уровней ряда;
г) о случайной составляющей временного ряда
4.31. Что называют аналитическим выравниванием временного
ряда?
а) анализ автокорреляционной функции и коррелограммы;
б) построение аналитической функции, характеризующей зависимость уровней ряда от времени, или тренда;
в) устранение сезонной компоненты;
г) применение методики скользящего выравнивания ряда.
4.32. Укажите среди нижеперечисленного метод, не являющийся
методом исключения тенденции во временных рядах:
а) метод отклонений от тренда;
б) метод скользящего выравнивания;
в) метод последовательных разностей;
в) включение в модель фактора времени.
4.33. Построена аддитивная модель временного ряда с линейным
трендом и сезонными колебаниями в 4 квартала. Сделать прогноз для
13 квартала от начала наблюдений.
Уравнение
тренда
Сезонная
компонента
по
кварталам
T  5,715  0,186  t
S1  0,581
S2  1,979
а) y13  5,715  0,186 13 1,294 ;
б) y13  5,715  0,186 131,294;
в) y13  5,715  0,186 13  0,581;
г) y13  5,715  0,186 13 0,581.
64
S3  1,294
S4  2,69
4.34. Построена мультипликативная модель временного ряда с
экспоненциальным трендом и сезонными колебаниями в 4 года. Сделать
прогноз для 3 года от начала наблюдений.
Уравнение
T  90,59  2,773  t
тренда
Сезонная
S1  0,913
S2  1,202
компонента
по годам
а) y15  90,59  2,773 15 1,082 ;
S3  1,082
S4  0,803
б) y15  90,59  2,773 151,082 ;
в) y15  90,59  2,773 15 : 1,082 ;
г) y15  90,59  2,773 15 1,082 .
4.35. Динамическая модель отличается от других видов эконометриB
ческих моделей тем, что в такой модели:
а) в данный момент времени учитывают значения входящих в нее
переменных, относящихся к текущему времени;
б) в данный момент времени учитывают значения входящих в нее
переменных, относящихся к текущему и к предыдущему моментам времени.
4.3 S. Лаговые значения переменных непосредственно включены в
модель:
а) авторегрессии;
б) адаптивных ожиданий;
в) с распределенным лагом;
г) неполной (частичной) корректировки.
4.37. Модели авторегрессии характеризуются тем, что они:
а) содержат в качестве факторных переменных лаговые значения
результативного признака;
б) учитывают желаемое значение факторного признака в период (t+1);
в) учитывают желаемое (ожидаемое) значение результативного
признака в период (t+1).
4.38. Этот коэффициент характеризует среднее абсолютное измеB
нение yt при изменении xt на 1 единицу своего измерения в некоторый
фиксированный момент времени t , без учета воздействия лаговых
значений фактора x. Этот коэффициент называют:
а) краткосрочным мультипликатором;
б) долгосрочным мультипликатором;
65
в) промежуточным мультипликатором.
65
4.33. В модели с распределенным лагом yt  a  b0 xt  b1xt 1  bl xt 4  t
найдены коэффициенты регрессии
b0
0,07
b1
0,04
b2
0,06
b3
0,12
b4
0,23
Укажите величину долгосрочного мультипликатора.
а) 0,07;
б) 0,11;
в) 0,52.
4.40. В модели с распределенным лагом yt  a  b0 xt  b1xt 1  bl xt 4  t
найдены коэффициенты регрессии
b0
0,07
b1
0,04
b2
0,06
b3
0,12
b4
0,23
Какая доля воздействия изменения фактора x на фактор y реалиB
зуется в текущем периоде?
а) 13 %;
б) 7 %;
в) 28 %.
4.41. В модели с распределенным лагом yt  a  b0 xt  b1xt 1  bl xt 4  t
найдены коэффициенты регрессии
b0
6,63
b1
2,44
b2
0,32
b3
0,26
b4
2,26
Какая доля воздействия изменения фактора x на фактор y реалиB
зуется в период времени  t 1 ?
а) 20 %;
б) 10 %;
66
в) 26 %.
66
4.42. В модели с распределенным лагом yt  a  b0 xt  b1xt 1  bl xt 4  t
найдены относительные коэффициенты регрессии
β0
0,557104
β1
0,205267
β2
0,026715
β3
0,021448
β4
0,189466
Укажите величину среднего лага:
а) 1,5 года;
б) 4 года;
в) 1,1 года.
4.43. Для некоторой модели адаптивных ожиданий в процессе преобразоB
*
ваний получен механизм формирования ожиданий xt1
 0,76x t  (1 0,76)x*t .
Как ожидаемое значение x t*1 адаптируется к предыдущим реальным
значениям?
а) не зависит от реальных значений;
б) медленно;
в) быстро.
4.44. В результате анализа фактических данных получена модель
авторегрессии yt  3 100yt 1  20xt  t . Общее абсолютное изменение
результата в момент времени (t+1) равно:
а) 2000;
б) 300;
в) 60;
г) 6000.
4.45. Результативный признак зависит от ожидаемых значений
факторного признака:
а) в краткосрочной модели функции адаптивных ожиданий;
б) в долгосрочной функции модели частичной корректировки;
в) в краткосрочной функции модели частичной корректировки;
г) в долгосрочной модели функции адаптивных ожиданий.
4.4 S. Для некоторой модели частичной корректировки механизм
формирования ожиданий получен в виде равенства
позволяет сделать вывод о том, что
67
а)
корректиро
вка проходит быстро;
б) корректировка происходит за один период;
67
yt  yt 1  t . Это
в) корректировка не происходит;
г) корректировка происходит медленно.
4.47. Как называются модели временных данных в эконометрике,
объясняющие поведение результативного признака в зависимости от
предыдущих значений факторных переменных?
а) модели ожиданий;
б) модели авторегрессий;
в) модели с распределенным лагом;
г) модели стационарных рядов;
д) модели нестационарных рядов.
4.48. Как называются модели временных данных в эконометрике,
объясняющие поведение результативного признака в зависимости от
будущих значений факторных или результативных переменных?
а) модели ожиданий;
б) модели авторегрессий;
в) модели с распределенным лагом;
г) модели стационарных рядов;
д) модели нестационарных рядов.
Раздел 5. Системы одновременных уравнений
Системы одновременных уравнений могут быть представлены в
структурной и приведенной формах.
Основными составляющими обеих форм записи являются эндогенB
ные и экзогенные переменные. Эндогенные переменные (y) определяются внутри модели и являются зависимыми переменными. Экзогенные переменные (x) определяются вне системы и являются независимыми переменными. Предполагается, что экзогенные переменные
не коррелируют с ошибкой регрессии в соответствующем уравнении.
Простейшая структурная форма модели имеет вид:
 y1  b12y2  a11x1  1,
y b y a x  .
 2 21 1 22 2 2
Классификация переменных на эндогенные и экзогенные зависит
от теоретической концепции принятой модели. Экономические переменные могут выступать в одних моделях как эндогенные, в других как
экзогенные переменные. Внеэкономические переменные, например,
климатические условия, входят в систему как экзогенные переменные.
68
В качестве экзогенных могут рассматриваться значения эндогенных
переменных за предшествующий период времени (лаговые переменные). Так, потребление текущего года может зависеть не только от
ряда экономических факторов, но и от уровня потребления в предыдущем году. Целесообразно в качестве экзогенных переменных
выбирать те, которые могут быть объектом регулирования.
Структурная форма модели в правой части содержит:
 коэффициенты при эндогенной переменной – bi ;
 коэффициенты при экзогенной переменной – a j ;
 переменные модели выражены в отклонениях от среднего
уровня, т.е. под x подразумевается x  x , а под y – соответственно
y  y . Поэтому свободный член в каждом уравнении отсутствует.
Использование МНК для оценивания коэффициентов структурной
модели дает, как принято считать в теории, смещенные и несостоятельные оценки. Поэтому обычно для определения структурных коэффициентов структурная форма модели преобразуется в приведенную.
Приведенная форма модели представляет собой систему линейных
функций эндогенных переменных от экзогенных. Для простейшей
структурной модели соответствующая приведенная модель имеет вид:
 y1  11x1  12x2  u1,
y  x   x  u .
 2
21 1
22 2
2
Ее можно получить, выразив y2 из первого уравнения структурной
модели:
y2 
y1  a11x1
.
b12
Выполнив подстановку во второе уравнение, после необходимых
преобразований получим
a
a b
y1 1 b11b x1 122b 12
b x2 .
12 21
Аналогично, выразив
12 21
y1 из второго уравнения и произведя
подстановку в первое, получим
a b
a22
y2 111b 21
x

1
b
1 b b x2 .
12 21
12 21
69
Применяя МНК, можно оценить , а затем найти значения эндогенных переменных через экзогенные.
69
При переходе от приведенной формы модели к структурной исследователь сталкивается с проблемой идентификации. Идентификация –
это единственность соответствия между приведенной и структурной
формой модели. В зависимости от условий определения структурных
коэффициентов модели по приведенным коэффициентам любая структурная модель может быть отнесена к одному из трех классов: идентифицируемая, неидентифицируемая и сверхидентифицируемая.
Модель идентифицируема, если все структурные коэффициенты
однозначно определяются через приведенные коэффициенты.
Модель неидентифицируема, если структурные коэффициенты
невозможно найти по приведенным коэффициентам.
Модель сверхидентифицируема, если структурные коэффициенты,
выраженные через приведенные коэффициенты, имеют два и более
числовых значений.
В идентифицируемой модели количество структурных и приведенных коэффициентов одинаково. Если структурных коэффициентов
больше (меньше), чем приведенных, то модель соответственно неидентифицируема (сверх идентифицируема).
Проверка структурной модели на идентифицируемость позволяет
установить степень возможности оценивания коэффициентов структурных уравнений по коэффициентам приведенных уравнений.
Структурная модель всегда представляет собой систему
совместных уравнений, каждое из которых необходимо проверять на
идентификацию. Модель считается идентифицируемой, если каждое ее
уравнение идентифицируемо. Если хотя бы одно из уравнений системы
неидентифицируемо, то и вся модель считается неидентифицируемой.
Сверхидентифицируемая
модель
содержит
хотя
бы
одно
сверхидентифицируемое уравнение.
Рассмотрим необходимое условие идентификации.
Если обозначить число эндогенных переменных уравнения через H,
а число экзогенных переменных, которые содержатся в системе, но не
входят в данное уравнение, – через D, то необходимое условие
идентифицируемости модели может быть записано в виде следующего
счетного правила:
D  1  H – уравнение идентифицируемо;
D  1  H – уравнение неидентифицируемо;
D  1  H – уравнение сверхидентифицируемо.
Для оценки параметров структурной модели система должна быть
идентифицируема или сверхидентифицируема.
70
Более точным (достаточным) условием идентификации является
следующее:
Уравнение идентифицируемо, если по отсутствующим в нем переB
менным (эндогенным и экзогенным) можно из коэффициентов при них в
других уравнениях системы получить матрицу, определитель которой
не равен нулю, а ранг матрицы не меньше, чем в число эндогенных
переменных в системе без одного.
Для решения идентифицируемых уравнений применяется косвенный метод наименьших квадратов, для решения сверхидентифицированных – двухшаговый метод наименьших квадратов.
Косвенный МНК состоит в следующем:
1) составляют приведенную форму модели и определяют численные значения параметров для каждого ее уравнения в отдельности с
помощью обычного МНК;
2) путем алгебраических преобразований переходят от приведенной формы к уравнениям структурной формы модели, получая тем
самым численные оценки структурных параметров.
Двухшаговый МНК заключается в следующем:
1) составляют приведенную форму модели и определяют численные значения параметров каждого ее уравнения в отдельности с
помощью обычного МНК;
2) выявляют эндогенные переменные, находящиеся в правой части
структурного уравнения (параметры которого определяют двухшаговым МНК) и находят расчетные значения по полученным на первом
этапе соответствующим уравнениям приведенной формы модели;
3) с помощью обычного МНК определяют параметры каждого
структурного уравнения в отдельности, используя в качестве исходных
данных фактические значения предопределенных переменных и
расчетные значения эндогенных переменных, стоящих в правой части
данного структурного уравнения,
5.1. Системами эконометрических уравнений являются:
а) системы одновременных уравнений;
б) системы рекурсивных уравнений;
в) системы нормальных уравнений;
г) системы независимых уравнений.
5.2. Система одновременных уравнений отличается от других видов
эконометрических систем тем, что в ней:
а) эндогенная переменная одного из уравнений находится в другом
уравнении системы в качестве фактора;
71
б) одни и те же эндогенные переменные системы в одних уравнениях находятся в левой части, а в других уравнениях – в правой части;
в) каждая эндогенная переменная является функцией одной и той
же совокупности экзогенных переменных.
5.3. МНК не позволяет получить состоятельные и несмещенные
оценки параметров системы:
а) рекурсивных уравнений;
б) одновременных уравнений;
в) независимых уравнений.
5.4. Если структурные коэффициенты модели выражены через
приведенные коэффициенты и имеют более одного числового значения,
то такая модель:
а) сверхидентифицируема;
б) неидентифицируема;
в) идентифицируема.
5.5. Количество структурных и приведенных коэффициентов одинаB
ково в модели:
а) сверхидентифицируемой;
б) неидентифицируемой;
в) идентифицируемой.
5.S. Изучите взаимосвязь переменных в системе одновременных
уравнений:
 ;
 y  c b y b y
y 1,t  c10  b14  y4,t  b12  y1,t 1  1 ;
 2,t
20
23
3,t
22
2,t 1
2
 y c b y a x  ;
31
1,t
3
 3,t 30 34 4,t

y4,t  y1,t  y2,t  x2,t ,
где y1,t – расходы на потребление в период t;
y1,t 1 – расходы на потребление в период (tB1);
y2,t – инвестиции в период t;
y2,t 1 – инвестиции в период (tB1);
y3,t – процентная ставка в период t;
y4,t – совокупный доход в период t;
x1,t – денежная масса в период t;
72
y2,t – расходы государства в период t;
t – текущий период;
tB1 – предыдущий период.
Найдите предопределенные переменные среди совокупностей:
а) инвестиции в период (t 1) ; расходы на потребление в период
(t 1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t 1); расходы
государства в период t ; расходы на потребление в период (t 1).
5.7. Изучите взаимосвязь переменных в системе одновременных
уравнений:
 ;
 y  c b y b y
y 1,t  c10  b14  y4,t  b12  y1,t 1  1 ;
 2,t
20
23
3,t
22
2,t 1
2

y  c  b  y  a31  x1,t  3 ;
 3,t 30 34 4,t

y4,t  y1,t  y2,t  x2,t ,
где y1,t – расходы на потребление в период t;
y1,t 1 – расходы на потребление в период (tB1);
y2,t – инвестиции в период t;
y2,t 1 – инвестиции в период (tB1);
y3,t – процентная ставка в период t;
y4,t – совокупный доход в период t;
x1,t – денежная масса в период t;
y2,t – расходы государства в период t;
t – текущий период;
tB1 – предыдущий период.
Найдите эндогенные переменные среди совокупностей:
а) инвестиции в период (t 1); расходы на потребление в период (t 1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t 1); расходы
государства в период t ; расходы на потребление в период (t 1).
73
5.8. Изучите взаимосвязь переменных в системе одновременных
уравнений:
 ;
 y  c b y b y
y 1,t  c10  b14  y4,t  b12  y1,t 1  1 ;
 2,t
20
23
3,t
22
2,t 1
2

y  c  b  y  a31  x1,t  3 ;
 3,t 30 34 4,t

y4,t  y1,t  y2,t  x2,t ,
где y1,t – расходы на потребление в период t;
y1,t 1 – расходы на потребление в период (tB1);
y2,t – инвестиции в период t;
y2,t 1 – инвестиции в период (tB1);
y3,t – процентная ставка в период t;
y4,t – совокупный доход в период t;
x1,t – денежная масса в период t;
y2,t – расходы государства в период t;
t – текущий период;
tB1 – предыдущий период.
Найдите экзогенные переменные среди совокупностей:
а) инвестиции в период (t 1); расходы на потребление в период (t 1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t 1); расходы
государства в период t ; расходы на потребление в период (t 1).
5.3. Изучите взаимосвязь переменных в системе одновременных
уравнений:
 ;
 y  c b y b y
y 1,t  c10  b14  y4,t  b12  y1,t 1  1 ;
 2,t
20
23
3,t
22
2,t 1
2

y  c  b  y  a31  x1,t  3 ;
 3,t 30 34 4,t

y4,t  y1,t  y2,t  x2,t ,
где y1,t – расходы на потребление в период t;
y1,t 1 – расходы на потребление в период (tB1);
y2,t – инвестиции в период t;
74
y2,t 1 – инвестиции в период (tB1);
y3,t – процентная ставка в период t;
y4,t – совокупный доход в период t;
x1,t – денежная масса в период t;
y2,t – расходы государства в период t;
t – текущий период;
tB1 – предыдущий период.
Найдите лаговые эндогенные переменные среди совокупностей:
а) инвестиции в период (t 1); расходы на потребление в период (t 1);
б) денежная масса в период t ; расходы государства в период t ;
в) расходы на потребление в период t ; инвестиции в период t ;
процентная ставка в период t ; совокупный доход в период t ;
г) денежная масса в период t ; инвестиции в период (t 1); расходы
государства в период t ; расходы на потребление в период (t 1).
5.10. В структурной модели
 ;
 y  c b y b y
y 1,t  c10  b14  y4,t  b12  y1,t 1  1 ;
 2,t
20
23
3,t
22
2,t 1
2

y  c  b  y  a31  x1,t  3 ;
 3,t 30 34 4,t

y4,t  y1,t  y2,t  x2,t ,
где y1,t – расходы на потребление в период t;
y1,t 1 – расходы на потребление в период (tB1);
y2,t – инвестиции в период t;
y2,t 1 – инвестиции в период (tB1);
y3,t – процентная ставка в период t;
y4,t – совокупный доход в период t;
x1,t – денежная масса в период t;
x2,t – расходы государства в период t;
t – текущий период;
tB1 – предыдущий период.
Не требует проверки на идентификацию равенство, описывающее
зависимость:
а) расходов на потребление в период t от совокупного дохода в
период t и расходов на потребление в период (t 1);
75
б) инвестиций в период t от процентной ставки в этот же период и
от инвестиций в период (t 1);
в) совокупного дохода в период t от расходов государства, расходов
на потребление и инвестиций в такой же период t ;
г) процентной ставки в период t от совокупного дохода и денежной
массы в такой же период t .
5.11. Проверили на идентифицируемость одно из уравнений модели:
 ;
y  c  b y  b y
 1,t 10 14 4,t 12 1,t 1 1
y c b y b y
 ;
20
23 3,t
22 2,t 1
2
 2,t
y c b y a x  ;
30
34 4,t
31 1,t
3
 3,t
y  y  y  x ,
1,t
2,t
2,t
 4,t
где y1,t – расходы на потребление в период t ;
y1,t 1 – расходы на потребление в период (t 1);
y2,t – инвестиции период t ;
y2,t 1 – инвестиции в период (t 1);
y3,t – процентная ставка в период t ;
y4,t – совокупный доход в период t ;
x1,t – денежная масса в период t ;
x2,t – расходы государства в период t ;
t – текущий период;
(t  1) – предыдущий период.
Получили, что в этом уравнении находятся две эндогенные переменB
ные ( n  2 ) и отсутствуют три предопределенные переменные ( p  3) ,
т.е. n  p  1. Достаточное условие идентификации для уравнения
выполняется: определитель матрицы, составленный из коэффициентов
при переменных, которых нет в этом уравнении, не равен нулю, и ранг
этой матрицы равен трем. Таким образом, сверхидентифицирумым
является:
а) первое уравнение системы;
б) второе уравнение системы;
в) третье уравнение системы;
76
г) первое, второе и третье уравнения.
76
5.12. Определите, для какого уравнения структурной модели
 y1  c10  b13y3  1;
y c a x  ;
 2 20 21 1 2

y3  b32 y2  a32 x2  3
выполняется необходимое условие идентифицируемости:
а) в первом уравнении;
n  2 ( y1 и y3 – эндогенные переменные в уравнении);
p  2 ( x1 и x2 – экзогенные переменные, которых нет в уравнении);
б) во втором уравнении;
n  1( y1 – эндогенная переменные в уравнении);
p  1 ( x2 – экзогенная переменная, которой нет в уравнении);
в) в третьем уравнении;
n  2 ( y2 и y3 – эндогенные переменные в уравнении);
p  1 ( x1– экзогенная переменная, которой нет в уравнении).
5.13. Приведенная форма модели имеет вид:
 y~ 1  3x1  4x2;
 ~  5x  6x .
y
 2
1
2
Три студента вычисляли структурные коэффициенты и получили
разные ответы. Определите, кто из них прав:
y~  15y~ 10x2,
а)  1  24y2~  8x ;
y~
 2
1
1
3
2
 ~  y~  x ,
y
 1
б)
4 2 4 2

y~  6 y~  2 x1;
 2 5 1 5

3
2
 ~  y~  x ,
y
 1
в)
5 2 5 2

6
2
y~ 2  y~  x1.


4 1 4
77
5.14. Найдите правильную последовательность шагов алгоритма
косвенного МНК:
а) I. Приведенная форма модели преобразуется в структурную форму.
II. Параметры структурной формы модели оцениваются с помощью
МНК.
77
III. Структурная форма модели преобразуется в приведенную
форму.
б) I. Параметры приведенной формы модели оценивается с помощью МНК.
II. Приведенная форма модели преобразуется в структурную
форму.
III. Структурная форма модели преобразуется в приведенную
форму.
в) I. Структурная форма модели преобразуется в приведенную
форму.
II. Параметры приведенной формы модели оцениваются с помощью
МНК.
III. Приведенная форма модели преобразуется в структурную
форму.
78
МОДУЛЬ № 1
Эндогенные переменные – это
1)
датированные предыдущими моментами времени
2)
независимые переменные
3)
зависимые переменные
1.
Какое определение соответствует понятию «эконометрика»:
1.
это наука, предметом изучения которой является количественное
выражение взаимосвязей
экономических явлений и процессов
2.
это наука, предметом изучения которой является количественная сторона массовых социально-экономических
явлений и процессов в конкретных условиях места и времени
3.
это наука, предметом изучения которой являются общие закономерности случайных явлений и методы количественной оценки влияния случайных факторов
4.
это наука, предметом изучения которой являются модели экономических объектов и процессов и методы их
исследования
2.
Какова цель эконометрики:
1.
разработать
способы
моделирования
и
количественного
анализа реальных экономических объектов
2.
представить экономические данные в наглядном виде
3.
определить
способы
сбора
и
группировки
статистических
данных
4.
изложить в математической формулировке экономические законы
3. Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1) модель цены от объема
поставки; 2) модель спроса и предложения; 3) модель тренда и сезонности; 4) модель зависимости объема производства
от производственных факторов:
1,4
2, 4
2, 3
все
4. Набор сведений о разных объектах, взятых за один период времени, называется:
пространственными данными
временными данными
панельными данными
статистическими данными
5.
Выберите аналог понятия «независимая переменная»:
фактор
экзогенная переменная
регрессор
эндогенная переменная
результат
6.
Рассмотрите модель зависимости общей величины расходов на питание от располагаемого личного дохода (х)
и цены продуктов питания (р): у=а0+а1х+а2р+𝜀. Определите класс модели и вид переменных модели:
регрессионная модель с одним уравнением; эндогенная переменная -расходы на питание, экзогенные переменные
— располагаемый личный доход и цена продуктов питания
регрессионная модель с одним уравнением; эндогенная переменная — расходы на питание, экзогенная переменная —
располагаемый личный доход, предопределенная переменная — цена продуктов питания
модель временного ряда; эндогенная переменная — расходы на питание, лаговые переменные — располагаемый личный
доход и цена продуктов питания
модель временного ряда; эндогенная переменная — расходы на питание, экзогенные переменные — располагаемый
личный доход и цена продуктов питания.
7. Найдите правильную последовательность этапов эконометрического моделирования:
постановочный, априорный, параметризации, информационный, идентификации, верификации
постановочный, априорный, информационный, параметризации, идентификации, верификации
информационный, постановочный, априорный, параметризации, верификации, идентификации
8. Верификация модели — это:
проверка истинности, адекватности модели
определение вида экономической модели, выражение в математической форме взаимосвязи между ее переменными
определение исходных предпосылок и ограничений модели
анализ изучаемого экономического явления
9. Какая задача эконометрики является задачей параметризации модели:
выбор вида функции, спецификация модели, формулировка исходных предпосылок и ограничений модели
1
составление прогноза и рекомендаций для конкретных экономических явлений по результатам эконометрического
моделирования
оценка параметров построения модели
построение
эконометрических
моделей
для
эмпирическое
анализа
10. Спецификация модели — это:
выражение в математической форме выявленных связей и соотношений, установление состава эндогенных и
экзогенных переменных
определение
цели
исследования
и
выбор
экономических
переменных модели
проведение статистического анализа модели, оценка качества ее параметров
сбор необходимой статистической информации
11. На основании рядов данных для переменных X и Y построено уравнение регрессии: yˆ  a1  a2 x  5 1,25x .
Какое из следующих высказываний является верным:
все высказывания неверны
оценка коэффициента a2 =1,25 означает, что если значение переменной Х увеличится в среднем на 1,25, то значение
переменной Y при прочих равных условиях увеличится на 1 единицу
оценка коэффициента a2 =1,25 означает, что если значение переменной Y увеличится на 1 единицу, то значение
переменной X при прочих равных условиях увеличится в среднем на 1,25
если при прочих равных условиях значение переменной Х удвоится, то значение переменной Y возрастет в среднем на
25%
12. Найдите верное высказывание. Эластичность показывает:
на сколько % изменится результирующий показатель y при изменении фактора xk на 1 %
на сколько единиц изменится фактор xk при изменении результирующего показателя y на 1 единицу
на сколько единиц изменится результирующий показатель y при изменении фактора xk на 1 единицу
на сколько % изменится фактор xk при изменении результирующего показателя y на 1 %
все высказывания неверны
13. Какое из уравнений регрессии нельзя свести к линейному виду:
𝒚 = 𝒂𝟎 + 𝒂𝟏𝒙𝒂𝟐
𝟏 + ⋯+ 𝜺
y  0  1 x1 ...  n x n  .
y  e0 x1... x  n  .
n
1
y   0  1 / x 1 ...  n / x n   .
все уравнения можно свести к линейному виду.
14. Какое из уравнений регрессии является степенным:
𝒚 = 𝒆𝒂𝟎 𝒙𝒂𝟏
𝟏 ∗𝜺
y  0  1 x2
1  ...   .
y  0  х1 х 2  .
1
2
y  0  1 x2
1   .
ни одно из уравнений не является степенным
15. Какое предположение о матрице факторов Х не является предпосылкой классической линейной
регрессионной модели.
матрица факторов Х содержит все важнейшие факторы, определяющие изменения зависимой переменной
матрица факторов Х – невырожденная (независимые переменные не коррелируют друг с другом
длина исходного ряда данных больше, чем количество факторов (достаточное число степеней свободы)
независимые переменные экзогенны
все предположения являются предпосылками классической регрессионной модели.
16. Какое предположение о результирующем показателе является предпосылкой классической регрессионной модели:
результирующий показатель является количественным, причем на него не накладываются особые ограничения
результирующий показатель измеряется в порядковой шкале
результирующий показатель измеряется в номинальной шкале
результирующий показатель измеряется в дихотомической (бинарной) шкале
ни одно из предположений не является предпосылкой классической регрессионной модели
17. Какое предположение о векторе случайной составляющей не является предпосылкой классической
регрессионной модели:
все предположения являются предпосылками классической модели случайная составляющая имеет нулевое
математическое ожидание
случайная составляющая имеет постоянную дисперсию (свойство гомоскедастичности)
2
отсутствует автокорреляция случайной составляющей
случайная составляющая обладает нормальным распределением
18. Критерий Стьюдента предназначен для
определения статистической значимости каждого из коэффициентов уравнения регрессии
определения экономической значимости каждого из коэффициентов уравнения регрессии
определения статистической значимости модели в целом на основе совокупной достоверности всех ее коэффициентов
определения экономической значимости регрессионной модели в целом
ни одно из высказываний не верно
19. Критерий Стьюдента используется в эконометрическом моделировании
И для определения статистической значимости каждого из коэффициентов уравнения регрессии и для расчетов
доверительных интервалов коэффициентов уравнения регрессии и прогнозного интервала зависимой величины Только
для определения статистической значимости каждого из коэффициентов уравнения регрессии
Только для определения экономической значимости каждого из коэффициентов уравнения регрессии
Только для расчетов доверительных интервалов коэффициентов уравнения регрессии и прогнозного интервала
зависимой величины
Ни одно из высказываний не верно
20. Если коэффициент уравнения регрессии (k ) статистически значим, то
k 0
k>1
|k|>1
k> 0
Ни один из ответов не верен
21. Если коэффициент уравнения регрессии (bk ) статистически значим, то
0<bk< 1
bk >1
bk 0
bk< 1
|bk|>1
22. Табличное значение критерия Стьюдента зависит
Только от уровня доверительной вероятности и длины исходного ряда
И от уровня доверительной вероятности, и от числа факторов, включенных в модель и от длины исходного ряда
Только от уровня доверительной вероятности
Только от числа факторов, включенных в модель
Только от длины исходного ряда
23. Критерий Фишера показывает
Статистическую значимость модели в целом на основе совокупной достоверности всех ее коэффициентов
Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель
Тесноту связи между фактическими и расчетными значениями результирующего показателя
Экономическую значимость модели в целом
Ни одно из утверждений не верно
24. Табличное значение критерия Фишера зависит
И от уровня доверительной вероятности, и от числа факторов, включенных в модель и от длины исходного ряда
Только от уровня доверительной вероятности
Только от числа факторов, включенных в модель
Только от длины исходного ряда
Только от уровня доверительной вероятности и числа факторов, включенных в модель
24. Модель в целом статистически значима, если
Fф Fкр
Fф Fкр
 Fф Fкр
Fф = Fкр
Ни один из ответов не верен.
25. Критерий Дарбина-Уотсона применяется для Ни
одно из высказываний не верно
Определения экономической значимости модели в целом
Определения статистической значимости модели в целом
Сравнения двух альтернативных вариантов модели
Отбора факторов в модель
26. Коэффициент детерминации показывает
Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель
3
Тесноту связи между фактическими и расчетными значениями результирующего показателя в базисном периоде
Статистическую значимость модели в целом на основе определения совокупной достоверности всех ее коэффициентов
Экономическую значимость модели в целом
Ни одно из высказываний не верно
27. Зависимость между коэффициентами множественной детерминации (D) и корреляции (R) описывается
следующей формулой:
R=D
R2 = 1–D2
D2=1–R2
D=R
Ни одной из формул
28. Рассчитанный по выборке коэффициент корреляции оказался равным «–1». Это означает, что между
изучаемыми переменными есть функциональная линейная отрицательная связь
между изучаемыми переменными есть слабая отрицательная линейная связь
между изучаемыми переменными есть связь, но она не является линейной
между изучаемыми переменными отсутствует связь
полученное число никак не интерпретируется
29. Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1». Это означает, что
увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу рублей
увеличение цены на 1% снижает спрос на мобильные телефоны на 1%
увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу рублей
полученное число никак не интерпретируется
Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в рублях)
оказался равным «–1.25». Это означает, что
увеличение цены на 1 тысячу рублей снижает спрос на стулья на 1250 рублей
30. Уравнение Y=+k+(1-)l+u, где Y - темп прироста выпуска, k - темп прироста затрат капитала и l - темп
прироста затрат труда, может быть оценено как модель линейной регрессии:
непосредственно, с помощью обычного МНК, как зависимость Y от k и l со свободным членом
непосредственно, с помощью обычного МНК, как зависимость Y от k и l без свободного члена
как линейную зависимость (Y-k) от (l-k) со свободным членом
как линейную зависимость (Y-k) от (l-k) без свободного члена
невозможно оценить данную зависимость с помощью обычного МНК; требуется нелинейный МНК
31. В модели множественной линейной регрессии высокая корреляция между двумя объясняющими переменными
приводит к:
невозможности определения изолированного влияния регрессоров на зависимую переменную и однозначной их
интерпретации
несостоятельности оценок коэффициентов, полученных по методу наименьших квадратов
неэффективности оценок коэффициентов, полученных по методу наименьших квадратов
значительной дисперсии оценок коэффициентов, полученных по методу наименьших квадратов
равенству нулю оценок коэффициентов, полученных по методу наименьших квадратов
32. В правой части структурной формы взаимозависимой системы могут стоять
Любые экзогенные и эндогенные переменные
Только экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
Только эндогенные лаговые переменные
Только эндогенные переменные (как лаговые, так и нелаговые)
33.
В правой части приведенной формы взаимозависимой системы могут стоять
Эндогенные лаговые и экзогенные переменные (как лаговые, так и нелаговые)
Только экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
Только эндогенные переменные (как лаговые, так и нелаговые)
Любые экзогенные и эндогенные переменные
34.
Для оценки структурных коэффициентов целесообразно использовать
Двухшаговый метод наименьших квадратов
Косвенный метод наименьших квадратов
Обычный метод наименьших квадратов
Обобщенный метод наименьших квадратов
Нецелесообразно использовать ни один из перечисленных методов
35. Коэффициент наклона линии регрессии
4
может принимать любое значение
всегда находится от –1 до 1
никогда не бывает отрицательным
равен коэффициенту корреляции
не может быть равен нулю
36. Коэффициент уравнения регрессии показывает
На сколько ед. изменится результат при изменении фактора на 1 ед.
На сколько % изменится результат при изменении фактора на 1 %
На сколько % изменится фактор при изменении результата на 1 %
На сколько ед. изменится фактор при изменении результата на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
37. Коэффициент эластичности показывает
На сколько % изменится результат при изменении фактора на 1 %
На сколько ед. изменится фактор при изменении результата на 1 ед.
На сколько ед. изменится результат при изменении фактора на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
На сколько % изменится фактор при изменении результата на 1 %
38. Какое из уравнений регрессии является показательным?
𝒚 = 𝒂𝟎𝒂𝒙𝟏𝒂𝒙𝟐 ∗ 𝜺
𝟏
𝟐
y   0  1 x 2
1  ...   .
y  e0 x1 1 .
y   0  1 / x 2  ...   .
1
y   0  1 x 2
1   .
39. Найдите предположение, являющееся предпосылкой классической модели.
Результирующий показатель является количественным
Результирующий показатель измеряется в порядковой шкале
Результирующий показатель измеряется в номинальной шкале
Результирующий показатель измеряется в дихотомической шкале
Результирующий показатель может быть и количественным и качественным
42. Табличное значение критерия Стьюдента не зависит от
значений коэффициентов регрессии
от уровня доверительной вероятности
от числа факторов в модели
от длины исходного ряда
все ответы верны
44. В правой части структурной формы взаимозависимой системы не могут стоять
Все ответы не верны
Экзогенные лаговые переменные
Экзогенные переменные (как лаговые, так и нелаговые)
Эндогенные лаговые переменные
Эндогенные переменные
Все ответы верны
45. В правой части приведенной формы системы одновременных уравнений не могут стоять
Эндогенные переменные
Экзогенные лаговые переменные
Экзогенные переменные (как лаговые, так и нелаговые)
Эндогенные лаговые переменные
Все ответы верны
Все ответы не верны
46. В каких пределах изменяется множественный коэффициент корреляции от 0
до 1
от –1 до 0
от –1 до 1
от 0 до 10
47. Для вычисления прогноза значения эндогенной переменной в рамках модели множественной регрессии нужно
знать
5
значения экзогенных переменных
значение случайного возмущения, u
6
значение эндогенной переменной Y
значения экзогенных и эндогенной переменных
48. Коэффициент корреляции, равный нулю, означает, что между переменными
линейная связь отсутствует
существует линейная связь
ситуация не определена
не существует связи
50. В регрессионном анализе xj рассматриваются как
неслучайные величины
случайные величины
любые величины
дробные величины
51. Коэффициент регрессии изменяется в пределах от
принимает любое значение
–1 до 1
0 до 1
принимает только целые значения
52. В каких пределах изменяется коэффициент детерминации от
0 до 1
от –1 до 0
от –1 до 1
от 0 до 10
53. В хорошо подобранной модели остатки должны (выберите необходимые пункты)
иметь нормальный закон распределения с нулевым математическим ожиданием и постоянной дисперсией не
коррелировать друг с другом
иметь экспоненциальный закон распределения
хаотично разбросаны
форма и вид распределения не важен
54. Неправильный выбор функциональной формы или объясняющих переменных называется
ошибками спецификации
ошибками прогноза
гетероскедастичностью
автокорреляцией
55. Коэффициент детерминации это квадрат
коэффициента корреляции квадрат частного
коэффициента корреляции квадрат
коэффициента регрессии
квадрат коэффициента эластичности
57. Величина, рассчитанная по формуле
парного коэффициента корреляции
коэффициента детерминации
частного коэффициента корреляции
r
xy  x * y
 x y
является оценкой
множественного коэффициента корреляции
58. Выборочный коэффициент корреляции r по абсолютной величине не
превосходит единицы
не превосходит нуля
принимает любые значения
не превосходит 10
59. Как интерпретируется в парной линейной модели коэффициент регрессии b
тангенс угла наклона регрессии
коэффициент эластичности
значение результативного признака при нулевом значении фактора
доля изменчивости зависимой переменной
60. Как интерпретируется в парной линейной модели коэффициент регрессии а?
значение результативного признака при нулевом значении фактора коэффициент
эластичности
тангенс угла наклона регрессии
доля изменчивости зависимой переменной
62. Применим ли метод наименьших квадратов для расчёта параметров нелинейных моделей?
7
к определенному классу моделей
применим после специального приведения к линейному виду
нет
да
63. Применим ли метод наименьших квадратов для расчёта параметров показательной зависимости?
применим после её приведения к линейному виду путём логарифмирования
нет
да
в зависимости от исходных данных
64. Применим ли метод наименьших квадратов для расчёта параметров степенной зависимости?
применим после её приведения к линейному виду путём логарифмирования
нет
да
в зависимости от исходных данных
65. Что показывает коэффициент регрессии степенной модели?
на сколько процентов изменится y, если x изменился на один процент на
сколько единиц изменится y, если x изменился на единицу относительную
величину изменения y при изменении x на единицу абсолютную величину
изменения y при изменении x на единицу
66. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде коэффициент
абсолютного прироста не изменяется?
линейную
показательную
степенную
экспоненциальную
67. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде коэффициент
эластичности не изменяется?
степенную
линейную
показательную
экспоненциальную
68. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде цепные
коэффициенты роста не изменяются?
экспоненциальную
линейную
показательную
степенную
69. Если коэффициент корреляции положителен, то в парной линейной модели с
ростом х увеличивается у
с ростом х уменьшается у
с уменьшением х растёт у
xи y независимы
70. Если коэффициент корреляции отрицателен, то в парной линейной модели с
ростом х уменьшается у
с ростом х увеличивается у
с уменьшением х уменьшается у
xи y независимы
71. С помощью какого критерия оценивается значимость множественных коэффициентов регрессии? tСтьюдента
хи-квадрат
d-критерия
F – критерия
R2
n  m 1
F 
*
2
1 R
m
число m это
72. В формуле
число независимых переменных модели
количество оцениваемых коэффициентов в функции регрессии
количество предопределённых переменных в функции регрессии
количество наблюдений
73. Критерий Фишера используется для
проверки гипотезы о значимости уравнения регрессии в целом
8
проверки гипотезы о значимости коэффициентов регрессии
9
проверки автокоррелированности остатков
проверки на однородность выборок
проверки на гетероскедастичность
74. Рассчитанный по выборке коэффициент корреляции оказался равным 1. Это означает, что между
изучаемыми переменными есть функциональная линейная прямая связь
между изучаемыми переменными есть слабая отрицательная линейная связь
между изучаемыми переменными есть связь, но она не является линейной
между изучаемыми переменными отсутствует связь
полученное число никак не интерпретируется
75. Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в
тыс.рублях) оказался равным «–2». Это означает, что
увеличение цены на 1 тысячу рублей снижает спрос на стулья на две тысячи рублей
увеличение цены на 1% снижает спрос на стулья на 2%
увеличение цены на 1 рубль снижает спрос на стулья на 2%
увеличение цены на 1% снижает спрос на стулья на две тысячи рублей
полученное число никак не интерпретируется
76. Связь называется корреляционной:
если каждому значению факторного признака соответствует множество значений результативного признака, т.е.
определенное статистическое распределение
если каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного
признака;
если каждому значению факторного признака соответствует целое распределение значений результативного признака
если каждому значению факторного признака соответствует строго определенное значение факторного признака
77. По аналитическому выражению различают связи:
линейные
криволинейные
обратные
парные
78.
Регрессионный анализ заключается в определении:
аналитической формы связи, в которой изменение результативного признака обусловлено влиянием одного или
нескольких факторных признаков, а множество всех прочих факторов, также оказывающих влияние на результативный
признак, принимается за постоянные и средние значения
тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков
(при многофакторной связи)
статистической меры взаимодействия двух случайных переменных
степени статистической связи между порядковыми переменными
79.
Под частной корреляцией понимается:
зависимость между результативным и одним факторным признаками при фиксированном значении других
факторных признаков
зависимость результативного признака и двух и более факторных признаков, включенных в исследование
связь между двумя признаками (результативным и факторным или двумя факторными)
зависимость между качественными признаками
80.
Какое значение не может принимать парный коэффициент корреляции: 1,111
-0,973
0,005
0,721
81.
При каком значении линейного коэффициента корреляции связь между признаками Y и X можно считать тесной
(сильной):
-0,975
0,657
-0,111
0,421
82.
Какой критерий используют для оценки значимости коэффициента корреляции: tкритерий Стьюдента
F-критерий Фишера
критерий Пирсона
d-критерий Дарбина—Уотсона
83.
Если парный коэффициент корреляции между признаками и X равен«-1», то это означает:
наличие обратной функциональной связи
отсутствие связи
10
наличие обратной корреляционной связи
наличие прямой функциональной связи
84.
Если парный коэффициент корреляции между признаками Y и X принимает значение 0,675, то
коэффициент детерминации равен: (возводим в квадрта)
45,6
82,2
-67,5
57,6
85.
Согласно методу наименьших квадратов минимизируется следующее выражение:
𝒏
∑(𝒚𝒊 − 𝒚̂𝜾 ) 𝟐
𝒊=𝟏
n
( y  ŷ )
i
i
i1
n
 y  ŷ
i
i
i 1
n
( y  y )
2
i
i
i1
86. Оценки параметров регрессии (свойства оценок МНК) должны быть:
несмещенными
состоятельными
эффективными
гетероскедатичными
87.
В уравнении линейной парной регрессии параметр b, означает:
на какую величину в среднем изменится результативный признак у, если переменную х увеличить на единицу
измерения
усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов;
среднее изменение результативного признака при изменении факторного признака на 1%
какая доля вариации результативного признака у учтена в модели и обусловлена влиянием на нее переменной х
88.
Значение параметра b в уравнении линейной парной регрессии определяется по формуле:
𝒙𝒚−𝒙∙𝒚
𝟐
𝒙𝟐−𝒙
𝑦− 𝑏𝑥̅
∑(х − х)(𝑦 − 𝑦)
√(𝑥̅ − 𝑥̅)2 ∑(𝑦 − 𝑦) 2
𝑎0 ∗ 𝑥̅𝑎1
89.
Уравнение
регрессии
имеет
вид
𝐲̂
=
2,02
+
0,78х.
На
сколько
единиц своего измерения в среднем изменится 𝐲̂ при увеличении х на одну единицу своего измерения: увеличится на
0,78
увеличится на 2,02
увеличится на 2,80
не изменится
90.
Какой критерий используют для оценки значимости уравнения регрессии:
F- критерий Фишера tкритерий Стьюдента
критерий Пирсона
d-критерий Дарбина—Уотсона
91.
Какой коэффициент определяет среднее изменение результативного признака при изменении факторного
признака на 1%:
коэффициент эластичности
коэффициент регрессии
коэффициент детерминации
коэффициент корреляции
92. Уравнение степенной функции имеет вид:
𝟏
𝒚
̂ = 𝒂𝟎 ∗ 𝒙𝒂
𝒙
11
𝑦= 𝑎 + 𝑎
12
̂𝑥̅ = а0 + а1х + а2х2
𝑦
̂𝑥̅𝑦= а0 *𝑎𝑥̅ 1
93. Уравнение гиперболы𝟏 имеет вид:
𝐲̂ = 𝐚 + 𝐚
𝐱
𝟎
𝟏𝐱
1
̂𝑥̅ = 𝑎0 ∗ 𝑥̅𝑎
𝑦
̂𝑥̅ = а0 + а1х + а2х2
𝑦
𝑥̅
̂𝑦
𝑥̅ = а0 *𝑎 1
94. Индекс корреляции определяется по формуле:
∑(𝐲𝐢 − 𝐲̂𝐢 ) 𝟐
√𝟏 −
∑(𝐲𝐢 − 𝐲) 𝟐
𝑆2
√1 − 𝗌2
𝑆𝑦
𝑟2 √
𝑦𝑥̅
𝑛−2
1 − 𝑦𝑥̅
𝑟2
√∑𝑛
𝑆𝗌2
(𝑥̅𝑖 − 𝑥̅)2
𝑖=1
95. В каких пределах изменяется множественный коэффициент корреляции: 0
<𝑹𝒚𝒙𝟏𝒙𝟐 <1
0 <𝑅𝑦𝑥̅ 1𝑥̅2 <∞
-1<𝑅𝑦𝑥̅ 1𝑥̅2 <1
-∞<𝑅𝑦𝑥̅1𝑥̅2 <∞
96. В каких пределах изменяется множественный коэффициент детерминации?
0 <𝑹𝟐𝒚𝒙𝟏𝒙𝟐 <1
2
1 <𝑅𝑦𝑥̅
<∞
1𝑥̅2
2
-1<𝑅𝑦𝑥̅1𝑥̅2 < 1
2
- ∞<𝑅𝑦𝑥̅
<1
1𝑥̅2
97.
Частный коэффициент корреляции оценивает:
тесноту связи между двумя переменными при фиксированном значении остальных факторов
тесноту связи между двумя переменными
тесноту связи между тремя переменными
тесноту связи между зависимой переменной и всеми факторами, включенными в модель
98.
Какой коэффициент указывает в среднем процент изменения результативного показателя Y при
увеличении аргумента х на 1%:
коэффициент эластичности
коэффициент детерминации
коэффициент регрессии
бета-коэффициент
99. Множественный линейный коэффициент корреляции 𝐑𝐲,𝐱𝟏,𝐱𝟐 равен 0,75. Какой процент вариации зависимой
переменной Y учтен в модели и обусловлен влиянием факторов х1 и х2.
56,25
75,05
37,56
0,75
100.
Какое значение может принимать множественный коэффициент корреляции: 0,861
1,501
-0,453
-1,72
101.
Уравнение множественной регрессии имеет вид:
у̂= -27,16 + 1,37х1, -0,29х2. Параметр b1 = 1,37 означает следующее:
при увеличении х1, на одну единицу своего измерения и при фиксированном значении фактора х2, переменная
Yувеличится на 1,37 единиц своего измерения
13
при увеличении х1, на одну единицу своего измерения переменная Yувеличится на 1,37 единиц своего измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора х2, переменная Yувеличится
14
на одну единицу своего измерения
при увеличении х1 на 1,37 единиц своего измерения переменная Yувеличится на одну единицу своего измерения
102.
Системами эконометрических уравнений являются:
системы
одновременных
уравнений системы
рекурсивных
уравнений системы независимых
уравнений
системы нормальных уравнений
103.
Система одновременных уравнений отличается от других видов эконометрических систем тем, что в ней:
одни и те же эндогенные переменные системы в одних уравнениях находятся в левой части, а в других уравнениях — в правой части
эндогенная переменная одного уравнения находится в другом уравнении системы в качестве фактора
каждая эндогенная переменная является функцией одной и той же совокупности экзогенных переменных
104. МНК позволяет получить состоятельные и несмещенные оценки параметров системы:
рекурсивных уравнений
независимых уравнений
одновременных уравнений
105.
Экзогенные переменные модели характеризуются тем, что они:
являются независимыми и определяются вне системы
датируются предыдущими моментами времени
являются зависимыми и определяются внутри системы
являются лаговыми переменными
106.
Выберите аналог понятия «эндогенная переменная»:
результат
зависимая переменная, определяемая внутри системы
фактор
предопределенная переменная
107. Если структурные коэффициенты модели выражены через приведенные коэффициенты и имеют более одного
числового значения, то такая модель:
сверхидентифицируемая
неидентифицируемая
идентифицируемая
рекурсивная
108.
Количество структурных и приведенных коэффициентов одинаково в модели:
идентифицируемой
сверхидентифицируемой
неидентифицируемой
рекурсивной
109. Найдите правильную последовательность шагов алгоритма применения двухшагового МНК:
1) Преобразование структурной формы модели в приведенную
2) Процесс оценки параметров приведенной формы с помощью МНК
3) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных переменных
правой части сверхидентифицируемого уравнениямодели
4) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения
эндогенных и фактические значения предопределенных переменных
1) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных переменных правой
части сверхидентифицируемого уравнения модели
2) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения эндогенных и
фактические значения предопределенных переменных
3) Преобразование структурной формы модели в приведенную
4) Процесс оценки параметров приведенной формы с помощью МНК
1) Процесс оценки параметров приведенной формы с помощью МНК
2) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных переменных правой
части сверхидентифицируемого уравнения модели
3) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения эндогенных и
фактические значения предопределенных переменных
4) Преобразование структурной формы модели в приведенную
110.
Аддитивная модель ряда динамики представляет собой:
𝒚𝒕 = 𝑻𝒕 + 𝑺𝒕 + 𝜺𝒕
𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝑡
15
𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 + 𝜀𝑡
111.
Мультипликативная модель ряда динамики представляет собой:
𝒚𝒕 = 𝑻𝒕 ∗ 𝑺𝒕 ∗ 𝜺𝒕
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝑡
112.
Укажите правильную функцию логарифмического тренда:
𝒚̂𝒕 = 𝒂𝟎 + 𝒂𝟏 ∗ 𝐥𝐧 𝒕𝒊
1
𝑦̂𝑡 = 𝑎0+𝑎1𝑡
𝑙
+1
113. Укажите правильную функцию гиперболического тренда:
𝟏
𝒚̂𝒕 = 𝒂𝟎 + 𝒂𝟏 ∗
𝒕𝒊
1
𝑦̂𝑡 = 𝑎0+𝑎1𝑡
𝑙
+1
114. В формуле t 
b
число b это
se(b)
случайный член
коэффициент регрессии
независимая переменная
зависимая переменная
115. Дана следующая макроэкономическая модель: Y =
C + I + G - макроэкономическое тождество C =
α +βY + U1- функция потребления
I =γ – µ∙R + δY + U2- функция инвестиций
M = ηY – λR + U3- уравнение денежного рынка
где эндогенными переменными являются доход Y, потребление C, инвестиции I и процентная ставка R. Переменные G
(государственные расходы) и (M) (реальная денежная масса) – экзогенные. Выберите верное утверждение из следующих.
функция инвестиций неидентифицируема
функция потребления неидентифицируема
функция инвестиций однозначно идентифицируема
функция потребления однозначно идентифицируема
функция инвестиций сверхидентифицируема
116. Значимость линейного коэффициента корреляции проверяется с помощью
F – критерия
нормального закона распределения
t-критерия Стьюдента
Критерия Дарбина-Уотсона
117. Имеются следующие данные:
коэффициент регрессии b = 1,341:
стандартная ошибка коэффициента регрессии se(b) = 0,277.
Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tта6л =2,11 при уровне
значимости 𝛂 = 0,05.
0,207, коэффициент незначим
4,841, коэффициент значим (b/se(b) и сравнить с табличным)
4,841, коэффициент незначим
16
0,372, коэффициент значим
118. Как в степенной модели интерпретируется коэффициент регрессии b?
тангенс угла наклона регрессии
значение результативного признака при нулевом значении фактора
коэффициент эластичности
доля изменчивости зависимой переменной
119. Квадрат какого коэффициента в парной регрессии указывает долю дисперсии одной случайной величины,
обусловленную вариацией другой
коэффициент детерминации
частный коэффициент корреляции
парный коэффициент корреляции
множественный коэффициент корреляции
C t  a1  a2Y t  t ;
120. Найдите приведенную форму, соответствующую структурной форме модели Y t
𝑪𝒕 =
𝒀𝒕 =
𝒂𝟏
𝒂𝟐
𝟏
𝑰𝒕 +
+
𝟏 − 𝒂 𝟐 𝟏 − 𝒂𝟐
𝟏 − 𝒂 𝟐 𝜺𝒕
𝒂𝟏
𝒂𝟐
𝟏
𝟏 − 𝒂𝟐
+
𝟏 − 𝒂𝟐
𝑰𝒕 +
𝟏−𝒂
𝟐𝜺
𝒕
C t  a1  a2Y t  t ;
Y 
a1
t
1  a2
Ct 
a1



1  a2
Y 
t
 I t  Ct .
a1
1  a2
1
t
1  a2
1
.
1  a2
t
1  a2
t
Y t  It  Ct.
a2
It
;
C 
1
1  a2

1
t
1  a2
I .
t
t
Y 
t
a2
I 
1
;
1  a2
t
1  a2
t

I 
1  a2

a1
C 
a1

1  a2
a1
1  a2
a2
1  a2

1
1  a2
I ;
t
I .
t
121. На основании рядов данных для переменных X и Y построено уравнение регрессии: yˆ  a1  a2 x  5 1,25x
. Если х=2, то эластичность результирующего показателя y относительно фактора х :
0,33 =b* (хсреднее/a+b*хсред)= 1,25* (2/(5+1,25*2)
1,25
2
7,5
4,6875
П
122. По 39 точкам оценена следующая формула производственной функции, в которой отдельно рассмотрены две
составляющие затрат основного капитала: K1 - здания и сооружения, и K2 - машины и оборудование; а также две
составляющие затрат труда: L1 - затраты квалифицированного труда, и L2 - затраты неквалифицированного труда;
17
Y – выпуск:
ln(Y)=-4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) + 0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38); R2 =0,92; DW=1,74
(в скобках приведены стандартные ошибки коэффициентов).
Какой из выводов и дальнейших шагов представляется Вам верным?
Имеет место мультиколлинеарность, поэтому нужно объединить факторы K1и K2
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1и L2
Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым
18
Отклонения ei автокоррелированы, нужно изменить формулу зависимости
Формула зависимости приемлема по всем приведенным параметрам, и изменения не нужны

Значения фактора xt можно
123. По данным с 1990 по 1998 гг. построено уравнение регрессии
спрогнозировать по трендовой модели xt=1+0,2t. Рассчитайте точечный прогноз результирующего показателя yt в
2000 г.
106
106,4
102,8
102,44
Ни один из ответов не верен 100+2(1+0,2)= 102,04????
124. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество

y   0 , 832  4 , 743 x1  0 , 175 x 2 . Каков будет товарооборот магазина, если он
посетителей в день, тыс. чел.
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
3,911 млн.руб.
7,411 млн.руб. -0,832+4,743*1+0,175*20
все ответы неверны
125. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество

