Эконометрика лаб 3
.docxПРАВИЛЬНЫМ ОТВЕТОМ ВЕЗДЕ ЯВЛЯЕТСЯ ПЕРВЫЙ! |
||
При решении эконометрических задач уравнение регрессии является
|
1 |
математической моделью зависимости переменных |
2 |
показателем применимости линейной формулы связи между переменными |
|
3 |
инструментом для расчета числовых характеристик исследуемых величин |
|
4 |
оценочной базой тесноты связи исследуемых переменных |
|
Уравнение регрессии оценивает |
1 |
форму зависимости исследуемых переменных |
2 |
тесноту связи исследуемых переменных |
|
3 |
причину наличия случайной составляющей |
|
4 |
сумму квадратов отклонений реальных значений от расчетных |
|
Что в Вашей задаче выбрано в качестве зависимой переменной? |
1 |
накладные расходы |
2 |
объем работ |
|
3 |
численность рабочих |
|
4 |
фонд заработной платы |
|
Какой вид регрессионной зависимости не может существовать? |
1 |
парная множественная |
2 |
парная линейная |
|
3 |
множественная линейная |
|
4 |
парная нелинейная |
|
В каком случае регрессия является парной? |
1 |
если в уравнение регрессии входит одна зависимая и одна независимая переменная |
2 |
если в уравнение регрессии входит пара зависимых и пара независимых переменных |
|
3 |
если все коэффициенты регрессии положительны |
|
4 |
если величина коэффициента корреляции указывает на тесную связь переменных |
|
В каком случае регрессия является множественной?
|
1 |
если в уравнение входит одна зависимая и множество независимых переменных |
2 |
если в уравнение входит множество зависимых и множество независимых переменных |
|
3 |
если хотя бы один из коэффициентов регрессии отрицателен |
|
4 |
если величина коэффициента корреляции указывает на тесную связь переменных |
|
Что означает наличие прямой связи между переменными х и у?
|
1 |
что при увеличении значений х увеличиваются и значения у |
2 |
что при увеличении значений х значения у уменьшаются |
|
3 |
что график зависимости между х и у является прямой линией |
|
4 |
что графики переменных х и у являются прямыми линиями |
|
Что означает наличие обратной связи между переменными х и у?
|
1 |
что при уменьшении значений х значения у увеличиваются |
2 |
что график зависимости между х и у не является прямой линией |
|
3 |
что графики переменных х и у не являются прямыми линиями |
|
4 |
что при увеличении значений х увеличиваются и значения у |
|
Значения х и у для поиска уравнения регрессионной зависимости берутся
|
1 |
из статистических данных |
2 |
произвольными |
|
3 |
из таблиц значений нормального распределения |
|
4 |
из расчетов по методу наименьших квадратов |
|
Значения a и b для поиска уравнения регрессионной зависимости берутся
|
1 |
из расчетов по методу наименьших квадратов |
2 |
из статистических данных |
|
3 |
произвольными |
|
4 |
из таблиц значений нормального распределения |
|
Уравнение регрессии записывается на основании
|
1 |
величин коэффициентов регрессии |
2 |
величин остатков |
|
3 |
величин стандартизованных остатков |
|
4 |
величины коэффициента корреляции |
|
В уравнении регрессии зависимая переменная обычно обозначается как
|
1 |
у |
2 |
a |
|
3 |
b |
|
4 |
х |
|
В уравнении регрессии независимая переменная обычно обозначается как
|
1 |
х |
2 |
у |
|
3 |
a |
|
4 |
b |
|
В уравнение регрессии входят
|
1 |
зависимая переменная, независимые переменные и коэффициенты при них |
2 |
коэффициент корреляции и коэффициент детерминации |
|
3 |
только коэффициенты регрессии |
|
4 |
Р-значения объясняющих переменных |
|
В уравнении регрессионной зависимости может быть только
|
1 |
одна зависимая и одна или несколько независимых переменных |
2 |
несколько зависимых и одна независимая переменная |
|
3 |
несколько зависимых и одна или несколько независимых переменных |
|
4 |
