Эконометрика: идентификация, оценивание и анализ статистических моделей - ответы на тесты Интуит
Правильные ответы выделены зелёным цветом.
Все ответы: Данный курс позволяет изучить методы построения и использования разнообразных моделей для проверки различного рода гипотез о связях между измеряемыми показателями, прогнозирования, проектирования управляющих воздействий и решения других задач, связанных с принятием управленческих решений в бизнесе и исследованиями поведения всевозможных экономических агентов, товарных рынков и региональных экономик.
Все ответы: Данный курс позволяет изучить методы построения и использования разнообразных моделей для проверки различного рода гипотез о связях между измеряемыми показателями, прогнозирования, проектирования управляющих воздействий и решения других задач, связанных с принятием управленческих решений в бизнесе и исследованиями поведения всевозможных экономических агентов, товарных рынков и региональных экономик.
Смотрите также:
Эконометрика включает в себя элементы дисциплин:
(1) экономики, математической физики и математики
(2) экономической теории, экономической статистики и математики
(3) экономической теории, математической статистики и математики
Одним из достаточных условий слабой состоятельности МНК оценок параметров линейной регрессии является то, что:
(1) значения независимых переменных и случайной составляющей являлись реализациями последовательности независимых случайных величин
(2) для любых значений независимых переменных выполнялась нормальная гипотеза
(3) отсутствует корреляция между независимыми переменными и случайной составляющей
Регрессионный анализ это
(1) способ построения линейной регрессии
(2) статистический метод исследования зависимости между зависимой переменной и одной или несколькими независимыми
(3) статистический метод исследования взаимосвязи между несколькими переменными
Измерение это:
(1) присвоение чисел или других символов характеристикам объекта по заранее определенным правилам
(2) присвоение чисел или других символов объектам по заранее определенным правилам
(3) присвоение чисел характеристикам объекта по заранее определенным правилам
Метод наименьших квадратов (МНК) состоит в:
(1) минимизации суммы квадратов ошибок аппроксимации
(2) минимизации суммы квадратов ошибок прогнозирования
(3) минимизации квадрата суммы ошибок аппроксимации
При проверке гипотез о значениях параметров линейной регрессии мы не можем использовать формулу для подсчета ковариационной матрицы МНК оценок значений параметров линейной регрессии, т.к.:
(1) не известно истинное значение дисперсии случайной составляющей
(2) этому препятствует мультиколлинеарность
(3) не известна оценка истинного значения дисперсии случайной составляющей
Первым шагом в эконометрических исследованиях является:
(1) определение бюджета исследований
(2) определение цели исследований
(3) определение состава и структуры проектной команды
Практический смысл первого из условий Гренандера состоит в том, что:
(1) последовательность значений каждой их независимых переменных не вырождается в последовательность нулей при объеме выборки стремящемся к бесконечности
(2) корреляция между значениями независимых переменных стремится к нулю при объеме выборки стремящемся к бесконечности
(3) гетероскедастичность при объеме выборки стремящемся к бесконечности становится пренебрежимо мала
Регрессией называется:
(1) произведение математического ожидания зависимой переменной на независимую переменную
(2) условное математическое ожидание зависимой переменной при условии знания значений независимых переменных, включенных в модель
(3) условное математическое ожидание зависимой переменной при условии знания значений всех внешних факторов
Для номинальной шкалы символы:
(1) никак не характеризуют степень выраженности какой-либо характеристики
(2) характеризуют степень выраженности некоторой характеристики
(3) являются числами
Достаточным условием существования и единственности МНК оценки параметров линейной регрессии должна выполняться гипотеза:
(1) об экзогенности
(2) о гомоскедастичности и отсутствии автокорреляции
(3) о полноте ранга
Коэффициент линейной регрессии определяет:
(1) силу влияния независимой переменной на зависимую переменную
(2) силу влияния зависимой переменной на независимую переменную
(3) силу влияния случайных факторов на зависимую переменную
Если модель будет признана адекватной данным, то:
(1) она будет всегда использоваться в дальнейшей работе
(2) необходимо будет регулярно проверять ее адекватность
(3) следует проанализировать стоимость ее использования
Для асимптотической нормальности МНК оценок параметров линейной регрессии помимо выполнения условий Гренандера следует потребовать, чтобы:
(1) случайные составляющие для различных номеров были независимыми случайными величинами с нулевым математическим ожиданием и конечной дисперсией
(2) отсутствовала корреляция между независимыми переменными
(3) случайные составляющие для различных номеров были одинаково распределенными случайными величинами с нулевым математическим ожиданием
Фиктивная переменная:
