Эконометрика лаб 6
.docxПРАВИЛЬНЫМ ОТВЕТОМ ВЕЗДЕ ЯВЛЯЕТСЯ ПЕРВЫЙ! |
||
Что такое временной ряд? |
1 |
массив значений одного показателя в последовательные моменты времени |
2 |
перечисление различных по длительности временных интервалов |
|
3 |
приведение исходных данных к определенному моменту времени |
|
4 |
массив значений различных показателей в определенный момент времени |
|
Какие эконометрические модели строятся по различным типам исходных данных? |
1 |
пространственные модели и модели временных рядов |
2 |
парные и множественные модели |
|
3 |
красивые и блестящие |
|
4 |
линейные и нелинейные модели |
|
Пространственные модели - это математические модели |
1 |
построенные по данным, характеризующим ряд объектов в один момент времени |
2 |
построенные по данным, характеризующим объект в разных пространственных положениях |
|
3 |
описывающие изменение различных объектов в различные моменты времени |
|
4 |
являющиеся наиболее качественными из всех возможных регрессионных моделей |
|
Модели временных рядов - это математические модели |
1 |
построенные по данным, описывающим объект за ряд последовательных моментов времени |
2 |
описывающие изменение различных объектов в один (базовый) момент времени |
|
3 |
временно принимаемые как результирующие - до получения более качественных |
|
4 |
построенные по данным, характеризующим ряд объектов в один момент времени |
|
Что такое исходный уровень временного ряда? |
1 |
наблюдение (значение) временного ряда в один момент времени |
2 |
минимальное из значений временного ряда |
|
3 |
среднее значение временного ряда |
|
4 |
дисперсия временного ряда |
|
Факторы, формирующие временной ряд, делятся на группы: |
1 |
трендовая, циклическая и случайная компоненты |
2 |
положительная и отрицательная составляющая |
|
3 |
линейная и нелинейная компоненты |
|
4 |
временная и пространственная компоненты |
|
Какие из перечисленнных факторов имеют отношение к формированию временного ряда? |
1 |
трендовая, циклическая и случайная компоненты |
2 |
явные, неявные и полутоновые факторы |
|
3 |
параллельные и последовательные |
|
4 |
временная и пространственная компоненты |
|
Что такое трендовая компонента? |
1 |
фактор, формирующий тенденцию временного ряда |
2 |
главная объединяющая часть любой компании трендов |
|
3 |
компонента, объясняющая дисперсию остатков временного ряда |
|
4 |
линейное представление реального тренда объясняющей переменной |
|
Тренд временного ряда - это |
1 |
аналитическая функция, характеризующая зависимость уровней ряда от времени |
2 |
значение коэффициента детерминации, рассчитанного по данным временного ряда |
|
3 |
суммарное значение периодов времени по всему ряду |
|
4 |
временное преобразование уровней ряда |
|
Трендовая компонента показывает |
1 |
насколько переменная, используемая в анализе, зависит от влияния периодов времени |
2 |
путь, по которому надо идти, чтобы достичь нирваны |
|
3 |
тесноту связи в модели временного ряда |
|
4 |
композицию объясняющей и зависимой переменных модели |
|
Тенденция временного ряда - это |
1 |
явно выраженное направление движения временного ряда |
2 |
изменение значений ряда с изменением периодов времени |
|
3 |
чередование высоких и низких значений временного ряда |
|
4 |
чередование положительных и отрицательных значений временного ряда |
|
Моделирование (выявление) трендовой компоненты производится |
1 |
с помощью построения тренда |
2 |
только в нелинейной модели |
|
3 |
по интуиции |
|
4 |
при помощи графика |
|
Положительный коэффициент трендовой компоненты означает
|
1 |
возрастающую тенденцию временного ряда |
2 |
убывающую тенденцию временного ряда |
|
3 |
явно значимую тенденцию временного ряда |
|
4 |
отсутствие тенденции временного ряда |