одна зависимая и одна независимая переменная |
|
В уравнении y = a + bx коэффициенты а и b - это:
|
1 |
параметры регрессии |
2 |
доверительные интервалы параметров регрессии |
|
3 |
RSS и ESS |
|
4 |
предсказанные значения переменных х и у |
|
В результатах решения задачи коэффициент регрессии а отображается как:
|
1 |
Y-пересечение |
2 |
Значимость F |
|
3 |
Множественный R |
|
4 |
переменная Х1 |
|
В уравнении регрессии у = a + bx коэффициент а показывает
|
1 |
прогнозируемую величину у при х = 0 |
2 |
прогнозируемую величину у при х = b |
|
3 |
величину корреляции между у и х |
|
4 |
статистическую значимость коэффициентов регрессии |
|
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 |
|
Стандартная ошибка коэффициента регрессии находится в допустимых пределах, если
|
1 |
ее величина не больше половины модуля коэффициента регрессии |
2 |
ее величина меньше 0 |
|
3 |
ее величина лежит в интервале от 0 до 1 |
|
4 |
ее величина равна коэффициенту регрессии |
|
Значимость коэффициентов регрессии определяется с помощью:
|
1 |
Р-значений |
2 |
величины Множественного R |
|
3 |
величины Значимости F |
|
4 |
величин и знаков коэффициентов регрессии |
|
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 |
|
Когда коэффициент регрессии считается значимым?
|
1 |
если его Р-значение меньше 5% |
2 |
если Множественный R меньше 0,7 |
|
3 |
если его Стандартная ошибка больше 0,5 |
|
4 |
если Значимость F больше или равна 5% |
|
Какая величина «Р-значения» подтверждает влияние х на у?
|
1 |
Р-значение для него меньше 0,05 |
2 |
Р-значение для него отрицательно |
|
3 |
Р-значение для него по модулю больше либо равно 0,7 |
|
4 |
Р-значение для него положительно |
|
При одновременной незначимости нескольких объясняющих переменных модели нужно
|
1 |
удалить их последовательно, начиная с той, чье Р-значение больше |
2 |
прекратить решение задачи до пополнения исходных статистических данных |
|
3 |
произвести их одновременное удаление |
|
4 |
удалить их последовательно, начиная с той, чье Р-значение меньше |
|
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 |
|
Для практического удаления из модели y = a + bx незначимого коэффициента регрессии b необходимо
|
1 |
удалить из исходных данных столбец переменной х |
2 |
активизировать в окне"Регрессия" поле «Константа-ноль» |
|
3 |
удалить из исходных данных столбец переменной у |
|
4 |
перейти к нелинейной зависимости |
|
Что следует делать, если коэффициент регрессии не значим?
|
1 |
удалять из модели переменную, которой он соответствует |
2 |
плакать |
|
3 |
увеличить количество наблюдений |
|
4 |
увеличить количество зависимых переменных |
|
Сколько условий обязательно должно выполняться для признания регрессионной модели качественной?
|
1 |
три |
2 |
четыре |
|
3 |
восемь |
|
4 |
шесть |
|
Регрессионная модель считается качественной при обязательном выполнении следующих условий:
|
1 |
связь в модели тесная, объясняющие переменные значимы, наблюдений достаточно |
2 |
связь в модели прямая, объясняющие переменные значимы, выбросы отсутствуют |
|
3 |
связь в модели линейная, все Р-значения положительны, RSS > ESS |
|
4 |
связь в модели тесная, стандартные ошибки коэффициентов регрессии не превышают 0,5 |
|
Можно ли на основании решения Excel прогнозировать изменение Y в зависимости от изменения X?
|
1 |
можно, только если построенная регрессионная модель является качественной |
2 |
можно, только если регрессия - линейная |
|
3 |
прогноз вообще невозможен на основании построения модели |
|
4 |
всегда можно |
|
Теснота связи в уравнении регрессии определяется с помощью
|
1 |
коэффициента корреляции |
2 |
коэффициентов регрессии |
|
3 |
Р-значения |
|
4 |
Значимости F |
|
Что проверяется с помощью коэффициента корреляции?
|
1 |
теснота связи между факторами в уравнении регрессии |
2 |
достоверность параметра a в уравнении регрессии |
|
3 |
достоверность параметра b в уравнении регрессии |
|
4 |
достаточность статистической информации для анализа |
|
Для констатации наличия тесной связи в регрессионной модели необходимо
|
1 |
чтобы модуль коэффициента корреляции был не меньше 0,7 |
2 |
чтобы количество наблюдений в исследуемой выборке было не менее 20 |
|
3 |
чтобы коэффициенты регрессии были статистически значимы |
|
4 |
чтобы отсутствовали статистические выбросы |
|
Коэффициент корреляции при решении в пакете Excel выдается как величина
|
1 |
"Множественный R" |
2 |
"Значимость F" |
|
3 |
"Регрессия" |
|
4 |
"Y-пересечение" |
|
Коэффициент корреляции измеряется
|
1 |
является безразмерной величиной |
2 |
в единицах размерности зависимой переменной |
|
3 |
в единицах размерности независимой переменной |
|
4 |
в произведении единиц размерности зависимой и независимой переменных |
|
Достоверность коэффициента детерминации в решении Excel определяется с помощью
|
1 |
Значимости F |
2 |
коэффициента корреляции |
|
3 |
стандартной ошибки уравнения регрессии |
|
4 |
Р-значения |
|
Величина «Значимость F» показывает |
1 |
вероятность недостоверности коэффициента детерминации |
2 |
вероятность незначимости соответствующего коэффициента регрессии |
|
3 |
вероятность наличия статистических выбросов |
|
4 |
величину значительности Фишера |
|
Что означает незначимость коэффициента детерминации?
|
1 |
что рассчитанный коэффициент детерминации не достоверен |
2 |
что связь между переменными в уравнении не является тесной |
|
3 |
что полученные результаты не значат абсолютно ничего |
|
4 |
что для анализа использовано слишком много наблюдений |
|
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 детерминации 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 регр. модель факторами |
2 |
норму, рассчитанную для коэффициента детерминации конкретной модели |
|
3 |
прямая или обратная связь существует между зависимой и независимой переменными |
|
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 |
|
Какое количество остатков выводится при проведении регрессии?
|
1 |
равное количеству наблюдений |
2 |
равное сумме параметров регрессии |
|
3 |
равное количеству переменных модели |
|
4 |
равное количеству статистических выбросов |
|
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 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 |
|
Какой показатель характеризует тесноту связи в уравнении регрессии?
|
1 |
коэффициент корреляции |
2 |
стандартизованный остаток |
|
3 |
совокупность значений "Верхние 95%" и "Нижние 95%" |
|
4 |
Значимость F |
|
Что необходимо сделать в случае незначимости коэффициента корреляции?
|
1 |
увеличить количество наблюдений в исследуемой выборке |
2 |
горько заплакать |
|
3 |
удалить из модели константу а |
|
4 |
вывод о слабой связи в модели |
|
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 |
|
Какого вида регрессионная зависимость между переменными не может существовать?
|
1 |
прямая линейная нелинейная |
2 |
тесная прямая |
|
3 |
тесная обратная |
|
4 |
прямая парная нелинейная |
|
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 y = a + bx коэффициент а является
|
1 |
параметром регрессии |
2 |
коэффициентом корреляции |
|
3 |
коэффициентом детерминации |
|
4 |
случайной составляющей |
|
В уравнении y = a + bx величина коэффициента а отражает
|
1 |
влияние на у факторов, не учтенных в модели |
2 |
значение у при единичном увеличении х |
|
3 |
значимость или незначимость коэффициента а |
|
4 |
значимость или незначимость переменной у |
|
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 |
|
Что является математической моделью в эконометрических задачах?
|
1 |
уравнение регрессии |
2 |
подробное описание параметров задачи |
|
3 |
графики исследуемых переменных |
|
4 |
математические расчеты величин исследуемых переменных |
|
Для чего составляется уравнение регрессии?
