V6: Нелинейные модели регрессии
I:
S: Гиперболической модельюне является регрессионная модель …
-: 
-: 
-: 
+: 
I:
S: Для линеаризации нелинейной регрессионной модели 
используется замена …
-: 
-: 
+: 
-: 
I:
S: При расчете уравнения нелинейной регрессии 
, где y – спрос на продукцию, ед.; x – цена продукции, руб., выяснилось, что доля остаточной дисперсии в общей меньше 20%. Коэффициент детерминации для данной модели попадает в отрезок минимальной длины
-: [0,2; 1]
-: [0; 0,8]
+: [0,8; 1]
-: [0; 0,2]
I:
S: Для регрессионной модели математическое ожидание остатков равно 0, следовательно, оценки параметров обладают свойством …
-: эффективности
+: несмещенности
-: оптимальности
-: состоятельности
I:
S: Для оценки параметров эконометрической модели линейного уравнения регрессии вида 
используется метод наименьших квадратов (МНК). В системе нормальных уравнений (МНК) неизвестными величинами являются …
+: 
-: 
-: 
-: 
I:
S: Для регрессионной модели зависимости потребления материала на единицу продукции от объема выпуска продукции построено нелинейное уравнение (см. рис.).
Значение индекса детерминации для данного уравнения составляет R2 =0,904.
Следовательно,
-: объемом выпуска продукции объяснено 9,6% дисперсии потребления материалов на единицу продукции
+: объемом выпуска продукции объяснено 90,4% дисперсии потребления материалов на единицу продукции
-: потреблением материалов на единицу продукции объяснено 9,6% дисперсии объема выпуска продукции
-: потреблением материалов на единицу продукции объяснено 90,4% дисперсии объема выпуска продукции
I:
S: Если с увеличением масштабов производства удельный расход сырья сокращается, то моделирование целесообразно проводить на основе
+: равносторонней гиперболы
-: параболы второй степени
-: степенной функции
-: экспоненциальной функции
I:
S: 
-: 8-10
-: 6-7
+: 12-14
-: 18-21
I:
S: 
-: квартира с балконом стоит на 1,05 долл. дороже аналогичной квартиры без балкона
-: один квадратный метр жилья стоит 450 долл.
-: один квадратный метр квартиры с балконом стоит 450 долл.
+: наличие балкона не влияет на цену квартиры
I:
S: 
-: 
+: 
-: 
-: 
I:
S: 
-: эластичности
+: корреляции
-: детерминации
-: регрессии
I:
S: 
+: среднее значение зависимой переменной при нулевых значениях независимых (объясняющих) переменных
-: влияние случайных факторов на зависимую переменную модели у
-: среднее изменение зависимой переменной модели у при изменении независимых переменных на единицу
-: среднее значение независимой переменной при нулевых значениях зависимых переменных
I:
S: Переменные, принимающие значения 0 и 1, которые вводят в модель множественной регрессии для количественного задания некоторого качественного признака, называются __________ переменньми.
-: коллинеарными
-: зависимыми
-: независимыми
+: фиктивными
I:
S: Выбор вида эконометрической модели на основании соответствующей теории связи между переменными называется ______ модели.
-: классификацией
+: спецификацией
-: систематизацией
-: построением
I:
S: 
-: 
-: 
-: 
+: 1
I:
S: Оценки являются _____________, если при увеличении количества
наблюдений, точность оценок тоже увеличивается.
-: смещенными
-: не смещенными
-: эффективными
+: состоятельными
I:
S: Для оценки параметров линейной регрессионной модели с
_________ остатками применяется обобщенный метод
наименьших квадратов.
-: не гетероскедастичными
-: некоррелированными
-: гомоскедастичными
+: автокоррелированными
I:
S: 
-: неопределенной ситуации относительно автокорреляции остатков
-: отрицательной автокорреляции в остатках
+: отсутствия автокорреляции в остатках
-: положительной автокорреляции в остатках
I:
S: 
-: рекурсивных
-: одновременных
-: независимых
+: нормальных
I:
S: 
+: минимума суммы квадратов отклонений
-: равенства нулю суммы модулей отклонений
-: минимума суммы модулей отклонений
-: равенства нулю суммы квадратов отклонений
I:
S: Оценки параметров, найденных при ______ метода
наименьших квадратов, обладают свойствами несмещенности, эффективности и состоятельности.
-: использовании обобщенного
-: использовании взвешенного
-: нарушении предпосылок
+: соблюдении предпосылок
I:
S: В случае регрессионной модели с автокоррелированными и / или
гетероскедастичными остатками рассматривают _________ модель
регрессии.
