Предмет, методы и задачи эконометрики

1. Эконометрика в экономической науке возникла в:

1. 1970 г.;

2. 2000 г.;

3. 1930 г.;

4. 1950 г.

2. Эконометрика – это:

1. наука, которая дает количественное выражение взаимосвязей экономических явлений и процессов;

2. учение о системе показателей экономики страны;

3. совокупность статистических данных об экономических явлениях и процессах;

4. единство трех составляющих: статистики, экономической теории и математики.

3. Измеряемые эконометрикой количественные характеристики имеют:

1. абсолютно достоверный характер;

2. *вероятный характер;

3. иногда вероятный, но чаще абсолютный характер.

4. Для оценки значимости параметров уравнения регрессии используется:

1. t-критерий Стьюдента;

2. F-критерий Фишера;

3. критерий Дарбина-Уотсона.

5. Последним этапом эконометрического исследования является:

1. оценка параметров;

2. спецификация модели;

3. интерпретация результатов;

4. получение данных, анализ их достоверности.

6. Математико-статистическими выражениями, количественно характеризующими экономические явления и процессы и обладающими достаточно высокой степенью надежности, называются:

1. эконометрические модели;

2. графы связей;

3. автокорреляционные функции;

4. тренды.

7. Основой методов эконометрики является:

1. анализ хозяйственной деятельности;

2. статистика;

3. экономическая теория;

4. математика.

8. Первым этапом эконометрического исследования является:

1. Спецификация модели;

2. сбор данных;

3. анализ качества данных;

4. постановка проблемы.

9. Термин «эконометрика» в экономическую науку впервые ввел:

1. Фишер;

2. Цьемпа;

3. Фриш;

4. Стьюдент.

10. Журнал «Эконометрика» стал издаваться с 1933 г. под редакцией:

1. Фриша;

2. Стьюдента;

3. Стоуна;

4. Клейна.

Парная линейная регрессия и корреляция

11. Если коэффициент корреляции больше нуля, то зависимость между двумя признаками:

1. обратная линейная;

2. прямая нелинейная;

3. обратная нелинейная;

4. прямая линейная.

12. Если коэффициент корреляции меньше нуля, то зависимость между двумя признаками:

1. Обратная линейная;

2. прямая линейная;

3. прямая нелинейная;

4. обратная нелинейная.

13. Различают два вида зависимостей между явлениями:

1. функциональную и статистическую;

2. корреляционную и регрессионную;

3. эконометрическую и статистическую.

14. При какой зависимости определенному значению одной переменной соответствует точно заданное значение другой?

1. статистической;

2. корреляционной;

3. функциональной.

15. При какой зависимости разным значениям одной переменной соответствуют разные распределения значений другой переменной?

1. Корреляционной;

2. функциональной;

3. статистической.

16. Обратной является связь между:

1. доходами и потреблением;

2. урожайностью и себестоимостью;

3. урожайностью и дозой внесения удобрений.

17. Зависимость между результативным и одним факторным признаком при фиксированном значении других факторных признаков называется:

1. парной корреляцией;

2. множественной корреляцией;

3. частной корреляцией.

18. Модель, где среднее значение результативного признака рассматривается как функция нескольких факторных признаков, это:

1. множественная регрессия;

2. простая регрессия;

3. частная регрессия.

19. Задачей регрессионного анализа является:

1. определение аналитического выражения связи;

2. определение тесноты связи между признаками;

3. оценка достоверности результатов регрессии.

20. Поле корреляции представляет собой:

1. секторную диаграмму;

2. столбиковую диаграмму;

3. точечный график в прямоугольной системе координат.

21. Коэффициент регрессии показывает:

1. на сколько процентов в среднем по совокупности изменится результат от своей средней величины при изменении фактора на 1% от своего среднего значения;

2. среднее изменение результата с изменением фактора на одну единицу его измерения;

3. значение результативного признака, если факторный признак равен нулю.

22. Факторная сумма квадратов отклонений имеет число степеней свободы, равное:

1. n-1;

2. m;

3. n-m-1.

23. Статистическая значимость уравнения регрессии в целом оценивается с помощью:

1. F-критерия Фишера;

2. t-критерия Стьюдента;

3. критерия Дарбина-Уотсона.

24. Если F_факт.>F_табл., то:

1. нулевая гипотеза отклоняется;

2. нулевая гипотеза принимается.

25. При определении табличного значения F-критерия Фишера k₁ равно:

1. n-1;

2. m;

3. n-m-1.

26. Коэффициент регрессии принимает значения:

1. от –1 до +1;

2. от 0 до +1;

3. не имеет ограничений.