(1) это переменная, принимающая значения ноль или единица
(2) содержит значения искусственно созданных факторов
(3) отражает суммарное влияние ошибок измерения
Элементы порядковой шкалы характеризуют:
(1) относительную степень выраженности характеристик
(2) абсолютную степень выраженности характеристик
(3) принадлежность измеряемого объекта к тому или иному классу
Вектор подогнанных значений зависимой переменной является проекцией вектора значений зависимой переменной на:
(1) пространство, натянутое на векторы значений независимых переменных
(2) пространство ортогональное пространству, натянутому на векторы значений независимых переменных
(3) пространство значений векторов параметров линейной регрессии
С ростом значения статистики критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии коэффициент частной корреляции между соответствующей независимой и зависимой переменными при фиксированном значении остальных переменных:
(1) растет
(2) уменьшается
(3) сначала растет, а потом уменьшается
Если данные обладают какими-либо дефектами, следует:
(1) прекратить исследования
(2) собрать новые данные или откорректировать имеющиеся
(3) пересмотреть теоретические предположения
Если в модели линейной регрессии пропущена значимая независимая переменная, то может нарушиться:
(1) гипотеза об экзогенности
(2) гипотеза о гомоседастичности и отсутствии автокорреляции
(3) условие Гренандера
Гипотеза о линейности предполагает:
(1) линейную зависимость от параметров модели и аддитивное вхождение в модель случайной составляющей
(2) линейную зависимость зависимой переменной от независимых
(3) линейное вхождение в модель детерминированной составляющей
Для элементов интервальной шкалы
(1) определена метрика, но не определено начало отсчета
(2) определена метрика и начало отсчета
(3) определено только отношение порядка
При изменении масштаба измерения зависимой переменной коэффициент детерминации:
(1) не изменяется
(2) растет или уменьшается в зависимости от характера изменения масштаба
(3) до определенного масштаба растет, а затем уменьшается
Если статистика критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии меньше единицы, то при удалении соответствующей переменной из модели линейной регрессии значение модифицированного коэффициента детерминации:
(1) увеличивается
(2) уменьшается
(3) не изменяется
Следуя Кейнсу, следует ожидать, что предельная склонность к потреблению:
(1) находится в интервале от нуля до единицы
(2) находится в интервале от минус единицы до единицы
(3) имеет экстремум на интервале от нуля до единицы
Инструментальные переменные, это переменные, которые:
(1) имеют не нулевую корреляцию с независимыми переменными, и не коррелируют со случайной переменной
(2) содержат значения, полученные за счет инструментальных (автоматизированных) измерений
(3) имеют нулевую корреляцию с независимыми переменными и со случайной переменной
Гипотеза о полноте ранга предполагает:
(1) отсутствие линейной связи между независимыми переменными и случайной составляющей
(2) отсутствие любых видов связи между независимыми переменными
(3) отсутствие точной линейной зависимости между независимыми переменными
Интервальная шкала отличается от относительной:
(1) наличием только целочисленных элементов
(2) тем, что ее элементы обязательно больше нуля
(3) отсутствием естественно определенного начала отсчета (нуля)
Ложная корреляция между двумя переменными объясняется:
(1) влиянием третьей переменной на обе
(2) наличием гетероскедастичности
(3) нарушением нормальной гипотезы
Можно с фиксированной вероятностью ошибки отвергнуть гипотезу о равенстве нулю коэффициента линейной регрессии, если доверительный интервал для его истинного значения:
(1) накрывает ноль
(2) не накрывает ноль
(3) накрывает значение отличное от нуля
При построении эконометрической модели следует:
(1) пытаться описать все свойства изучаемого объекта
(2) ограничиться описанием только тех свойств изучаемого объекта, которые полезны для решения поставленной задачи
(3) ограничиться описанием только малозаметных, неярких свойств изучаемого объекта
Критерий Хаусмана основан на сравнении:
(1) МНК оценки параметров линейной регрессии и оценки полученной с использованием инструментальных переменных
(2) оценок параметров линейной регрессии полученных различными методами с использованием инструментальных переменных
(3) оценок параметров линейной регрессии полученных методом максимума правдоподобия и МНК оценок
Гипотеза об экзогенности предполагает, что:
(1) значения независимых переменных не содержат полезной информации о зависимой переменной
(2) значения независимых переменных не содержат полезной информации о случайной составляющей
(3) случайная составляющая не влияет на значения зависимой переменной
При необходимости использовать в модели линейной регрессии номинальную или порядковую переменную следует:
(1) перекодировать значения переменной в числа и добавить в модель
(2) ввести в модель фиктивные переменные в количестве на единицу меньше, чем число значений исходной переменной
(3) ввести в модель фиктивные переменные в количестве на две меньше, чем число значений исходной переменной.