|
При выделении тренда временного ряда переменной х в качестве зависимой переменной выбирается |
1 |
переменная х |
2 |
переменная t |
|
3 |
переменная у |
|
4 |
произведение переменных х и t |
|
При выделении тренда временного ряда переменной у в качестве зависимой переменной выбирается |
1 |
переменная у |
2 |
произведение переменных х и у |
|
3 |
переменная х |
|
4 |
переменная t |
|
Что такое аналитическое выравнивание временного ряда? |
1 |
это построение тренда временного ряда |
2 |
это выстраивание значений временного ряда в порядке возрастания |
|
3 |
это представление временного ряда как аналитически рассчитанного значения |
|
4 |
это выстраивание значений временного ряда в порядке убывания |
|
Для чего применяется метод последовательных разностей? |
1 |
для устранения тенденции временного ряда |
2 |
для поиска линейной зависимости между у и х |
|
3 |
для последовательного нахождения сезонной компоненты |
|
4 |
для вычисления разности между реальными и расчетными значениями у |
|
Метод последовательных разностей заключается |
1 |
в замене исходных уровней ряда первыми или вторыми разностями |
2 |
в последовательном вычитании реальных значений ряда из расчетных |
|
3 |
в последовательном удалении статистических выбросов |
|
4 |
в нахождении разности коэффициентов корреляции и детерминации |
|
Что такое первые разности в задачах моделирования временных рядов? |
1 |
это разности между текущим и предыдущим уровнями исходного временного ряда |
2 |
это разности между значениями х и у для каждого уровня временного ряда |
|
3 |
это разности между последовательными значениями временных периодов ряда |
|
4 |
это разности между значениями эндогенной переменной и t |
|
Можно ли при наличии нелинейной тенденции во временных рядах использовать метод последовательных разностей? |
1 |
можно |
2 |
для устранения тенденции - нельзя |
|
3 |
да, причем этот метод и можно применять только при нелинейной тенденции |
|
4 |
нет, этот метод можно применять только при линейной тенденции |
|
Если тенденция временного ряда представляет собой параболу 2-го порядка, то для моделирования тренда |
1 |
можно применить метод вторых разностей |
2 |
нет подходящих условий |
|
3 |
можно применять только аналитическое выравнивание |
|
4 |
можно применить метод первых разностей |
|
Временной ряд в эконометрических моделях может быть описан |
1 |
аддитивной или мультипликативной моделью |
2 |
хорошим литературным языком |
|
3 |
только аддитивной моделью |
|
4 |
только мультипликативной моделью |
|
Аддитивная модель временного ряда представляет собой |
1 |
сумму трендовой, циклической и случайной компонент |
2 |
сумму произведений трендовой, циклической и случайной компонент |
|
3 |
сумму квадратов отклонений трендовой, циклической и случайной компонент |
|
4 |
произведение трендовой, циклической и случайной компонент |
|
Мультипликативная модель временного ряда представляет собой |
1 |
произведение трендовой, циклической и случайной компонент |
2 |
сумму трендовой, циклической и случайной компонент |
|
3 |
сумму произведений трендовой, циклической и случайной компонент |
|
4 |
сумму квадратов отклонений трендовой, циклической и случайной компонент |
|
Качество модели при определении наличия тенденции во временном ряде определяется |
1 |
так же, как и в любой другой регрессионной модели |
2 |
при помощи расчета последовательных разностей |
|
3 |
при анализе тенденции качество модели не проверяется |
|
4 |
методом выявления временных интервалов |
|
Может ли трендовая компонента временного ряда быть нелинейной? |
1 |
да - она, в принципе, может быть как линейной, так и нелинейной |
2 |
все в нашем мире обладает свободой выбора |
|
3 |
да, более того, она не может быть линейной |