посетителей в день, тыс. чел. y   0 , 832  4 , 743 x1  0 , 175 x 2 . Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
6,411 млн.руб.
3,911 млн.руб.
все ответы неверны
126. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид 𝐲̂ = 2,02 + 0,78x, х= 5,0; у= 6,0: 0,66 =
(0,78*5/6)
0,94
1,68
2,42
127. Выбор формы зависимости экономических показателей и определение количества факторов в модели
называется
1. идентификацией
2. апробацией
3. спецификацией
4. линеаризацией
эконометрической модели.
128. При построении эконометрических моделей множественная регрессия используется в случае, если число
в модели больше или равно двум.
1. случайных факторов
2. зависимых и независимых переменных
3. независимых переменных
19
4. зависимых переменных
129. Линейные эконометрические модели описывают линейные взаимосвязи между …
1. зависимой переменной и случайными факторами
2. независимыми переменными и случайными факторами
3. зависимой и независимыми переменными
4. независимой и зависимыми переменными
130. Спецификация модели множественной линейной регрессии в матричной форме имеет вид
...
1.
2.
3.
4.
131. Для линейного уравнения множественной регрессии проблема спецификации модели связана ...
1. анализом качества уравнения регрессии
2. переходом к стандартизации переменных
3. с отбором факторов, включаемых в модель
4. расчетом оценок параметров регрессии
132. Неправильный выбор вида эконометрической модели называют ошибкой…
1. измерения переменных
2. агрегирования переменных
3. спецификации модели
4. параметризации модели
133. Включение случайных возмущений в уравнения эконометрической модели является одним из принципов
1. верификации
2. линеаризации
3. спецификации
4. идентификации
134. Отбрасывание значимой переменной в уравнении множественной регрессии является ошибкой ...
1. верификации
2. идентификации
3. спецификации
20
4. параметризации
135. Регрессионная модель с одним факторным признаком называется ...
1. рекурсивной
2. стандартизированной
3. парной
4. множественной
136. Этап параметризации модели включает в себя…
1. проверку качества уравнения в целом
2. прогноз экономических показателей
3. проверку качества параметров модели
4. оценку параметров модели
137. Эконометрическая модель предполагает
характер связи между переменными
1. стохастический (вероятностный)
2. строго случайный
3. несущественный
4. строго детерминированный
138. Спецификация модели множественной линейной регрессии имеет вид ...
1.
2.
3.
4.
139. Объясняемые, зависимые переменные в моделях любого типа называются …
1. лаговыми
2. предопределенными
3. эндогенными
4. экзогенными
140. Эконометрические модели относятся к классу
экономико–математических моделей.
1. оптимизационных
2. описательных
3. стохастических
4. детерминированных
141. Проверка тесноты связи между факторами может быть осуществлена на основе …
1. значений стандартизованных коэффициентов
2. частных уравнений регрессии
3. матрицы парных коэффициентов корреляции
4. вектора значений коэффициентов регрессии
142. При отборе факторов в модель множественной регрессии проводят анализ значений межфакторной …
1. регрессии
2. автокорреляции
3. корреляции
4. детерминации
143. Количественная измеримость значений экономического признака (фактора), включаемого в
эконометрическую модель, является ...
1. принципом спецификации
2. предпосылкой линеаризации
3. общим требованием к факторам, включаемым в линейную множественную регрессию
4. условием гомоскедастичности эконометрической модели
144. Отсутствие сильной корреляции факторов друг с другом является ...
1. условием отсутствия автокорреляции остатков
2. предпосылкой линеаризации
3. требованием к факторам, включаемым в линейную модель множественной регрессии
4. условием гомоскедастичности эконометрической модели
145. .Если в линейной множественной регрессии более, чем две независимые переменные связаны между собой
достаточно тесной линейной зависимостью, тогда имеет место
факторов.
1. гомоскедастичность
2. автокорреляция
3. мультиколлинеарность
21
4. коллинеарность
146. Взаимодействие факторов эконометрической модели означает, что …
1. влияние факторов на результирующий признак усиливается, начиная с определенного уровня значений факторов
2. факторы не дублируют влияние друг друга на результат
3. факторы дублируют влияние друг друга на результат
4. влияние одного из факторов на результирующий признак не зависит от значений другого фактора
147. Факторы эконометрической модели являются коллинеарными, если коэффициент
между ними по
модулю
0,7.
1. корреляции … меньше
2. детерминации … меньше
3. корреляции … больше
4. детерминации … больше
148. Матрица парных линейных коэффициентов корреляции отображает…
1. значения стандартизированных коэффициентов линейной регрессии
2. вероятность значимости каждой объясняющей переменной
3. тесноту линейной связи между переменными
4. величину вклада каждой объясняющей переменной в общую дисперсию зависимой переменной
150. В эконометрическую модель множественной регрессии включаются
факторы.
1. мультиколлинеарные
2. коллинеарные
3. существенные
4. несущественные
151. Отсутствие коллинеарности и мультиколлинеарности является обязательным требованием для факторов,
включаемых в уравнение
регрессии.
1. нелинейной показательной
2. нелинейной полулогарифмической
3. множественной линейной
4. нелинейной степенной
152. Мультиколлинеарность – это линейная связь между…
1. объясняющими и зависимой переменными
2. одной объясняющей и зависимой переменными
3. соседними случайными отклонениями
4. объясняющими переменными
153. Для отбора факторов множественной линейной модели регрессии рассматривается вопрос о взаимосвязи
фактора и результата при неизменности прочих факторов, которые фиксируются, как правило, на среднем уровне.
В этом случае используется ...
1. автокорреляционная функция
2. матрица частных коэффициентов корреляции
3. матрица множественных коэффициентов корреляции
4. коррелограмма для факторов модели
154. Оценка удельного веса влияния каждой из объясняющих переменных на результирующий показатель
является задачей …
1. кластерного анализа 2. метода наименьших квадратов
3. регрессионного анализа
4. математического анализа
155. Функциональная (строгая) или достаточно тесная (нестрогая) линейная зависимость между
объясняющими переменными называется…
1. несмещенностью
2. мультиколлинеарностью
3. гетероскедастичностью
4. автокорреляцией
156. Пусть в результате оценки модели множественной регрессии каждый из оцененных параметров является
незначимым на 5%-ном уровне, а уравнение в целом (коэффициент детерминации) является значимым на том же
уровне. Тогда можно предположить, что…
1. в остатках модели присутствует автокорреляция
2. в остатках модели присутствует гетероскедастичность
3. среди объясняющих переменных есть мультиколлинеарные
22
4. связь между зависимой переменной и независимыми отсутствует
157. Исходные значения фиктивных переменных предполагают
значения.
1. одинаковые
2. количественно измеримые
3. качественные
4. нулевые
158. Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении
множественной регрессии не является
потребителя.
1. уровень образования
2. семейное положение
3. доход
4. пол
159. Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на
результат признаков
характера .
1. случайного
2. несущественного
3. качественного
4. количественного
160. Фиктивными переменными могут быть…
1. только зависимые переменные
2. только случайные факторы
3. как зависимая, так и объясняющие переменные
4. как объясняющие переменные, так и случайные факторы
161. В качестве фиктивной переменной в эконометрическую модель могут быть включены переменные,
отражающие
наблюдаемого признака
1. случайный характер
2. нулевые значения
3. качественные характеристики
4. количественные значения
162. Факторные переменные уравнения множественной регрессии, преобразованные из качественных в
количественные, называются …
1. аномальными
2. парными
3. фиктивными
4. множественными
163. Модель, содержащая фиктивную переменную, относится к
модели .
1. оптимизационной
2. сетевой
3. регрессионной
4. фиктивной
164. Фиктивная переменная является
величиной.
1. кусочно-непрерывной
2. случайной
3. дискретной
4. непрерывной
165. Влияние фиктивной переменной наклона на регрессионную модель состоит в …
1. устранении гетероскедастичности остатков
2. увеличении дисперсии оценок параметров
3. изменении коэффициента перед факторным признаком, взаимодействующим с качественной переменной
4. изменении величины свободного слагаемого
166. Фиктивные переменные заменяют …
1. случайные ошибки
2. количественные данные
3. качественные переменные
4. прогнозируемые значения
23
167. Примерами фиктивных переменных могут служить:
1. возраст
2. пол
3. образование
4. доход
168. Фиктивными переменными в уравнении множественной регрессии могут быть …
1. экономические показатели, выраженные в стоимостном измерении
2. качественные переменные, преобразованные в количественные
3. переменные, исходные значения которых не имеют количественного значения
4. количественные переменные
169. Для учета действия на зависимую переменную факторов качественного характера (так называемых
фиктивных переменных) последним могут присваиваться …
1. цифровые метки
2. значения 0 и 1
3. несущественные значения
4. стоимостные значения
170. Исследуется зависимость цены квартиры от ряда факторов: х1 - жилой площади, х2 - стоимости квадратного
метра жилья, х3 - расположения квартиры относительно углов дома (угловая или не угловая), х4 – расположения
квартиры на этаже (первый этаж, последний этаж, не первый и не последний этаж). Фиктивными переменными в
модели являются
1. х3
2. х1
3. х4
4. х2
171. Проводится эконометрическое моделирование зависимости объема продаж компании от ряда факторов: х1 –
цены на товар, х2 – степени известности торговой марки фирмы, х3 – дохода потребителя, х4 – уровня интенсивности
рекламной деятельности (высокий уровень – массированная реклама; средний уровень – регулярно повторяющаяся;
низкий уровень – время от времени повторяющаяся). Фиктивными переменными в модели не являются …
1. х1
2. х2
3. х3
4. х4
171. Укажите правильный вариант ответа относительно числа зависимых переменных, включаемых в
уравнение регрессии:
1. несколько переменных
2. количество зависимых переменных равно количеству независимых
3. только одна переменная
4. в парной регрессии одна зависимая переменная, во множественной – несколько зависимых переменных
172. Частное уравнение регрессии характеризует…
1. силу воздействия фактора на результат при положительных значениях других факторов
2. наличие или отсутствие мультиколлинеарности факторов
3. изолированное влияние фактора на результат при средних значениях других факторов
4. изолированное влияние фактора на результат при нулевых значениях других факторов
173. В эконометрическую модель множественной регрессии необходимо включить факторы,
оказывающие влияние на исследуемый показатель.
1. случайное
2. детерминированное
3. существенное
24
4. несущественное
174. В эконометрической модели среднее изменение результата при изменении фактора на 1 ед. измерения
характеризуется с помощью коэффициента …
1. детерминации
2. автокорреляции
3. регрессии
4. корреляции
175. В случае включения в модель переменной, которая не должна присутствовать в уравнении, как правило,
происходит увеличение …
1. F-критерия Фишера
2. коэффициента множественной корреляции
3. стандартных ошибок
4. коэффициента детерминации
176. Для модели зависимости среднедушевого (в расчете на одного человека) месячного дохода населения (р.) от
объема производства (млн. р.) получено уравнение у = 0,003х + 1200 + е. При изменении объема производства на 1
млн. р. доход в среднем изменится на …
1. 1200 р.
2. 1200 млн. р.
3. 0,003 р.
4. 0,003 млн. р.
177. В стандартизованном уравнении свободный член …
1. равен коэффициенту множественной корреляции
2. равен коэффициенту множественной детерминации
3. отсутствует
4. равен 1
178. В уравнении регрессии Y = a+bx+е зависимая переменная обозначается буквой …
1. a
2. b
3. Y
4. x
179. В уравнении регрессии Y = a+bx+е независимая переменная обозначается буквой …
1. a
2. b
3. x
4. Y
179. В линейном уравнении множественной регрессии
1. постоянной величиной 2. случайной величиной
3. зависимой переменной
4. независимой переменной
180. В линейном уравнении парной регрессии
величина у является
коэффициентом регрессии является значение…
1. параметра a
2. параметра b
3. переменной х
4. величины
181. В стандартизованном уравнении множественной регрессии
переменными
являются …1. стандартизованные параметры
2. исходные переменные y, x1, x2,…,xp
3. средние значения исходных переменных
4. стандартизованные переменные
25
182. В стандартизованном уравнении
стандартизованным
коэффициентом является …
1.
2.
3.
4.
183. На основе линейного уравнения множественной регрессии
получены
уравнения регрессии
,
которые называются ...
1. стандартизированными
2. рекурсивными
3. частными
4. нелинейными
184. В линейной модели множественной регрессии рассматриваются только
функции регрессии
1. линейные
2. степенные
3. квадратичные
4. показательные
185. При применении метода наименьших квадратов для оценки параметров уравнений регрессии
минимизируют
между наблюдаемым и моделируемым значениями зависимой переменной.
1. сумму разностей
2. квадрат суммы
3. сумму квадратов разности
4. квадрат разности (только для одного наблюдения)
186. В линейном уравнении множественной регрессии
метод наименьших квадратов
позволяет оценить значение параметра …
1. x1
2. x2
3. a
4. y
187. Коэффициенты "чистой" регрессии
уравнения множественной регрессии вида
…
1. не могут быть отрицательными
2. всегда меньше 1
3. некорректно сравнивать по величине
4. имеют одинаковый знак
188. В рамках метода наименьших квадратов (МНК) система нормальных уравнений – это система, решением
которой являются оценки
модели.
1. независимых переменных
2. отклонений параметров теоретической модели от параметров эмпирической
3. параметров теоретической
4. переменных теоретической
189. Название метода «метод наименьших квадратов» подразумевает, что сумма квадратов отклонений
значений результирующего признака от теоретических должна быть …
1. меньше средней ошибки аппроксимации
2. меньше уровня значимости, принятого при проверке статистических гипотез
3. минимальной
26
4. равной нулю
190. Систему МНК, построенную для оценки параметров линейного уравнения множественной регрессии
можно решить методом…
1. скользящего среднего
2. максимального правдоподобия
3. определителей
4. первых разностей
191. В исходном соотношении МНК сумма квадратов отклонений фактических значений результативного
признака от его теоретических значений …
1. центрируется
2. приравнивается к системе нормальных уравнений
3. минимизируется
4. максимизируется
192. Метод наименьших квадратов применяется для оценки …
1. параметров уравнений регрессии, внутренне нелинейных
2. существенности параметров уравнений регрессии
3. параметров линейных уравнений регрессии
4. качества линейных уравнений регрессии
193. Самым распространенным методом оценки параметров регрессии является метод наименьших …
1. моментов
2. разностей
3. квадратов
4. модулей
194. При оценке параметров линейных уравнений регрессии с помощью метода наименьших квадратов
минимизируют сумму квадратов разности между …
1. наблюдаемым и моделируемым значениями случайной величины
2. наблюдаемым и моделируемым значениями параметров
3. наблюдаемым и моделируемым значениями зависимой переменной
4. наблюдаемым и моделируемым значениями независимой переменной
195. В модели парной линейной регрессии Y=b0+b1X +e коэффициент b1 показывает…
1. на какую величину в среднем изменится Y, если X изменится на один процент
2. на сколько процентов в среднем изменится Y, если X изменится на одну единицу
3. на какую величину в среднем изменится Y, если X изменится на одну единицу
4. на сколько процентов в среднем изменится Y, если X изменится на один процент
196. Метод наименьших квадратов используется для оценки параметров
уравнений регрессии.
1. только нелинейных
2. нелинеаризуемых
3. только линейных
4. линейных и приводимых к линейным
197. Приведенное выражение
представляет собой
для
линейной двухфакторной модели регрессии.
1. систему нормальных уравнений
2. теорему Гаусса-Маркова
3. исходное положение метода наименьших квадратов
4. условие отсутствия автокорреляции остатков
198. Метод наименьших квадратов может применяться для оценки параметров регрессионных моделей, если эти
модели ...
1. характеризуются гетероскедастичностью случайных отклонений
2. имеют автокорреляцию в остатках
3. линейны по параметрам и факторным переменным
4. включают лаговую переменную
199. Для оценить
уравнений регрессии.
1. параметры и переменные
2. параметры
27
3. переменные
4. переменные и случайные величины
200. В линейной регрессионной модели
для каждого значения фактора
фактические значения
случайных отклонений имеют одинаковую дисперсию. Выполнение этого условия называют
остатков.
1. автокорреляцией
2. мультиколлинеарностью
3. гомоскедастичностью
4. гетероскедастичностью
201. Для линейной регрессионной модели
гетероскедастичностью называют свойство
дисперсии случайного отклонения при переходе от наблюдения к наблюдению проявлять ...
1. стремление к нулю
2. стремление к единице
3. изменчивость
4. постоянство
202. Для линейной регрессионной модели
гомоскедастичностью называют свойство
дисперсии случайного отклонения при любом наблюдении проявлять ...
1. стремление к нулю
2. тенденцию к уменьшению
3. постоянство
4. изменчивость
203. Дисперсия значения случайной компоненты в линейной регрессионной модели
зависит от
номера наблюдения. Это свидетельствует о(об)
остатков.
1. автокорреляции
2. равномерном распределении
3. гетероскедастичности
4. гомоскедастичности
204. Возможность перехода от точечного оценивания параметра классической линейной регрессии к
интервальному обеспечивается таким статистическим свойством оценок как ...
1. достоверность
2. смещенность
3. эффективность
4. состоятельность
205. Оценки, являющиеся линейными функциями от выборочных наблюдений, называются ...
1. несмещенными
2. эффективными
3. линейными
4. состоятельными
206. Для линейной регрессионной модели
величина и определенный знак фактического значения
случайной составляющей не должны обуславливать величину знак фактического значения другой случайной
составляющей
. Выполнение этого условия свидетельствует о(об)
остатков.
1. отсутствии гетероскедастичности
2. нормальном распределении
3. отсутствии автокорреляции
4. наличии гомоскедастичности
207. Истинная форма взаимосвязи между результирующей и объясняющими переменными в регрессионной
модели линейна относительно параметров. Это утверждение является ...
1. условием линеаризации
2. критерием Фишера
3. одной из основных предпосылок метода наименьших квадратов для оценки параметров регрессии
4. нарушением предпосылок метода наименьших квадратов
208. При наличии гетероскедастичности или автокорреляции в остатках для оценки параметров регрессии
применяется
метод наименьших квадратов.
1. двухшаговый
2. косвенный
3. обобщенный
4. традиционный
28
209. Нарушение условия независимости случайных составляющих в разных наблюдениях называют
случайной составляющей.
1. детерминированностью
2. гомоскедастичностью
3. автокорреляцией
4. гетероскедастичностью
210. Одной из предпосылок метода наименьших квадратов является утверждение ...
1. случайное отклонение должно иметь постоянное математическое ожидание, отличное от нуля
2. регрессионная модель является нелинейной относительно параметров
3. дисперсия случайного возмущения постоянна для всех наблюдений
4. случайное отклонение представляет собой линейную функцию от факторных переменных
211. График зависимости остатков et от времени t свидетельствует о наличии…
1. мультиколлинеарности данных
2. автокорреляции остатков
3. нелинейной связи между объясняющими переменными
4. отсутствии корреляции в остатках
212. Автокорреляцию в остатках модели линейной регрессии можно обнаружить с помощью критерия …
1. Гольдфельда–Квандта
2. Дарбина-Уотсона
3. Спирмена
4. Фишера
213. В случае нормального распределения остатков линейной регрессионной модели
проверка
статистической значимости каждого параметра возможна с помощью …
1. Энгеля–Грангера
2. Дарбина–Уотсона
3. критерия Стьюдента
4. критерия Фишера
214 .Математическое ожидание остатков равно нулю, если оценки параметров обладают свойством …
1. эффективности
2. состоятельности
3. несмещенности
4. смещенности
215. Оценка является несмещенной оценкой параметра если…
1. она стремится к истинному значению параметра с увеличением объема выборки
2. ее дисперсия с увеличением выборки не изменяется
3. ее математическое ожидание равно оцениваемому параметру
4. ее дисперсия меньше дисперсии других оценок
216. При применении метода наименьших квадратов свойствами эффективности, состоятельности и
несмещенности обладают оценки …
1. независимой переменной
2. случайной величины
3. параметров
4. зависимой переменной
217. Несмещенная оценка параметра имеет наименьшую дисперсию среди всех возможных несмещенных
оценок параметра , вычисленных по выборкам одного и того же объема . Такая оценка называется ...
1. несмещенной
2. асимптотически эффективной
3. эффективной
4. состоятельной
29
218. Статистическая оценка
параметра называется эффективной, если при заданном объеме выборки она имеет
1. математическое ожидание равное 1
2. максимальную дисперсию
3. наименьшую возможную дисперсию
4. максимальное математическое ожидание
219. Если оценка параметра эффективна, то это означает …
1. максимальную дисперсию остатков
2. уменьшение точности с увеличением объема выборки
3. наименьшую дисперсию остатков
4. равенство нулю математического ожидания остатков
220. Оценка является несмещенной оценкой параметра если…
1. она стремится к истинному значению параметра с увеличением объема выборки
2. ее дисперсия с увеличением выборки не изменяется
3. ее математическое ожидание равно оцениваемому параметру
4. ее дисперсия меньше дисперсии других оценок
221. Эффективной оценкой называется та, у которой …
1. дисперсия максимальна
2. смещенность выше
3. дисперсия минимальна
4. отсутствует смещенность
222. Состоятельность оценки характеризуется увеличением ее точности при ...
1. добавлении в уравнение дополнительной независимой переменной
2. переходе к обратной форме зависимости
3. увеличении объема выборки
4. уменьшении объема выборки
223. Если оценки параметров линейного уравнения регрессии обладают свойством состоятельности, то с
увеличением выборки точность оценки параметра…
1. увеличивается
2. стремится к нулю
3. не изменяется
4. уменьшается
224. Точечная оценка параметра регрессии зависит от …
1. дополнительной выборки
2. критического значения t–критерия Стьюдента
3. фактического значения t–критерия Стьюдента
4. данной выборки
225. Эмпирический коэффициент регрессии
является состоятельной оценкой теоретического
коэффициента регрессии
при условии, что ...
1. дисперсия оценки равна 1
2. сходится по вероятности к
при числе наблюдений, стремящемся к бесконечности
3. сходится по вероятности к
при числе наблюдений, стремящемся к 0
4. математическое ожидание оценки равно нулю
226. Состоятельной называется такая оценка параметра, которая дает
значение параметра для
большой выборки независимо от входящих в нее конкретных наблюдений.
1. минимальное
2. нулевое
3. точное
4. максимальное
227. Обобщенный метод наименьших квадратов рекомендуется применять в случае
остатков.
1. гомоскедастичных
2. отсутствия автокорреляции
3. наличия автокорреляции
4. нормально распределенных
30
228. Метод оценки параметров моделей с гетероскедастичными остатками называется …методом наименьших
квадратов.
1. минимальным
2. косвенным
3. обобщенным
4. обычным
229. Для регрессионной модели
с гетероскедастичностью остатков при
отсутствии автокорреляции остатков ковариационная матрица возмущений является ...
1. треугольной
2. вырожденной
3. диагональной
4. единичной
230. Множественная линейная регрессионная модель, в которой не выполняются условия гомоскедастичности и (или)
имеет место автокорреляция остатков, называется
регрессионной моделью.
1. парной
2. множественной линейной
3. обобщенной линейной
4. нелинейной
231. Обобщенный метод наименьших квадратов может использоваться для корректировки
1. доверительного интервала
2. стандартной ошибки
3. гетероскедастичности и автокорреляции
4. минимальной суммы квадратов
остатков.
232. Что преобразуется при применении обобщенного метода наименьших квадратов?
1. дисперсия факторного признака
2. коэффициент корреляции
3. исходные уровни переменных
4. дисперсия результативного признака
233. Для преодоления проблемы автокорреляции служит …
1. двухшаговый метод наименьших квадратов
2. косвенный метод наименьших квадратов
3. обобщенный метод наименьших квадратов
4. метод наименьших квадратов
234. Пусть случайные остатки eT в модели парной линейной регрессии подвержены воздействию авторегрессии
первого порядка: eT =r· eT-1+uT. Тогда для получения наилучших линейных несмещенных оценок используют
следующее преобразование переменных:
1. yT*= yT + r·yT-1; xT*= xT + r· xT-1
2. yT*=r· yT - yT-1; xT*= r·x T - x T-1
3. yT*= yT - r·yT-1; xT*= x T - r· x T-1
4. yT*= ryT;
xT*= rxT
235. Проявление гетероскедастичности в остатках удается устранить при помощи метода обобщенного метода
наименьших квадратов путем …
1. расчета критерия Дарбина–Уотсона гомоскедастичных остатков
2. введения в модель фиктивных переменных
3. преобразования переменных на основе коэффициента пропорциональности
4. расчета скорректированного коэффициента детерминации
236. Обобщенный метод наименьших квадратов применяется в случае…
1. автокорреляции переменных
2. мультиколлинеарности факторов
3. фиктивных переменных
4. автокорреляции остатков
31
237. На основании преобразования переменных при помощи обобщенного метода наименьших квадратов
получаем новое уравнение регрессии, которое представляет собой …
1. нелинейную регрессию, в которой переменные взяты с весами
2. нелинейную регрессию, в которой переменные взяты с весами
3. взвешенную регрессию, в которой переменные взяты с весами
4. взвешенную регрессию, в которой переменные взяты с весами
238. Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении
ОМНК…
1. остатки не изменяются
2. преобразуются исходные уровни переменных
3. уменьшается количество наблюдений
4. остатки приравниваются к нулю
239. Обобщенный метод наименьших квадратов может использоваться для корректировки
остатков.
1. стандартной ошибки
2. минимальной суммы квадратов
3. доверительного интервала
4. гетероскедастичности и автокорреляции
240. Обобщенный метод наименьших квадратов не используется в случае
остатков.
1. автокоррелированных
2. гомоскедастичных
3. гетероскедастичных остатков
4. присутствия автокорреляции в остатках
241. Коэффициент корреляции может принимать значения в интервале…
1. от -2 до 2
2. от 0 до 100
3. от -1 до 1
4. от 0 до 4
242. Положение на плоскости каждой точки корреляционного поля определяется значениями …
1. коэффициентов детерминации и корреляции
2. величинами остатков в предыдущем наблюдении и последующем
3. факторного и результативного признаков для конкретного наблюдения
4. коэффициентов автокорреляции первого и второго порядков
243. Коэффициент парной линейной корреляции между признаками Y и X равен 0,9. Следовательно, доля
дисперсии результативного признака Y, не объяснённая линейной парной регрессией Y по фактору X, будет равна
… 1 – (0,9)^2
1. 0,1%
2. 10%
3. 19%
4. 90%
244. Частный коэффициент корреляции
1.
2.
и
и
это означает, что…
независимы, когда величины
и фиксированы
линейно зависимы, когда величины и фиксированы
3.
и
линейно зависимы, когда величины
и
фиксированы
4.
и
независимы, когда величины
и
фиксированы
245. Тесноту линейной связи определяет коэффициент …
1. регрессии
2. существенности
3. корреляции
4. эластичности
246. Коэффициент парной линейной корреляции является …
1. размерной величиной, той же размерности, что результативный признак
2. безразмерной величиной
3. размерной величиной, той же размерности, что факторный признак
4. величиной с переменной единицей измерения
32
247. Коэффициент множественной линейной корреляции применяется для …
1. вычисления коэффициента парной линейной корреляции
2. диагностики гомоскедастичности остатков
3. определения тесноты связи между результатом и совокупностью факторов в случае множественной
линейной зависимости
4. определения значимости оценок параметров регрессии
248. Построена парная модель линейной регрессии
и рассчитан коэффициент парной линейной корреляции
. Такие результаты невозможны, так как …
1. коэффициент регрессии и коэффициент корреляции имеют разные знаки
2. свободный член регрессии больше коэффициента корреляции
3. свободный член регрессии и коэффициент корреляции имеют одинаковые знаки
4. коэффициент регрессии по модулю меньше коэффициента корреляции
249. Предпосылкой применения корреляционного анализа является утверждение:
1. совокупность значений факторных и результативных признаков имеет распределение Стьюдента
2. совокупность значений факторных признаков распределена по нормальному закону, а результативного – по
произвольному
3. совокупность значений результативного признака распределена по нормальному закону, а закон распределения
совокупности факторных признаков – произвольный
4. совокупность значений факторных и результативных признаков распределена по нормальному закону
250. В эконометрических моделях с m независимыми переменными наблюдаемые значения зависимой переменной
, i=1, 2, …, n, отличаются от модельных
на величину (
). В данных обозначениях формула для расчета
оценки остаточной дисперсии
имеет вид:
1.
2.
3.
4.
251. В эконометрических моделях «остаточная» дисперсия – это дисперсия…
1. наблюдаемых значений результативного признака
2. значений объясняющего фактора
3. отклонений наблюдаемых значений результативного признака от его расчетных значений
4. расчетных значений результативного признака
252. Отношение дисперсии результирующего признака, объясненной уравнением регрессии, к его общей
дисперсии называют …
1. наблюдаемым значением критерия Фишера
2. наблюдаемым значением критерия Стьюдента
3. коэффициентом детерминации
4. коэффициентом корреляции
253. Для множественной линейной регрессии значения скорректированного коэффициента детерминации
обычного коэффициента детерминации.
1. равны
2. ближе к единице
3. меньше
4. больше
254. Коэффициент множественной детерминации равен 0,49. Это означает, что …
1. 0,49 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 0,51 %
- прочими причинами
2. 0,51 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 0,49 %
- прочими причинами
3. 49 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 51 % прочими причинами
33
4. 51 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 49 % прочими причинами
255. Факторная дисперсия служит для оценки влияния …
1. величины постоянной составляющей в уравнении
2. случайных воздействий
3. учтенных явно в модели факторов
4. как учтенных факторов, так и случайных воздействий
256. Расчет значения коэффициента детерминации не позволяет оценить …
1. долю факторной дисперсии результативного признака в общей дисперсии результативного признака
2. долю остаточной дисперсии результативного признака в общей дисперсии результативного признака
3. существенность коэффициента регрессии
4. качество подбора уравнения регрессии
257. Равенство нулю коэффициента детерминации означает, что регрессионная модель не улучшает качество
оценки (прогноза) результата по сравнению с тривиальной оценкой –
значением результата.
1. наименьшим
2. оптимальным
3. средним
4. наибольшим
258. Формула расчета коэффициента детерминации имеет вид …
1.
2.
3.
4.
259. Статистическая значимость коэффициента детерминации построенного уравнения регрессии означает …
1. статистическую значимость только свободного члена регрессии
2. близость коэффициента детерминации к нулю
3. совокупную значимость оценок параметров регрессии
4. статистическую значимость только коэффициентов чистой регрессии
260. Качество подбора уравнения оценивает коэффициент …
1. эластичности
2. регрессии
3. корреляции
4. детерминации
261. В эконометрических моделях «объясненная» дисперсия – это дисперсия…
1. расчетных значений результативного признака
34
2. значений объясняющего фактора
3. случайных отклонений
4. наблюдаемых значений результативного признака
262. Значение коэффициента детерминации составило 0,64. Определите долю случайных факторов в общей
дисперсии зависимой переменной.
1. 0,8
2. 64 %
3. 0,64
4. 0,36
263. Пусть
, где y – фактическое значение зависимой переменной,
- теоретическое , рассчитанное
по уравнению значение зависимой переменной (объясненное уравнением регрессии), – ошибка модели. Тогда
значение
характеризует дисперсию …
1. зависимой переменной, объясненную уравнением регрессии
2. случайных факторов
3. фактических значений независимой переменной
4. фактических значений зависимой переменной
264. Коэффициент детерминации характеризует …
1. статистическую значимость уравнения регрессии
2. гомоскедастичность остатков модели
3. наличие или отсутствие автокорреляции остатков модели
4. адекватность регрессионной модели эмпирическим данным
265. В эконометрических моделях наблюдаемые значения зависимой переменной
, i=1, 2, …, n, отличаются от
модельных
на величину (
). В данных обозначениях формула для расчета общей суммы квадратов
имеет вид:
1.
2.
3.
4.
266 . Максимальная величина отношения объясненной и остаточной дисперсий, которая может иметь место при
случайном расхождении их при данном уровне значимости, является …
1. коэффициентом детерминации
2. коэффициентом корреляции
3. табличным значением
- критерия
4. табличным значением - критерия
267. Значение F–критерия Фишера зависит только от …
1. количества переменных
2. количества наблюдений
3. вида уравнения и числа степеней свободы
4. вида уравнения регрессии
268. В эконометрике отношение объясненной суммы квадратов отклонений к остаточной в расчете на одну
степень свободы называют …
1. среднеквадратическим отклонением
2. дисперсией
3. F-критерием
4. методом наименьших квадратов
269. В эконометрике для проверки статистической значимости уравнения в целом используют …
1. коэффициент Стьюдента
2. метод наименьших квадратов
3. F-критерий
4. t-статистику
35
270. В эконометрических моделях наблюдаемые значения зависимой переменной
модельных
на величину (
квадратов отклонений имеет вид:
, i=1, 2, …, n, отличаются от
). В данных обозначениях формула для расчета объясненной суммы
1.
2.
3.
4.
271. Число степеней свободы для суммы квадратов отклонений, объясненных парной линейной регрессией
, при
наблюдениях равно …
1.
2.
3. 1
4.
272. Остаточная дисперсия на одну степень свободы для парной линейной регрессии равна …
1.
2.
3.
4.
273. Общая дисперсия на одну степень свободы для множественной линейной регрессии, содержащей
факторов равна …
1.
2.
3.
4.
274. Остаточная сумма квадратов отклонений может интерпретироваться как мера …
1. влияния величины суммы квадратов отклонений на число степеней свободы
2. общего разброса наблюдаемой величины относительно
3. разброса остаточной величины, не объясненной уравнением регрессии
4. разброса величины
, объясненной с помощью регрессии, относительно
36
275. Объясненная сумма квадратов отклонений может интерпретироваться как мера разброса …
1. отклонений реальных значений зависимой переменной от ее расчетных значений
2. реальных значений независимой переменной относительно ее среднего значения
3. реальных значений зависимой переменной относительно ее среднего значения
4. расчетных значений зависимой переменной относительно ее среднего значения
276. Число степеней свободы определяется …
1. количеством рассматриваемых моделей
2. числом состояний случайной компоненты
3. числом свободы независимого варьирования признака (переменной, фактора)
4. количеством неучтенных в модели факторов
277. Сопоставляя объясненную и остаточную дисперсии в расчете на одну степень свободы, для линейной
регрессионной зависимости получим величину …
1. коэффициента корреляции
2. -статистики
3. критерия Дарбина–Уотсона
4. - статистики
278. Наиболее часто используемый порог вероятности безошибочности выводов при проверке статистических
гипотез в эконометрике...
1. 0.50
2. 1,0
3. 0,95
4. 0,99
279. На основе 12 наблюдений построена множественная линейная регрессия с тремя факторными признаками.
Остаточная сумма квадратов отклонений равна 24. Остаточная дисперсия на одну степень свободы равна …
1. 3 (не знаю, почему так, но нашла, что так)
2. 2
3. 8
4. 6
280. Оценка значимости параметров уравнения регрессии осуществляется по критерию …
1. Дарбина–Уотсона
2. Ингла–Грэнджера (Энгеля–Грангера)
3. Стьюдента
4. Гольдфельда-Квандта
281. Оценку существенности параметров множественного уравнения регрессии
проводят …
1. для переменных y, х1, х2, …, хk
2. для величины e
3. для каждого параметра
4. для всех параметров в целом
282. В случае использования критерия Стьюдента, параметр регрессии признается существенным, если
фактические значения соответствующего -критерия …
1. равны его критическому значению
2. больше нуля
3. больше, чем его критические значения
4. меньше, чем его критические значения
283. При проверке на существенность коэффициента регрессии по доверительному интервалу, было выявлено, что
этот коэффициент регрессии является значимым. Следовательно, построенный для него доверительный интервал …
1. больше критического доверительного интервала
2. меньше критического доверительного интервала
3. не содержит ноль
4. содержит ноль
284 .При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы выдвигается
нулевая гипотеза о …
1. равенстве факторной и остаточной дисперсий
2. статистической значимости построенного уравнения регрессии
3. равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой
переменной на зависимую переменную
37
4. отличии от нуля этого коэффициента регрессии и существенности влияния соответствующей независимой
переменной на зависимую переменную
285. Для оценки статистической значимости (существенности) параметров регрессии обычно служит
статистика…
1. нормального распределения
2. стандартного нормального распределения
3. Стьюдента
4. Фишера
286. Проводится оценка существенности параметров линейного уравнения множественной регрессии. Расчет
фактического значения - критерия выполняют как …
Варианты ответов. Кол-во правильных ответов - 1
1. стандартная ошибка коэффициента регрессии оценка параметра
2. стандартная ошибка коэффициента регрессии + оценка параметра
3. оценка параметра / стандартная ошибка коэффициента регрессии
4. стандартная ошибка коэффициента регрессии / оценка параметра
287. Для оценки статистической значимости коэффициента регрессии его величина сравнивается…
1. с математическим ожиданием остатков
2. с шириной его доверительного интервала
3. с его стандартной ошибкой
4. со стандартной ошибкой остатков
288. Выберите пропущенное в таблице значение
1. -1
2. 3/4
3. 12 t=b/se(b) => b =t*se(b)
4. 7
289. Критерий Стьюдента предназначен для определения значимости …
1. множественного коэффициента регрессии
2. случайной величины
3. построенного уравнения в целом
4. каждого коэффициента регрессии
290. Для уравнения регрессии
выдвигается нулевая статистическая гипотеза о том, что b=0,
которая используется для проверки существенности …
1. параметра a
2. переменной y
3. величины e
4. параметра b
291. При оценке существенности -го фактора проверялась существенность соответствующего параметра
, где
взято по таблицам -распределения Стьюдента. В этом случае …
1. для -ого фактора строится частное уравнение регрессии
2. в уравнение регрессии необходимо включить фиктивную переменную
3. -й фактор в уравнении регрессии признается несущественным
4. -й фактор в уравнении регрессии признается существенным
292. Если фактическое значение критерия Стьюдента для коэффициента регрессии равно 1, то этот
коэффициент…
1. также равен 1
2. является существенным
3. не может быть признан статистически значимым
4. статистически значим
293. При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается альтернативная гипотеза (обратная нулевой) о …
1. равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой
переменной на зависимую переменную
2. статистической значимости построенного уравнения регрессии
3. отличии от нуля этого коэффициента регрессии и существенности влияния соответствующей независимой
переменной на зависимую переменную
38
4. равенстве факторной и остаточной дисперсий
294. При выборе спецификации нелинейная регрессия используется, если …
1. нелинейная зависимость для исследуемых экономических показателей является несущественной
2. между экономическими показателями обнаруживается линейная зависимость
3. между экономическими показателями обнаруживается нелинейная зависимость
4. между экономическими показателями не обнаруживается нелинейная зависимость
295. Для описания закономерностей прироста экономических показателей от времени в эконометрике
используется лог-линейная модель линейная относительно фактора времени Х …
1.
2.
3.
4.
296. Запись
, где
–объем выпускаемой продукции
– объем основного капитала
– объем трудовых ресурсов
– неизвестные числовые параметры
означает …
1. мультипликативную модель временного ряда
2. автокорреляционную функцию
3. двухфакторную производственную функцию Кобба-Дугласа
4. линейное уравнение множественной регрессии
297. Использование полинома второго порядка в качестве регрессионной зависимости для однофакторной
модели обусловлено …
1. наличием случайных колебаний
2. отсутствием тенденции
3. изменением направления связи результирующего и факторного признаков
4. неоднородностью выборки
298. Для логистической функции
границей насыщения изучаемого явления является параметр
1.
2.
3.
4.
299. Парабола второй степени может быть использована для зависимостей экономических показателей, если …
1. для определенного интервала значений фактора меняется скорость изменений значений результата, то есть
возрастает динамика роста или спада
2. характер связи зависит от случайных факторов
3. для определенного интервала значений фактора меняется характер связи рассматриваемых показателей: прямая
связь изменяется на обратную или обратная на прямую
4. исходные данные не обнаруживают изменения направленности связи
300. Модели Торнквиста служат для описания зависимости …
1. уровня безработицы от изменения заработной платы
2. валового национального продукта от денежной массы
3. спроса на товары различных групп от дохода 4. объема выпуска от затрат капитала и труда
301. Зависимость прибыли Y от расходов на рекламу X характеризуется полиномиальной эконометрической
моделью второй степени вида …
1.
2.
3.
39
4.
302. Зависимость процентного изменения заработной платы от уровня безработицы в процентах (кривая
Филипса,
) характеризуется обратной эконометрической моделью …
1.
2.
3.
4.
303. Если между экономическими показателями существует нелинейная связь, то …
1. нецелесообразно использовать спецификацию нелинейного уравнения регрессии
2. необходимо включить в модель другие факторы и использовать линейное уравнение множественной регрессии
3. целесообразно использовать линейное уравнение парной регрессии
4. целесообразно использовать спецификацию нелинейного уравнения регрессии
304. При помощи модели степенного уравнения регрессии вида
(b>1, то есть х возрастает и у тоже
возрастает) не может быть описана зависимость …
1. объема предложения от цены
2. выработки от трудоемкости
3. заработной платы от выработки
4. выработки от уровня квалификации
305. Производственная функция Кобба-Дугласа относится к классу
моделей.
1. полулогарифмических
2. степенных
3. линейных
4. обратных
306. Зависимость спроса на товары первой необходимости от дохода (функция Торнквиста,
)
характеризуется обратной эконометрической моделью с начальным уровнем
вида …
2.
307. В модели вида
коэффициент
1. значением
при
2. значением
в точке экстремума
является …
3. коэффициентом эластичности
4. угловым коэффициентом
308. Уравнение вида
является …
1. нелинейным как по переменным, так и по параметрам
2. линейным как по переменным, так и по параметрам
3. нелинейным только по переменным, но линейным по параметрам
4. нелинейным только по параметрам, но линейным по переменным
309. В аддитивной регрессионной модели переменные возводятся в степень, отличную от первой. Такая модель
является ...
1. нелинейной относительно случайной составляющей
2. линеаризованной относительно переменных
3. нелинейной относительно переменных
4. линейной относительно переменных
310. Нелинейным образом в эконометрическую модель вида
1. параметр а
входит...
40
2. ошибка
3. переменная х
4. переменная у
311. Линейным образом в эконометрическую модель вида
1. параметр а
2. параметр b
3. переменная у
4. переменная х
входит …
312. Уравнение вида
относится к классу…
1. нелинейных по переменным моделей, но линейных по оцениваемым параметрам
2. линейных по переменным моделей
3. нелинейных по параметрам, внутренне нелинейных моделей
4. нелинейных по параметрам, внутренне линейных моделей
313. Выбор нелинейной формы эконометрической модели обычно осуществляется …
1. когда между переменными не прослеживается нелинейная форма связи
2. при наличии мультиколлинеарности переменных линейного множественной регрессии
3. когда между переменными прослеживается нелинейная форма связи
4. в случае недостаточного количества экспериментальных данных
314. Нелинейным уравнением парной регрессии НЕ является …
1.
2.
3.
4.
315. Спецификация нелинейной по параметрам мультипликативной экспоненциальной эконометрической модели
может иметь вид …
1.
2.
3.
4.
316. Нелинейным образом в эконометрическую модель вида
входит...
1. ошибка
2. параметр b
3. переменная х
4. переменная у
317. В эконометрическую модель вида Кобба–Дугласа
нелинейным образом включены …
Варианты ответов. Кол-во правильных ответов - 2
1. переменная х1
2. переменная y
3. параметр а
4. переменная х2
41
318. В эконометрическую модель
нелинейным образом включены. Кол-во прав. ответов - 2
1. параметр b
2. переменная у
3. параметр а
4. ошибка
319. В чем сходство двух моделей
и
1. нелинейные относительно параметров регрессии
2. линейные относительно параметров регрессии
3. нелинейные
4. можно преобразовать в линейную форму
320. Выберите неверные утверждения по поводу модели
1. нелинейная относительно параметров модели
2. линейная относительно параметров регрессии
3. показательная
4. нелинейная
? Кол-во правильных ответов - 3
321. Выберите неверные утверждения по поводу модели
. Кол-во правильных отв. - 2
. Кол-во правильных ответов - 2
1. нелинейная относительно параметров регрессии
2. нельзя преобразовать в линейную форму
3. Y возрастает при увеличении X
4. модель линейная относительно параметров регрессии
322. Нелинейной по параметрам, но внутренне линейной, которую можно привести к линейному виду, является
эконометрическая модель …
1.
??
2.
3.
4.
323. Оценки коэффициентов моделей регрессии, нелинейных по оцениваемым параметрам, но внутренне
линейных, полученные методом наименьших квадратов, являются …
1. неэффективными
2. несостоятельными
3. смещенными
4. недостоверными
324. Эконометрической моделью, приводимой к линейной регрессионной модели при логарифмировании и
соответствующей подстановке, является ...
1.
2.
3.
4.
325. Линеаризация возможна для эконометрической модели вида …
1.
2.
3.
4.
326. При оценке параметров регрессионной модели на основе степенной функции
...
1. параметры и определяются непосредственно из системы нормальных уравнений
2. параметры и определяются косвенным путём на основе потенцирования
3. параметр определяется непосредственно из системы нормальных уравнений, а параметр -косвенным путём, с
помощью потенцирования
4. параметр определяется непосредственно из системы нормальных уравнений, а параметр - косвенным путём, с
помощью потенцирования
42
327. Показательная модель
относится к моделям…
1. линейным относительно объясняющей переменной Х
2. нелинейным относительно объясняемой переменной Y
3. нелинейным по оцениваемым параметрам
4. нелинейным относительно объясняющей переменной, но линейным по оцениваемым параметрам
328. Для экспоненциального уравнения
процедура линеаризации возможна путем …
1. присвоения количественных значений фиктивным переменным
2. дифференцирования и замены переменных
3. логарифмирования и замены переменных
4. только замены переменных
329. Классическая парная регрессионная эконометрическая модель
является
по
параметрам и
по переменным.
1. линейной … нелинейной
2. нелинейной … нелинейной
3. линейной … линейной
4. нелинейной … линейной
330. Эконометрическая модель
является...
1. линейной по параметрам и линейной по переменным
2. нелинейной по параметрам и линейной по переменным
3. нелинейной по параметрам и нелинейной по переменным
4. линейной по параметрам и нелинейной по переменным
331. Установите соответствие между видом нелинейной модели и заменой переменных, сводящих ее к линейной
регрессии.
1.
2.
3.
Варианты ответов. Кол-во правильных ответов - 4
1.
-3
2.
-4
3.
4.
-2
4.
-1
43
332. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W = b0 +
b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
переменными Y, X, Z и новыми переменными W, U, V линеаризованной модели.
1.
2.
3.
4.
Варианты ответов. Кол-во правильных ответов - 4
1.
-4
2.
-2
3.
-1
4.
-3
333. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W = b0 +
b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
переменными Y, X, Z и новыми переменными W, U, V линеаризованной модели. – не проверяла
1.
2.
3.
4.
Варианты ответов.
1.
Кол-во правильных ответов - 4
-4
2.
3.
-2
-3
4.
-1
334. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W = b0 +
b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
параметрами a, b, c и параметрами b0 , b1, b2 линеаризованной модели.
1.
2.
3.
4.
Варианты ответов.
1.
Кол-во правильных ответов - 4
-1
2.
-4
3.
-3
4.
-2
335. Установите соответствие между видом модели и ее характеристиками.
1.
2.
3.
4.
1. нелинейная модель, линейная относительно параметров - 1
2. нелинейная модель, нелинейная относительно параметров, внутренне нелинейная - 4
3. линейная модель множественной регрессии - 2
4. нелинейная модель, нелинейная относительно параметров, внутренне линейная - 3
44
336. Индекс корреляции для нелинейных форм связи изменяется в пределах …
1. [0; 1)
2. [0; 4]
3. [0; 1]
4. (0; 1)
337. Средний (обобщающий) коэффициент эластичности рассчитывается для среднего значения фактора по
формуле
1.
2.
3.
4.
338. Коэффициент эластичности равен (-1,5). Это означает, что с
в среднем на 1,5 %.
1. уменьшением результата на один процент значение фактора уменьшается
2. увеличением фактора на один процент значение результата увеличивается
3. увеличением фактора на один процент значение результата уменьшается
4. увеличением результата на один процент значение фактора увеличивается
339. Пусть
- наблюдаемые значения зависимой переменной, а
- ее расчетные значения. В принятых
обозначениях формула для расчета средней ошибки аппроксимации модели может быть определена по
формуле …
1.
2.
3.
4.
340. Значение индекса корреляции находится в пределах …
1.
2.
3.
4.
5.
341. Величина отклонений фактических значений результативного признака от его теоретических значений
представляет собой …
1. расчетное значение критерия Фишера
2. ошибку аппроксимации
3. ошибку корреляции
4. средний показатель эластичности
342. Коэффициент детерминации для нелинейной модели часто называют…
1. коэффициентом эластичности
2. индексом детерминации
3. индексом корреляции
4. средней ошибкой аппроксимации модели
343. Средняя ошибка аппроксимации модели служит для…
1. расчета средних ошибок параметров регрессии 2. оценки параметров регрессии
3. определения среднего значения расчетных значений зависимой переменной
4. оценки качества модели
45
344. Выражение
позволяет вычислить значение …
1. коэффициента эластичности
2. индекса корреляции
3. средней ошибки аппроксимации
4. F–критерия Фишера
345. Средний (обобщающий) коэффициент эластичности показывает …
1. на сколько единиц изменится результат относительно своего среднего уровня при увеличении фактора на единицу
2. во сколько раз коэффициент корреляции больше коэффициента детерминации
3. долю дисперсии, объяснённой регрессией в общей дисперсии результата
4. на сколько процентов изменится результат относительно своего среднего уровня при увеличении фактора на один
процент от среднего уровня фактора
346. Непосредственно измерив характеристики объекта через определенные промежутки времени или усреднив
данные за некоторый период времени, формируют последовательность ...
1. трендовых значений ???
2. значений сезонных колебаний
3. уровней временного ряда
4. коэффициентов автокорреляции
347. Хронологическая последовательность значений признака, характеризующего состояние данного объекта,
называется …
1. корреляционным полем
2. автокорреляционной функцией
3. временным рядом
4. случайной выборкой
348. Значение показателя в определенный момент времени называется
временного ряда.
1. медианой
2. дисперсией
3. уровнем временного ряда
4. средним значением
349. В процессе формирования уровней временного ряда участвует всегда … (А.В. говорила о всех из них)
1. сезонность
2. цикличность
3. случайная компонента
4. тренд
350. Под временным рядом (динамическим рядом или рядом динамики) понимается последовательность
наблюдений некоторого признака Y,
1. который не изменяется с течением времени
2. который зависит от признака X, изменяющегося с течением времени
3. значения которого упорядочены во времени
4. значения которого неупорядочены во времени
351. Уровнем временного ряда является …
1. совокупность значений временного ряда
2. значение конкретного момента (периода) времени
3. значение временного ряда в конкретный момент (период) времени
4. среднее значение временного ряда
352. В формировании уровней любого временного ряда всегда присутствуют…
1. факторы, формирующие тенденцию ряда
2. линейные факторы
3. случайные факторы
4. факторы, формирующие циклические колебания ряда
353. Отдельные значения экономической характеристики объекта, полученные в последовательные моменты или
периоды времени, называются …
1. множественной регрессией
2. вариационным рядом
3. уровнями временного ряда
4. автокорреляционной функцией
354. Совокупность нерегулярных факторов, не поддающиеся учету и регистрации, но оказывающих
воздействие на формирование значений временного ряда, называется …
1. трендом
2. сезонными колебаниями
3. случайными колебаниями
46
4. линейной регрессией
356. Если временной ряд представлен в виде суммы соответствующих компонент, то полученная модель носит
название…
1. мультипликативной
2. обобщенной
3. аддитивной
4. компонентной
357. Модель временного ряда предполагает …
1. пренебрежение временными характеристиками ряда
2. отсутствие последовательности моментов (периодов) времени, в течении которых рассматривается поведение
экономического показателя
3. независимость значений экономического показателя от времени
4. зависимость значений экономического показателя от времени
358. Временной ряд характеризует …
1. зависимость последовательных моментов (периодов) времени
2. данные, описывающие совокупность различных объектов в определенный момент (период) времени
3. совокупность последовательных моментов (периодов) времени
4. данные, описывающие один объект за ряд последовательных моментов (периодов) времени
359. Модели, построенные на основе данных, характеризующих поведение исследуемого объекта за ряд
последовательных моментов времени, называются…
1. моделями временных рядов
2. системами одновременных уравнений
3. периодическими моделями
4. последовательными моделями
360. Случайные колебания, радикально меняющие параметры модели или саму модель, называются …
1. разладочными
2. эволюционными остаточными
3. трендовыми
4. циклическими (конъюнктурными)
361. Временным рядом называют …
1. упорядоченные во времени значения показателя
2. временно созданный набор данных
3. набор любых экономических данных для исследования
4. ряд данных, полученный расчетным путем за короткое время
362. Под лагом подразумевается число…
1. уровней исходного временного ряда
2. пар значений, по которым рассчитывается коэффициент автокорреляции
3. периодов, по которым рассчитывается коэффициент автокорреляции
4. временных рядов, по которым осуществляется расчет коэффициента автокорреляции
363. Коррелограммой является …
1. графическое отображение регрессионной функции
2. процесс экспериментального нахождения значений автокорреляционной функции
3. графическое отображение автокорреляционной функции
4. аналитическое выражение для автокорреляционной функции
364. Высокое значение коэффициента автокорреляции порядка для уровней временного ряда
свидетельствует о том, что исследуемый ряд содержит (помимо тенденции) …
1. только случайную компоненту
2. разладочную случайную компоненту
3. колебания с периодом
4. ярко выраженный тренд
365. Автокорреляцией уровней временного ряда называется зависимость …
1. дисперсии последовательных и предыдущих уровней ряда от времени
2. математических ожиданий уровней ряда от времени
3. между последовательными и предыдущими уровнями ряда
4. математических ожиданий последовательных и предыдущих уровней ряда
47
366. На основе анализа временного ряда построена следующая таблица
Период сезонных колебаний равен
3. 4
367. Значение коэффициента автокорреляции второго порядка характеризует связь между …
1. исходными уровнями и уровнями второго временного ряда
2. двумя временными рядами
3. исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени
4. исходными уровнями и уровнями другого ряда, сдвинутыми на 2 момента времени
368. Автокорреляцией уровней временного ряда называют корреляционную зависимость между …
1. значениями его остатков
2. наблюдаемыми и расчетными значениями исследуемого временного показателя
3. уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на один или несколько периодов
времени
4. его трендовой и сезонной компонентами
369. Если ни один из вычисленных коэффициентов линейной автокорреляции уровней ряда не оказался
значимым, ряд не содержит ...
1. циклических колебаний, его уровень определяется только трендовыми показателями и случайной компонентой
2. случайной компоненты, его уровень определяется только тенденцией и циклическими колебаниями
3. тенденции и циклических колебаний, его уровень определяется только случайной компонентой
4. тенденции, его уровень определяется только циклическими колебаниями и случайной компонентой
370. Структуру временного ряда можно выявить на основе … Кол-во правильных ответов - 2
1. лаговая переменная
2. коэффициент детерминации
3. автокорреляционная функция
4. коррелограмма
371. Автокорреляционная функция может служить для выявления во временном ряду наличия или отсутствия
следующих составляющих: Кол-во правильных ответов - 2
1. линейной тенденции
2. случайной компоненты
3. сезонных колебаний
4. фиктивной переменной
372. Укажите справедливые утверждения относительно автокорреляционной функции временного
ряда.ответов - 2
1. служит для оценки случайной компоненты временного ряда
2. является возрастающей функцией от уровней ряда
3. представляет собой последовательность коэффициентов автокорреляции уровней временного ряда первого, второго
и т.д. порядков
4. служит для выявления структуры временного ряда
373. Укажите справедливые утверждения относительно автокорреляции уровней временного ряда:ответов - 2
1. представляет собой корреляционную зависимость между уровнями временного ряда и соответствующими
значениями случайной компоненты
2. количественно измеряется с помощью коэффициента линейной корреляции между трендовой и сезонной
компонентами уровней ряда
3. количественно измеряется с помощью коэффициента линейной корреляции между последовательными уровнями
исходного ряда
4. представляет собой корреляционную линейную зависимость между последовательными уровнями
временного ряда
374. Если во временном ряде наиболее высокими значениями характеризуются коэффициент автокорреляции первого
порядка (r1) и коэффициент автокорреляции (rk , k > 3), то допустимыми являются выводы о том, что ряд содержит- 2
1. сезонную компоненту
2. линейный тренд
3. только случайную компоненту
4. только линейный тренд
48
375. Если факторы входят в модель как сумма, то модель называется …
1. суммарной
2. производной
3. аддитивной
4. мультипликативной
376. Известны значения аддитивной модели временного ряда: Yt – значение уровня ряда, Yt = 30, T – значение
тренда, T=15, Е – значение компоненты случайных факторов E=2. определите значение сезонной компоненты S.
1. S=1
2. S=-1
3. S=13 (30-15-2)
4. S=0
377. Гипотеза об аддитивной структурной схеме взаимодействия факторов, формирующих уровни временного ряда,
означает правомерность следующего представления ...
1. тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор + случайная компонента
2. случайная компонента = тренд + конъюнктурная компонента + сезонный фактор + уровень временного ряда
3. уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор + случайная компонента
4. уровень временного ряда = случайная компонента – тренд + конъюнктурная компонента + сезонный фактор
378. Пусть
— значения временного ряда,
— тренд-циклическая компонента этого ряда,
—
сезонная компонента,
— случайная компонента,
– выровненный методом скользящей средней исходный ряд. При
выделении аддитивной сезонной компоненты в качестве отличия сезонного явления от тренд- циклической
составляющей используется …
1.
2.
3.
4.
379. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная компонента,
причем для первого квартала года
, для третьего квартала года
, для четвертого квартала
года
. Определите оценку сезонной компоненты для второго квартала года
1. 1/3
2. 5
3. –3
4. 3
380. Гипотеза об аддитивной структурной схеме взаимодействия факторов, формирующих уровни временного ряда,
означает правомерность следующего представления ...
1. тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор + случайная компонента
2. случайная компонента = тренд + конъюнктурная компонента + сезонный фактор + уровень временного ряда
3. уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор + случайная компонента
4. уровень временного ряда = случайная компонента – тренд + конъюнктурная компонента + сезонный фактор
381. Модель временного ряда, имеющая следующую спецификацию
(где
– уровень
временного ряда, – тренд, – сезонная компонента,
– конъюнктурная компонента,
– случайная
компонента), называется …
1. аддитивной
2. нелинейной
3. смешанной
4. мультипликативной
382. Пусть
– значения временного ряда,
- тренд-циклическая компонента этого ряда,
– сезонная
компонента, – случайная компонента. Тогда общий вид мультипликативной модели временного ряда можно
представить как …
1.
2.
3.
4.
383. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная
компонента, причем для первого квартала года
, для второго квартала года
, для
49
третьего квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. -6
2. 0
3. -2
4. 2 ?????
384. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная компонента,
причем для первого квартала года
, для второго квартала года
, для третьего квартала
года
. Определите оценку сезонной компоненты для четвертого квартала года
1. -4
2. 4
3. 2 (разве мы не должны их складывать 1+(-6)+3 = -2
4. -2 ????
385. Построена аддитивная модель временного ряда, где Yt – значение уровня ряда, Yt = 10, T – значение тренда, S –
значение сезонной компоненты, E – значений случайной компоненты. Определите вариант правильно найденных
значений компонент уровня ряда.
1. T=5, S=2, E=0
2. T=5, S=2, E=1
3. T=5, S=2, E=3
4. T=7, S=5, E=2
386. Временной ряд характеризуется постоянным характером циклических и сезонных колебаний, тогда для его
описания используется
модель
1. множественная нелинейная
2. мультипликативная
3. классическая парная линейная
4. аддитивная
387. Плавно меняющаяся детерминированная компонента уровней временного ряда, описывающая чистое
влияние долговременных факторов, называется …
1. случайной составляющей
2. циклической составляющей
3. трендом
4. сезонным колебанием
388. Пусть
– значения временного ряда с квартальными наблюдениями,
– мультипликативная сезонная
компонента, причем для первого квартала года
, для второго квартала года
, для третьего
квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. 3
2. –19/4
3. 19/4
4. 1/3 (почему нужно делить на полученное число??)
389. Пусть
– значения временного ряда с квартальными наблюдениями,
– мультипликативная сезонная
компонента, причем для второго квартала года
, для третьего квартала года
, для
четвертого квартала года
. Определите оценку сезонной компоненты для первого квартала года
1. 12
2. 1/12
3. –1/12
4. 1
50
390. Стационарность временного ряда означает отсутствие …
1. значений уровней ряда
2. наблюдений по уровням временного ряда
3. тренда
4. временной характеристики
391. Временной ряд, отличающийся от стационарного на неслучайную составляющую (трендовую или
периодическую компоненту), называется …
1. строго стационарным
2. слабо стационарным
3. нестационарным
4. регрессионным
392.
На рисунке представлена реализация …
1. процесса, нестационарного по дисперсии
2. стационарного процесса
3. процесса, нестационарного по математическому ожиданию и периодически нестационарного по дисперсии
4. процесса, нестационарного по математическому ожиданию
393. Закон изменения нестационарного временного ряда
близок к экспоненциальному. Этот ряд приводится
к стационарному процессу
с помощью …
1. расчёта первых разностей
2. расчёта вторых разностей
3. логарифмирования цепных индексов
4. расчёта темпов прироста
394. Преобразование нестационарного временного ряда
в стационарный
должно обеспечивать
приблизительное выполнение условия …
1.
2.
3.
4.
395. При моделировании временных рядов экономических показателей необходимо учитывать характер
уровней исследуемых показателей …
1. независящий от времени
2. конструктивный
3. стохастический
4. аналитический
396. Для временного ряда рассматривается авторегрессионный процесс первого порядка
. Известно,
. Временной ряд является ... (не искала)
1. рядом типа «белый шум»
2. описанием взрывного процесса
3. нестационарным
4. стационарным
397. Пусть
— стохастических процесс. Пусть для него выполнены следующие условия:
—
постоянство математического ожидания,
— постоянство дисперсии,
автоковариация, зависящая только от величины лага между рассматриваемыми переменными. Тогда данный
процесс является … (не искала)
1. нестационарным
2. совместно стационарным
3. слабо стационарным или стационарным в узком смысле
4. условно стационарным
398. Процессом, который всегда является стационарным в слабом смысле является …
1. процесс случайного блуждания
2. смешанный процесс авторегрессии и скользящего среднего
3. процесс белого шума
4. процесс авторегрессии первого порядка
51
Вопрос № 20.5. Оригинальный порядковый номер: 38
На рисунке представлена реализация …
Варианты ответов. Кол-во правильных ответов - 1
1. процесса, нестационарного по математическому ожиданию
2. процесса, нестационарного как по дисперсии, так и по математическому ожиданию
3. стационарного процесса
4. процесса, нестационарного по дисперсии
Вопрос № 20.1. Оригинальный порядковый номер: 31
Если случайные величины, образующие «белый шум» распределены нормально, тогда ...
Варианты ответов. Кол-во правильных ответов - 1
1. для временного ряда ярко выражены сезонные колебания
2. временной ряд является нестационарным
3. этот временной ряд называется гауссовским белым шумом
4. временной ряд имеет тренд
Вопрос № 20.2. Оригинальный порядковый номер: 48
Текущее значение экономического процесса
предопределено его предысторией. Пусть - ошибка модели в
момент t, f - аналитическая функция. Тогда модель для указанного допущения имеет следующий вид …
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
Вопрос № 20.3. Оригинальный порядковый номер: 50
Стационарный процесс -го порядка для всех временных отрезков характеризуется постоянными значениями
статистических моментов порядка …
Варианты ответов. Кол-во правильных ответов - 1
1.
и ниже
2.
и выше
3.
и выше
4.
и ниже
Вопрос № 20.4. Оригинальный порядковый номер: 56
Для стационарного процесса второго порядка
на любых двух временных интервалах должны выполняться условия
будут равны между собой пары показателей:
, рассчитанные на этих интервалах.
Варианты ответов. Кол-во правильных ответов - 1
1. математического ожидание, дисперсия, коэффициент автокорреляции второго порядка
2. коэффициент автокорреляции второго порядка
3. математическое ожидание, дисперсия, коэффициент автокорреляции первого порядка
4. математическое ожидание, дисперсия
Вопрос № 20.5. Оригинальный порядковый номер: 57
Математическое выражение линейной модели временного ряда имеет вид …
1.
2.
3.
4.
52
399. Системы эконометрических уравнений не используются при моделировании …
1. связей между экономическими показателями
2. макроэкономических показателей
3. взаимосвязей случайных факторов
4. сложных экономических систем
400. Эконометрическая модель, являющаяся системой одновременных уравнений, состоит в общем случае ...
1. только из тождеств
2. из поведенческих уравнений и автокорреляционной функции
3. из поведенческих уравнений и тождеств
4. из регрессионных уравнений и соотношений мультиколлинеарности в каждом из них
401. В систему одновременных уравнений входят алгебраические соотношения между эндогенными
переменными. В них отсутствует случайная составляющая, нет параметров, подлежащих оценке. Эти
соотношения являются ...
1. структурными соотношениями
2. приведенными формулами
3. тождествами
4. регрессионными уравнениями
402. Относительно системы
верно следующее утверждение: система записана в
форме. 1. нормальной 2. рекурсивной 3. структурной 4. приведённой
403. Относительно системы
верно следующее утверждение: количество эндогенных
переменных системы равно …
1. 4
2. 6
3. 2
4. 1
404. Система эконометрических уравнений представляет собой систему уравнений
1. детерминации
2. аппроксимации
3. регрессии
4. корреляции
405. Система, в которой одни и те же эндогенные переменные входят в левую часть одних уравнений и в
правую часть других уравнений называется системой
уравнений.
1. независимых
2. несовместных
3. взаимосвязанных
4. рекурсивных
406. Система, в которой каждая из эндогенных переменных рассматривается как функция одного и того же набора
факторов называется системой
уравнений.
1. рекурсивных
2. одновременных
3. независимых
4. взаимозависимых
407. – вектор эндогенных переменных,
– матрица коэффициентов при эндогенных переменных,
– матрица коэффициентов при предопределенных переменных
– вектор предопределенных переменных
– вектор случайных отклонений
Общий вид системы одновременных уравнений представляется в форме ...
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
408. Система независимых уравнений — это система, в которой …
1. одни и те же экзогенные переменные входят в левую часть одних уравнений и в правую часть других уравнений
2. эндогенная переменная
одного из уравнений рассматривается как фактор в следующем уравнении
3. одни и те же эндогенные переменные входят в левую часть одних уравнений и в правую часть других уравнений
4. каждая из эндогенных переменных рассматривается как функция одного и того же набора факторов
53
Для системы эконометрических уравнений верным является утверждение: "количество случайных компонент в
системе взаимозависимых уравнений соответствует числу
системы".
Варианты ответов. Кол-во правильных ответов - 1
1. экзогенных переменных
2. поведенческих уравнений
3. эндогенных переменных
4. балансовых соотношений (тождеств)
Вопрос № 21.5. Оригинальный порядковый номер: 48
В поведенческих уравнениях структурной формы системы взаимосвязанных уравнений параметры …
Варианты ответов. Кол-во правильных ответов - 1
1. заранее оценены и известны
2. не подлежат оценке
3. определяются обычным методом наименьших квадратов
4. неизвестны и подлежат оценке
Тема № 22. Классификация систем уравнений
(Задание с выбором одного правильного ответа из предложенных)
Оригинальное кол-во заданий: 30, в базе представлено: 5
Вопрос № 22.1. Оригинальный порядковый номер: 3
В правой части системы независимых уравнений находится …
Варианты ответов. Кол-во правильных ответов - 1
1. совокупность зависимых и независимых переменных
2. совокупность зависимых переменных и случайных факторов
3. совокупность независимых переменных и случайных факторов
4. одна зависимая переменная
Вопрос № 22.2. Оригинальный порядковый номер: 5
Система взаимозависимых уравнений в ее классическом виде называется также системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. рекурсивных
2. изолированных
3. одновременных
4. независимых
409. Выделяют три класса систем эконометрических уравнений: …
1. системы независимых уравнений, системы изолированных уравнений и системы рекурсивных уравнений
2. системы взаимозависимых уравнения, системы рекурсивных уравнений и системы возвратных уравнений
3. системы независимых уравнений, системы взаимозависимых уравнений и системы рекурсивных уравнений
4. системы одновременных уравнений, системы взаимозависимых уравнений и системы рекурсивных
уравнений
Вопрос № 22.4. Оригинальный порядковый номер: 9
В системах рекурсивных уравнений количество переменных в правой части каждого уравнения определяется как
количества зависимых переменных
уравнений и количества независимых факторов.
Варианты ответов. Кол-во правильных ответов - 1
1. разность … предыдущих
2. разность … последующих
3. сумма … предыдущих
4. сумма … последующих
Вопрос № 22.5. Оригинальный порядковый номер: 21
Если структурная форма модели системы эконометрических уравнений точно идентифицируема, то с помощью
косвенного МНК …
Варианты ответов. Кол-во правильных ответов - 1
1. нулевые значения параметров модели
2. оценки для параметров модели определить невозможно
3. получают единственную оценку параметров модели
4. получают несколько различных вариантов оценок параметров модели
54
Вопрос № 22.1. Оригинальный порядковый номер: 2
Левая часть системы взаимозависимых уравнений представлена вектором …
Варианты ответов. Кол-во правильных ответов - 1
1. зависимых переменных и случайных величин
2. зависимых независимых переменных
3. зависимых переменных
4. независимых переменных
Вопрос № 22.2. Оригинальный порядковый номер: 11
Система уравнений, в которых каждая эндогенная переменная рассматривается как функция только
предопределенных переменных, называется системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. одновременных
2. регрессионных
3. независимых
4. рекурсивных
Вопрос № 22.3. Оригинальный порядковый номер: 20
Система уравнений, где эндогенные переменные в одних уравнениях выступают в роли результирующего признака, а
в других уравнениях – в роли фактора, называется системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. независимых
2. изолированных
3. одновременных
4. рекурсивных
Вопрос № 22.4. Оригинальный порядковый номер: 25
Пусть D– число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в системе,
а H– число эндогенных переменных в уравнении. Уравнение системы считается неидентифицируемым, если …
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
Вопрос № 22.5. Оригинальный порядковый номер: 27
Для оценки параметров структурной модели системы необходимо, чтобы …
Варианты ответов. Кол-во правильных ответов - 1
1. все уравнения системы были неидентифицируемы или сверхидентифицируемы
2. хотя бы одно уравнение системы было неидентифицируемо или сверхидентифицируемо
3. все уравнения системы были идентифицируемы или сверхидентифицируемы
4. хотя бы одно уравнение системы было идентифицируемо или сверхидентифицируемо
Вопрос № 22.1. Оригинальный порядковый номер: 3
Выберите верные утверждения по поводу системы независимых уравнений:
Варианты ответов. Кол-во правильных ответов - 2
1. каждое уравнение системы может рассматриваться в качестве отдельного уравнения регрессии зависимости одной
переменной от группы факторов
2. каждая зависимая переменная рассматривается как функция только от предопределенных переменных
3. оценки параметров уравнений нельзя определить методом наименьших квадратов
4. каждая независимая переменная является функцией от всех других независимых переменных
Вопрос № 22.2. Оригинальный порядковый номер: 9
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
55
Варианты ответов. Кол-во правильных ответов - 2
1. может быть описана с помощью системы одновременных уравнений
2. может быть описана с помощью системы рекурсивных уравнений
3. включает 3 уравнения
4. включает 6 уравнений
Вопрос № 22.3. Оригинальный порядковый номер: 11
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
Варианты ответов. Кол-во правильных ответов - 2
1. включает 5 уравнений
2. может быть описана с помощью системы одновременных уравнений
3. включает 2 уравнения
4. может быть описана с помощью системы независимых уравнений
Вопрос № 22.4. Оригинальный порядковый номер: 13
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
Варианты ответов. Кол-во правильных ответов - 2
1. включает 4 уравнения
2. может быть описана с помощью системы рекурсивных уравнений
3. включает 3 уравнения
4. может быть описана с помощью системы независимых уравнений
Вопрос № 22.5. Оригинальный порядковый номер: 15
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
56
Варианты ответов. Кол-во правильных ответов - 2
1. включает 3 уравнения
2. может быть описана с помощью системы независимых уравнений
3. может быть описана с помощью системы одновременных уравнений
4. включает 2 уравнения
Тема № 23. Идентификация систем эконометрических уравнений (Задание с
выбором одного правильного ответа из предложенных) Оригинальное колво заданий: 61, в базе представлено: 5
Вопрос № 23.1. Оригинальный порядковый номер: 22
Проблема оценки структурных параметров системы одновременных уравнений связана с тем, что предопределенные
переменные уравнений и их возмущения являются ...
Варианты ответов. Кол-во правильных ответов - 1
1. незначимыми
2. гомоскедастичными
3. коррелированными
4. некоррелированными
Вопрос № 23.2. Оригинальный порядковый номер: 24
Понятие «предопределенные переменные» включает в себя ...
Варианты ответов. Кол-во правильных ответов - 1
1. только лаговые переменные, как эндогенные, так и экзогенные
2. эндогенные и лаговые экзогенные
3. экзогенные и лаговые эндогенные переменные
4. экзогенные и эндогенные переменные
Вопрос № 23.4. Оригинальный порядковый номер: 45
Коэффициенты уравнений приведенной формы системы одновременных уравнений называют ...
Варианты ответов. Кол-во правильных ответов - 1
1. стандартизированными
2. частными
3. приведенными
4. структурными
Вопрос № 23.5. Оригинальный порядковый номер: 49
Переменные, значения которых формируются в процессе и внутри функционирования анализируемой социальноэкономической системы, называются …
Варианты ответов. Кол-во правильных ответов - 1
1. предопределенными
2. структурными
3. эндогенными
4. экзогенными
Вопрос № 23.1. Оригинальный порядковый номер: 5
Модель идентифицируема, если число параметров структурной формы модели …
Варианты ответов. Кол-во правильных ответов - 1
1. больше числа параметров приведенной формы модели
2. не равно числу уравнений модели
3. равно числу параметров приведенной формы модели
4. меньше числа параметров приведенной формы модели
Вопрос № 23.2. Оригинальный порядковый номер: 32
Структурные коэффициенты системы одновременных уравнений определяются однозначно по коэффициентам
приведенной формы системы. Такая модель называется ...
Варианты ответов. Кол-во правильных ответов - 1
1. неидентифицируемой
2. неопределенной
3. идентифицируемой
57
4. сверхидентифицируемой
Вопрос № 23.5. Оригинальный порядковый номер: 52
Поведенческим уравнением системы эконометрических уравнений называется уравнение, которое …
Варианты ответов. Кол-во правильных ответов - 1
1. описывает модель взаимодействия между случайными составляющими, т.е. содержит только случайные
составляющие
2. описывает ограничения на значения эндогенных и экзогенных переменных
3. описывает модель взаимодействия между переменными, т.е. содержит подлежащие оценке параметры и случайные
составляющие
4. описывает соотношение, выполняемое во всех случаях, т.е. не содержит подлежащие оценке параметры и
случайные составляющие
Вопрос № 23.1. Оригинальный порядковый номер: 0
В правой части приведенной формы системы одновременных уравнений, построенной по перекрестным данным
(cross-section data) без учета временных факторов, могут стоять
переменные.
Варианты ответов. Кол-во правильных ответов - 1
1. зависимые
2. лаговые
3. эндогенные
4. экзогенные
Вопрос № 23.2. Оригинальный порядковый номер: 57
Если число структурных коэффициентов модели меньше числа приведенных коэффициентов и, следовательно, на
основе приведенных коэффициентов можно получить два или более значений одного структурного коэффициента, то
модель является …
Варианты ответов. Кол-во правильных ответов - 1
1. сверхидентифицируемой
2. условно идентифицируемой
3. идентифицируемой
4. неидентифицируемой
Вопрос № 23.3. Оригинальный порядковый номер: 61
Каждое из уравнений в структурной форме системы одновременных уравнений представляет собой …
Варианты ответов. Кол-во правильных ответов - 1
1. оценку случайного возмущения
2. основное соотношение метода наименьших квадратов
3. линейную регрессию набором зависимых и независимых переменных
4. временной ряд
Вопрос № 23.4. Оригинальный порядковый номер: 65
В системе одновременных уравнений
- число эндогенных переменных, а
параметров полной структурной модели равно
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
- число экзогенных переменных. Число
4.
58
Вопрос № 23.5. Оригинальный порядковый номер: 89
В общем виде приведенной формы модели, построенной по указанной схеме взаимосвязей между переменными,
количество приведенных коэффициентов равно …
Варианты ответов. Кол-во правильных ответов - 1
1. 5
2. 2
3. 3
4. 6
Тема № 24. Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов
(КМНК) и двухшаговый метод наименьших квадратов (ДМНК)
(Задание с выбором одного правильного ответа из предложенных)
Оригинальное кол-во заданий: 31, в базе представлено: 5
Вопрос № 24.1. Оригинальный порядковый номер: 3
Двухшаговый метод наименьших квадратов применяется для оценки параметров …
Варианты ответов. Кол-во правильных ответов - 1
1. нелинейных уравнений регрессии
2. линеаризованных уравнений регрессии
3. систем эконометрических уравнений
4. временных рядов
Вопрос № 24.2. Оригинальный порядковый номер: 6
При оценке параметров приведенной формы модели косвенный метод наименьших квадратов использует алгоритм…
Варианты ответов. Кол-во правильных ответов - 1
1. метода главных компонент
2. расчета средней взвешенной величины
3. обычного метода наименьших квадратов
4. метода максимального правдоподобия
Вопрос № 24.3. Оригинальный порядковый номер: 12
Для точно идентифицируемой структурной формы системы одновременных уравнений при оценке параметров
применяется
метод наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. двухшаговый
2. трехшаговый
3. косвенный
4. традиционный
Вопрос № 24.5. Оригинальный порядковый номер: 31
Метод, суть которого состоит в использовании в качестве инструментальной переменной теоретической оценки
переопределенной переменной, полученной на базе экзогенных (или предопределенных) переменных модели,
является методом наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. обобщенным
2. обычным
3. двухшаговым
59
4. косвенным
Вопрос № 24.1. Оригинальный порядковый номер: 9
При оценке параметров систем одновременных уравнений не производят …
Варианты ответов. Кол-во правильных ответов - 1
1. расчет коэффициентов приведенной формы
2. идентификацию системы одновременных уравнений
3. линеаризацию уравнений системы
4. преобразование структурной формы модели в приведенную
Вопрос № 24.2. Оригинальный порядковый номер: 10 Приведенная
форма модели является результатом преобразования … Варианты
ответов. Кол-во правильных ответов - 1
1. системы рекурсивных уравнений
2. нелинейных уравнений регрессии
3. структурной формы модели
4. системы независимых уравнений
Вопрос № 24.3. Оригинальный порядковый номер: 11
С помощью традиционного метода наименьших квадратов можно определить параметры уравнений, входящих в
систему
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. рекурсивных или одновременных
2. только одновременных
3. независимых или рекурсивных
4. одновременных или независимых
Вопрос № 24.4. Оригинальный порядковый номер: 16
Двухшаговый метод наименьших квадратов определения оценок структурных параметров используется в случае ...
Варианты ответов. Кол-во правильных ответов - 1
1. неидентифицируемости хотя бы одного уравнения в системе
2. использования в системе фиктивных переменных
3. точной идентифицируемости системы одновременных уравнений или сверхидентифицируемости этой
системы
4. отсутствия в системе тождеств
Вопрос № 24.5. Оригинальный порядковый номер: 24
Двухшаговый метод наименьших квадратов является частным случаем ...
Варианты ответов. Кол-во правильных ответов - 1
1. взвешенного метода наименьших квадратов
2. метода максимального правдоподобия
3. метода инструментальных переменных
4. косвенного метода наименьших квадратов
Вопрос № 24.1. Оригинальный порядковый номер: 4
В приведенной форме модели в правой части уравнений находятся …
Варианты ответов. Кол-во правильных ответов - 1
1. только зависимые переменные
2. только независимые переменные
3. случайные факторы
4. зависимые и независимые переменные
Вопрос № 24.2. Оригинальный порядковый номер: 13
Для сверхидентифицируемой структурной формы системы одновременных уравнений при оценке параметров
применяется
метод наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. традиционный
2. двухшаговый
60
3. косвенный
4. трехшаговый
Вопрос № 24.3. Оригинальный порядковый номер: 14
Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших квадратов
3. по оценкам параметров приведенной формы вычисляются оценки структурных параметров.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. косвенному
2. обобщенному
3. трехшаговому
4. двухшаговому
Вопрос № 24.4. Оригинальный порядковый номер: 17
Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших квадратов
3. определение расчетных значений эндогенных переменных, которые выступают в качестве факторов в структурной
форме модели
4. определение структурных параметров каждого уравнения в отдельности традиционным методом наименьших
квадратов, используя в качестве факторов входящие в это уравнение предопределенные переменные и расчетные
значения эндогенных переменных, полученные на первом шаге.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. косвенному
2. обобщенному
3. трехшаговому
4. двухшаговому
Вопрос № 24.5. Оригинальный порядковый номер: 28
