328. При выборе спецификации нелинейная регрессия используется, если …

     • между экономическими показателями не обнаруживается нелинейная зависимость

     • Между экономическими показателями обнаруживается нелинейная зависимость

     • нелинейная зависимость для исследуемых экономических показателей является несущественной

     • между экономическими показателями обнаруживается линейная зависимость

329. При помощи модели степенного уравнения регрессии вида (b>1, то есть x возрастает и y тоже возрастает) не может быть описана зависимость

• выработки от трудоёмкости

• объёма предложения от цены

• заработной платы от выработки

• выработки от уровня квалификации

330. Пусть Y – объём выпуска, K и L – затраты капитала и труда соответственно. В принятых обозначениях производственная функция Кобба–Дугласа имеет вид:

• 

• Y=a+blnK+clnL

• Y=a·b^K·c^L

• Y=a·K^b·L^c

Тема: Линеаризация нелинейных моделей регрессии

331. В результате линеаризации зависимости Y=β₀+β₁X+β₂X²+ε получена модель множественной линейной регрессии Y=β₀+β₁X+β₂Z+ε, где Z равно …

• 

• X³

• X

• X²

332. Для нелинейных уравнений метод наименьших квадратов применяется к

• преобразованным линеаризованным уравнениям

• не преобразованным линейным уравнениям

• обратным уравнениям

• нелинейным уравнениям

333. К линейному виду нельзя привести:

• нелинейную модель внутренне нелинейную

• линейную модель внутренне линейную

• линейную модель внутренне нелинейную

• нелинейную модель внутренне линейную

334. Линеаризация возможна для эконометрической модели вида …

• y=e^a+bx+e^ε

• y=e^a+bx+ε

• y=e^a+bx+lnε

• y=e^a+bx·e^ε

335. Линеаризация не подразумевает процедуру …

• включения в модель дополнительных существенных факторов

• приведения нелинейного уравнения к линейному

• замены переменных

• преобразования уравнения

336. Линеаризация подразумевает процедуру приведения

• нелинейного уравнения к линейному виду

• уравнения множественной регрессии к парной

• линейного уравнения к нелинейному виду

• нелинейного уравнения относительно параметров к уравнению, линейному относительно результата

337. Множественная линейная регрессия не является результатом преобразования уравнения …

• (верно)

• y=a+bx+cx²+dx³+ε

• 

• y=a+bx+cx²+ε

338. Метод наименьших квадратов не применим для …

• уравнений, нелинейных по оцениваемым параметрам

• полиномиальных уравнений множественной регрессии

• линейных уравнений множественной регрессии

• линейных уравнений парной регрессии

339. Нелинейная модель y=ab^Xε сводится к линейной заменой переменной: …

• z=e^y

• z=lnX

• 

• z=lny

340. Нелинейную модель зависимостей экономических показателей нельзя привести к линейному виду, если …

• нелинейная модель является внутренне нелинейной

• нелинейная модель является внутренне линейной

• линейная модель является внутренне нелинейной

• линейная модель является внутренне линейной

341. Основной целью линеаризации уравнения регрессии является …

     • Возможность применения мнк для оценки параметров

     • получение новых нелинейных зависимостей

     • улучшение качества модели

     • повышение существенности связи между рассматриваемыми признаками

342. Оценки коэффициентов моделей регрессии, нелинейных по оцениваемым параметрам, но внутренне линейных, полученные методом наименьших квадратов, являются …

     • смещёнными

     • недостоверными

     • неэффективными

     • несостоятельными

343. Примерами нелинейных уравнений регрессии, которые не могут быть приведены к линейному виду, являются:

     • Y=asin(bX)

     • Y=aln(bX+cX²)

     • Y=e^a+bX·ε

     • 

344. Примерами нелинейных уравнений регрессии, которые могут быть приведены к линейному виду, являются:

     • Y=aln(bX+cX²)+ε

     • Y=e^a+bX·ε

     • Y=a+blnX+ε

     • Y=acos(bX)+ε

345. Примерами нелинейных уравнений регрессии, нелинейных по оцениваемым параметрам, являются:

     • Y=aX^bε

     • Y=ab^Xε

     • Y=a+bX+cX²+ε

     • 

346. Примерами уравнений, нелинейных относительно объясняющих переменных, но линейных по оцениваемым параметрам, являются:

     • Y=aX^bε

     • Y=ab^Xε

     • Y=a+bX+cX²+ε

347. Расположите модели в возрастающем порядке по степени сложности оценки их параметров

     • Y=a+bX+cX²+ε

     • Y=aX^bZ^cε

     • Y=aX^bZ^c+ε

     • Y=a+bX+ε

348. Результатом линеаризации полиномиальных уравнений являются ______________ регрессии.

• линейные уравнения множественной

• нелинейные уравнения парной

• линейные уравнения парной

• нелинейные уравнения множественной

349. Способом включения случайного возмущения в регрессионную модель y=a+bx, при котором сохраняется линейная форма модели, является ...

     • аддитивный

     • мультипликативный

     • экспоненциальный

     • мультиколлинеарный

350. Требованием к уравнениям регрессии, параметры которых можно найти при помощи МНК является:

• линейность параметров

• равенство нулю средних значений результативной переменной

• нелинейность параметров

• равенство нулю средних значений факторного признака

351. Укажите последовательность этапов оценки параметров нелинейной регрессии Y=aX^bZ^c.

     • оцениваются параметры регрессии b₀, b₁, b₂

     • задается спецификация модели, линейная относительно логарифмов исходных переменных lnY=b₀+b₁lnX+b₂lnZ, где b₀=lna, b₁=b, b₂=c

     • определяются исходные параметры из тождеств: lna=b₀, b=b₁, c=b₂

     • находятся логарифмы правой и левой частей нелинейного уравнения

352. Укажите последовательность этапов оценки параметров нелинейной регрессии, линейной относительно параметров.

     • определяются оценки исходные параметры нелинейной модели, которые совпадают с параметрами линеаризованной модели

     • применяется метод наименьших квадратов для оценки линеаризованной модели

     • задаётся линейная спецификация модели в новых переменных

     • выбирается метод линеаризации исходной модели

353. Уравнение может быть линеаризовано при помощи подстановки …

• (верно)

• 

• 

•