|
4 |
нет, она может быть только линейной |
|
Нелинейный тренд временного ряда находится |
1 |
путем линеаризации |
2 |
только для мультипликативной модели |
|
3 |
после исключения линейной трендовой компоненты |
|
4 |
исключением сезонной компоненты |
|
Статистическая незначимость переменной t (время) в тренде переменной х означает |
1 |
что уровни ряда х не зависят от периодов времени |
2 |
что уровни ряда х зависят от периодов времени |
|
3 |
что статистических данных для построения тренда взято недостаточно |
|
4 |
ничего не означает - значимость переменной t не играет никакой роли в построении тренда х |
|
Статистическая значимость переменной t (время) в тренде переменной х означает |
1 |
что уровни ряда х зависят от периодов времени |
2 |
что статистических данных для построения тренда взято достаточно |
|
3 |
ничего не означает - значимость переменной t не играет никакой роли в построении тренда х |
|
4 |
что уровни ряда х не зависят от периодов времени |
|
Для моделирования сезонной компоненты временного ряда можно применить |
1 |
расчет скользящих средних |
2 |
любой из перечисленных методов |
|
3 |
метод аналитического выравнивания временного ряда |
|
4 |
метод последовательных разностей |
|
Может ли сезонная компонента временного ряда быть нелинейной? |
1 |
да, более того, она не может быть линейной |
2 |
нет, она может быть только линейной |
|
3 |
да - она, в принципе, может быть как линейной, так и нелинейной |
|
4 |
все в нашем мире обладает свободой выбора |
|
Теснота связи в уравнении регрессии, построенном по данным временных рядов, определяется с помощью |
1 |
коэффициента корреляции |
2 |
сезонной компоненты |
|
3 |
случайной компоненты |
|
4 |
трендовой компоненты |
|
Что такое сезонная компонента временного ряда? |
1 |
фактор, формирующий циклические колебания временного ряда |
2 |
Р-значение для бинарной переменной, описывающей сезон |
|
3 |
значение бинарной переменной, описывающей сезон |
|
4 |
фактор, формирующий тенденцию временного ряда |
|
В каких случаях при моделировании циклической компоненты временного ряда используется аддитивная модель? |
1 |
если амплитуда колебаний временного ряда приблизительно постоянна |
2 |
только при наличии трендовой компоненты |
|
3 |
только при отсутствии трендовой компоненты |
|
4 |
если амплитуда колебаний временного ряда возрастает или уменьшается |
|
В каких случаях при моделировании циклической компоненты временного ряда используется мультипликативная модель? |
1 |
если амплитуда колебаний временного ряда возрастает или уменьшается |
2 |
если амплитуда колебаний временного ряда приблизительно постоянна |
|
3 |
только при наличии трендовой компоненты |
|
4 |
только при отсутствии трендовой компоненты |
|
Коэффициент корреляции в задачах временных рядов |
1 |
является безразмерной величиной |
2 |
измеряется в денежных единицах |
|
3 |
измеряется в единицах времени |
|
4 |
измеряется в произведении денежных и временных единиц |
|
Достоверность коэффициента корреляции в решении Excel для задач временных рядов определяется с помощью |
1 |
Значимости F |
2 |
коэффициента детерминации |
|
3 |
стандартной ошибки уравнения регрессии |
|
4 |
Р-значения |
|
Величина «Значимость F» показывает |
1 |
вероятность недостоверности коэффициента корреляцими |
2 |
вероятность незначимости соответствующего коэффициента регрессии |
|
3 |
вероятность наличия статистических выбросов |
|
4 |
величину значительности Фишера |
|
Можно ли обоснованно предположить наличие сезонной компоненты во временном ряде, ориентируясь на график временного ряда? |
1 |
да - и это самый простой способ |
2 |
можно, только если раскрыт "третий глаз" |
|
3 |
нет |
|
4 |
обоснованно - нет, можно лишь угадать |
|
