Эконометрика лаб 7

ПРАВИЛЬНЫМ ОТВЕТОМ ВЕЗДЕ ЯВЛЯЕТСЯ ПЕРВЫЙ!

В каком случае может проявляться мультиколлинеарность?

1

в случае множественной регрессии

2

в случае парной регрессии

3

только в случае решения задач нелинейной регрессии

4

в случае наличия большого количества статистических выбросов

Что такое мультиколлинеарность?

1

линейная взаимосвязь двух или нескольких объясняющих переменных

2

мультипликативная модель регрессии

3

независимость эндогенной и экзогенных переменных

4

нелинейность одной или нескольких объясняющих переменных

Когда мультиколлинеаность является совершенной?

1

когда объясняющие переменные связаны строгой функциональной зависимостью

2

когда рассматриваются модели временных рядов

3

никогда - мультиколлинеарность не может быть совершенной

4

когда она красива до невозможности

Какие виды мультиколлинеарности существуют?

1

совершенная и несовершенная

2

парная и множественная

3

линейная и нелинейная

4

пространственная и временная

В чем состоит негативное влияние мультиколлинеарности?

1

в невозможности разделить влияние отдельных объясняющих переменных

2

в появлении статистических выбросов

3

в необходимости применять для решения метод последовательных разностей

4

в чрезмерной сложности получаемой модели

Что иллюстрируют диаграммы Вейна?

1

последствия наличия мультиколлинеарности в модели

2

воздействие эндогенной переменной на экзогенные

3

парность или множественной регрессии

4

тип исходных данных

Что такое коррелированность переменных?

1

зависимость переменных друг от друга

2

независимость переменных друг от друга

3

зависимость значений переменных от предыдущих значений

4

зависимость значений переменных от последующих значений

Может ли зависимая переменная

быть мультиколлинеарной?

1

нет, вообще мультиколлинеарность - свойство модели, а не переменной

2

да

3

нет, если только она не бинарная

4

да, если рассматривается модель временных рядов

Мультиколлинеарность - это

1

связь между собой объясняющих переменных

2

связь между объясняющими и зависимой переменными

3

связь между зависимой переменной и одной из объясняющих

4

связь между соседними наблюдениями исходных статистических данных

Что такое совершенная

мультиколлинеарность?

1

ситуация, когда объясняющие переменные связаны строгой функциональной зависимостью

2

идеальный вариант модели множественной регрессии

3

совершение действий по исключению незначимых факторов модели

4

показатель прекрасного качества исходных данных

Когда появляется совершенная мультиколлинеарность?

1

когда один из показателей является линейной комбинацией других

2

когда величина «Значимость F» больше 10%

3

когда количество статистических выбросов составляет больше половины наблюдений

4

когда коэффициент корреляции меньше 0,3

Что такое несовершенная

мультиколлинеарность?

1

это ситуация, когда между регрессорами существует высокая корреляция

2

это ситуация, когда между регрессорами существует обратная корреляция

3

это ситуация, когда между регрессорами отсутствует корреляция

4

это ситуация, когда между регрессорами существует стопроцентная корреляция

Чем обусловлено появление

мультиколлинеарности?

1

наличием связи между регрессорами (объясняющими переменными)

2

отсутствием связи между регрессорами и зависимой переменной

3

наличием связи между регрессорами и зависимой переменной

4

отсутствием связи между регрессорами (объясняющими переменными)

Возможно ли появление мультиколлинеарности в моделях парной регрессии?

1

нет

2

да

3

да, если недостаточно наблюдений

4

да, если есть статистические выбросы

Возможно ли появление мультиколлинеарности в моделях нелинейной регрессии?

1

да, только если это множественная регрессия

2

да, только если это парная регрессия

3

нет, если это не модели временных рядов

4

мультиколлинеарность появляется только в линейной регрессии

Каково основное негативное проявление мультиколлинеарности?

1

невозможно определить вклад каждой переменной х в их общее влияние на у

2

невозможно получить коэффициенты регрессии обычным МНК

3

отсутствуют итоговые величины расчетного у

4

невозможно определить тесноту связи между реальными и расчетными значениями у

Что является следствием мультиколлинеарности?

1

искажение экономического смысла коэффициентов регрессии

2

увеличение модулей остатков

3

появление статистических выбросов

4

искажение математического смысла коэффициента корреляции

Следствием наличия мультиколлинеарности

в регрессионной модели является

1

невозможность однозначного и достоверного определения коэффициентов регрессии

2

невозможность определения тесноты связи искомой регрессионной зависимости

3

появление статистических выбросов

4

изменение средних значений величин исходных данных проводимой регрессии

Что относится к характерным признакам мультиколлинеарности?