Оценки параметров идентифицируемой системы эконометрических уравнений могут быть найдены с помощью
метода наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. взвешенного
2. косвенного
3. обобщенного
4. обычного
410. Если по результатам анализа поля корреляции замечено, что на интервале изменения фактора меняется характер
связи рассматриваемых признаков, прямая связь изменяется на обратную, то моделирование целесообразно проводить
на основе
параболы второй степени.
411. Любой набор категорий можно описать некоторой совокупностью фиктивных переменных.
412. При отборе факторов путем постепенного наращивания их числа для включение нового фактора в модель
достаточно, чтобы новый фактор не коррелировал с раннее включ. в модель.
413. Если регрессионные остатки в эконометрической модели статически взаимозависимы, то ее называют моделью с:
автокоррелированными остатками.
414. Мера расхождения сглаженного (регрессионного) и наблюденного значения называется остатком.
415. Термин эконометрика был введен Фришем. (но вообще в самый самый 1-й раз Цьемпой)
416. Имеется матрица парных коэффициентов корреляции:
X1
X2
X3
y
Y
1
X1
-0,782
1
X2
0,451
0,564
1
X3
0,842
-0,873
0,303
1
Между какими признаками наблюдается мультиколлинеарность: х1, х3
417. Для линеаризации регрессионной модели y=a+b*кореньX +c используется замена … z=кореньХ
418. . Если функция спроса от цены характеризуется постоянной эластичностью, то моделирование целесообразно
проводить на основе … Степенной функции
61
419. Определение отдельного вклада каждой из независимых переменных в объясненную дисперсию в случае их
коррелированности является
задачей: 2) невыполнимой
420. В уравнении множественной регрессии, построенном на основании 14 наблюдений рассчитаны оценки
параметров и записана модель: y = 4,4 +0,83/// (в скобках указаны значения t-статистик, соответствующие параметрам
регрессии). Известны критические значения Стьюдента при различных уровнях значимости Для данного уравнения
при уровне значимости 0,1 Все ответы неверны. (должны быть больше 0,1)
421. Построена эконометрическая модель для зависимости прибыли от реализации единицы продукции (руб., у) от
величины оборотных средств предприятия (тыс. р., х1):
. Следовательно, средний размер
прибыли от реализации, не зависящий от объема оборотных средств предприятия, составляет _____ рубля. 10,75
422. Коэффициенты при сезонных фиктивных переменных показывают
при смене сезона: 4)
численную величину изменения, происходящего
423. Множественный регрессионный анализ является развитием парного регрессионного анализа
424. Совокупность фиктивных переменных – некоторое количество фиктивных переменных, предназначенное для
описания набора категорий.
425. Для регрессионной модели…. R= 0,87. Моделью объяснена часть дисперсии переменной у, равная (0,872) 0.76
426. Найдите верное высказывание: Стандартизированный коэффициент уравнения регрессии измеряется в сигмах.
427. Как правило в эталонной категории • все фиктивные переменные равны 0
428. Для регрессионной модели ..... R= 0,91 Моделью объяснена часть дисперсии переменной у, равная (0,912) 0,83
429. на основании рядов данных для переменных Х и У построено уравнение регрессии: у=а1+а2*х=3+0,28х. Если х=4,
то эластичность результирующего показателя у относительно факторы х:
Э=f ’(x)*x/f(x)=0.28*4/(3+0.28*4)=0.28*4/4.12=0.27
429.1 на основании рядов данных для переменных Х и У построено уравнение регрессии: у=а1+а2*х=8+3,25х. Если х=5,
то эластичность результирующего показателя у относительно факторы х:
Э=f ’(x)*x/f(x)=3,25*5/(8+3,25*5)=3,25*5/24,25=0,67
430. В эконометрических моделях «остаточная» дисперсия – это дисперсия отклонений наблюдаемых значений
результативного признака от его расчетных значений
431. .Если расчетное значение F-критерия Фишера превышает табличное, то можно сделать вывод о статистической
значимости построенной модели, значимости (существенности) моделируемой зависимости
432.
4 – Вариант ответа 1 (z=корень из х)
433. Какие из представленных функций линейны по параметрам?
3,4,5
434. .Параметр является статистически значимым (существенным), если вероятность того, что он равен нулю мала
435. Множественный линейный коэффициент корреляции R равен 0,85. Какой процент вариации зависимой
переменной Y учтён в модели и обусловлен влиянием факторов x1 и х2 R 2=0.852*100%=72,25
436. Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной Y учтён в модели и обусловлен влиянием факторов x1 и х2 R 2=0.932*100%=86,49
437.Стандартизованный коэффициент уравнения Вк применяется при проверке: при проверке эконометрической
значимости к-го фактора (при проверке важности этого фактора – написала Элен)
438. Пусть оценено уравнение регрессии y=-220+1370x-2200d, где У – цена двухкомнатной квартиры, Х – полезная
площадь (м2), d – тип дома (1 – панельный, 0 – кирпичный). Как изменится результаты, если положить, что 1 –
кирпичный, 0 – панельный)
 Цена квартиры не зависит от материала
 Цена зависит только от полезной площади
62
 Цена в кирпичном домне на 2200 больше при пр.
 Цена в кирпичном доме на 2200 больше при пр.
 Цена в панельном доме на 2200 больше при пр.
439. По выборочным данным оценено уравнение регрессии: у=-0,128+37х+3,45d, где У – расходы на потребление
овощей (руб.), Х – денежные доходы (руб.), d – место проживания инвалида (1-в городе, 0-в селе). Какова будет
интерпретация, если положить, что 1 – в селе, 0 – в городе?
 Расходы на потребление овощей у инвалида в селе на 3,45 больше при пр.
 Расходы зависят только от денежного дохода и не зависят от места проживания
 Расходы на потребление овощей у инвалида в селе на 3,45 меньше при пр.
 Расходы на потребление овощей у инвалида в городе на 3,45 меньше при пр.
440.Линия регрессии
через точку ( x,y ) :
Может пройти
2) всегда проходит
Несколько раз проходит
Никогда не проходит
441. Качество подбора нелинейного уравнения регрессии можно охарактеризовать на основе показателей …
Коэффициента линейной корреляции
средней ошибки аппроксимации
индекса детерминации
Коэффициента эластичности
442. Линеаризация нелинейной модели регрессии может быть достигнута:
3. преобразованием анализируемых переменных
443. При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается нулевая гипотеза о...
равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой переменной
на зависимую переменную
444. Если парный коэффициент корреляции между у и х принимает значение 0.56, то коэффициент детерминации
равен (в%): 31,36
445. Во множественном регрессионном анализе коэффициент детерминации определяет
регрессией:
2) долю дисперсии y, объясненную
446. Величина доверительного интервала позволяет установить предположение о том, что: интервал содержит
оценку параметра генеральной совокупности
447. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
ху=100, х=10, у=6 х2=136 у2=100, а=4,8
B=(ху − х∗ у)/( х2- 2х)=(100-10*6)/(136-102)=1,11
448. Имеются следующие данные: коэффициент регрессии b=0,13, стандартная ошибка коэффициента регрессии
0,277. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tтабл=2,11, а=0,05.
T= b/ст.ошибку=0,13/0,277=0,47. (меньше табл значит незначим)
0,47 – коэффициент незначим
449. Имеются следующие данные: коэффициент регрессии b=1,8, стандартная ошибка коэффициента регрессии
se(b)=0,17. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tтабл=2,11
при уровне значимости а=0,05.
T=b/ст.ошибку=1.8/0.17=10.59 (больше табл)
10,59 – значим
450. Если автокорреляция отсутствует то dw (Дарбина - Утсона) 3) приблизительно = 2
451. При отрицательной автокорреляции DW: >2 (приблизительно = 4)
452. К зоне неопределенности в тесте Дарбина-Уотсона относится случай, при котором
(d1, d2 – нижняя и
верхняя границы):
d1 < DW< d2
453. Условие гомоскедастичности означает, что вероятность того, что случайный член примет какое-либо конкретное
значение
наблюдений: 2) одинакова для всех
454. Если оценки параметров уравнения регрессии, полученных при помощи метода наименьших квадратов обладают
свойствами несмещенности, эффективности и состоятельности, то ...
a. математическое ожидание остатков равно нулю и они характеризуются минимальной дисперсией
455. Какие три типа данных существуют в эконометрике:
б) пространственные, временные, пространственно- временные (=панельные)
63
456.
2) вариант ответа 1
457. Найдите верное высказывание. При оборе факторов путем постепенного наращивания их числа для включения
фактора в модель достаточно, чтобы только Б
458. Пусть оценено уравнение регрессии: у= -0,45+305х-208d, где У – расходы на мобильную связь (руб.), Х – доход
(тыс.руб.), d – пол инвалида (1 – мужчины, 0 женщина). Какова будет интерпретация, если положить что 1 –
женщины, 0 – мужчины.
 Расходы женщин на мобильную связь на 208 рублей меньше, чем у мужчин при прочих равных условиях
 Расходы не зависят от пола
 Расходы не зависят только от дохода
 Интерпретация не изменится
 Расходы женщин на мобильную связь на 208 рублей больше, чем у мужчин при прочих равных
условиях
459. Чем больше число наблюдений, тем уже зона ??? (неопределенности)
460. Критические значения статистики Дорбина-Уотсона зависят от: количества наблюдений и числа переменных
461. Гетероскедастичность приводи к неэффективности оценок параметров
462. Если предположение о природе гетероскедастичности верно, то дисперсия случайного члена для первых
наблюдений в упорядоченном ряду будет ……для последних
1) больше, чем
2) такая же, как
3) ниже, чем
4) равно 0
5) равно 1
463. Индекс корреляции рассчитанный для нелинейного уравнения регрессии характеризует тесноту нелинейной
связи между зависимой и независимой переменными 3
464. Оценка является несмещенной оценкой параметра если ее мат ожидание равно оцениваемому параметру
465. Какие из представленных функций нелинейны по параметрам?
1,2,3
467. Общая сумма квадратов отклонения = 120, а остаточная сумма квадратов отклонений = 30, то сумма квадратов
отклонений, объяснённая регрессией, равна: 120-30=90 (пояснение: Общая сумма квадратов отклонений складывается из
суммы квадратов отклонений, объясненных регрессией, и остаточной сумма квадратов отклонений.Значит, сумма квадратов
отклонений, объясненная регрессией, равна разности общей сумме квадратов отклонений и остаточной суммы квадратов
отклонений.)
468. Имеются следующе данные: коэффициент b=7,35, стандартная ошибка коэффициента регрессии se(b)=0,03 чему
равна правая граница доверительного интервала? (7,35+2,11*0,03) 7,41
469. общая сумма квадратов отклонений 150, а остаточная сумма квадратов отклонений =30. Коэффициент
детерминации = 1-30/150=0,8
470. Выборочный коэффицент корреляции r по абсолютной величине - не превосходит единицы
471. Рассчитан по выборке коэффициент корреляции =1, это значит
- между изучаемыми переменными есть функциональная линейная прямая связь
472. Квадрат какого коэффицента в парной регрессии указывает долю дисперсии одной случайной величины,
обусловленной вариацией другой - коэффициент детерминации
473. Ситуации, при которой нулевая гипотеза была опровергнута, хотя бы истинной, носит название: ошибка 1 рода
474. Значение оценки является: случайной величиной
64
475. При применении МНК для оценки параметров управления регрессии минимизируют сумму квадратов разности
476. В модели парной регрессии у=4+2х изменение х на 2 единицы вызовет изменение у 4 единиц
477. В эконометрической модели уравнения регрессии величина отклонения фактического значения зависимой
переменной от ее расчетного значения характеризует ошибку модели
478. Метод оценивания – общее правило для получения
какого-либо параметра по данным выборки.
(приближенного численного значения)
479. При проверке на существенность(значимость) коэффициента регрессии в качестве альтернативной (обратной
нулевой) выдвигается гипотеза 0 ... отличие от нуля этого коэффициента регрессии и существенности влияния
соответствующей независимой переменной на зависимую
479. Этапы построения эконометрической модели. (постановочный, априорный, параметризация, информационный,
идентификация модели, верификация модели.)
480.Имеются следующие данные коэффициент регрессии b=8,73 стандартная ошибка коэф регрессии 0,07 , найти тСтьюдента( b/se=124,71) 8,73/124,71 = 0,07
481. Если парный коэффициент корреляции между признаками y и x принимает значение 0,56 то коэффициент
детерминации равен в % (d=r 2*100%= 31,36)
482. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
ху=100, х=10, у=8 х2=136 у2=100, а=4,8
B=(ху − х∗ у)/( х2- 2х)=(100-10*8)/(136-102)=0,56
482. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
х=20, у=10 Э = 0,8 Э=b*х/у, 0,8=2b, b=0.4
482. по следующим данным вычислите параметр а линейного уравнения регрессии округлите до сотых):
х=20, у=10 Э = 0,8 Э=b*х/у, 0,8=2b, b=0.4 тогда а=10-0,4*20=2
482. по следующим данным вычислите линейный коэффициент корреляции (округлите до сотых):
ху=100, х=10, у=8 х2=136 у2=100, а=4,8
R=(100-10*8)/(√136 − 10^2 )*( √100 − 8^2)=0.56
483. значение коэффициента детерминации составило 0,64. Определите долю случайных факторов в общей дисперсии
зависимой переменной. (1-0,64=0,36)
484. Гиперболической моделью не является регрессионная модель вариант ответа номер 1 (a+x/b+U)
485. Проводя эконометрическое моделирование зависимости объема продаж компании от ряда факторов х1- цена на
товар, х2 – степени известности торговой марки фирмы, х3 – доходы потребителей, х4 – уровня интенсивности реклам.
Фиктивными переменными не являются – х1 и х3
486. Независимая переменная может быть представлена как фиктивная в случае, если она является качественной по
своему характеру
487. По выборочным данным у = 157 + 0,25х – 500d …. С денежным доходом 18000. Ответ 4157
488 Пусть оценено уравнение регрессии : у=-133+820х+3200d1+1360d2, где У – цена двухкомнатной квартиры, Х –
полезная площадь, d1 – место расположения (1- в центре, 0 – на окраине), d2 – тип дома (1 – кирпичный, 0 – панельный).
Какова будет интерпретация, если положить что d1=1 – на окраине, d1=0 – в центре?
 Цена квартиры зависит только от площади дома
 Квартира, расположенная в центре, стоит на 3200 дешевле при прочих равных условиях
 Квартира, расположенная на окраине, стоит на 3200 дороже при прочих равных условиях
 Квартира, расположенная на окраине, стоит на 3200 дешевле при прочих равных условиях
489. Пусть У – товарооборот магазина, млн.руб., Х1 – торговая площадь (тыс.кв.м.), Х2 – среднее количество
посетителей в день (тыс.чел.). У=0,83+5,74х1+1,75х2. Каков будет товарооборот магазина, если он находится в
относительно оживленном месте с количеством посетителей 20 000 и имеет торговую площадь 1000 кв.м.
Ответ: 41,57
490. Какая из перечисленных функций нелинейна по параметрам?
1,2,3
491. Для модели парной регрессии оценки, полученные по МНК, являются несмещенными, эффективными,
состоятельными, если ... выполнены условия Гаусса-Маркова
492. Способ оценивания (estimator) — общее правило для получения
какого-либо параметра по
данным выборки. приближенного численного значения
493. Явление, когда строгая линейная зависимость между переменными приводит к невозможности применения МНК,
называется: полной коллинеарностью
65
494. Выборочная дисперсия зависимой переменной регрессии равна
объясненной дисперсии
зависимой переменной и необъясненной дисперсии зависимой переменной.
495. Если все наблюдения лежат на линии регрессии, то коэффициент детерминации R2 для модели парной регрессии
равен: единице
496. Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака,
объясненной регрессией, к
дисперсии результативного признака. общей
497. При каком значении средней ошибки аппроксимации модель имеет высокую точность: Менее 10%
498. Ковариация между переменными x и y может принимать значения: любое число
499. Самым коротким интервалом изменения коэффициента корреляции для уравнения парной линейной регрессии
y=2-3*x является.. [-1;0]
500. Имеются следующие данные: коэффициент регрессии b = 21,15, стандартная ошибка коэффициента регрессии se(b)
= 0,08. Чему равна левая граница доверительного интервала, если … 0,05. ОТВЕТ: 20,98 b-t*se(b) = 21.15-tкр*0,08
501. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 3,04 + 7,8x, х= 4,0; у= 34,24 0,91=
(7,8*(4/34,24)
502. При снижении уровня значимости риск совершить ошибку I рода уменьшается
503. При вычислении t-статистики применяется распределение Стьюдента
504. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 5,28 + 8,7x, х= 5,0; у= 34,24:
1,27= (8,7*(5/34,24)
505. На основании ряда данных для переменных Х и Н построено уравнение регрессии ……… +0,87х. Какое из
следующих высказываний является верным: все высказывания неверны.
506. Постановочный этап построения эконометрической модели это: определение конечных целей моделирования,
набора участвующих в модели факторов и показателей, их роли.
507. МНК автоматически дает максимальное для данной выборки значение коэффициента детерминации R2.
508. Для эконометрической модели уравнения регрессии ошибка модели определяется как разность между фактическим
значением зависимой переменной и ее расчетным значением.
509. Метод наименьших квадратов может применяться в случае нелинейной и множественной регрессии
510. В кинотеатре проводится исследование, какой вид попкорна предпочитают зрители. Результаты показали, что вид
А предпочитает 65% плюс-минус 3%. Что означает « плюс-минус 3%»? Истинная доля любителей попкорна вида А с
фиксированной доверительной вероятностью находится в пределах от 62 до 68 процентов
511. Имеются следующие данные: коэффициент регрессии b = 1,8, стандартная ошибка коэффициента регрессии se(b) =
0,17. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tта6л =2,11 при уровне
значимости α = 0,05. 10,59 (=1,8/0,17) – коэффициент значим.
512. Априорный этап построения эконометрической модели – это: предмодельный анализ экономической сущности
изучаемого явления, формирование и формализация априорной информации.
513. На стыке каких областей знаний возникла эконометрика: экономическая теория, математические методы и
статистические методы.
514. Близко к линии регрессии находится наблюдение, для которого теоретическое распределение случайного члена
имеет: малое стандартное отклонение.
515. Метод наименьших квадратов позволяет оценить параметры уравнений регрессии
516. Известно, что доля остаточной дисперсии равна 0,19. Тогда значение коэффициента корреляции равно 0,9
Найдем коэффициент детерминации:
Вычислим коэффициент корреляции:
Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в
тыс. рублях) оказался равным «-1,25». Это означает, что
Увеличение цены на 1% снижает спрос на стулья на 1,25%
Увеличение цены на 1% снижает спрос на стулья на 1250 рублей
Увеличение цены на 1000 рублей снижает спрос на стулья на 1250 рублей
Увеличение цены на 1000 рублей снижает спрос на стулья на 1,25%
Простая (парная) регрессия – это
Модель, где среднее значение зависимой переменной У рассматривается как функция нескольких
независимых переменных
Зависимость среднего значения какой-либо величины
Модель, где среднее значение зависимой переменной У рассматривается как функция одной
независимой Х
66
Модель вида У=а+bx
Какие из представленных функций могут быть линеаризованы?
У = αХ𝜷𝟏Х𝜷𝟐U
𝟏
𝟐
У = α + Х𝛽+U
1
У = α(1 −
)+U
𝛽
1− Х
Какие из представленных функций не могут быть линеаризованы?
𝟏
У = α(𝟏 −
)+U
𝟏− Х𝜷
У = α + β𝟏+U
Х
У = αХ𝛽1Х𝛽2U
1
У = αе𝛽хU
2
Для линейного регрессионного анализа требуется линейность
Только по параметрам
Только по переменным
И по параметрам, и по переменным
Всех факторов
Какие из представленных функций нелинейны по параметрам?
У = α + Х𝜷+U
у̂= а0 + а1х + а2х2
У = α + βх3+U
Ln = α + βlnX+U
Какие из представленных функций линейны по параметрам?
Lny = a + βlnx + u
Если по результатам анализа поля корреляции замечено, что на интервале изменения фактора меняется
характер связи рассматриваемых признаков, прямая связь изменяется на обратную, то моделирование
целесообразно проводить на основе
Параболы второй степени
Параболы третьей степени
Равносторонней гиперболы
Степенной функции
При снижении уровня значимости риск совершить ошибку I рода
Сохраняется
Не изменяется
Уменьшается
Увеличивается
Индекс корреляции может принимать значения
От 1 до 100
От 0 до 10
От 0 до +1
От -1 до +1
Пусть оценено уравнение регрессии у̂= -133+820х+3200d1+1360d2, где У – цена двухкомнатной квартиры (у.е.),
Х – полезная площадь, d1 – место расположения (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома (d2=1 – дом
кирпичный, d2 = 0 – дом панельный). Какова будет интерпретация, если положить d 1=1 – на окраине, d1=0 – в
центре?
Цена квартиры зависит только от площади и типа дома
67
Квартира, расположенная на окраине, стоит на 3200 (у.е.) дешевле при прочих равных условиях
68
Квартира, расположенная в центре, стоит на 3200 (у.е.) дешевле при прочих равных условиях
Квартира, расположенная на окраине, стоит на 3200 (у.е.) дороже при прочих равных условиях
В модели множественной линейной регрессии высокая корреляция между двумя объясняющими
переменными приводит к:
Значительной дисперсии оценок коэффициентов, полученных по методу наименьших квадратов
Неэффективности оценок коэффициентов, полученных по МНК
Невозможности определения изолированного влияния регрессоров на зависимую переменную и
однозначной их интерпретации
Несостоятельности оценок коэффициентов, полученных по МНК
Факторы эконометрической модели не являются коллинеарными, если коэффициент
модулю
0,7.
Корреляции … меньше
Детерминации … меньше
Корреляции … больше
Детерминации … больше
между ними по
Пусть У – товарооборот магазина, млн. руб., Х1 – торговая площадь (тыс.кв.км), Х2 – среднее количество
посетителей в день (тыс.чел.), у̂= 0,83 + 5,74Х1 + 1,75Х2. Каков будет товарооборот магазина (млн.руб.), если
он находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 41,57
Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество
посетителей в день, тыс. чел. ŷ = −0.83 + 5.74𝑥̅1 + 1.75𝑥̅2 Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 39,91
Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество
посетителей в день, тыс. чел. ŷ= −0.832 + 4.743х1 + 0.175𝑥̅2 Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 7,41
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у̂= 3,04 + 7,8х, если х= 4,0, у=
34,24. =( х/ у) *b = (4,0/34,24)*7,8 = 0,91
Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной У учтен в модели и обусловлен влиянием факторов х1 и х2 (до сотых). 86,49
Пусть оценено уравнение регрессии у̂= -0,16+10х+5d1+3d2, где У – заработная плата работника данной фирмы
(тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у
работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что начальная кодировка изменена: d 1=0 – для
женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник мужчина, имеет высшее образование. 97,84
Пусть оценено уравнение регрессии у̂= -0,16+10х-5d1+3d2, где У – заработная плата работника данной фирмы
(тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у
работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что начальная кодировка изменена: d 1=0 – для
женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник мужчина, имеет высшее образование. 107,84
Пусть оценено уравнение регрессии у̂= -0,16+10х-5d1+3d2, где У – заработная плата работника данной фирмы
(тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у
работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Какова будет интерпретация, если положить d=1 – для мужчин, d=0 – для женщин?
Мужчины получают в среднем на 5 тыс. руб. больше при прочих равных условиях
69
Интерпретация не изменится
Женщины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
Мужчины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
Множественный линейный коэффициент корреляции Ry,x1,x2 равен 0,75. Какой процент вариации зависимой
переменной Y учтен в модели и обусловлен влиянием факторов х1 и х2. 56,25
Информационный этап построения эконометрической модели – это:
Само моделирование
Статистический анализ модели
Сопоставление реальных и модельных данных
Сбор необходимой статистической информации, т.е. регистрация значений участвующих моделей
факторов и показателей
Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1,2». Это означает, что
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу двести рублей
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу двести рублей
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1,2%
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на 1,2%
Отличие одностороннего теста от двустороннего заключается в том, что он имеет
Одно или несколько критических значений
Одно критическое значение
Несколько критических значений
Множество критических значений
Если расчетное значение F-критерия Фишера меньше табличного, то можно сделать вывод о …
Статистической незначимости построенной модели
Незначимости (несущественности) моделируемой зависимости
Целесообразности использования построенной модели для описания исследуемой зависимости
Статистической значимости построения модели
Величина, рассчитанная по формуле ху − х∗у является оценкой
ху
Частного коэффициента корреляции
Парного коэффициента корреляции
Множественного коэффициента детерминации
Коэффициента детерминации
Между коэффициентом корреляции и регрессии существует связь:
1)
r = bх
2)
у
2
r = b2𝑥̅
𝑦
3)
2
r = b2𝑥̅
𝑥̅
4)
r = b𝑦
𝑥̅
На основании рядов данных для переменных Х и У построено уравнение регрессии: у̂= a1 + a2x = 3 + 0,28х.
Если х=4, то эластичность результирующего показателя у относительно фактора х:
Э = b  𝑥̅ = 0,28 
= 0,27
4
𝑎+𝑏𝑥̅
3+0,28∗4
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у̂= 3,04 + 7,8х, если у= 34,24.
34,24 3,04+7,8∗34,24
Э = 7,8 
70
= 0,99
71
Значение коэффициента детерминации составило 0,64. Определите долю прочих факторов в общей дисперсии
зависимой переменной. 0,36
Уравнение парной регрессии связывает
Теоретические значения х и эмпирическое значение у
Теоретические значения у и эмпирическое значение х
Теоретические значения х и у
Переменную х и математическое ожидание у
Для линеаризации нелинейной регрессионной модели у = а + b√𝑥̅ +  используется замена …
1)
z = √𝒙
2)
z = √𝑥̅ + 
3)
z = b√𝑥̅
4)
z = а + b√𝑥̅
Какое из уравнений
регрессии является показательным?
1)
у = а0*ах𝟏*ах𝟐*
𝟏
2)
3)
4)
𝟐
у = а0*аа1
1 *
у = а0 + а1х1а2+…+
ни одно из уравнений не является показательным
Проверка гипотезы Н: R2=0 происходит с помощью теста
Стьюдента
Паркинсона
Дарбина-Уотсона
Фишера
Для регрессионной модели у = f(x) + , где f(x) – нелинейная функция. Значение индекса корреляции R=0,64.
Моделью объяснена часть дисперсии переменной у, равная …
0,36
0,6
0,41
0,8
Множественный линейный коэффициент корреляции R равен 0,85. Какой процент вариации зависимой
переменной У учтен в модели и обусловлен влиянием факторов х1 и х2 (до сотых).
72,25
27,75
0,73
85,00
Пусть оценено уравнение регрессии у̂= -0,45+305х-208d, где У – расходы на мобильную связь (руб.), Х – доход
(тыс.руб.), d – пол индивида (d1=1 – мужчина, d1=0 – женщина). Какова будет интерпретация, если положить
d1=1 – женщина, d1=0 – мужчина?
Расходы женщин на мобильную связь на 208 руб. меньше, чем у мужчин при прочих равных условиях
Расходы на мобильную связь не зависят от пола
Расходы на мобильную связь не зависят только от дохода
Расходы женщин на мобильную связь на 208 руб. больше, чем у мужчин при прочих равных условиях
Множественный регрессионный анализ является
Эквивалентностью
Противоположностью
Частным случаем
Развитием
парного регрессионного анализа:
72
Пусть для некоторой отрасли оценена регрессионная модель: у̂ = -0,46+8х+2,8d, где У – заработная плата
(тыс.руб.), Х – стаж работы (лет), d – пол работника (d1=1 – мужчина, d1=0 – женщина). Какова будет
интерпретация, если положить d1=1 – женщина, d1=0 – мужчина?
Интерпретация не изменится
Женщины получают в среднем на 2,8 тыс. руб. меньше при прочих равных условиях
Мужчины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
Женщины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
Как правило, в эталонной категории
Все фиктивные переменные равны 1
Все фиктивные переменные равны 0
Все фиктивные переменные принимают разные значения
Все фиктивные переменные равны 10
5)
По следующим данным вычислите параметр b линейного уравнения регрессии (округлить до сотых):
rxy = 0,85; 2 = 36; 2 = 49. 0,73. r = bх
𝑦
𝑥̅
у
Имеются следующие данные: b = 2,13; se(b) = 0,277. Чему равна левая граница доверительного интервала,
если tтабл = 2,11 при α = 0,05 (с точностью до сотых). b - tтабл *se(b) = 2,13-2,11*0,277=1,55
По выборочным данным оценено уравнение регрессии у̂ = 157+0,25х-500d, где У – расходы на потребление
мяса (руб.), Х – денежный доход (руб.), d – социальный статус индивида (d1=1 – в центре, d1=0 – на окраине),
d2 – тип дома (d2=1 – если индивид пенсионер, d2 = 0 – если индивид работает). Рассчитайте расходы на
потребление мяса пенсионера с денежным доходом 18000 руб. 4157
По выборочным данным оценено уравнение регрессии у̂ = 157+0,25х-1,3d, где У – расходы на потребление
мяса (руб.), Х – денежный доход (руб.), d – социальный статус индивида (d1=1 – в центре, d1=0 – на окраине),
d2 – тип дома (d2=1 – если индивид пенсионер, d2 = 0 – если индивид работает). Какова будет интерпретация,
если положить d=1 – индивид работает, d = 0 – если индивид пенсионер?
Расходы на потребление мяса у пенсионера на 1,3 руб. меньше, чем у работающего индивида при прочих
равных условиях
Социальный статус индивида не влияет на расходы, он зависит только от дохода
Расходы на потребление мяса у пенсионера на 1,3 руб. больше, чем у работающего индивида при прочих
равных условиях
Расходы на потребление мяса у работающего индивида на 1,3 руб. больше, чем у пенсионера при прочих равных
условиях
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 2,02 + 0,78x, х= 5,0; у= 6,0.
(5/6)*0,78 = 0,65
Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на мобильные телефоны (в
тысячах рублей) по цене (в рублях) оказался равным «-0,15». Это означает, что
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу пятьсот рублей
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15%
Уравнение регрессии имеет вид 𝐲̂ = 3,15 – 1,32х. На сколько единиц своего измерения в среднем изменится 𝐲̂
при увеличении х на одну единицу своего измерения:
Уменьшится на 1,32 Не
изменится Увеличится
на 3,15
Увеличится на 1,32
Регрессионная модель с одним факторным признаком называется…
Нелинейной
73
Парной
Множественной
Рекурсивной
Основные типы эконометрических моделей:
Модели тренда, модель сезонности
Модель временных рядов, регрессионные модели, система одновременных уровней
Регрессионная, модель тренда и сезонности
Модель сезонности, регрессионная
К показателю, характеризующему качество модели, относят:
t-статистика
коэффициент корреляции
коэффициент детерминации
коэффициент регрессии
Какой критерий используют для оценки значимости коэффициента корреляции в парной линейной модели:
Критерий Пирсона
F-Критерий Фишера
d-критерий Дарбина-Уотсона
хи-квадрат критерий
Множественная регрессия — это
Зависимость среднего значения какой-либо величины
Модель, где среднее значение зависимой переменной У рассматривается как функция нескольких
независимых переменных Х1, Х2, Х3…
Модель, где среднее значение зависимой переменной У рассматривается как функция одной независимой Х
Модель вида У=а+bx
Свойства коэффициентов регрессии как случайных величин зависят от свойств
Независимых переменных
Зависимой переменной
Остаточного члена
Всех составляющих
Под эконометрикой в широком смысле слова понимается:
Совокупность различного рода экономических исследований,
математики
Совокупность теоретических результатов
Применение статистических методов
Самостоятельная научная дисциплина
проводимых
уравнения
с использованием
Пусть оценено уравнение регрессии у̂ = -1,7+450х+1280d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – место расположения (d1=1 – в центре, d2=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с полезной площадью 76 (м2) ( с точностью до десятых). 34 198,3
Пусть оценено уравнение регрессии у̂ = -133+820х+3200d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – место расположения (d1=1 – в центре, d2=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с площадью 52 (м2)? 42 507
Пусть оценено уравнение регрессии у̂= -220+1370х-2200d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – тип дома (d=1 – дом панельный, d = 0 – дом кирпичный). Рассчитайте среднюю
стоимость квартиры, при условии, что начальная кодировка изменена: d=1 – дом кирпичный, d = 0 – дом
панельный, полезная площадь составляет 50 (м2), квартира расположена в кирпичном доме. 66 080
Для регрессионной модели у= f(x) + , где f(x) – нелинейная функция. Значение индекса корреляции R=0,64.
74
Моделью объяснена часть дисперсии переменной у, равная…. 0,4096
Для вычисления прогноза значения зависимой переменной в рамках модели множественной регрессии нужно
знать
значение случайного возмущения, u
значения независимых переменных
значения независимых и зависимой переменных
значение зависимой переменной У
Регрессором в уравнении парной линейной регрессии называется:
Объясняющая переменная
Случайная составляющая
Зависимая переменная
Фиктивная переменная
По аналитическому выражению различают модели:
Прямые и обратные
Парные и множественные
Линейные и криволинейные
Простые и сложные
При добавлении еще одной переменной в уравнение регрессии коэффициент детерминации:
Остается неизменным
Уменьшается
Не увеличивается
Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда значение коэффициента корреляции
равно… ((1 – 0,19)1/2) = 0,9
Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на мобильные телефоны (в
тысячах рублей) по цене (в рублях) оказался равным «–0,15». Это означает, что
Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15% Увеличение
цены на 1рубль снижает спрос на мобильные телефоны на 0,15% Полученное число
никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу пятьсот рублей
Точность оценок по МНК повышается , если увеличивается
Количество наблюдений
Количество факторов
Количество параметров
Количество итераций
Стандартизированный коэффициент уравнения регрессии 𝛽k показывает
На сколько единиц изменится результирующий показатель у при изменении фактора хk на 1 единицу
Все высказывания неверны
На сколько % изменится результирующий показатель у при изменении фактора хk на 1 %
На сколько % изменится фактор хk при изменении результирующего показателя у на 1 %
Допустим руководство решило построить магазин на улице со средней частотой посещений 7500 в день и
хотело бы иметь торговый оборот 4,75 млн. руб. Какова должна быть при этом торговая площадь ? Утоварооборот магазина, млн руб.,х1- торговая площадь, тыс кв м, х2 – среднее количество посетителей в день,
тыс. чел. У= -0,832+4,743*х1+0,175*х2
900 кв м
0,9 кв м
549 кв м
1000 кв м
75
Если две переменные независимы, то их теоретическая ковариация равна
½
1
-1
0
Строгая линейная зависимость между переменными – ситуация, когда _____ двух переменных равна 1 или -1
Сумма
Разность
Выборочная корреляция
Теоретическая корреляция
Проводится эконометрическое моделирование зависимости объема продаж компании от ряда факторов: х 1 –
цены на товар, х2 – степени известности торговой марки фирмы, х3 – дохода потребителя, х4 –цены
«конкурентов». Фиктивной переменной в модели является …
х4
х1
х2
х3
Величина остаточной дисперсии зависимой переменной в ее общей дисперсии равна 0,2. Тогда значение
коэффициента детерминации составляет:
0,64
√0,2
√0,8
0,8
Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1». Это означает, что
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
Полученное число никак не интерпретируется
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу рублей
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу рублей
Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда значение коэффициента корреляции
равно… 0,9
Имеются следующие данные: коэффициент регрессии b = 3,15, стандартная ошибка коэффициента регрессии
se(b) = 0,28. Чему равна правая граница доверительного интервала, если tта6л =2,11 при уровне значимости α
= 0,05. b+ se(b)* tта6л=3,74
Найдите верное высказывание. При оборе факторов путем постепенного наращивания их числа для
включения фактора в модель достаточно, чтобы
Изменение коэффициента множественной детерминации, вызванное добавлением фактора было
неотрицательным
Абсолютное значение парного коэффициента корреляции результирующего показателя и вновь вводимого
фактора был больше некоторого порогового значения
Ни одно из высказываний не верно
Новый фактор не коррелировал с ранее включенными в модель
Стандартный коэффициент уравнения 𝛽𝑘 применяется при проверке
При проверке статистической значимости k-го фактора
При проверке экономической значимости k-го фактора
При проверке на гомоскедастичность
76
При проверке важности фактора по сравнению с остальными факторами
Какой критерий используют для оценки значимости коэффициента корреляции в парной линейной модели:
t-критерий Стьюдента
хи-квадрат
критерий Пирсона
d-критерий Дарбина—Уотсона
По следующим данным вычислите параметр b линейного уравнения регрессии (округлить до десятых): 𝑥̅𝑦=
120, 𝑥̅ = 10, 𝑦= 10, 𝑥̅2 = 149, 𝑦2 = 125, Эх = 0,4.
Общая сумма квадратов отклонений = 120 и остаточная сумма квадратов отклонений = 30, то сумма квадратов
отклонений, объясненная регрессией равна…90
К показателю, характеризующему качество модели, относят:
T-статистика
Коэффициент регрессии
Коэффициент детерминации
Коэффициент корреляции
В уравнении линейной множественной регрессии у̂= 5,85 + 10,8х1 + 9,4х2, где х1 – стоимость ОПФ (тыс. руб.);
х2 – численность занятых (тыс. руб.); у – объем промышленного производства (тыс. руб.). Параметр при
переменной х1, равный 10,8, означает, что при увеличении объема ОПФ на
объем промышленного
производства
при постоянной численности занятых.
На 1 тыс. руб. … увеличится на 10,8 тыс. руб.
Коэффициенты при сезонных фиктивных переменных показывают
численную величину изменения, происходящего
при смене сезона:
Спецификация множественной линейной регрессии имеет вид … y = a0 + a1x1 + … + a2xn + 
Какие из представленных функций линейны по параметрам?
у = α + β1х2+U
уа = β1 + β2х2 + U
y = α + βх3+ U
y = α + βlnх+ U
lny = α + βlnX+U
Пусть оценено уравнение регрессии у̂= -220+1370х-2200d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – тип дома (d=1 – дом панельный, d = 0 – дом кирпичный). Какова будет интерпретация,
если положить d=1 – дом кирпичный, d=0 – дом панельный?
Цена квартиры не зависит от материала (кирпичный или панельный)
Цена квартиры зависит только от полезной площади
Цена квартиры в кирпичном доме на 2200 ден. е. больше при прочих равных условиях Цена
квартиры в кирпичном доме на 2200 ден. е. меньше при прочих равных условиях Цена
квартиры в панельном доме на 2200 ден. е. больше при прочих равных условиях
Пусть оценено уравнение регрессии у̂= -0,128+37х+3,45d, где У – расходы на потребление овощей (руб.), Х –
денежный доход (руб.), d – место проживания индивида (d=1 – если проживает в городе, d = 0 – проживает в
селе). Какова будет интерпретация, если положить d=1 – проживает в селе, d=0 – если проживает в городе ?
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. больше, при прочих равных
условиях
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. меньше, при прочих равных
условиях
77
Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб. меньше, при прочих равных
условиях
Какие из представленных функций нелинейны по параметрам? НЕСКОЛЬКО
y = α + Х𝜷+U
y = αX1β1 X2β2 U
y = αeβх U
y = α + βх3+U
Ln = α + βlnX+U
Гиперболической моделью не является регрессионная модель y =  + 𝒙+ U
Линеаризация нелинейной модели может быть достигнута:
Сглаживанием переменных
Отбрасыванием нелинейных переменных
Преобразованием нелинейных переменных
Перекрестной суперпозицией переменных
Качество подбора нелинейного уравнения регрессии можно охарактеризовать на основе показателей …
Индекса детерминации
Найдите верное высказывание. Стандартизированный коэффициент уравнения регрессии измеряется:
В процентах
В тех же единицах, что и фактор, при котором он стоит
Безразмерная величина
В тех же единицах, что и результирующий показатель
В модели вида y =  + 1  x1 + 2  x2 + 3  x3 +  количество объясняющих переменных равно …
2
3
4
1
Любой набор категорий можно описать некоторой совокупностью
Независимых
Количественных
Фиктивных
Случайных
переменных
Уравнение гиперболы
имеет вид:
𝟏
+𝒂
𝒚
̂=𝒂
𝒙
𝟎
𝟏𝒙
Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на результат
признаков
характера
Качественного
Случайного
Несущественного
Количественного
Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении
множественной регрессии не является
потребителя.
Уровень образования
Семейное положение
Пол
78
Доход
79
Фиктивными переменными в уравнении множественной регрессии могут быть …
Экономические показатели, выраженные в стоимостном измерении
Качественные переменные, преобразованные в количественные Переменные,
исходные значения которых не имеют количественного значения
Количественные переменные
Матрица парных линейных коэффициентов корреляции отображает…
Значения стандартизированных коэффициентов линейной регрессии
Вероятность значимости каждой объясняющей переменной
Тесноту линейной связи между переменными
Величину вклада каждой объясняющей переменной в общую дисперсию зависимой переменной
Стандартизированный коэффициент уравнения k применяется при проверке
При проверке статистической значимости k-го фактора
При проверке важности фактора по сравнению с остальными факторами
При проверке на гомоскедатичность
При проверке экономической значимости k-го фактора
Для вычисления прогноза значения зависимой переменной в рамках модели множественной регрессии нужно
знать:
значения независимых переменных
По выборочным данным оценено уравнение регрессии: y = -0,128 + 37*x + 3,45*d, где Y – расходы на
потребление овощей (руб.), X – денежный доход, d – место проживания индивида (d=1 – если проживает в
городе, d=0 – если проживает в селе). Какова будет интерпретация, если положить d=1 – проживает в селе,
d=0 – индивид проживае в городе?
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. больше, при прочих равных
условиях
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. меньше, при прочих равных
условиях
Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб. меньше, при прочих равных
условиях
Применим ли метод наименьших квадратов для расчета параметров показательной зависимости?
применим после ее приведения к линейному виду путем логарифмирования
На основании рядов данных для переменных x1, x2, и y построено уравнение регрессии: Y = 5 + 1.25*X1 +
0.86*X2. Если x1=2, x2=3, то эластичность результирующего показателя y относительно фактора x1
(округлить до сотых) =
1,25*(2+3/2) и все это делим на 10,8(это наш у)
0,29
Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной Y учтен в модели и обусловлен влиянием факторов x1 и x2
86,49%
Пусть оценено уравнение регрессии: y = -1,7 + 450*x + 1280*d, где y – цена двухкомнатной квартиры, x –
полезная площадь, d – место расположения (d=1 – в центре, d=0 – на окраине). Сколько будет стоить квартира,
расположенная на окраине, с полезной площадью 76 м2. = -1,7 + 450*76 + 1280*0= 34198,3
Пусть оценено уравнение регрессии: y = -0,16 + 10*x - 5*d1 + 3*d2, где y – заработная плата работника данной
фирмы, x – стаж работы, d1 – пол работника (d=1 – для женщин, d=0 – для мужчин), d2 – наличие у работника
высшего образования (d=1 – есть, d=0 – нет). Рассчитайте среднюю зарплату, при условии, что начальная
80
кодировка изменена: d1 = 1 - для мужчин, d1=0 – для женщин, стаж составляет 10 лет, работник имеет высшее
образование.
До перекодировки и после нее, результат остается одинаковым. Найдем у жен= -0,16 + 10*10 - 5*1 +
3*1=97,84, а у мужчин = -0,16 + 10*10 - 5*0 + 3*1=102,84, теперь найдем среднюю (97,84+102,84)/2 = 100.34
Что показывает коэффициент регрессии степенной модели?
относительную величину изменения у при изменении х на единицу
на сколько процентов изменится у, если х изменился на один процент
абсолютную величину изменения y при изменении х на единицу
на сколько процентов изменится у, если х изменился на единицу
Если функция спроса от цены характеризуется постоянной эластичностью, то моделирование целесообразно
проводить на основе
экспоненциальной функции
степенной функции
линейной функции
параболы второго порядка
При идентификации модели множественной регрессии y=a+b1*x1+b2*x2+b3*x3+b4*x4+e количество
оцениваемых параметров равно
6
5
3
4
При отборе факторов в модель множественной регрессии проводят анализ значений ежфакторной
детерминации
эластичности
регрессии
корреляции
Определение отдельного вклада каждой из независимых переменных в объясненную дисперсию в случае их
коррелированности является
задачей
достаточно простой
невыполнимой
первостепенной
достаточно сложной
По 39 точкам оценена следующая формула производственной функции, в которой отдельно рассмотрены две
составляющие затрат основного капитала: К1 – здания и сооружения, и К2 – машины и оборудование; а также
две составляющие затрат труда: L1 – затраты квалифицированного труда, и L2 – затраты
неквалифицированного труда; Y – выпуск: ln(Y) = -4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) + 0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38);
R=0,92; DW=1,74 В скобках приведены стандартные ошибки коэффициентов.
Какой из выводов и дальнейших шагов представляется вам верным?
Формула зависимости приемлема по всем приведенным параметрам, и изменения не нужны
Имеет место мультиколлинеарность, поэтому нужно объединить факторы К1 и К2
Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым (они должны быть больше 2)
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1 и L2
Метод наименьших квадратом позволяет оценить
уравнений регрессии параметры
Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1) модель цены от объема
поставки; 2) модель спроса и предложения; 3) модель тренда и сезонности; 4) модель зависимости объема
производства от производственных факторов:
2,4
81
1,4
все
2,3
Совокупность фиктивных переменных – некоторое количество фиктивных переменных, предназначенное для
описания
набора категорий
неслучайно величины
количественного фактора
случайной составляющей
Какую модель следует выбрать, если есть основания считать, что коэффициент эластичности не изменяется?
экспоненциальную
линейную
показательную
степенную
Пусть оценено уравнение регрессии: y = -10450 + 305*x + 208*d, где y – расходы на мобильную связь, x –
доход, d – пол индивида (d=1 – мужчина, d=0 – женщина). Каковы будут расходы на мобильную связь у
мужчины с доходом 50 т.р? : y = -10450 + 305*50 + 208*1=5008
Пусть оценено уравнение регрессии: y = -220 + 1370*x + 2200*d, где y – цена двухкомнатной квартиры, x –
полезная площадь, d – тип дома (d=1 – панельный, d=0 – кирпичный). Рассчитайте среднюю стоимость
квартиры, при условии, что начальная кодировка изменится: d=1 – кирпичный дом, d=0 – панельный дом,
полезная площадь 50м2, квартира расположена в кирпичном доме. 68 280
Для регрессионной модели Y=f(x), где f(x) – нелинейная функция. Значение индекса корреляции R=0,91.
Моделью объяснена часть дисперсии переменной у, равная 0,83 (округлить до сотых)
Проводится эконометрическое моделирование зависимости объекта продаж компании от ряда факторов: x1 цены на товар, x2 - степени известности торговой марки фирмы, x3 - дохода потребителя, x4 - цены
«конкурентов». Фиктивной переменной в модели является
x4
x2
x3
x1
Применим ли МНК для расчета параметров показательной зависимости?
нет
применим после ее приведения к линейному виду путем логарифмирования
да
в зависимости от исходных данных
Независимая переменная может быть представлена как фиктивная в случае, если она:
подвержена сезонным колебаниям
является качественной по своему характеру
случайная
имеет трендовую составляющую
Фиктивная переменная является
кусочно-непрерывной
непрерывной
дискретной
случайной
величиной
Фиктивная переменная – переменная, принимающая в каждом наблюдении:
82
только отрицательные значения
только положительные значения
только два значения 0 или 1
ряд значений от 0 до 1
Уравнение множественной регрессии имеет вид:
y = -28,26 – 1,37x1 – 0,29x2. Параметр b1 = -1,37 означает следующее
при увеличении х1 на 1,37 единиц своего измерения переменная Y увеличится на одну единицу своего
измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора х2, переменная
Y уменьшится на одну единицу своего измерения
при увеличении х1 на одну единицу своего измерения переменная Y уменьшится на 1,37 единиц своего
измерения
при увеличении х1 на одну единицу своего измерения и при фиксированном значении фактора х2,
переменная Y уменьшится на 1,37 единиц своего измерения
Пусть оценено уравнение регрессии: y = -220 + 1370*x + 2200*d, где y – цена двухкомнатной квартиры, x –
полезная площадь, d – тип дома (d=1 – панельный, d=0 – кирпичный). Как изменятся результаты, если
положить: d=1 – кирпичный дом, d=0 – панельный дом?
цена квартиры в кирпичном доме на 2200 д.е. меньше при прочих равных условиях
цена квартиры в панельном доме на 2200 д.е. больше при прочих равных условиях
цена квартиры в кирпичном доме на 2200 д.е. больше при прочих равных условиях
цена квартиры зависит только от полезной площади
Пусть оценено уравнение регрессии: y = -133 + 820*x + 3200*d1 + 1360*d2, где y – цена двухкомнатной
квартиры, x – полезная площадь, d1 – место расположения (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома
(d2=1 – кирпичный, d2=0 – панельный). Сколько будет стоить квартира, площадью 52 м2, в панельном доме,
расположенная на окраине? y = -133 + 820*52 + 3200*0 + 1360*0=42 507
В уравнении линейной множественной регрессии y = 5,85 + 10,8*x1 +9,4*x2, где х1 – стоимость основных
производственных фондов; х2 – численность занятых; у – объем промышленного производства, параметр при
переменной х1, равный 10,8, означает, что при увеличении объема основных фондов на
объем
промышленного производства
при постоянной численности занятых.
на 1 т.р. … уменьшится на 10,8 т.р.
на 1 т.р. … увеличится на 10,8 %
на 1 т.р. … увеличится на 10,8 т.р.
на 1 %. … уменьшится на 10,8 %
Пусть оценено уравнение регрессии: y = -0,16 + 10*x – 5*d1 +3*d2, где Y – заработная плата работника данной
фирмы, Х – стаж работы, d1 – пол работника (d=1 – для женщин, d=0 – для мужчин), d2 – наличие у работника
высшего образования (d=1 – есть, d=0 – нет). Какова будет интерпретация, если положить: d1 = 1 - для мужчин,
d1=0 – для женщин?
мужчины получают в среднем на 5 т.р. меньше при прочих равных условиях
женщины получают в среднем на 5 т.р. меньше при прочих равных условиях
интерпретация не изменится
мужчины получают в среднем на 5 т.р. больше при прочих равных условиях
Какое
из
уравнений
𝒂𝟐
1) 𝒚 = 𝒂𝟎 + 𝒂𝟏 𝒙𝟏 + ⋯ + 𝜺
2) 𝑦 = 𝑎0 + 𝑎1𝑥̅1 + ⋯ + 𝑎2𝑥̅𝑛 + 𝜀
3)
𝑎1
𝑎𝑛
4)𝑦 = 𝑎 + + ⋯ + + 𝜀
0
𝑥̅1
регрессии
нельзя
свести
к
линейному
виду:
𝑦 = 𝑒𝑎0 ⋅ 𝑥̅𝛼1 ⋅ … ⋅ 𝑥̅𝑎𝑛 ⋅ 𝜀
1
𝑛
𝑥̅𝑛
83
Уравнение гиперболы имеет вид:
𝟏
1)𝒚
̂ = 𝒂𝟎 + 𝒂𝟏 ⋅ 𝒙
84
2) 𝑦̂= 𝑎0 ⋅ 𝑥̅𝑎1
3) 𝑦̂= 𝑎0 + 𝑎1𝑥̅ + 𝑎2𝑥̅2
4) 𝑦̂= 𝑎0 ⋅ 𝑎𝑥̅ 1
Дана матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
0,987
1
X2
0,754
0,451
1
X3
0,857
0,789
0,154
Коллинеарными являются факторы:
коллинеарность отсутствует
Y и X3
X1 и X3
X1 и X2
X2 и X3
Имеется матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
-0,782
1
X2
0,451
-0,987
1
X3
0,842
0,465
0,303
Между какими признаками наблюдается мультиколлинеарность:
X1 и X2
X2 и X3
Y и X3
мультиколлинеарность отсутствует
X3
1
X3
1
85
1 вариант
Проверка значимости каждого параметра – критерий Стьюдента
Оценки коэффициентов, нелинейных по оцениваемым параметрам, но внутренне линейных –
являются смещенными
3. Высокая корреляция объясняющих переменных приводит к – невозможности определения
влияния каждого из них на зависимую переменную и однозначной их интерпретации
4. Множественная модель используется в случае – когда число независимых переменных в модели
больше или равно 2
5. Отбрасывание значимой переменной является ошибкой – спецификации
6. При отборе факторов проводят анализ – межфакторной корреляции
7. Если более чем две независимые переменные связаны сильной зависимостью, то имеет место –
мультиколлинеарность
8. Отсутствие коллинеарности и мультиколлинеарности обязательные требования для уравнения –
множественной линейной регрессии
9. Исходные значения фиктивных переменных предполагают – качественные значения
10. Фиктивными не являются – х1 и х3
1.
2.
2 вариант
Автокорреляцию можно обнаружить с помощью – критерия Дарвина-Уотсона
Эконометрическая модель является – линейной по параметрам и нелинейной по переменным
Значимость коэффициентов регрессии оценивают с помощью – критерия Стьюдента
Проблема спецификации связана – с отбором факторов, включенных в модель
Проверка тесноты связи между факторами может быть оценена с помощью – матрицы парных
коэффициентов корреляции
6. Отсутствие сильной корреляции факторов друг с другом является – требованием к факторам,
включенным в модель множественной регрессии
7. Взаимодействие факторов означает – влияние одного фактора на результативный признак не
зависит от значения другого фактора
8. Мультиколлинеарность – это связь между объясняющими переменными
9. Фиктивными переменными могут быть – как объясняющие переменные, так и случайные
10. Фиктивными являются - х3 и х4
1.
2.
3.
4.
5.
1 Вариант
1) Величина, рассчитанная по формуле является оценкой парного
коэффициента корреляции
2) Согласно методу наименьших квадратов минимизируется следующее
выражение ∑𝒏 (𝒚𝒊 − 𝒚̂𝒊)𝟐
𝒊=𝟏
3) В каких пределах изменяется коэффициент детерминации: от 0 до 1
4) Верификация модели – это проверка истинности, адекватности модели.
5) В формуле число b – это коэффициент регрессии
6) Тесноту линейной связи определяет коэффициент корреляции
7) Какой коэффициент определяет среднее изменение результативного
признака при изменении факторного признака на 1% - коэффициент
эластичности
8) Критерий Фишера используется для проверки гипотезы о значимости
уравнения регрессии в целом
9) Неправильный выбор функциональной формы или объясняющих
переменных называется ошибка спецификации
10) Математическое ожидание остатков равно нулю, если оценки
параметров обладают свойством несмещенности
2 Вариант
1) Если парный коэффициент корреляции равен «-1», то это означает
наличие обратной функциональной связи
2) Критерий Стьюдента предназначен для определения статистической
значимости каждого коэффициента уравнения
3) Табличное значение критерия Фишера зависит и от уровня доверительной
вероятности, и от числа факторов, включенных в модель и от длины
исходного ряда.
4) Метод наименьших квадратов применяется для оценки параметров
линейных уравнений регрессии
5) Состоятельность оценки характеризуется увеличением ее точности при
увеличении объема выборки
6) Величина отклонений фактических значений результативного признака от
его теоретических значений представляет собой ошибку аппроксимации
7) Статистическая оценка параметра называется эффективной, если при
заданном объеме выборки она имеет наименьшую возможную дисперсию
8) Отношение дисперсии результирующего признака, объясненной
уравнением регрессии, к его общей дисперсии называют коэффициентом
детерминации
9) В случае использования критерия Стьюдента, параметр регрессии
признается существенным, если фактические значения соответствующего tкритерия больше его критического значения
10) Если коэффициент корреляции отрицателен, то в парной линейной
модели с ростом Х уменьшается У
МОДУЛЬ № 1
Эндогенные переменные – это
1)
датированные предыдущими моментами времени
2)
независимые переменные
3)
зависимые переменные
1.
Какое определение соответствует понятию «эконометрика»:
1.
это наука, предметом изучения которой является количественное
выражение взаимосвязей
экономических явлений и процессов
2.
это наука, предметом изучения которой является количественная сторона массовых социально-экономических
явлений и процессов в конкретных условиях места и времени
3.
это наука, предметом изучения которой являются общие закономерности случайных явлений и методы количественной оценки влияния случайных факторов
4.
это наука, предметом изучения которой являются модели экономических объектов и процессов и методы их
исследования
2.
Какова цель эконометрики:
1.
разработать
способы
моделирования
и
количественного
анализа реальных экономических объектов
2.
представить экономические данные в наглядном виде
3.
определить
способы
сбора
и
группировки
статистических
данных
4.
изложить в математической формулировке экономические законы
3. Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1) модель цены от объема
поставки; 2) модель спроса и предложения; 3) модель тренда и сезонности; 4) модель зависимости объема производства
от производственных факторов:
1,4
2, 4
2, 3
все
4. Набор сведений о разных объектах, взятых за один период времени, называется:
пространственными данными
временными данными
панельными данными
статистическими данными
5.
Выберите аналог понятия «независимая переменная»:
фактор
экзогенная переменная
регрессор
эндогенная переменная
результат
6.
Рассмотрите модель зависимости общей величины расходов на питание от располагаемого личного дохода (х)
и цены продуктов питания (р): у=а0+а1х+а2р+𝜀. Определите класс модели и вид переменных модели:
регрессионная модель с одним уравнением; эндогенная переменная -расходы на питание, экзогенные переменные
— располагаемый личный доход и цена продуктов питания
регрессионная модель с одним уравнением; эндогенная переменная — расходы на питание, экзогенная переменная —
располагаемый личный доход, предопределенная переменная — цена продуктов питания
модель временного ряда; эндогенная переменная — расходы на питание, лаговые переменные — располагаемый личный
доход и цена продуктов питания
модель временного ряда; эндогенная переменная — расходы на питание, экзогенные переменные — располагаемый
личный доход и цена продуктов питания.
7. Найдите правильную последовательность этапов эконометрического моделирования:
постановочный, априорный, параметризации, информационный, идентификации, верификации
постановочный, априорный, информационный, параметризации, идентификации, верификации
информационный, постановочный, априорный, параметризации, верификации, идентификации
8. Верификация модели — это:
проверка истинности, адекватности модели
определение вида экономической модели, выражение в математической форме взаимосвязи между ее переменными
определение исходных предпосылок и ограничений модели
анализ изучаемого экономического явления
9. Какая задача эконометрики является задачей параметризации модели:
выбор вида функции, спецификация модели, формулировка исходных предпосылок и ограничений модели
1
составление прогноза и рекомендаций для конкретных экономических явлений по результатам эконометрического
моделирования
оценка параметров построения модели
построение
эконометрических
моделей
для
эмпирическое
анализа
10. Спецификация модели — это:
выражение в математической форме выявленных связей и соотношений, установление состава эндогенных и
экзогенных переменных
определение
цели
исследования
и
выбор
экономических
переменных модели
проведение статистического анализа модели, оценка качества ее параметров
сбор необходимой статистической информации
11. На основании рядов данных для переменных X и Y построено уравнение регрессии: yˆ  a1  a2 x  5 1,25x .
Какое из следующих высказываний является верным:
все высказывания неверны
оценка коэффициента a2 =1,25 означает, что если значение переменной Х увеличится в среднем на 1,25, то значение
переменной Y при прочих равных условиях увеличится на 1 единицу
оценка коэффициента a2 =1,25 означает, что если значение переменной Y увеличится на 1 единицу, то значение
переменной X при прочих равных условиях увеличится в среднем на 1,25
если при прочих равных условиях значение переменной Х удвоится, то значение переменной Y возрастет в среднем на
25%
12. Найдите верное высказывание. Эластичность показывает:
на сколько % изменится результирующий показатель y при изменении фактора xk на 1 %
на сколько единиц изменится фактор xk при изменении результирующего показателя y на 1 единицу
на сколько единиц изменится результирующий показатель y при изменении фактора xk на 1 единицу
на сколько % изменится фактор xk при изменении результирующего показателя y на 1 %
все высказывания неверны
13. Какое из уравнений регрессии нельзя свести к линейному виду:
𝒚 = 𝒂𝟎 + 𝒂𝟏𝒙𝒂𝟐
𝟏 + ⋯+ 𝜺
y  0  1 x1 ...  n x n  .
y  e0 x1... x  n  .
n
1
y   0  1 / x 1 ...  n / x n   .
все уравнения можно свести к линейному виду.
14. Какое из уравнений регрессии является степенным:
𝒚 = 𝒆𝒂𝟎 𝒙𝒂𝟏
𝟏 ∗𝜺
y  0  1 x2
1  ...   .
y  0  х1 х 2  .
1
2
y  0  1 x2
1   .
ни одно из уравнений не является степенным
15. Какое предположение о матрице факторов Х не является предпосылкой классической линейной
регрессионной модели.
матрица факторов Х содержит все важнейшие факторы, определяющие изменения зависимой переменной
матрица факторов Х – невырожденная (независимые переменные не коррелируют друг с другом
длина исходного ряда данных больше, чем количество факторов (достаточное число степеней свободы)
независимые переменные экзогенны
все предположения являются предпосылками классической регрессионной модели.
16. Какое предположение о результирующем показателе является предпосылкой классической регрессионной модели:
результирующий показатель является количественным, причем на него не накладываются особые ограничения
результирующий показатель измеряется в порядковой шкале
результирующий показатель измеряется в номинальной шкале
результирующий показатель измеряется в дихотомической (бинарной) шкале
ни одно из предположений не является предпосылкой классической регрессионной модели
17. Какое предположение о векторе случайной составляющей не является предпосылкой классической
регрессионной модели:
все предположения являются предпосылками классической модели случайная составляющая имеет нулевое
математическое ожидание
случайная составляющая имеет постоянную дисперсию (свойство гомоскедастичности)
2
отсутствует автокорреляция случайной составляющей
случайная составляющая обладает нормальным распределением
18. Критерий Стьюдента предназначен для
определения статистической значимости каждого из коэффициентов уравнения регрессии
определения экономической значимости каждого из коэффициентов уравнения регрессии
определения статистической значимости модели в целом на основе совокупной достоверности всех ее коэффициентов
определения экономической значимости регрессионной модели в целом
ни одно из высказываний не верно
19. Критерий Стьюдента используется в эконометрическом моделировании
И для определения статистической значимости каждого из коэффициентов уравнения регрессии и для расчетов
доверительных интервалов коэффициентов уравнения регрессии и прогнозного интервала зависимой величины Только
для определения статистической значимости каждого из коэффициентов уравнения регрессии
Только для определения экономической значимости каждого из коэффициентов уравнения регрессии
Только для расчетов доверительных интервалов коэффициентов уравнения регрессии и прогнозного интервала
зависимой величины
Ни одно из высказываний не верно
20. Если коэффициент уравнения регрессии (k ) статистически значим, то
k 0
k>1
|k|>1
k> 0
Ни один из ответов не верен
21. Если коэффициент уравнения регрессии (bk ) статистически значим, то
0<bk< 1
bk >1
bk 0
bk< 1
|bk|>1
22. Табличное значение критерия Стьюдента зависит
Только от уровня доверительной вероятности и длины исходного ряда
И от уровня доверительной вероятности, и от числа факторов, включенных в модель и от длины исходного ряда
Только от уровня доверительной вероятности
Только от числа факторов, включенных в модель
Только от длины исходного ряда
23. Критерий Фишера показывает
Статистическую значимость модели в целом на основе совокупной достоверности всех ее коэффициентов
Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель
Тесноту связи между фактическими и расчетными значениями результирующего показателя
Экономическую значимость модели в целом
Ни одно из утверждений не верно
24. Табличное значение критерия Фишера зависит
И от уровня доверительной вероятности, и от числа факторов, включенных в модель и от длины исходного ряда
Только от уровня доверительной вероятности
Только от числа факторов, включенных в модель
Только от длины исходного ряда
Только от уровня доверительной вероятности и числа факторов, включенных в модель
24. Модель в целом статистически значима, если
Fф Fкр
Fф Fкр
 Fф Fкр
Fф = Fкр
Ни один из ответов не верен.
25. Критерий Дарбина-Уотсона применяется для Ни
одно из высказываний не верно
Определения экономической значимости модели в целом
Определения статистической значимости модели в целом
Сравнения двух альтернативных вариантов модели
Отбора факторов в модель
26. Коэффициент детерминации показывает
Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель
3
Тесноту связи между фактическими и расчетными значениями результирующего показателя в базисном периоде
Статистическую значимость модели в целом на основе определения совокупной достоверности всех ее коэффициентов
Экономическую значимость модели в целом
Ни одно из высказываний не верно
27. Зависимость между коэффициентами множественной детерминации (D) и корреляции (R) описывается
следующей формулой:
R=D
R2 = 1–D2
D2=1–R2
D=R
Ни одной из формул
28. Рассчитанный по выборке коэффициент корреляции оказался равным «–1». Это означает, что между
изучаемыми переменными есть функциональная линейная отрицательная связь
между изучаемыми переменными есть слабая отрицательная линейная связь
между изучаемыми переменными есть связь, но она не является линейной
между изучаемыми переменными отсутствует связь
полученное число никак не интерпретируется
29. Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1». Это означает, что
увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу рублей
увеличение цены на 1% снижает спрос на мобильные телефоны на 1%
увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу рублей
полученное число никак не интерпретируется
Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в рублях)
оказался равным «–1.25». Это означает, что
увеличение цены на 1 тысячу рублей снижает спрос на стулья на 1250 рублей
30. Уравнение Y=+k+(1-)l+u, где Y - темп прироста выпуска, k - темп прироста затрат капитала и l - темп
прироста затрат труда, может быть оценено как модель линейной регрессии:
непосредственно, с помощью обычного МНК, как зависимость Y от k и l со свободным членом
непосредственно, с помощью обычного МНК, как зависимость Y от k и l без свободного члена
как линейную зависимость (Y-k) от (l-k) со свободным членом
как линейную зависимость (Y-k) от (l-k) без свободного члена
невозможно оценить данную зависимость с помощью обычного МНК; требуется нелинейный МНК
31. В модели множественной линейной регрессии высокая корреляция между двумя объясняющими переменными
приводит к:
невозможности определения изолированного влияния регрессоров на зависимую переменную и однозначной их
интерпретации
несостоятельности оценок коэффициентов, полученных по методу наименьших квадратов
неэффективности оценок коэффициентов, полученных по методу наименьших квадратов
значительной дисперсии оценок коэффициентов, полученных по методу наименьших квадратов
равенству нулю оценок коэффициентов, полученных по методу наименьших квадратов
32. В правой части структурной формы взаимозависимой системы могут стоять
Любые экзогенные и эндогенные переменные
Только экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
Только эндогенные лаговые переменные
Только эндогенные переменные (как лаговые, так и нелаговые)
33.
В правой части приведенной формы взаимозависимой системы могут стоять
Эндогенные лаговые и экзогенные переменные (как лаговые, так и нелаговые)
Только экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
Только эндогенные переменные (как лаговые, так и нелаговые)
Любые экзогенные и эндогенные переменные
34.
Для оценки структурных коэффициентов целесообразно использовать
Двухшаговый метод наименьших квадратов
Косвенный метод наименьших квадратов
Обычный метод наименьших квадратов
Обобщенный метод наименьших квадратов
Нецелесообразно использовать ни один из перечисленных методов
35. Коэффициент наклона линии регрессии
4
может принимать любое значение
всегда находится от –1 до 1
никогда не бывает отрицательным
равен коэффициенту корреляции
не может быть равен нулю
36. Коэффициент уравнения регрессии показывает
На сколько ед. изменится результат при изменении фактора на 1 ед.
На сколько % изменится результат при изменении фактора на 1 %
На сколько % изменится фактор при изменении результата на 1 %
На сколько ед. изменится фактор при изменении результата на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
37. Коэффициент эластичности показывает
На сколько % изменится результат при изменении фактора на 1 %
На сколько ед. изменится фактор при изменении результата на 1 ед.
На сколько ед. изменится результат при изменении фактора на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
На сколько % изменится фактор при изменении результата на 1 %
38. Какое из уравнений регрессии является показательным?
𝒚 = 𝒂𝟎𝒂𝒙𝟏𝒂𝒙𝟐 ∗ 𝜺
𝟏
𝟐
y   0  1 x 2
1  ...   .
y  e0 x1 1 .
y   0  1 / x 2  ...   .
1
y   0  1 x 2
1   .
39. Найдите предположение, являющееся предпосылкой классической модели.
Результирующий показатель является количественным
Результирующий показатель измеряется в порядковой шкале
Результирующий показатель измеряется в номинальной шкале
Результирующий показатель измеряется в дихотомической шкале
Результирующий показатель может быть и количественным и качественным
42. Табличное значение критерия Стьюдента не зависит от
значений коэффициентов регрессии
от уровня доверительной вероятности
от числа факторов в модели
от длины исходного ряда
все ответы верны
44. В правой части структурной формы взаимозависимой системы не могут стоять
Все ответы не верны
Экзогенные лаговые переменные
Экзогенные переменные (как лаговые, так и нелаговые)
Эндогенные лаговые переменные
Эндогенные переменные
Все ответы верны
45. В правой части приведенной формы системы одновременных уравнений не могут стоять
Эндогенные переменные
Экзогенные лаговые переменные
Экзогенные переменные (как лаговые, так и нелаговые)
Эндогенные лаговые переменные
Все ответы верны
Все ответы не верны
46. В каких пределах изменяется множественный коэффициент корреляции от 0
до 1
от –1 до 0
от –1 до 1
от 0 до 10
47. Для вычисления прогноза значения эндогенной переменной в рамках модели множественной регрессии нужно
знать
5
значения экзогенных переменных
значение случайного возмущения, u
6
значение эндогенной переменной Y
значения экзогенных и эндогенной переменных
48. Коэффициент корреляции, равный нулю, означает, что между переменными
линейная связь отсутствует
существует линейная связь
ситуация не определена
не существует связи
50. В регрессионном анализе xj рассматриваются как
неслучайные величины
случайные величины
любые величины
дробные величины
51. Коэффициент регрессии изменяется в пределах от
принимает любое значение
–1 до 1
0 до 1
принимает только целые значения
52. В каких пределах изменяется коэффициент детерминации от
0 до 1
от –1 до 0
от –1 до 1
от 0 до 10
53. В хорошо подобранной модели остатки должны (выберите необходимые пункты)
иметь нормальный закон распределения с нулевым математическим ожиданием и постоянной дисперсией не
коррелировать друг с другом
иметь экспоненциальный закон распределения
хаотично разбросаны
форма и вид распределения не важен
54. Неправильный выбор функциональной формы или объясняющих переменных называется
ошибками спецификации
ошибками прогноза
гетероскедастичностью
автокорреляцией
55. Коэффициент детерминации это квадрат
коэффициента корреляции квадрат частного
коэффициента корреляции квадрат
коэффициента регрессии
квадрат коэффициента эластичности
57. Величина, рассчитанная по формуле
парного коэффициента корреляции
коэффициента детерминации
частного коэффициента корреляции
r
xy  x * y
 x y
является оценкой
множественного коэффициента корреляции
58. Выборочный коэффициент корреляции r по абсолютной величине не
превосходит единицы
не превосходит нуля
принимает любые значения
не превосходит 10
59. Как интерпретируется в парной линейной модели коэффициент регрессии b
тангенс угла наклона регрессии
коэффициент эластичности
значение результативного признака при нулевом значении фактора
доля изменчивости зависимой переменной
60. Как интерпретируется в парной линейной модели коэффициент регрессии а?
значение результативного признака при нулевом значении фактора коэффициент
эластичности
тангенс угла наклона регрессии
доля изменчивости зависимой переменной
62. Применим ли метод наименьших квадратов для расчёта параметров нелинейных моделей?
7
к определенному классу моделей
применим после специального приведения к линейному виду
нет
да
63. Применим ли метод наименьших квадратов для расчёта параметров показательной зависимости?
применим после её приведения к линейному виду путём логарифмирования
нет
да
в зависимости от исходных данных
64. Применим ли метод наименьших квадратов для расчёта параметров степенной зависимости?
применим после её приведения к линейному виду путём логарифмирования
нет
да
в зависимости от исходных данных
65. Что показывает коэффициент регрессии степенной модели?
на сколько процентов изменится y, если x изменился на один процент на
сколько единиц изменится y, если x изменился на единицу относительную
величину изменения y при изменении x на единицу абсолютную величину
изменения y при изменении x на единицу
66. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде коэффициент
абсолютного прироста не изменяется?
линейную
показательную
степенную
экспоненциальную
67. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде коэффициент
эластичности не изменяется?
степенную
линейную
показательную
экспоненциальную
68. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде цепные
коэффициенты роста не изменяются?
экспоненциальную
линейную
показательную
степенную
69. Если коэффициент корреляции положителен, то в парной линейной модели с
ростом х увеличивается у
с ростом х уменьшается у
с уменьшением х растёт у
xи y независимы
70. Если коэффициент корреляции отрицателен, то в парной линейной модели с
ростом х уменьшается у
с ростом х увеличивается у
с уменьшением х уменьшается у
xи y независимы
71. С помощью какого критерия оценивается значимость множественных коэффициентов регрессии? tСтьюдента
хи-квадрат
d-критерия
F – критерия
R2
n  m 1
F 
*
2
1 R
m
число m это
72. В формуле
число независимых переменных модели
количество оцениваемых коэффициентов в функции регрессии
количество предопределённых переменных в функции регрессии
количество наблюдений
73. Критерий Фишера используется для
проверки гипотезы о значимости уравнения регрессии в целом
8
проверки гипотезы о значимости коэффициентов регрессии
9
проверки автокоррелированности остатков
проверки на однородность выборок
проверки на гетероскедастичность
74. Рассчитанный по выборке коэффициент корреляции оказался равным 1. Это означает, что между
изучаемыми переменными есть функциональная линейная прямая связь
между изучаемыми переменными есть слабая отрицательная линейная связь
между изучаемыми переменными есть связь, но она не является линейной
между изучаемыми переменными отсутствует связь
полученное число никак не интерпретируется
75. Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в
тыс.рублях) оказался равным «–2». Это означает, что
увеличение цены на 1 тысячу рублей снижает спрос на стулья на две тысячи рублей
увеличение цены на 1% снижает спрос на стулья на 2%
увеличение цены на 1 рубль снижает спрос на стулья на 2%
увеличение цены на 1% снижает спрос на стулья на две тысячи рублей
полученное число никак не интерпретируется
76. Связь называется корреляционной:
если каждому значению факторного признака соответствует множество значений результативного признака, т.е.
определенное статистическое распределение
если каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного
признака;
если каждому значению факторного признака соответствует целое распределение значений результативного признака
если каждому значению факторного признака соответствует строго определенное значение факторного признака
77. По аналитическому выражению различают связи:
линейные
криволинейные
обратные
парные
78.
Регрессионный анализ заключается в определении:
аналитической формы связи, в которой изменение результативного признака обусловлено влиянием одного или
нескольких факторных признаков, а множество всех прочих факторов, также оказывающих влияние на результативный
признак, принимается за постоянные и средние значения
тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков
(при многофакторной связи)
статистической меры взаимодействия двух случайных переменных
степени статистической связи между порядковыми переменными
79.
Под частной корреляцией понимается:
зависимость между результативным и одним факторным признаками при фиксированном значении других
факторных признаков
зависимость результативного признака и двух и более факторных признаков, включенных в исследование
связь между двумя признаками (результативным и факторным или двумя факторными)
зависимость между качественными признаками
80.
Какое значение не может принимать парный коэффициент корреляции: 1,111
-0,973
0,005
0,721
81.
При каком значении линейного коэффициента корреляции связь между признаками Y и X можно считать тесной
(сильной):
-0,975
0,657
-0,111
0,421
82.
Какой критерий используют для оценки значимости коэффициента корреляции: tкритерий Стьюдента
F-критерий Фишера
критерий Пирсона
d-критерий Дарбина—Уотсона
83.
Если парный коэффициент корреляции между признаками и X равен«-1», то это означает:
наличие обратной функциональной связи
отсутствие связи
10
наличие обратной корреляционной связи
наличие прямой функциональной связи
84.
Если парный коэффициент корреляции между признаками Y и X принимает значение 0,675, то
коэффициент детерминации равен: (возводим в квадрта)
45,6
82,2
-67,5
57,6
85.
Согласно методу наименьших квадратов минимизируется следующее выражение:
𝒏
∑(𝒚𝒊 − 𝒚̂𝜾 ) 𝟐
𝒊=𝟏
n
( y  ŷ )
i
i
i1
n
 y  ŷ
i
i
i 1
n
( y  y )
2
i
i
i1
86. Оценки параметров регрессии (свойства оценок МНК) должны быть:
несмещенными
состоятельными
эффективными
гетероскедатичными
87.
В уравнении линейной парной регрессии параметр b, означает:
на какую величину в среднем изменится результативный признак у, если переменную х увеличить на единицу
измерения
усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов;
среднее изменение результативного признака при изменении факторного признака на 1%
какая доля вариации результативного признака у учтена в модели и обусловлена влиянием на нее переменной х
88.
Значение параметра b в уравнении линейной парной регрессии определяется по формуле:
𝒙𝒚−𝒙∙𝒚
𝟐
𝒙𝟐−𝒙
𝑦− 𝑏𝑥̅
∑(х − х)(𝑦 − 𝑦)
√(𝑥̅ − 𝑥̅)2 ∑(𝑦 − 𝑦) 2
𝑎0 ∗ 𝑥̅𝑎1
89.
Уравнение
регрессии
имеет
вид
𝐲̂
=
2,02
+
0,78х.
На
сколько
единиц своего измерения в среднем изменится 𝐲̂ при увеличении х на одну единицу своего измерения: увеличится на
0,78
увеличится на 2,02
увеличится на 2,80
не изменится
90.
Какой критерий используют для оценки значимости уравнения регрессии:
F- критерий Фишера tкритерий Стьюдента
критерий Пирсона
d-критерий Дарбина—Уотсона
91.
Какой коэффициент определяет среднее изменение результативного признака при изменении факторного
признака на 1%:
коэффициент эластичности
коэффициент регрессии
коэффициент детерминации
коэффициент корреляции
92. Уравнение степенной функции имеет вид:
𝟏
𝒚
̂𝒙 = 𝒂𝟎 ∗ 𝒙𝒂
11
𝑦= 𝑎 + 𝑎
12
̂𝑥̅ = а0 + а1х + а2х2
𝑦
̂𝑥̅ = а0 *𝑎𝑥̅ 1
𝑦
93. Уравнение гиперболы𝟏 имеет вид:
𝐲̂ = 𝐚 + 𝐚
𝐱
𝟎
𝟏𝐱
1
̂𝑥̅ = 𝑎0 ∗ 𝑥̅𝑎
𝑦
̂𝑥̅ = а0 + а1х + а2х2
𝑦
̂𝑥̅𝑦= а0
1
94. Индекс корреляции определяется по формуле:
*𝑎𝑥̅
∑(𝐲𝐢 − 𝐲̂𝐢 ) 𝟐
√𝟏 −
∑(𝐲𝐢 − 𝐲) 𝟐
𝑆𝗌2
√1 − 2
𝑆𝑦
𝑟2 √
𝑦𝑥̅
𝑛−2
2
1 − 𝑦𝑥̅
𝑟
𝑆2
√∑𝑛 (𝑥̅𝑖𝗌 − 𝑥̅)2
𝑖=1
95. В каких пределах изменяется множественный коэффициент корреляции: 0
<𝑹𝒚𝒙𝟏𝒙𝟐 <1
0 <𝑅𝑦𝑥̅ 1𝑥̅2 <∞
-1<𝑅𝑦𝑥̅ 1𝑥̅2 <1
-∞<𝑅𝑦𝑥̅1𝑥̅2 <∞
96. В каких пределах изменяется множественный коэффициент детерминации?
0 <𝑹𝟐𝒚𝒙𝟏𝒙𝟐 <1
2
1 <𝑅𝑦𝑥̅1𝑥̅2 <∞
-1<𝑅 2𝑦𝑥̅1𝑥̅2 < 1
- ∞<𝑅 2𝑦𝑥̅1𝑥̅2 <1
97.
Частный коэффициент корреляции оценивает:
тесноту связи между двумя переменными при фиксированном значении остальных факторов
тесноту связи между двумя переменными
тесноту связи между тремя переменными
тесноту связи между зависимой переменной и всеми факторами, включенными в модель
98.
Какой коэффициент указывает в среднем процент изменения результативного показателя Y при
увеличении аргумента х на 1%:
коэффициент эластичности
коэффициент детерминации
коэффициент регрессии
бета-коэффициент
99. Множественный линейный коэффициент корреляции 𝐑𝐲,𝐱𝟏,𝐱𝟐 равен 0,75. Какой процент вариации зависимой
переменной Y учтен в модели и обусловлен влиянием факторов х1 и х2.
56,25
75,05
37,56
0,75
100.
Какое значение может принимать множественный коэффициент корреляции: 0,861
1,501
-0,453
-1,72
101.
Уравнение множественной регрессии имеет вид:
у̂= -27,16 + 1,37х1, -0,29х2. Параметр b1 = 1,37 означает следующее:
при увеличении х1, на одну единицу своего измерения и при фиксированном значении фактора х2, переменная
13
Yувеличится на 1,37 единиц своего измерения
при увеличении х1, на одну единицу своего измерения переменная Yувеличится на 1,37 единиц своего измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора х2, переменная Yувеличится
14
на одну единицу своего измерения
при увеличении х1 на 1,37 единиц своего измерения переменная Yувеличится на одну единицу своего измерения
102.
Системами эконометрических уравнений являются:
системы
одновременных
уравнений системы
рекурсивных
уравнений системы независимых
уравнений
системы нормальных уравнений
103.
Система одновременных уравнений отличается от других видов эконометрических систем тем, что в ней:
одни и те же эндогенные переменные системы в одних уравнениях находятся в левой части, а в других уравнениях — в правой части
эндогенная переменная одного уравнения находится в другом уравнении системы в качестве фактора
каждая эндогенная переменная является функцией одной и той же совокупности экзогенных переменных
104. МНК позволяет получить состоятельные и несмещенные оценки параметров системы:
рекурсивных уравнений
независимых уравнений
одновременных уравнений
105.
Экзогенные переменные модели характеризуются тем, что они:
являются независимыми и определяются вне системы
датируются предыдущими моментами времени
являются зависимыми и определяются внутри системы
являются лаговыми переменными
106.
Выберите аналог понятия «эндогенная переменная»:
результат
зависимая переменная, определяемая внутри системы
фактор
предопределенная переменная
107. Если структурные коэффициенты модели выражены через приведенные коэффициенты и имеют более одного
числового значения, то такая модель:
сверхидентифицируемая
неидентифицируемая
идентифицируемая
рекурсивная
108.
Количество структурных и приведенных коэффициентов одинаково в модели:
идентифицируемой
сверхидентифицируемой
неидентифицируемой
рекурсивной
109. Найдите правильную последовательность шагов алгоритма применения двухшагового МНК:
1) Преобразование структурной формы модели в приведенную
2) Процесс оценки параметров приведенной формы с помощью МНК
3) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных переменных
правой части сверхидентифицируемого уравнениямодели
4) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения
эндогенных и фактические значения предопределенных переменных
1) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных переменных правой
части сверхидентифицируемого уравнения модели
2) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения эндогенных и
фактические значения предопределенных переменных
3) Преобразование структурной формы модели в приведенную
4) Процесс оценки параметров приведенной формы с помощью МНК
1) Процесс оценки параметров приведенной формы с помощью МНК
2) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных переменных правой
части сверхидентифицируемого уравнения модели
3) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения эндогенных и
фактические значения предопределенных переменных
4) Преобразование структурной формы модели в приведенную
110.
Аддитивная модель ряда динамики представляет собой:
𝒚𝒕 = 𝑻𝒕 + 𝑺𝒕 + 𝜺𝒕
𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝑡
15
𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 + 𝜀𝑡
111.
Мультипликативная модель ряда динамики представляет собой:
𝒚𝒕 = 𝑻𝒕 ∗ 𝑺𝒕 ∗ 𝜺𝒕
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝑡
112.
Укажите правильную функцию логарифмического тренда:
𝒚̂𝒕 = 𝒂𝟎 + 𝒂𝟏 ∗ 𝐥𝐧 𝒕𝒊
1
𝑦̂𝑡 = 𝑎0+𝑎1𝑡
𝑙
+1
113. Укажите правильную функцию гиперболического тренда:
𝟏
𝒚̂𝒕 = 𝒂𝟎 + 𝒂𝟏 ∗
𝒕𝒊
1
𝑦̂𝑡 = 𝑎0+𝑎1𝑡
𝑙
+1
114. В формуле t 
b
число b это
se(b)
случайный член
коэффициент регрессии
независимая переменная
зависимая переменная
115. Дана следующая макроэкономическая модель: Y =
C + I + G - макроэкономическое тождество C =
α +βY + U1- функция потребления
I =γ – µ∙R + δY + U2- функция инвестиций
M = ηY – λR + U3- уравнение денежного рынка
где эндогенными переменными являются доход Y, потребление C, инвестиции I и процентная ставка R. Переменные G
(государственные расходы) и (M) (реальная денежная масса) – экзогенные. Выберите верное утверждение из следующих.
функция инвестиций неидентифицируема
функция потребления неидентифицируема
функция инвестиций однозначно идентифицируема
функция потребления однозначно идентифицируема
функция инвестиций сверхидентифицируема
116. Значимость линейного коэффициента корреляции проверяется с помощью
F – критерия
нормального закона распределения
t-критерия Стьюдента
Критерия Дарбина-Уотсона
117. Имеются следующие данные:
коэффициент регрессии b = 1,341:
стандартная ошибка коэффициента регрессии se(b) = 0,277.
Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tта6л =2,11 при уровне
значимости 𝛂 = 0,05.
0,207, коэффициент незначим
4,841, коэффициент значим (b/se(b) и сравнить с табличным)
4,841, коэффициент незначим
16
0,372, коэффициент значим
118. Как в степенной модели интерпретируется коэффициент регрессии b?
тангенс угла наклона регрессии
значение результативного признака при нулевом значении фактора
коэффициент эластичности
доля изменчивости зависимой переменной
119. Квадрат какого коэффициента в парной регрессии указывает долю дисперсии одной случайной величины,
обусловленную вариацией другой
коэффициент детерминации
частный коэффициент корреляции
парный коэффициент корреляции
множественный коэффициент корреляции
C t  a1  a2Y t  t ;
120. Найдите приведенную форму, соответствующую структурной форме модели Y t
𝑪𝒕 =
𝒀𝒕 =
 I t  Ct .
𝒂𝟏
𝒂𝟐
𝟏
𝑰𝒕 +
+
𝜺
𝟏 − 𝒂 𝟐 𝟏 − 𝒂𝟐
𝟏 − 𝒂𝟐 𝒕
𝒂𝟏
𝒂𝟐
𝟏
𝟏 − 𝒂𝟐
+
𝟏 − 𝒂𝟐
𝑰𝒕 +
𝟏−𝒂
𝟐𝜺
𝒕
C t  a1  a2Y t  t ;
Y 
a1
t
1  a2
Ct 
a1