Несмещеность МНК оценок параметров линейной регрессии является следствием:
(1) справедливости гипотезы об экзогенности
(2) правильного выбора независимых переменных
(3) отсутствия гетероскедастичности случайной составляющей
Точность интервальной оценки истинного значения линейной регрессии при удалении от средних значений регрессоров на периферию:
(1) возрастает
(2) убывает
(3) остается неизменной
Для измерения степени изменчивости данных можно использовать величину пропорциональную:
(1) выборочному математическому ожиданию
(2) выборочной медиане абсолютных отклонений
(3) выборочному коэффициенту асимметрии
Выброс это измерение, которое:
(1) плохо описывается с помощью выбранной модели
(2) хорошо заметно на фоне остальных измерений
(3) можно рассматривать, как реализацию случайной величины
В модели линейной регрессии гомоскедастичность случайной составляющей означает, что:
(1) случайные составляющие для различных номеров измерений имеют одинаковый закон распределения
(2) условное математическое ожидание случайных составляющих для различных номеров измерений при условии знания значений независимых переменных равно нулю
(3) дисперсии случайных составляющих для различных номеров измерений одинаковы
Целью предварительного анализа данных является:
(1) выявить независимые переменные, наиболее тесно связанные с зависимой
(2) измерить требуемые характеристики объектов исследования
(3) классифицировать независимые переменные
Из теоремы Гаусса - Маркова следует, что:
(1) элементы ковариационной матрицы МНК оценок параметров линейной регрессии меньше соответствующих элементов ковариационной матрицы другой линейной и несмещенной оценки
(2) разность ковариационной матрицы МНК оценок параметров линейной регрессии и ковариационной матрицы другой линейной и несмещенной оценки является отрицательно определенной матрицей
(3) элементы ковариационной матрицы МНК оценок параметров линейной регрессии по модулю больше соответствующих элементов ковариационной матрицы другой линейной и несмещенной оценки
Модель в эконометрике отвечает на вопросы о том:
(1) связанны ли между собой наблюдаемые экономические показатели и как именно
(2) являются ли изменения одних экономических показателей причиной изменения других
(3) какова структура взаимодействия участников того или иного рынка
Объясненная часть изменчивости это:
(1) часть изменений анализируемых величин, которая может быть объяснена с помощью включенных в модель внешних факторов
(2) колебания изучаемых величин относительно среднего
(3) изменения изучаемых величин, которые объясняются неучтенными в модели факторами
Расстояние Кука позволяет учесть:
(1) степень анормальности наблюдения и чувствительность оценки к выбросу
(2) расстояние вектора значений независимых переменных от средней точки
(3) расхождения между двумя видами оценок параметров линейной регрессии
Гипотеза о нормальности предполагает, что:
(1) безусловное распределение случайной составляющей является нормальным
(2) условное распределение случайной составляющей является нормальным при условии знания значений независимых переменных
(3) случайная составляющая может быть преобразована к нормально распределенной случайной величине
Для анализа влияния номинальных и порядковых переменных на зависимую переменную следует использовать:
(1) корреляционную матрицу
(2) диаграмму Бокса-Вискера
(3) нормальную кривую
Наличие мультиколинеарности ведет к:
(1) росту дисперсий МНК оценок значений параметров линейной регрессии
(2) невозможности расчета МНК оценок значений параметров линейной регрессии
(3) росту корреляции МНК оценок значений параметров линейной регрессии
Общая линейная гипотеза является предположением о справедливости:
(1) некоторого количества линейных ограничений на параметры линейной регрессии
(2) некоторого количества линейных связей между независимыми переменными в модели линейной регрессии
(3) линейного вхождения параметров и случайной составляющей в модель линейной регрессии
В критерии Уайта об отсутствии гетероскедастичности говорит:
(1) большое значение р-уровня
(2) маленькое значение р-уровня
(3) маленькое значение статистики Акаике
Эконометрика включает в себя элементы дисциплин:
(1) математики, математической физики и политологии
(2) математики, экономической теории и экономической статистики
(3) политической экономии, математической статистики и социальной психологии
Тот факт, что значения независимых переменных и случайной составляющей являются реализациями последовательности независимых случайных величин, является одним из достаточных условий того, то:
(1) МНК оценки параметров линейной регрессии являются слабо состоятельными