1

высокие Р-значения при значимой, в целом, модели

2

низкое значение величины «Значимость F»

3

низкое значение коэффициента корреляции

4

высокое значение коэффициента детерминаци

В качестве меры мультиколлинеарности в модели регрессии можно использовать

1

разность между коэффициентами R^2 множественной и суммы R^2 парных регрессий у на х

2

матрицу попарных корреляций

3

разность коэффициентов регрессии

4

коэффиицент Бета

Можно ли для устранения мультиколлинеарности

использовать процедуру удаления факторов?

1

да

2

нет

3

да, но только если коэффициент корреляции стремится к 0

4

да, но только если коэффициент корреляции стремится к 1

Что можно использовать

для устранения мультиколлинеарности?

1

изменение спецификации модели

2

введение еще одной зависимой переменной.

3

упорядочивание данных по возрастанию или по убыванию

4

увеличение количества наблюдений

Что такое предпосылки МНК?

1

условия, которые должны выполняться, чтобы регрессия по МНК давала лучшие результаты

2

предположительные значения параметров до выполнения регрессионного анализа

3

описание метода наименьших квадратов

4

построение моделей Множественной Нелинейной Корреляции

Что такое условия Гаусса-Маркова?

1

предпосылки для применения метода наименьших квадратов

2

условия соглашения между Гауссом и Марковым

3

описание процедуры регрессионного анализа

4

обоснование метода наименьших квадратов

Для чего должны выполняться условия Гаусса-Маркова?

1

чтобы регрессионный анализ, основанный на обычном МНК, давал наилучшие результаты

2

чтобы исследуемая выборка была репрезентативной

3

чтобы была возможность рассчитать параметры регрессии

4

чтобы можно было построить график зависимости исследуемых переменных

К каким последствиям не может привести нарушение предпосылок МНК?

1

к невозможности расчета параметров регрессии

2

к автокорреляции остатков

3

к мультиколлинеарности

4

к гетероскедастичности

Какими свойствами должны обладать оценки параметров регрессии,

проведенной с помощью МНК?

1

несмещенность, состоятельность и эффективность

2

парность и/или множественность

3

коррелированность

4

понятность, логичность и корректность

Что означает несмещенность регрессионной оценки?

1

равенство нулю математического ожидания остатков

2

что оценка всегда одинакова

3

равенство оценок для различных выборок

4

равенство оценок для различных наблюдений

Что означает эффективнность регрессионных оценок?

1

что их дисперсия является минимальной из всех возможных

2

что оценки в точности равны остаткам

3

равенство оценок для различных выборок

4

что в полученной регрессии наименьший коэффициент детерминации

Что означает состоятельность регрессионных оценок?

1

увеличение их точности при увеличении объема выборки

2

что оценки в точности равны остаткам

3

что их дисперсия является минимальной из всех возможных

4

что их количество является достаточным для достоверных прогнозов

Что такое математическая модель экономического объекта?

1

записанное в математической форме абстрактное отображение экономического объекта

2

произвольная математическая комбинация значений, характеризующих экономический объект

3

совокупность числовых характеристик, характеризующих экономический объект

4

графическое изображение экономического объекта

Исходные значения случайной величины Х – это

1

реальные значения

2

остатки

3

нормированные остатки

4

стандартные остатки

Какая функция Excel позволяет рассчитать дисперсию выборки значений случайной величины?

1

ДИСП

2

в Excel нет такой функции

3

ДИСПР

4

ВЫБДИСП

Что обозначается символом "сигма"

в эконометрических задачах?

1

СКО

2

коэффициент ковариации

3

математическое ожидание

4

коэффициент корреляции

Величина коэффициента корреляции

для взаимозависимых случайных величин

1

стремится к модулю единицы

2

стремится к нулю

3

равна коэффициенту ковариации

4

стремится к бесконечности

Для чего строится матрица попарных корреляций?

1

для определения тесноты линейной связи между парами всех изучаемых факторов

2

для построения графиков зависимости факторов между собой

3

для ликвидации асимметрии распределений изучаемых факторов

4

для нормализации эксцесса изучаемых факторов

Функциональная зависимость между переменными

1

задается точной формулой и проявляется определенно и точно при каждом наблюдении

2

означает невозможность табулирования значений переменных

3

проявляется в том, что при изменении одной из величин изменяется среднее значение другой

4

это фикция

Линейная связь между переменными означает, что

1

график их зависимости представляется прямой линией

2

график их зависимости представляется кривой линией

3

линии обоих графиков, построенных по значениям переменных, являются прямыми

4

линии графиков, построенных по значениям переменных, пересекаются

Что такое МНК?