1  a2
Y 
a1
t
1  a2
1
t
I 
1
.
1  a2
t
1  a2
t
a2
It
1  a2

1
1  a2
a1
C 

1
t
1  a2
I .
t
;
a2
I 
1
;
1  a2
t
1  a2
t

1  a2
Y t  It  Ct.
C 
t
Y 
t
a1

1  a2
a1
1  a2
a2
1  a2

1
1  a2
I ;
t
I .
t
121. На основании рядов данных для переменных X и Y построено уравнение регрессии: yˆ  a1  a2 x  5 1,25x
. Если х=2, то эластичность результирующего показателя y относительно фактора х :
0,33 =b* (хсреднее/a+b*хсред)= 1,25* (2/(5+1,25*2)
1,25
2
7,5
4,6875
П
122. По 39 точкам оценена следующая формула производственной функции, в которой отдельно рассмотрены две
составляющие затрат основного капитала: K1 - здания и сооружения, и K2 - машины и оборудование; а также две
составляющие затрат труда: L1 - затраты квалифицированного труда, и L2 - затраты неквалифицированного труда;
Y – выпуск:
17
ln(Y)=-4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) + 0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38); R2 =0,92; DW=1,74
(в скобках приведены стандартные ошибки коэффициентов).
Какой из выводов и дальнейших шагов представляется Вам верным?
Имеет место мультиколлинеарность, поэтому нужно объединить факторы K1и K2
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1и L2
Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым
18
Отклонения ei автокоррелированы, нужно изменить формулу зависимости
Формула зависимости приемлема по всем приведенным параметрам, и изменения не нужны

123. По данным с 1990 по 1998 гг. построено уравнение регрессии
yt  100  2  x t .
Значения фактора xt можно
спрогнозировать по трендовой модели xt=1+0,2t. Рассчитайте точечный прогноз результирующего показателя yt в
2000 г.
106
106,4
102,8
102,44
Ни один из ответов не верен 100+2(1+0,2)= 102,04????
124. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество

посетителей в день, тыс. чел. y   0 , 832  4 , 743 x1  0 , 175 x 2 . Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
3,911 млн.руб.
7,411 млн.руб. -0,832+4,743*1+0,175*20
все ответы неверны
125. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество

посетителей в день, тыс. чел. y   0 , 832  4 , 743 x1  0 , 175 x 2 . Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
6,411 млн.руб.
3,911 млн.руб.
все ответы неверны
126. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид 𝐲̂ = 2,02 + 0,78x, х= 5,0; у= 6,0: 0,66 =
(0,78*5/6)
0,94
1,68
2,42
127. Выбор формы зависимости экономических показателей и определение количества факторов в модели
называется
1. идентификацией
2. апробацией
3. спецификацией
4. линеаризацией
эконометрической модели.
128. При построении эконометрических моделей множественная регрессия используется в случае, если число
в модели больше или равно двум.
1. случайных факторов
2. зависимых и независимых переменных
3. независимых переменных
19
4. зависимых переменных
129. Линейные эконометрические модели описывают линейные взаимосвязи между …
1. зависимой переменной и случайными факторами
2. независимыми переменными и случайными факторами
3. зависимой и независимыми переменными
4. независимой и зависимыми переменными
130. Спецификация модели множественной линейной регрессии в матричной форме имеет вид
...
1.
2.
3.
4.
131. Для линейного уравнения множественной регрессии проблема спецификации модели связана ...
1. анализом качества уравнения регрессии
2. переходом к стандартизации переменных
3. с отбором факторов, включаемых в модель
4. расчетом оценок параметров регрессии
132. Неправильный выбор вида эконометрической модели называют ошибкой…
1. измерения переменных
2. агрегирования переменных
3. спецификации модели
4. параметризации модели
133. Включение случайных возмущений в уравнения эконометрической модели является одним из принципов
1. верификации
2. линеаризации
3. спецификации
4. идентификации
134. Отбрасывание значимой переменной в уравнении множественной регрессии является ошибкой ...
1. верификации
2. идентификации
3. спецификации
20
4. параметризации
135. Регрессионная модель с одним факторным признаком называется ...
1. рекурсивной
2. стандартизированной
3. парной
4. множественной
136. Этап параметризации модели включает в себя…
1. проверку качества уравнения в целом
2. прогноз экономических показателей
3. проверку качества параметров модели
4. оценку параметров модели
137. Эконометрическая модель предполагает
характер связи между переменными
1. стохастический (вероятностный)
2. строго случайный
3. несущественный
4. строго детерминированный
138. Спецификация модели множественной линейной регрессии имеет вид ...
1.
2.
3.
4.
139. Объясняемые, зависимые переменные в моделях любого типа называются …
1. лаговыми
2. предопределенными
3. эндогенными
4. экзогенными
140. Эконометрические модели относятся к классу
экономико–математических моделей.
1. оптимизационных
2. описательных
3. стохастических
4. детерминированных
141. Проверка тесноты связи между факторами может быть осуществлена на основе …
1. значений стандартизованных коэффициентов
2. частных уравнений регрессии
3. матрицы парных коэффициентов корреляции
4. вектора значений коэффициентов регрессии
142. При отборе факторов в модель множественной регрессии проводят анализ значений межфакторной …
1. регрессии
2. автокорреляции
3. корреляции
4. детерминации
143. Количественная измеримость значений экономического признака (фактора), включаемого в
эконометрическую модель, является ...
1. принципом спецификации
2. предпосылкой линеаризации
3. общим требованием к факторам, включаемым в линейную множественную регрессию
4. условием гомоскедастичности эконометрической модели
144. Отсутствие сильной корреляции факторов друг с другом является ...
1. условием отсутствия автокорреляции остатков
2. предпосылкой линеаризации
3. требованием к факторам, включаемым в линейную модель множественной регрессии
4. условием гомоскедастичности эконометрической модели
145. .Если в линейной множественной регрессии более, чем две независимые переменные связаны между собой
достаточно тесной линейной зависимостью, тогда имеет место
факторов.
1. гомоскедастичность
2. автокорреляция
3. мультиколлинеарность
21
4. коллинеарность
146. Взаимодействие факторов эконометрической модели означает, что …
1. влияние факторов на результирующий признак усиливается, начиная с определенного уровня значений факторов
2. факторы не дублируют влияние друг друга на результат
3. факторы дублируют влияние друг друга на результат
4. влияние одного из факторов на результирующий признак не зависит от значений другого фактора
147. Факторы эконометрической модели являются коллинеарными, если коэффициент
между ними по
модулю
0,7.
1. корреляции … меньше
2. детерминации … меньше
3. корреляции … больше
4. детерминации … больше
148. Матрица парных линейных коэффициентов корреляции отображает…
1. значения стандартизированных коэффициентов линейной регрессии
2. вероятность значимости каждой объясняющей переменной
3. тесноту линейной связи между переменными
4. величину вклада каждой объясняющей переменной в общую дисперсию зависимой переменной
150. В эконометрическую модель множественной регрессии включаются
факторы.
1. мультиколлинеарные
2. коллинеарные
3. существенные
4. несущественные
151. Отсутствие коллинеарности и мультиколлинеарности является обязательным требованием для факторов,
включаемых в уравнение
регрессии.
1. нелинейной показательной
2. нелинейной полулогарифмической
3. множественной линейной
4. нелинейной степенной
152. Мультиколлинеарность – это линейная связь между…
1. объясняющими и зависимой переменными
2. одной объясняющей и зависимой переменными
3. соседними случайными отклонениями
4. объясняющими переменными
153. Для отбора факторов множественной линейной модели регрессии рассматривается вопрос о взаимосвязи
фактора и результата при неизменности прочих факторов, которые фиксируются, как правило, на среднем уровне.
В этом случае используется ...
1. автокорреляционная функция
2. матрица частных коэффициентов корреляции
3. матрица множественных коэффициентов корреляции
4. коррелограмма для факторов модели
154. Оценка удельного веса влияния каждой из объясняющих переменных на результирующий показатель
является задачей …
1. кластерного анализа 2. метода наименьших квадратов
3. регрессионного анализа
4. математического анализа
155. Функциональная (строгая) или достаточно тесная (нестрогая) линейная зависимость между
объясняющими переменными называется…
1. несмещенностью
2. мультиколлинеарностью
3. гетероскедастичностью
4. автокорреляцией
156. Пусть в результате оценки модели множественной регрессии каждый из оцененных параметров является
незначимым на 5%-ном уровне, а уравнение в целом (коэффициент детерминации) является значимым на том же
уровне. Тогда можно предположить, что…
1. в остатках модели присутствует автокорреляция
2. в остатках модели присутствует гетероскедастичность
3. среди объясняющих переменных есть мультиколлинеарные
22
4. связь между зависимой переменной и независимыми отсутствует
157. Исходные значения фиктивных переменных предполагают
значения.
1. одинаковые
2. количественно измеримые
3. качественные
4. нулевые
158. Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении
множественной регрессии не является
потребителя.
1. уровень образования
2. семейное положение
3. доход
4. пол
159. Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на
результат признаков
характера .
1. случайного
2. несущественного
3. качественного
4. количественного
160. Фиктивными переменными могут быть…
1. только зависимые переменные
2. только случайные факторы
3. как зависимая, так и объясняющие переменные
4. как объясняющие переменные, так и случайные факторы
161. В качестве фиктивной переменной в эконометрическую модель могут быть включены переменные,
отражающие
наблюдаемого признака
1. случайный характер
2. нулевые значения
3. качественные характеристики
4. количественные значения
162. Факторные переменные уравнения множественной регрессии, преобразованные из качественных в
количественные, называются …
1. аномальными
2. парными
3. фиктивными
4. множественными
163. Модель, содержащая фиктивную переменную, относится к
модели .
1. оптимизационной
2. сетевой
3. регрессионной
4. фиктивной
164. Фиктивная переменная является
величиной.
1. кусочно-непрерывной
2. случайной
3. дискретной
4. непрерывной
165. Влияние фиктивной переменной наклона на регрессионную модель состоит в …
1. устранении гетероскедастичности остатков
2. увеличении дисперсии оценок параметров
3. изменении коэффициента перед факторным признаком, взаимодействующим с качественной переменной
4. изменении величины свободного слагаемого
166. Фиктивные переменные заменяют …
1. случайные ошибки
2. количественные данные
3. качественные переменные
4. прогнозируемые значения
23
167. Примерами фиктивных переменных могут служить:
1. возраст
2. пол
3. образование
4. доход
168. Фиктивными переменными в уравнении множественной регрессии могут быть …
1. экономические показатели, выраженные в стоимостном измерении
2. качественные переменные, преобразованные в количественные
3. переменные, исходные значения которых не имеют количественного значения
4. количественные переменные
169. Для учета действия на зависимую переменную факторов качественного характера (так называемых
фиктивных переменных) последним могут присваиваться …
1. цифровые метки
2. значения 0 и 1
3. несущественные значения
4. стоимостные значения
170. Исследуется зависимость цены квартиры от ряда факторов: х1 - жилой площади, х2 - стоимости квадратного
метра жилья, х3 - расположения квартиры относительно углов дома (угловая или не угловая), х4 – расположения
квартиры на этаже (первый этаж, последний этаж, не первый и не последний этаж). Фиктивными переменными в
модели являются
1. х3
2. х1
3. х4
4. х2
171. Проводится эконометрическое моделирование зависимости объема продаж компании от ряда факторов: х1 –
цены на товар, х2 – степени известности торговой марки фирмы, х3 – дохода потребителя, х4 – уровня интенсивности
рекламной деятельности (высокий уровень – массированная реклама; средний уровень – регулярно повторяющаяся;
низкий уровень – время от времени повторяющаяся). Фиктивными переменными в модели не являются …
1. х1
2. х2
3. х3
4. х4
171. Укажите правильный вариант ответа относительно числа зависимых переменных, включаемых в
уравнение регрессии:
1. несколько переменных
2. количество зависимых переменных равно количеству независимых
3. только одна переменная
4. в парной регрессии одна зависимая переменная, во множественной – несколько зависимых переменных
172. Частное уравнение регрессии характеризует…
1. силу воздействия фактора на результат при положительных значениях других факторов
2. наличие или отсутствие мультиколлинеарности факторов
3. изолированное влияние фактора на результат при средних значениях других факторов
4. изолированное влияние фактора на результат при нулевых значениях других факторов
173. В эконометрическую модель множественной регрессии необходимо включить факторы,
оказывающие влияние на исследуемый показатель.
1. случайное
2. детерминированное
3. существенное
24
4. несущественное
174. В эконометрической модели среднее изменение результата при изменении фактора на 1 ед. измерения
характеризуется с помощью коэффициента …
1. детерминации
2. автокорреляции
3. регрессии
4. корреляции
175. В случае включения в модель переменной, которая не должна присутствовать в уравнении, как правило,
происходит увеличение …
1. F-критерия Фишера
2. коэффициента множественной корреляции
3. стандартных ошибок
4. коэффициента детерминации
176. Для модели зависимости среднедушевого (в расчете на одного человека) месячного дохода населения (р.) от
объема производства (млн. р.) получено уравнение у = 0,003х + 1200 + е. При изменении объема производства на 1
млн. р. доход в среднем изменится на …
1. 1200 р.
2. 1200 млн. р.
3. 0,003 р.
4. 0,003 млн. р.
177. В стандартизованном уравнении свободный член …
1. равен коэффициенту множественной корреляции
2. равен коэффициенту множественной детерминации
3. отсутствует
4. равен 1
178. В уравнении регрессии Y = a+bx+е зависимая переменная обозначается буквой …
1. a
2. b
3. Y
4. x
179. В уравнении регрессии Y = a+bx+е независимая переменная обозначается буквой …
1. a
2. b
3. x
4. Y
179. В линейном уравнении множественной регрессии
1. постоянной величиной 2. случайной величиной
3. зависимой переменной
4. независимой переменной
180. В линейном уравнении парной регрессии
величина у является
коэффициентом регрессии является значение…
1. параметра a
2. параметра b
3. переменной х
4. величины
181. В стандартизованном уравнении множественной регрессии
переменными
являются …1. стандартизованные параметры
2. исходные переменные y, x1, x2,…,xp
3. средние значения исходных переменных
4. стандартизованные переменные
25
182. В стандартизованном уравнении
стандартизованным
коэффициентом является …
1.
2.
3.
4.
183. На основе линейного уравнения множественной регрессии
получены
уравнения регрессии
,
которые называются ...
1. стандартизированными
2. рекурсивными
3. частными
4. нелинейными
184. В линейной модели множественной регрессии рассматриваются только
функции регрессии
1. линейные
2. степенные
3. квадратичные
4. показательные
185. При применении метода наименьших квадратов для оценки параметров уравнений регрессии
минимизируют
между наблюдаемым и моделируемым значениями зависимой переменной.
1. сумму разностей
2. квадрат суммы
3. сумму квадратов разности
4. квадрат разности (только для одного наблюдения)
186. В линейном уравнении множественной регрессии
метод наименьших квадратов
позволяет оценить значение параметра …
1. x1
2. x2
3. a
4. y
187. Коэффициенты "чистой" регрессии
уравнения множественной регрессии вида
…
1. не могут быть отрицательными
2. всегда меньше 1
3. некорректно сравнивать по величине
4. имеют одинаковый знак
188. В рамках метода наименьших квадратов (МНК) система нормальных уравнений – это система, решением
которой являются оценки
модели.
1. независимых переменных
2. отклонений параметров теоретической модели от параметров эмпирической
3. параметров теоретической
4. переменных теоретической
189. Название метода «метод наименьших квадратов» подразумевает, что сумма квадратов отклонений
значений результирующего признака от теоретических должна быть …
1. меньше средней ошибки аппроксимации
2. меньше уровня значимости, принятого при проверке статистических гипотез
3. минимальной
26
4. равной нулю
190. Систему МНК, построенную для оценки параметров линейного уравнения множественной регрессии
можно решить методом…
1. скользящего среднего
2. максимального правдоподобия
3. определителей
4. первых разностей
191. В исходном соотношении МНК сумма квадратов отклонений фактических значений результативного
признака от его теоретических значений …
1. центрируется
2. приравнивается к системе нормальных уравнений
3. минимизируется
4. максимизируется
192. Метод наименьших квадратов применяется для оценки …
1. параметров уравнений регрессии, внутренне нелинейных
2. существенности параметров уравнений регрессии
3. параметров линейных уравнений регрессии
4. качества линейных уравнений регрессии
193. Самым распространенным методом оценки параметров регрессии является метод наименьших …
1. моментов
2. разностей
3. квадратов
4. модулей
194. При оценке параметров линейных уравнений регрессии с помощью метода наименьших квадратов
минимизируют сумму квадратов разности между …
1. наблюдаемым и моделируемым значениями случайной величины
2. наблюдаемым и моделируемым значениями параметров
3. наблюдаемым и моделируемым значениями зависимой переменной
4. наблюдаемым и моделируемым значениями независимой переменной
195. В модели парной линейной регрессии Y=b0+b1X +e коэффициент b1 показывает…
1. на какую величину в среднем изменится Y, если X изменится на один процент
2. на сколько процентов в среднем изменится Y, если X изменится на одну единицу
3. на какую величину в среднем изменится Y, если X изменится на одну единицу
4. на сколько процентов в среднем изменится Y, если X изменится на один процент
196. Метод наименьших квадратов используется для оценки параметров
уравнений регрессии.
1. только нелинейных
2. нелинеаризуемых
3. только линейных
4. линейных и приводимых к линейным
197. Приведенное выражение
представляет собой
для
линейной двухфакторной модели регрессии.
1. систему нормальных уравнений
2. теорему Гаусса-Маркова
3. исходное положение метода наименьших квадратов
4. условие отсутствия автокорреляции остатков
198. Метод наименьших квадратов может применяться для оценки параметров регрессионных моделей, если эти
модели ...
1. характеризуются гетероскедастичностью случайных отклонений
2. имеют автокорреляцию в остатках
3. линейны по параметрам и факторным переменным
4. включают лаговую переменную
199. Для оценить
уравнений регрессии.
1. параметры и переменные
2. параметры
27
3. переменные
4. переменные и случайные величины
200. В линейной регрессионной модели
для каждого значения фактора
фактические значения
случайных отклонений имеют одинаковую дисперсию. Выполнение этого условия называют
остатков.
1. автокорреляцией
2. мультиколлинеарностью
3. гомоскедастичностью
4. гетероскедастичностью
201. Для линейной регрессионной модели
гетероскедастичностью называют свойство
дисперсии случайного отклонения при переходе от наблюдения к наблюдению проявлять ...
1. стремление к нулю
2. стремление к единице
3. изменчивость
4. постоянство
202. Для линейной регрессионной модели
гомоскедастичностью называют свойство
дисперсии случайного отклонения при любом наблюдении проявлять ...
1. стремление к нулю
2. тенденцию к уменьшению
3. постоянство
4. изменчивость
203. Дисперсия значения случайной компоненты в линейной регрессионной модели
зависит от
номера наблюдения. Это свидетельствует о(об)
остатков.
1. автокорреляции
2. равномерном распределении
3. гетероскедастичности
4. гомоскедастичности
204. Возможность перехода от точечного оценивания параметра классической линейной регрессии к
интервальному обеспечивается таким статистическим свойством оценок как ...
1. достоверность
2. смещенность
3. эффективность
4. состоятельность
205. Оценки, являющиеся линейными функциями от выборочных наблюдений, называются ...
1. несмещенными
2. эффективными
3. линейными
4. состоятельными
206. Для линейной регрессионной модели
величина и определенный знак фактического значения
случайной составляющей не должны обуславливать величину знак фактического значения другой случайной
составляющей
. Выполнение этого условия свидетельствует о(об)
остатков.
1. отсутствии гетероскедастичности
2. нормальном распределении
3. отсутствии автокорреляции
4. наличии гомоскедастичности
207. Истинная форма взаимосвязи между результирующей и объясняющими переменными в регрессионной
модели линейна относительно параметров. Это утверждение является ...
1. условием линеаризации
2. критерием Фишера
3. одной из основных предпосылок метода наименьших квадратов для оценки параметров регрессии
4. нарушением предпосылок метода наименьших квадратов
208. При наличии гетероскедастичности или автокорреляции в остатках для оценки параметров регрессии
применяется
метод наименьших квадратов.
1. двухшаговый
2. косвенный
3. обобщенный
4. традиционный
28
209. Нарушение условия независимости случайных составляющих в разных наблюдениях называют
случайной составляющей.
1. детерминированностью
2. гомоскедастичностью
3. автокорреляцией
4. гетероскедастичностью
210. Одной из предпосылок метода наименьших квадратов является утверждение ...
1. случайное отклонение должно иметь постоянное математическое ожидание, отличное от нуля
2. регрессионная модель является нелинейной относительно параметров
3. дисперсия случайного возмущения постоянна для всех наблюдений
4. случайное отклонение представляет собой линейную функцию от факторных переменных
211. График зависимости остатков et от времени t свидетельствует о наличии…
1. мультиколлинеарности данных
2. автокорреляции остатков
3. нелинейной связи между объясняющими переменными
4. отсутствии корреляции в остатках
212. Автокорреляцию в остатках модели линейной регрессии можно обнаружить с помощью критерия …
1. Гольдфельда–Квандта
2. Дарбина-Уотсона
3. Спирмена
4. Фишера
213. В случае нормального распределения остатков линейной регрессионной модели
проверка
статистической значимости каждого параметра возможна с помощью …
1. Энгеля–Грангера
2. Дарбина–Уотсона
3. критерия Стьюдента
4. критерия Фишера
214 .Математическое ожидание остатков равно нулю, если оценки параметров обладают свойством …
1. эффективности
2. состоятельности
3. несмещенности
4. смещенности
215. Оценка является несмещенной оценкой параметра если…
1. она стремится к истинному значению параметра с увеличением объема выборки
2. ее дисперсия с увеличением выборки не изменяется
3. ее математическое ожидание равно оцениваемому параметру
4. ее дисперсия меньше дисперсии других оценок
216. При применении метода наименьших квадратов свойствами эффективности, состоятельности и
несмещенности обладают оценки …
1. независимой переменной
2. случайной величины
3. параметров
4. зависимой переменной
217. Несмещенная оценка параметра имеет наименьшую дисперсию среди всех возможных несмещенных
оценок параметра , вычисленных по выборкам одного и того же объема . Такая оценка называется ...
1. несмещенной
2. асимптотически эффективной
3. эффективной
4. состоятельной
29
218. Статистическая оценка параметра называется эффективной, если при заданном объеме выборки она имеет
1. математическое ожидание равное 1
2. максимальную дисперсию
3. наименьшую возможную дисперсию
4. максимальное математическое ожидание
219. Если оценка параметра эффективна, то это означает …
1. максимальную дисперсию остатков
2. уменьшение точности с увеличением объема выборки
3. наименьшую дисперсию остатков
4. равенство нулю математического ожидания остатков
220. Оценка является несмещенной оценкой параметра если…
1. она стремится к истинному значению параметра с увеличением объема выборки
2. ее дисперсия с увеличением выборки не изменяется
3. ее математическое ожидание равно оцениваемому параметру
4. ее дисперсия меньше дисперсии других оценок
221. Эффективной оценкой называется та, у которой …
1. дисперсия максимальна
2. смещенность выше
3. дисперсия минимальна
4. отсутствует смещенность
222. Состоятельность оценки характеризуется увеличением ее точности при ...
1. добавлении в уравнение дополнительной независимой переменной
2. переходе к обратной форме зависимости
3. увеличении объема выборки
4. уменьшении объема выборки
223. Если оценки параметров линейного уравнения регрессии обладают свойством состоятельности, то с
увеличением выборки точность оценки параметра…
1. увеличивается
2. стремится к нулю
3. не изменяется
4. уменьшается
224. Точечная оценка параметра регрессии зависит от …
1. дополнительной выборки
2. критического значения t–критерия Стьюдента
3. фактического значения t–критерия Стьюдента
4. данной выборки
225. Эмпирический коэффициент регрессии
является состоятельной оценкой теоретического
коэффициента регрессии
при условии, что ...
1. дисперсия оценки равна 1
2. сходится по вероятности к
при числе наблюдений, стремящемся к бесконечности
3. сходится по вероятности к
при числе наблюдений, стремящемся к 0
4. математическое ожидание оценки равно нулю
226. Состоятельной называется такая оценка параметра, которая дает
значение параметра для
большой выборки независимо от входящих в нее конкретных наблюдений.
1. минимальное
2. нулевое
3. точное
4. максимальное
227. Обобщенный метод наименьших квадратов рекомендуется применять в случае
остатков.
1. гомоскедастичных
2. отсутствия автокорреляции
3. наличия автокорреляции
4. нормально распределенных
30
228. Метод оценки параметров моделей с гетероскедастичными остатками называется …методом наименьших
квадратов.
1. минимальным
2. косвенным
3. обобщенным
4. обычным
229. Для регрессионной модели
с гетероскедастичностью остатков при
отсутствии автокорреляции остатков ковариационная матрица возмущений является ...
1. треугольной
2. вырожденной
3. диагональной
4. единичной
230. Множественная линейная регрессионная модель, в которой не выполняются условия гомоскедастичности и (или)
имеет место автокорреляция остатков, называется
регрессионной моделью.
1. парной
2. множественной линейной
3. обобщенной линейной
4. нелинейной
231. Обобщенный метод наименьших квадратов может использоваться для корректировки
1. доверительного интервала
2. стандартной ошибки
3. гетероскедастичности и автокорреляции
4. минимальной суммы квадратов
остатков.
232. Что преобразуется при применении обобщенного метода наименьших квадратов?
1. дисперсия факторного признака
2. коэффициент корреляции
3. исходные уровни переменных
4. дисперсия результативного признака
233. Для преодоления проблемы автокорреляции служит …
1. двухшаговый метод наименьших квадратов
2. косвенный метод наименьших квадратов
3. обобщенный метод наименьших квадратов
4. метод наименьших квадратов
234. Пусть случайные остатки eT в модели парной линейной регрессии подвержены воздействию авторегрессии
первого порядка: eT =r· eT-1+uT. Тогда для получения наилучших линейных несмещенных оценок используют
следующее преобразование переменных:
1. yT*= yT + r·yT-1; xT*= xT + r· xT-1
2. yT*=r· yT - yT-1; xT*= r·xT - x T-1
3. yT*= yT - r·yT-1; xT*= x T - r· x T-1
4. yT*= ryT;
xT*= rxT
235. Проявление гетероскедастичности в остатках удается устранить при помощи метода обобщенного метода
наименьших квадратов путем …
1. расчета критерия Дарбина–Уотсона гомоскедастичных остатков
2. введения в модель фиктивных переменных
3. преобразования переменных на основе коэффициента пропорциональности
4. расчета скорректированного коэффициента детерминации
236. Обобщенный метод наименьших квадратов применяется в случае…
1. автокорреляции переменных
2. мультиколлинеарности факторов
3. фиктивных переменных
4. автокорреляции остатков
31
237. На основании преобразования переменных при помощи обобщенного метода наименьших квадратов
получаем новое уравнение регрессии, которое представляет собой …
1. нелинейную регрессию, в которой переменные взяты с весами
2. нелинейную регрессию, в которой переменные взяты с весами
3. взвешенную регрессию, в которой переменные взяты с весами
4. взвешенную регрессию, в которой переменные взяты с весами
238. Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении
ОМНК…
1. остатки не изменяются
2. преобразуются исходные уровни переменных
3. уменьшается количество наблюдений
4. остатки приравниваются к нулю
239. Обобщенный метод наименьших квадратов может использоваться для корректировки
остатков.
1. стандартной ошибки
2. минимальной суммы квадратов
3. доверительного интервала
4. гетероскедастичности и автокорреляции
240. Обобщенный метод наименьших квадратов не используется в случае
остатков.
1. автокоррелированных
2. гомоскедастичных
3. гетероскедастичных остатков
4. присутствия автокорреляции в остатках
241. Коэффициент корреляции может принимать значения в интервале…
1. от -2 до 2
2. от 0 до 100
3. от -1 до 1
4. от 0 до 4
242. Положение на плоскости каждой точки корреляционного поля определяется значениями …
1. коэффициентов детерминации и корреляции
2. величинами остатков в предыдущем наблюдении и последующем
3. факторного и результативного признаков для конкретного наблюдения
4. коэффициентов автокорреляции первого и второго порядков
243. Коэффициент парной линейной корреляции между признаками Y и X равен 0,9. Следовательно, доля
дисперсии результативного признака Y, не объяснённая линейной парной регрессией Y по фактору X, будет равна
… 1 – (0,9)^2
1. 0,1%
2. 10%
3. 19%
4. 90%
244. Частный коэффициент корреляции
1.
2.
и
и
это означает, что…
независимы, когда величины и фиксированы
линейно зависимы, когда величины и фиксированы
3.
и
линейно зависимы, когда величины
и
фиксированы
4.
и
независимы, когда величины
и
фиксированы
245. Тесноту линейной связи определяет коэффициент …
1. регрессии
2. существенности
3. корреляции
4. эластичности
246. Коэффициент парной линейной корреляции является …
1. размерной величиной, той же размерности, что результативный признак
2. безразмерной величиной
3. размерной величиной, той же размерности, что факторный признак
4. величиной с переменной единицей измерения
32
247. Коэффициент множественной линейной корреляции применяется для …
1. вычисления коэффициента парной линейной корреляции
2. диагностики гомоскедастичности остатков
3. определения тесноты связи между результатом и совокупностью факторов в случае множественной
линейной зависимости
4. определения значимости оценок параметров регрессии
248. Построена парная модель линейной регрессии
и рассчитан коэффициент парной линейной корреляции
. Такие результаты невозможны, так как …
1. коэффициент регрессии и коэффициент корреляции имеют разные знаки
2. свободный член регрессии больше коэффициента корреляции
3. свободный член регрессии и коэффициент корреляции имеют одинаковые знаки
4. коэффициент регрессии по модулю меньше коэффициента корреляции
249. Предпосылкой применения корреляционного анализа является утверждение:
1. совокупность значений факторных и результативных признаков имеет распределение Стьюдента
2. совокупность значений факторных признаков распределена по нормальному закону, а результативного – по
произвольному
3. совокупность значений результативного признака распределена по нормальному закону, а закон распределения
совокупности факторных признаков – произвольный
4. совокупность значений факторных и результативных признаков распределена по нормальному закону
250. В эконометрических моделях с m независимыми переменными наблюдаемые значения зависимой переменной
, i=1, 2, …, n, отличаются от модельных
на величину (
). В данных обозначениях формула для расчета
оценки остаточной дисперсии
имеет вид:
1.
2.
3.
4.
251. В эконометрических моделях «остаточная» дисперсия – это дисперсия…
1. наблюдаемых значений результативного признака
2. значений объясняющего фактора
3. отклонений наблюдаемых значений результативного признака от его расчетных значений
4. расчетных значений результативного признака
252. Отношение дисперсии результирующего признака, объясненной уравнением регрессии, к его общей
дисперсии называют …
1. наблюдаемым значением критерия Фишера
2. наблюдаемым значением критерия Стьюдента
3. коэффициентом детерминации
4. коэффициентом корреляции
253. Для множественной линейной регрессии значения скорректированного коэффициента детерминации
обычного коэффициента детерминации.
1. равны
2. ближе к единице
3. меньше
4. больше
254. Коэффициент множественной детерминации равен 0,49. Это означает, что …
1. 0,49 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 0,51 %
- прочими причинами
2. 0,51 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 0,49 %
- прочими причинами
3. 49 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 51 % прочими причинами
33
4. 51 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 49 % прочими причинами
255. Факторная дисперсия служит для оценки влияния …
1. величины постоянной составляющей в уравнении
2. случайных воздействий
3. учтенных явно в модели факторов
4. как учтенных факторов, так и случайных воздействий
256. Расчет значения коэффициента детерминации не позволяет оценить …
1. долю факторной дисперсии результативного признака в общей дисперсии результативного признака
2. долю остаточной дисперсии результативного признака в общей дисперсии результативного признака
3. существенность коэффициента регрессии
4. качество подбора уравнения регрессии
257. Равенство нулю коэффициента детерминации означает, что регрессионная модель не улучшает качество
оценки (прогноза) результата по сравнению с тривиальной оценкой –
значением результата.
1. наименьшим
2. оптимальным
3. средним
4. наибольшим
258. Формула расчета коэффициента детерминации имеет вид …
1.
2.
3.
4.
259. Статистическая значимость коэффициента детерминации построенного уравнения регрессии означает …
1. статистическую значимость только свободного члена регрессии
2. близость коэффициента детерминации к нулю
3. совокупную значимость оценок параметров регрессии
4. статистическую значимость только коэффициентов чистой регрессии
260. Качество подбора уравнения оценивает коэффициент …
1. эластичности
2. регрессии
3. корреляции
4. детерминации
261. В эконометрических моделях «объясненная» дисперсия – это дисперсия…
1. расчетных значений результативного признака
34
2. значений объясняющего фактора
3. случайных отклонений
4. наблюдаемых значений результативного признака
262. Значение коэффициента детерминации составило 0,64. Определите долю случайных факторов в общей
дисперсии зависимой переменной.
1. 0,8
2. 64 %
3. 0,64
4. 0,36
263. Пусть
, где y – фактическое значение зависимой переменной,
- теоретическое , рассчитанное
по уравнению значение зависимой переменной (объясненное уравнением регрессии), – ошибка модели. Тогда
значение
характеризует дисперсию …
1. зависимой переменной, объясненную уравнением регрессии
2. случайных факторов
3. фактических значений независимой переменной
4. фактических значений зависимой переменной
264. Коэффициент детерминации характеризует …
1. статистическую значимость уравнения регрессии
2. гомоскедастичность остатков модели
3. наличие или отсутствие автокорреляции остатков модели
4. адекватность регрессионной модели эмпирическим данным
265. В эконометрических моделях наблюдаемые значения зависимой переменной
от модельных
имеет вид:
на величину
(
, i=1, 2, …, n, отличаются
). В данных обозначениях формула для расчета общей суммы квадратов
1.
2.
3.
4.
266 . Максимальная величина отношения объясненной и остаточной дисперсий, которая может иметь место при
случайном расхождении их при данном уровне значимости, является …
1. коэффициентом детерминации
2. коэффициентом корреляции
3. табличным значением
- критерия
4. табличным значением - критерия
267. Значение F–критерия Фишера зависит только от …
1. количества переменных
2. количества наблюдений
3. вида уравнения и числа степеней свободы
4. вида уравнения регрессии
268. В эконометрике отношение объясненной суммы квадратов отклонений к остаточной в расчете на одну
степень свободы называют …
1. среднеквадратическим отклонением
2. дисперсией
3. F-критерием
4. методом наименьших квадратов
269. В эконометрике для проверки статистической значимости уравнения в целом используют …
1. коэффициент Стьюдента
2. метод наименьших квадратов
3. F-критерий
4. t-статистику
35
270. В эконометрических моделях наблюдаемые значения зависимой переменной
модельных
на величину (
квадратов отклонений имеет вид:
, i=1, 2, …, n, отличаются от
). В данных обозначениях формула для расчета объясненной суммы
1.
2.
3.
4.
271. Число степеней свободы для суммы квадратов отклонений, объясненных парной линейной регрессией
, при
наблюдениях равно …
1.
2.
3. 1
4.
272. Остаточная дисперсия на одну степень свободы для парной линейной регрессии равна …
1.
2.
3.
4.
273. Общая дисперсия на одну степень свободы для множественной линейной регрессии, содержащей
факторов равна …
1.
2.
3.
4.
274. Остаточная сумма квадратов отклонений может интерпретироваться как мера …
1. влияния величины суммы квадратов отклонений на число степеней свободы
2. общего разброса наблюдаемой величины относительно
3. разброса остаточной величины, не объясненной уравнением регрессии
4. разброса величины
, объясненной с помощью регрессии, относительно
36
275. Объясненная сумма квадратов отклонений может интерпретироваться как мера разброса …
1. отклонений реальных значений зависимой переменной от ее расчетных значений
2. реальных значений независимой переменной относительно ее среднего значения
3. реальных значений зависимой переменной относительно ее среднего значения
4. расчетных значений зависимой переменной относительно ее среднего значения
276. Число степеней свободы определяется …
1. количеством рассматриваемых моделей
2. числом состояний случайной компоненты
3. числом свободы независимого варьирования признака (переменной, фактора)
4. количеством неучтенных в модели факторов
277. Сопоставляя объясненную и остаточную дисперсии в расчете на одну степень свободы, для линейной
регрессионной зависимости получим величину …
1. коэффициента корреляции
2. -статистики
3. критерия Дарбина–Уотсона
4. - статистики
278. Наиболее часто используемый порог вероятности безошибочности выводов при проверке статистических
гипотез в эконометрике...
1. 0.50
2. 1,0
3. 0,95
4. 0,99
279. На основе 12 наблюдений построена множественная линейная регрессия с тремя факторными признаками.
Остаточная сумма квадратов отклонений равна 24. Остаточная дисперсия на одну степень свободы равна …
1. 3 (не знаю, почему так, но нашла, что так)
2. 2
3. 8
4. 6
280. Оценка значимости параметров уравнения регрессии осуществляется по критерию …
1. Дарбина–Уотсона
2. Ингла–Грэнджера (Энгеля–Грангера)
3. Стьюдента
4. Гольдфельда-Квандта
281. Оценку существенности параметров множественного уравнения регрессии
проводят …
1. для переменных y, х1, х2, …, хk
2. для величины e
3. для каждого параметра
4. для всех параметров в целом
282. В случае использования критерия Стьюдента, параметр регрессии признается существенным, если
фактические значения соответствующего -критерия …
1. равны его критическому значению
2. больше нуля
3. больше, чем его критические значения
4. меньше, чем его критические значения
283. При проверке на существенность коэффициента регрессии по доверительному интервалу, было выявлено, что
этот коэффициент регрессии является значимым. Следовательно, построенный для него доверительный интервал …
1. больше критического доверительного интервала
2. меньше критического доверительного интервала
3. не содержит ноль
4. содержит ноль
284 .При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы выдвигается
нулевая гипотеза о …
1. равенстве факторной и остаточной дисперсий
2. статистической значимости построенного уравнения регрессии
3. равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой
переменной на зависимую переменную
37
4. отличии от нуля этого коэффициента регрессии и существенности влияния соответствующей независимой
переменной на зависимую переменную
285. Для оценки статистической значимости (существенности) параметров регрессии обычно служит
статистика…
1. нормального распределения
2. стандартного нормального распределения
3. Стьюдента
4. Фишера
286. Проводится оценка существенности параметров линейного уравнения множественной регрессии. Расчет
фактического значения - критерия выполняют как …
Варианты ответов. Кол-во правильных ответов - 1
1. стандартная ошибка коэффициента регрессии оценка параметра
2. стандартная ошибка коэффициента регрессии + оценка параметра
3. оценка параметра / стандартная ошибка коэффициента регрессии
4. стандартная ошибка коэффициента регрессии / оценка параметра
287. Для оценки статистической значимости коэффициента регрессии его величина сравнивается…
1. с математическим ожиданием остатков
2. с шириной его доверительного интервала
3. с его стандартной ошибкой
4. со стандартной ошибкой остатков
288. Выберите пропущенное в таблице значение
1. -1
2. 3/4
3. 12 t=b/se(b) => b =t*se(b)
4. 7
289. Критерий Стьюдента предназначен для определения значимости …
1. множественного коэффициента регрессии
2. случайной величины
3. построенного уравнения в целом
4. каждого коэффициента регрессии
290. Для уравнения регрессии
выдвигается нулевая статистическая гипотеза о том, что b=0,
которая используется для проверки существенности …
1. параметра a
2. переменной y
3. величины e
4. параметра b
291. При оценке существенности -го фактора проверялась существенность соответствующего параметра
, где
взято по таблицам -распределения Стьюдента. В этом случае …
1. для -ого фактора строится частное уравнение регрессии
2. в уравнение регрессии необходимо включить фиктивную переменную
3. -й фактор в уравнении регрессии признается несущественным
4. -й фактор в уравнении регрессии признается существенным
292. Если фактическое значение критерия Стьюдента для коэффициента регрессии равно 1, то этот
коэффициент…
1. также равен 1
2. является существенным
3. не может быть признан статистически значимым
4. статистически значим
293. При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается альтернативная гипотеза (обратная нулевой) о …
1. равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой
переменной на зависимую переменную
2. статистической значимости построенного уравнения регрессии
3. отличии от нуля этого коэффициента регрессии и существенности влияния соответствующей независимой
переменной на зависимую переменную
38
4. равенстве факторной и остаточной дисперсий
294. При выборе спецификации нелинейная регрессия используется, если …
1. нелинейная зависимость для исследуемых экономических показателей является несущественной
2. между экономическими показателями обнаруживается линейная зависимость
3. между экономическими показателями обнаруживается нелинейная зависимость
4. между экономическими показателями не обнаруживается нелинейная зависимость
295. Для описания закономерностей прироста экономических показателей от времени в эконометрике
используется лог-линейная модель линейная относительно фактора времени Х …
1.
2.
3.
4.
296. Запись
, где
–объем выпускаемой продукции
– объем основного капитала
– объем трудовых ресурсов
– неизвестные числовые параметры
означает …
1. мультипликативную модель временного ряда
2. автокорреляционную функцию
3. двухфакторную производственную функцию Кобба-Дугласа
4. линейное уравнение множественной регрессии
297. Использование полинома второго порядка в качестве регрессионной зависимости для однофакторной
модели обусловлено …
1. наличием случайных колебаний
2. отсутствием тенденции
3. изменением направления связи результирующего и факторного признаков
4. неоднородностью выборки
298. Для логистической функции
границей насыщения изучаемого явления является параметр
1.
2.
3.
4.
299. Парабола второй степени может быть использована для зависимостей экономических показателей, если …
1. для определенного интервала значений фактора меняется скорость изменений значений результата, то есть
возрастает динамика роста или спада
2. характер связи зависит от случайных факторов
3. для определенного интервала значений фактора меняется характер связи рассматриваемых показателей: прямая
связь изменяется на обратную или обратная на прямую
4. исходные данные не обнаруживают изменения направленности связи
300. Модели Торнквиста служат для описания зависимости …
1. уровня безработицы от изменения заработной платы
2. валового национального продукта от денежной массы
3. спроса на товары различных групп от дохода 4. объема выпуска от затрат капитала и труда
301. Зависимость прибыли Y от расходов на рекламу X характеризуется полиномиальной эконометрической
моделью второй степени вида …
1.
2.
3.
39
4.
302. Зависимость процентного изменения заработной платы от уровня безработицы в процентах (кривая
Филипса,
) характеризуется обратной эконометрической моделью …
1.
2.
3.
4.
303. Если между экономическими показателями существует нелинейная связь, то …
1. нецелесообразно использовать спецификацию нелинейного уравнения регрессии
2. необходимо включить в модель другие факторы и использовать линейное уравнение множественной регрессии
3. целесообразно использовать линейное уравнение парной регрессии
4. целесообразно использовать спецификацию нелинейного уравнения регрессии
304. При помощи модели степенного уравнения регрессии вида
(b>1, то есть х возрастает и у тоже
возрастает) не может быть описана зависимость …
1. объема предложения от цены
2. выработки от трудоемкости
3. заработной платы от выработки
4. выработки от уровня квалификации
305. Производственная функция Кобба-Дугласа относится к классу
моделей.
1. полулогарифмических
2. степенных
3. линейных
4. обратных
306. Зависимость спроса на товары первой необходимости от дохода (функция Торнквиста,
)
характеризуется обратной эконометрической моделью с начальным уровнем
вида …
2.
307. В модели вида
коэффициент
1. значением
при
2. значением
в точке экстремума
является …
3. коэффициентом эластичности
4. угловым коэффициентом
308. Уравнение вида
является …
1. нелинейным как по переменным, так и по параметрам
2. линейным как по переменным, так и по параметрам
3. нелинейным только по переменным, но линейным по параметрам
4. нелинейным только по параметрам, но линейным по переменным
309. В аддитивной регрессионной модели переменные возводятся в степень, отличную от первой. Такая модель
является ...
1. нелинейной относительно случайной составляющей
2. линеаризованной относительно переменных
3. нелинейной относительно переменных
4. линейной относительно переменных
310. Нелинейным образом в эконометрическую модель вида
1. параметр а
входит...
40
2. ошибка
3. переменная х
4. переменная у
311. Линейным образом в эконометрическую модель вида
1. параметр а
2. параметр b
3. переменная у
4. переменная х
входит …
312. Уравнение вида
относится к классу…
1. нелинейных по переменным моделей, но линейных по оцениваемым параметрам
2. линейных по переменным моделей
3. нелинейных по параметрам, внутренне нелинейных моделей
4. нелинейных по параметрам, внутренне линейных моделей
313. Выбор нелинейной формы эконометрической модели обычно осуществляется …
1. когда между переменными не прослеживается нелинейная форма связи
2. при наличии мультиколлинеарности переменных линейного множественной регрессии
3. когда между переменными прослеживается нелинейная форма связи
4. в случае недостаточного количества экспериментальных данных
314. Нелинейным уравнением парной регрессии НЕ является …
1.
2.
3.
4.
315. Спецификация нелинейной по параметрам мультипликативной экспоненциальной эконометрической модели
может иметь вид …
1.
2.
3.
4.
316. Нелинейным образом в эконометрическую модель вида
входит...
1. ошибка
2. параметр b
3. переменная х
4. переменная у
317. В эконометрическую модель вида Кобба–Дугласа
Варианты ответов. Кол-во правильных ответов - 2
1. переменная х1
2. переменная y
3. параметр а
4. переменная х2
нелинейным образом включены …
41
318. В эконометрическую модель
нелинейным образом включены. Кол-во прав. ответов - 2
1. параметр b
2. переменная у
3. параметр а
4. ошибка
319. В чем сходство двух моделей
и
1. нелинейные относительно параметров регрессии
2. линейные относительно параметров регрессии
3. нелинейные
4. можно преобразовать в линейную форму
320. Выберите неверные утверждения по поводу модели
1. нелинейная относительно параметров модели
2. линейная относительно параметров регрессии
3. показательная
4. нелинейная
? Кол-во правильных ответов - 3
321. Выберите неверные утверждения по поводу модели
. Кол-во правильных отв. - 2
. Кол-во правильных ответов - 2
1. нелинейная относительно параметров регрессии
2. нельзя преобразовать в линейную форму
3. Y возрастает при увеличении X
4. модель линейная относительно параметров регрессии
322. Нелинейной по параметрам, но внутренне линейной, которую можно привести к линейному виду, является
эконометрическая модель …
1.
??
2.
3.
4.
323. Оценки коэффициентов моделей регрессии, нелинейных по оцениваемым параметрам, но внутренне
линейных, полученные методом наименьших квадратов, являются …
1. неэффективными
2. несостоятельными
3. смещенными
4. недостоверными
324. Эконометрической моделью, приводимой к линейной регрессионной модели при логарифмировании и
соответствующей подстановке, является ...
1.
2.
3.
4.
325. Линеаризация возможна для эконометрической модели вида …
1.
2.
3.
4.
326. При оценке параметров регрессионной модели на основе степенной функции
...
1. параметры и определяются непосредственно из системы нормальных уравнений
2. параметры и определяются косвенным путём на основе потенцирования
3. параметр определяется непосредственно из системы нормальных уравнений, а параметр -косвенным путём, с
помощью потенцирования
4. параметр определяется непосредственно из системы нормальных уравнений, а параметр - косвенным путём, с
помощью потенцирования
42
327. Показательная модель
относится к моделям…
1. линейным относительно объясняющей переменной Х
2. нелинейным относительно объясняемой переменной Y
3. нелинейным по оцениваемым параметрам
4. нелинейным относительно объясняющей переменной, но линейным по оцениваемым параметрам
328. Для экспоненциального уравнения
процедура линеаризации возможна путем …
1. присвоения количественных значений фиктивным переменным
2. дифференцирования и замены переменных
3. логарифмирования и замены переменных
4. только замены переменных
329. Классическая парная регрессионная эконометрическая модель
является
по
параметрам и
по переменным.
1. линейной … нелинейной
2. нелинейной … нелинейной
3. линейной … линейной
4. нелинейной … линейной
330. Эконометрическая модель
является...
1. линейной по параметрам и линейной по переменным
2. нелинейной по параметрам и линейной по переменным
3. нелинейной по параметрам и нелинейной по переменным
4. линейной по параметрам и нелинейной по переменным
331. Установите соответствие между видом нелинейной модели и заменой переменных, сводящих ее к линейной
регрессии.
1.
2.
3.
Варианты ответов. Кол-во правильных ответов - 4
1.
-3
2.
-4
3.
4.
-2
4.
-1
43
332. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W = b0 +
b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
переменными Y, X, Z и новыми переменными W, U, V линеаризованной модели.
1.
2.
3.
4.
Варианты ответов. Кол-во правильных ответов - 4
1.
-4
2.
-2
3.
-1
4.
-3
333. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W = b0 +
b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
переменными Y, X, Z и новыми переменными W, U, V линеаризованной модели. – не проверяла
1.
2.
3.
4.
Варианты ответов.
1.
Кол-во правильных ответов - 4
-4
2.
3.
-2
-3
4.
-1
334. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W = b0 +
b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
параметрами a, b, c и параметрами b0 , b1, b2 линеаризованной модели.
1.
2.
3.
4.
Варианты ответов.
1.
Кол-во правильных ответов - 4
-1
2.
-4
3.
-3
4.
-2
335. Установите соответствие между видом модели и ее характеристиками.
1.
2.
3.
4.
1. нелинейная модель, линейная относительно параметров - 1
2. нелинейная модель, нелинейная относительно параметров, внутренне нелинейная - 4
3. линейная модель множественной регрессии - 2
4. нелинейная модель, нелинейная относительно параметров, внутренне линейная – 3
44
336. Индекс корреляции для нелинейных форм связи изменяется в пределах …
1. [0; 1)
2. [0; 4]
3. [0; 1]
4. (0; 1)
337. Средний (обобщающий) коэффициент эластичности рассчитывается для среднего значения фактора по
формуле
1.
2.
3.
4.
338. Коэффициент эластичности равен (-1,5). Это означает, что с
в среднем на 1,5 %.
1. уменьшением результата на один процент значение фактора уменьшается
2. увеличением фактора на один процент значение результата увеличивается
3. увеличением фактора на один процент значение результата уменьшается
4. увеличением результата на один процент значение фактора увеличивается
339. Пусть
- наблюдаемые значения зависимой переменной, а
- ее расчетные значения. В принятых
обозначениях формула для расчета средней ошибки аппроксимации модели может быть определена по
формуле …
1.
2.
3.
4.
340. Значение индекса корреляции находится в пределах …
1.
2.
3.
4.
5.
341. Величина отклонений фактических значений результативного признака от его теоретических значений
представляет собой …
1. расчетное значение критерия Фишера
2. ошибку аппроксимации
45
3. ошибку корреляции
4. средний показатель эластичности
342. Коэффициент детерминации для нелинейной модели часто называют…
1. коэффициентом эластичности
2. индексом детерминации
3. индексом корреляции
4. средней ошибкой аппроксимации модели
343. Средняя ошибка аппроксимации модели служит для…
1. расчета средних ошибок параметров регрессии 2. оценки параметров регрессии
3. определения среднего значения расчетных значений зависимой переменной
4. оценки качества модели
344. Выражение
позволяет вычислить значение …
1. коэффициента эластичности
2. индекса корреляции
3. средней ошибки аппроксимации
4. F–критерия Фишера
345. Средний (обобщающий) коэффициент эластичности показывает …
1. на сколько единиц изменится результат относительно своего среднего уровня при увеличении фактора на единицу
2. во сколько раз коэффициент корреляции больше коэффициента детерминации
3. долю дисперсии, объяснённой регрессией в общей дисперсии результата
4. на сколько процентов изменится результат относительно своего среднего уровня при увеличении фактора на один
процент от среднего уровня фактора
346. Непосредственно измерив характеристики объекта через определенные промежутки времени или усреднив
данные за некоторый период времени, формируют последовательность ...
1. трендовых значений ???
2. значений сезонных колебаний
3. уровней временного ряда
4. коэффициентов автокорреляции
347. Хронологическая последовательность значений признака, характеризующего состояние данного объекта,
называется …
1. корреляционным полем
2. автокорреляционной функцией
3. временным рядом
4. случайной выборкой
348. Значение показателя в определенный момент времени называется
временного ряда.
1. медианой
2. дисперсией
3. уровнем временного ряда
4. средним значением
349. В процессе формирования уровней временного ряда участвует всегда … (А.В. говорила о всех из них)
1. сезонность
2. цикличность
3. случайная компонента
4. тренд
350. Под временным рядом (динамическим рядом или рядом динамики) понимается последовательность
наблюдений некоторого признака Y,
1. который не изменяется с течением времени
2. который зависит от признака X, изменяющегося с течением времени
3. значения которого упорядочены во времени
4. значения которого неупорядочены во времени
351. Уровнем временного ряда является …
1. совокупность значений временного ряда
2. значение конкретного момента (периода) времени
3. значение временного ряда в конкретный момент (период) времени
4. среднее значение временного ряда
352. В формировании уровней любого временного ряда всегда присутствуют…
1. факторы, формирующие тенденцию ряда
2. линейные факторы
3. случайные факторы
46
4. факторы, формирующие циклические колебания ряда
353. Отдельные значения экономической характеристики объекта, полученные в последовательные моменты или
периоды времени, называются …
1. множественной регрессией
2. вариационным рядом
3. уровнями временного ряда
4. автокорреляционной функцией
354. Совокупность нерегулярных факторов, не поддающиеся учету и регистрации, но оказывающих
воздействие на формирование значений временного ряда, называется …
1. трендом
2. сезонными колебаниями
3. случайными колебаниями
4. линейной регрессией
356. Если временной ряд представлен в виде суммы соответствующих компонент, то полученная модель носит
название…
1. мультипликативной
2. обобщенной
3. аддитивной
4. компонентной
357. Модель временного ряда предполагает …
1. пренебрежение временными характеристиками ряда
2. отсутствие последовательности моментов (периодов) времени, в течении которых рассматривается поведение
экономического показателя
3. независимость значений экономического показателя от времени
4. зависимость значений экономического показателя от времени
358. Временной ряд характеризует …
1. зависимость последовательных моментов (периодов) времени
2. данные, описывающие совокупность различных объектов в определенный момент (период) времени
3. совокупность последовательных моментов (периодов) времени
4. данные, описывающие один объект за ряд последовательных моментов (периодов) времени
359. Модели, построенные на основе данных, характеризующих поведение исследуемого объекта за ряд
последовательных моментов времени, называются…
1. моделями временных рядов
2. системами одновременных уравнений
3. периодическими моделями
4. последовательными моделями
360. Случайные колебания, радикально меняющие параметры модели или саму модель, называются …
1. разладочными
2. эволюционными остаточными
3. трендовыми
4. циклическими (конъюнктурными)
361. Временным рядом называют …
1. упорядоченные во времени значения показателя
2. временно созданный набор данных
3. набор любых экономических данных для исследования
4. ряд данных, полученный расчетным путем за короткое время
362. Под лагом подразумевается число…
1. уровней исходного временного ряда
2. пар значений, по которым рассчитывается коэффициент автокорреляции
3. периодов, по которым рассчитывается коэффициент автокорреляции
4. временных рядов, по которым осуществляется расчет коэффициента автокорреляции
363. Коррелограммой является …
1. графическое отображение регрессионной функции
2. процесс экспериментального нахождения значений автокорреляционной функции
3. графическое отображение автокорреляционной функции
4. аналитическое выражение для автокорреляционной функции
364. Высокое значение коэффициента автокорреляции порядка для уровней временного ряда
свидетельствует о том, что исследуемый ряд содержит (помимо тенденции) …
1. только случайную компоненту
2. разладочную случайную компоненту
3. колебания с периодом
47
4. ярко выраженный тренд
365. Автокорреляцией уровней временного ряда называется зависимость …
1. дисперсии последовательных и предыдущих уровней ряда от времени
2. математических ожиданий уровней ряда от времени
3. между последовательными и предыдущими уровнями ряда
4. математических ожиданий последовательных и предыдущих уровней ряда
366. На основе анализа временного ряда построена следующая таблица
Период сезонных колебаний равен
3. 4
367. Значение коэффициента автокорреляции второго порядка характеризует связь между …
1. исходными уровнями и уровнями второго временного ряда
2. двумя временными рядами
3. исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени
4. исходными уровнями и уровнями другого ряда, сдвинутыми на 2 момента времени
368. Автокорреляцией уровней временного ряда называют корреляционную зависимость между …
1. значениями его остатков
2. наблюдаемыми и расчетными значениями исследуемого временного показателя
3. уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на один или несколько периодов
времени
4. его трендовой и сезонной компонентами
369. Если ни один из вычисленных коэффициентов линейной автокорреляции уровней ряда не оказался
значимым, ряд не содержит ...
1. циклических колебаний, его уровень определяется только трендовыми показателями и случайной компонентой
2. случайной компоненты, его уровень определяется только тенденцией и циклическими колебаниями
3. тенденции и циклических колебаний, его уровень определяется только случайной компонентой
4. тенденции, его уровень определяется только циклическими колебаниями и случайной компонентой
370. Структуру временного ряда можно выявить на основе … Кол-во правильных ответов - 2
1. лаговая переменная
2. коэффициент детерминации
3. автокорреляционная функция
4. коррелограмма
371. Автокорреляционная функция может служить для выявления во временном ряду наличия или отсутствия
следующих составляющих: Кол-во правильных ответов - 2
1. линейной тенденции
2. случайной компоненты
3. сезонных колебаний
4. фиктивной переменной
372. Укажите справедливые утверждения относительно автокорреляционной функции временного
ряда.ответов - 2
1. служит для оценки случайной компоненты временного ряда
2. является возрастающей функцией от уровней ряда
3. представляет собой последовательность коэффициентов автокорреляции уровней временного ряда первого, второго
и т.д. порядков
4. служит для выявления структуры временного ряда
373. Укажите справедливые утверждения относительно автокорреляции уровней временного ряда:ответов - 2
1. представляет собой корреляционную зависимость между уровнями временного ряда и соответствующими
значениями случайной компоненты
2. количественно измеряется с помощью коэффициента линейной корреляции между трендовой и сезонной
компонентами уровней ряда
3. количественно измеряется с помощью коэффициента линейной корреляции между последовательными уровнями
исходного ряда
4. представляет собой корреляционную линейную зависимость между последовательными уровнями
временного ряда
48
374. Если во временном ряде наиболее высокими значениями характеризуются коэффициент автокорреляции первого
порядка (r1) и коэффициент автокорреляции (rk , k > 3), то допустимыми являются выводы о том, что ряд содержит- 2
1. сезонную компоненту
2. линейный тренд
3. только случайную компоненту
4. только линейный тренд
375. Если факторы входят в модель как сумма, то модель называется …
1. суммарной
2. производной
3. аддитивной
4. мультипликативной
376. Известны значения аддитивной модели временного ряда: Yt – значение уровня ряда, Yt = 30, T – значение
тренда, T=15, Е – значение компоненты случайных факторов E=2. определите значение сезонной компоненты S.
1. S=1
2. S=-1
3. S=13 (30-15-2)
4. S=0
377. Гипотеза об аддитивной структурной схеме взаимодействия факторов, формирующих уровни временного ряда,
означает правомерность следующего представления ...
1. тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор + случайная компонента
2. случайная компонента = тренд + конъюнктурная компонента + сезонный фактор + уровень временного ряда
3. уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор + случайная компонента
4. уровень временного ряда = случайная компонента – тренд + конъюнктурная компонента + сезонный фактор
378. Пусть
— значения временного ряда,
— тренд-циклическая компонента этого ряда,
—
сезонная компонента,
— случайная компонента,
– выровненный методом скользящей средней исходный ряд. При
выделении аддитивной сезонной компоненты в качестве отличия сезонного явления от тренд- циклической
составляющей используется …
1.
2.
3.
4.
379. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная компонента,
причем для первого квартала года
, для третьего квартала года
, для четвертого квартала
года
. Определите оценку сезонной компоненты для второго квартала года
1. 1/3
2. 5
3. –3
4. 3
380. Гипотеза об аддитивной структурной схеме взаимодействия факторов, формирующих уровни временного ряда,
означает правомерность следующего представления ...
1. тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор + случайная компонента
2. случайная компонента = тренд + конъюнктурная компонента + сезонный фактор + уровень временного ряда
3. уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор + случайная компонента
4. уровень временного ряда = случайная компонента – тренд + конъюнктурная компонента + сезонный фактор
381. Модель временного ряда, имеющая следующую спецификацию
(где
– уровень
временного ряда, – тренд, – сезонная компонента,
– конъюнктурная компонента,
– случайная
компонента), называется …
1. аддитивной
2. нелинейной
3. смешанной
4. мультипликативной
49
382. Пусть
– значения временного ряда,
- тренд-циклическая компонента этого ряда,
– сезонная
компонента,
– случайная компонента. Тогда общий вид мультипликативной модели временного ряда можно
представить как …
1.
2.
3.
4.
383. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная компонента,
причем для первого квартала года
, для второго квартала года
, для третьего квартала
года
. Определите оценку сезонной компоненты для четвертого квартала года
1. -6
2. 0
3. -2
4. 2 ?????
384.
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная компонента, причем
для первого квартала года
, для второго квартала года
, для третьего квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. -4
2. 4
3. 2 (разве мы не должны их складывать 1+(-6)+3 = -2
4. -2 ????
385. Построена аддитивная модель временного ряда, где Yt – значение уровня ряда, Yt = 10, T – значение тренда, S –
значение сезонной компоненты, E – значений случайной компоненты. Определите вариант правильно найденных
значений компонент уровня ряда.
1. T=5, S=2, E=0
2. T=5, S=2, E=1
3. T=5, S=2, E=3
4. T=7, S=5, E=2
386. Временной ряд характеризуется постоянным характером циклических и сезонных колебаний, тогда для его
описания используется
модель
1. множественная нелинейная
2. мультипликативная
3. классическая парная линейная
4. аддитивная
387. Плавно меняющаяся детерминированная компонента уровней временного ряда, описывающая чистое
влияние долговременных факторов, называется …
1. случайной составляющей
2. циклической составляющей
3. трендом
4. сезонным колебанием
388. Пусть
– значения временного ряда с квартальными наблюдениями,
– мультипликативная сезонная
компонента, причем для первого квартала года
, для второго квартала года
, для третьего
квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. 3
2. –19/4
3. 19/4
4. 1/3 (почему нужно делить на полученное число??)
389. Пусть
– значения временного ряда с квартальными наблюдениями,
– мультипликативная сезонная
компонента, причем для второго квартала года
, для третьего квартала года
, для
четвертого квартала года
. Определите оценку сезонной компоненты для первого квартала года
1. 12
2. 1/12
3. –1/12
4. 1
50
390. Стационарность временного ряда означает отсутствие …
1. значений уровней ряда
2. наблюдений по уровням временного ряда
3. тренда
4. временной характеристики
391. Временной ряд, отличающийся от стационарного на неслучайную составляющую (трендовую или
периодическую компоненту), называется …
1. строго стационарным
2. слабо стационарным
3. нестационарным
4. регрессионным
392.
На рисунке представлена реализация …
1. процесса, нестационарного по дисперсии
2. стационарного процесса
3. процесса, нестационарного по математическому ожиданию и периодически нестационарного по дисперсии
4. процесса, нестационарного по математическому ожиданию
393. Закон изменения нестационарного временного ряда
близок к экспоненциальному. Этот ряд приводится
к стационарному процессу
с помощью …
1. расчёта первых разностей
2. расчёта вторых разностей
3. логарифмирования цепных индексов
4. расчёта темпов прироста
394. Преобразование нестационарного временного ряда
в стационарный
должно обеспечивать
приблизительное выполнение условия …
1.
2.
3.
4.
395. При моделировании временных рядов экономических показателей необходимо учитывать характер
уровней исследуемых показателей …
1. независящий от времени
2. конструктивный
3. стохастический
4. аналитический
396. Для временного ряда рассматривается авторегрессионный процесс первого порядка
. Известно,
. Временной ряд является ... (не искала)
1. рядом типа «белый шум»
2. описанием взрывного процесса
3. нестационарным
4. стационарным
397. Пусть
— стохастических процесс. Пусть для него выполнены следующие условия:
—
постоянство математического ожидания,
— постоянство дисперсии,
автоковариация, зависящая только от величины лага между рассматриваемыми переменными. Тогда данный
процесс является … (не искала)
1. нестационарным
2. совместно стационарным
3. слабо стационарным или стационарным в узком смысле
4. условно стационарным
398. Процессом, который всегда является стационарным в слабом смысле является …
1. процесс случайного блуждания
2. смешанный процесс авторегрессии и скользящего среднего
3. процесс белого шума
4. процесс авторегрессии первого порядка
51
Вопрос № 20.5. Оригинальный порядковый номер: 38
На рисунке представлена реализация …
Варианты ответов. Кол-во правильных ответов - 1
1. процесса, нестационарного по математическому ожиданию
2. процесса, нестационарного как по дисперсии, так и по математическому ожиданию
3. стационарного процесса
4. процесса, нестационарного по дисперсии
Вопрос № 20.1. Оригинальный порядковый номер: 31
Если случайные величины, образующие «белый шум» распределены нормально, тогда ...
Варианты ответов. Кол-во правильных ответов - 1
1. для временного ряда ярко выражены сезонные колебания
2. временной ряд является нестационарным
3. этот временной ряд называется гауссовским белым шумом
4. временной ряд имеет тренд
Вопрос № 20.2. Оригинальный порядковый номер: 48
Текущее значение экономического процесса
предопределено его предысторией. Пусть - ошибка модели в
момент t, f - аналитическая функция. Тогда модель для указанного допущения имеет следующий вид …
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
Вопрос № 20.3. Оригинальный порядковый номер: 50
Стационарный процесс -го порядка для всех временных отрезков характеризуется постоянными значениями
статистических моментов порядка …
Варианты ответов. Кол-во правильных ответов - 1
1.
и ниже
2.
и выше
3.
и выше
4.
и ниже
Вопрос № 20.4. Оригинальный порядковый номер: 56
Для стационарного процесса второго порядка
на любых двух временных интервалах должны выполняться условия
будут равны между собой пары показателей:
, рассчитанные на этих интервалах.
Варианты ответов. Кол-во правильных ответов - 1
1. математического ожидание, дисперсия, коэффициент автокорреляции второго порядка
2. коэффициент автокорреляции второго порядка
3. математическое ожидание, дисперсия, коэффициент автокорреляции первого порядка
4. математическое ожидание, дисперсия
Вопрос № 20.5. Оригинальный порядковый номер: 57
Математическое выражение линейной модели временного ряда имеет вид …
1.
2.
3.
4.
52
399. Системы эконометрических уравнений не используются при моделировании …
1. связей между экономическими показателями
2. макроэкономических показателей
3. взаимосвязей случайных факторов
4. сложных экономических систем
400. Эконометрическая модель, являющаяся системой одновременных уравнений, состоит в общем случае ...
1. только из тождеств
2. из поведенческих уравнений и автокорреляционной функции
3. из поведенческих уравнений и тождеств
4. из регрессионных уравнений и соотношений мультиколлинеарности в каждом из них
401. В систему одновременных уравнений входят алгебраические соотношения между эндогенными
переменными. В них отсутствует случайная составляющая, нет параметров, подлежащих оценке. Эти
соотношения являются ...
1. структурными соотношениями
2. приведенными формулами
3. тождествами
4. регрессионными уравнениями
402. Относительно системы
верно следующее утверждение: система записана в
форме. 1. нормальной 2. рекурсивной 3. структурной 4. приведённой
403. Относительно системы
верно следующее утверждение: количество эндогенных
переменных системы равно …
1. 4
2. 6
3. 2
4. 1
404. Система эконометрических уравнений представляет собой систему уравнений
1. детерминации
2. аппроксимации
3. регрессии
4. корреляции
405. Система, в которой одни и те же эндогенные переменные входят в левую часть одних уравнений и в
правую часть других уравнений называется системой
уравнений.
1. независимых
2. несовместных
3. взаимосвязанных
4. рекурсивных
406. Система, в которой каждая из эндогенных переменных рассматривается как функция одного и того же набора
факторов называется системой
уравнений.
1. рекурсивных
2. одновременных
3. независимых
4. взаимозависимых
407. – вектор эндогенных переменных,
– матрица коэффициентов при эндогенных переменных,
– матрица коэффициентов при предопределенных переменных
– вектор предопределенных переменных
– вектор случайных отклонений
Общий вид системы одновременных уравнений представляется в форме ...
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
408. Система независимых уравнений — это система, в которой …
1. одни и те же экзогенные переменные входят в левую часть одних уравнений и в правую часть других уравнений
2. эндогенная переменная
одного из уравнений рассматривается как фактор в следующем уравнении
3. одни и те же эндогенные переменные входят в левую часть одних уравнений и в правую часть других уравнений
4. каждая из эндогенных переменных рассматривается как функция одного и того же набора факторов
53
Для системы эконометрических уравнений верным является утверждение: "количество случайных компонент в
системе взаимозависимых уравнений соответствует числу
системы".
Варианты ответов. Кол-во правильных ответов - 1
1. экзогенных переменных
2. поведенческих уравнений
3. эндогенных переменных
4. балансовых соотношений (тождеств)
Вопрос № 21.5. Оригинальный порядковый номер: 48
В поведенческих уравнениях структурной формы системы взаимосвязанных уравнений параметры …
Варианты ответов. Кол-во правильных ответов - 1
1. заранее оценены и известны
2. не подлежат оценке
3. определяются обычным методом наименьших квадратов
4. неизвестны и подлежат оценке
Тема № 22. Классификация систем уравнений
(Задание с выбором одного правильного ответа из предложенных)
Оригинальное кол-во заданий: 30, в базе представлено: 5
Вопрос № 22.1. Оригинальный порядковый номер: 3
В правой части системы независимых уравнений находится …
Варианты ответов. Кол-во правильных ответов - 1
1. совокупность зависимых и независимых переменных
2. совокупность зависимых переменных и случайных факторов
3. совокупность независимых переменных и случайных факторов
4. одна зависимая переменная
Вопрос № 22.2. Оригинальный порядковый номер: 5
Система взаимозависимых уравнений в ее классическом виде называется также системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. рекурсивных
2. изолированных
3. одновременных
4. независимых
409. Выделяют три класса систем эконометрических уравнений: …
1. системы независимых уравнений, системы изолированных уравнений и системы рекурсивных уравнений
2. системы взаимозависимых уравнения, системы рекурсивных уравнений и системы возвратных уравнений
3. системы независимых уравнений, системы взаимозависимых уравнений и системы рекурсивных уравнений
4. системы одновременных уравнений, системы взаимозависимых уравнений и системы рекурсивных
уравнений
Вопрос № 22.4. Оригинальный порядковый номер: 9
В системах рекурсивных уравнений количество переменных в правой части каждого уравнения определяется как
количества зависимых переменных
уравнений и количества независимых факторов.
Варианты ответов. Кол-во правильных ответов - 1
1. разность … предыдущих
2. разность … последующих
3. сумма … предыдущих
4. сумма … последующих
Вопрос № 22.5. Оригинальный порядковый номер: 21
Если структурная форма модели системы эконометрических уравнений точно идентифицируема, то с помощью
косвенного МНК …
Варианты ответов. Кол-во правильных ответов - 1
1. нулевые значения параметров модели
2. оценки для параметров модели определить невозможно
3. получают единственную оценку параметров модели
4. получают несколько различных вариантов оценок параметров модели
54
Вопрос № 22.1. Оригинальный порядковый номер: 2
Левая часть системы взаимозависимых уравнений представлена вектором …
Варианты ответов. Кол-во правильных ответов - 1
1. зависимых переменных и случайных величин
2. зависимых независимых переменных
3. зависимых переменных
4. независимых переменных
Вопрос № 22.2. Оригинальный порядковый номер: 11
Система уравнений, в которых каждая эндогенная переменная рассматривается как функция только
предопределенных переменных, называется системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. одновременных
2. регрессионных
3. независимых
4. рекурсивных
Вопрос № 22.3. Оригинальный порядковый номер: 20
Система уравнений, где эндогенные переменные в одних уравнениях выступают в роли результирующего признака, а
в других уравнениях – в роли фактора, называется системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. независимых
2. изолированных
3. одновременных
4. рекурсивных
Вопрос № 22.4. Оригинальный порядковый номер: 25
Пусть D– число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в системе,
а H– число эндогенных переменных в уравнении. Уравнение системы считается неидентифицируемым, если …
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
Вопрос № 22.5. Оригинальный порядковый номер: 27
Для оценки параметров структурной модели системы необходимо, чтобы …
Варианты ответов. Кол-во правильных ответов - 1
1. все уравнения системы были неидентифицируемы или сверхидентифицируемы
2. хотя бы одно уравнение системы было неидентифицируемо или сверхидентифицируемо
3. все уравнения системы были идентифицируемы или сверхидентифицируемы
4. хотя бы одно уравнение системы было идентифицируемо или сверхидентифицируемо
Вопрос № 22.1. Оригинальный порядковый номер: 3
Выберите верные утверждения по поводу системы независимых уравнений:
Варианты ответов. Кол-во правильных ответов - 2
1. каждое уравнение системы может рассматриваться в качестве отдельного уравнения регрессии зависимости одной
переменной от группы факторов
2. каждая зависимая переменная рассматривается как функция только от предопределенных переменных
3. оценки параметров уравнений нельзя определить методом наименьших квадратов
4. каждая независимая переменная является функцией от всех других независимых переменных
Вопрос № 22.2. Оригинальный порядковый номер: 9
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
55
Варианты ответов. Кол-во правильных ответов - 2
1. может быть описана с помощью системы одновременных уравнений
2. может быть описана с помощью системы рекурсивных уравнений
3. включает 3 уравнения
4. включает 6 уравнений
Вопрос № 22.3. Оригинальный порядковый номер: 11
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
Варианты ответов. Кол-во правильных ответов - 2
1. включает 5 уравнений
2. может быть описана с помощью системы одновременных уравнений
3. включает 2 уравнения
4. может быть описана с помощью системы независимых уравнений
Вопрос № 22.4. Оригинальный порядковый номер: 13
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
Варианты ответов. Кол-во правильных ответов - 2
1. включает 4 уравнения
2. может быть описана с помощью системы рекурсивных уравнений
3. включает 3 уравнения
4. может быть описана с помощью системы независимых уравнений
Вопрос № 22.5. Оригинальный порядковый номер: 15
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
56
Варианты ответов. Кол-во правильных ответов - 2
1. включает 3 уравнения
2. может быть описана с помощью системы независимых уравнений
3. может быть описана с помощью системы одновременных уравнений
4. включает 2 уравнения
Тема № 23. Идентификация систем эконометрических уравнений (Задание с
выбором одного правильного ответа из предложенных) Оригинальное колво заданий: 61, в базе представлено: 5
Вопрос № 23.1. Оригинальный порядковый номер: 22
Проблема оценки структурных параметров системы одновременных уравнений связана с тем, что предопределенные
переменные уравнений и их возмущения являются ...
Варианты ответов. Кол-во правильных ответов - 1
1. незначимыми
2. гомоскедастичными
3. коррелированными
4. некоррелированными
Вопрос № 23.2. Оригинальный порядковый номер: 24
Понятие «предопределенные переменные» включает в себя ...
Варианты ответов. Кол-во правильных ответов - 1
1. только лаговые переменные, как эндогенные, так и экзогенные
2. эндогенные и лаговые экзогенные
3. экзогенные и лаговые эндогенные переменные
4. экзогенные и эндогенные переменные
Вопрос № 23.4. Оригинальный порядковый номер: 45
Коэффициенты уравнений приведенной формы системы одновременных уравнений называют ...
Варианты ответов. Кол-во правильных ответов - 1
1. стандартизированными
2. частными
3. приведенными
4. структурными
Вопрос № 23.5. Оригинальный порядковый номер: 49
Переменные, значения которых формируются в процессе и внутри функционирования анализируемой социальноэкономической системы, называются …
Варианты ответов. Кол-во правильных ответов - 1
1. предопределенными
2. структурными
3. эндогенными
4. экзогенными
Вопрос № 23.1. Оригинальный порядковый номер: 5
Модель идентифицируема, если число параметров структурной формы модели …
Варианты ответов. Кол-во правильных ответов - 1
1. больше числа параметров приведенной формы модели
2. не равно числу уравнений модели
3. равно числу параметров приведенной формы модели
4. меньше числа параметров приведенной формы модели
Вопрос № 23.2. Оригинальный порядковый номер: 32
Структурные коэффициенты системы одновременных уравнений определяются однозначно по коэффициентам
приведенной формы системы. Такая модель называется ...
Варианты ответов. Кол-во правильных ответов - 1
1. неидентифицируемой
2. неопределенной
3. идентифицируемой
57
4. сверхидентифицируемой
Вопрос № 23.5. Оригинальный порядковый номер: 52
Поведенческим уравнением системы эконометрических уравнений называется уравнение, которое …
Варианты ответов. Кол-во правильных ответов - 1
1. описывает модель взаимодействия между случайными составляющими, т.е. содержит только случайные
составляющие
2. описывает ограничения на значения эндогенных и экзогенных переменных
3. описывает модель взаимодействия между переменными, т.е. содержит подлежащие оценке параметры и случайные
составляющие
4. описывает соотношение, выполняемое во всех случаях, т.е. не содержит подлежащие оценке параметры и
случайные составляющие
Вопрос № 23.1. Оригинальный порядковый номер: 0
В правой части приведенной формы системы одновременных уравнений, построенной по перекрестным данным
(cross-section data) без учета временных факторов, могут стоять
переменные.
Варианты ответов. Кол-во правильных ответов - 1
1. зависимые
2. лаговые
3. эндогенные
4. экзогенные
Вопрос № 23.2. Оригинальный порядковый номер: 57
Если число структурных коэффициентов модели меньше числа приведенных коэффициентов и, следовательно, на
основе приведенных коэффициентов можно получить два или более значений одного структурного коэффициента, то
модель является …
Варианты ответов. Кол-во правильных ответов - 1
1. сверхидентифицируемой
2. условно идентифицируемой
3. идентифицируемой
4. неидентифицируемой
Вопрос № 23.3. Оригинальный порядковый номер: 61
Каждое из уравнений в структурной форме системы одновременных уравнений представляет собой …
Варианты ответов. Кол-во правильных ответов - 1
1. оценку случайного возмущения
2. основное соотношение метода наименьших квадратов
3. линейную регрессию набором зависимых и независимых переменных
4. временной ряд
Вопрос № 23.4. Оригинальный порядковый номер: 65
В системе одновременных уравнений
- число эндогенных переменных, а
параметров полной структурной модели равно
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
- число экзогенных переменных. Число
4.
58
Вопрос № 23.5. Оригинальный порядковый номер: 89
В общем виде приведенной формы модели, построенной по указанной схеме взаимосвязей между переменными,
количество приведенных коэффициентов равно …
Варианты ответов. Кол-во правильных ответов - 1
1. 5
2. 2
3. 3
4. 6
Тема № 24. Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших квадратов
(КМНК) и двухшаговый метод наименьших квадратов (ДМНК)
(Задание с выбором одного правильного ответа из предложенных)
Оригинальное кол-во заданий: 31, в базе представлено: 5
Вопрос № 24.1. Оригинальный порядковый номер: 3
Двухшаговый метод наименьших квадратов применяется для оценки параметров …
Варианты ответов. Кол-во правильных ответов - 1
1. нелинейных уравнений регрессии
2. линеаризованных уравнений регрессии
3. систем эконометрических уравнений
4. временных рядов
Вопрос № 24.2. Оригинальный порядковый номер: 6
При оценке параметров приведенной формы модели косвенный метод наименьших квадратов использует алгоритм…
Варианты ответов. Кол-во правильных ответов - 1
1. метода главных компонент
2. расчета средней взвешенной величины
3. обычного метода наименьших квадратов
4. метода максимального правдоподобия
Вопрос № 24.3. Оригинальный порядковый номер: 12
Для точно идентифицируемой структурной формы системы одновременных уравнений при оценке параметров
применяется
метод наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. двухшаговый
2. трехшаговый
3. косвенный
4. традиционный
Вопрос № 24.5. Оригинальный порядковый номер: 31
Метод, суть которого состоит в использовании в качестве инструментальной переменной теоретической оценки
переопределенной переменной, полученной на базе экзогенных (или предопределенных) переменных модели,
является методом наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. обобщенным
2. обычным
3. двухшаговым
59
4. косвенным
Вопрос № 24.1. Оригинальный порядковый номер: 9
При оценке параметров систем одновременных уравнений не производят …
Варианты ответов. Кол-во правильных ответов - 1
1. расчет коэффициентов приведенной формы
2. идентификацию системы одновременных уравнений
3. линеаризацию уравнений системы
4. преобразование структурной формы модели в приведенную
Вопрос № 24.2. Оригинальный порядковый номер: 10 Приведенная
форма модели является результатом преобразования … Варианты
ответов. Кол-во правильных ответов - 1
1. системы рекурсивных уравнений
2. нелинейных уравнений регрессии
3. структурной формы модели
4. системы независимых уравнений
Вопрос № 24.3. Оригинальный порядковый номер: 11
С помощью традиционного метода наименьших квадратов можно определить параметры уравнений, входящих в
систему
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. рекурсивных или одновременных
2. только одновременных
3. независимых или рекурсивных
4. одновременных или независимых
Вопрос № 24.4. Оригинальный порядковый номер: 16
Двухшаговый метод наименьших квадратов определения оценок структурных параметров используется в случае ...
Варианты ответов. Кол-во правильных ответов - 1
1. неидентифицируемости хотя бы одного уравнения в системе
2. использования в системе фиктивных переменных
3. точной идентифицируемости системы одновременных уравнений или сверхидентифицируемости этой
системы
4. отсутствия в системе тождеств
Вопрос № 24.5. Оригинальный порядковый номер: 24
Двухшаговый метод наименьших квадратов является частным случаем ...
Варианты ответов. Кол-во правильных ответов - 1
1. взвешенного метода наименьших квадратов
2. метода максимального правдоподобия
3. метода инструментальных переменных
4. косвенного метода наименьших квадратов
Вопрос № 24.1. Оригинальный порядковый номер: 4
В приведенной форме модели в правой части уравнений находятся …
Варианты ответов. Кол-во правильных ответов - 1
1. только зависимые переменные
2. только независимые переменные
3. случайные факторы
4. зависимые и независимые переменные
Вопрос № 24.2. Оригинальный порядковый номер: 13
Для сверхидентифицируемой структурной формы системы одновременных уравнений при оценке параметров
применяется
метод наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. традиционный
2. двухшаговый
60
3. косвенный
4. трехшаговый
Вопрос № 24.3. Оригинальный порядковый номер: 14
Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших квадратов
3. по оценкам параметров приведенной формы вычисляются оценки структурных параметров.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. косвенному
2. обобщенному
3. трехшаговому
4. двухшаговому
Вопрос № 24.4. Оригинальный порядковый номер: 17
Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших квадратов
3. определение расчетных значений эндогенных переменных, которые выступают в качестве факторов в структурной
форме модели
4. определение структурных параметров каждого уравнения в отдельности традиционным методом наименьших
квадратов, используя в качестве факторов входящие в это уравнение предопределенные переменные и расчетные
значения эндогенных переменных, полученные на первом шаге.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. косвенному
2. обобщенному
3. трехшаговому
4. двухшаговому
Вопрос № 24.5. Оригинальный порядковый номер: 28
Оценки параметров идентифицируемой системы эконометрических уравнений могут быть найдены с помощью
метода наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. взвешенного
2. косвенного
3. обобщенного
4. обычного
410. Если по результатам анализа поля корреляции замечено, что на интервале изменения фактора меняется характер
связи рассматриваемых признаков, прямая связь изменяется на обратную, то моделирование целесообразно проводить
на основе
параболы второй степени.
411. Любой набор категорий можно описать некоторой совокупностью фиктивных переменных.
412. При отборе факторов путем постепенного наращивания их числа для включение нового фактора в модель
достаточно, чтобы новый фактор не коррелировал с раннее включ. в модель.
413. Если регрессионные остатки в эконометрической модели статически взаимозависимы, то ее называют моделью с:
автокоррелированными остатками.
414. Мера расхождения сглаженного (регрессионного) и наблюденного значения называется остатком.
415. Термин эконометрика был введен Фришем. (но вообще в самый самый 1-й раз Цьемпой)
416. Имеется матрица парных коэффициентов корреляции:
X1
X2
X3
y
Y
1
X1
-0,782
1
X2
0,451
0,564
1
X3
0,842
-0,873
0,303
1
Между какими признаками наблюдается мультиколлинеарность: х1, х3
417. Для линеаризации регрессионной модели y=a+b*кореньX +c используется замена … z=кореньХ
418. . Если функция спроса от цены характеризуется постоянной эластичностью, то моделирование целесообразно
проводить на основе … Степенной функции
61
419. Определение отдельного вклада каждой из независимых переменных в объясненную дисперсию в случае их
коррелированности является
задачей: 2) невыполнимой
420. В уравнении множественной регрессии, построенном на основании 14 наблюдений рассчитаны оценки
параметров и записана модель: y = 4,4 +0,83/// (в скобках указаны значения t-статистик, соответствующие параметрам
регрессии). Известны критические значения Стьюдента при различных уровнях значимости Для данного уравнения
при уровне значимости 0,1 Все ответы неверны. (должны быть больше 0,1)
421. Построена эконометрическая модель для зависимости прибыли от реализации единицы продукции (руб., у) от
величины оборотных средств предприятия (тыс. р., х1):
. Следовательно, средний размер
прибыли от реализации, не зависящий от объема оборотных средств предприятия, составляет _____ рубля. 10,75
422. Коэффициенты при сезонных фиктивных переменных показывают
при смене сезона: 4)
численную величину изменения, происходящего
423. Множественный регрессионный анализ является развитием парного регрессионного анализа
424. Совокупность фиктивных переменных – некоторое количество фиктивных переменных, предназначенное для
описания набора категорий.
425. Для регрессионной модели…. R= 0,87. Моделью объяснена часть дисперсии переменной у, равная (0,872) 0.76
426. Найдите верное высказывание: Стандартизированный коэффициент уравнения регрессии измеряется в сигмах.
427. Как правило в эталонной категории • все фиктивные переменные равны 0
428. Для регрессионной модели ..... R= 0,91 Моделью объяснена часть дисперсии переменной у, равная (0,912) 0,83
429. на основании рядов данных для переменных Х и У построено уравнение регрессии: у=а1+а2*х=3+0,28х. Если х=4,
то эластичность результирующего показателя у относительно факторы х:
Э=f ’(x)*x/f(x)=0.28*4/(3+0.28*4)=0.28*4/4.12=0.27
429.1 на основании рядов данных для переменных Х и У построено уравнение регрессии: у=а1+а2*х=8+3,25х. Если х=5,
то эластичность результирующего показателя у относительно факторы х:
Э=f ’(x)*x/f(x)=3,25*5/(8+3,25*5)=3,25*5/24,25=0,67
430. В эконометрических моделях «остаточная» дисперсия – это дисперсия отклонений наблюдаемых значений
результативного признака от его расчетных значений
431. .Если расчетное значение F-критерия Фишера превышает табличное, то можно сделать вывод о статистической
значимости построенной модели, значимости (существенности) моделируемой зависимости
432.
4 – Вариант ответа 1 (z=корень из х)
433. Какие из представленных функций линейны по параметрам?
3,4,5
434. .Параметр является статистически значимым (существенным), если вероятность того, что он равен нулю мала
435. Множественный линейный коэффициент корреляции R равен 0,85. Какой процент вариации зависимой
переменной Y учтён в модели и обусловлен влиянием факторов x1 и х2 R 2=0.852*100%=72,25
436. Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной Y учтён в модели и обусловлен влиянием факторов x1 и х2 R 2=0.932*100%=86,49
437.Стандартизованный коэффициент уравнения Вк применяется при проверке: при проверке эконометрической
значимости к-го фактора (при проверке важности этого фактора – написала Элен)
438. Пусть оценено уравнение регрессии y=-220+1370x-2200d, где У – цена двухкомнатной квартиры, Х – полезная
площадь (м2), d – тип дома (1 – панельный, 0 – кирпичный). Как изменится результаты, если положить, что 1 –
кирпичный, 0 – панельный)
 Цена квартиры не зависит от материала
 Цена зависит только от полезной площади
62
 Цена в кирпичном домне на 2200 больше при пр.
 Цена в кирпичном доме на 2200 больше при пр.
 Цена в панельном доме на 2200 больше при пр.
439. По выборочным данным оценено уравнение регрессии: у=-0,128+37х+3,45d, где У – расходы на потребление
овощей (руб.), Х – денежные доходы (руб.), d – место проживания инвалида (1-в городе, 0-в селе). Какова будет
интерпретация, если положить, что 1 – в селе, 0 – в городе?
 Расходы на потребление овощей у инвалида в селе на 3,45 больше при пр.
 Расходы зависят только от денежного дохода и не зависят от места проживания
 Расходы на потребление овощей у инвалида в селе на 3,45 меньше при пр.
 Расходы на потребление овощей у инвалида в городе на 3,45 меньше при пр.
440.Линия регрессии
через точку ( x,y ) :
Может пройти
2) всегда проходит
Несколько раз проходит
Никогда не проходит
441. Качество подбора нелинейного уравнения регрессии можно охарактеризовать на основе показателей …
Коэффициента линейной корреляции
средней ошибки аппроксимации
индекса детерминации
Коэффициента эластичности
442. Линеаризация нелинейной модели регрессии может быть достигнута:
3. преобразованием анализируемых переменных
443. При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается нулевая гипотеза о...
равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой переменной
на зависимую переменную
444. Если парный коэффициент корреляции между у и х принимает значение 0.56, то коэффициент детерминации
равен (в%): 31,36
445. Во множественном регрессионном анализе коэффициент детерминации определяет
регрессией:
2) долю дисперсии y, объясненную
446. Величина доверительного интервала позволяет установить предположение о том, что: интервал содержит
оценку параметра генеральной совокупности
447. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
ху=100, х=10, у=6 х2=136 у2=100, а=4,8
B=(ху − х∗ у)/( х2- 2х)=(100-10*6)/(136-102)=1,11
448. Имеются следующие данные: коэффициент регрессии b=0,13, стандартная ошибка коэффициента регрессии
0,277. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tтабл=2,11, а=0,05.
T= b/ст.ошибку=0,13/0,277=0,47. (меньше табл значит незначим)
0,47 – коэффициент незначим
449. Имеются следующие данные: коэффициент регрессии b=1,8, стандартная ошибка коэффициента регрессии
se(b)=0,17. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tтабл=2,11
при уровне значимости а=0,05.
T=b/ст.ошибку=1.8/0.17=10.59 (больше табл)
10,59 – значим
450. Если автокорреляция отсутствует то dw (Дарбина - Утсона) 3) приблизительно = 2
451. При отрицательной автокорреляции DW: >2 (приблизительно = 4)
452. К зоне неопределенности в тесте Дарбина-Уотсона относится случай, при котором
(d1, d2 – нижняя и
верхняя границы):
d1 < DW< d2
453. Условие гомоскедастичности означает, что вероятность того, что случайный член примет какое-либо конкретное
значение
наблюдений: 2) одинакова для всех
454. Если оценки параметров уравнения регрессии, полученных при помощи метода наименьших квадратов обладают
свойствами несмещенности, эффективности и состоятельности, то ...
a. математическое ожидание остатков равно нулю и они характеризуются минимальной дисперсией
455. Какие три типа данных существуют в эконометрике:
б) пространственные, временные, пространственно- временные (=панельные)
63
456.
2) вариант ответа 1
457. Найдите верное высказывание. При оборе факторов путем постепенного наращивания их числа для включения
фактора в модель достаточно, чтобы только Б
458. Пусть оценено уравнение регрессии: у= -0,45+305х-208d, где У – расходы на мобильную связь (руб.), Х – доход
(тыс.руб.), d – пол инвалида (1 – мужчины, 0 женщина). Какова будет интерпретация, если положить что 1 –
женщины, 0 – мужчины.
 Расходы женщин на мобильную связь на 208 рублей меньше, чем у мужчин при прочих равных условиях
 Расходы не зависят от пола
 Расходы не зависят только от дохода
 Интерпретация не изменится
 Расходы женщин на мобильную связь на 208 рублей больше, чем у мужчин при прочих равных
условиях
459. Чем больше число наблюдений, тем уже зона ??? (неопределенности)
460. Критические значения статистики Дорбина-Уотсона зависят от: количества наблюдений и числа объясняющих
переменных
461. Гетероскедастичность приводи к неэффективности оценок параметров
462. Если предположение о природе гетероскедастичности верно, то дисперсия случайного члена для первых
наблюдений в упорядоченном ряду будет ……для последних
1) больше, чем
2) такая же, как
3) ниже, чем
4) равно 0
5) равно 1
463. Индекс корреляции рассчитанный для нелинейного уравнения регрессии характеризует тесноту нелинейной
связи между зависимой и независимой переменными 3
464. Оценка является несмещенной оценкой параметра если ее мат ожидание равно оцениваемому параметру
465. Какие из представленных функций нелинейны по параметрам?
1,2,3
467. Общая сумма квадратов отклонения = 120, а остаточная сумма квадратов отклонений = 30, то сумма квадратов
отклонений, объяснённая регрессией, равна: 120-30=90 (пояснение: Общая сумма квадратов отклонений складывается из
суммы квадратов отклонений, объясненных регрессией, и остаточной сумма квадратов отклонений.Значит, сумма квадратов
отклонений, объясненная регрессией, равна разности общей сумме квадратов отклонений и остаточной суммы квадратов
отклонений.)
468. Имеются следующе данные: коэффициент b=7,35, стандартная ошибка коэффициента регрессии se(b)=0,03 чему
равна правая граница доверительного интервала? (7,35+2,11*0,03) 7,41
469. общая сумма квадратов отклонений 150, а остаточная сумма квадратов отклонений =30. Коэффициент
детерминации = 1-30/150=0,8
470. Выборочный коэффицент корреляции r по абсолютной величине - не превосходит единицы
471. Рассчитан по выборке коэффициент корреляции =1, это значит
- между изучаемыми переменными есть функциональная линейная прямая связь
472. Квадрат какого коэффицента в парной регрессии указывает долю дисперсии одной случайной величины,
обусловленной вариацией другой - коэффициент детерминации
473. Ситуации, при которой нулевая гипотеза была опровергнута, хотя бы истинной, носит название: ошибка 1 рода
64
474. Значение оценки является: случайной величиной
475. При применении МНК для оценки параметров управления регрессии минимизируют сумму квадратов разности
476. В модели парной регрессии у=4+2х изменение х на 2 единицы вызовет изменение у 4 единиц
477. В эконометрической модели уравнения регрессии величина отклонения фактического значения зависимой
переменной от ее расчетного значения характеризует ошибку модели
478. Метод оценивания – общее правило для получения
какого-либо параметра по данным выборки.
(приближенного численного значения)
479. При проверке на существенность(значимость) коэффициента регрессии в качестве альтернативной (обратной
нулевой) выдвигается гипотеза 0 ... отличие от нуля этого коэффициента регрессии и существенности влияния
соответствующей независимой переменной на зависимую
479. Этапы построения эконометрической модели. (постановочный, априорный, параметризация, информационный,
идентификация модели, верификация модели.)
480.Имеются следующие данные коэффициент регрессии b=8,73 стандартная ошибка коэф регрессии 0,07 , найти тСтьюдента( b/se=124,71)
481. Если парный коэффициент корреляции между признаками y и x принимает значение 0,56 то коэффициент
детерминации равен в % (d=r 2*100%= 31,36)
482. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
ху=100, х=10, у=8 х2=136 у2=100, а=4,8
B=(ху − х∗ у)/( х2- 2х)=(100-10*8)/(136-102)=0,56
482. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
х=20, у=10 Э = 0,8 Э=b*х/у, 0,8=2b, b=0.4
482. по следующим данным вычислите параметр а линейного уравнения регрессии округлите до сотых):
х=20, у=10 Э = 0,8 Э=b*х/у, 0,8=2b, b=0.4 тогда а=10-0,4*20=2
482. по следующим данным вычислите линейный коэффициент корреляции (округлите до сотых):
ху=100, х=10, у=8 х2=136 у2=100, а=4,8
R=(100-10*8)/(√136 − 10^2 )*( √100 − 8^2)=0.56
483. значение коэффициента детерминации составило 0,64. Определите долю случайных факторов в общей дисперсии
зависимой переменной. (1-0,64=0,36)
484. Гиперболической моделью не является регрессионная модель вариант ответа номер 1 (a+x/b+U)
485. Проводя эконометрическое моделирование зависимости объема продаж компании от ряда факторов х1- цена на
товар, х2 – степени известности торговой марки фирмы, х3 – доходы потребителей, х4 – уровня интенсивности реклам.
Фиктивными переменными не являются – х1 и х3
486. Независимая переменная может быть представлена как фиктивная в случае, если она является качественной по
своему характеру
487. По выборочным данным у = 157 + 0,25х – 500d …. С денежным доходом 18000. Ответ 4157
488 Пусть оценено уравнение регрессии : у=-133+820х+3200d1+1360d2, где У – цена двухкомнатной квартиры, Х –
полезная площадь, d1 – место расположения (1- в центре, 0 – на окраине), d2 – тип дома (1 – кирпичный, 0 – панельный).
Какова будет интерпретация, если положить что d1=1 – на окраине, d1=0 – в центре?
 Цена квартиры зависит только от площади дома
 Квартира, расположенная в центре, стоит на 3200 дешевле при прочих равных условиях
 Квартира, расположенная на окраине, стоит на 3200 дороже при прочих равных условиях
 Квартира, расположенная на окраине, стоит на 3200 дешевле при прочих равных условиях
489. Пусть У – товарооборот магазина, млн.руб., Х1 – торговая площадь (тыс.кв.м.), Х2 – среднее количество
посетителей в день (тыс.чел.). У=0,83+5,74х1+1,75х2. Каков будет товарооборот магазина, если он находится в
относительно оживленном месте с количеством посетителей 20 000 и имеет торговую площадь 1000 кв.м.
Ответ: 41,57
490. Какая из перечисленных функций нелинейна по параметрам?
1,2,3
491. Для модели парной регрессии оценки, полученные по МНК, являются несмещенными, эффективными,
состоятельными, если ... выполнены условия Гаусса-Маркова
492. Способ оценивания (estimator) — общее правило для получения
какого-либо параметра по
данным выборки. приближенного численного значения
493. Явление, когда строгая линейная зависимость между переменными приводит к невозможности применения МНК,
называется: полной коллинеарностью
65
494. Выборочная дисперсия зависимой переменной регрессии равна
объясненной дисперсии
зависимой переменной и необъясненной дисперсии зависимой переменной.
495. Если все наблюдения лежат на линии регрессии, то коэффициент детерминации R2 для модели парной регрессии
равен: единице
496. Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного признака,
объясненной регрессией, к
дисперсии результативного признака. общей
497. При каком значении средней ошибки аппроксимации модель имеет высокую точность: Менее 10%
498. Ковариация между переменными x и y может принимать значения: любое число
499. Самым коротким интервалом изменения коэффициента корреляции для уравнения парной линейной регрессии
y=2-3*x является.. [-1;0]
500. Имеются следующие данные: коэффициент регрессии b = 21,15, стандартная ошибка коэффициента регрессии se(b)
= 0,08. Чему равна левая граница доверительного интервала, если … 0,05. ОТВЕТ: 20,98 b-t*se(b) = 21.15-tкр*0,08
501. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 3,04 + 7,8x, х= 4,0; у= 34,24 0,91=
(7,8*(4/34,24)
502. При снижении уровня значимости риск совершить ошибку I рода уменьшается
503. При вычислении t-статистики применяется распределение Стьюдента
504. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 5,28 + 8,7x, х= 5,0; у= 34,24:
1,27= (8,7*(5/34,24)
505. На основании ряда данных для переменных Х и Н построено уравнение регрессии ……… +0,87х. Какое из
следующих высказываний является верным: все высказывания неверны.
506. Постановочный этап построения эконометрической модели это: определение конечных целей моделирования,
набора участвующих в модели факторов и показателей, их роли.
507. МНК автоматически дает максимальное для данной выборки значение коэффициента детерминации R2.
508. Для эконометрической модели уравнения регрессии ошибка модели определяется как разность между фактическим
значением зависимой переменной и ее расчетным значением.
509. Метод наименьших квадратов может применяться в случае нелинейной и множественной регрессии
510. В кинотеатре проводится исследование, какой вид попкорна предпочитают зрители. Результаты показали, что вид
А предпочитает 65% плюс-минус 3%. Что означает « плюс-минус 3%»? Истинная доля любителей попкорна вида А с
фиксированной доверительной вероятностью находится в пределах от 62 до 68 процентов
511. Имеются следующие данные: коэффициент регрессии b = 1,8, стандартная ошибка коэффициента регрессии se(b) =
0,17. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tта6л =2,11 при уровне
значимости α = 0,05. 10,59 (=1,8/0,17) – коэффициент значим.
512. Априорный этап построения эконометрической модели – это: предмодельный анализ экономической сущности
изучаемого явления, формирование и формализация априорной информации.
513. На стыке каких областей знаний возникла эконометрика: экономическая теория, математические методы и
статистические методы.
514. Близко к линии регрессии находится наблюдение, для которого теоретическое распределение случайного члена
имеет: малое стандартное отклонение.
515. Метод наименьших квадратов позволяет оценить параметры уравнений регрессии
516. Известно, что доля остаточной дисперсии равна 0,19. Тогда значение коэффициента корреляции равно 0,9
Найдем коэффициент детерминации:
Вычислим коэффициент корреляции:
Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в
тыс. рублях) оказался равным «-1,25». Это означает, что
Увеличение цены на 1% снижает спрос на стулья на 1,25%
Увеличение цены на 1% снижает спрос на стулья на 1250 рублей
Увеличение цены на 1000 рублей снижает спрос на стулья на 1250 рублей
Увеличение цены на 1000 рублей снижает спрос на стулья на 1,25%
Простая (парная) регрессия – это
Модель, где среднее значение зависимой переменной У рассматривается как функция нескольких
независимых переменных
Зависимость среднего значения какой-либо величины
Модель, где среднее значение зависимой переменной У рассматривается как функция одной
независимой Х
66
Модель вида У=а+bx
Какие из представленных функций могут быть линеаризованы?
У = αХ𝜷𝟏Х𝜷𝟐U
𝟏
𝟐
У = α + Х𝛽+U
1
У = α(1 −
)+U
𝛽
1− Х
Какие из представленных функций не могут быть линеаризованы?
𝟏
У = α(𝟏 −
)+U
𝟏− Х𝜷
У = α + β𝟏+U
Х
У = αХ𝛽1Х𝛽2U
1
У = αе𝛽хU
2
Для линейного регрессионного анализа требуется линейность
Только по параметрам
Только по переменным
И по параметрам, и по переменным
Всех факторов
Какие из представленных функций нелинейны по параметрам?
У = α + Х𝜷+U
у̂= а0 + а1х + а2х2
У = α + βх3+U
Ln = α + βlnX+U
Какие из представленных функций линейны по параметрам?
Lny = a + βlnx + u
Если по результатам анализа поля корреляции замечено, что на интервале изменения фактора меняется
характер связи рассматриваемых признаков, прямая связь изменяется на обратную, то моделирование
целесообразно проводить на основе
Параболы второй степени
Параболы третьей степени
Равносторонней гиперболы
Степенной функции
При снижении уровня значимости риск совершить ошибку I рода
Сохраняется
Не изменяется
Уменьшается
Увеличивается
Индекс корреляции может принимать значения
От 1 до 100
От 0 до 10
От 0 до +1
От -1 до +1
Пусть оценено уравнение регрессии у̂= -133+820х+3200d1+1360d2, где У – цена двухкомнатной квартиры (у.е.),
Х – полезная площадь, d1 – место расположения (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома (d2=1 – дом
кирпичный, d2 = 0 – дом панельный). Какова будет интерпретация, если положить d 1=1 – на окраине, d1=0 – в
центре?
Цена квартиры зависит только от площади и типа дома
67
Квартира, расположенная на окраине, стоит на 3200 (у.е.) дешевле при прочих равных условиях
68
Квартира, расположенная в центре, стоит на 3200 (у.е.) дешевле при прочих равных условиях
Квартира, расположенная на окраине, стоит на 3200 (у.е.) дороже при прочих равных условиях
В модели множественной линейной регрессии высокая корреляция между двумя объясняющими
переменными приводит к:
Значительной дисперсии оценок коэффициентов, полученных по методу наименьших квадратов
Неэффективности оценок коэффициентов, полученных по МНК
Невозможности определения изолированного влияния регрессоров на зависимую переменную и
однозначной их интерпретации
Несостоятельности оценок коэффициентов, полученных по МНК
Факторы эконометрической модели не являются коллинеарными, если коэффициент
модулю
0,7.
Корреляции … меньше
Детерминации … меньше
Корреляции … больше
Детерминации … больше
между ними по
Пусть У – товарооборот магазина, млн. руб., Х1 – торговая площадь (тыс.кв.км), Х2 – среднее количество
посетителей в день (тыс.чел.), у̂= 0,83 + 5,74Х1 + 1,75Х2. Каков будет товарооборот магазина (млн.руб.), если
он находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 41,57
Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество
посетителей в день, тыс. чел. ŷ = −0.83 + 5.74𝑥̅1 + 1.75𝑥̅2 Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 39,91
Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее количество
посетителей в день, тыс. чел. ŷ= −0.832 + 4.743х1 + 0.175𝑥̅2 Каков будет товарооборот магазина, если он
находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую площадь
1000 кв.м? 7,41
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у̂= 3,04 + 7,8х, если х= 4,0, у=
34,24. =( х/ у) *b = (4,0/34,24)*7,8 = 0,91
Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной У учтен в модели и обусловлен влиянием факторов х1 и х2 (до сотых). 86,49
Пусть оценено уравнение регрессии у̂= -0,16+10х+5d1+3d2, где У – заработная плата работника данной фирмы
(тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у
работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что начальная кодировка изменена: d 1=0 – для
женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник мужчина, имеет высшее образование. 97,84
Пусть оценено уравнение регрессии у̂= -0,16+10х-5d1+3d2, где У – заработная плата работника данной фирмы
(тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у
работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что начальная кодировка изменена: d 1=0 – для
женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник мужчина, имеет высшее образование. 107,84
Пусть оценено уравнение регрессии у̂= -0,16+10х-5d1+3d2, где У – заработная плата работника данной фирмы
(тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 – наличие у
работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Какова будет интерпретация, если положить d=1 – для мужчин, d=0 – для женщин?
Мужчины получают в среднем на 5 тыс. руб. больше при прочих равных условиях
69
Интерпретация не изменится
Женщины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
Мужчины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
Множественный линейный коэффициент корреляции Ry,x1,x2 равен 0,75. Какой процент вариации зависимой
переменной Y учтен в модели и обусловлен влиянием факторов х1 и х2. 56,25
Информационный этап построения эконометрической модели – это:
Само моделирование
Статистический анализ модели
Сопоставление реальных и модельных данных
Сбор необходимой статистической информации, т.е. регистрация значений участвующих моделей
факторов и показателей
Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1,2». Это означает, что
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу двести рублей
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу двести рублей
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1,2%
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на 1,2%
Отличие одностороннего теста от двустороннего заключается в том, что он имеет
Одно или несколько критических значений
Одно критическое значение
Несколько критических значений
Множество критических значений
Если расчетное значение F-критерия Фишера меньше табличного, то можно сделать вывод о …
Статистической незначимости построенной модели
Незначимости (несущественности) моделируемой зависимости
Целесообразности использования построенной модели для описания исследуемой зависимости
Статистической значимости построения модели
Величина, рассчитанная по формуле ху − х∗у является оценкой
ху
Частного коэффициента корреляции
Парного коэффициента корреляции
Множественного коэффициента детерминации
Коэффициента детерминации
Между коэффициентом корреляции и регрессии существует связь:
1)
r = bх
2)
у
2𝑥̅
r = b2
𝑦
3)
2𝑥̅
r = b2
𝑥̅
4)
r = b𝑦
𝑥̅
На основании рядов данных для переменных Х и У построено уравнение регрессии: у̂= a1 + a2x = 3 + 0,28х.
Если х=4, то эластичность результирующего показателя у относительно фактора х:
Э = b  𝑥̅ = 0,28 
= 0,27
4
𝑎+𝑏𝑥̅
3+0,28∗4
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у̂= 3,04 + 7,8х, если у= 34,24.
34,24 3,04+7,8∗34,24
Э = 7,8 
70
= 0,99
71
Значение коэффициента детерминации составило 0,64. Определите долю прочих факторов в общей дисперсии
зависимой переменной. 0,36
Уравнение парной регрессии связывает
Теоретические значения х и эмпирическое значение у
Теоретические значения у и эмпирическое значение х
Теоретические значения х и у
Переменную х и математическое ожидание у
Для линеаризации нелинейной регрессионной модели у = а + b√𝑥̅ +  используется замена …
1)
z = √𝒙
2)
z = √𝑥̅ + 
3)
z = b√𝑥̅
4)
z = а + b√𝑥̅
Какое из уравнений
регрессии является показательным?
1)
у = а0*ах𝟏*ах𝟐*
𝟏
2)
3)
4)
𝟐
у = а0*аа1
1 *
у = а0 + а1х1а2+…+
ни одно из уравнений не является показательным
Проверка гипотезы Н: R2=0 происходит с помощью теста
Стьюдента
Паркинсона
Дарбина-Уотсона
Фишера
Для регрессионной модели у = f(x) + , где f(x) – нелинейная функция. Значение индекса корреляции R=0,64.
Моделью объяснена часть дисперсии переменной у, равная …
0,36
0,6
0,41
0,8
Множественный линейный коэффициент корреляции R равен 0,85. Какой процент вариации зависимой
переменной У учтен в модели и обусловлен влиянием факторов х1 и х2 (до сотых).
72,25
27,75
0,73
85,00
Пусть оценено уравнение регрессии у̂= -0,45+305х-208d, где У – расходы на мобильную связь (руб.), Х – доход
(тыс.руб.), d – пол индивида (d1=1 – мужчина, d1=0 – женщина). Какова будет интерпретация, если положить
d1=1 – женщина, d1=0 – мужчина?
Расходы женщин на мобильную связь на 208 руб. меньше, чем у мужчин при прочих равных условиях
Расходы на мобильную связь не зависят от пола
Расходы на мобильную связь не зависят только от дохода
Расходы женщин на мобильную связь на 208 руб. больше, чем у мужчин при прочих равных условиях
Множественный регрессионный анализ является
Эквивалентностью
Противоположностью
Частным случаем
Развитием
парного регрессионного анализа:
72
Пусть для некоторой отрасли оценена регрессионная модель: у̂ = -0,46+8х+2,8d, где У – заработная плата
(тыс.руб.), Х – стаж работы (лет), d – пол работника (d1=1 – мужчина, d1=0 – женщина). Какова будет
интерпретация, если положить d1=1 – женщина, d1=0 – мужчина?
Интерпретация не изменится
Женщины получают в среднем на 2,8 тыс. руб. меньше при прочих равных условиях
Мужчины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
Женщины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
Как правило, в эталонной категории
Все фиктивные переменные равны 1
Все фиктивные переменные равны 0
Все фиктивные переменные принимают разные значения
Все фиктивные переменные равны 10
5)
По следующим данным вычислите параметр b линейного уравнения регрессии (округлить до сотых):
rxy = 0,85; 2 = 36; 2 = 49. 0,73. r = bх
𝑦
𝑥̅
у
Имеются следующие данные: b = 2,13; se(b) = 0,277. Чему равна левая граница доверительного интервала,
если tтабл = 2,11 при α = 0,05 (с точностью до сотых). b - tтабл *se(b) = 2,13-2,11*0,277=1,55
По выборочным данным оценено уравнение регрессии у̂ = 157+0,25х-500d, где У – расходы на потребление
мяса (руб.), Х – денежный доход (руб.), d – социальный статус индивида (d1=1 – в центре, d1=0 – на окраине),
d2 – тип дома (d2=1 – если индивид пенсионер, d2 = 0 – если индивид работает). Рассчитайте расходы на
потребление мяса пенсионера с денежным доходом 18000 руб. 4157
По выборочным данным оценено уравнение регрессии у̂ = 157+0,25х-1,3d, где У – расходы на потребление
мяса (руб.), Х – денежный доход (руб.), d – социальный статус индивида (d1=1 – в центре, d1=0 – на окраине),
d2 – тип дома (d2=1 – если индивид пенсионер, d2 = 0 – если индивид работает). Какова будет интерпретация,
если положить d=1 – индивид работает, d = 0 – если индивид пенсионер?
Расходы на потребление мяса у пенсионера на 1,3 руб. меньше, чем у работающего индивида при прочих
равных условиях
Социальный статус индивида не влияет на расходы, он зависит только от дохода
Расходы на потребление мяса у пенсионера на 1,3 руб. больше, чем у работающего индивида при прочих
равных условиях
Расходы на потребление мяса у работающего индивида на 1,3 руб. больше, чем у пенсионера при прочих равных
условиях
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 2,02 + 0,78x, х= 5,0; у= 6,0.
(5/6)*0,78 = 0,65
Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на мобильные телефоны (в
тысячах рублей) по цене (в рублях) оказался равным «-0,15». Это означает, что
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу пятьсот рублей
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15%
Уравнение регрессии имеет вид 𝐲̂ = 3,15 – 1,32х. На сколько единиц своего измерения в среднем изменится 𝐲̂
при увеличении х на одну единицу своего измерения:
Уменьшится на 1,32 Не
изменится Увеличится
на 3,15
Увеличится на 1,32
Регрессионная модель с одним факторным признаком называется…
Нелинейной
73
Парной
Множественной
Рекурсивной
Основные типы эконометрических моделей:
Модели тренда, модель сезонности
Модель временных рядов, регрессионные модели, система одновременных уровней
Регрессионная, модель тренда и сезонности
Модель сезонности, регрессионная
К показателю, характеризующему качество модели, относят:
t-статистика
коэффициент корреляции
коэффициент детерминации
коэффициент регрессии
Какой критерий используют для оценки значимости коэффициента корреляции в парной линейной модели:
Критерий Пирсона
F-Критерий Фишера
d-критерий Дарбина-Уотсона
хи-квадрат критерий
Множественная регрессия — это
Зависимость среднего значения какой-либо величины
Модель, где среднее значение зависимой переменной У рассматривается как функция нескольких
независимых переменных Х1, Х2, Х3…
Модель, где среднее значение зависимой переменной У рассматривается как функция одной независимой Х
Модель вида У=а+bx
Свойства коэффициентов регрессии как случайных величин зависят от свойств
Независимых переменных
Зависимой переменной
Остаточного члена
Всех составляющих
Под эконометрикой в широком смысле слова понимается:
Совокупность различного рода экономических исследований,
математики
Совокупность теоретических результатов
Применение статистических методов
Самостоятельная научная дисциплина
проводимых
уравнения
с использованием
Пусть оценено уравнение регрессии у̂ = -1,7+450х+1280d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – место расположения (d1=1 – в центре, d2=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с полезной площадью 76 (м2) ( с точностью до десятых). 34 198,3
Пусть оценено уравнение регрессии у̂ = -133+820х+3200d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – место расположения (d1=1 – в центре, d2=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с площадью 52 (м2)? 42 507
Пусть оценено уравнение регрессии у̂= -220+1370х-2200d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – тип дома (d=1 – дом панельный, d = 0 – дом кирпичный). Рассчитайте среднюю
стоимость квартиры, при условии, что начальная кодировка изменена: d=1 – дом кирпичный, d = 0 – дом
панельный, полезная площадь составляет 50 (м2), квартира расположена в кирпичном доме. 66 080
Для регрессионной модели у= f(x) + , где f(x) – нелинейная функция. Значение индекса корреляции R=0,64.
74
Моделью объяснена часть дисперсии переменной у, равная…. 0,4096
Для вычисления прогноза значения зависимой переменной в рамках модели множественной регрессии нужно
знать
значение случайного возмущения, u
значения независимых переменных
значения независимых и зависимой переменных
значение зависимой переменной У
Регрессором в уравнении парной линейной регрессии называется:
Объясняющая переменная
Случайная составляющая
Зависимая переменная
Фиктивная переменная
По аналитическому выражению различают модели:
Прямые и обратные
Парные и множественные
Линейные и криволинейные
Простые и сложные
При добавлении еще одной переменной в уравнение регрессии коэффициент детерминации:
Остается неизменным
Уменьшается
Не увеличивается
Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда значение коэффициента корреляции
равно… ((1 – 0,19)1/2) = 0,9
Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на мобильные телефоны (в
тысячах рублей) по цене (в рублях) оказался равным «–0,15». Это означает, что
Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15% Увеличение
цены на 1рубль снижает спрос на мобильные телефоны на 0,15% Полученное число
никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу пятьсот рублей
Точность оценок по МНК повышается , если увеличивается
Количество наблюдений
Количество факторов
Количество параметров
Количество итераций
Стандартизированный коэффициент уравнения регрессии 𝛽k показывает
На сколько единиц изменится результирующий показатель у при изменении фактора хk на 1 единицу
Все высказывания неверны
На сколько % изменится результирующий показатель у при изменении фактора хk на 1 %
На сколько % изменится фактор хk при изменении результирующего показателя у на 1 %
Допустим руководство решило построить магазин на улице со средней частотой посещений 7500 в день и
хотело бы иметь торговый оборот 4,75 млн. руб. Какова должна быть при этом торговая площадь ? Утоварооборот магазина, млн руб.,х1- торговая площадь, тыс кв м, х2 – среднее количество посетителей в день,
тыс. чел. У= -0,832+4,743*х1+0,175*х2
900 кв м
0,9 кв м
549 кв м
1000 кв м
75
Если две переменные независимы, то их теоретическая ковариация равна
½
1
-1
0
Строгая линейная зависимость между переменными – ситуация, когда _____ двух переменных равна 1 или -1
Сумма
Разность
Выборочная корреляция
Теоретическая корреляция
Проводится эконометрическое моделирование зависимости объема продаж компании от ряда факторов: х 1 –
цены на товар, х2 – степени известности торговой марки фирмы, х3 – дохода потребителя, х4 –цены
«конкурентов». Фиктивной переменной в модели является …
х4
х1
х2
х3
Величина остаточной дисперсии зависимой переменной в ее общей дисперсии равна 0,2. Тогда значение
коэффициента детерминации составляет:
0,64
√0,2
√0,8
0,8
Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1». Это означает, что
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
Полученное число никак не интерпретируется
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу рублей
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу рублей
Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда значение коэффициента корреляции
равно… 0,9
Имеются следующие данные: коэффициент регрессии b = 3,15, стандартная ошибка коэффициента регрессии
se(b) = 0,28. Чему равна правая граница доверительного интервала, если tта6л =2,11 при уровне значимости α
= 0,05. b+ se(b)* tта6л=3,74
Найдите верное высказывание. При оборе факторов путем постепенного наращивания их числа для
включения фактора в модель достаточно, чтобы
Изменение коэффициента множественной детерминации, вызванное добавлением фактора было
неотрицательным
Абсолютное значение парного коэффициента корреляции результирующего показателя и вновь вводимого
фактора был больше некоторого порогового значения
Ни одно из высказываний не верно
Новый фактор не коррелировал с ранее включенными в модель
Стандартный коэффициент уравнения 𝛽𝑘 применяется при проверке
При проверке статистической значимости k-го фактора
При проверке экономической значимости k-го фактора
При проверке на гомоскедастичность
76
При проверке важности фактора по сравнению с остальными факторами
Какой критерий используют для оценки значимости коэффициента корреляции в парной линейной модели:
t-критерий Стьюдента
хи-квадрат
критерий Пирсона
d-критерий Дарбина—Уотсона
По следующим данным вычислите параметр b линейного уравнения регрессии (округлить до десятых): 𝑥̅𝑦=
120, 𝑥̅ = 10, 𝑦= 10, 𝑥̅2 = 149, 𝑦2 = 125, Эх = 0,4.
Общая сумма квадратов отклонений = 120 и остаточная сумма квадратов отклонений = 30, то сумма квадратов
отклонений, объясненная регрессией равна…90
К показателю, характеризующему качество модели, относят:
T-статистика
Коэффициент регрессии
Коэффициент детерминации
Коэффициент корреляции
В уравнении линейной множественной регрессии у̂= 5,85 + 10,8х1 + 9,4х2, где х1 – стоимость ОПФ (тыс. руб.);
х2 – численность занятых (тыс. руб.); у – объем промышленного производства (тыс. руб.). Параметр при
переменной х1, равный 10,8, означает, что при увеличении объема ОПФ на
объем промышленного
производства
при постоянной численности занятых.
На 1 тыс. руб. … увеличится на 10,8 тыс. руб.
Коэффициенты при сезонных фиктивных переменных показывают
численную величину изменения, происходящего
при смене сезона:
Спецификация множественной линейной регрессии имеет вид … y = a0 + a1x1 + … + a2xn + 
Какие из представленных функций линейны по параметрам?
у = α + β1х2+U
уа = β1 + β2х2 + U
y = α + βх3+ U
y = α + βlnх+ U
lny = α + βlnX+U
Пусть оценено уравнение регрессии у̂= -220+1370х-2200d, где У – цена двухкомнатной квартиры (у.е.), Х –
полезная площадь, d – тип дома (d=1 – дом панельный, d = 0 – дом кирпичный). Какова будет интерпретация,
если положить d=1 – дом кирпичный, d=0 – дом панельный?
Цена квартиры не зависит от материала (кирпичный или панельный)
Цена квартиры зависит только от полезной площади
Цена квартиры в кирпичном доме на 2200 ден. е. больше при прочих равных условиях Цена
квартиры в кирпичном доме на 2200 ден. е. меньше при прочих равных условиях Цена
квартиры в панельном доме на 2200 ден. е. больше при прочих равных условиях
Пусть оценено уравнение регрессии у̂= -0,128+37х+3,45d, где У – расходы на потребление овощей (руб.), Х –
денежный доход (руб.), d – место проживания индивида (d=1 – если проживает в городе, d = 0 – проживает в
селе). Какова будет интерпретация, если положить d=1 – проживает в селе, d=0 – если проживает в городе ?
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. больше, при прочих равных
условиях
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. меньше, при прочих равных
условиях
77
Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб. меньше, при прочих равных
условиях
Какие из представленных функций нелинейны по параметрам? НЕСКОЛЬКО
y = α + Х𝜷+U
y = αX1β1 X2β2 U
y = αeβх U
y = α + βх3+U
Ln = α + βlnX+U
Гиперболической моделью не является регрессионная модель y =  + 𝒙+ U
Линеаризация нелинейной модели может быть достигнута:
Сглаживанием переменных
Отбрасыванием нелинейных переменных
Преобразованием нелинейных переменных
Перекрестной суперпозицией переменных
Качество подбора нелинейного уравнения регрессии можно охарактеризовать на основе показателей …
Индекса детерминации
Найдите верное высказывание. Стандартизированный коэффициент уравнения регрессии измеряется:
В процентах
В тех же единицах, что и фактор, при котором он стоит
Безразмерная величина
В тех же единицах, что и результирующий показатель
В модели вида y =  + 1  x1 + 2  x2 + 3  x3 +  количество объясняющих переменных равно …
2
3
4
1
Любой набор категорий можно описать некоторой совокупностью
Независимых
Количественных
Фиктивных
Случайных
переменных
Уравнение гиперболы
имеет вид:
𝟏
+𝒂
𝒚
̂=𝒂
𝒙
𝟎
𝟏𝒙
Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на результат
признаков
характера
Качественного
Случайного
Несущественного
Количественного
Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении
множественной регрессии не является
потребителя.
Уровень образования
Семейное положение
Пол
78
Доход
79
Фиктивными переменными в уравнении множественной регрессии могут быть …
Экономические показатели, выраженные в стоимостном измерении
Качественные переменные, преобразованные в количественные Переменные,
исходные значения которых не имеют количественного значения
Количественные переменные
Матрица парных линейных коэффициентов корреляции отображает…
Значения стандартизированных коэффициентов линейной регрессии
Вероятность значимости каждой объясняющей переменной
Тесноту линейной связи между переменными
Величину вклада каждой объясняющей переменной в общую дисперсию зависимой переменной
Стандартизированный коэффициент уравнения k применяется при проверке
При проверке статистической значимости k-го фактора
При проверке важности фактора по сравнению с остальными факторами
При проверке на гомоскедатичность
При проверке экономической значимости k-го фактора
Для вычисления прогноза значения зависимой переменной в рамках модели множественной регрессии нужно
знать:
значения независимых переменных
По выборочным данным оценено уравнение регрессии: y = -0,128 + 37*x + 3,45*d, где Y – расходы на
потребление овощей (руб.), X – денежный доход, d – место проживания индивида (d=1 – если проживает в
городе, d=0 – если проживает в селе). Какова будет интерпретация, если положить d=1 – проживает в селе,
d=0 – индивид проживае в городе?
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. больше, при прочих равных
условиях
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. меньше, при прочих равных
условиях
Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб. меньше, при прочих равных
условиях
Применим ли метод наименьших квадратов для расчета параметров показательной зависимости?
применим после ее приведения к линейному виду путем логарифмирования
На основании рядов данных для переменных x1, x2, и y построено уравнение регрессии: Y = 5 + 1.25*X1 +
0.86*X2. Если x1=2, x2=3, то эластичность результирующего показателя y относительно фактора x1
(округлить до сотых) =
1,25*(2+3/2) и все это делим на 10,8(это наш у)
0,29
Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной Y учтен в модели и обусловлен влиянием факторов x1 и x2
86,49%
Пусть оценено уравнение регрессии: y = -1,7 + 450*x + 1280*d, где y – цена двухкомнатной квартиры, x –
полезная площадь, d – место расположения (d=1 – в центре, d=0 – на окраине). Сколько будет стоить квартира,
расположенная на окраине, с полезной площадью 76 м2. = -1,7 + 450*76 + 1280*0= 34198,3
Пусть оценено уравнение регрессии: y = -0,16 + 10*x - 5*d1 + 3*d2, где y – заработная плата работника данной
фирмы, x – стаж работы, d1 – пол работника (d=1 – для женщин, d=0 – для мужчин), d2 – наличие у работника
высшего образования (d=1 – есть, d=0 – нет). Рассчитайте среднюю зарплату, при условии, что начальная
80
кодировка изменена: d1 = 1 - для мужчин, d1=0 – для женщин, стаж составляет 10 лет, работник имеет высшее
образование.
До перекодировки и после нее, результат остается одинаковым. Найдем у жен= -0,16 + 10*10 - 5*1 +
3*1=97,84, а у мужчин = -0,16 + 10*10 - 5*0 + 3*1=102,84, теперь найдем среднюю (97,84+102,84)/2 = 100.34
Что показывает коэффициент регрессии степенной модели?
относительную величину изменения у при изменении х на единицу
на сколько процентов изменится у, если х изменился на один процент
абсолютную величину изменения y при изменении х на единицу
на сколько процентов изменится у, если х изменился на единицу
Если функция спроса от цены характеризуется постоянной эластичностью, то моделирование целесообразно
проводить на основе
экспоненциальной функции
степенной функции
линейной функции
параболы второго порядка
При идентификации модели множественной регрессии y=a+b1*x1+b2*x2+b3*x3+b4*x4+e количество
оцениваемых параметров равно
6
5
3
4
При отборе факторов в модель множественной регрессии проводят анализ значений ежфакторной
детерминации
эластичности
регрессии
корреляции
Определение отдельного вклада каждой из независимых переменных в объясненную дисперсию в случае их
коррелированности является
задачей
достаточно простой
невыполнимой
первостепенной
достаточно сложной
По 39 точкам оценена следующая формула производственной функции, в которой отдельно рассмотрены две
составляющие затрат основного капитала: К1 – здания и сооружения, и К2 – машины и оборудование; а также
две составляющие затрат труда: L1 – затраты квалифицированного труда, и L2 – затраты
неквалифицированного труда; Y – выпуск: ln(Y) = -4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) + 0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38);
R=0,92; DW=1,74 В скобках приведены стандартные ошибки коэффициентов.
Какой из выводов и дальнейших шагов представляется вам верным?
Формула зависимости приемлема по всем приведенным параметрам, и изменения не нужны
Имеет место мультиколлинеарность, поэтому нужно объединить факторы К1 и К2
Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым (они должны быть больше 2)
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1 и L2
Метод наименьших квадратом позволяет оценить
уравнений регрессии параметры
Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1) модель цены от объема
поставки; 2) модель спроса и предложения; 3) модель тренда и сезонности; 4) модель зависимости объема
производства от производственных факторов:
2,4
81
1,4
все
2,3
Совокупность фиктивных переменных – некоторое количество фиктивных переменных, предназначенное для
описания
набора категорий
неслучайно величины
количественного фактора
случайной составляющей
Какую модель следует выбрать, если есть основания считать, что коэффициент эластичности не изменяется?
экспоненциальную
линейную
показательную
степенную
Пусть оценено уравнение регрессии: y = -10450 + 305*x + 208*d, где y – расходы на мобильную связь, x –
доход, d – пол индивида (d=1 – мужчина, d=0 – женщина). Каковы будут расходы на мобильную связь у
мужчины с доходом 50 т.р? : y = -10450 + 305*50 + 208*1=5008
Пусть оценено уравнение регрессии: y = -220 + 1370*x + 2200*d, где y – цена двухкомнатной квартиры, x –
полезная площадь, d – тип дома (d=1 – панельный, d=0 – кирпичный). Рассчитайте среднюю стоимость
квартиры, при условии, что начальная кодировка изменится: d=1 – кирпичный дом, d=0 – панельный дом,
полезная площадь 50м2, квартира расположена в кирпичном доме. 68 280
Для регрессионной модели Y=f(x), где f(x) – нелинейная функция. Значение индекса корреляции R=0,91.
Моделью объяснена часть дисперсии переменной у, равная 0,83 (округлить до сотых)
Проводится эконометрическое моделирование зависимости объекта продаж компании от ряда факторов: x1 цены на товар, x2 - степени известности торговой марки фирмы, x3 - дохода потребителя, x4 - цены
«конкурентов». Фиктивной переменной в модели является
x4
x2
x3
x1
Применим ли МНК для расчета параметров показательной зависимости?
нет
применим после ее приведения к линейному виду путем логарифмирования
да
в зависимости от исходных данных
Независимая переменная может быть представлена как фиктивная в случае, если она:
подвержена сезонным колебаниям
является качественной по своему характеру
случайная
имеет трендовую составляющую
Фиктивная переменная является
кусочно-непрерывной
непрерывной
дискретной
случайной
величиной
Фиктивная переменная – переменная, принимающая в каждом наблюдении:
82
только отрицательные значения
только положительные значения
только два значения 0 или 1
ряд значений от 0 до 1
Уравнение множественной регрессии имеет вид:
y = -28,26 – 1,37x1 – 0,29x2. Параметр b1 = -1,37 означает следующее
при увеличении х1 на 1,37 единиц своего измерения переменная Y увеличится на одну единицу своего
измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора х2, переменная
Y уменьшится на одну единицу своего измерения
при увеличении х1 на одну единицу своего измерения переменная Y уменьшится на 1,37 единиц своего
измерения
при увеличении х1 на одну единицу своего измерения и при фиксированном значении фактора х2,
переменная Y уменьшится на 1,37 единиц своего измерения
Пусть оценено уравнение регрессии: y = -220 + 1370*x + 2200*d, где y – цена двухкомнатной квартиры, x –
полезная площадь, d – тип дома (d=1 – панельный, d=0 – кирпичный). Как изменятся результаты, если
положить: d=1 – кирпичный дом, d=0 – панельный дом?
цена квартиры в кирпичном доме на 2200 д.е. меньше при прочих равных условиях
цена квартиры в панельном доме на 2200 д.е. больше при прочих равных условиях
цена квартиры в кирпичном доме на 2200 д.е. больше при прочих равных условиях
цена квартиры зависит только от полезной площади
Пусть оценено уравнение регрессии: y = -133 + 820*x + 3200*d1 + 1360*d2, где y – цена двухкомнатной
квартиры, x – полезная площадь, d1 – место расположения (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома
(d2=1 – кирпичный, d2=0 – панельный). Сколько будет стоить квартира, площадью 52 м2, в панельном доме,
расположенная на окраине? y = -133 + 820*52 + 3200*0 + 1360*0=42 507
В уравнении линейной множественной регрессии y = 5,85 + 10,8*x1 +9,4*x2, где х1 – стоимость основных
производственных фондов; х2 – численность занятых; у – объем промышленного производства, параметр при
переменной х1, равный 10,8, означает, что при увеличении объема основных фондов на
объем
промышленного производства
при постоянной численности занятых.
на 1 т.р. … уменьшится на 10,8 т.р.
на 1 т.р. … увеличится на 10,8 %
на 1 т.р. … увеличится на 10,8 т.р.
на 1 %. … уменьшится на 10,8 %
Пусть оценено уравнение регрессии: y = -0,16 + 10*x – 5*d1 +3*d2, где Y – заработная плата работника данной
фирмы, Х – стаж работы, d1 – пол работника (d=1 – для женщин, d=0 – для мужчин), d2 – наличие у работника
высшего образования (d=1 – есть, d=0 – нет). Какова будет интерпретация, если положить: d1 = 1 - для мужчин,
d1=0 – для женщин?
мужчины получают в среднем на 5 т.р. меньше при прочих равных условиях
женщины получают в среднем на 5 т.р. меньше при прочих равных условиях
интерпретация не изменится
мужчины получают в среднем на 5 т.р. больше при прочих равных условиях
Какое
из
уравнений
𝒂𝟐
1) 𝒚 = 𝒂𝟎 + 𝒂𝟏 𝒙𝟏 + ⋯ + 𝜺
2) 𝑦 = 𝑎0 + 𝑎1𝑥̅1 + ⋯ + 𝑎2𝑥̅𝑛 + 𝜀
3)
𝑎1
𝑎𝑛
4)𝑦 = 𝑎 + + ⋯ + + 𝜀
0
𝑥̅1
регрессии
нельзя
свести
к
линейному
виду:
𝑦 = 𝑒𝑎0 ⋅ 𝑥̅𝛼1 ⋅ … ⋅ 𝑥̅𝑎𝑛 ⋅ 𝜀
1
𝑛
𝑥̅𝑛
83
Уравнение гиперболы имеет вид:
𝟏
1)𝒚
̂ = 𝒂𝟎 + 𝒂𝟏 ⋅ 𝒙
84
2) 𝑦̂= 𝑎0 ⋅ 𝑥̅𝑎1
3) 𝑦̂= 𝑎0 + 𝑎1𝑥̅ + 𝑎2𝑥̅2
4) 𝑦̂= 𝑎0 ⋅ 𝑎𝑥̅ 1
Дана матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
0,987
1
X2
0,754
0,451
1
X3
0,857
0,789
0,154
Коллинеарными являются факторы:
коллинеарность отсутствует
Y и X3
X1 и X3
X1 и X2
X2 и X3
Имеется матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
-0,782
1
X2
0,451
-0,987
1
X3
0,842
0,465
0,303
Между какими признаками наблюдается мультиколлинеарность:
X1 и X2
X2 и X3
Y и X3
мультиколлинеарность отсутствует
X3
1
X3
1
85
МОДУЛЬ № 1
Эндогенные переменные – это
1)
датированные предыдущими моментами времени
2)
независимые переменные
3)
зависимые переменные
Какое определение соответствует понятию «эконометрика»:
это наука, предметом изучения которой является количественное выражение взаимосвязей
экономических явлений и процессов
это наука, предметом изучения которой является количественная сторона массовых социальноэкономических явлений и процессов в конкретных условиях места и времени
это наука, предметом изучения которой являются общие закономерности случайных явлений и
методы количественной оценки влияния случайных факторов
это наука, предметом изучения которой являются модели экономических объектов и процессов
и методы их исследования
1.
2.
Какова цель эконометрики:
1.
разработать способы моделирования и количественного анализа
экономических объектов
2.
представить экономические данные в наглядном виде
3.
определить способы сбора и группировки статистических данных
4.
изложить в математической формулировке экономические законы
реальных
3. Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1) модель цены от объема
поставки; 2) модель спроса и предложения; 3) модель тренда и сезонности; 4) модель зависимости объема производства
от производственных факторов:
1,4
2, 4
2, 3
все
4. Набор сведений о разных объектах, взятых за один период времени, называется:
пространственными данными
временными данными
панельными данными
статистическими данными
5. Выберите аналог понятия «независимая переменная»:
фактор
экзогенная переменная
регрессор
эндогенная переменная
результат
6. Рассмотрите модель зависимости общей величины расходов на питание от располагаемого личного
дохода (х) и цены продуктов питания (р): у=а0+а1х+а2р+𝜺. Определите класс модели и вид переменных
модели:
регрессионная модель с одним уравнением; эндогенная переменная -расходы на питание, экзогенные
переменные — располагаемый личный доход и цена продуктов питания
регрессионная модель с одним уравнением; эндогенная переменная — расходы на питание, экзогенная
переменная — располагаемый личный доход, предопределенная переменная — цена продуктов питания
модель временного ряда; эндогенная переменная — расходы на питание, лаговые переменные — располагаемый
личный доход и цена продуктов питания
модель временного ряда; эндогенная переменная — расходы на питание, экзогенные переменные —
располагаемый личный доход и цена продуктов питания.
7. Найдите правильную последовательность этапов эконометрического моделирования:
постановочный, априорный, параметризации, информационный, идентификации, верификации
постановочный, априорный, информационный, параметризации, идентификации, верификации
информационный, постановочный, априорный, параметризации, верификации, идентификации
8. Верификация модели — это:
проверка истинности, адекватности модели
определение вида экономической модели, выражение в математической форме взаимосвязи между ее переменными
определение исходных предпосылок и ограничений модели
1
анализ изучаемого экономического явления
9. Какая задача эконометрики является задачей параметризации модели:
выбор вида функции, спецификация модели, формулировка исходных предпосылок и ограничений модели
составление прогноза и рекомендаций для конкретных экономических явлений по результатам
эконометрического моделирования
оценка параметров построения модели
построение
эконометрических
моделей
для
эмпирическое
анализа
10. Спецификация модели — это:
выражение в математической форме выявленных связей и соотношений, установление состава
эндогенных и экзогенных переменных
определение
цели
исследования
и
выбор
экономических
переменных модели
проведение статистического анализа модели, оценка качества ее параметров
сбор необходимой статистической информации
11. На основании рядов данных для переменных X и Y построено уравнение регрессии:
yˆ  a1  a2 x  5 1,25x . Какое из следующих высказываний является верным: все
высказывания неверны
оценка коэффициента a2 =1,25 означает, что если значение переменной Х увеличится в среднем на 1,25, то
значение переменной Y при прочих равных условиях увеличится на 1 единицу
оценка коэффициента a2 =1,25 означает, что если значение переменной Y увеличится на 1 единицу, то значение
переменной X при прочих равных условиях увеличится в среднем на 1,25
если при прочих равных условиях значение переменной Х удвоится, то значение переменной Y возрастет в
среднем на 25%
12. Найдите верное высказывание. Эластичность показывает:
на сколько % изменится результирующий показатель y при изменении фактора xk на 1 %
на сколько единиц изменится фактор xk при изменении результирующего показателя y на 1 единицу
на сколько единиц изменится результирующий показатель y при изменении фактора xk на 1 единицу
на сколько % изменится фактор xk при изменении результирующего показателя y на 1 %
все высказывания неверны
13. Какое из уравнений регрессии нельзя свести к линейному виду:
𝒂𝟐
𝒚 = 𝒂𝟎 + 𝒂𝟏𝒙 𝟏 + ⋯ + 𝜺
y  0  1 x1 ...  n x n  .
y  e0 x1... x  n  .
n
1
y   0  1 / x 1 ...  n / x n   .
все уравнения можно свести к линейному виду.
14. Какое из уравнений регрессии является степенным:
𝒚 = 𝒆𝒂𝟎 𝒙𝒂𝟏
𝟏 ∗𝜺
y  0  1 x2
1  ...   .
y   0  х 1  х 2  .
1
2
y  0  1 x2
1   .
ни одно из уравнений не является степенным
15. Какое предположение о матрице факторов Х не является предпосылкой классической линейной
регрессионной модели.
матрица факторов Х содержит все важнейшие факторы, определяющие изменения зависимой переменной
матрица факторов Х – невырожденная (независимые переменные не коррелируют друг с другом
длина исходного ряда данных больше, чем количество факторов (достаточное число степеней свободы)
независимые переменные экзогенны
все предположения являются предпосылками классической регрессионной модели.
16. Какое предположение о результирующем показателе является предпосылкой классической
регрессионной модели:
результирующий показатель является количественным, причем на него не накладываются особые
ограничения
результирующий показатель измеряется в порядковой шкале
результирующий показатель измеряется в номинальной шкале
результирующий показатель измеряется в дихотомической (бинарной) шкале
ни одно из предположений не является предпосылкой классической регрессионной модели
2
17. Какое предположение о векторе случайной составляющей не является предпосылкой классической
регрессионной модели:
все предположения являются предпосылками классической модели
случайная составляющая имеет нулевое математическое ожидание
случайная составляющая имеет постоянную дисперсию (свойство гомоскедастичности)
отсутствует автокорреляция случайной составляющей
случайная составляющая обладает нормальным распределением
18.
Критерий Стьюдента предназначен для
определения статистической значимости каждого из коэффициентов уравнения регрессии
определения экономической значимости каждого из коэффициентов уравнения регрессии
определения статистической значимости модели в целом на основе совокупной достоверности всех ее
коэффициентов
определения экономической значимости регрессионной модели в целом
ни одно из высказываний не верно
19.
Критерий Стьюдента используется в эконометрическом моделировании
И для определения статистической значимости каждого из коэффициентов уравнения регрессии и для расчетов
доверительных интервалов коэффициентов уравнения регрессии и прогнозного интервала зависимой величины
Только для определения статистической значимости каждого из коэффициентов уравнения регрессии
Только для определения экономической значимости каждого из коэффициентов уравнения регрессии
Только для расчетов доверительных интервалов коэффициентов уравнения регрессии и прогнозного интервала
зависимой величины
Ни одно из высказываний не верно
20.
Если коэффициент уравнения регрессии (k ) статистически значим, то
k 0
k>1
|k|>1
k> 0
Ни один из ответов не верен
21. Если коэффициент уравнения регрессии (bk ) статистически значим, то
0<bk< 1
bk >1
bk 0
bk< 1
|bk|>1
22.
Табличное значение критерия Стьюдента зависит
Только от уровня доверительной вероятности и длины исходного ряда
И от уровня доверительной вероятности, и от числа факторов, включенных в модель и от длины исходного
ряда
Только от уровня доверительной вероятности
Только от числа факторов, включенных в модель
Только от длины исходного ряда
23.
Критерий Фишера показывает
Статистическую значимость модели в целом на основе совокупной достоверности всех ее коэффициентов
Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель
Тесноту связи между фактическими и расчетными значениями результирующего показателя
Экономическую значимость модели в целом
Ни одно из утверждений не верно
24. Табличное значение критерия Фишера зависит
И от уровня доверительной вероятности, и от числа факторов, включенных в модель и от длины исходного
ряда
Только от уровня доверительной вероятности
Только от числа факторов, включенных в модель
Только от длины исходного ряда
Только от уровня доверительной вероятности и числа факторов, включенных в модель
24.
Модель в целом статистически значима, если
Fф Fкр
Fф Fкр
 Fф Fкр
Fф = Fкр
Ни один из ответов не верен.
3
25.
Критерий Дарбина-Уотсона применяется для Ни
одно из высказываний не верно
Определения экономической значимости модели в целом
Определения статистической значимости модели в целом
Сравнения двух альтернативных вариантов модели
Отбора факторов в модель
26.
Коэффициент детерминации показывает
Долю изменчивости зависимой переменной, объясненную влиянием факторов, включенных в модель Тесноту
связи между фактическими и расчетными значениями результирующего показателя в базисном периоде
Статистическую значимость модели в целом на основе определения совокупной достоверности всех ее
коэффициентов
Экономическую значимость модели в целом
Ни одно из высказываний не верно
27.
Зависимость между коэффициентами множественной детерминации (D) и корреляции (R)
описывается следующей формулой:
R=D
R2 = 1–D2
D2=1–R2
D=R
Ни одной из формул
28. Рассчитанный по выборке коэффициент корреляции оказался равным «–1». Это означает, что между
изучаемыми переменными есть функциональная линейная отрицательная связь
между изучаемыми переменными есть слабая отрицательная линейная связь
между изучаемыми переменными есть связь, но она не является линейной
между изучаемыми переменными отсутствует связь
полученное число никак не интерпретируется
29. Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1». Это означает, что
увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу рублей
увеличение цены на 1% снижает спрос на мобильные телефоны на 1%
увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу рублей
полученное число никак не интерпретируется
Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в
рублях) оказался равным «–1.25». Это означает, что
увеличение цены на 1 тысячу рублей снижает спрос на стулья на 1250 рублей
30. Уравнение Y=+k+(1-)l+u, где Y - темп прироста выпуска, k - темп прироста затрат капитала и l - темп
прироста затрат труда, может быть оценено как модель линейной регрессии:
непосредственно, с помощью обычного МНК, как зависимость Y от k и l со свободным членом
непосредственно, с помощью обычного МНК, как зависимость Y от k и l без свободного члена
как линейную зависимость (Y-k) от (l-k) со свободным членом
как линейную зависимость (Y-k) от (l-k) без свободного члена
невозможно оценить данную зависимость с помощью обычного МНК; требуется нелинейный МНК
31. В модели множественной линейной регрессии высокая корреляция между двумя объясняющими
переменными приводит к:
невозможности определения изолированного влияния регрессоров на зависимую переменную и однозначной их
интерпретации
несостоятельности оценок коэффициентов, полученных по методу наименьших квадратов
неэффективности оценок коэффициентов, полученных по методу наименьших квадратов
значительной дисперсии оценок коэффициентов, полученных по методу наименьших квадратов
равенству нулю оценок коэффициентов, полученных по методу наименьших квадратов
32. В правой части структурной формы взаимозависимой системы могут стоять
Любые экзогенные и эндогенные переменные
Только экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
Только эндогенные лаговые переменные
Только эндогенные переменные (как лаговые, так и нелаговые)
33.
В правой части приведенной формы взаимозависимой системы могут стоять
Эндогенные лаговые и экзогенные переменные (как лаговые, так и нелаговые) Только
экзогенные лаговые переменные
Только экзогенные переменные (как лаговые, так и нелаговые)
4
Только эндогенные переменные (как лаговые, так и нелаговые)
Любые экзогенные и эндогенные переменные
34.
Для оценки структурных коэффициентов целесообразно использовать
Двухшаговый метод наименьших квадратов
Косвенный метод наименьших квадратов
Обычный метод наименьших квадратов
Обобщенный метод наименьших квадратов
Нецелесообразно использовать ни один из перечисленных методов
35.
Коэффициент наклона линии регрессии
может принимать любое значение
всегда находится от –1 до 1
никогда не бывает отрицательным
равен коэффициенту корреляции
не может быть равен нулю
36.
Коэффициент уравнения регрессии показывает
На сколько ед. изменится результат при изменении фактора на 1 ед.
На сколько % изменится результат при изменении фактора на 1 %
На сколько % изменится фактор при изменении результата на 1 %
На сколько ед. изменится фактор при изменении результата на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
37. Коэффициент эластичности показывает
На сколько % изменится результат при изменении фактора на 1 %
На сколько ед. изменится фактор при изменении результата на 1 ед.
На сколько ед. изменится результат при изменении фактора на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
На сколько % изменится фактор при изменении результата на 1 %
38. Какое из уравнений регрессии
является показательным?
y   0  1 x 2  ...   . y  e0 x1 . y   0  1 / x 2  ...   . y   0  1 x 2   .
𝒙 𝒙
1
1
1
1
𝒚 = 𝒂𝟎𝒂 𝟏𝒂 𝟐 ∗ 𝜺
𝟏
𝟐
39. Найдите предположение, являющееся предпосылкой классической модели.
Результирующий показатель является количественным
Результирующий показатель измеряется в порядковой шкале
Результирующий показатель измеряется в номинальной шкале
Результирующий показатель измеряется в дихотомической шкале
Результирующий показатель может быть и количественным и качественным
42. Табличное значение критерия Стьюдента не зависит от
значений коэффициентов регрессии
от уровня доверительной вероятности
от числа факторов в модели
от длины исходного ряда
все ответы верны
44. В правой части структурной формы взаимозависимой системы не могут стоять Все
ответы не верны
Экзогенные лаговые переменные
Экзогенные переменные (как лаговые, так и нелаговые)
Эндогенные лаговые переменные
Эндогенные переменные
Все ответы верны
45. В правой части приведенной формы системы одновременных уравнений не могут стоять
Эндогенные переменные
Экзогенные лаговые переменные
Экзогенные переменные (как лаговые, так и нелаговые)
Эндогенные лаговые переменные
Все ответы верны
Все ответы не верны
46. В каких пределах изменяется множественный коэффициент корреляции от 0
до 1
от –1 до 0
от –1 до 1
от 0 до 10
47. Для вычисления прогноза значения эндогенной переменной в рамках модели множественной
регрессии нужно знать
5
значения экзогенных переменных
значение случайного возмущения, u
значение эндогенной переменной Y
значения экзогенных и эндогенной переменных
48. Коэффициент корреляции, равный нулю, означает, что между переменными
линейная связь отсутствует
существует линейная связь
ситуация не определена
не существует связи
50. В регрессионном анализе xj рассматриваются как
неслучайные величины
случайные величины
любые величины
дробные величины
51. Коэффициент регрессии изменяется в пределах от
принимает любое значение
–1 до 1
0 до 1
принимает только целые значения
52. В каких пределах изменяется коэффициент детерминации от
0 до 1
от –1 до 0
от –1 до 1
от 0 до 10
53. В хорошо подобранной модели остатки должны (выберите необходимые пункты)
иметь нормальный закон распределения с нулевым математическим ожиданием и постоянной
дисперсией
не коррелировать друг с другом
иметь экспоненциальный закон распределения
хаотично разбросаны
форма и вид распределения не важен
54. Неправильный выбор функциональной формы или объясняющих переменных называется
ошибками спецификации
ошибками прогноза
гетероскедастичностью
автокорреляцией
55. Коэффициент детерминации это квадрат
коэффициента корреляции квадрат частного
коэффициента корреляции квадрат
коэффициента регрессии
квадрат коэффициента эластичности
57. Величина, рассчитанная по формуле
парного коэффициента корреляции
коэффициента детерминации
частного коэффициента корреляции
r
xy  x * y
 x y
является оценкой
множественного коэффициента корреляции
58. Выборочный коэффициент корреляции r по абсолютной величине не
превосходит единицы
не превосходит нуля
принимает любые значения
не превосходит 10
59. Как интерпретируется в парной линейной модели коэффициент регрессии b
тангенс угла наклона регрессии
коэффициент эластичности
значение результативного признака при нулевом значении фактора
доля изменчивости зависимой переменной
60. Как интерпретируется в парной линейной модели коэффициент регрессии а?
значение результативного признака при нулевом значении фактора коэффициент
эластичности
6
тангенс угла наклона регрессии
доля изменчивости зависимой переменной
62. Применим ли метод наименьших квадратов для расчёта параметров нелинейных моделей? к
определенному классу моделей
применим после специального приведения к линейному виду
нет
да
63. Применим ли метод наименьших квадратов для расчёта параметров показательной зависимости?
применим после её приведения к линейному виду путём логарифмирования
нет
да
в зависимости от исходных данных
64. Применим ли метод наименьших квадратов для расчёта параметров степенной зависимости?
применим после её приведения к линейному виду путём логарифмирования
нет
да
в зависимости от исходных данных
65. Что показывает коэффициент регрессии степенной модели?
на сколько процентов изменится y, если x изменился на один процент на
сколько единиц изменится y, если x изменился на единицу относительную
величину изменения y при изменении x на единицу абсолютную величину
изменения y при изменении x на единицу
66. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде коэффициент
абсолютного прироста не изменяется?
линейную
показательную
степенную
экспоненциальную
67. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде коэффициент
эластичности не изменяется?
степенную
линейную
показательную
экспоненциальную
68. Какую модель следует выбрать, если есть основания считать, что в изучаемом периоде цепные
коэффициенты роста не изменяются?
экспоненциальную
линейную
показательную
степенную
69. Если коэффициент корреляции положителен, то в парной линейной модели с
ростом х увеличивается у
с ростом х уменьшается у
с уменьшением х растёт у
xи y независимы
70. Если коэффициент корреляции отрицателен, то в парной линейной модели с
ростом х уменьшается у
с ростом х увеличивается у
с уменьшением х уменьшается у
xи y независимы
71. С помощью какого критерия оценивается значимость множественных коэффициентов регрессии? tСтьюдента
хи-квадрат
d-критерия
F – критерия
R2
n  m 1
F 
*
2
1 R
m
число m это
72. В формуле
число независимых переменных модели
количество оцениваемых коэффициентов в функции регрессии
количество предопределённых переменных в функции регрессии
7
количество наблюдений
8
75. Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по цене (в
тыс.рублях) оказался равным «–2». Это означает, что
увеличение цены на 1 тысячу рублей снижает спрос на стулья на две тысячи рублей
увеличение цены на 1% снижает спрос на стулья на 2%
увеличение цены на 1 рубль снижает спрос на стулья на 2%
увеличение цены на 1% снижает спрос на стулья на две тысячи рублей
полученное число никак не интерпретируется
76. Связь называется корреляционной:
если каждому значению факторного признака соответствует множество значений результативного признака, т.е.
определенное статистическое распределение
если каждому значению факторного признака соответствует вполне определенное неслучайное значение
результативного признака;
если каждому значению факторного признака соответствует целое распределение значений результативного признака
если каждому значению факторного признака соответствует строго определенное значение факторного признака
77. По аналитическому выражению различают связи:
линейные
криволинейные
обратные
парные
78.
Регрессионный анализ заключается в определении:
аналитической формы связи, в которой изменение результативного признака обусловлено влиянием одного или
нескольких факторных признаков, а множество всех прочих факторов, также оказывающих влияние на результативный
признак, принимается за постоянные и средние значения
тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных
признаков (при многофакторной связи)
статистической меры взаимодействия двух случайных переменных
степени статистической связи между порядковыми переменными
79.
Под частной корреляцией понимается:
зависимость между результативным и одним факторным признаками при фиксированном значении других
факторных признаков
зависимость результативного признака и двух и более факторных признаков, включенных в исследование
связь между двумя признаками (результативным и факторным или двумя факторными)
зависимость между качественными признаками
80.
Какое значение не может принимать парный коэффициент корреляции: 1,111
-0,973
0,005
0,721
81.
При каком значении линейного коэффициента корреляции связь между признаками Y и X можно
считать тесной (сильной):
-0,975
0,657
-0,111
0,421
82.
Какой критерий используют для оценки значимости коэффициента корреляции: tкритерий Стьюдента
F-критерий Фишера
критерий Пирсона
d-критерий Дарбина—Уотсона
83.
Если парный коэффициент корреляции между признаками и X равен«-1», то это означает:
наличие обратной функциональной связи
отсутствие связи
наличие обратной корреляционной связи
наличие прямой функциональной связи
84.
Если парный коэффициент корреляции между признаками Y и X принимает значение 0,675, то
коэффициент детерминации равен: (возводим в квадрат)
45,6
82,2
-67,5
57,6
85.
Согласно методу наименьших квадратов минимизируется следующее выражение:
9
𝒏
∑(𝒚𝒊 − 𝒚̂𝜾 ) 𝟐
𝒊=𝟏
86. Оценки параметров регрессии (свойства оценок МНК) должны быть:
несмещенными
состоятельными
эффективными
гетероскедатичными
87.
В уравнении линейной парной регрессии параметр b, означает:
на какую величину в среднем изменится результативный признак у, если переменную х увеличить на единицу
измерения
усредненное влияние на результативный признак неучтенных (не выделенных для исследования) факторов;
среднее изменение результативного признака при изменении факторного признака на 1%
какая доля вариации результативного признака у учтена в модели и обусловлена влиянием на нее переменной х
88.
Значение параметра b в уравнении линейной парной регрессии определяется по формуле:
𝒙𝒚−𝒙∙𝒚
𝟐
𝒙𝟐−𝒙
89.
Уравнение регрессии имеет вид 𝐲̂ = 2,02 + 0,78х. На сколько единиц своего измерения в среднем
изменится 𝐲̂ при увеличении х на одну единицу своего измерения:
увеличится на 0,78
увеличится на 2,02
увеличится на 2,80
не изменится
90.
Какой критерий используют для оценки значимости уравнения регрессии:
F- критерий Фишера tкритерий Стьюдента
критерий Пирсона
d-критерий Дарбина—Уотсона
91.
Какой коэффициент определяет среднее изменение результативного признака при изменении
факторного признака на 1%:
коэффициент эластичности
коэффициент регрессии
коэффициент детерминации
коэффициент корреляции
92. Уравнение степенной𝟏 функции имеет вид:
𝒚
̂ = 𝒂 ∗ 𝒙𝒂
𝒙
1
𝟎
= 𝑎 +𝑎
= а0 + а1х + а2х2
93. Уравнение гиперболы имеет вид:
𝟏
𝐲̂𝐱 = 𝐚𝟎 + 𝐚𝟏 𝐱
2
̂𝑦
𝑥̅ = а0 + а1х + а2х
̂𝑥̅ = а0 *𝑎𝑥̅ 1
𝑦
1
∗ 𝑥̅𝑎
̂=𝑎
𝑦
𝑥̅
0
94. Индекс корреляции определяется по формуле:
√𝟏 −
∑(𝐲𝐢 − 𝐲̂𝐢 ) 𝟐
∑(𝐲𝐢 − 𝐲) 𝟐
√𝟏 −
𝑺𝜺𝟐
𝑺𝟐𝒚
95. В каких пределах изменяется множественный коэффициент корреляции: 0
<𝑹𝒚𝒙𝟏𝒙𝟐 <1
0 <𝑅𝑦𝑥̅1𝑥̅2 <∞
-1<𝑅𝑦𝑥̅1𝑥̅2<1
10
-∞<𝑅𝑦𝑥̅ 1𝑥̅2 <∞
96. В каких пределах изменяется множественный коэффициент детерминации?
0 <𝑹𝟐𝒚𝒙𝟏𝒙𝟐 <1
11
2
1 <𝑅𝑦𝑥̅
1𝑥̅2 <∞
2
-1<𝑅 𝑦𝑥̅1𝑥̅2 < 1
- ∞<𝑅 2𝑦𝑥̅1𝑥̅2 <1
99. Множественный линейный коэффициент корреляции 𝐑𝐲,𝐱𝟏,𝐱𝟐 равен 0,75. Какой процент вариации
зависимой переменной Y учтен в модели и обусловлен влиянием факторов х1 и х2.
56,25
75,05
37,56
0,75
100.
Какое значение может принимать множественный коэффициент корреляции: 0,861
1,501
-0,453
-1,72
101.
Уравнение множественной регрессии имеет вид: у̂ = -27,16 + 1,37х1, -0,29х2. Параметр b1 = 1,37
означает следующее:
при увеличении х1, на одну единицу своего измерения и при фиксированном значении фактора х2,
переменная Yувеличится на 1,37 единиц своего измерения
при увеличении х1, на одну единицу своего измерения переменная Yувеличится на 1,37 единиц своего измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора х2, переменная
Yувеличится на одну единицу своего измерения
при увеличении х1 на 1,37 единиц своего измерения переменная Yувеличится на одну единицу своего измерения
102.
Системами эконометрических уравнений являются:
системы одновременных уравнений
системы рекурсивных уравнений
системы независимых уравнений
системы нормальных уравнений
103.
Система одновременных уравнений отличается от других видов эконометрических систем тем, что
в ней:
одни и те же эндогенные переменные системы в одних уравнениях находятся в левой части, а в других уравнениях — в
правой части
эндогенная переменная одного уравнения находится в другом уравнении системы в качестве фактора
каждая эндогенная переменная является функцией одной и той же совокупности экзогенных переменных
104. МНК позволяет получить состоятельные и несмещенные оценки параметров системы:
рекурсивных уравнений
независимых уравнений
одновременных уравнений
105.
Экзогенные переменные модели характеризуются тем, что они:
являются независимыми и определяются вне системы
датируются предыдущими моментами времени
являются зависимыми и определяются внутри системы
являются лаговыми переменными
106.
Выберите аналог понятия «эндогенная переменная»:
результат
зависимая переменная, определяемая внутри системы
фактор
предопределенная переменная
107. Если структурные коэффициенты модели выражены через приведенные коэффициенты и имеют более
одного числового значения, то такая модель:
сверхидентифицируемая
неидентифицируемая
идентифицируемая
рекурсивная
108.
Количество структурных и приведенных коэффициентов одинаково в модели:
идентифицируемой
сверхидентифицируемой
неидентифицируемой
рекурсивной
109. Найдите правильную последовательность шагов алгоритма применения двухшагового МНК:
1) Преобразование структурной формы модели в приведенную
2) Процесс оценки параметров приведенной формы с помощью МНК
12
3) Получение по соответствующим приведенным уравнениям теоретических значений эндогенных
переменных правой части сверхидентифицируемого уравнениямодели
4) Процесс оценки параметров сверхидентифицируемого уравнения модели через теоретические значения
эндогенных и фактические значения предопределенных переменных
110.
Аддитивная модель ряда динамики представляет собой:
𝒚𝒕 = 𝑻𝒕 + 𝑺𝒕 + 𝜺𝒕
𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 ∗ 𝑆𝑡 + 𝜀𝑡
111.
Мультипликативная модель ряда динамики представляет собой:
𝒚𝒕 = 𝑻𝒕 ∗ 𝑺𝒕 ∗ 𝜺𝒕
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 ∗ 𝜀𝑡
𝑦𝑡 = 𝑇𝑡 + 𝑆𝑡 + 𝜀𝑡
112.
Укажите правильную функцию логарифмического тренда:
𝒚̂𝒕 = 𝒂𝟎 + 𝒂𝟏 ∗ 𝐥𝐧 𝒕𝒊
1
113. Укажите правильную функцию гиперболического тренда:
𝟏
𝒚̂𝒕 = 𝒂𝟎 + 𝒂𝟏 ∗
𝒕𝒊
1
114. В формуле t 
b
число b это коэффициент регрессии
se(b)
115. Дана следующая макроэкономическая модель: Y =
C + I + G - макроэкономическое тождество C =
α +βY + U1- функция потребления
I =γ – µ∙R + δY + U2- функция инвестиций
M = ηY – λR + U3- уравнение денежного рынка
где эндогенными переменными являются доход Y, потребление C, инвестиции I и процентная ставка R.
Переменные G (государственные расходы) и (M) (реальная денежная масса) – экзогенные. Выберите верное утверждение из
следующих.
функция инвестиций неидентифицируема
функция потребления неидентифицируема
функция инвестиций однозначно идентифицируема
функция потребления однозначно идентифицируема
функция инвестиций сверхидентифицируема
116. Значимость линейного коэффициента корреляции проверяется с помощью
F – критерия
нормального закона распределения
t-критерия Стьюдента
Критерия Дарбина-Уотсона
117. Имеются следующие данные: коэффициент регрессии b = 1,341; стандартная ошибка коэффициента
регрессии se(b) = 0,277; Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tта6л
=2,11 при уровне значимости 𝛂 = 0,05.
0,207, коэффициент незначим
4,841, коэффициент значим (b/se(b) и сравнить с табличным)
4,841, коэффициент незначим
0,372, коэффициент значим
13
118. Как в степенной модели интерпретируется коэффициент регрессии b?
тангенс угла наклона регрессии
значение результативного признака при нулевом значении фактора
коэффициент эластичности
доля изменчивости зависимой переменной
119. Квадрат какого коэффициента в парной регрессии указывает долю дисперсии одной случайной
величины, обусловленную вариацией другой
коэффициент детерминации
частный коэффициент корреляции
парный коэффициент корреляции
множественный коэффициент корреляции
C t  a1  a2Y t  t ;
120. Найдите приведенную форму, соответствующую структурной форме модели Y t
 I t  Ct .
𝒂𝟏 + 𝒂𝟐 𝑰 + 𝟏 𝜺
𝟏 − 𝒂𝟐 𝟏 − 𝒂𝟐 𝒕 𝟏 − 𝒂𝟐 𝒕
𝒀 = 𝒂𝟏 + 𝒂𝟐 𝑰 + 𝟏 𝜺
𝑪 =
𝒕
𝒕
𝟏 − 𝒂𝟐
𝟏 − 𝒂𝟐 𝒕
𝟏 − 𝒂𝟐
𝒕
C t  a1  a2Y t  t ;
Y 
a1
t
1  a2
Ct 
a1



