Б) объясняющей

в) сезонной

г) зависимой

д) циклической

25. Условие гетероскедастичности означает, что вероятность того, что случайный член примет какое-либо конкретное значение ________ наблюдений:

а) зависит от числа

б) зависит от времени проведения

в) зависит от номера

г) одинакова для всех

д) не зависит от времени проведения

26. Фиктивная переменная – переменная, принимающая в каждом наблюдении:

а) ряд значений от 0 до 1

б) только отрицательные значения

в) только два значения 0 или 1

г) только положительные значения

д) случайные

27. Зависимая переменная может быть представлена как фиктивная в случае, если она:

а) подвержена сезонным колебаниям

б) является качественной по своему характеру

в) трудноизмерима

г) имеет трендовую составляющую

д) случайная

28. Наблюдение зависимой переменной регрессии в предшествующий момент, используемое как объясняющая переменная, называется:

а) временной

б) замещающей

в) лаговой

г) лишней

д) сезонной

29. Гетероскедастичность приводит к ___________ оценок параметров регрессии по МНК:

а) смещению

б) уменьшению дисперсии

в) усложнению вычисления

г) неэффективности

д) увеличению дисперсии

30. При добавлении еще одной переменной в уравнение регрессии коэффициент детерминации:

а) остается неизменным

б) уменьшается

в) не уменьшается

г) не увеличивается

д) увеличивается

31. В парной линейной регрессии Y=b₀+b₁X+e свободным членом (константой) уравнения регрессии является:

а) b₁

б) b₀

в) Y

г) X

32. В парной линейной регрессии Y=b₀+b₁X+e параметром при независимой переменной уравнения регрессии является:

а) b1

б) b0

в) Y

г) X

33. Процесс выбора необходимых переменных для регрессии переменных и отбрасывание лишних переменных называется:

а) унификацией переменных

б) моделированием

в) спецификацией переменных

г) прогнозированием

д) подгонкой

34. Аддитивная модель временного ряда имеет вид:

а) ;

б) ;

в) .

35. Мультипликативная модель временного ряда имеет вид:

а) ;

б) ;

в) .

36. Коэффициент автокорреляции:

а) характеризует тесноту линейной связи текущего и предыдущего уровней ряда;

б) характеризует тесноту нелинейной связи текущего и предыдущего уровней ряда;

в) характеризует наличие или отсутствие тенденции.

37. В парной линейной регрессии Y=b₀+b₁X+e независимой переменной (фактором) уравнения регрессии является:

а) b₁

б) b₀

в) Y

г) X

38. В парной линейной регрессии Y=b₀+b₁X+e зависимой переменной уравнения регрессии является:

а) b₁

б) b₀

в) Y

г) X

39. Критерий Дарбина-Уотсона применяется для:

а) определения автокорреляции в остатках;

б) определения наличия сезонных колебаний;

в) для оценки существенности построенной модели.

40. Скорректированный коэффициент детерминации:

а) меньше обычного коэффициента детерминации;

б) больше обычного коэффициента детерминации;

в) меньше или равен обычному коэффициенту детерминации;

41. С увеличением числа объясняющих переменных скорректированный коэффициент детерминации:

а) увеличивается;

б) уменьшается;

в) не изменяется.

42. Число степеней свободы для остаточной суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) ;

в) .

43. Число степеней свободы для общей суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) ;

в) .

44. Число степеней свободы для факторной суммы квадратов в линейной модели множественной регрессии равно:

а) ;

б) ;

в) .

45. Множественный коэффициент корреляции . Определите, какой процент дисперсии зависимой переменной y объясняется влиянием факторов x₁ и x₂:

а) 90%;

б) 81%;

в) 19%.

46. Для построения модели линейной множественной регрессии вида необходимое количество наблюдений должно быть не менее:

а) 2;

б) 7;

в) 14.

47. Стандартизованные коэффициенты регрессии β_i:

а) позволяют ранжировать факторы по силе их влияния на результат;

б) оценивают статистическую значимость факторов;

в) являются коэффициентами эластичности.

48. Частные коэффициенты корреляции:

а) характеризуют тесноту связи рассматриваемого набора факторов с исследуемым признаком;

б) содержат поправку на число степеней свободы и не допускают преувеличения тесноты связи;

в) характеризуют тесноту связи между результатом и соответствующим фактором при элиминировании других факторов, включенных в уравнение регрессии.