27. Что показывает параметр a?

1. не имеет экономического смысла;

2. показывает значение результативного признака y, если факторный признак x = 0;

3. показывает направление связи между признаком-фактором и признаком-результатом.

28. Случайная величина характеризует:

1. отклонения теоретических значений результативного признака от фактических;

2. отклонения фактических значений результативного признака от теоретических;

3. отклонения фактических значений факторного признака от теоретических;

4. отклонения фактических значений результативного признака от среднего значения.

29. Какой метод выбора математической функции основан на изучении материальной природы связи исследуемых признаков?

1. формально-математический;

2. графический;

3. аналитический.

30. Однородность исследуемой совокупности оценивает:

1. коэффициент корреляции;

2. F-критерий Фишера;

3. коэффициент вариации;

4. коэффициент эластичности.

31. Линейный коэффициент корреляции выражается в:

1. абсолютных единицах измерения признаков;

2. долях среднего квадратического отклонения результативного признака;

3. процентах.

32. Если коэффициент регрессии больше нуля, то:

1. коэффициент корреляции больше нуля;

2. коэффициент корреляции меньше нуля;

3. связи между коэффициентами нет.

33. Величина (1-r ²) характеризует:

1. долю дисперсии результативного признака, объясняемую регрессией, в общей дисперсии результативного признака;

2. долю дисперсии результативного признака, вызванную влиянием факторов, не включенных в модель;

3. долю дисперсии факторного признака, объясняемую регрессией, в общей дисперсии факторного признака.

34. В какой модели зависимости урожайность картофеля будет являться фактором?

1. зависимость между дозой внесения минеральных удобрений и урожайностью картофеля;

2. зависимость между себестоимостью 1 ц картофеля и урожайностью картофеля;

3. зависимость между количеством осадков в период вегетации и урожайностью картофеля.

35. Модель регрессии считается качественной, если средняя ошибка аппроксимации:

1. не превышает 8 – 10%;

2. превышает 10 – 12%;

3. равна 0.

36. Точное воспроизведение аналитической функцией фактических данных называется:

1. детерминацией;

2. аппроксимацией;

3. эластичностью;

4. корреляцией.

37. Коэффициент эластичности показывает:

1. на сколько единиц изменится фактор при изменении результата на 1 единицу;

2. на сколько единиц изменится результат при изменении фактора на 1 единицу;

3. на сколько % изменится результат при изменении фактора на 1 %;

4. на сколько % изменится фактор при изменении результата на 1%.

38. Средняя ошибка аппроксимации – это:

1. среднее отклонение расчетных значений результативного признака от фактических;

2. среднее отклонение расчетных значений факторного признака от фактических;

3. среднее отклонение расчетных значений результативного признака от среднего значения.

39. Какие показатели не могут быть отрицательными величинами?

1. коэффициент регрессии;

2. коэффициент эластичности;

3. коэффициент детерминации;

4. средняя ошибка аппроксимации;

5. коэффициент корреляции.

40. t-критерий Стьюдента используется для:

1. определения экономической значимости каждого коэффициента уравнения;

2. определения статистической значимости каждого коэффициента уравнения;

3. проверки модели на автокорреляцию остатков;

4. определения экономической значимости модели в целом.

41. Табличное значение t-критерия Стьюдента зависит от:

1. уровня значимости и числа наблюдений;

2. числа факторов, включенных в модель и уровня значимости;

3. числа наблюдений;

4. уровня значимости, числа факторов и числа наблюдений.

42. Парная регрессия представляет собой модель вида:

1. y = f(x);

2. y = f(x₁,x₂,…x_m);

3. y = f(y_t-1).

43. Уравнение парной регрессии характеризует связь между:

1. двумя переменными;

2. несколькими переменными.

44. Графический метод выбора вида уравнения регрессии основан на:

1. изучении природы связи признаков;

2. построении поля корреляции;

3. сравнении величины остаточной дисперсии при разных моделях.

45. Классический подход к оцениванию коэффициентов регрессии основан на:

1. методе наименьших квадратов;

2. графическом методе;

3. методе максимального правдоподобия.

46. Неправильный выбор математической функции относится к ошибкам:

1. измерения;

2. выборки;

3. спецификации модели.

47. F-критерий Фишера характеризует

1. соотношение факторной и остаточной дисперсий, рассчитанных на одну степень свободы;

2. долю факторной дисперсии в общей дисперсии результативного признака;

3. долю остаточной дисперсии в общей дисперсии результативного признака.

48. Оценку качества модели дает: