- •16.О модели регрессии можно сказать, что это регрессия
- •22.Метод устранения (уменьшения) мультиколлинеарности
- •24.Что характеризует частный коэффициент корреляции множественной линейной регрессии?
- •25.Что является оценкой значимости уравнения регрессии в целом?
- •26.Использование в эконометрическом моделировании парной регрессии вместо множественной является ошибкой ...
- •27. Для оценки заработной платы некоторого работника используется следующая модель
- •34.Установите соответствие между названием модели и видом ее уравнения: 1. Гипербола
- •2. Парабола третьего порядка
- •3. Многофакторная
Тесты по эконометрике
Регрессионная модель с несколькими объясняющими переменными
1.Величина коэффициента детерминации … (неск)
-
характеризует долю дисперсии зависимой переменной y, объясненную уравнением, в ее общей дисперсии
-
рассчитывается для оценки качества подбора уравнения регрессии
-
характеризует долю дисперсии остаточной величины в общей дисперсии зависимой переменной у
-
оценивает значимость каждого из факторов, включенных в уравнение регрессии
2.В хорошо подобранной модели остатки должны
-
иметь нормальный закон распределения с нулевым математическим ожиданием и постоянной дисперсией,
-
не коррелировать друг с другом,
-
иметь экспоненциальный закон распределения,
-
хаотично разбросаны.
3.Коэффициент детерминации это
-
квадрат парного коэффициента корреляции,
-
квадрат частного коэффициента корреляции,
-
квадрат среднего квадратического отклонения,
-
квадрат множественного коэффициента корреляции.
4.Квадрат какого коэффициента указывает долю дисперсии одной случайной величины, обусловленную вариацией другой
-
коэффициент детерминации,
-
парный коэффициент корреляции,
-
частный коэффициент корреляции,
-
множественный коэффициент корреляции.
5.Величина, рассчитанная по формуле является оценкой
-
коэффициента детерминации,
-
парного коэффициента корреляции,
-
частного коэффициента корреляции,
-
множественного коэффициента корреляции.
6.Отметьте основные виды ошибок спецификации
-
отбрасывание значимой переменной,
-
добавление незначимой переменной,
-
низкое значение коэффициента детерминации,
-
выбор неправильной формы модели.
7.На практике о наличии мультиколлинеарности обычно судят по матрице парных коэффициентов корреляции. Если один из элементов матрицы R больше…., то считают, что имеет место мультиколлинеарность и в уравнение регрессии следует включить только один из показателей xj или xe. Вставьте недостающее значение.
-
0,3;
-
-0,6;
-
0,8;
-
0.
8.Оценить значимость парного линейного коэффициента корреляции можно при помощи:
-
критерия Фишера;
-
коэффициента автокорреляции;
-
критерия Стьюдента;
-
критерия Дарбина-Уотсона.
9.Степень влияния неучтенных факторов в рассматриваемой модели можно определить на основе:
-
парного линейного коэффициента корреляции;
-
частного коэффициента корреляции;
-
индекса корреляции;
-
коэффициента детерминации;
-
коэффициента регрессии.
10.Частный критерий Фишера вычисляется по формуле:
-
;
-
;
-
;
-
. Это прав ответ
11.Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?
-
Сила влияния фактора х2 на результативный признак выше силы влияния фактора х1;
-
Сила влияния фактора х1 на результативный признак выше силы влияния фактора х2;
-
Сила влияния фактора х2 на результативный признак равна силе влияния фактора х1.
12.Наличие гетероскедастичности можно определить используя:
-
критерий Стьюдента;
-
критерий Фишера;
-
критерий Чоу;
-
критерий Энгеля-Грангера.
13.Оценить значимость коэффициентов регрессии в множественной линейной модели можно при помощи:
-
коэффициента корреляции;
-
коэффициента автокорреляции;
-
критерия Стьюдента;
-
критерия Дарбина-Уотсона.
14.Степень усредненного влияния неучтенных факторов в рассматриваемой модели можно определить на основе:
-
частного коэффициента корреляции;
-
индекса корреляции;
-
коэффициента детерминации;
-
коэффициента регрессии.
15.Коэффициент множественной детерминации показывает
-
на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;
-
долю вариации зависимой переменной, обусловленную вариацией независимых переменных;
-
на какую часть своего стандартного отклонения изменится зависимая переменная, если независимая переменная изменится на величину своего стандартного отклонения;
-
насколько изменится зависимая переменная, если независимая переменная изменится на единицу.
16.О модели регрессии можно сказать, что это регрессия
|
||||||||||||
|
||||||||||||
|
||||||||||||
17.С помощью значений таблицы дисперсионного анализа определить значимость регрессии, используя F-критерий. Критическое значение F(α,f1,f2) = 4.3 при уровне значимости α=0.05 и степенях свободы f1= 1 и f2= 25. Какой вывод можно сделать о качестве использованной модели регрессии?
|
-
– Модель адекватна исходным данным
-
– Модель адекватна исходным данным
-
– Модель не адекватна исходным данным
-
– Модель не адекватна исходным данным
18.Гетероскедастичность регрессионной модели – это
-
высокая степень взаимной коррелированности объясняющих переменных
-
немонотонность графика регрессионной зависимости
-
непостоянство дисперсий ошибок регрессии для различных значений объясняющей переменной
-
непостоянство математического ожидания объясняемой переменной
19.Какой из приведенных тестов является тестом на гетероскедастичность?
-
Гаусса-Маркова
-
Голдфелда-Квандта
-
Дарбина-Уотсона
-
Льюинга-Бокса
-
Чоу
20.Какой показатель характеризует значимость коэффициента корреляции?
-
F-статистика Фишера-Снедекора
-
t-статистика Стьюдента
-
коэффициент корреляции
-
средняя ошибка аппроксимации
21.Какой показатель характеризует тесноту нелинейной связи?
-
индекс корреляции
-
коэффициент детерминации
-
коэффициент корреляции
-
коэффициент регрессии
22.Метод устранения (уменьшения) мультиколлинеарности
-
введение в модель фиктивных переменных
-
применение пошаговых процедур отбора наиболее информативных переменных
-
сглаживание временного ряда
-
упорядочение переменных по возрастанию фактора
23.Мультиколлинеарность регрессионной модели – это
-
возможность построения нескольких моделей (в том числе нелинейных) на основе одних исходных данных
-
высокая значимость характеристик регрессионной модели высокая степень взаимной коррелированности некоторых из объясняющих переменных
-
зависимость значений объясняемой переменной от ее значений в предшествовавшие моменты времени
-
зависимость объясняемой переменной от нескольких объясняющих факторов
24.Что характеризует частный коэффициент корреляции множественной линейной регрессии?
-
совокупное влияние всех факторов, включенных в модель, на результирующую переменную
-
степень взаимного влияния всех факторов, включенных в модель
-
тесноту линейной между объясняемой переменной и объясняющим фактором с учётом влияния прочих факторов, включенных в модель
-
тесноту линейной связи между объясняемой переменной и объясняющим фактором при исключении влияния прочих факторов, включенных в модель