(2) МНК оценки параметров линейной регрессии являются состоятельными в среднеквадратическом смысле
(3) отсутствует корреляция между МНК оценками параметров линейной регрессии и случайной составляющей
Регрессионный анализ позволяет ответить на вопрос:
(1) как изменится значение зависимой переменной, если изменится значение одной из независимых переменных при фиксированных значениях остальных
(2) как изменится значение одной независимой переменной, если изменится значение другой независимой переменной
(3) какую переменную следует назначить на роль зависимой переменной
При измерении необходимо обеспечить:
(1) взаимно однозначное соответствие между степенью выраженности измеряемой характеристики и множеством присваиваемых символов
(2) наличие хотя бы одной степени выраженности измеряемой характеристики для каждого из множества присеваемых символов
(3) наличие хотя бы одного присеваемого символа для каждой степени выраженности измеряемой характеристики
Подогнанным значением зависимой переменной называют:
(1) скалярное произведение вектора значений независимых переменных и оценки значения вектора параметров линейной регрессии
(2) скалярное произведение вектора средних значений независимых переменных и вектора параметров линейной регрессии
(3) аппроксимацию значений зависимой переменной
Если выполняется нормальная гипотеза, при условии справедливости основной гипотезы, статика критерия имеет:
(1) нормальное распределение
(2) распределение Стьюдента
(3) распределение хи-квадрат
Формирование начальных теоретических предположений является:
(1) вторым шагом в эконометрических исследованиях
(2) следует за построением эконометрической модели
(3) завершает эконометрические исследования
Практический смысл второго из условий Гренандера состоит в том, что с увеличением объема выборки:
(1) значимость каждого отдельного измерения каждой независимой переменной для МНК оценок параметров линейной регрессии уменьшается
(2) корреляция между значениями МНК оценок параметров линейной регрессии уменьшается
(3) значения МНК оценок параметров линейной регрессии уменьшаются
Независимые переменные в модели линейной регрессии:
(1) переменные, которые не зависят друг от друга
(2) переменные, отражающие влияние внешних факторов на зависимую переменную
(3) переменные, содержащие числовые характеристики внешних факторов, учтенных в модели
Для элементов номинальных шкал:
(1) единственной допустимой операцией является счет
(2) допускается деление нацело
(3) определено отношение порядка
Для того, чтобы нормальное уравнение МНК имело единственное решение, достаточно выполнения гипотезы:
(1) о нормальности
(2) о гомоскедастичности и отсутствии автокорреляции
(3) о полноте ранга
С фиксированной вероятностью ошибки независимая переменная значима для модели линейной регрессии, если:
(1) сила ее влияния на зависимую переменную не равна нулю
(2) не отвергается гипотеза о равенстве нулю соответствующего ей параметра линейной регрессии
(3) дисперсия этой переменной достаточно велика
Если модель будет признана неадекватной данным, следует:
(1) прекратить исследования
(2) проанализировать данные и их источники
(3) пересмотреть бюджет проекта
Условия Гренандера являются частью достаточных условий для:
(1) асимптотической нормальности МНК оценок параметров линейной регрессии
(2) слабой состоятельности МНК оценок параметров линейной регрессии
(3) асимптотической некоррелированности МНК оценок параметров линейной регрессии
При необходимости учесть влияние качественного признака, принимающего два значения, используют:
(1) нелинейные модели
(2) фиктивную переменную
(3) дополнительную случайную составляющую
Для порядковых переменных допустимы:
(1) арифметические операции
(2) операции, основанные на квантилях
(3) только сложение
Вектор значений апостериорной остаточной разности является проекцией вектора значений зависимой переменной на:
(1) пространство, натянутое на векторы значений независимых переменных
(2) пространство ортогональное пространству, натянутому на векторы значений независимых переменных
(3) пространство значений векторов параметров линейной регрессии
С ростом значения коэффициента частной корреляции между независимой и зависимой переменными при фиксированном значении остальных переменных статистика критерия проверки гипотезы о равенстве нулю соответствующего коэффициента линейной регрессии:
(1) растет
(2) уменьшается
(3) сначала растет, а потом уменьшается
Корректировку теоретических предположений и проверка их адекватности данным следует:
(1) выполнить однократно в начале исследований