В каком случае коэффициент корреляции может быть не достоверен? |
1 |
в случае нерепрезентативности выборки |
2 |
в случае, если его величина меньше 0,7 |
|
3 |
в случае, если он отрицателен |
|
4 |
в случае, если единицы измерения переменных Х и Y различны |
|
В каком случае коэффициент корреляции считается незначимым? |
1 |
если величина "Значимость F" больше 0,05 |
2 |
если его значение по модулю меньше 0,7 |
|
3 |
если величина "Нормированный R-квадрат" больше 0,5 |
|
4 |
если величина "Значимость F" меньше либо равна 0,05 |
|
Что показывает коэффициент детерминации? |
1 |
объясненную регрессией долю дисперсии зависимой переменной у |
2 |
объясненную долю ошибки уравнения регрессии |
|
3 |
долю необъясненной дисперсии в общей дисперсии зависимой переменной |
|
4 |
объясненную регрессией долю дисперсии независимой переменной х |
|
Какой показатель выражает, какая доля используемых в регрессионном анализе наблюдений описывается регрессионной моделью? |
1 |
коэффициент детерминации |
2 |
нормированный коэффициент детерминации |
|
3 |
Значимость F |
|
4 |
коэффициент корреляции |
|
Что показывает величина нормированного коэффициента детерминации? |
1 |
какая доля общей дисперсии объясняется включенными в регрессионную модель факторами |
2 |
норму, рассчитанную для коэффициента детерминации конкретной модели |
|
3 |
прямая или обратная связь существует между зависимой и независимой переменными модели |
|
4 |
какая доля общей дисперсии объясняется уравнением регрессии |
|
Величина RSS показывает |
1 |
величину дисперсии зависимой переменной, объясненной регрессией |
2 |
величину дисперсии зависимой переменной, не объясненной регрессией |
|
3 |
величину коэффициента детерминации |
|
4 |
общий разброс зависимой переменной вокруг ее среднего значения |
|
Как рассчитывается коэффициент детерминации? |
1 |
RSS / TSS |
2 |
ESS / TSS |
|
3 |
ESS / RSS |
|
4 |
TSS / ESS |
|
Что такое остаток? |
1 |
разность между реальным и расчетным значением у |
2 |
разность между расчетным и средним значением у |
|
3 |
разность между 1 и величиной «Р-значение» |
|
4 |
разность между 0,7 и величиной коэффициента корреляции |
|
Судя по исходным данным, связь между временными рядами в Вашей задаче |
1 |
="является "&ЛЕВСИМВ(#ССЫЛКА!B91;ДЛСТР(#ССЫЛКА!B91)-2)&"ой" |
2 |
="является "&#ССЫЛКА!B92 |
|
3 |
является нелинейной |
|
4 |
отсутствует |
|
Что такое статистический выброс? |
1 |
наблюдение, которое резко отклоняется от линии регрессии |
2 |
наблюдение, для которого совпадают реальное и расчетное значения y |
|
3 |
наблюдение, для которого совпадают реальное и среднее значения у |
|
4 |
последнее наблюдение в выборке |
|
Какое наблюдение считается статистическим выбросом? |
1 |
наблюдение, величина стандартного остатка которого по модулю больше 2 |
2 |
наблюдение, величина стандартного остатка которого по больше 0,05 (5%) |
|
3 |
наблюдение, не вошедшее в выборку, по которой производится регрессионный анализ |
|
4 |
наблюдение, порядковый номер которого больше 40 |
|
В каких случаях не обязательно удаление статистических выбросов? |
1 |
в случае сильной связи в регрессионной модели |
2 |
в случае репрезентативности выборки |
|
3 |
статистические выбросы необходимо исключать из модели всегда |
|
4 |
в случае построения нелинейной модели |
|
Каковы последствия удаления статистических выбросов в регрессионном анализе? |
1 |
увеличение тесноты связи в модели |
2 |
возникающее чувство глубокого удовлетворения |
|
3 |
устранение автокорреляции |
|
4 |
улучшение статистической значимости коэффициентов регрессии |
|
Почему по результатам первого регрессионного анализа Вашей задачи нельзя сделать обоснованный вывод о наличии связи между Xt и Yt? |
1 |