|
1 |
для определения формы зависимости исследуемых переменных |
2 |
для выявления причин наличия случайной составляющей |
|
3 |
для расчета суммы квадратов отклонений реальных значений от расчетных |
|
4 |
для определения тесноты связи исследуемых переменных |
|
Ваша задача является
|
1 |
задачей множественной линейной регрессии |
2 |
задачей парной линейной регрессии |
|
3 |
задачей нелинейной регрессии |
|
4 |
задачей прямой регрессии |
|
Какие виды регрессионных зависимостей существуют?
|
1 |
парная, множественная, линейная, нелинейная |
2 |
симплексная, парная, логарифмическая |
|
3 |
одинарная, парная, множественная |
|
4 |
линейная, нелинейная, интегральная |
|
Когда связь между переменными Х и Y является прямой?
|
1 |
когда при увеличении значения Х значение переменной Y также увеличивается |
2 |
когда при увеличении значения Х значение переменной Y уменьшается |
|
3 |
когда эта связь является нелинейной |
|
4 |
когда эта связь является линейной |
|
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 |
|
Сколько зависимых переменных может быть в уравнении регрессии?
|
1 |
только одна |
2 |
в парной регрессии - не более двух, во множественной - сколько угодно |
|
3 |
для получения достоверной модели - не менее 20-ти |
|
4 |
произвольное количество |
|
В уравнении y = a + bx коэффициент b является
|
1 |
параметром регрессии |
2 |
коэффициентом корреляции |
|
3 |
коэффициентом детерминации |
|
4 |
случайной составляющей |
|
В уравнении y = a + bx величина коэффициента а отражает
|
1 |
влияние на у факторов, не учтенных в модели |
2 |
значение у при единичном увеличении х |
|
3 |
значимость или незначимость коэффициента а |
|
4 |
значимость или незначимость переменной у |
|
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 увеличении х на 1 |
2 |
прогнозируемую величину х при у = а |
|
3 |
прогнозируемую величину у при х = a |
|
4 |
вероятность выполнения нуль-гипотезы для соответствующего коэффициента регрессии |
|
Стандартная ошибка коэффициента регрессии находится в допустимых пределах, если
|
1 |
ее величина не больше половины модуля коэффициента регрессии |
2 |
ее величина меньше 0 |
|
3 |
ее величина лежит в интервале от 0 до 1 |
|
4 |
ее величина равна коэффициенту регрессии |
|
После записи уравнения регрессии необходимо
|
1 |
оценить качество полученного уравнения |
2 |
написать об этом в газету |
|
3 |
определить зависимые и независимые переменные |
|
4 |
рассчитать сумму квадратов остатков |
|
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 |
|
С помощью какой величины определяется теснота связи в уравнении регрессии?
|
1 |
с помощью коэффициента корреляции |
2 |
с помощью величины Значимость F |
|
3 |
с помощью коэффициентов регрессии |
|
4 |
с помощью Y-пересечения |
|
Тесная связь между перменными модели констатируется в том случае, если
|
1 |
коэффициент корреляции по модулю не меньше 0,7 |
2 |
величина Значимость F меньше 0,05 |
|
3 |
все Р-значения меньше 0,05 |
|
4 |
статистические выбросы отсутствуют |
|
В результатах решения задачи в Excel коэффициент корреляции отображается как:
|
1 |
Множественный R |
2 |
Значимость F |
|
3 |
Y-пересечение |
|
4 |
переменная Х1 |
|
Коэффициент корреляции изменяется в пределах
|
1 |
от –1 до 1 |
2 |
от 0 до 100 |
|
3 |
от – бесконечности до + бесконечности |
|
4 |
от 0 до 1 |
|
При помощи чего определяется значимость коэффициента детерминации?
|
1 |
при помощи проверки нуль-гипотезы для него |
2 |
при помощи коэффициентов регрессии |
|
3 |
при помощи графика плотности вероятности нормального распределения |
|
4 |
при помощи родных и близких |
|
Для чего служит величина "Значимость F"?
|
1 |
для определения достоверности коэффициента детерминации |
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 детерминации 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 |