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 x_j или x_e. 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

второго порядка

линейная

нелинейная

простая 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? Компоненты дисперсии Число степеней свободы Средние квадраты 26 ? 1 ? 25 ?

• – 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