(2) выполнять до тех пор, пока не будет достигнут требуемый уровень адекватности
(3) выполнить однократно в конце исследований
Если в модели линейной регрессии независимая переменная измерена с ошибкой, то:
(1) может возникнуть корреляция между независимыми переменными и случайной составляющей
(2) невозможно подсчитать значение МНК оценки параметров линейной регрессии
(3) возникает зависимость дисперсии случайной составляющей от регрессоров
Модель линейной регрессии допускает:
(1) наличие произведений и степеней независимых переменных
(2) нелинейное вхождение в модель параметров регрессии
(3) наличие произведений независимых переменных и случайной составляющей
Равные интервалы между элементами интервальной шкалы:
(1) отображают равные интервалы между степенью выраженности измеряемой характеристики
(2) могут соответствовать различным приращениям степени выраженности характеристики
(3) характеризуют одинаковую скорость изменения измеряемых характеристик
Коэффициент детерминации характеризует:
(1) долю объясненной изменчивости в общей изменчивости зависимой переменной
(2) долю необъясненной изменчивости в общей изменчивости зависимой переменной
(3) долю дисперсии случайной составляющей в дисперсии зависимой переменной
Если статистика критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии больше единицы, то при удалении соответствующей переменной из модели линейной регрессии значение модифицированного коэффициента детерминации:
(1) увеличивается
(2) уменьшается
(3) не изменяется
В соответствии с предположениями Кейнса средняя склонность к потреблению:
(1) убывает с ростом доходов
(2) возрастает с ростом доходов
(3) не зависит от доходов
Если переменная имеют не нулевую корреляцию с независимыми переменными, и не коррелируют со случайной переменной, то она называется:
(1) инструментальной переменной
(2) фиктивной переменной
(3) значимой для модели переменной
При нарушении гипотезы о полноте ранга:
(1) имеющемуся набору данных адекватно бесконечное количество моделей заданной структуры
(2) отсутствуют модели заданной структуры адекватные имеющемуся набору данных
(3) имеющемуся набору данных адекватно несколько моделей заданной структуры
Для элементов интервальной шкалы недопустима операция:
(1) сложения
(2) деления
(3) деления разностей элементов
Для обнаружения ложной корреляции используют:
(1) модифицированный коэффициент детерминации
(2) статистику Дарбина - Ватсона
(3) коэффициент частной корреляции
Повышение точности интервальной оценки ведет к:
(1) уменьшению вероятности накрытия истинного значения параметра
(2) увеличению вероятности накрытия истинного значения параметра
(3) не влияет на вероятность накрытия истинного значения параметра
Некоторые свойства изучаемых объектов меняются с течением времени, поэтому:
(1) описание данных свойств не следует включать в модель
(2) следует периодически проверять адекватность построенной модели данным
(3) следует включать в модель описания всех свойство изучаемого объекта
Наличие состоятельной и несостоятельной при нарушении предположения об экзогенности оценок параметров линейной регрессии позволяет определить:
(1) наличие мультиколлинеарности
(2) нарушение гипотезы об экзогенности
(3) зависимость дисперсии случайной составляющей от регрессоров
Необходимым условием экзогенности независимых переменных является:
(1) невырожденность ковариационной матрицы независимых переменных
(2) равенство нулю математического ожидания случайной составляющей
(3) нормальное распределение случайной составляющей
Если ввести в модель линейной регрессии порядковую переменную с числовыми значениями, то
(1) при допустимом преобразовании порядковой шкалы коэффициент при этой переменной изменится
(2) при допустимом преобразовании порядковой шкалы коэффициент при данной переменной не изменится
(3) при любом преобразовании порядковой шкалы коэффициент при данной переменной не изменится
Совпадение математического ожидания оценки параметра закона распределения вероятностей с истинным значением этого параметра называется:
(1) несмещенностью оценки
(2) состоятельностью оценки
(3) эффективностью оценки
Для фиксированного значения вектора независимых переменных точность оценки истинного значения регрессии:
(1) выше точности оценки нового значения зависимой переменной
(2) ниже точности оценки нового значения зависимой переменной
(3) совпадает с точностью оценки нового значения зависимой переменной
Выборочный межквартильный размах можно использовать для оценки:
(1) среднего значения данных
(2) степени изменчивости данных
(3) величины эксцесса данных
Препятствуют обнаружению выбросов:
(1) большие значения показателя силы воздействия наблюдения (leverage)