-: стандартизированную
+: обобщенную
-: нормальную
-: классическую (обычную)
I:
S: Известно, что теснота связи между х и у средняя, при увеличении независимой переменной х значение зависимой переменной у увеличивается. Тогда значение коэффициента корреляции для такой модели парной линейной регрессии находится в интервале ...
+: [0,6; 0,8]
-: [-1; 1]
-: [0,6; 1]
-: [0;1]
I:
S: Долю объясненной с помощью регрессии дисперсии в общей дисперсии зависимой переменной характеризует ...
-: коэффициент корреляции
-: F- статистика
+: коэффициент детерминации
-: коэффициент регрессии
I:
S: 
-: других параметров не подтвердилась
-: этого параметра не подтвердилась
+: этого параметра подтвердилась
-: других параметров подтвердилась
I:
S: 
-: суммой квадратов отклонении, не объясненных регрессией
-: общей суммой квадратов отклонений
+: суммой квадратов отклонений, объясненных регрессией
-: остаточной суммой квадратов отклонений
I:
S: 
-: суммой квадратов отклонений, объясненных регрессией
-: остаточной суммой квадратов отклонений
-: суммой квадратов отклонений, необъясненных регрессией
+: общей суммой квадратов отклонений
I:
S: Параметры регрессии, выраженной внутренне линейной функцией, нелинейной относительно параметров, после линеаризации можно оценить при помощи _________ метода наименьших квадратов.
-: трехшагового
-: косвенного
-: двухшагового
+: обычного
I:
S: Самым простым методом линеаризации нелинейной функции, гашенной относительно параметров, является ...
+: замена переменных
-: применение элементарных преобразования с использованием замены переменных
-: элементарные преобразования
-: разложение функции в ряд Тейлора
I:
S: 
+: разложение в ряд Тейлора
-: логарифмирование
-: замена переменных
-: потенцирование
I:
S: Априорно известно, что зависимость между объясняющей и объясняемой переменными не является линейной, в таком случае зависимость может быть выражена ________ функцией.
-: степенной
-: показательной
+: нелинейной
-: линейной
I:
S: Методом линеаризации внутренне линейной функции, нелинейной относительно параметров, является ...
+: применение элементарных преобразования с использованием замены переменных
-: замена переменных
-: элементарные преобразования
-: разложение функции в ряд Тейлора
I:
S: Убывающая или возрастающая компонента временного ряда, характеризующая совокупное долговременное воздействие множества факторов, называется ___________ компонентой.
-: случайной
-: циклической
-: сезонной
+: трендовой
I:
S: Коэффициент автокорреляции характеризует тесноту ________ связи.
-: эконометрической
-: обратной
+: линейной
-: нелинейной
I:
S: Сумма скорректированных сезонных компонент для мультипликационной модели равна ...
-: единице
+: лагу
-: половине лага
-: нулю
I:
S: 
-: неизменностью функции регрессии во времени
-: гомоскедастичностью его остатков
+: наличием в его структуре тренда
-: постоянством дисперсии его уровней
I:
S: Сумма скорректированных сезонных компонент для аддитивной модели равна ...
-: единице
+: нулю
-: лагу
-: половине лага
I:
S: Автокорреляционная функция является отображением зависимости между значениями соответствующего коэффициента автокорреляции
и ...