49. Частный F-критерий:

а) оценивает значимость уравнения регрессии в целом;

б) служит мерой для оценки включения фактора в модель;

в) ранжирует факторы по силе их влияния на результат.

50. Несмещенность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

51. Эффективность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

52. Состоятельность оценки параметра регрессии, полученной по МНК, означает:

а) что она характеризуется наименьшей дисперсией;

б) что математическое ожидание остатков равно нулю;

в) увеличение ее точности с увеличением объема выборки.

53. Укажите истинное утверждение:

а) скорректированный и обычный коэффициенты множественной детерминации совпадают только в тех случаях, когда обычный коэффициент множественной детерминации равен нулю;

б) стандартные ошибки коэффициентов регрессии определяются значениями всех параметров регрессии;

в) при наличии гетероскедастичности оценки параметров регрессии становятся смещенными.

54. При наличии гетероскедастичности следует применять:

а) обычный МНК;

б) обобщенный МНК;

в) метод максимального правдоподобия.

55. Фиктивные переменные – это:

а) атрибутивные признаки (например, как профессия, пол, образование), которым придали цифровые метки;

б) экономические переменные, принимающие количественные значения в некотором интервале;

в) значения зависимой переменной за предшествующий период времени.

56. Если качественный фактор имеет три градации, то необходимое число фиктивных переменных:

а) 4;

б) 3;

в) 2.

57. Наиболее наглядным видом выбора уравнения парной регрессии является:

а) аналитический;

б) графический;

в) экспериментальный (табличный).

58. Рассчитывать параметры парной линейной регрессии можно, если у нас есть:

а) не менее 5 наблюдений;

б) не менее 7 наблюдений;

в) не менее 10 наблюдений.

59. Суть метода наименьших квадратов состоит в:

а) минимизации суммы остаточных величин;

б) минимизации дисперсии результативного признака;

в) минимизации суммы квадратов остаточных величин.

60. Коэффициент линейного парного уравнения регрессии:

а) показывает среднее изменение результата с изменением фактора на одну единицу;

б) оценивает статистическую значимость уравнения регрессии;

в) показывает, на сколько процентов изменится в среднем результат, если фактор изменится на 1%.

61. На основании наблюдений за 50 семьями построено уравнение регрессии , где y – потребление, x – доход. Соответствуют ли знаки и значения коэффициентов регрессии теоретическим представлениям?

а) да;

б) нет;

в) ничего определенного сказать нельзя.

62. Суть коэффициента детерминации состоит в следующем:

а) оценивает качество модели из относительных отклонений по каждому наблюдению;

б) характеризует долю дисперсии результативного признака y, объясняемую регрессией, в общей дисперсии результативного признака;

в) характеризует долю дисперсии y, вызванную влиянием не учтенных в модели факторов.

63. Качество модели из относительных отклонений по каждому наблюдению оценивает:

а) коэффициент детерминации ;

б) F-критерий Фишера;

в) средняя ошибка аппроксимации .

64. Значимость уравнения регрессии в целом оценивает:

а) F-критерий Фишера;

б) t-критерий Стьюдента;

в) коэффициент детерминации .

65. Классический метод к оцениванию параметров регрессии основан на:

а) методе наименьших квадратов:

б) методе максимального правдоподобия:

в) шаговом регрессионном анализе.

66. Остаточная сумма квадратов равна нулю:

а) когда правильно подобрана регрессионная модель;

б) когда между признаками существует точная функциональная связь;

в) никогда.

67. Объясненная (факторная) сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

б) ;

в) .

68. Остаточная сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

б) ;

в) .

69. Общая сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное:

а) ;

б) ;

в) .

70. Для оценки значимости коэффициентов регрессии рассчитывают:

а) F-критерий Фишера;

б) t-критерий Стьюдента;

в) коэффициент детерминации .

71. Какое уравнение регрессии нельзя свести к линейному виду:

а) ;

б) :

в) .

72. Какое из уравнений является степенным:

а) ;

б) :

в) .

73. Коэффициент корреляции может принимать значения:

а) от –1 до 1;

б) от 0 до 1;

в) любые.

74. Какое из следующих уравнений нелинейно по оцениваемым параметрам:

а) ;

б) ;

в) .