это не согласуется с экономическим смыслом переменных и их связи |
2 |
потому что между данными переменными нет тесной связи |
|
3 |
потому что количество наблюдений, взятое для анализа, недостаточно |
|
4 |
а почему нельзя-то? можно |
|
Почему при решении задачи методом последовательных разностей Вы применяли первые разности? |
1 |
потому что временные ряды х и у содержат сильную линейную тенденцию |
2 |
потому что никаких других разностей и не существует |
|
3 |
потому что и х, и у зависят от времени |
|
4 |
потому что у не зависит от х |
|
Функция, описывающая корреляционную зависимость между х и у, называется |
1 |
регрессией у на х |
2 |
корреляционной функцией f(x,y) |
|
3 |
корреляционным полем |
|
4 |
регрессией х на у |
|
Что является математической моделью в эконометрических задачах, решаемых по данным временных рядов? |
1 |
уравнение регрессии у на х |
2 |
подробное описание параметров задачи |
|
3 |
графики исследуемых переменных |
|
4 |
математические расчеты величин исследуемых переменных |
|
Базовые элементы каких наук используются в эконометрических исследованиях? |
1 |
математики, экономики, статистики |
2 |
теории вероятностей и геометрии |
|
3 |
микро-, миди- и макроэкономики |
|
4 |
информатики |
|
Какой метод позволяет определить оценки параметров регрессии в задачах временных рядов? |
1 |
метод наименьших квадратов |
2 |
метод последовательных разностей |
|
3 |
трендовый метод |
|
4 |
метод аналитического выравнивания временного ряда |
|
Какой вид регрессионной зависимости не может существовать? |
1 |
парная множественная |
2 |
парная линейная |
|
3 |
множественная линейная |
|
4 |
парная нелинейная |
|
Эндогенная переменная уравнения регрессии - это
|
1 |
зависимая переменная |
2 |
независимая переменная |
|
3 |
бинарная переменная |
|
4 |
свободный член уравнения |
|
Экзогенная переменная уравнения регрессии - это |
1 |
независимая переменная |
2 |
фиктивная переменная |
|
3 |
свободный член уравнения |
|
4 |
зависимая переменная |
|
Что выбирается в качестве эндогенной переменной уравнения регрессии, построенного на основе временных рядов? |
1 |
зависимая переменная |
2 |
независимая переменная |
|
3 |
любая из переменных |
|
4 |
переменная, характеризующая периоды времени |
|
Что выбирается в качестве экзогенной переменной уравнения регрессии, построенного на основе временных рядов? |
1 |
независимая переменная |
2 |
зависимая переменная |
|
3 |
всегда - переменная, характеризующая периоды времени |
|
4 |
самая экзотическая из переменных |
|
Сколько объясняющих переменных может быть в уравнении регрессии? |
1 |
произвольное количество (желательно, не более трети от числа наблюдений) |
2 |
только одна |
|
3 |
в парной регрессии - не более двух, во множественной - сколько угодно |
|
4 |
для получения достоверной модели - не менее 20-ти |
|
В уравнении регрессии у = a + bx коэффициент а показывает |
1 |
величину у при равенстве х нулю |
2 |
является ли связь между зависимой и независимыми переменными тесной |
|
3 |
величину случайной составляющей в уравнении регрессии |
|
4 |
величину изменения у при единичном изменении х |
|
В уравнении регрессии у = a + bx коэффициент b показывает |
1 |
величину изменения у при единичном изменении х |
2 |
величину у при равенстве х нулю |
|
3 |
является ли связь между зависимой и независимыми переменными тесной |
|
4 |
величину случайной составляющей в уравнении регрессии |
|
Коэффициенты регрессии распределены по |
1 |
распределению Стьюдента |
2 |
распределению Фишера |
|
3 |
произвольному распределению |
|
4 |
нормальному распределению |
|
О значимости коэффициента регрессии можно судить по |
1 |
величине Р-значения |
2 |
величине Значимость F |
|
3 |
величине коэффициента регрессии |
|
4 |
величине коэффициента корреляции |