1

метод наименьших квадратов

2

метод наибольших квадратов

3

метод наилучшего качества

4

множественная нелинейная корреляция

Для чего применяется МНК?

1

для оценки параметров регрессии

2

для расчета Мат. ожидания, Нелинейности и Коэффициента вариации

3

для перехода от нелинейной формы зависимости переменных к линейной

4

для определения достоверности статистики

Если увеличение объясняющей переменной приводит к уменьшению зависимой, значит

1

связь между ними является обратной

2

связь между ними является нелинейной

3

связь между ними отсутствует

4

в статистических данных - явная ошибка

В уравнении регрессии параметры регрессии обычно обозначаются как

1

а и b

2

R и R-квадрат

3

Р-значения

4

х и у

В уравнении регрессии факторы

обычно обозначаются как

1

х и у

2

а и b

3

R и R-квадрат

4

Р-значения

Эндогенная переменная уравнения регрессии - это

1

зависимая переменная

2

независимая переменная

3

бинарная переменная

4

свободный член уравнения

В результатах регрессионного анализа Y-пересечение - это

1

коэффициент регрессии а

2

значение у

3

фактор регрессии

4

величина остатка

Как в уравнении регрессии интерпретируется коэффициент перед переменной х?

1

показывает величину изменения у при единичном изменении х

2

показывает тесноту связи в уравнении регрессии

3

показывает среднее значение х

4

показывает статистическую значимость переменной х

Вероятность выполнения нуль-гипотезы для коэффициента регрессии оценивается с помощью

1

Р-значения этого коэффициента регрессии

2

значения этого коэффициента регрессии

3

величины TSS

4

преподавателя

В уравнении y = a + bx незначимость

коэффициента регрессии а означает, что

1

влияние коэффициента а на переменную у отсутствует

2

влияние переменной х на переменную у отсутствует

3

влияние переменной у на коэффициент а отсутствует

4

влияние коэффициента b на переменную у отсутствует

Для практического удаления из модели y = a + bx

незначимого коэффициента регрессии а необходимо

1

активизировать в окне "Регрессия" поле «Константа-ноль»

2

удалить из исходных данных столбец переменной у

3

перейти к нелинейной зависимости

4

удалить из исходных данных столбец переменной х

Что означает не значимость коэффициента регрессии?

1

что соответствующая ему независимая переменная не влияет на зависимую

2

что зависимая переменная не влияет на соответствующую ему независимую

3

что коэффициент рассчитан неверно

4

что регрессия является множественной

Величина «Значимость F» показывает

1

вероятность недостоверности коэффициента корреляцими

2

вероятность незначимости соответствующего коэффициента регрессии

3

вероятность наличия статистических выбросов

4

величину значительности Фишера

Что показывает коэффициент детерминации?

1

объясненную регрессией долю дисперсии зависимой переменной у

2

объясненную регрессией долю дисперсии независимой переменной х

3

объясненную долю ошибки уравнения регрессии

4

долю необъясненной дисперсии в общей дисперсии зависимой переменной

В результатах выполнения регрессионного анализа в Excel коэффициент детерминации отображается как:

1

R-квадрат

2

Значимость F

3

Множественный R

4

Y-пересечение

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"

Каковы последствия удаления статистических выбросов

в регрессионном анализе?

1

увеличение тесноты связи в модели

2

устранение автокорреляции

3

улучшение статистической значимости коэффициентов регрессии

4

возникающее чувство глубокого удовлетворения

Какая из нескольких описывающих одинаковую зависимость моделей

является наиболее устойчивой?

1

та, в которой отклонения коэффициентов регрессии от средних - наименьшие

2

модель, в которой установлена прямая и тесная связь между регрессорами

3

модель, являющаяся не парной, а множественной

4

самая нелинейная

Какие эконометрические модели строятся по различным типам исходных данных?

1

пространственные модели и модели временных рядов

2

линейные и нелинейные модели

3

парные и множественные модели

4

красивые и блестящие

Регрессионная модель Вашей задачи является

1

множественной линейной

2

множественной нелинейной

3

парной линейной

4

в начале решения - множественной, а в конце - парной

Мультиколлинеарность как проблема проявляется

1

только во множественной регрессии

2

только в парной регрессии

3

только в нелинейной регрессии

4

только во временных рядах

В каком случае не может проявляться мультиколлинеарность?

1

в случае парной регрессии

2

в случае множественной регрессии

3

в случае решения задач нелинейной регрессии

4

в моделях временных рядов

Возможно ли появление мультиколлинеарности

в моделях множественной регрессии?

1

да, только в них и возможно

2

нет, мультиколлинеарность проявляется только в парной регрессии

3

да, если недостаточно наблюдений

4

да, если есть статистические выбросы

Возможно ли появление мультиколлинеарности

в моделях временных рядов?

1

да

2

да, только если это парная регрессия

3

нет

4

да, только если это нелинейная модель

Можно ли определить степень влияния каждого фактора на результирующий показатель при наличии мультиколлинеарности?

1

нет

2

да

3

да, если наблюдений достаточно

4

нет, если есть статистические выбросы

Что относится к характерным признакам мультиколлинеарности?

1

высокие парные или частные коэффициенты корреляции

2

значение коэффициента дететрминации меньшее, чем значение коэффициента корреляции

3

низкая чувствительность коэффициентов регрессии к выборочным наблюдениям

4

наличие статистических выбросов

Коэффициент Бета показывает

1

на сколько СКО изменится у при изменении х на 1 СКО

2

на сколько единиц изменится у при изменении х на 1 единицу

3

возможность получения достоверных прогнозов по построенной модели

4

значимость константы в уравнении регрессии

Какой метод может быть использован

для устранения мультиколлинеарности?

1

метод исключения переменных

2

метод Хилдрета-Лу

3

метод наименьших квадратов

4

метод факториалов

Каковы последствия невыполнения

условий Гаусса-Маркова?

1

полученные по МНК результаты не будут лучшими (и, возможно, будут некорректными)

2

невозможность усиления связи между зависимой и объясняющими переменными

3

невозможность применения бинарных переменных в регрессионном анализе

4

невозможность рассчитать регрессию по МНК

Среднеквадратичное отклонение

случайной величины показывает

1

абсолютную величину разброса случайной величины вокруг ее среднего значения

2

относительную величину разброса случайной величины вокруг ее среднего значения

3

квадрат среднего отклонения случайной величины от ее математического ожидания

4

среднее значение случайной величины

Дисперсия случайной величины - это

1

мера отклонения случайной величины от ее математического ожидания

2

квадрат математического ожидания случайной величины

3

сумма квадратов всех значений случайной величины

4

среднее значение дискретной случайной величины

Какая функция Excel позволяет рассчитать дисперсию

генеральной совокупности значений случайной величины?

1

ДИСПР

2

СТАНДОТКЛОН

3

ДИСП

4

в Excel нет такой функции

Коэффициент корреляции является

1

мерой тесноты линейной связи между исследуемыми переменными

2

показателем отклонения ковариации от среднего значения

3

центрированным коэффициентом ковариации

4

средним значением многомерной случайной величины

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

Для оценки формы связи между переменными служит

1

уравнение регрессии

2

значения дисперсий исследуемых переменных

3

коэффициент корреляции

4

сумма квадратов отклонений реальных значений переменных от расчетных

Экзогенная переменная уравнения регрессии - это

1

независимая переменная

2

зависимая переменная

3

бинарная переменная

4

свободный член уравнения

Для выявления значимости

коэффициентов регрессии используется

1

процедура проверки статистических нуль-гипотез

2

метод Хилдрета-Лу

3

таблица величин стандартных остатков

4

значение нормированного коэффициента детерминации

В уравнении y = a + bx незначимость

коэффициента регрессии b означает, что

1

влияние переменной х на переменную у отсутствует

2

влияние переменной у на коэффициент b отсутствует

3

влияние коэффициента b на переменную х отсутствует

4

влияние переменной х на коэффициент b отсутствует

В уравнении y = a + bx незначимость

Y-пересечения означает, что

1

в уравнении регрессии отсутствует константа

2

влияние переменной х на переменную у отсутствует

3

a + bx равно нулю

4

статистические данные по у недостоверны

Сколько условий обязательно должно выполняться для признания регрессионной модели качественной?

1

три

2

четыре

3

восемь

4

семь

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

Как связаны между собой коэффициенты корреляции и детерминации?

1

коэффициент детерминации – это квадрат коэффициента корреляции

2

коэффициент корреляции – это квадрат коэффициента детерминации

3

никак

4

коэффициент детерминации – это корень квадратный из коэффициента корреляции

Если модуль стандартизованного остатка наблюдения больше 2, это значит

1

что наблюдение является статистическим выбросом

2

наблюдение лежит на линии регрессии

3

наблюдение близко расположено к линии регрессии

4

нельзя применять метод наименьших квадратов