(2) маленькие значения показателя силы воздействия наблюдения (leverage)
(3) средние (около 0.5) значения показателя силы воздействия наблюдения (leverage)
При отсутствии автокорреляции у случайной составляющей:
(1) зависимая переменная может иметь отличную от нуля автокорреляцию
(2) у зависимой переменной также отсутствует автокорреляция
(3) у независимых переменных также отсутствует автокорреляция
Нелинейные преобразования независимых переменных в модели линейной регрессии:
(1) никогда не меняют тип модели
(2) сохраняют тип модели, если не затрагивают параметры и случайную составляющую
(3) превращают модель линейной регрессии в нелинейную
Дисперсия МНК оценки параметров линейной регрессии:
(1) прямо пропорциональна дисперсии случайной составляющей
(2) обратно пропорциональна дисперсии случайной составляющей
(3) не зависит от дисперсии случайной составляющей
Проверка экономических гипотез в эконометрике осуществляться за счет:
(1) их формулировки в виде ограничений на вид эконометрической модели и последующей формальной проверки этих ограничений
(2) проверки соответствия формулировки гипотезы имеющимся данным
(3) проверки непротиворечивости утверждений экономической теории
Ошибки измерения:
(1) входят в состав стохастической компоненты модели
(2) должны быть исключены из рассмотрения при построении эконометрической модели
(3) приводят к необходимости пересмотра данных
Степень анормальности наблюдения и чувствительность оценки к выбросу учитываются в статистике:
(1) расстояние Кука
(2) расстояние Махаланобиса
(3) удаленная остаточная разность
Если выполняется гипотеза о нормальности, то:
(1) из выполнения гипотезы о гомоскедастичности и отсутствии автокорреляции следует независимость случайных составляющих
(2) из выполнения гипотезы о полноте ранга следует отсутствие гетероскедастичности
(3) из выполнения гипотезы об экзогенности следует отсутствие автокорреляции у случайных составляющих
Корреляционная матрица позволяет проанализировать влияние на зависимую переменную:
(1) номинальных независимых переменных
(2) интервальных и относительных независимых переменных
(3) порядковых независимых переменных
Нарушение гипотезы о полноте ранга ведет к:
(1) возникновению мультиколинеарности
(2) невозможности расчета МНК оценок значений параметров линейной регрессии
(3) возникновению гетероскедастичности
Если справедлива общая линейная гипотеза, то:
(1) некоторые параметры линейной регрессии однозначно выражаются через другие
(2) параметры линейно входят в уравнение регрессии
(3) существует линейная связь между зависимой и независимыми переменными
Наличие гетероскедастичности ведет к:
(1) потере оптимальности МНК оценки вектора значений параметров линейной регрессии в классе линейных несмещенных оценок
(2) необходимости использования гребневой оценки вектора значений параметров линейной регрессии
(3) невозможности подсчета МНК оценки вектора значений параметров линейной регрессии
Эконометрика включает в себя элементы дисциплин:
(1) социальной психологии, математики и политологии
(2) экономической статистики, математики и экономической теории
(3) политической экономии, математической статистики и культурологии
Для того, чтобы МНК оценки параметров линейной регрессии являлись слабо состоятельными, помимо прочего следует потребовать, чтобы:
(1) второй выборочный момент вектора независимых переменных сходился к симметричной положительно определенной матрице
(2) второй выборочный момент вектора независимых переменных сходился к диагональной матрице
(3) второй выборочный момент случайной составляющей был неотрицательной величиной
Выбор зависимой переменной:
(1) дается в постановке задачи
(2) осуществляется в ходе предварительного анализа данных
(3) осуществляется случайным образом
Правила измерения:
(1) не должно завесить возможных обстоятельств, сопровождающих измерение
(2) должно определяться временем и местом проведения измерения
(3) определяется текущим законодательством региона, где проводится измерение
Апостериорной остаточной разностью называют:
(1) погрешность аппроксимации зависимой переменной с помощью оцененной модели линейной регрессии
(2) погрешность прогнозирования зависимой переменной с помощью оцененной модели линейной регрессии
(3) погрешность оценки значения вектора параметров линейной регрессии
Если альтернативная гипотеза состоит в том, что истинное значение параметра линейной регрессии не превышает некоторого значения, то критическая область критерия имеет вид:
(1) луча, направленного в минус бесконечность
(2) луча, направленного в плюс бесконечность
(3) объединения двух лучей.
