16. Тест по теме «Применение регрессионных моделей»

1. Сравнить силу влияния факторов на исследуемый показатель можно, используя:

А) коэффициенты регрессии в натуральном масштабе из многофакторной модели регрессии;

Б) частные коэффициенты эластичности;

В) стандартизованные коэффициенты регрессии из многофакторного анализа.

2. Два фактора должны быть признаны коллинеарными, если

А) величина коэффициента корреляции между ними больше 0,7;

Б) величина коэффициента корреляции между ними меньше 0,7;

В) коэффициент корреляции между ними по модулю больше 0,7.

3. Совокупность наблюдений можно считать однородной по показателю хj, если коэффициент вариации (в %)

А) равен 33;

Б) меньше 33;

В) больше 33;

4. Задачами корреляционно-регрессионного анализа являются:

А) изучить оценки неизвестных параметров уравнения;

Б) оценить адекватность модели;

В) качественно предсказать результат в будущем;

Г) определить тесноту связи между показателями.

5. Значения линейного коэффициента корреляции могут находиться в границах:

А) ;

Б) ;

В) ;

Г)

6. Множественный коэффициент корреляции характеризует тесноту связи между

А) несколькими зависимыми переменными и одной независимой переменной;

Б) несколькими зависимыми и несколькими независимыми переменными;

В) одной зависимой переменной и несколькими независимыми переменными;

Г) одной зависимой и одной независимой переменными.

7. Стандартизованный коэффициент регрессии рассчитывают по формуле:

А) ; б) ; в) ; г)

8. Укажите последовательность этапов проведения корреляционно-регрессионного анализа.

А) проверка адекватности построенной модели;

Б) интерпретация полученных результатов;

В) отбор факторов для построения модели;

Г) выбор вида регрессионной модели и оценка ее параметров;

Д) постановка задачи;

Е) сбор исходных данных их анализ.

9. Многофакторная регрессионная модель считается статистически значимой, если

А) Fтабл>Fрасч;

Б) Fтабл=Fрасч;

В) Fтабл<Fрасч.

10.К универсальным показателям тесноты связи относят:

А) парный коэффициент корреляции;

Б) корреляционное отношение;

В) множественный коэффициент детерминации;

Г) индекс корреляции.

11.Надежность модели определяется по:

А) T-статистике Стьюдента;

Б) F-критерию Фишера;

В) коэффициенту детерминации;

Г) средней относительной ошибке аппроксимации.

12.Число наблюдений считается достаточным, когда:

А) n-p-1<30;

Б) n-p+1>30;

В) n-p-1>30;

Г) n-p+1<30.

13.Среднюю относительную ошибку аппроксимации рассчитывают по формуле:

А) ; б) ;

В) ; г) .

14.Регрессионная связь – это

А) связь между одной зависимой и несколькими другими, называемыми независимыми переменными, выраженная с помощью математической модели;

Б) связь, при которой на величину исследуемого показателя оказывают множество факторов, действующих в различных направлениях одновременно или последовательно;

В) связь между несколькими зависимыми и независимыми показателями, действующих в различных направлениях одновременно и последовательно.

15.Коэффициент эластичности рассчитывается по формуле:

А) ; б) ; в) ; г) .

16.Коэффициент множественной детерминации показывает, какую часть вариации исследуемого показателя объясняют факторы

А) неучтенные в многофакторной регрессионной модели;

Б) присутствующие в многофакторной регрессионной модели;

В) как присутствующие, так и неучтенные в многофакторной регрессионной модели.

17.Исследование остатков предполагает проверку наличия следующих предпосылок метода наименьших квадратов:

А) отсутствие автокорреляции остатков;

Б) остатки не случайны;

В) гетероскедастичность;

Г) гомоскедастичность;

Д) случайный характер остатков;

Е) наличие зависимости остатков от изменения факторов;

Ж) нулевая средняя величина остатков;

З) остатки подчиняются нормальному закону распределения.

18.Значения частного коэффициента корреляции могут находиться в интервале:

А) [-1; 0];

Б) [0, 4];

В) [-1; 1];

Г) [0; 1].

19.Фиктивные переменные – это

А) независимые переменные;

Б) количественные переменные;

В) качественные переменные;

Г) качественные переменные, преобразованные в количественные.

20.Верные или ложные следующие утверждения:

А) автокорреляция характерна в основном для временных рядов;

Б) статистика Дарбина-Уотсона лежит в пределах от 0 до 4;

В) автокорреляция всегда является следствием неправильной спецификации модели;

Г) при наличии автокорреляции значение коэффициента детерминации R2 будет всегда существенно ниже единицы.

< Предыдущая		Следующая >