|
Что означает статистическая незначимость параметра (коэффициента) регрессии? |
1 |
высокую вероятность равенства данного параметра нулю |
2 |
наличие статистических выбросов |
|
3 |
слабую связь в построенном уравнении регрессии |
|
4 |
недостаточность количества исходных наблюдений |
|
Нуль-гипотеза для какого-либо параметра состоит в предположении, что |
1 |
этот параметр является нулевым |
2 |
этот параметр не учитывался в регрессионном анализе |
|
3 |
этот параметр не нуждается в корректировке |
|
4 |
этот параметр имеет нулевое отклонение от среднего значения |
|
Временной ряд - это
|
1 |
совокупность значений одного показателя за несколько последовательных моментов времени |
2 |
временное обозначение каких-либо регрессионных показателей |
|
3 |
совокупность значений какого-либо показателя за конкретный момент или период времени |
|
4 |
рядовые данные о последовательных моментах времени |
|
Какой тип моделей используется в Вашей задаче?
|
1 |
модели временных рядов |
2 |
пространственные модели |
|
3 |
разные типы |
|
4 |
множественные регрессионные модели |
|
Для чего в эконометрике используются временные ряды?
|
1 |
для построения моделей на основе данных об объекте за различные периоды времени |
2 |
для построения моделей на основе данных о рядах объектов за определенный период времени |
|
3 |
для упорядочивания данных по времени |
|
4 |
для упорядочивания данных по рядам |
|
Временной ряд может быть описан с помощью
|
1 |
трендовой, циклической и случайной компонент |
2 |
временной и пространственной компонент |
|
3 |
ручки "Паркер" |
|
4 |
модели Торнквиста |
|
Какой из факторов не имеет отношения к формированию временного ряда в эконометрических моделиях? |
1 |
нелинейная компонента |
2 |
трендовая компонента |
|
3 |
циклическая компонента |
|
4 |
случайная компонента |
|
Что такое тренд в эконометрических задачах?
|
1 |
тенденция временного ряда |
2 |
математическая модель временного ряда |
|
3 |
формула мультипликативной зависимости во временном ряде |
|
4 |
графическое отображение временного ряда |
|
Построение тренда временного ряда - это
|
1 |
построение аналитической функции, характеризующей зависимость уровней ряда от времени |
2 |
построение графика временного ряда |
|
3 |
расчет дисперсии временного ряда |
|
4 |
занятие для настоящих профессионалов |
|
Трендовая компонента выделяется
|
1 |
для освобождения значений переменных от влияния временных периодов |
2 |
для построения графика временного ряда |
|
3 |
для удаления статистических выбросов |
|
4 |
для исключения влияния времени на первые наблюдения зависимой переменной |
|
Тенденция временного ряда в эконометрических задачах описывается с помощью
|
1 |
трендовой компоненты |
2 |
сезонной компоненты |
|
3 |
случайной компоненты |
|
4 |
учебника по эконометрике |
|
Отрицательный коэффициент
|
1 |
убывающую тенденцию временного ряда |
2 |
незначимую тенденцию временного ряда |
|
3 |
отсутствие тенденции временного ряда |
|
4 |
возрастающую тенденцию временного ряда |
|
При выделении тренда временного ряда переменной х в качестве независимой переменной выбирается |
1 |
переменная t |
2 |
переменная у |
|
3 |
произведение переменных у и t |
|
4 |
переменная х |
|
При выделении тренда временного ряда переменной у в качестве независимой переменной выбирается |
1 |
переменная t |
2 |
переменная у |
|
3 |
произведение переменных x и t |
|
4 |
переменная х |
|
Метод последовательных разностей можно применять |
1 |
для устранения тенденции временного ряда |
2 |
только для наружного применения |
|
3 |
для моделирования случайной компоненты |
|
4 |
для перевода временного ряда в класс пространственных моделей |
|
Какие модели существуют для описания временных рядов?