Построение эконометрической модели осуществляется на основе:
(1) формального описания целей исследований
(2) начальных теоретических предположений
(3) опроса заказчиков исследований
Практический смысл третьего из условий Гренандера состоит в том, что с увеличением объема выборки:
(1) матрица выборочных коэффициентов корреляции между независимыми переменными стремится к положительно определенной матрице
(2) матрица выборочных коэффициентов корреляции между независимыми переменными стремится к не отрицательно определенной матрице
(3) вектор выборочных коэффициентов корреляции между независимыми переменными и случайной составляющей стремится к нулю
Числовые характеристики внешних факторов учтенных в модели линейной регрессии содержатся:
(1) в независимых переменных
(2) в случайной составляющей
(3) в зависимой переменной
Частоту встречаемости значения номинальной характеристики объекта:
(1) всегда можно подсчитать
(2) можно подсчитать, если значения характеристики являются числами
(3) не может быть подсчитана для шкалы данного типа
Критерий МНК имеет единственный минимум, если выполняется гипотеза:
(1) о гомоскедастичности и отсутствии автокорреляции
(2) о полноте ранга
(3) об экзогенности
Если не отвергается гипотеза о равенстве нулю параметра линейной регрессии, то:
(1) с фиксированной вероятностью ошибки соответствующая независимая переменная значима для модели линейной регрессии
(2) можно считать доказанным, что значение данного параметра равно нулю
(3) с фиксированной вероятностью ошибки соответствующая независимая переменная незначима для модели линейной регрессии
Следует пересмотреть начальные теоретические предположения, если:
(1) модель неадекватна качественным данным
(2) сложность модели превышает допустимый порог сложности
(3) модель обладает низкой точностью
Для сильной состоятельности оценки дисперсии случайной составляющей в модели линейной регрессии s-квадрат достаточно чтобы:
(1) случайные составляющие были независимыми случайными величинами с конечной одинаковой дисперсией
(2) отсутствовала корреляция между случайными составляющими и независимыми переменными
(3) случайные составляющие имели асимптотически нормальное распределение
Использование фиктивной переменной в модели линейной регрессии позволяет:
(1) повысить ее адекватность данным
(2) учесть влияние ошибок измерения
(3) уменьшить количество независимых переменных
Для порядковой шкалы:
(1) возможны любые преобразования, которые сохраняет отношение порядка
(2) возможно любое ее отображение на числовую ось
(3) недопустимы никакие преобразования
Сумма значений апостериорных остаточных разностей:
(1) всегда равна нулю
(2) равна нулю при наличии константы в модели
(3) равна среднему значению зависимой переменной
При добавлении в модель линейной регрессии новой независимой переменной увеличение доли объясненной изменчивости зависимой переменной будет зависеть от:
(1) абсолютной величины коэффициента частной корреляции между ней и зависимой переменной при фиксированном значении остальных переменных
(2) абсолютной величины дисперсии независимой переменой
(3) закона распределения вероятностей остаточной разности
Корректировку теоретических предположений и проверка их адекватности данным следует:
(1) выполнить однократно в начале исследований
(2) выполнять до тех пор, пока не будет достигнут требуемый уровень адекватности
(3) выполнить однократно в конце исследований
При нарушении гипотезы об экзогенности:
(1) МНК оценка параметров линейной регрессии теряет свойство состоятельности
(2) невозможно подсчитать значение МНК оценки параметров линейной регрессии
(3) возникает мультиколлинеарность
Использование полиномиальной зависимости в модели линейной регрессии:
(1) позволяет учесть изменение характера связи между зависимой и независимой переменной
(2) превращает модель линейной регрессии в нелинейную модель
(3) позволяет учесть влияние качественного фактора
Школьная отметка по пятибалльной системе является элементом:
(1) номинальной шкалы
(2) порядковой шкалы
(3) интервальной шкалы
С ростом числа независимых переменных коэффициент детерминации:
(1) не уменьшается
(2) не растет
(3) растет до достижения оптимальной размерности, затем снижается
Значение модифицированного коэффициента детерминации увеличивается при удалении из модели линейной регрессии независимой переменной, для которой значение статистики критерия проверки гипотезы о равенстве нулю коэффициента линейной регрессии:
(1) больше единицы
(2) меньше единицы
(3) находится в интервале от нуля до двух.