1  a2
Y 
t
a1
1  a2
1
t
I 
1
.
1  a2
t
1  a2
t
a2
It
1  a2

1
1  a2
a1
C 

1
t
1  a2
I .
t
;
a2
I 
1
;
1  a2
t
1  a2
t

1  a2
Y t  I t  C t.
C 
t
Y 
t
a1

1  a2
a1
1  a2
a2
1  a2

1
1  a2
I ;
t
I .
t
121. На основании рядов данных для переменных X и Y построено уравнение регрессии:
yˆ  a1  a2 x  5 1,25x . Если х=2, то эластичность результирующего показателя y относительно фактора х : 0,33 =b*
(хсреднее/a+b*хсред)= 1,25* (2/(5+1,25*2)
1,25
2
7,5
4,6875
122. По 39 точкам оценена следующая формула производственной функции, в которой отдельно рассмотрены
две составляющие затрат основного капитала: K 1 - здания и сооружения, и K2 - машины и оборудование; а также две
составляющие затрат труда: L1 - затраты квалифицированного труда, и L2 - затраты неквалифицированного труда; Y –
выпуск:
ln(Y)=-4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) + 0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38); R2 =0,92; DW=1,74
(в скобках приведены стандартные ошибки коэффициентов).
Какой из выводов и дальнейших шагов представляется Вам верным?
Имеет место мультиколлинеарность, поэтому нужно объединить факторы K1и K2
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1и L2
Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым
Отклонения ei автокоррелированы, нужно изменить формулу зависимости
14
Формула зависимости приемлема по всем приведенным параметрам, и изменения не нужны
15

yt  100  2  x t .
123. По данным с 1990 по 1998 гг. построено уравнение регрессии
Значения фактора xt
можно спрогнозировать по трендовой модели xt=1+0,2t. Рассчитайте точечный прогноз результирующего
показателя yt в 2000 г.
106
106,4
102,8
102,44
Ни один из ответов не верен 100+2(1+0,2)= 102,04????
124. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее

количество посетителей в день, тыс. чел. y   0 , 832  4 , 743 x1  0 , 175 x 2 . Каков будет товарооборот
магазина, если он находится в относительно оживленном месте с количеством посетителей 20000 и имеет
торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
3,911 млн.руб.
7,411 млн.руб. -0,832+4,743*1+0,175*20
все ответы неверны
125. Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее

y
 0 , 832  4 , 743 x1  0 , 175 x 2 Каков будет товарооборот
количество посетителей в день, тыс. чел.
магазина, если он находится в относительно оживленном месте с количеством посетителей 20000 и имеет
торговую площадь 1000 кв.м?
8242,168 млн.руб.
8,243 млн.руб.
6,411 млн.руб.
3,911 млн.руб.
все ответы неверны
126. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид 𝐲̂ = 2,02 + 0,78x, х= 5,0; у
= 6,0:
0,66 = (0,78*5/6)
0,94
1,68
2,42
127. Выбор формы зависимости экономических показателей и определение количества факторов в модели
называется
эконометрической модели.
1. идентификацией
2. апробацией
3. спецификацией
4. линеаризацией
.
128. При построении эконометрических моделей множественная регрессия используется в случае, если число
в модели больше или равно двум.
1. случайных факторов
2. зависимых и независимых переменных
3. независимых переменных
4. зависимых переменных
129. Линейные эконометрические модели описывают линейные взаимосвязи между …
1. зависимой переменной и случайными факторами
2. независимыми переменными и случайными факторами
3. зависимой и независимыми переменными
16
4. независимой и зависимыми переменными
130. Спецификация модели множественной линейной регрессии в матричной
...
1.
2.
форме имеет вид
3.
4.
131. Для линейного уравнения множественной регрессии проблема спецификации модели связана ...
1. анализом качества уравнения регрессии
2. переходом к стандартизации переменных
3. с отбором факторов, включаемых в модель
4. расчетом оценок параметров регрессии
132. Неправильный выбор вида эконометрической модели называют ошибкой…
1. измерения переменных
2. агрегирования переменных
3. спецификации модели
4. параметризации модели
133. Включение случайных возмущений в уравнения эконометрической модели является одним из
принципов
1. верификации
2. линеаризации
3. спецификации
4. идентификации
134. Отбрасывание значимой переменной в уравнении множественной регрессии является ошибкой ...
1. верификации
2. идентификации
3. спецификации
4. параметризации
135. Регрессионная модель с одним факторным признаком называется ...
1. рекурсивной
2. стандартизированной
3. парной
4. множественной
136. Этап параметризации модели включает в себя…
1. проверку качества уравнения в целом
2. прогноз экономических показателей
3. проверку качества параметров модели
4. оценку параметров модели
17
137. Эконометрическая модель предполагает
характер связи между переменными
1. стохастический (вероятностный)
2. строго случайный
3. несущественный
4. строго детерминированный
138. Спецификация модели множественной линейной регрессии имеет вид ...
1.
2.
3.
4.
139. Объясняемые, зависимые переменные в моделях любого типа называются …
1. лаговыми
2. предопределенными
3. эндогенными
4. экзогенными
140. Эконометрические модели относятся к классу
экономико–математических моделей.
1. оптимизационных
2. описательных
3. стохастических
4. детерминированных
141. Проверка тесноты связи между факторами может быть осуществлена на основе …
1. значений стандартизованных коэффициентов
2. частных уравнений регрессии
3. матрицы парных коэффициентов корреляции
4. вектора значений коэффициентов регрессии
142. При отборе факторов в модель множественной регрессии проводят анализ значений межфакторной
…
1. регрессии
2. автокорреляции
3. корреляции
4. детерминации
143. Количественная измеримость значений экономического признака (фактора), включаемого в
эконометрическую модель, является ...
1. принципом спецификации
2. предпосылкой линеаризации
3. общим требованием к факторам, включаемым в линейную множественную регрессию
4. условием гомоскедастичности эконометрической модели
144. Отсутствие сильной корреляции факторов друг с другом является ...
1. условием отсутствия автокорреляции остатков
2. предпосылкой линеаризации
3. требованием к факторам, включаемым в линейную модель множественной регрессии
4. условием гомоскедастичности эконометрической модели
145. .Если в линейной множественной регрессии более, чем две независимые переменные связаны между собой
достаточно тесной линейной зависимостью, тогда имеет место
факторов.
1. гомоскедастичность
2. автокорреляция
3. мультиколлинеарность
4. коллинеарность
146. Взаимодействие факторов эконометрической модели означает, что …
1. влияние факторов на результирующий признак усиливается, начиная с определенного уровня значений
факторов
2. факторы не дублируют влияние друг друга на результат
3. факторы дублируют влияние друг друга на результат
4. влияние одного из факторов на результирующий признак не зависит от значений другого фактора
147. Факторы эконометрической модели являются коллинеарными, если коэффициент
между ними
по модулю
0,7.
1. корреляции … меньше
18
2. детерминации … меньше
3. корреляции … больше
4. детерминации … больше
148. Матрица парных линейных коэффициентов корреляции отображает…
1. значения стандартизированных коэффициентов линейной регрессии
2. вероятность значимости каждой объясняющей переменной
3. тесноту линейной связи между переменными
4. величину вклада каждой объясняющей переменной в общую дисперсию зависимой переменной
150. В эконометрическую модель множественной регрессии включаются
факторы.
1. мультиколлинеарные
2. коллинеарные
3. существенные
4. несущественные
151. Отсутствие коллинеарности и мультиколлинеарности является обязательным требованием для
факторов, включаемых в уравнение
регрессии.
1. нелинейной показательной
2. нелинейной полулогарифмической
3. множественной линейной
4. нелинейной степенной
152. Мультиколлинеарность – это линейная связь между…
1. объясняющими и зависимой переменными
2. одной объясняющей и зависимой переменными
3. соседними случайными отклонениями
4. объясняющими переменными
153. Для отбора факторов множественной линейной модели регрессии рассматривается вопрос о взаимосвязи
фактора и результата при неизменности прочих факторов, которые фиксируются, как правило, на среднем уровне. В
этом случае используется ...
1. автокорреляционная функция
2. матрица частных коэффициентов корреляции
3. матрица множественных коэффициентов корреляции
4. коррелограмма для факторов модели
154. Оценка удельного веса влияния каждой из объясняющих переменных на результирующий
показатель является задачей …
1. кластерного анализа 2. метода наименьших квадратов
3. регрессионного анализа
4. математического анализа
155. Функциональная (строгая) или достаточно тесная (нестрогая) линейная зависимость между
объясняющими переменными называется…
1. несмещенностью
2. мультиколлинеарностью
3. гетероскедастичностью
4. автокорреляцией
156. Пусть в результате оценки модели множественной регрессии каждый из оцененных параметров является
незначимым на 5%-ном уровне, а уравнение в целом (коэффициент детерминации) является значимым на том же уровне.
Тогда можно предположить, что…
1. в остатках модели присутствует автокорреляция
2. в остатках модели присутствует гетероскедастичность
3. среди объясняющих переменных есть мультиколлинеарные
4. связь между зависимой переменной и независимыми отсутствует
157. Исходные значения фиктивных переменных предполагают
значения.
1. одинаковые
2. количественно измеримые
3. качественные
4. нулевые
158. Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении
множественной регрессии не является
потребителя.
1. уровень образования
2. семейное положение
3. доход
19
4. пол
160.Фиктивными переменными могут быть…
1. только зависимые переменные
2. только случайные факторы
3. как зависимая, так и объясняющие переменные
4. как объясняющие переменные, так и случайные факторы
162. Факторные переменные уравнения множественной регрессии, преобразованные из качественных в
количественные, называются …
1. аномальными
2. парными
3. фиктивными
4. множественными
163. Модель, содержащая фиктивную переменную, относится к
модели .
1. оптимизационной
2. сетевой
3. регрессионной
4. фиктивной
164. Фиктивная переменная является
величиной.
1. кусочно-непрерывной
2. случайной
3. дискретной
4. непрерывной
165. Влияние фиктивной переменной наклона на регрессионную модель состоит в …
1. устранении гетероскедастичности остатков
2. увеличении дисперсии оценок параметров
3. изменении коэффициента перед факторным признаком, взаимодействующим с качественной
переменной
4. изменении величины свободного слагаемого
167. Примерами фиктивных переменных могут служить:
1. возраст
2. пол
3. образование
4. доход
168. Фиктивными переменными в уравнении множественной регрессии могут быть …
1. экономические показатели, выраженные в стоимостном измерении
2. качественные переменные, преобразованные в количественные
3. переменные, исходные значения которых не имеют количественного значения
4. количественные переменные
169. Для учета действия на зависимую переменную факторов качественного характера (так называемых
фиктивных переменных) последним могут присваиваться …
1. цифровые метки
2. значения 0 и 1
3. несущественные значения
4. стоимостные значения
170. Исследуется зависимость цены квартиры от ряда факторов: х1 - жилой площади, х2 - стоимости квадратного
метра жилья, х3 - расположения квартиры относительно углов дома (угловая или не угловая), х 4 – расположения
квартиры на этаже (первый этаж, последний этаж, не первый и не последний этаж). Фиктивными переменными в модели
являются
1. х3
2. х1
3. х4
4. х2
171. Проводится эконометрическое моделирование зависимости объема продаж компании от ряда факторов: х1
– цены на товар, х2 – степени известности торговой марки фирмы, х3 – дохода потребителя, х4 – уровня интенсивности
рекламной деятельности (высокий уровень – массированная реклама; средний уровень –
20
регулярно повторяющаяся; низкий уровень – время от времени повторяющаяся). Фиктивными переменными в модели не
являются …
1. х1
2. х2
3. х3
4. х4
172. Частное уравнение регрессии характеризует…
1. силу воздействия фактора на результат при положительных значениях других факторов
2. наличие или отсутствие мультиколлинеарности факторов
3. изолированное влияние фактора на результат при средних значениях других факторов
4. изолированное влияние фактора на результат при нулевых значениях других факторов
173. В эконометрическую
модель множественной
оказывающие влияние на исследуемый показатель.
1. случайное
2. детерминированное
3. существенное
4. несущественное
регрессии
необходимо
включить
факторы,
174. В эконометрической модели среднее изменение результата при изменении фактора на 1 ед. измерения
характеризуется с помощью коэффициента …
1. детерминации
2. автокорреляции
3. регрессии
4. корреляции
175. В случае включения в модель переменной, которая не должна присутствовать в уравнении, как
правило, происходит увеличение …
1. F-критерия Фишера
2. коэффициента множественной корреляции
3. стандартных ошибок
4. коэффициента детерминации
176. Для модели зависимости среднедушевого (в расчете на одного человека) месячного дохода населения (р.)
от объема производства (млн. р.) получено уравнение у = 0,003х + 1200 + е. При изменении объема производства на 1
млн. р. доход в среднем изменится на …
1. 1200 р.
2. 1200 млн. р.
3. 0,003 р.
4. 0,003 млн. р.
177. В стандартизованном уравнении свободный член …
1. равен коэффициенту множественной корреляции
2. равен коэффициенту множественной детерминации
3. отсутствует
4. равен 1
178. В уравнении регрессии Y = a+bx+е зависимая переменная обозначается буквой …
1. a
2. b
3. Y
4. x
179. В уравнении регрессии Y = a+bx+е независимая переменная обозначается буквой …
1. a
2. b
3. x
4. Y
179. В линейном уравнении множественной регрессии
1. постоянной величиной 2. случайной величиной
3. зависимой переменной
4. независимой переменной
величина у является
21
180. В линейном уравнении парной регрессии
коэффициентом регрессии является
значение…
1. параметра a
2. параметра b
3. переменной х
4. величины
181. В стандартизованном уравнении множественной регрессии
переменными
являются …1. стандартизованные параметры
2. исходные переменные y, x1, x2,…,xp
3. средние значения исходных переменных
4. стандартизованные переменные
182. В стандартизованном уравнении
стандартизованным
коэффициентом является …
1.
2.
3.
4.
183. На основе линейного уравнения множественной регрессии
получены
уравнения регрессии
,
которые называются ...
1. стандартизированными
2. рекурсивными
3. частными
4. нелинейными
184. В линейной модели множественной регрессии рассматриваются только
функции регрессии
1. линейные
2. степенные
3. квадратичные
4. показательные
185. При применении метода наименьших квадратов для оценки параметров уравнений регрессии
минимизируют
между наблюдаемым и моделируемым значениями зависимой переменной.
1. сумму разностей
2. квадрат суммы
3. сумму квадратов разности
4. квадрат разности (только для одного наблюдения)
186. В линейном уравнении множественной регрессии
метод наименьших
квадратов позволяет оценить значение параметра …
1. x1
2. x2
3. a
22
4. y
187. Коэффициенты
"чистой"
регрессии
уравнения
множественной
регрессии
вида
…
1. не могут быть отрицательными
2. всегда меньше 1
3. некорректно сравнивать по величине
4. имеют одинаковый знак
188. В рамках метода наименьших квадратов (МНК) система нормальных уравнений – это система,
решением которой являются оценки
модели.
1. независимых переменных
2. отклонений параметров теоретической модели от параметров эмпирической
3. параметров теоретической
4. переменных теоретической
189. Название метода «метод наименьших квадратов» подразумевает, что сумма квадратов отклонений
значений результирующего признака от теоретических должна быть …
1. меньше средней ошибки аппроксимации
2. меньше уровня значимости, принятого при проверке статистических гипотез
3. минимальной
4. равной нулю
190. Систему МНК, построенную для оценки параметров линейного уравнения множественной регрессии
можно решить методом…
1. скользящего среднего
2. максимального правдоподобия
3. определителей
4. первых разностей
191. В исходном соотношении МНК сумма квадратов отклонений фактических значений результативного
признака от его теоретических значений …
1. центрируется
2. приравнивается к системе нормальных уравнений
3. минимизируется
4. максимизируется
192. Метод наименьших квадратов применяется для оценки …
1. параметров уравнений регрессии, внутренне нелинейных
2. существенности параметров уравнений регрессии
3. параметров линейных уравнений регрессии
4. качества линейных уравнений регрессии
193. Самым распространенным методом оценки параметров регрессии является метод наименьших …
1. моментов
2. разностей
3. квадратов
4. модулей
194. При оценке параметров линейных уравнений регрессии с помощью метода наименьших квадратов
минимизируют сумму квадратов разности между …
1. наблюдаемым и моделируемым значениями случайной величины
2. наблюдаемым и моделируемым значениями параметров
3. наблюдаемым и моделируемым значениями зависимой переменной
4. наблюдаемым и моделируемым значениями независимой переменной
195. В модели парной линейной регрессии Y=b0+b1X +e коэффициент b1 показывает…
1. на какую величину в среднем изменится Y, если X изменится на один процент
2. на сколько процентов в среднем изменится Y, если X изменится на одну единицу
3. на какую величину в среднем изменится Y, если X изменится на одну единицу
23
4. на сколько процентов в среднем изменится Y, если X изменится на один процент
196. Метод наименьших квадратов используется для оценки параметров
1. только нелинейных
2. нелинеаризуемых
3. только линейных
4. линейных и приводимых к линейным
197. Приведенное выражение
уравнений регрессии.
представляет собой
для
линейной двухфакторной модели регрессии.
1. систему нормальных уравнений
2. теорему Гаусса-Маркова
3. исходное положение метода наименьших квадратов
4. условие отсутствия автокорреляции остатков
198. Метод наименьших квадратов может применяться для оценки параметров регрессионных моделей, если
эти модели ...
1. характеризуются гетероскедастичностью случайных отклонений
2. имеют автокорреляцию в остатках
3. линейны по параметрам и факторным переменным
4. включают лаговую переменную
199. Для оценить
уравнений регрессии.
1. параметры и переменные
2. параметры
3. переменные
4. переменные и случайные величины
200. В линейной регрессионной модели
для каждого значения фактора
фактические значения случайных отклонений имеют одинаковую дисперсию. Выполнение этого условия называют
остатков.
1. автокорреляцией
2. мультиколлинеарностью
3. гомоскедастичностью
4. гетероскедастичностью
201. Для линейной регрессионной модели
гетероскедастичностью называют свойство
дисперсии случайного отклонения при переходе от наблюдения к наблюдению проявлять ...
1. стремление к нулю
2. стремление к единице
3. изменчивость
4. постоянство
202. Для линейной регрессионной модели
гомоскедастичностью называют свойство
дисперсии случайного отклонения при любом наблюдении проявлять ...
1. стремление к нулю
2. тенденцию к уменьшению
3. постоянство
4. изменчивость
203. Дисперсия
значения
случайной
компоненты
в
линейной
регрессионной
модели
зависит от номера наблюдения. Это свидетельствует о(об)
остатков.
1. автокорреляции
2. равномерном распределении
3. гетероскедастичности
4. гомоскедастичности
204. Возможность перехода от точечного оценивания параметра классической линейной регрессии к
интервальному обеспечивается таким статистическим свойством оценок как ...
1. достоверность
2. смещенность
3. эффективность
4. состоятельность
24
205. Оценки, являющиеся линейными функциями от выборочных наблюдений, называются ...
1. несмещенными
2. эффективными
3. линейными
4. состоятельными
206. Для линейной регрессионной модели
величина и определенный знак фактического
значения случайной составляющей
не должны обуславливать величину знак фактического значения другой
случайной составляющей
. Выполнение этого условия свидетельствует о(об)
остатков.
1. отсутствии гетероскедастичности
2. нормальном распределении
3. отсутствии автокорреляции
4. наличии гомоскедастичности
207. Истинная форма взаимосвязи между результирующей и объясняющими переменными в
регрессионной модели линейна относительно параметров. Это утверждение является ...
1. условием линеаризации
2. критерием Фишера
3. одной из основных предпосылок метода наименьших квадратов для оценки параметров регрессии
4. нарушением предпосылок метода наименьших квадратов
208. При наличии гетероскедастичности или автокорреляции в остатках для оценки параметров
регрессии применяется
метод наименьших квадратов.
1. двухшаговый
2. косвенный
3. обобщенный
4. традиционный
209. Нарушение условия независимости случайных составляющих в разных наблюдениях называют
случайной составляющей.
1. детерминированностью
2. гомоскедастичностью
3. автокорреляцией
4. гетероскедастичностью
210. Одной из предпосылок метода наименьших квадратов является утверждение ...
1. случайное отклонение должно иметь постоянное математическое ожидание, отличное от нуля
2. регрессионная модель является нелинейной относительно параметров
3. дисперсия случайного возмущения постоянна для всех наблюдений
4. случайное отклонение представляет собой линейную функцию от факторных переменных
211. График зависимости остатков et от времени t свидетельствует о наличии…
1. мультиколлинеарности данных
2. автокорреляции остатков
3. нелинейной связи между объясняющими переменными
4. отсутствии корреляции в остатках
212. Автокорреляцию в остатках модели линейной регрессии можно обнаружить с помощью критерия …
1. Гольдфельда–Квандта
2. Дарбина-Уотсона
3. Спирмена
4. Фишера
213. В случае нормального распределения остатков линейной регрессионной модели
проверка
статистической значимости каждого параметра возможна с помощью …
1. Энгеля–Грангера
2. Дарбина–Уотсона
3. критерия Стьюдента
25
4. критерия Фишера
214 .Математическое ожидание остатков равно нулю, если оценки параметров обладают свойством …
1. эффективности
2. состоятельности
3. несмещенности
4. смещенности
215. Оценка является несмещенной оценкой параметра если…
1. она стремится к истинному значению параметра с увеличением объема выборки
2. ее дисперсия с увеличением выборки не изменяется
3. ее математическое ожидание равно оцениваемому параметру
4. ее дисперсия меньше дисперсии других оценок
216. При применении метода наименьших квадратов свойствами эффективности, состоятельности и
несмещенности обладают оценки …
1. независимой переменной
2. случайной величины
3. параметров
4. зависимой переменной
217. Несмещенная оценка параметра имеет наименьшую дисперсию среди всех возможных несмещенных
оценок параметра , вычисленных по выборкам одного и того же объема . Такая оценка называется ...
1. несмещенной
2. асимптотически эффективной
3. эффективной
4. состоятельной
218. Статистическая оценка параметра называется эффективной, если при заданном объеме выборки она
имеет
1. математическое ожидание равное 1
2. максимальную дисперсию
3. наименьшую возможную дисперсию
4. максимальное математическое ожидание
219. Если оценка параметра эффективна, то это означает …
1. максимальную дисперсию остатков
2. уменьшение точности с увеличением объема выборки
3. наименьшую дисперсию остатков
4. равенство нулю математического ожидания остатков
220. Оценка является несмещенной оценкой параметра если…
1. она стремится к истинному значению параметра с увеличением объема выборки
2. ее дисперсия с увеличением выборки не изменяется
3. ее математическое ожидание равно оцениваемому параметру
4. ее дисперсия меньше дисперсии других оценок
221. Эффективной оценкой называется та, у которой …
1. дисперсия максимальна
2. смещенность выше
3. дисперсия минимальна
4. отсутствует смещенность
222. Состоятельность оценки характеризуется увеличением ее точности при ...
1. добавлении в уравнение дополнительной независимой переменной
2. переходе к обратной форме зависимости
3. увеличении объема выборки
4. уменьшении объема выборки
223. Если оценки параметров линейного уравнения регрессии обладают свойством состоятельности, то с
увеличением выборки точность оценки параметра…
1. увеличивается
26
2. стремится к нулю
3. не изменяется
4. уменьшается
224. Точечная оценка параметра регрессии зависит от …
1. дополнительной выборки
2. критического значения t–критерия Стьюдента
3. фактического значения t–критерия Стьюдента
4. данной выборки
225. Эмпирический коэффициент
регрессии
теоретического коэффициента регрессии
при условии, что ...
1. дисперсия оценки равна 1
является состоятельной оценкой
2. сходится по вероятности к
при числе наблюдений, стремящемся к бесконечности
3. сходится по вероятности к
при числе наблюдений, стремящемся к 0
4. математическое ожидание оценки равно нулю
226. Состоятельной называется такая оценка параметра, которая дает
значение параметра для
большой выборки независимо от входящих в нее конкретных наблюдений.
1. минимальное
2. нулевое
3. точное
4. максимальное
227. Обобщенный метод наименьших квадратов рекомендуется применять в случае
остатков.
1. гомоскедастичных
2. отсутствия автокорреляции
3. наличия автокорреляции
4. нормально распределенных
228. Метод оценки параметров моделей с гетероскедастичными остатками называется …методом
наименьших квадратов.
1. минимальным
2. косвенным
3. обобщенным
4. обычным
229. Для регрессионной модели
с гетероскедастичностью
остатков при отсутствии автокорреляции остатков ковариационная матрица возмущений является ...
1. треугольной
2. вырожденной
3. диагональной
4. единичной
230. Множественная
линейная регрессионная
модель, в которой
гомоскедастичности и (или) имеет место автокорреляция остатков, называется
1. парной
2. множественной линейной
3. обобщенной линейной
4. нелинейной
не
выполняются
условия
регрессионной моделью.
231. Обобщенный метод наименьших квадратов может использоваться для корректировки
остатков.
1. доверительного интервала
2. стандартной ошибки
3. гетероскедастичности и автокорреляции
4. минимальной суммы квадратов
232. Что преобразуется при применении обобщенного метода наименьших квадратов?
1. дисперсия факторного признака
2. коэффициент корреляции
3. исходные уровни переменных
4. дисперсия результативного признака
27
233. Для преодоления проблемы автокорреляции служит …
1. двухшаговый метод наименьших квадратов
2. косвенный метод наименьших квадратов
3. обобщенный метод наименьших квадратов
4. метод наименьших квадратов
234. Пусть случайные остатки eT в модели парной линейной регрессии подвержены воздействию авторегрессии
первого порядка: eT =r· eT-1+uT. Тогда для получения наилучших линейных несмещенных оценок используют
следующее преобразование переменных:
1. yT*= yT + r·yT-1; xT*= xT + r· xT-1
2. yT*=r· yT - yT-1; xT*= r·xT - xT-1
3. yT*= yT - r·yT-1; xT*= xT - r· xT-1
4. yT*= ryT;
xT*= rxT
235. Проявление гетероскедастичности в остатках удается устранить при помощи метода обобщенного метода
наименьших квадратов путем …
1. расчета критерия Дарбина–Уотсона гомоскедастичных остатков
2. введения в модель фиктивных переменных
3. преобразования переменных на основе коэффициента пропорциональности
4. расчета скорректированного коэффициента детерминации
236. Обобщенный метод наименьших квадратов применяется в случае…
1. автокорреляции переменных
2. мультиколлинеарности факторов
3. фиктивных переменных
4. автокорреляции остатков
237. На основании преобразования переменных при помощи обобщенного метода наименьших квадратов
получаем новое уравнение регрессии, которое представляет собой …
1. нелинейную регрессию, в которой переменные взяты с весами
2. нелинейную регрессию, в которой переменные взяты с весами
3. взвешенную регрессию, в которой переменные взяты с весами
4. взвешенную регрессию, в которой переменные взяты с весами
238. Обобщенный метод наименьших квадратов отличается от обычного МНК тем, что при применении
ОМНК…
1. остатки не изменяются
2. преобразуются исходные уровни переменных
3. уменьшается количество наблюдений
4. остатки приравниваются к нулю
239. Обобщенный метод наименьших квадратов может использоваться для корректировки
остатков.
1. стандартной ошибки
2. минимальной суммы квадратов
3. доверительного интервала
4. гетероскедастичности и автокорреляции
240. Обобщенный метод наименьших квадратов не используется в случае
остатков.
1. автокоррелированных
2. гомоскедастичных
3. гетероскедастичных остатков
4. присутствия автокорреляции в остатках
241. Коэффициент корреляции может принимать значения в интервале…
1. от -2 до 2
2. от 0 до 100
3. от -1 до 1
4. от 0 до 4
242. Положение на плоскости каждой точки корреляционного поля определяется значениями …
1. коэффициентов детерминации и корреляции
2. величинами остатков в предыдущем наблюдении и последующем
3. факторного и результативного признаков для конкретного наблюдения
28
4. коэффициентов автокорреляции первого и второго порядков
243. Коэффициент парной линейной корреляции между признаками Y и X равен 0,9. Следовательно, доля
дисперсии результативного признака Y, не объяснённая линейной парной регрессией Y по фактору X, будет равна
… 1 – (0,9)^2
1. 0,1%
2. 10%
3. 19%
4. 90%
244. Частный коэффициент корреляции
1.
2.
и
и
это означает, что…
независимы, когда величины и фиксированы
линейно зависимы, когда величины и фиксированы
3.
и
линейно зависимы, когда величины
и
фиксированы
4.
и
независимы, когда величины
и
фиксированы
245. Тесноту линейной связи определяет коэффициент …
1. регрессии
2. существенности
3. корреляции
4. эластичности
246. Коэффициент парной линейной корреляции является …
1. размерной величиной, той же размерности, что результативный признак
2. безразмерной величиной
3. размерной величиной, той же размерности, что факторный признак
4. величиной с переменной единицей измерения
247. Коэффициент множественной линейной корреляции применяется для …
1. вычисления коэффициента парной линейной корреляции
2. диагностики гомоскедастичности остатков
3. определения тесноты связи между результатом и совокупностью факторов в случае множественной
линейной зависимости
4. определения значимости оценок параметров регрессии
248. Построена парная модель линейной регрессии
и рассчитан коэффициент парной линейной корреляции
. Такие результаты невозможны, так
как …
1. коэффициент регрессии и коэффициент корреляции имеют разные знаки
2. свободный член регрессии больше коэффициента корреляции
3. свободный член регрессии и коэффициент корреляции имеют одинаковые знаки
4. коэффициент регрессии по модулю меньше коэффициента корреляции
249. Предпосылкой применения корреляционного анализа является утверждение:
1. совокупность значений факторных и результативных признаков имеет распределение Стьюдента
2. совокупность значений факторных признаков распределена по нормальному закону, а результативного – по
произвольному
3. совокупность значений результативного признака распределена по нормальному закону, а закон
распределения совокупности факторных признаков – произвольный
4. совокупность значений факторных и результативных признаков распределена по нормальному закону
250. В эконометрических моделях с m независимыми переменными наблюдаемые значения зависимой
переменной , i=1, 2, …, n, отличаются от модельных
на величину (
). В данных обозначениях формула
для расчета оценки остаточной дисперсии
имеет вид:
1.
2.
3.
29
4.
251. В эконометрических моделях «остаточная» дисперсия – это дисперсия…
1. наблюдаемых значений результативного признака
2. значений объясняющего фактора
3. отклонений наблюдаемых значений результативного признака от его расчетных значений
4. расчетных значений результативного признака
252. Отношение дисперсии результирующего признака, объясненной уравнением регрессии, к его общей
дисперсии называют …
1. наблюдаемым значением критерия Фишера
2. наблюдаемым значением критерия Стьюдента
3. коэффициентом детерминации
4. коэффициентом корреляции
253. Для множественной линейной регрессии значения скорректированного коэффициента детерминации
обычного коэффициента детерминации.
1. равны
2. ближе к единице
3. меньше
4. больше
254. Коэффициент множественной детерминации равен 0,49. Это означает, что …
1. 0,49 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а
0,51 % - прочими причинами
2. 0,51 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а
0,49 % - прочими причинами
3. 49 % вариации результата объясняется факторами, включенными в уравнение множественной
регрессии, а 51 % - прочими причинами
4. 51 % вариации результата объясняется факторами, включенными в уравнение множественной регрессии, а 49
% - прочими причинами
255. Факторная дисперсия служит для оценки влияния …
1. величины постоянной составляющей в уравнении
2. случайных воздействий
3. учтенных явно в модели факторов
4. как учтенных факторов, так и случайных воздействий
256. Расчет значения коэффициента детерминации не позволяет оценить …
1. долю факторной дисперсии результативного признака в общей дисперсии результативного признака
2. долю остаточной дисперсии результативного признака в общей дисперсии результативного признака
3. существенность коэффициента регрессии
4. качество подбора уравнения регрессии
257. Равенство нулю коэффициента детерминации означает, что регрессионная модель не улучшает
качество оценки (прогноза) результата по сравнению с тривиальной оценкой –
значением результата.
1. наименьшим
2. оптимальным
3. средним
30
4. наибольшим
258. Формула расчета коэффициента детерминации имеет вид …
1.
2.
3.
4.
259. Статистическая значимость коэффициента детерминации построенного уравнения регрессии
означает …
1. статистическую значимость только свободного члена регрессии
2. близость коэффициента детерминации к нулю
3. совокупную значимость оценок параметров регрессии
4. статистическую значимость только коэффициентов чистой регрессии
260. Качество подбора уравнения оценивает коэффициент …
1. эластичности
2. регрессии
3. корреляции
4. детерминации
261. В эконометрических моделях «объясненная» дисперсия – это дисперсия…
1. расчетных значений результативного признака
2. значений объясняющего фактора
3. случайных отклонений
4. наблюдаемых значений результативного признака
262. Значение коэффициента детерминации составило 0,64. Определите долю случайных факторов в общей
дисперсии зависимой переменной.
1. 0,8
2. 64 %
3. 0,64
4. 0,36
263. Пусть
, где y – фактическое значение зависимой переменной,
- теоретическое ,
рассчитанное по уравнению значение зависимой переменной (объясненное уравнением регрессии), – ошибка модели.
Тогда значение
характеризует дисперсию …
1. зависимой переменной, объясненную уравнением регрессии
2. случайных факторов
3. фактических значений независимой переменной
4. фактических значений зависимой переменной
264. Коэффициент детерминации характеризует …
1. статистическую значимость уравнения регрессии
2. гомоскедастичность остатков модели
3. наличие или отсутствие автокорреляции остатков модели
4. адекватность регрессионной модели эмпирическим данным
31
265. В эконометрических моделях наблюдаемые значения зависимой переменной
, i=1, 2, …, n, отличаются
от модельных
на величину
(
). В данных обозначениях формула для расчета общей суммы квадратов
имеет вид:
1.
2.
3.
4.
266 . Максимальная величина отношения объясненной и остаточной дисперсий, которая может иметь место при
случайном расхождении их при данном уровне значимости, является …
1. коэффициентом детерминации
2. коэффициентом корреляции
3. табличным значением
- критерия
4. табличным значением - критерия
267. Значение F–критерия Фишера зависит только от …
1. количества переменных
2. количества наблюдений
3. вида уравнения и числа степеней свободы
4. вида уравнения регрессии
268. В эконометрике отношение объясненной суммы квадратов отклонений к остаточной в расчете на одну
степень свободы называют …
1. среднеквадратическим отклонением
2. дисперсией
3. F-критерием
4. методом наименьших квадратов
269. В эконометрике для проверки статистической значимости уравнения в целом используют …
1. коэффициент Стьюдента
2. метод наименьших квадратов
3. F-критерий
4. t-статистику
270. В эконометрических моделях наблюдаемые значения зависимой переменной
от модельных
на величину
(
квадратов отклонений имеет вид:
, i=1, 2, …, n, отличаются
). В данных обозначениях формула для расчета объясненной суммы
1.
2.
3.
4.
271. Число степеней свободы для суммы квадратов отклонений, объясненных парной линейной
регрессией
1.
2.
3. 1
, при
наблюдениях равно …
32
4.
272. Остаточная дисперсия на одну степень свободы для парной линейной регрессии равна …
1.
2.
3.
4.
273. Общая дисперсия на одну степень свободы для множественной линейной регрессии, содержащей
факторов равна …
1.
2.
3.
4.
274. Остаточная сумма квадратов отклонений может интерпретироваться как мера …
1. влияния величины суммы квадратов отклонений на число степеней свободы
2. общего разброса наблюдаемой величины относительно
3. разброса остаточной величины, не объясненной уравнением регрессии
4. разброса величины
, объясненной с помощью регрессии, относительно
275. Объясненная сумма квадратов отклонений может интерпретироваться как мера разброса …
1. отклонений реальных значений зависимой переменной от ее расчетных значений
2. реальных значений независимой переменной относительно ее среднего значения
3. реальных значений зависимой переменной относительно ее среднего значения
4. расчетных значений зависимой переменной относительно ее среднего значения
276. Число степеней свободы определяется …
1. количеством рассматриваемых моделей
2. числом состояний случайной компоненты
3. числом свободы независимого варьирования признака (переменной, фактора)
4. количеством неучтенных в модели факторов
277. Сопоставляя объясненную и остаточную дисперсии в расчете на одну степень свободы, для линейной
регрессионной зависимости получим величину …
1. коэффициента корреляции
2. -статистики
3. критерия Дарбина–Уотсона
4. - статистики
278. Наиболее часто используемый порог вероятности безошибочности выводов при проверке
статистических гипотез в эконометрике...
1. 0.50
2. 1,0
3. 0,95
33
4. 0,99
279. На основе 12 наблюдений построена множественная линейная регрессия с тремя факторными признаками.
Остаточная сумма квадратов отклонений равна 24. Остаточная дисперсия на одну степень свободы равна …
1. 3 (не знаю, почему так, но нашла, что так)
2. 2
3. 8
4. 6
280. Оценка значимости параметров уравнения регрессии осуществляется по критерию …
1. Дарбина–Уотсона
2. Ингла–Грэнджера (Энгеля–Грангера)
3. Стьюдента
4. Гольдфельда-Квандта
281.
Оценку
существенности
параметров
множественного
уравнения
регрессии
проводят …
1. для переменных y, х1, х2, …, хk
2. для величины e
3. для каждого параметра
4. для всех параметров в целом
282. В случае использования критерия Стьюдента, параметр регрессии признается существенным, если
фактические значения соответствующего -критерия …
1. равны его критическому значению
2. больше нуля
3. больше, чем его критические значения
4. меньше, чем его критические значения
283. При проверке на существенность коэффициента регрессии по доверительному интервалу, было выявлено,
что этот коэффициент регрессии является значимым. Следовательно, построенный для него доверительный интервал
…
1. больше критического доверительного интервала
2. меньше критического доверительного интервала
3. не содержит ноль
4. содержит ноль
284 .При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается нулевая гипотеза о …
1. равенстве факторной и остаточной дисперсий
2. статистической значимости построенного уравнения регрессии
3. равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей
независимой переменной на зависимую переменную
4. отличии от нуля этого коэффициента регрессии и существенности влияния соответствующей независимой
переменной на зависимую переменную
285. Для оценки статистической значимости (существенности) параметров регрессии обычно служит
статистика…
1. нормального распределения
2. стандартного нормального распределения
3. Стьюдента
4. Фишера
286. Проводится оценка существенности параметров линейного уравнения множественной регрессии.
Расчет фактического значения - критерия выполняют как …
Варианты ответов. Кол-во правильных ответов - 1
1. стандартная ошибка коэффициента регрессии оценка параметра
2. стандартная ошибка коэффициента регрессии + оценка параметра
3. оценка параметра / стандартная ошибка коэффициента регрессии
4. стандартная ошибка коэффициента регрессии / оценка параметра
287. Для оценки статистической значимости коэффициента регрессии его величина сравнивается…
1. с математическим ожиданием остатков
2. с шириной его доверительного интервала
3. с его стандартной ошибкой
34
4. со стандартной ошибкой остатков
288. Выберите пропущенное в таблице значение
1. -1
2. 3/4
3. 12 t=b/se(b) => b =t*se(b)
4. 7
289. Критерий Стьюдента предназначен для определения значимости …
1. множественного коэффициента регрессии
2. случайной величины
3. построенного уравнения в целом
4. каждого коэффициента регрессии
290. Для уравнения регрессии
выдвигается нулевая статистическая гипотеза о том, что
b=0, которая используется для проверки существенности …
1. параметра a
2. переменной y
3. величины e
4. параметра b
291. При оценке существенности
-го фактора проверялась существенность соответствующего
параметра
, где
взято по таблицам -распределения Стьюдента. В этом случае …
1. для -ого фактора строится частное уравнение регрессии
2. в уравнение регрессии необходимо включить фиктивную переменную
3. -й фактор в уравнении регрессии признается несущественным
4. -й фактор в уравнении регрессии признается существенным
292. Если фактическое значение критерия Стьюдента для коэффициента регрессии равно 1, то этот
коэффициент…
1. также равен 1
2. является существенным
3. не может быть признан статистически значимым
4. статистически значим
293. При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается альтернативная гипотеза (обратная нулевой) о …
1. равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей независимой
переменной на зависимую переменную
2. статистической значимости построенного уравнения регрессии
3. отличии от нуля этого коэффициента регрессии и существенности влияния соответствующей
независимой переменной на зависимую переменную
4. равенстве факторной и остаточной дисперсий
294. При выборе спецификации нелинейная регрессия используется, если …
1. нелинейная зависимость для исследуемых экономических показателей является несущественной
2. между экономическими показателями обнаруживается линейная зависимость
3. между экономическими показателями обнаруживается нелинейная зависимость
4. между экономическими показателями не обнаруживается нелинейная зависимость
295. Для описания закономерностей прироста экономических показателей от времени в эконометрике
используется лог-линейная модель линейная относительно фактора времени Х …
1.
2.
3.
4.
35
296. Запись
, где
–объем выпускаемой продукции
– объем основного капитала
– объем трудовых ресурсов
– неизвестные числовые параметры
означает …
1. мультипликативную модель временного ряда
2. автокорреляционную функцию
3. двухфакторную производственную функцию Кобба-Дугласа
4. линейное уравнение множественной регрессии
297. Использование полинома второго порядка в качестве регрессионной
однофакторной модели обусловлено …
1. наличием случайных колебаний
2. отсутствием тенденции
3. изменением направления связи результирующего и факторного признаков
4. неоднородностью выборки
298. Для логистической функции
зависимости
для
границей насыщения изучаемого явления является
параметр
1.
2.
3.
4.
299. Парабола второй степени может быть использована для зависимостей экономических показателей, если
…
1. для определенного интервала значений фактора меняется скорость изменений значений результата, то есть
возрастает динамика роста или спада
2. характер связи зависит от случайных факторов
3. для определенного интервала значений фактора меняется характер связи рассматриваемых
показателей: прямая связь изменяется на обратную или обратная на прямую
4. исходные данные не обнаруживают изменения направленности связи
300. Модели Торнквиста служат для описания зависимости …
1. уровня безработицы от изменения заработной платы
2. валового национального продукта от денежной массы
3. спроса на товары различных групп от дохода 4. объема выпуска от затрат капитала и труда
301. Зависимость прибыли Y от расходов на рекламу X характеризуется
полиномиальной
эконометрической моделью второй степени вида …
1.
2.
3.
4.
302. Зависимость процентного изменения заработной платы от уровня безработицы в процентах (кривая
Филипса,
) характеризуется обратной эконометрической моделью …
1.
2.
3.
36
4.
303. Если между экономическими показателями существует нелинейная связь, то …
1. нецелесообразно использовать спецификацию нелинейного уравнения регрессии
2. необходимо включить в модель другие факторы и использовать линейное уравнение множественной
регрессии
3. целесообразно использовать линейное уравнение парной регрессии
4. целесообразно использовать спецификацию нелинейного уравнения регрессии
304. При помощи модели степенного уравнения регрессии вида
(b>1, то есть х возрастает и
у тоже возрастает) не может быть описана зависимость …
1. объема предложения от цены
2. выработки от трудоемкости
3. заработной платы от выработки
4. выработки от уровня квалификации
305. Производственная функция Кобба-Дугласа относится к классу
моделей.
1. полулогарифмических
2. степенных
3. линейных
4. обратных
306. Зависимость спроса на товары первой необходимости от дохода (функция Торнквиста,
) характеризуется обратной эконометрической моделью с начальным уровнем
вида … 2.
307. В модели вида
коэффициент
1. значением
при
2. значением
в точке экстремума
является …
3. коэффициентом эластичности
4. угловым коэффициентом
308. Уравнение вида
является …
1. нелинейным как по переменным, так и по параметрам
2. линейным как по переменным, так и по параметрам
3. нелинейным только по переменным, но линейным по параметрам
4. нелинейным только по параметрам, но линейным по переменным
309. В аддитивной регрессионной модели переменные возводятся в степень, отличную от первой. Такая
модель является ...
1. нелинейной относительно случайной составляющей
2. линеаризованной относительно переменных
3. нелинейной относительно переменных
4. линейной относительно переменных
310. Нелинейным образом в эконометрическую модель вида
1. параметр а
2. ошибка
3. переменная х
4. переменная у
входит...
311. Линейным образом в эконометрическую модель вида
1. параметр а
2. параметр b
3. переменная у
4. переменная х
входит …
312. Уравнение вида
относится к классу…
1. нелинейных по переменным моделей, но линейных по оцениваемым параметрам
2. линейных по переменным моделей
3. нелинейных по параметрам, внутренне нелинейных моделей
4. нелинейных по параметрам, внутренне линейных моделей
37
313. Выбор нелинейной формы эконометрической модели обычно осуществляется …
1. когда между переменными не прослеживается нелинейная форма связи
2. при наличии мультиколлинеарности переменных линейного множественной регрессии
3. когда между переменными прослеживается нелинейная форма связи
4. в случае недостаточного количества экспериментальных данных
314. Нелинейным уравнением парной регрессии НЕ является …
1.
2.
3.
4.
315.
Спецификация
нелинейной
эконометрической модели может иметь вид …
1.
по
параметрам
мультипликативной
316. Нелинейным образом в эконометрическую модель вида
входит...
экспоненциальной
2.
3.
4.
1. ошибка
2. параметр b
3. переменная х
4. переменная у
317. В эконометрическую модель вида Кобба–Дугласа
включены …
Варианты ответов. Кол-во правильных ответов - 2
1. переменная х1
2. переменная y
3. параметр а
4. переменная х2
нелинейным образом
38
318. В эконометрическую модель
нелинейным образом включены. Кол-во прав. ответов -
2
1. параметр b
2. переменная у
3. параметр а
4. ошибка
319. В чем сходство двух моделей
и
1. нелинейные относительно параметров регрессии
2. линейные относительно параметров регрессии
3. нелинейные
4. можно преобразовать в линейную форму
320. Выберите неверные утверждения по поводу модели
? Кол-во правильных ответов - 3
. Кол-во правильных
отв. - 2
1. нелинейная относительно параметров модели
2. линейная относительно параметров регрессии
3. показательная
4. нелинейная
321. Выберите неверные утверждения по поводу модели
. Кол-во правильных ответов - 2
1. нелинейная относительно параметров регрессии
2. нельзя преобразовать в линейную форму
3. Y возрастает при увеличении X
4. модель линейная относительно параметров регрессии
322. Нелинейной по параметрам, но внутренне линейной, которую можно привести к линейному виду,
является эконометрическая модель …
1.
??
2.
3.
4.
323. Оценки коэффициентов моделей регрессии, нелинейных по оцениваемым параметрам, но внутренне
линейных, полученные методом наименьших квадратов, являются …
1. неэффективными
2. несостоятельными
3. смещенными
4. недостоверными
324.
Эконометрической
моделью,
приводимой
к
линейной
регрессионной
модели при логарифмировании и соответствующей подстановке, является ...
1.
2.
3.
4.
325. Линеаризация возможна для эконометрической модели вида …
1.
2.
3.
4.
326. При оценке параметров регрессионной модели на основе степенной функции
...
1. параметры и определяются непосредственно из системы нормальных уравнений
2. параметры и определяются косвенным путём на основе потенцирования
3. параметр определяется непосредственно из системы нормальных уравнений, а параметр
путём, с помощью потенцирования
-косвенным
39
4. параметр определяется непосредственно из системы нормальных уравнений, а параметр
путём, с помощью потенцирования
- косвенным
327. Показательная модель
относится к моделям…
1. линейным относительно объясняющей переменной Х
2. нелинейным относительно объясняемой переменной Y
3. нелинейным по оцениваемым параметрам
4. нелинейным относительно объясняющей переменной, но линейным по оцениваемым параметрам
328. Для экспоненциального уравнения
процедура линеаризации возможна путем …
1. присвоения количественных значений фиктивным переменным
2. дифференцирования и замены переменных
3. логарифмирования и замены переменных
4. только замены переменных
329. Классическая парная регрессионная эконометрическая модель
является
параметрам и
по переменным.
1. линейной … нелинейной
2. нелинейной … нелинейной
3. линейной … линейной
4. нелинейной … линейной
330. Эконометрическая модель
является...
1. линейной по параметрам и линейной по переменным
2. нелинейной по параметрам и линейной по переменным
3. нелинейной по параметрам и нелинейной по переменным
4. линейной по параметрам и нелинейной по переменным
331. Установите соответствие между видом нелинейной модели и заменой переменных, сводящих ее к
линейной регрессии.
1.
2.
3.
Варианты ответов. Кол-во правильных ответов - 4
1.
-3
2.
-4
3.
по
4.
-2
4.
-1
40
332. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W
= b0 + b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
переменными Y, X, Z и новыми переменными W, U, V линеаризованной модели.
1.
2.
3.
4.
Варианты ответов. Кол-во правильных ответов - 4
1.
-4
2.
-2
3.
-1
4.
-3
333. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W
= b0 + b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
переменными Y, X, Z и новыми переменными W, U, V линеаризованной модели. – не проверяла
1.
2.
3.
4.
Варианты ответов.
1.
Кол-во правильных ответов - 4
-4
2.
3.
-2
-3
4.
-1
334. Все нижеприведенные нелинейные модели можно свести к модели множественной линейной регрессии W
= b0 + b1·U + b2·V. Установите соответствие между видом нелинейной модели и соотношениями между исходными
параметрами a, b, c и параметрами b0 , b1, b2 линеаризованной модели.
1.
2.
3.
4.
Варианты ответов.
1.
Кол-во правильных ответов - 4
-1
2.
-4
3.
-3
4.
-2
335. Установите соответствие между видом модели и ее характеристиками.
1.
2.
3.
4.
1. нелинейная модель, линейная относительно параметров - 1
2. нелинейная модель, нелинейная относительно параметров, внутренне нелинейная - 4
3. линейная модель множественной регрессии - 2
4. нелинейная модель, нелинейная относительно параметров, внутренне линейная - 3
41
336. Индекс корреляции для нелинейных форм связи изменяется в пределах …
1. [0; 1)
2. [0; 4]
3. [0; 1]
4. (0; 1)
337. Средний (обобщающий) коэффициент эластичности рассчитывается для среднего значения фактора по
формуле
1.
2.
3.
4.
338. Коэффициент эластичности равен (-1,5). Это означает, что с
в среднем на 1,5 %.
1. уменьшением результата на один процент значение фактора уменьшается
2. увеличением фактора на один процент значение результата увеличивается
3. увеличением фактора на один процент значение результата уменьшается
4. увеличением результата на один процент значение фактора увеличивается
339. Пусть
- наблюдаемые значения зависимой переменной, а - ее расчетные значения. В принятых
обозначениях формула для расчета средней ошибки аппроксимации модели может быть определена по формуле
…
1.
2.
3.
4.
340. Значение индекса корреляции находится в пределах …
1.
2.
3.
4.
5.
341. Величина отклонений фактических значений результативного признака от его теоретических
значений представляет собой …
1. расчетное значение критерия Фишера
2. ошибку аппроксимации
3. ошибку корреляции
4. средний показатель эластичности
342. Коэффициент детерминации для нелинейной модели часто называют…
1. коэффициентом эластичности
2. индексом детерминации
3. индексом корреляции
4. средней ошибкой аппроксимации модели
343. Средняя ошибка аппроксимации модели служит для…
1. расчета средних ошибок параметров регрессии 2. оценки параметров регрессии
3. определения среднего значения расчетных значений зависимой переменной
4. оценки качества модели
42
344. Выражение
позволяет вычислить значение …
1. коэффициента эластичности
2. индекса корреляции
3. средней ошибки аппроксимации
4. F–критерия Фишера
345. Средний (обобщающий) коэффициент эластичности показывает …
1. на сколько единиц изменится результат относительно своего среднего уровня при увеличении фактора на
единицу
2. во сколько раз коэффициент корреляции больше коэффициента детерминации
3. долю дисперсии, объяснённой регрессией в общей дисперсии результата
4. на сколько процентов изменится результат относительно своего среднего уровня при увеличении
фактора на один процент от среднего уровня фактора
346. Непосредственно измерив характеристики объекта через определенные промежутки времени или
усреднив данные за некоторый период времени, формируют последовательность ...
1. трендовых значений ???
2. значений сезонных колебаний
3. уровней временного ряда
4. коэффициентов автокорреляции
347. Хронологическая последовательность значений признака, характеризующего состояние данного
объекта, называется …
1. корреляционным полем
2. автокорреляционной функцией
3. временным рядом
4. случайной выборкой
348. Значение показателя в определенный момент времени называется
временного ряда.
1. медианой
2. дисперсией
3. уровнем временного ряда
4. средним значением
349. В процессе формирования уровней временного ряда участвует всегда … (А.В. говорила о всех из них)
1. сезонность
2. цикличность
3. случайная компонента
4. тренд
350. Под временным рядом (динамическим рядом или рядом динамики) понимается последовательность
наблюдений некоторого признака Y,
1. который не изменяется с течением времени
2. который зависит от признака X, изменяющегося с течением времени
3. значения которого упорядочены во времени
4. значения которого неупорядочены во времени
351. Уровнем временного ряда является …
1. совокупность значений временного ряда
2. значение конкретного момента (периода) времени
3. значение временного ряда в конкретный момент (период) времени
4. среднее значение временного ряда
352. В формировании уровней любого временного ряда всегда присутствуют…
1. факторы, формирующие тенденцию ряда
2. линейные факторы
3. случайные факторы
4. факторы, формирующие циклические колебания ряда
353. Отдельные значения экономической характеристики объекта, полученные в последовательные
моменты или периоды времени, называются …
1. множественной регрессией
2. вариационным рядом
3. уровнями временного ряда
4. автокорреляционной функцией
43
354. Совокупность нерегулярных факторов, не поддающиеся учету и регистрации, но оказывающих
воздействие на формирование значений временного ряда, называется …
1. трендом
2. сезонными колебаниями
3. случайными колебаниями
4. линейной регрессией
356. Если временной ряд представлен в виде суммы соответствующих компонент, то полученная модель носит
название…
1. мультипликативной
2. обобщенной
3. аддитивной
4. компонентной
357. Модель временного ряда предполагает …
1. пренебрежение временными характеристиками ряда
2. отсутствие последовательности моментов (периодов) времени, в течении которых рассматривается поведение
экономического показателя
3. независимость значений экономического показателя от времени
4. зависимость значений экономического показателя от времени
358. Временной ряд характеризует …
1. зависимость последовательных моментов (периодов) времени
2. данные, описывающие совокупность различных объектов в определенный момент (период) времени
3. совокупность последовательных моментов (периодов) времени
4. данные, описывающие один объект за ряд последовательных моментов (периодов) времени
359. Модели, построенные на основе данных, характеризующих поведение исследуемого объекта за ряд
последовательных моментов времени, называются…
1. моделями временных рядов
2. системами одновременных уравнений
3. периодическими моделями
4. последовательными моделями
360. Случайные колебания, радикально меняющие параметры модели или саму модель, называются …
1. разладочными
2. эволюционными остаточными
3. трендовыми
4. циклическими (конъюнктурными)
361. Временным рядом называют …
1. упорядоченные во времени значения показателя
2. временно созданный набор данных
3. набор любых экономических данных для исследования
4. ряд данных, полученный расчетным путем за короткое время
362. Под лагом подразумевается число…
1. уровней исходного временного ряда
2. пар значений, по которым рассчитывается коэффициент автокорреляции
3. периодов, по которым рассчитывается коэффициент автокорреляции
4. временных рядов, по которым осуществляется расчет коэффициента автокорреляции
363. Коррелограммой является …
1. графическое отображение регрессионной функции
2. процесс экспериментального нахождения значений автокорреляционной функции
3. графическое отображение автокорреляционной функции
4. аналитическое выражение для автокорреляционной функции
364. Высокое значение коэффициента автокорреляции порядка
для уровней временного ряда
свидетельствует о том, что исследуемый ряд содержит (помимо тенденции) …
1. только случайную компоненту
2. разладочную случайную компоненту
3. колебания с периодом
4. ярко выраженный тренд
365. Автокорреляцией уровней временного ряда называется зависимость …
1. дисперсии последовательных и предыдущих уровней ряда от времени
2. математических ожиданий уровней ряда от времени
3. между последовательными и предыдущими уровнями ряда
4. математических ожиданий последовательных и предыдущих уровней ряда
44
366. На основе анализа временного ряда построена следующая таблица
Период сезонных колебаний равен
3. 4
367. Значение коэффициента автокорреляции второго порядка характеризует связь между …
1. исходными уровнями и уровнями второго временного ряда
2. двумя временными рядами
3. исходными уровнями и уровнями этого же ряда, сдвинутыми на 2 момента времени
4. исходными уровнями и уровнями другого ряда, сдвинутыми на 2 момента времени
368. Автокорреляцией уровней временного ряда называют корреляционную зависимость между …
1. значениями его остатков
2. наблюдаемыми и расчетными значениями исследуемого временного показателя
3. уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на один или несколько
периодов времени
4. его трендовой и сезонной компонентами
369. Если ни один из вычисленных коэффициентов линейной автокорреляции уровней ряда не оказался
значимым, ряд не содержит ...
1. циклических колебаний, его уровень определяется только трендовыми показателями и случайной
компонентой
2. случайной компоненты, его уровень определяется только тенденцией и циклическими колебаниями
3. тенденции и циклических колебаний, его уровень определяется только случайной компонентой
4. тенденции, его уровень определяется только циклическими колебаниями и случайной компонентой
370. Структуру временного ряда можно выявить на основе … Кол-во правильных ответов - 2
1. лаговая переменная
2. коэффициент детерминации
3. автокорреляционная функция
4. коррелограмма
371. Автокорреляционная функция может служить для выявления во временном ряду наличия или
отсутствия следующих составляющих: Кол-во правильных ответов - 2
1. линейной тенденции
2. случайной компоненты
3. сезонных колебаний
4. фиктивной переменной
372. Укажите справедливые утверждения относительно автокорреляционной функции временного
ряда.ответов - 2
1. служит для оценки случайной компоненты временного ряда
2. является возрастающей функцией от уровней ряда
3. представляет собой последовательность коэффициентов автокорреляции уровней временного ряда первого,
второго и т.д. порядков
4. служит для выявления структуры временного ряда
373. Укажите справедливые
утверждения относительно автокорреляции
уровней временного
ряда:ответов - 2
1. представляет
собой корреляционную
зависимость
между уровнями временного ряда и
соответствующими значениями случайной компоненты
2. количественно измеряется с помощью коэффициента линейной корреляции между трендовой и сезонной
компонентами уровней ряда
3. количественно измеряется с помощью коэффициента линейной корреляции между последовательными
уровнями исходного ряда
4. представляет собой корреляционную линейную зависимость между последовательными уровнями
временного ряда
374. Если во временном ряде наиболее высокими значениями характеризуются коэффициент автокорреляции
первого порядка (r1) и коэффициент автокорреляции (rk , k > 3), то допустимыми являются выводы о том, что ряд
содержит- 2
1. сезонную компоненту
2. линейный тренд
45
3. только случайную компоненту
4. только линейный тренд
375. Если факторы входят в модель как сумма, то модель называется …
1. суммарной
2. производной
3. аддитивной
4. мультипликативной
376. Известны значения аддитивной модели временного ряда: Yt – значение уровня ряда, Yt = 30, T – значение
тренда, T=15, Е – значение компоненты случайных факторов E=2. определите значение сезонной компоненты S.
1. S=1
2. S=-1
3. S=13 (30-15-2)
4. S=0
377. Гипотеза об аддитивной структурной схеме взаимодействия факторов, формирующих уровни временного
ряда, означает правомерность следующего представления ...
1. тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор + случайная компонента
2. случайная компонента = тренд + конъюнктурная компонента + сезонный фактор + уровень временного ряда
3. уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор + случайная компонента
4. уровень временного ряда = случайная компонента – тренд + конъюнктурная компонента + сезонный фактор
378. Пусть
— значения временного ряда,
— тренд-циклическая компонента этого ряда,
—
сезонная компонента, — случайная компонента,
– выровненный методом скользящей средней исходный ряд. При
выделении аддитивной сезонной компоненты в качестве отличия сезонного явления от тренд- циклической
составляющей используется …
1.
2.
3.
4.
379. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная
компонента, причем для первого квартала года
, для третьего квартала года
, для четвертого
квартала года
. Определите оценку сезонной компоненты для второго квартала года
1. 1/3
2. 5
3. –3
4. 3
380. Гипотеза об аддитивной структурной схеме взаимодействия факторов, формирующих уровни
временного ряда, означает правомерность следующего представления ...
1. тренд = уровень временного ряда + конъюнктурная компонента + сезонный фактор + случайная компонента
2. случайная компонента = тренд + конъюнктурная компонента + сезонный фактор + уровень временного ряда
3. уровень временного ряда = тренд + конъюнктурная компонента + сезонный фактор + случайная компонента
4. уровень временного ряда = случайная компонента – тренд + конъюнктурная компонента + сезонный фактор
381. Модель временного ряда, имеющая следующую спецификацию
(где
– уровень
временного ряда, – тренд,
– сезонная компонента, – конъюнктурная компонента, – случайная компонента),
называется …
1. аддитивной
2. нелинейной
3. смешанной
4. мультипликативной
382. Пусть
сезонная компонента,
представить как …
– значения временного ряда,
- тренд-циклическая компонента этого ряда,
–
– случайная компонента. Тогда общий вид мультипликативной модели временного ряда можно
46
1.
2.
3.
4.
383. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная
компонента, причем для первого квартала года
, для второго квартала года
, для третьего
квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. -6
2. 0
3. -2
4. 2 ?????
384. Пусть
– значения временного ряда с квартальными наблюдениями,
– аддитивная сезонная
компонента, причем для первого квартала года
, для второго квартала года
, для третьего
квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. -4
2. 4
3. 2 (разве мы не должны их складывать 1+(-6)+3 = -2
4. -2 ????
385. Построена аддитивная модель временного ряда, где Yt – значение уровня ряда, Yt = 10, T – значение тренда,
S – значение сезонной компоненты, E – значений случайной компоненты. Определите вариант правильно найденных
значений компонент уровня ряда.
1. T=5, S=2, E=0
2. T=5, S=2, E=1
3. T=5, S=2, E=3
4. T=7, S=5, E=2
386. Временной ряд характеризуется постоянным характером циклических и сезонных колебаний, тогда для его
описания используется
модель
1. множественная нелинейная
2. мультипликативная
3. классическая парная линейная
4. аддитивная
387. Плавно меняющаяся детерминированная компонента уровней временного ряда, описывающая чистое
влияние долговременных факторов, называется …
1. случайной составляющей
2. циклической составляющей
3. трендом
4. сезонным колебанием
388. Пусть
– значения временного ряда с квартальными наблюдениями,
– мультипликативная сезонная
компонента, причем для первого квартала года
, для второго квартала года
, для третьего
квартала года
. Определите оценку сезонной компоненты для четвертого квартала года
1. 3
2. –19/4
3. 19/4
4. 1/3 (почему нужно делить на полученное число??)
389. Пусть
– значения временного ряда с квартальными наблюдениями,
– мультипликативная
сезонная компонента, причем для второго квартала года
, для третьего квартала года
, для четвертого квартала года
. Определите оценку сезонной компоненты для первого квартала года
1. 12
2. 1/12
3. –1/12
4. 1
47
390. Стационарность временного ряда означает отсутствие …
1. значений уровней ряда
2. наблюдений по уровням временного ряда
3. тренда
4. временной характеристики
391. Временной ряд, отличающийся от стационарного на неслучайную составляющую (трендовую или
периодическую компоненту), называется …
1. строго стационарным
2. слабо стационарным
3. нестационарным
4. регрессионным
392.
На рисунке представлена реализация …
1. процесса, нестационарного по дисперсии
2. стационарного процесса
3. процесса, нестационарного по математическому ожиданию и периодически нестационарного по дисперсии
4. процесса, нестационарного по математическому ожиданию
393. Закон изменения нестационарного временного ряда
близок к экспоненциальному. Этот ряд
приводится к стационарному процессу
с помощью …
1. расчёта первых разностей
2. расчёта вторых разностей
3. логарифмирования цепных индексов
4. расчёта темпов прироста
394. Преобразование нестационарного временного ряда
в стационарный
должно обеспечивать
приблизительное выполнение условия …
1.
2.
3.
4.
395. При моделировании временных рядов экономических показателей необходимо учитывать характер
уровней исследуемых показателей …
1. независящий от времени
2. конструктивный
3. стохастический
4. аналитический
396. Для временного ряда рассматривается авторегрессионный процесс первого порядка
. Известно,
. Временной ряд является ... (не искала)
1. рядом типа «белый шум»
2. описанием взрывного процесса
3. нестационарным
4. стационарным
397. Пусть
— стохастических процесс. Пусть для него выполнены следующие условия:
— постоянство математического ожидания,
— постоянство дисперсии,
автоковариация, зависящая только от величины лага между рассматриваемыми переменными. Тогда данный
процесс является … (не искала)
1. нестационарным
2. совместно стационарным
3. слабо стационарным или стационарным в узком смысле
4. условно стационарным
398. Процессом, который всегда является стационарным в слабом смысле является …
1. процесс случайного блуждания
2. смешанный процесс авторегрессии и скользящего среднего
3. процесс белого шума
48
4. процесс авторегрессии первого порядка
Вопрос № 20.5. Оригинальный порядковый номер: 38
На рисунке представлена реализация …
Варианты ответов. Кол-во правильных ответов - 1
1. процесса, нестационарного по математическому ожиданию
2. процесса, нестационарного как по дисперсии, так и по математическому ожиданию
3. стационарного процесса
4. процесса, нестационарного по дисперсии
Вопрос № 20.1. Оригинальный порядковый номер: 31
Если случайные величины, образующие «белый шум» распределены нормально, тогда ...
Варианты ответов. Кол-во правильных ответов - 1
1. для временного ряда ярко выражены сезонные колебания
2. временной ряд является нестационарным
3. этот временной ряд называется гауссовским белым шумом
4. временной ряд имеет тренд
Вопрос № 20.2. Оригинальный порядковый номер: 48
Текущее значение экономического процесса
предопределено его предысторией. Пусть
- ошибка модели
в момент t, f - аналитическая функция. Тогда модель для указанного допущения имеет следующий вид …
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
Вопрос № 20.3. Оригинальный порядковый номер: 50
Стационарный процесс -го порядка для всех временных отрезков характеризуется постоянными значениями
статистических моментов порядка …
Варианты ответов. Кол-во правильных ответов - 1
1.
и ниже
2.
и выше
3.
и выше
4.
и ниже
Вопрос № 20.4. Оригинальный порядковый номер: 56
Для стационарного процесса второго порядка
на любых двух временных интервалах должны выполняться
условия будут равны между собой пары показателей:
, рассчитанные на этих интервалах.
Варианты ответов. Кол-во правильных ответов - 1
1. математического ожидание, дисперсия, коэффициент автокорреляции второго порядка
2. коэффициент автокорреляции второго порядка
3. математическое ожидание, дисперсия, коэффициент автокорреляции первого порядка
4. математическое ожидание, дисперсия
Вопрос № 20.5. Оригинальный порядковый номер: 57
Математическое выражение линейной модели временного ряда имеет вид …
1.
2.
3.
4.
49
399. Системы эконометрических уравнений не используются при моделировании …
1. связей между экономическими показателями
2. макроэкономических показателей
3. взаимосвязей случайных факторов
4. сложных экономических систем
400. Эконометрическая модель, являющаяся системой одновременных уравнений, состоит в общем случае
...
1. только из тождеств
2. из поведенческих уравнений и автокорреляционной функции
3. из поведенческих уравнений и тождеств
4. из регрессионных уравнений и соотношений мультиколлинеарности в каждом из них
401. В систему одновременных уравнений входят алгебраические соотношения между эндогенными
переменными. В них отсутствует случайная составляющая, нет параметров, подлежащих оценке. Эти соотношения
являются ...
1. структурными соотношениями
2. приведенными формулами
3. тождествами
4. регрессионными уравнениями
402. Относительно системы
верно следующее утверждение: система записана в
форме. 1. нормальной 2. рекурсивной 3. структурной 4. приведённой
403. Относительно системы
верно следующее утверждение: количество
эндогенных переменных системы равно …
1. 4
2. 6
3. 2
4. 1
404. Система эконометрических уравнений представляет собой систему уравнений
1. детерминации
2. аппроксимации
3. регрессии
4. корреляции
405. Система, в которой одни и те же эндогенные переменные входят в левую часть одних уравнений и в
правую часть других уравнений называется системой
уравнений.
1. независимых
2. несовместных
3. взаимосвязанных
4. рекурсивных
406. Система, в которой каждая из эндогенных переменных рассматривается как функция одного и того же
набора факторов называется системой
уравнений.
1. рекурсивных
2. одновременных
3. независимых
4. взаимозависимых
407. – вектор эндогенных переменных,
– матрица коэффициентов при эндогенных переменных,
– матрица коэффициентов при предопределенных переменных
– вектор предопределенных переменных
– вектор случайных отклонений
Общий вид системы одновременных уравнений представляется в форме ...
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
50
408. Система независимых уравнений — это система, в которой …
1. одни и те же экзогенные переменные входят в левую часть одних уравнений и в правую часть других
уравнений
2. эндогенная переменная
одного из уравнений рассматривается как фактор в следующем уравнении
3. одни и те же эндогенные переменные входят в левую часть одних уравнений и в правую часть других
уравнений
4. каждая из эндогенных переменных рассматривается как функция одного и того же набора факторов
Для системы эконометрических уравнений верным является утверждение: "количество случайных компонент в
системе взаимозависимых уравнений соответствует числу
системы".
Варианты ответов. Кол-во правильных ответов - 1
1. экзогенных переменных
2. поведенческих уравнений
3. эндогенных переменных
4. балансовых соотношений (тождеств)
Вопрос № 21.5. Оригинальный порядковый номер: 48
В поведенческих уравнениях структурной формы системы взаимосвязанных уравнений параметры …
Варианты ответов. Кол-во правильных ответов - 1
1. заранее оценены и известны
2. не подлежат оценке
3. определяются обычным методом наименьших квадратов
4. неизвестны и подлежат оценке
Тема № 22. Классификация систем уравнений
(Задание с выбором одного правильного ответа из предложенных)
Оригинальное кол-во заданий: 30, в базе представлено: 5
Вопрос № 22.1. Оригинальный порядковый номер: 3
В правой части системы независимых уравнений находится …
Варианты ответов. Кол-во правильных ответов - 1
1. совокупность зависимых и независимых переменных
2. совокупность зависимых переменных и случайных факторов
3. совокупность независимых переменных и случайных факторов
4. одна зависимая переменная
Вопрос № 22.2. Оригинальный порядковый номер: 5
Система взаимозависимых уравнений в ее классическом виде называется также системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. рекурсивных
2. изолированных
3. одновременных
4. независимых
409. Выделяют три класса систем эконометрических уравнений: …
1. системы независимых уравнений, системы изолированных уравнений и системы рекурсивных уравнений
2. системы взаимозависимых уравнения, системы рекурсивных уравнений и системы возвратных уравнений
3. системы независимых уравнений, системы взаимозависимых уравнений и системы рекурсивных уравнений
4. системы одновременных уравнений, системы взаимозависимых уравнений и системы рекурсивных
уравнений
как
Вопрос № 22.4. Оригинальный порядковый номер: 9
В системах рекурсивных уравнений количество переменных в правой части каждого уравнения определяется
количества зависимых переменных
уравнений и количества независимых факторов.
Варианты ответов. Кол-во правильных ответов - 1
1. разность … предыдущих
2. разность … последующих
3. сумма … предыдущих
51
4. сумма … последующих
Вопрос № 22.5. Оригинальный порядковый номер: 21
Если структурная форма модели системы эконометрических уравнений точно идентифицируема, то с помощью
косвенного МНК …
Варианты ответов. Кол-во правильных ответов - 1
1. нулевые значения параметров модели
2. оценки для параметров модели определить невозможно
3. получают единственную оценку параметров модели
4. получают несколько различных вариантов оценок параметров модели
Вопрос № 22.1. Оригинальный порядковый номер: 2
Левая часть системы взаимозависимых уравнений представлена вектором …
Варианты ответов. Кол-во правильных ответов - 1
1. зависимых переменных и случайных величин
2. зависимых независимых переменных
3. зависимых переменных
4. независимых переменных
Вопрос № 22.2. Оригинальный порядковый номер: 11
Система уравнений, в которых каждая эндогенная переменная рассматривается как функция только
предопределенных переменных, называется системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. одновременных
2. регрессионных
3. независимых
4. рекурсивных
Вопрос № 22.3. Оригинальный порядковый номер: 20
Система уравнений, где эндогенные переменные в одних уравнениях выступают в роли результирующего
признака, а в других уравнениях – в роли фактора, называется системой
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. независимых
2. изолированных
3. одновременных
4. рекурсивных
Вопрос № 22.4. Оригинальный порядковый номер: 25
Пусть D– число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в
системе, а H– число эндогенных переменных в уравнении. Уравнение системы считается неидентифицируемым, если
…
Варианты ответов. Кол-во правильных ответов - 1
1.
2.
3.
4.
Вопрос № 22.5. Оригинальный порядковый номер: 27
Для оценки параметров структурной модели системы необходимо, чтобы …
Варианты ответов. Кол-во правильных ответов - 1
1. все уравнения системы были неидентифицируемы или сверхидентифицируемы
2. хотя бы одно уравнение системы было неидентифицируемо или сверхидентифицируемо
3. все уравнения системы были идентифицируемы или сверхидентифицируемы
4. хотя бы одно уравнение системы было идентифицируемо или сверхидентифицируемо
Вопрос № 22.1. Оригинальный порядковый номер: 3
Выберите верные утверждения по поводу системы независимых уравнений:
Варианты ответов. Кол-во правильных ответов - 2
1. каждое уравнение системы может рассматриваться в качестве отдельного уравнения регрессии
зависимости одной переменной от группы факторов
2. каждая зависимая переменная рассматривается как функция только от предопределенных переменных
3. оценки параметров уравнений нельзя определить методом наименьших квадратов
4. каждая независимая переменная является функцией от всех других независимых переменных
52
Вопрос № 22.2. Оригинальный порядковый номер: 9
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
53
Варианты ответов. Кол-во правильных ответов - 2
1. может быть описана с помощью системы одновременных уравнений
2. может быть описана с помощью системы рекурсивных уравнений
3. включает 3 уравнения
4. включает 6 уравнений
Вопрос № 22.3. Оригинальный порядковый номер: 11
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
Варианты ответов. Кол-во правильных ответов - 2
1. включает 5 уравнений
2. может быть описана с помощью системы одновременных уравнений
3. включает 2 уравнения
4. может быть описана с помощью системы независимых уравнений
Вопрос № 22.4. Оригинальный порядковый номер: 13
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
Варианты ответов. Кол-во правильных ответов - 2
1. включает 4 уравнения
2. может быть описана с помощью системы рекурсивных уравнений
3. включает 3 уравнения
4. может быть описана с помощью системы независимых уравнений
Вопрос № 22.5. Оригинальный порядковый номер: 15
Для указанной схемы взаимосвязей между переменными справедливы утверждения:
54
Варианты ответов. Кол-во правильных ответов - 2
1. включает 3 уравнения
2. может быть описана с помощью системы независимых уравнений
3. может быть описана с помощью системы одновременных уравнений
4. включает 2 уравнения
Тема № 23. Идентификация систем эконометрических уравнений (Задание с
выбором одного правильного ответа из предложенных) Оригинальное колво заданий: 61, в базе представлено: 5
Вопрос № 23.1. Оригинальный порядковый номер: 22
Проблема оценки структурных параметров системы одновременных уравнений связана с тем, что
предопределенные переменные уравнений и их возмущения являются ...
Варианты ответов. Кол-во правильных ответов - 1
1. незначимыми
2. гомоскедастичными
3. коррелированными
4. некоррелированными
Вопрос № 23.2. Оригинальный порядковый номер: 24 Понятие
«предопределенные переменные» включает в себя ... Варианты
ответов. Кол-во правильных ответов - 1
1. только лаговые переменные, как эндогенные, так и экзогенные
2. эндогенные и лаговые экзогенные
3. экзогенные и лаговые эндогенные переменные
4. экзогенные и эндогенные переменные
Вопрос № 23.4. Оригинальный порядковый номер: 45
Коэффициенты уравнений приведенной формы системы одновременных уравнений называют ...
Варианты ответов. Кол-во правильных ответов - 1
1. стандартизированными
2. частными
3. приведенными
4. структурными
Вопрос № 23.5. Оригинальный порядковый номер: 49
Переменные, значения которых формируются в процессе и внутри функционирования анализируемой
социально-экономической системы, называются …
Варианты ответов. Кол-во правильных ответов - 1
1. предопределенными
2. структурными
3. эндогенными
4. экзогенными
Вопрос № 23.1. Оригинальный порядковый номер: 5
Модель идентифицируема, если число параметров структурной формы модели …
Варианты ответов. Кол-во правильных ответов - 1
1. больше числа параметров приведенной формы модели
2. не равно числу уравнений модели
3. равно числу параметров приведенной формы модели
4. меньше числа параметров приведенной формы модели
Вопрос № 23.2. Оригинальный порядковый номер: 32
Структурные коэффициенты системы одновременных уравнений определяются однозначно по коэффициентам
приведенной формы системы. Такая модель называется ...
Варианты ответов. Кол-во правильных ответов - 1
1. неидентифицируемой
2. неопределенной
3. идентифицируемой
55
4. сверхидентифицируемой
Вопрос № 23.5. Оригинальный порядковый номер: 52
Поведенческим уравнением системы эконометрических уравнений называется уравнение, которое …
Варианты ответов. Кол-во правильных ответов - 1
1. описывает модель взаимодействия между случайными составляющими, т.е. содержит только случайные
составляющие
2. описывает ограничения на значения эндогенных и экзогенных переменных
3. описывает модель взаимодействия между переменными, т.е. содержит подлежащие оценке параметры и
случайные составляющие
4. описывает соотношение, выполняемое во всех случаях, т.е. не содержит подлежащие оценке параметры и
случайные составляющие
Вопрос № 23.1. Оригинальный порядковый номер: 0
В правой части приведенной формы системы одновременных уравнений, построенной по перекрестным данным
(cross-section data) без учета временных факторов, могут стоять
переменные.
Варианты ответов. Кол-во правильных ответов - 1
1. зависимые
2. лаговые
3. эндогенные
4. экзогенные
Вопрос № 23.2. Оригинальный порядковый номер: 57
Если число структурных коэффициентов модели меньше числа приведенных коэффициентов и, следовательно,
на основе приведенных коэффициентов можно получить два или более значений одного структурного коэффициента,
то модель является …
Варианты ответов. Кол-во правильных ответов - 1
1. сверхидентифицируемой
2. условно идентифицируемой
3. идентифицируемой
4. неидентифицируемой
Вопрос № 23.3. Оригинальный порядковый номер: 61
Каждое из уравнений в структурной форме системы одновременных уравнений представляет собой …
Варианты ответов. Кол-во правильных ответов - 1
1. оценку случайного возмущения
2. основное соотношение метода наименьших квадратов
3. линейную регрессию набором зависимых и независимых переменных
4. временной ряд
Вопрос № 23.4. Оригинальный порядковый номер: 65
В системе одновременных уравнений
- число эндогенных переменных, а
Число параметров полной структурной модели равно
Варианты ответов. Кол-во правильных ответов - 1 1.
2.
3.
- число экзогенных переменных.
4.
56
Вопрос № 23.5. Оригинальный порядковый номер: 89
В общем виде приведенной формы модели, построенной по указанной схеме взаимосвязей между переменными,
количество приведенных коэффициентов равно …
Варианты ответов. Кол-во правильных ответов - 1
1. 5
2. 2
3. 3
4. 6
Тема № 24. Методы оценки параметров систем одновременных уравнений: косвенный метод наименьших
квадратов (КМНК) и двухшаговый метод наименьших квадратов (ДМНК)
(Задание с выбором одного правильного ответа из предложенных)
Оригинальное кол-во заданий: 31, в базе представлено: 5
Вопрос № 24.1. Оригинальный порядковый номер: 3
Двухшаговый метод наименьших квадратов применяется для оценки параметров …
Варианты ответов. Кол-во правильных ответов - 1
1. нелинейных уравнений регрессии
2. линеаризованных уравнений регрессии
3. систем эконометрических уравнений
4. временных рядов
Вопрос № 24.2. Оригинальный порядковый номер: 6
При оценке параметров приведенной формы модели косвенный метод наименьших квадратов использует
алгоритм…
Варианты ответов. Кол-во правильных ответов - 1
1. метода главных компонент
2. расчета средней взвешенной величины
3. обычного метода наименьших квадратов
4. метода максимального правдоподобия
Вопрос № 24.3. Оригинальный порядковый номер: 12
Для точно идентифицируемой структурной формы системы одновременных уравнений при оценке параметров
применяется
метод наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. двухшаговый
2. трехшаговый
3. косвенный
4. традиционный
Вопрос № 24.5. Оригинальный порядковый номер: 31
Метод, суть которого состоит в использовании в качестве инструментальной переменной теоретической оценки
переопределенной переменной, полученной на базе экзогенных (или предопределенных) переменных модели, является
методом наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. обобщенным
2. обычным
3. двухшаговым
57
4. косвенным
Вопрос № 24.1. Оригинальный порядковый номер: 9
При оценке параметров систем одновременных уравнений не производят …
Варианты ответов. Кол-во правильных ответов - 1
1. расчет коэффициентов приведенной формы
2. идентификацию системы одновременных уравнений
3. линеаризацию уравнений системы
4. преобразование структурной формы модели в приведенную
Вопрос № 24.2. Оригинальный порядковый номер: 10 Приведенная
форма модели является результатом преобразования … Варианты
ответов. Кол-во правильных ответов - 1
1. системы рекурсивных уравнений
2. нелинейных уравнений регрессии
3. структурной формы модели
4. системы независимых уравнений
Вопрос № 24.3. Оригинальный порядковый номер: 11
С помощью традиционного метода наименьших квадратов можно определить параметры уравнений, входящих
в систему
уравнений.
Варианты ответов. Кол-во правильных ответов - 1
1. рекурсивных или одновременных
2. только одновременных
3. независимых или рекурсивных
4. одновременных или независимых
Вопрос № 24.4. Оригинальный порядковый номер: 16
Двухшаговый метод наименьших квадратов определения оценок структурных параметров используется в случае
...
Варианты ответов. Кол-во правильных ответов - 1
1. неидентифицируемости хотя бы одного уравнения в системе
2. использования в системе фиктивных переменных
3. точной идентифицируемости системы одновременных уравнений или сверхидентифицируемости этой
системы
4. отсутствия в системе тождеств
Вопрос № 24.5. Оригинальный порядковый номер: 24
Двухшаговый метод наименьших квадратов является частным случаем ...
Варианты ответов. Кол-во правильных ответов - 1
1. взвешенного метода наименьших квадратов
2. метода максимального правдоподобия
3. метода инструментальных переменных
4. косвенного метода наименьших квадратов
Вопрос № 24.1. Оригинальный порядковый номер: 4
В приведенной форме модели в правой части уравнений находятся …
Варианты ответов. Кол-во правильных ответов - 1
1. только зависимые переменные
2. только независимые переменные
3. случайные факторы
4. зависимые и независимые переменные
Вопрос № 24.2. Оригинальный порядковый номер: 13
Для сверхидентифицируемой структурной формы системы одновременных уравнений при оценке параметров
применяется
метод наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. традиционный
2. двухшаговый
58
3. косвенный
4. трехшаговый
Вопрос № 24.3. Оригинальный порядковый номер: 14
Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших квадратов
3. по оценкам параметров приведенной формы вычисляются оценки структурных параметров.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. косвенному
2. обобщенному
3. трехшаговому
4. двухшаговому
Вопрос № 24.4. Оригинальный порядковый номер: 17
Приведена последовательность операций:
1. заданная система одновременных уравнений из структурной формы преобразуется в приведенную форму
2. оценки параметров приведенной формы находятся традиционным методом наименьших квадратов
3. определение расчетных значений эндогенных переменных, которые выступают в качестве факторов в
структурной форме модели
4. определение структурных параметров каждого уравнения в отдельности традиционным методом наименьших
квадратов, используя в качестве факторов входящие в это уравнение предопределенные переменные и расчетные
значения эндогенных переменных, полученные на первом шаге.
Этот алгоритм соответствует
методу наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. косвенному
2. обобщенному
3. трехшаговому
4. двухшаговому
Вопрос № 24.5. Оригинальный порядковый номер: 28
Оценки параметров идентифицируемой системы эконометрических уравнений могут быть найдены с помощью
метода наименьших квадратов.
Варианты ответов. Кол-во правильных ответов - 1
1. взвешенного
2. косвенного
3. обобщенного
4. обычного
410. Если по результатам анализа поля корреляции замечено, что на интервале изменения фактора меняется
характер связи рассматриваемых признаков, прямая связь изменяется на обратную, то моделирование целесообразно
проводить на основе
параболы второй степени.
411. Любой набор категорий можно описать некоторой совокупностью фиктивных переменных.
412. При отборе факторов путем постепенного наращивания их числа для включение нового фактора в модель
достаточно, чтобы новый фактор не коррелировал с раннее включ. в модель.
413. Если регрессионные остатки в эконометрической модели статически взаимозависимы, то ее называют
моделью с: автокоррелированными остатками.
414. Мера расхождения сглаженного (регрессионного) и наблюденного значения называется остатком.
415. Термин эконометрика был введен Фришем. (но вообще в самый самый 1-й раз Цьемпой)
416. Имеется матрица парных коэффициентов корреляции:
X1
X2
X3
y
Y
1
X1
-0,782
1
X2
0,451
0,564
1
X3
0,842
-0,873
0,303
1
Между какими признаками наблюдается мультиколлинеарность: х1, х3
417. Для линеаризации регрессионной модели y=a+b*кореньX +c используется замена … z=кореньХ
418. . Если функция спроса от цены характеризуется постоянной эластичностью, то моделирование
целесообразно проводить на основе … Степенной функции
59
419. Определение отдельного вклада каждой из независимых переменных в объясненную дисперсию в случае
их коррелированности является
задачей: 2) невыполнимой
420. В уравнении множественной регрессии, построенном на основании 14 наблюдений рассчитаны оценки
параметров и записана модель: y = 4,4 +0,83/// (в скобках указаны значения t-статистик, соответствующие параметрам
регрессии). Известны критические значения Стьюдента при различных уровнях значимости Для данного уравнения при
уровне значимости 0,1 Все ответы неверны. (должны быть больше 0,1)
421. Построена эконометрическая модель для зависимости прибыли от реализации единицы продукции (руб., у)
от величины оборотных средств предприятия (тыс. р., х1):
. Следовательно, средний размер
прибыли от реализации, не зависящий от объема оборотных средств предприятия, составляет _____ рубля. 10,75
422. Коэффициенты при сезонных фиктивных переменных показывают
при смене сезона: 4)
численную величину изменения, происходящего
423. Множественный регрессионный анализ является развитием парного регрессионного анализа
424. Совокупность фиктивных переменных – некоторое количество фиктивных переменных, предназначенное
для описания набора категорий.
425. Для регрессионной модели…. R= 0,87. Моделью объяснена часть дисперсии переменной у, равная (0,872)
0.76
426. Найдите верное высказывание: Стандартизированный коэффициент уравнения регрессии измеряется в
сигмах.
427. Как правило в эталонной категории • все фиктивные переменные равны 0
428. Для регрессионной модели…. R= 0,91 Моделью объяснена часть дисперсии переменной у, равная (0,912)
0,83
429. на основании рядов данных для переменных Х и У построено уравнение регрессии: у=а1+а2*х=3+0,28х.
Если х=4, то эластичность результирующего показателя у относительно факторы х:
Э=f ’(x)*x/f(x)=0.28*4/(3+0.28*4)=0.28*4/4.12=0.27
429.1 на основании рядов данных для переменных Х и У построено уравнение регрессии: у=а1+а2*х=8+3,25х.
Если х=5, то эластичность результирующего показателя у относительно факторы х:
Э=f ’(x)*x/f(x)=3,25*5/(8+3,25*5)=3,25*5/24,25=0,67
430. В эконометрических моделях «остаточная» дисперсия – это дисперсия отклонений наблюдаемых
значений результативного признака от его расчетных значений
431. .Если расчетное значение F-критерия Фишера превышает табличное, то можно сделать вывод о
статистической значимости построенной модели, значимости (существенности) моделируемой зависимости
432.
4 – Вариант ответа 1 (z=корень из х)
433. Какие из представленных функций линейны по параметрам?
3,4,5
434. .Параметр является статистически значимым (существенным), если вероятность того, что он равен нулю
мала
435. Множественный линейный коэффициент корреляции R равен 0,85. Какой процент вариации зависимой
переменной Y учтён в модели и обусловлен влиянием факторов x1 и х2 R2=0.852*100%=72,25
436. Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной Y учтён в модели и обусловлен влиянием факторов x1 и х2 R 2=0.932*100%=86,49
437. Стандартизованный коэффициент уравнения Вк применяется при проверке: при проверке
эконометрической значимости к-го фактора (при проверке важности этого фактора – написала Элен)
60
438. Пусть оценено уравнение регрессии y=-220+1370x-2200d, где У – цена двухкомнатной квартиры, Х –
полезная площадь (м2), d – тип дома (1 – панельный, 0 – кирпичный). Как изменится результаты, если положить, что 1
– кирпичный, 0 – панельный)