+: его порядком
-: уровнями ряда
-: периодами (моментами) времени
-: коррелограммой
I:
S: 
+: аддитивной моделью
-: мультипликативной моделью
-: моделью, включающей фактор времени
-: моделью с распределенным лагом
I:
S: Предпосылками метода наименьших квадратов (МНК) являются следующие …
-: отсутствие автокорреляции в остатках
-: присутствие в эконометрической модели более чем двух факторов
-: функциональная связь между зависимой и независимой переменными
+: гомоскедастичность остатков
I:
S: Несмещенность оценки характеризуется …
-: зависимостью от объема выборки значения математического ожидания остатков
+: равенством нулю математического ожидания остатков
-: максимальной дисперсией остатков
-: отсутствием накопления остатков при большом числе выборочных оцениваний
I:
S: Метод наименьших квадратов применим к уравнениям регрессии, …
-: которые отражают нелинейную зависимость между двумя экономическими показателями и не могут быть приведены к линейному виду
-: которые отражают нелинейную зависимость между двумя экономическими показателями, но могут быть приведены к линейному виду
-: нелинейного вида
+: которые отражают линейную зависимость между двумя экономическими показателями
I:
S: Обобщенный метод наименьших квадратов подразумевает …
-: переход от множественной регрессии к парной
-: преобразование переменных
+: введение в выражение для дисперсии остатков коэффициента пропорциональности
-: двухэтапное применение метода наименьших квадратов
I:
S: К видам эконометрических моделей по типам зависимости относятся модели …
+: систем эконометрических уравнений
-: временных рядов
-: нелинейной регрессии
-: линейной регрессии
I:
S: Отбор факторов в эконометрическую модель множественной регрессии может быть осуществлен на основе …
+: матрицы парных коэффициентов корреляции
-: сравнения коэффициентов «чистой» регрессии
-: значений коэффициентов автокорреляции уровней ряда различных порядков
-: сравнения остаточной дисперсии до и после включения фактора в модель
I:
S: В линейном уравнении парной регрессии 
переменными не являются …
-: y
+: a
-: x
I:
S: Фиктивная переменная может принимать значения:
+: 1
-: –1
-: в интервале от –1 до 1
I:
S: Пусть t – рассчитанная для коэффициента регрессии статистика Стьюдента, а tкрит – критическое значение этой статистики. Коэффициент регрессии считается статистически значимым, если выполняются следующие неравенства:
-: 
+: 
-: 
-: 
I:
S: Для зависимости спроса на некоторый товар от цены за единицу товара и дохода потребителя получено уравнение регрессии вида 
. Парными коэффициентами корреляции могут быть…
-: 
+: 
-: 
I:
S: Основные характеристики строго стационарного временного ряда 
– его средняя величина и дисперсия …
+: не зависят от t
-: меняются при изменении начала отсчета времени t
-: зависят от t
-: зависят от величины 
, где 
– «сдвиг по времени»
I:
S: Построение модели временного ряда может быть осуществлено с использованием …
-: критерия Дарбина–Уотсона
-: аддитивной модели
+: метода последовательных разностей
-: мультипликативной модели
I:
S: Система эконометрических уравнений включает в себя следующие переменные:
-: экономические
+: зависимые
-: комплексные
I:
S: Эндогенные переменные …
-: не зависят от экзогенных переменных
+: могут быть объектом регулирования
-: влияют на экзогенные переменные
-: могут коррелировать с ошибками регрессии
I:
S: Дано уравнение регрессии 
. Определите спецификацию модели.
-: полиномиальное уравнение множественной регрессии
+: линейное уравнение множественной регрессии
-: полиномиальное уравнение парной регрессии
-: линейное уравнение простой регрессии
I:
S: Математическая форма записи уравнения зависимости переменной у от одного или нескольких факторов х называется ______ эконометрической модели.
-: аппробацией
+: спецификацией
-: адаптацией
-: измерением
I:
S: Отбрасывание значимой переменной в уравнении множественной регрессии является ошибкой ...
+: идентификации
-: верификации
-: спецификации
-: параметризации
I:
S: Отправной точкой эконометрического исследования является…
+: определение спецификации модели
-: совершенствование модели
-: проверка качества модели
-: оценка погрешности модели
I:
S: При выборе спецификации модели парная регрессия используется в случае, если среди множества факторов, влияющих на результат …
+: можно выделить доминирующий фактор
-: нельзя выделить доминирующий фактор
-: можно выделить несколько факторов
-: можно выделить лишь случайные факторы
I:
S: Примером модели множественной регрессии является:
+: Y=b0+b1X1+ b2X2
-: Y=b0+b1X
-: Y=b0+b1Ln(X)
-: Y=b0+b1X+ b2X2
I:
S: Относительно количества факторов, включенных в уравнение регрессии, различают регрессии …
+: простую и множественную
-: парную и линейную
-: нелинейную и множественную
-: множественную и многофакторную
I:
S: При отборе факторов множественного линейного уравнения регрессии число факторов в ...
+: 6-7 раз меньше объема выборки по которой строится регрессия
-: 6-7 раз больше объема выборки по которой строится регрессия
-: 6-7 раз больше количества параметров уравнения
-: 6-7 раз меньше количества параметров уравнения
I:
S: Значения матрицы парных коэффициентов корреляции не характеризуют …
-: значение коэффициента множественной корреляции
-: тесноту линейной связи между двумя переменными
+: статистическую значимость построенного уравнения
-: наличие коллинеарных факторов в модели
I:
S: Из пары коллинеарных факторов в эконометрическую модель включается тот фактор, который при _______ связи с результатом имеет меньшую связь с другими факторами.
+: достаточно тесной
-: отсутствии
-: нелинейной
-: слабой