Согласно утверждению Кейнса:
(1) предельная склонность к потреблению не превышает среднюю склонность к потреблению
(2) предельная склонность к потреблению превышает среднюю склонность к потреблению
(3) предельная склонность к потреблению отличается от средней склонности к потреблению на некоторую константу
Чтобы переменная являлась инструментальной, она должна имеет нулевую корреляцию со случайной составляющей и:
(1) иметь ненулевую корреляцию с независимыми переменными
(2) являться результатом инструментальных (автоматизированных) измерений
(3) при включении в модель не порождать гетероскедастичности
Мультиколлинеарностью называют:
(1) наличие точной линейной связи между несколькими независимыми переменными
(2) ситуацию, когда хотя бы одна независимая переменная может быть аппроксимирована с высокой точностью линейной комбинацией других независимых переменных;
(3) наличие точной линейной связи между независимыми переменными и зависимой
Шкала для измерения температуры является:
(1) номинальной
(2) интервальной
(3) порядковой
Ложная корреляция между зависимой и независимой переменной приводит:
(1) к завышению или занижению коэффициента линейной регрессии
(2) возникновению гетероскедастичности
(3) не влияет на результаты МНК оценивания
При фиксированной вероятности накрытия увеличение стандартной ошибки оценки параметра линейной регрессии ведет к:
(1) увеличению точности интервальной оценки
(2) снижению точности интервальной оценки
(3) не влияет на точность оценивания
Высокая сложность построенной модели является:
(1) ее несомненным достоинством
(2) препятствием ее использования на практике человеком
(3) основанием для пересмотра теоретических предположений
На первом шаге двухшагового метода наименьших квадратов:
(1) осуществляется подгонка независимых переменных с помощью линейных комбинаций инструментальных переменных
(2) осуществляется подгонка зависимой переменной с помощью линейных комбинаций инструментальных переменных
(3) осуществляется приближенная оценка параметров линейной регрессии
Если выполняется требование экзогенности, то ковариации между случайной составляющей и независимыми переменными:
(1) будет тождественно равна нулю
(2) будет зависеть от независимых переменных
(3) будет тождественно равна единице
Если ввести в модель линейной регрессии номинальную переменную с числовыми значениями, то:
(1) значение коэффициента при ней будет зависеть от способа кодировки значений переменной
(2) значение коэффициента при ней не будет зависеть от способа кодировки значений переменной
(3) значение коэффициента при этой переменной будет невозможно подсчитать
Поскольку МНК оценка значения вектора параметров линейной регрессии является несмещенной, то
(1) ее математическое ожидание совпадает с истинным значением вектора
(2) величина ее дисперсии не превышает максимально возможной границы
(3) прогноз новых значений зависимой переменной является наилучшим
Дисперсия оценки нового значения зависимой переменной:
(1) линейно зависит от значений независимых переменных
(2) является квадратичной формой от вектора значений регрессоров
(3) является постоянной величиной
Степень изменчивости данных обычно оценивают с помощью:
(1) выборочного стандартного отклонения
(2) выборочного коэффициента эксцесса
(3) выборочного среднего
Дисперсия остаточной разности:
(1) непостоянна и зависит от показателя силы воздействия наблюдения
(2) не зависит от независимых переменных при выполнении гипотезы о гомоскедастичности
(3) всегда является постоянной величиной
Большой разброс средних значений зависимой переменной свидетельствует о:
(1) возможном наличии гетероскедастичности
(2) большой дисперсии случайной составляющей
(3) нарушении предположения о полноте ранга
Диаграмма рассеивания это график:
(1) зависимости значений зависимой переменной от значений какой-либо из независимых переменных
(2) зависимости значений одной независимой переменной от значений другой независимой переменной
(3) зависимости значений случайной составляющей от значений какой-либо независимой переменной
Дисперсия МНК оценки параметров линейной регрессии минимальна:
(1) среди всех линейных и несмещенных оценок
(2) в классе всех состоятельных и несмещенных оценок
(3) в произвольном заранее выбранном классе оценок
Экономическая теория имеет проверяемые следствия, если:
(1) она может быть сформулирована в виде допускающих формальную проверку ограничений на некоторую эконометрическую модель
(2) она позволяет с требуемой точностью прогнозировать будущие значения экономических показателей
(3) экономические последствия использования этой теории допускают формальную проверку
Стохастическая компонента:
(1) включается в модель для компенсации ее неадекватности данным
(2) отражает совокупное влияние неучтенных факторов и ошибок измерения
(3) существенно повышает сложность эконометрической модели
Стьюдентизированная удаленная остаточная разность позволяет оценить:
(1) степень анормальности наблюдения
(2) чувствительность оценки к выбросу
(3) величину коэффициента толерантности
Нестрогим обоснованием гипотезы о нормальности является:
(1) одна из формулировок центральной предельной теоремы
(2) одна из формулировок закона больших чисел
(3) гипотеза о полноте ранга
Следует включить в предварительный вариант модели линейной регрессии независимые переменные, которые:
(1) имеют наибольшее значение коэффициента корреляции с зависимой переменной
(2) имеют наибольшее среднее значение
(3) имеют наибольшую дисперсию
Гребневая оценка вектора значений параметров линейной регрессии является:
(1) линейной и несмещенной
(2) нелинейной и смещенной
(3) линейной и смещенной
Качество подгонки данных моделью линейной регрессии оцененной с учетом ограничений общей линейной гипотезы и без их учета будет различаться несущественно, если:
(1) справедлива общая линейная гипотеза
(2) не справедлива общая линейная гипотеза
(3) выполняется гипотеза о линейности
Причиной гетероскедастичности может являться:
(1) зависимости дисперсии случайной составляющей от независимой переменной
(2) наличие ложной корреляции между зависимой и независимой переменной
(3) нарушение гипотезы о нормальности