Цена квартиры не зависит от материала

Цена зависит только от полезной площади

Цена в кирпичном домне на 2200 больше при пр.

Цена в кирпичном доме на 2200 больше при пр.

Цена в панельном доме на 2200 больше при пр.
439. По выборочным данным оценено уравнение регрессии: у=-0,128+37х+3,45d, где У – расходы на
потребление овощей (руб.), Х – денежные доходы (руб.), d – место проживания инвалида (1-в городе, 0-в селе). Какова
будет интерпретация, если положить, что 1 – в селе, 0 – в городе?

Расходы на потребление овощей у инвалида в селе на 3,45 больше при пр.

Расходы зависят только от денежного дохода и не зависят от места проживания

Расходы на потребление овощей у инвалида в селе на 3,45 меньше при пр.

Расходы на потребление овощей у инвалида в городе на 3,45 меньше при пр.
440. Линия регрессии
Может
2) всегда проходит
Несколько раз проходит
Никогда
через точку ( x,y ) :
пройти
не
проходит
441. Качество подбора нелинейного уравнения регрессии можно охарактеризовать на основе показателей …
Коэффициента линейной корреляции
средней ошибки аппроксимации
индекса детерминации
Коэффициента эластичности
442. Линеаризация нелинейной модели регрессии может быть достигнута:
3. преобразованием анализируемых переменных
443. При проверке на существенность (значимость) коэффициента регрессии в качестве нулевой гипотезы
выдвигается нулевая гипотеза о...
равенстве нулю этого коэффициента регрессии и несущественности влияния соответствующей
независимой переменной на зависимую переменную
444. Если парный коэффициент корреляции между у и х принимает значение 0.56, то коэффициент
детерминации равен (в%): 31,36
445. Во множественном регрессионном анализе коэффициент детерминации определяет
регрессией:
2) долю дисперсии y, объясненную
446. Величина доверительного интервала позволяет установить предположение о том, что: интервал содержит
оценку параметра генеральной совокупности
447. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
ху=100, х=10, у=6 х2=136 у2=100, а=4,8
B=(ху − х∗ у)/( х2- х2)=(100-10*6)/(136-102)=1,11
448. Имеются следующие данные: коэффициент регрессии b=0,13, стандартная ошибка коэффициента
регрессии 0,277. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tтабл=2,11,
а=0,05.
T= b/ст.ошибку=0,13/0,277=0,47. (меньше табл значит незначим)
0,47 – коэффициент незначим
449. Имеются следующие данные: коэффициент регрессии b=1,8, стандартная ошибка коэффициента регрессии
se(b)=0,17. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если tтабл=2,11
при уровне значимости а=0,05.
T=b/ст.ошибку=1.8/0.17=10.59 (больше табл)
10,59 – значим
450. Если автокорреляция отсутствует то dw (Дарбина - Утсона) 3) приблизительно = 2
451. При отрицательной автокорреляции DW: >2 (приблизительно = 4)
452. К зоне неопределенности в тесте Дарбина-Уотсона относится случай, при котором
(d1, d2 –
нижняя и верхняя границы):
61
d1 < DW< d2
453. Условие гомоскедастичности означает, что вероятность того, что случайный член примет какое-либо
конкретное значение
наблюдений: 2) одинакова для всех
454. Если оценки параметров уравнения регрессии, полученных при помощи метода наименьших квадратов
обладают свойствами несмещенности, эффективности и состоятельности, то ...
a. математическое ожидание остатков равно нулю и они характеризуются минимальной дисперсией
455. Какие три типа данных существуют в эконометрике:
б) пространственные, временные, пространственно- временные (=панельные)
456.
2) вариант ответа 1
457. Найдите верное высказывание. При оборе факторов путем постепенного наращивания их числа для
включения фактора в модель достаточно, чтобы только Б
458. Пусть оценено уравнение регрессии: у= -0,45+305х-208d, где У – расходы на мобильную связь (руб.), Х –
доход (тыс.руб.), d – пол инвалида (1 – мужчины, 0 женщина). Какова будет интерпретация, если положить что 1 –
женщины, 0 – мужчины.

Расходы женщин на мобильную связь на 208 рублей меньше, чем у мужчин при прочих равных
условиях

Расходы не зависят от пола

Расходы не зависят только от дохода

Интерпретация не изменится

Расходы женщин на мобильную связь на 208 рублей больше, чем у мужчин при прочих равных
условиях
459. Чем больше число наблюдений, тем уже зона ??? (неопределенности)
460. Критические значения статистики Дорбина-Уотсона зависят от: количества наблюдений и числа
переменных
461. Гетероскедастичность приводи к неэффективности оценок параметров
462. Если предположение о природе гетероскедастичности верно, то дисперсия случайного члена для первых
наблюдений в упорядоченном ряду будет ……для последних
1)
больше,
чем
2)
такая
же,
как
3)
ниже,
чем
4)
равно
0
5) равно 1
463. Индекс корреляции рассчитанный для нелинейного уравнения регрессии характеризует тесноту
нелинейной связи между зависимой и независимой переменными 3
464. Оценка является несмещенной оценкой параметра если ее мат ожидание равно оцениваемому параметру
465. Какие из представленных функций нелинейны по параметрам?
1,2,3
467. Общая сумма квадратов отклонения = 120, а остаточная сумма квадратов отклонений = 30, то сумма
квадратов отклонений, объяснённая регрессией, равна: 120-30=90 (пояснение: Общая сумма квадратов отклонений
складывается из суммы квадратов отклонений, объясненных регрессией, и остаточной сумма квадратов отклонений.Значит,
сумма квадратов отклонений, объясненная регрессией, равна разности общей сумме квадратов отклонений и остаточной суммы
квадратов отклонений.)
62
468. Имеются следующе данные: коэффициент b=7,35, стандартная ошибка коэффициента регрессии se(b)=0,03
чему равна правая граница доверительного интервала? (7,35+2,11*0,03) 7,41
469. общая сумма квадратов отклонений 150, а остаточная сумма квадратов отклонений =30. Коэффициент
детерминации = 1-30/150=0,8
470. Выборочный коэффицент корреляции r по абсолютной величине - не превосходит единицы
471. Рассчитан по выборке коэффициент корреляции =1, это значит
- между изучаемыми переменными есть функциональная линейная прямая связь
472. Квадрат какого коэффицента в парной регрессии указывает долю дисперсии одной случайной величины,
обусловленной вариацией другой - коэффициент детерминации
473. Ситуации, при которой нулевая гипотеза была опровергнута, хотя бы истинной, носит название: ошибка 1
рода
474. Значение оценки является: случайной величиной
475. При применении МНК для оценки параметров управления регрессии минимизируют сумму квадратов
разности
476. В модели парной регрессии у=4+2х изменение х на 2 единицы вызовет изменение у 4 единиц
477. В эконометрической модели уравнения регрессии величина отклонения фактического значения зависимой
переменной от ее расчетного значения характеризует ошибку модели
478. Метод оценивания – общее правило для получения
какого-либо параметра по данным выборки.
(приближенного численного значения)
479. При проверке на существенность(значимость) коэффициента регрессии в качестве альтернативной
(обратной нулевой) выдвигается гипотеза 0 ... отличие от нуля этого коэффициента регрессии и существенности влияния
соответствующей независимой переменной на зависимую
479. Этапы построения эконометрической модели. (постановочный, априорный, параметризация,
информационный, идентификация модели, верификация модели.)
480.Имеются следующие данные коэффициент регрессии b=8,73 стандартная ошибка коэф регрессии 0,07 ,
найти т-Стьюдента( b/se=124,71) 8,73/124,71 = 0,07
481. Если парный коэффициент корреляции между признаками y и x принимает значение 0,56 то коэффициент
детерминации равен в % (d=r2*100%= 31,36)
482. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
ху=100, х=10, у=8 х2=136 у2=100, а=4,8
B=(ху − х∗ у)/( х2- х2)=(100-10*8)/(136-102)=0,56
482. по следующим данным вычислите параметр b линейного уравнения регрессии округлите до сотых):
х=20, у=10 Э = 0,8 Э=b*х/у, 0,8=2b, b=0.4
482. по следующим данным вычислите параметр а линейного уравнения регрессии округлите до сотых):
х=20, у=10 Э = 0,8 Э=b*х/у, 0,8=2b, b=0.4 тогда а=10-0,4*20=2
482. по следующим данным вычислите линейный коэффициент корреляции (округлите до сотых):
ху=100, х=10, у=8 х2=136 у2=100, а=4,8
R=(100-10*8)/(√136 − 10^2 )*( √100 − 8^2)=0.56
483. значение коэффициента детерминации составило 0,64. Определите долю случайных факторов в общей
дисперсии зависимой переменной. (1-0,64=0,36)
484. Гиперболической моделью не является регрессионная модель вариант ответа номер 1 (a+x/b+U)
485. Проводя эконометрическое моделирование зависимости объема продаж компании от ряда факторов х1цена на товар, х2 – степени известности торговой марки фирмы, х3 – доходы потребителей, х4 – уровня интенсивности
реклам. Фиктивными переменными не являются – х1 и х3
486. Независимая переменная может быть представлена как фиктивная в случае, если она является качественной
по своему характеру
487. По выборочным данным у = 157 + 0,25х – 500d …. С денежным доходом 18000. Ответ 4157
488 Пусть оценено уравнение регрессии : у=-133+820х+3200d1+1360d2, где У – цена двухкомнатной квартиры,
Х – полезная площадь, d1 – место расположения (1- в центре, 0 – на окраине), d2 – тип дома (1 – кирпичный, 0 –
панельный). Какова будет интерпретация, если положить что d1=1 – на окраине, d1=0 – в центре?

Цена квартиры зависит только от площади дома

Квартира, расположенная в центре, стоит на 3200 дешевле при прочих равных условиях

Квартира, расположенная на окраине, стоит на 3200 дороже при прочих равных условиях

Квартира, расположенная на окраине, стоит на 3200 дешевле при прочих равных условиях
489. Пусть У – товарооборот магазина, млн.руб., Х1 – торговая площадь (тыс.кв.м.), Х2 – среднее количество
посетителей в день (тыс.чел.). У=0,83+5,74х1+1,75х2. Каков будет товарооборот магазина, если он находится в
относительно оживленном месте с количеством посетителей 20 000 и имеет торговую площадь 1000 кв.м.
Ответ: 41,57
490. Какая из перечисленных функций нелинейна по параметрам?
63
1,2,3
491. Для модели парной регрессии оценки, полученные по МНК, являются несмещенными, эффективными,
состоятельными, если ... выполнены условия Гаусса-Маркова
492. Способ оценивания (estimator) — общее правило для получения
какого-либо
параметра по данным выборки. приближенного численного значения
493. Явление, когда строгая линейная зависимость между переменными приводит к невозможности применения
МНК, называется: полной коллинеарностью
494. Выборочная дисперсия зависимой переменной регрессии равна
объясненной
дисперсии зависимой переменной и необъясненной дисперсии зависимой переменной.
495. Если все наблюдения лежат на линии регрессии, то коэффициент детерминации R2 для модели парной
регрессии равен: единице
496. Значение коэффициента детерминации рассчитывается как отношение дисперсии результативного
признака, объясненной регрессией, к
дисперсии результативного признака. общей
497. При каком значении средней ошибки аппроксимации модель имеет высокую точность: Менее 10%
498. Ковариация между переменными x и y может принимать значения: любое число
499. Самым коротким интервалом изменения коэффициента корреляции для уравнения парной линейной
регрессии y=2-3*x является.. [-1;0]
500. Имеются следующие данные: коэффициент регрессии b = 21,15, стандартная ошибка коэффициента регрессии
se(b) = 0,08. Чему равна левая граница доверительного интервала, если … 0,05. ОТВЕТ: 20,98 b-t*se(b) = 21.15-tкр*0,08
501. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 3,04 + 7,8x, х= 4,0; у= 34,24
0,91= (7,8*(4/34,24)
502. При снижении уровня значимости риск совершить ошибку I рода уменьшается
503. При вычислении t-статистики применяется распределение Стьюдента
504. Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 5,28 + 8,7x, х= 5,0; у=
34,24: 1,27= (8,7*(5/34,24)
505. На основании ряда данных для переменных Х и Н построено уравнение регрессии ……… +0,87х. Какое из
следующих высказываний является верным: все высказывания неверны.
506. Постановочный этап построения эконометрической модели это: определение конечных целей моделирования,
набора участвующих в модели факторов и показателей, их роли.
507. МНК автоматически дает максимальное для данной выборки значение коэффициента детерминации R2.
508. Для эконометрической модели уравнения регрессии ошибка модели определяется как разность между
фактическим значением зависимой переменной и ее расчетным значением.
509. Метод наименьших квадратов может применяться в случае нелинейной и множественной регрессии
510. В кинотеатре проводится исследование, какой вид попкорна предпочитают зрители. Результаты показали,
что вид А предпочитает 65% плюс-минус 3%. Что означает « плюс-минус 3%»? Истинная доля любителей попкорна
вида А с фиксированной доверительной вероятностью находится в пределах от 62 до 68 процентов
511. Имеются следующие данные: коэффициент регрессии b = 1,8, стандартная ошибка коэффициента регрессии
se(b) = 0,17. Определите t-критерий Стьюдента и оцените значимость коэффициента регрессии b, если t та6л =2,11 при
уровне значимости α = 0,05. 10,59 (=1,8/0,17) – коэффициент значим.
512. Априорный этап построения эконометрической модели – это: предмодельный анализ экономической
сущности изучаемого явления, формирование и формализация априорной информации.
513. На стыке каких областей знаний возникла эконометрика: экономическая теория, математические методы и
статистические методы.
514. Близко к линии регрессии находится наблюдение, для которого теоретическое распределение случайного
члена имеет: малое стандартное отклонение.
515. Метод наименьших квадратов позволяет оценить параметры уравнений регрессии
516. Известно, что доля остаточной дисперсии равна 0,19. Тогда значение коэффициента корреляции равно 0,9
Найдем коэффициент детерминации:
Вычислим коэффициент корреляции:
64
Коэффициент регрессии в линейной регрессии совокупного спроса на стулья (в тысячах рублей) по
цене (в тыс. рублях) оказался равным «-1,25». Это означает, что
Увеличение цены на 1% снижает спрос на стулья на 1,25%
Увеличение цены на 1% снижает спрос на стулья на 1250 рублей
Увеличение цены на 1000 рублей снижает спрос на стулья на 1250 рублей
Увеличение цены на 1000 рублей снижает спрос на стулья на 1,25%
Простая (парная) регрессия – это
Модель, где среднее значение зависимой переменной У рассматривается как функция нескольких
независимых переменных
Зависимость среднего значения какой-либо величины
Модель, где среднее значение зависимой переменной У рассматривается как функция одной
независимой Х
Модель вида У=а+bx
Какие из представленных функций могут быть линеаризованы?
У = αХ𝜷𝟏Х𝜷𝟐U
𝟏
𝟐
У = α + Х𝛽+U
1
У = α(1 −
)+U
𝛽
1− Х
Какие из представленных функций не могут быть линеаризованы?
𝟏
У = α(𝟏 −
)+U
𝟏− Х𝜷
У = α + β𝟏+U
Х
У = αХ𝛽1Х𝛽2U
1
2
У = αе𝛽хU
Для линейного регрессионного анализа требуется линейность
Только по параметрам
Только по переменным
И по параметрам, и по переменным
Всех факторов
Какие из представленных функций нелинейны по параметрам?
У = α + Х𝜷+U
у̂= а0 + а1х + а2х2
У = α + βх3+U
Ln = α + βlnX+U
Какие из представленных функций линейны по параметрам?
Lny = a + βlnx + u
Если по результатам анализа поля корреляции замечено, что на интервале изменения фактора меняется
характер связи рассматриваемых признаков, прямая связь изменяется на обратную, то моделирование
целесообразно проводить на основе
Параболы второй степени
Параболы третьей степени
Равносторонней гиперболы
Степенной функции
При снижении уровня значимости риск совершить ошибку I рода
Сохраняется
Не изменяется
65
Уменьшается
Увеличивается
66
Индекс корреляции может принимать значения
От 1 до 100
От 0 до 10
От 0 до +1
От -1 до +1
Пусть оценено уравнение регрессии у̂ = -133+820х+3200d1+1360d2, где У – цена двухкомнатной
квартиры (у.е.), Х – полезная площадь, d1 – место расположения (d1=1 – в центре, d1=0 – на окраине), d2 – тип
дома (d2=1 – дом кирпичный, d2 = 0 – дом панельный). Какова будет интерпретация, если положить d1=1 – на
окраине, d1=0 – в центре?
Цена квартиры зависит только от площади и типа дома
Квартира, расположенная на окраине, стоит на 3200 (у.е.) дешевле при прочих равных условиях
Квартира, расположенная в центре, стоит на 3200 (у.е.) дешевле при прочих равных условиях
Квартира, расположенная на окраине, стоит на 3200 (у.е.) дороже при прочих равных условиях
В модели множественной линейной регрессии высокая корреляция между двумя объясняющими
переменными приводит к:
Значительной дисперсии оценок коэффициентов, полученных по методу наименьших квадратов
Неэффективности оценок коэффициентов, полученных по МНК
Невозможности определения изолированного влияния регрессоров на зависимую переменную и
однозначной их интерпретации
Несостоятельности оценок коэффициентов, полученных по МНК
Факторы эконометрической модели не являются коллинеарными, если коэффициент
ними по модулю
0,7.
Корреляции … меньше
Детерминации … меньше
Корреляции … больше
Детерминации … больше
между
Пусть У – товарооборот магазина, млн. руб., Х1 – торговая площадь (тыс.кв.км), Х2 – среднее
количество посетителей в день (тыс.чел.), у̂ = 0,83 + 5,74Х1 + 1,75Х2. Каков будет товарооборот магазина
(млн.руб.), если он находится в относительно оживленном месте с количеством посетителей 20000 и имеет
торговую площадь 1000 кв.м? 41,57
Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее
количество посетителей в день, тыс. чел. ŷ= −0.83 + 5.74𝑥̅1 + 1.75𝑥̅2 Каков будет товарооборот магазина,
если он находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую
площадь 1000 кв.м? 39,91
Пусть Y — товарооборот магазина, млн.руб., Х1 — торговая площадь, тыс.кв.м, Х2 — среднее
количество посетителей в день, тыс. чел. ŷ= −0.832 + 4.743х1 + 0.175𝑥̅2 Каков будет товарооборот магазина,
если он находится в относительно оживленном месте с количеством посетителей 20000 и имеет торговую
площадь 1000 кв.м? 7,41
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у̂= 3,04 + 7,8х, если х= 4,0,
у= 34,24. =( х/ у)*b = (4,0/34,24)*7,8 = 0,91
Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации зависимой
переменной У учтен в модели и обусловлен влиянием факторов х1 и х2 (до сотых). 86,49
Пусть оценено уравнение регрессии у̂= -0,16+10х+5d1+3d2, где У – заработная плата работника данной
фирмы (тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 –
наличие у работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
67
образования). Рассчитайте заработную плату, при условии, что начальная кодировка изменена: d1=0 – для
женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник мужчина, имеет высшее образование. 97,84
Пусть оценено уравнение регрессии у̂= -0,16+10х-5d1+3d2, где У – заработная плата работника данной
фирмы (тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 –
наличие у работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Рассчитайте заработную плату, при условии, что начальная кодировка изменена: d1=0 – для
женщин, d1=1 – для мужчин, стаж составляет 10 лет, работник мужчина, имеет высшее образование. 107,84
Пусть оценено уравнение регрессии у̂= -0,16+10х-5d1+3d2, где У – заработная плата работника данной
фирмы (тыс.руб.), Х – стаж работы (лет), d1 – пол работника (d1=1 – для женщин, d1=0 – для мужчин), d2 –
наличие у работника высшего образования (d2=1 – если есть высшее образование, d2 = 0 – если нет высшего
образования). Какова будет интерпретация, если положить d=1 – для мужчин, d=0 – для женщин?
Мужчины получают в среднем на 5 тыс. руб. больше при прочих равных условиях
Интерпретация не изменится
Женщины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
Мужчины получают в среднем на 5 тыс. руб. меньше при прочих равных условиях
Множественный линейный коэффициент корреляции Ry,x1,x2 равен 0,75. Какой процент вариации
зависимой переменной Y учтен в модели и обусловлен влиянием факторов х1 и х2. 56,25
Информационный этап построения эконометрической модели – это:
Само моделирование
Статистический анализ модели
Сопоставление реальных и модельных данных
Сбор необходимой статистической информации, т.е. регистрация значений участвующих моделей
факторов и показателей
Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1,2». Это означает, что
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу двести рублей
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу двести рублей
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1,2%
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на 1,2%
Отличие одностороннего теста от двустороннего заключается в том, что он имеет
Одно или несколько критических значений
Одно критическое значение
Несколько критических значений
Множество критических значений
Если расчетное значение F-критерия Фишера меньше табличного, то можно сделать вывод о …
Статистической незначимости построенной модели
Незначимости (несущественности) моделируемой зависимости
Целесообразности использования построенной модели для описания исследуемой зависимости
Статистической значимости построения модели
Величина, рассчитанная по формуле ху − х∗у является оценкой
ху
Частного коэффициента корреляции
Парного коэффициента корреляции
Множественного коэффициента детерминации
Коэффициента детерминации
68
Между коэффициентом корреляции и регрессии существует связь:
r = bх
1)
у
2
r = b2𝑥̅
𝑦
2)
2
3)
r = b2
4)
r = b𝑦
𝑥̅
𝑥̅
На основании рядов данных для переменных Х и У построено уравнение регрессии: у̂= a1 + a2x = 3 +
0,28х. Если х=4, то эластичность результирующего показателя у относительно фактора х:
Э = b  𝑥̅ = 0,28 
= 0,27
4
𝑎+𝑏𝑥̅
3+0,28∗4
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид у̂= 3,04 + 7,8х, если у=
34,24.
Э = 7,8 
34,24
= 0,99
3,04+7,8∗34,24
Значение коэффициента детерминации составило 0,64. Определите долю прочих факторов в общей
дисперсии зависимой переменной. 0,36
Уравнение парной регрессии связывает
Теоретические значения х и эмпирическое значение у
Теоретические значения у и эмпирическое значение х
Теоретические значения х и у
Переменную х и математическое ожидание у
Для линеаризации нелинейной регрессионной модели у = а + b√𝑥̅ +  используется замена …
1)
2)
3)
4)
z = √𝒙
z = √𝑥̅ + 
z = b√𝑥̅
z = а + b√𝑥̅
Какое из уравнений регрессии
является показательным?
х𝟏
х𝟐
1)
у = а0*а *а *
2)
3)
4)
у = а0*аа1
1 *
у = а0 + а1ха2
1 +…+
ни одно из уравнений не является показательным
𝟏
𝟐
Проверка гипотезы Н: R2=0 происходит с помощью теста
Стьюдента
Паркинсона
Дарбина-Уотсона
Фишера
Для регрессионной модели у = f(x) + , где f(x) – нелинейная функция. Значение индекса корреляции
R=0,64. Моделью объяснена часть дисперсии переменной у, равная …
0,36
0,6
0,41
0,8
Множественный линейный коэффициент корреляции R равен 0,85. Какой процент вариации зависимой
69
переменной У учтен в модели и обусловлен влиянием факторов х1 и х2 (до сотых).
70
72,25
27,75
0,73
85,00
Пусть оценено уравнение регрессии у̂= -0,45+305х-208d, где У – расходы на мобильную связь (руб.), Х
– доход (тыс.руб.), d – пол индивида (d1=1 – мужчина, d1=0 – женщина). Какова будет интерпретация, если
положить d1=1 – женщина, d1=0 – мужчина?
Расходы женщин на мобильную связь на 208 руб. меньше, чем у мужчин при прочих равных условиях
Расходы на мобильную связь не зависят от пола
Расходы на мобильную связь не зависят только от дохода
Расходы женщин на мобильную связь на 208 руб. больше, чем у мужчин при прочих равных условиях
Множественный регрессионный анализ является
Эквивалентностью
Противоположностью
Частным случаем
Развитием
парного регрессионного анализа:
Пусть для некоторой отрасли оценена регрессионная модель: у̂ = -0,46+8х+2,8d, где У – заработная
плата (тыс.руб.), Х – стаж работы (лет), d – пол работника (d1=1 – мужчина, d1=0 – женщина). Какова будет
интерпретация, если положить d1=1 – женщина, d1=0 – мужчина?
Интерпретация не изменится
Женщины получают в среднем на 2,8 тыс. руб. меньше при прочих равных условиях
Мужчины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
Женщины получают в среднем на 2,8 тыс. руб. больше при прочих равных условиях
Как правило, в эталонной категории
Все фиктивные переменные равны 1
Все фиктивные переменные равны 0
Все фиктивные переменные принимают разные значения
Все фиктивные переменные равны 10
5)
По следующим данным вычислите
параметр b линейного уравнения регрессии (округлить до

сотых): r = 0,85; 2 = 36; 2 = 49. 0,73. r = b х
xy
𝑦
𝑥̅
у
Имеются следующие данные: b = 2,13; se(b) = 0,277. Чему равна левая граница доверительного
интервала, если tтабл = 2,11 при α = 0,05 (с точностью до сотых). b - tтабл *se(b) = 2,13-2,11*0,277=1,55
По выборочным данным оценено уравнение регрессии у̂ = 157+0,25х-500d, где У – расходы на
потребление мяса (руб.), Х – денежный доход (руб.), d – социальный статус индивида (d1=1 – в центре, d1=0 –
на окраине), d2 – тип дома (d2=1 – если индивид пенсионер, d2 = 0 – если индивид работает). Рассчитайте
расходы на потребление мяса пенсионера с денежным доходом 18000 руб. 4157
По выборочным данным оценено уравнение регрессии у̂ = 157+0,25х-1,3d, где У – расходы на
потребление мяса (руб.), Х – денежный доход (руб.), d – социальный статус индивида (d1=1 – в центре, d1=0 –
на окраине), d2 – тип дома (d2=1 – если индивид пенсионер, d2 = 0 – если индивид работает). Какова будет
интерпретация, если положить d=1 – индивид работает, d = 0 – если индивид пенсионер?
Расходы на потребление мяса у пенсионера на 1,3 руб. меньше, чем у работающего индивида при
прочих равных условиях
Социальный статус индивида не влияет на расходы, он зависит только от дохода
Расходы на потребление мяса у пенсионера на 1,3 руб. больше, чем у работающего индивида при
прочих равных условиях
71
Расходы на потребление мяса у работающего индивида на 1,3 руб. больше, чем у пенсионера при
прочих равных условиях
Чему равен коэффициент эластичности, если уравнение регрессии имеет вид ŷ = 2,02 + 0,78x, х= 5,0; у
= 6,0. (5/6)*0,78 = 0,65
Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на мобильные телефоны
(в тысячах рублей) по цене (в рублях) оказался равным «-0,15». Это означает, что
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу пятьсот рублей
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15%
Уравнение регрессии имеет вид 𝐲̂ = 3,15 – 1,32х. На сколько единиц своего измерения в среднем
изменится 𝐲̂ при увеличении х на одну единицу своего измерения:
Уменьшится на 1,32
Не изменится
Увеличится на 3,15
Увеличится на 1,32
Регрессионная модель с одним факторным признаком называется…
Нелинейной
Парной
Множественной
Рекурсивной
Основные типы эконометрических моделей:
Модели тренда, модель сезонности
Модель временных рядов, регрессионные модели, система одновременных уровней
Регрессионная, модель тренда и сезонности
Модель сезонности, регрессионная
К показателю, характеризующему качество модели, относят:
t-статистика
коэффициент корреляции
коэффициент детерминации
коэффициент регрессии
Какой критерий используют для оценки значимости коэффициента корреляции в парной линейной
модели:
Критерий Пирсона
F-Критерий Фишера
d-критерий Дарбина-Уотсона
хи-квадрат критерий
Множественная регрессия — это
Зависимость среднего значения какой-либо величины
Модель, где среднее значение зависимой переменной У рассматривается как функция
нескольких независимых переменных Х1, Х2, Х3…
Модель, где среднее значение зависимой переменной У рассматривается как функция одной
независимой Х
Модель вида У=а+bx
Свойства коэффициентов регрессии как случайных величин зависят от свойств
Независимых переменных
Зависимой переменной
Остаточного члена
уравнения
72
Всех составляющих
Под эконометрикой в широком смысле слова понимается:
Совокупность различного рода экономических исследований, проводимых с использованием
математики
Совокупность теоретических результатов
Применение статистических методов
Самостоятельная научная дисциплина
Пусть оценено уравнение регрессии у̂ = -1,7+450х+1280d, где У – цена двухкомнатной квартиры (у.е.),
Х – полезная площадь, d – место расположения (d1=1 – в центре, d2=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с полезной площадью 76 (м2) ( с точностью до десятых). 34 198,3
Пусть оценено уравнение регрессии у̂ = -133+820х+3200d, где У – цена двухкомнатной квартиры (у.е.),
Х – полезная площадь, d – место расположения (d1=1 – в центре, d2=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с площадью 52 (м2)? 42 507
Пусть оценено уравнение регрессии у̂= -220+1370х-2200d, где У – цена двухкомнатной квартиры (у.е.),
Х – полезная площадь, d – тип дома (d=1 – дом панельный, d = 0 – дом кирпичный). Рассчитайте среднюю
стоимость квартиры, при условии, что начальная кодировка изменена: d=1 – дом кирпичный, d = 0 – дом
панельный, полезная площадь составляет 50 (м2), квартира расположена в кирпичном доме. 66 080
Для регрессионной модели у= f(x) + , где f(x) – нелинейная функция. Значение индекса корреляции
R=0,64. Моделью объяснена часть дисперсии переменной у, равная…. 0,4096
Для вычисления прогноза значения зависимой переменной в рамках модели множественной регрессии
нужно знать
значение случайного возмущения, u
значения независимых переменных
значения независимых и зависимой переменных
значение зависимой переменной У
Регрессором в уравнении парной линейной регрессии называется:
Объясняющая переменная
Случайная составляющая
Зависимая переменная
Фиктивная переменная
По аналитическому выражению различают модели:
Прямые и обратные
Парные и множественные
Линейные и криволинейные
Простые и сложные
При добавлении еще одной переменной в уравнение регрессии коэффициент детерминации:
Остается неизменным
Уменьшается
Не увеличивается
Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда значение коэффициента
корреляции равно… ((1 – 0,19)1/2) = 0,9
Коэффициент регрессии в экспоненциальной регрессии совокупного спроса на мобильные телефоны
(в тысячах рублей) по цене (в рублях) оказался равным «–0,15». Это означает, что
Увеличение цены на 1% снижает спрос на мобильные телефоны на 0,15%
Увеличение цены на 1рубль снижает спрос на мобильные телефоны на 0,15%
73
Полученное число никак не интерпретируется
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу пятьсот рублей
Точность оценок по МНК повышается , если увеличивается
Количество наблюдений
Количество факторов
Количество параметров
Количество итераций
Стандартизированный коэффициент уравнения регрессии 𝛽k показывает
На сколько единиц изменится результирующий показатель у при изменении фактора хk на 1 единицу
Все высказывания неверны
На сколько % изменится результирующий показатель у при изменении фактора хk на 1 %
На сколько % изменится фактор хk при изменении результирующего показателя у на 1 %
Допустим руководство решило построить магазин на улице со средней частотой посещений 7500 в день
и хотело бы иметь торговый оборот 4,75 млн. руб. Какова должна быть при этом торговая площадь ? Утоварооборот магазина, млн руб.,х1- торговая площадь, тыс кв м, х2 – среднее количество посетителей в день,
тыс. чел. У= -0,832+4,743*х1+0,175*х2
900 кв м
0,9 кв м
549 кв м
1000 кв м
Если две переменные независимы, то их теоретическая ковариация равна
½
1
-1
0
Строгая линейная зависимость между переменными – ситуация, когда _____ двух переменных равна 1
или -1
Сумма
Разность
Выборочная корреляция
Теоретическая корреляция
Проводится эконометрическое моделирование зависимости объема продаж компании от ряда
факторов: х1 – цены на товар, х2 – степени известности торговой марки фирмы, х3 – дохода потребителя, х4 –
цены «конкурентов». Фиктивной переменной в модели является …
х4
х1
х2
х3
Величина остаточной дисперсии зависимой переменной в ее общей дисперсии равна 0,2. Тогда
значение коэффициента детерминации составляет:
0,64
√0,2
√0,8
0,8
Коэффициент регрессии в линейной регрессии совокупного спроса на мобильные телефоны (в тысячах
рублей) по цене (в рублях) оказался равным «–1». Это означает, что
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
Полученное число никак не интерпретируется
74
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на 1%
Увеличение цены на 1% снижает спрос на мобильные телефоны на одну тысячу рублей
Увеличение цены на 1 рубль снижает спрос на мобильные телефоны на одну тысячу рублей
Известно, что доля остаточной дисперсии в общей составила 0,19. Тогда значение коэффициента
корреляции равно… 0,9
Имеются следующие данные: коэффициент регрессии b = 3,15, стандартная ошибка коэффициента
регрессии se(b) = 0,28. Чему равна правая граница доверительного интервала, если tта6л =2,11 при уровне
значимости α = 0,05. b+ se(b)* tта6л=3,74
Найдите верное высказывание. При оборе факторов путем постепенного наращивания их числа для
включения фактора в модель достаточно, чтобы
Изменение коэффициента множественной детерминации, вызванное добавлением фактора было
неотрицательным
Абсолютное значение парного коэффициента корреляции результирующего показателя и вновь
вводимого фактора был больше некоторого порогового значения
Ни одно из высказываний не верно
Новый фактор не коррелировал с ранее включенными в модель
Стандартный коэффициент уравнения 𝛽𝑘 применяется при проверке
При проверке статистической значимости k-го фактора
При проверке экономической значимости k-го фактора
При проверке на гомоскедастичность
При проверке важности фактора по сравнению с остальными факторами
Какой критерий используют для оценки значимости коэффициента корреляции в парной линейной
модели:
t-критерий Стьюдента
хи-квадрат
критерий Пирсона
d-критерий Дарбина—Уотсона
По следующим данным вычислите параметр b линейного уравнения регрессии (округлить до десятых):
𝑥̅𝑦= 120, 𝑥̅ = 10, 𝑦= 10, 𝑥̅2 = 149, 𝑦2 = 125, Эх = 0,4.
Общая сумма квадратов отклонений = 120 и остаточная сумма квадратов отклонений = 30, то сумма
квадратов отклонений, объясненная регрессией равна…90
К показателю, характеризующему качество модели, относят:
T-статистика
Коэффициент регрессии
Коэффициент детерминации
Коэффициент корреляции
В уравнении линейной множественной регрессии у̂= 5,85 + 10,8х1 + 9,4х2, где х1 – стоимость ОПФ (тыс.
руб.); х2 – численность занятых (тыс. руб.); у – объем промышленного производства (тыс. руб.). Параметр при
переменной х1, равный 10,8, означает, что при увеличении объема ОПФ на
объем промышленного
производства
при постоянной численности занятых.
На 1 тыс. руб. … увеличится на 10,8 тыс. руб.
Коэффициенты при сезонных фиктивных переменных показывают
численную величину изменения, происходящего
при смене сезона:
Спецификация множественной линейной регрессии имеет вид … y = a0 + a1x1 + … + a2xn + 
75
Какие из представленных функций линейны по параметрам?
у = α + β1х2+U
уа = β1 + β2х2 + U
y = α + βх3+ U
y = α + βlnх+ U
lny = α + βlnX+U
Пусть оценено уравнение регрессии у̂= -220+1370х-2200d, где У – цена двухкомнатной квартиры (у.е.),
Х – полезная площадь, d – тип дома (d=1 – дом панельный, d = 0 – дом кирпичный). Какова будет
интерпретация, если положить d=1 – дом кирпичный, d=0 – дом панельный?
Цена квартиры не зависит от материала (кирпичный или панельный)
Цена квартиры зависит только от полезной площади
Цена квартиры в кирпичном доме на 2200 ден. е. больше при прочих равных условиях Цена
квартиры в кирпичном доме на 2200 ден. е. меньше при прочих равных условиях Цена
квартиры в панельном доме на 2200 ден. е. больше при прочих равных условиях
Пусть оценено уравнение регрессии у̂ = -0,128+37х+3,45d, где У – расходы на потребление овощей
(руб.), Х – денежный доход (руб.), d – место проживания индивида (d=1 – если проживает в городе, d = 0 –
проживает в селе). Какова будет интерпретация, если положить d=1 – проживает в селе, d=0 – если проживает
в городе ?
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. больше, при прочих
равных условиях
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. меньше, при прочих
равных условиях
Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб. меньше, при прочих
равных условиях
Какие из представленных функций нелинейны по параметрам? НЕСКОЛЬКО
y = α + Х𝜷+U
y = αX1β1 X2β2 U
y = αeβх U
y = α + βх3+U
Ln = α + βlnX+U
Гиперболической моделью не является регрессионная модель y =  + 𝒙 + U
Линеаризация нелинейной модели может быть достигнута:
Сглаживанием переменных
Отбрасыванием нелинейных переменных
Преобразованием нелинейных переменных
Перекрестной суперпозицией переменных
Качество подбора нелинейного уравнения регрессии можно охарактеризовать на основе показателей
…
Индекса детерминации
Найдите верное высказывание. Стандартизированный коэффициент уравнения регрессии измеряется:
В процентах
В тех же единицах, что и фактор, при котором он стоит
Безразмерная величина
В тех же единицах, что и результирующий показатель
В модели вида y =  + 1  x1 + 2  x2 + 3  x3 +  количество объясняющих переменных равно …
76
2
3
4
1
Любой набор категорий можно описать некоторой совокупностью
Независимых
Количественных
Фиктивных
Случайных
переменных
Уравнение гиперболы
имеет вид:
𝟏
+𝒂
𝒚
̂=𝒂
𝒙
𝟎
𝟏𝒙
Фиктивные переменные включаются в уравнение множественной регрессии для учета действия на
результат признаков
характера
Качественного
Случайного
Несущественного
Количественного
Строится модель зависимости спроса от ряда факторов. Фиктивной переменной в данном уравнении
множественной регрессии не является
потребителя.
Уровень образования
Семейное положение
Пол
Доход
Фиктивными переменными в уравнении множественной регрессии могут быть …
Экономические показатели, выраженные в стоимостном измерении
Качественные переменные, преобразованные в количественные Переменные,
исходные значения которых не имеют количественного значения
Количественные переменные
Матрица парных линейных коэффициентов корреляции отображает…
Значения стандартизированных коэффициентов линейной регрессии
Вероятность значимости каждой объясняющей переменной
Тесноту линейной связи между переменными
Величину вклада каждой объясняющей переменной в общую дисперсию зависимой переменной
Стандартизированный коэффициент уравнения k применяется при проверке
При проверке статистической значимости k-го фактора
При проверке важности фактора по сравнению с остальными факторами
При проверке на гомоскедатичность
При проверке экономической значимости k-го фактора
Для вычисления прогноза значения зависимой переменной в рамках модели множественной регрессии
нужно знать:
значения независимых переменных
По выборочным данным оценено уравнение регрессии: y = -0,128 + 37*x + 3,45*d, где Y – расходы на
потребление овощей (руб.), X – денежный доход, d – место проживания индивида (d=1 – если проживает в
городе, d=0 – если проживает в селе). Какова будет интерпретация, если положить d=1 – проживает в селе,
d=0 – индивид проживае в городе?
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. больше, при прочих
77
равных условиях
78
Расходы зависят только от денежного дохода и не зависят от места проживания
Расходы на потребление овощей у индивида, проживающего в селе на 3,45 руб. меньше, при
прочих равных условиях
Расходы на потребление овощей у индивида, проживающего в городе на 3,45 руб. меньше, при прочих
равных условиях
Применим ли метод наименьших квадратов для расчета параметров показательной зависимости?
применим после ее приведения к линейному виду путем логарифмирования
На основании рядов данных для переменных x1, x2, и y построено уравнение регрессии: Y = 5 +
1.25*X1 + 0.86*X2. Если x1=2, x2=3, то эластичность результирующего показателя y относительно фактора
x1 (округлить до сотых) =
1,25*(2+3/2) и все это делим на 10,8(это наш у)
0,29
Множественный линейный коэффициент корреляции R равен 0,93. Какой процент вариации
зависимой переменной Y учтен в модели и обусловлен влиянием факторов x1 и x2
86,49%
Пусть оценено уравнение регрессии: y = -1,7 + 450*x + 1280*d, где y – цена двухкомнатной квартиры,
x – полезная площадь, d – место расположения (d=1 – в центре, d=0 – на окраине). Сколько будет стоить
квартира, расположенная на окраине, с полезной площадью 76 м2. = -1,7 + 450*76 + 1280*0= 34198,3
Пусть оценено уравнение регрессии: y = -0,16 + 10*x - 5*d1 + 3*d2, где y – заработная плата работника
данной фирмы, x – стаж работы, d1 – пол работника (d=1 – для женщин, d=0 – для мужчин), d2 – наличие у
работника высшего образования (d=1 – есть, d=0 – нет). Рассчитайте среднюю зарплату, при условии, что
начальная кодировка изменена: d1 = 1 - для мужчин, d1=0 – для женщин, стаж составляет 10 лет, работник
имеет высшее образование.
До перекодировки и после нее, результат остается одинаковым. Найдем у жен= -0,16 + 10*10 - 5*1 +
3*1=97,84, а у мужчин = -0,16 + 10*10 - 5*0 + 3*1=102,84, теперь найдем среднюю (97,84+102,84)/2 = 100.34
Что показывает коэффициент регрессии степенной модели?
относительную величину изменения у при изменении х на единицу
на сколько процентов изменится у, если х изменился на один процент
абсолютную величину изменения y при изменении х на единицу
на сколько процентов изменится у, если х изменился на единицу
Если функция спроса от цены характеризуется постоянной эластичностью, то моделирование
целесообразно проводить на основе
экспоненциальной функции
степенной функции
линейной функции
параболы второго порядка
При идентификации модели множественной регрессии y=a+b1*x1+b2*x2+b3*x3+b4*x4+e количество
оцениваемых параметров равно
6
5
3
4
При отборе факторов в модель множественной регрессии проводят анализ значений ежфакторной
детерминации
эластичности
регрессии
корреляции
79
Определение отдельного вклада каждой из независимых переменных в объясненную дисперсию в
случае их коррелированности является
задачей
достаточно простой
невыполнимой
первостепенной
достаточно сложной
По 39 точкам оценена следующая формула производственной функции, в которой отдельно
рассмотрены две составляющие затрат основного капитала: К1 – здания и сооружения, и К2 – машины и
оборудование; а также две составляющие затрат труда: L1 – затраты квалифицированного труда, и L2 –
затраты неквалифицированного труда; Y – выпуск: ln(Y) = -4,3 + 0,35ln(K1) + 0,26ln(K2) + 0,63ln(L1) +
0,58ln(L2)
(1,4)
(0,03)
(0,05)
(0,41)
(0,38);
R=0,92; DW=1,74 В скобках приведены стандартные ошибки коэффициентов.
Какой из выводов и дальнейших шагов представляется вам верным?
Формула зависимости приемлема по всем приведенным параметрам, и изменения не нужны
Имеет место мультиколлинеарность, поэтому нужно объединить факторы К1 и К2
Нужно исключить фактор L (переменные L1 и L2), т.к. он оказался незначимым (они должны быть
больше 2)
Имеет место мультиколлинеарность, поэтому нужно объединить факторы L1 и L2
Метод наименьших квадратом позволяет оценить
уравнений регрессии параметры
Из перечисленных моделей выберите регрессионные модели с одним уравнением: 1) модель цены от
объема поставки; 2) модель спроса и предложения; 3) модель тренда и сезонности; 4) модель зависимости
объема производства от производственных факторов:
2,4
1,4
все
2,3
Совокупность фиктивных
предназначенное для описания
набора категорий
неслучайно величины
количественного фактора
случайной составляющей
переменных
–
некоторое
количество
фиктивных
переменных,
Какую модель следует выбрать, если есть основания считать, что коэффициент эластичности не
изменяется?
экспоненциальную
линейную
показательную
степенную
Пусть оценено уравнение регрессии: y = -10450 + 305*x + 208*d, где y – расходы на мобильную связь,
x – доход, d – пол индивида (d=1 – мужчина, d=0 – женщина). Каковы будут расходы на мобильную связь у
мужчины с доходом 50 т.р? : y = -10450 + 305*50 + 208*1=5008
Пусть оценено уравнение регрессии: y = -220 + 1370*x + 2200*d, где y – цена двухкомнатной квартиры,
x – полезная площадь, d – тип дома (d=1 – панельный, d=0 – кирпичный). Рассчитайте среднюю стоимость
квартиры, при условии, что начальная кодировка изменится: d=1 – кирпичный дом, d=0 – панельный дом,
полезная площадь 50м2, квартира расположена в кирпичном доме. 68 280
Для регрессионной модели Y=f(x), где f(x) – нелинейная функция. Значение индекса корреляции
R=0,91. Моделью объяснена часть дисперсии переменной у, равная 0,83 (округлить до сотых)
80
Проводится эконометрическое моделирование зависимости объекта продаж компании от ряда
факторов: x1 - цены на товар, x2 - степени известности торговой марки фирмы, x3 - дохода потребителя, x4 цены «конкурентов». Фиктивной переменной в модели является
x4
x2
x3
x1
Применим ли МНК для расчета параметров показательной зависимости?
нет
применим после ее приведения к линейному виду путем логарифмирования
да
в зависимости от исходных данных
Независимая переменная может быть представлена как фиктивная в случае, если она:
подвержена сезонным колебаниям
является качественной по своему характеру
случайная
имеет трендовую составляющую
Фиктивная переменная является
кусочно-непрерывной
непрерывной
дискретной
случайной
величиной
Фиктивная переменная – переменная, принимающая в каждом наблюдении:
только отрицательные значения
только положительные значения
только два значения 0 или 1
ряд значений от 0 до 1
Уравнение множественной регрессии имеет вид:
y = -28,26 – 1,37x1 – 0,29x2. Параметр b1 = -1,37 означает следующее
при увеличении х1 на 1,37 единиц своего измерения переменная Y увеличится на одну единицу своего
измерения
при увеличении х1 на 1,37 единиц своего измерения и при фиксированном значении фактора х2,
переменная Y уменьшится на одну единицу своего измерения
при увеличении х1 на одну единицу своего измерения переменная Y уменьшится на 1,37 единиц своего
измерения
при увеличении х1 на одну единицу своего измерения и при фиксированном значении фактора х2,
переменная Y уменьшится на 1,37 единиц своего измерения
Пусть оценено уравнение регрессии: y = -220 + 1370*x + 2200*d, где y – цена двухкомнатной квартиры,
x – полезная площадь, d – тип дома (d=1 – панельный, d=0 – кирпичный). Как изменятся результаты, если
положить: d=1 – кирпичный дом, d=0 – панельный дом?
цена квартиры в кирпичном доме на 2200 д.е. меньше при прочих равных условиях
цена квартиры в панельном доме на 2200 д.е. больше при прочих равных условиях
цена квартиры в кирпичном доме на 2200 д.е. больше при прочих равных условиях
цена квартиры зависит только от полезной площади
Пусть оценено уравнение регрессии: y = -133 + 820*x + 3200*d1 + 1360*d2, где y – цена двухкомнатной
квартиры, x – полезная площадь, d1 – место расположения (d1=1 – в центре, d1=0 – на окраине), d2 – тип дома
(d2=1 – кирпичный, d2=0 – панельный). Сколько будет стоить квартира, площадью 52 м2, в панельном доме,
расположенная на окраине? y = -133 + 820*52 + 3200*0 + 1360*0=42 507
81
В уравнении линейной множественной регрессии y = 5,85 + 10,8*x1 +9,4*x2, где х1 – стоимость
основных производственных фондов; х2 – численность занятых; у – объем промышленного производства,
параметр при переменной х1, равный 10,8, означает, что при увеличении объема основных фондов на
объем промышленного производства
при постоянной численности занятых.
на 1 т.р. … уменьшится на 10,8 т.р.
на 1 т.р. … увеличится на 10,8 %
на 1 т.р. … увеличится на 10,8 т.р.
на 1 %. … уменьшится на 10,8 %
Пусть оценено уравнение регрессии: y = -0,16 + 10*x – 5*d1 +3*d2, где Y – заработная плата работника
данной фирмы, Х – стаж работы, d1 – пол работника (d=1 – для женщин, d=0 – для мужчин), d2 – наличие у
работника высшего образования (d=1 – есть, d=0 – нет). Какова будет интерпретация, если положить: d1 = 1 для мужчин, d1=0 – для женщин?
мужчины получают в среднем на 5 т.р. меньше при прочих равных условиях
женщины получают в среднем на 5 т.р. меньше при прочих равных условиях
интерпретация не изменится
мужчины получают в среднем на 5 т.р. больше при прочих равных условиях
Какое
из
уравнений
регрессии
𝒂𝟐
1) 𝒚 = 𝒂𝟎 + 𝒂𝟏𝒙 𝟏 + ⋯ + 𝜺
2) 𝑦 = 𝑎0 + 𝑎1𝑥̅ 1 + ⋯ + 𝑎2𝑥̅𝑛 + 𝜀
3)
𝑎1
𝑎𝑛
4)𝑦 = 𝑎 + + ⋯ + + 𝜀
0
𝑥̅1
нельзя
свести
к
линейному
виду:
𝑦 = 𝑒𝑎0 ⋅ 𝑥̅𝛼1 ⋅ … ⋅ 𝑥̅𝑎𝑛 ⋅ 𝜀
1
𝑛
𝑥̅𝑛
Уравнение гиперболы имеет вид:
𝟏
1)𝒚
̂ = 𝒂𝟎 + 𝒂𝟏 ⋅ 𝒙
82
2)𝑦̂= 𝑎0 ⋅ 𝑥̅𝑎1
3 ) 𝑦̂= 𝑎0 + 𝑎1𝑥̅ + 𝑎2𝑥̅2
4 ) 𝑦̂= 𝑎0 ⋅ 𝑎𝑥̅ 1
Дана матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
0,987
1
X2
0,754
0,451
1
X3
0,857
0,789
0,154
Коллинеарными являются факторы:
коллинеарность отсутствует
Y и X3
X1 и X3
X1 и X2
X2 и X3
Имеется матрица парных коэффициентов корреляции:
Y
X1
X2
Y
1
X1
-0,782
1
X2
0,451
-0,987
1
X3
0,842
0,465
0,303
Между какими признаками наблюдается мультиколлинеарность:
X1 и X2
X2 и X3
Y и X3
мультиколлинеарность отсутствует
X3
1
X3
1
83