|
1 |
аддитивная, мультипликативная |
2 |
модель последовательно-временных приближений |
|
3 |
модель Торнквиста |
|
4 |
трендовая, циклическая |
|
Качество модели при определении наличия случайной компоненты во временном ряде определяется |
1 |
так же, как и в любой другой регрессионной модели |
2 |
при помощи расчета последовательных разностей |
|
3 |
при анализе тенденции качество модели не проверяется |
|
4 |
методом выявления временных интервалов |
|
Регрессионная модель считается качественной, если выполняются следующие условия: |
1 |
| Множественный R | >= 0,7, Значимость F < 0,05, все Р-значения < 0,05 |
2 |
Множественный R > 0, отстутсвие статистических выбросов |
|
3 |
| Множественный R | >= 0,5, Y-пересечение >= 1, Р-значения для х < 0,05 |
|
4 |
| Множественный R | > 0,05, Значимость F <= 0,7, все Р-значения <= 5 |
|
Для чего служит величина "Значимость F"? |
1 |
для определения достоверности коэффициента корреляции |
2 |
для определения тесноты связи в построенном уравнении регрессии |
|
3 |
является одним из коэффициентов уравнения регрессии |
|
4 |
для определения стандартной ошибки уравнения регрессии |
|
Причиной недостоверности коэффициента корреляции может служить |
1 |
недостаточное количество наблюдений |
2 |
величина Значимости F, большая 5% |
|
3 |
невозможность точного определения доверительного интервала для параметров a и b |
|
4 |
незначимость соответствующих коэффициентов регрессии |
|
В каком случае коэффициент корреляции признается не достоверным? |
1 |
если Значимость F больше или равна 5% |
2 |
если Множественный R меньше 0,7 |
|
3 |
если Стандартная ошибка больше 0,5 |
|
4 |
если Р-значение меньше 5% |
|
В результатах решения Вашей задачи коэффициент детерминации отображается как: |
1 |
R-квадрат |
2 |
Значимость F |
|
3 |
Множественный R |
|
4 |
Y-пересечение |
|
Какой показатель выражает, какая доля используемых в регрессионном анализе наблюдений описывается включенными в модель факторами? |
1 |
нормированный коэффициент детерминации |
2 |
Значимость F |
|
3 |
коэффициент корреляции |
|
4 |
коэффициент детерминации |
|
Величина ЕSS показывает |
1 |
величину дисперсии зависимой переменной, не объясненной регрессией |
2 |
величину коэффициента корреляции |
|
3 |
общий разброс зависимой переменной вокруг ее среднего значения |
|
4 |
величину дисперсии зависимой переменной, объясненной регрессией |
|
Какой должна быть сумма квадратов остатков при использовании МНК?
|
1 |
минимальной |
2 |
максимальной |
|
3 |
нулевой |
|
4 |
положительной |
|
Что такое статистический выброс?
|
1 |
нетипичное наблюдение, подлежащее удалению |
2 |
стандартная ошибка уравнения регрессии |
|
3 |
незначимый коэффициент корреляции |
|
4 |
процесс отбрасывания незначимых переменных модели |
|
Каким образом при решении регрессионной задачи в пакете Excel обнаруживаются статистические выбросы?
|
1 |
по величинам стандартных остатков наблюдений |
2 |
по величинам Р-значений |
|
3 |
по величинам стандартных ошибок |
|
4 |
с помощью активизации поля "Константа-ноль" в окне "Регрессия" |
|
В каких случаях необходимо удаление статистических выбросов?
|
1 |
в случае низкого значения коэффициента корреляции |
2 |
в случае высокого значения коэффициента корреляции |
|
3 |
в случае, если Значимость F больше 5% |
|
4 |
в случае построения нелинейной модели |