![](/user_photo/2706_HbeT2.jpg)
- •Учебная программа дисциплины – Syllabus
- •Данные о преподавателях: Преподаватель, ведущий занятия: Алимжанова Рауза Мусахановна-к-ф-м.Н.,доцент
- •Данные о дисциплине:
- •Выписка из учебного плана
- •Перечень и виды заданий и график их выполнения:
- •1.7 Список литературы
- •1.8 Контроль и оценка знаний.
- •Календарный график сдачи всех видов контроля по дисциплине «Эконометрика»
- •Оценка знаний студентов
- •Вопросы для подготовки к промежуточной аттестации
- •1.9 Политика и процедура курса
- •Содержание Активного раздаточного материала
- •2.1 Тематический план курса
- •2.2 Конспект лекционных занятий
- •2.3 Планы лабораторных занятий
- •2.6 Тестовые задания для самоконтроля
- •2.7 Экзаменационные вопросы по курсу
- •2.8 Темы письменных работ
- •Алимжанова Рауза Мусахановна Исмаилова Рауза Тольтаевна
2.6 Тестовые задания для самоконтроля
1 Если эконометрическая модель содержит только одну объясняющую переменную, она называется:
а) линейной регрессией;
б) парной регрессией;
в) множественной регрессией.
г) непарной регрессией;
д) динамической;
2. Статистические данные, собираемые для одного объекта в различные периоды времени, называется:
а) панельными данными;
б) временными рядами;
в) перекрестными данными;
г) лаговые переменные;
д) входными данными.
3. Площадь фигуры под графиком плотности вероятности равна:
а) 1;
б)
;
в)
;
г)
;
д)
;
4.При умножении случайной величины на константу математическое ожидание умножается:
а) на эту же константу;
б) на квадрат этой константы;
в) на 0,5 этой константы.
г) на дисперсию;
д) вероятность;
5.Дисперсия случайной величины определяется как:
а) квадрат разности между этой величиной и ее математическим ожиданием;
б) математическое ожидание разности между этой величиной и ее математическим ожиданием;
в) математическое ожидание квадрата разности между этой величиной и ее математическим ожиданием.
г) разность между этой величиной и ее математическим ожиданием;
д) квадрат суммы этой величиной и ее математическим ожиданием.
6. Стандартным отклонением называется величина, представляющая собой:
а) квадрат дисперсии случайной величины;
б) квадратный корень из дисперсии случайной величины;
в) половину дисперсии случайной величины;
г) квадрат математического ожидания случайной величины;
д) произведения математического ожидания на константу.
7. Оценка характеристики случайной величины называется несмещенной, если :
а) ее дисперсия совпадает с математическим ожиданием;
б) ее математическое ожидание совпадает с теоретическим значением этой характеристики;
в) ее математическое ожидание равно нулю;
г) ее дисперсия не совпадает с математическим ожиданием;
д) ее математическое ожидание не равно нулю.
8. Оценка называется состоятельной, если:
а) она с ростом объема выборки дает все более точное значение характеристики случайной величины;
б) она с ростом объема выборки дает приближенное значение характеристики случайной величины;
в) она с ростом объема выборки дает нулевое значение характеристики случайной величины;
г) она с ростом объема выборки дает единичное значение характеристики случайной величины
д) она с ростом объема выборки дает положительное значение характеристики случайной величины.
9.
Выборочное среднее
рассчитывается
по следующей формуле:
а)
;
б)
;
в)
;
г)
д)
.
10.Если одна из переменных равняется константе, тогда ковариация равна:
а) этой же константе;
б) дисперсию;
в) нулю.
г) вероятности;
д)математическому ожиданию.
11. 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
г) характеризуют тесноту связи рассматриваемого набора факторов
с исследуемым признаком;
д) оценивает значимость уравнения регрессии по факторам.
12. Чему равен выборочный коэффициент корреляции при строгой линейной положительной зависимости между выборочными значениями х и у:
а) 1;
б) нулю;
в) –1.
г) 2;
д) 4.
13 Чему равно вероятность дискретной величины:
а)
;
б)
;
в)
;
г)
;
д)
;
14 Чему равно вероятность непрерывной случайной величины:
а)
б)
в)
г)
д)
15. При использовании метода наименьших квадратов:
а) сумма квадратов остатков максимизируется;
б) сумма квадратов остатков минимизируется;
в) суммы квадратов минимизируется;
г) разность квадратов максимизируется;
д) разность квадратов минимизируется.
16. В модели парной линейной регрессии, что является зависимой переменной:
а) х;
б) ;
в) у;
г) ;
д) u.
17 В модели парной линейной регрессии х является:
а) независимой переменной;
б) зависимой переменной;
в) случайным членом;
г) постоянной величиной;
д) остатком.
18 По какой формуле рассчитывается параметр b уравнении парной регрессии:
а)
;
б)
;
в)
;
г)
;
д)
.
19 Регрессия называется парной, если ее уравнение содержит:
а) две объясняющих переменных;
б) одну объясняющую переменную;
в) две зависимых переменных;
г) две остатки;
д) две независимых переменных.
20. 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.
г) оценивает качество модели по каждому наблюдению;
д) характеризует долю дисперсии х , вызванную влиянием учтенных в модели факторов.
21 Наиболее наглядным видом выбора уравнения парной регрессии является:
а) аналитический;
б) графический;
в) экспериментальный (табличный);
г) в виде диаграммы;
д) математический.
22 Чему равно максимальное значение коэффициента детерминации:
а) 0;
б) 1;
в) 0,85;
г) –1;
д) 0,25.
23 Как будет выглядеть оцененное уравнение парной регрессии
а)
;
б)
;
в)
;
г)
;
д)
.
24 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.
г) содержат поправку на число степеней свободы и допускают увеличения тесноты связи;
д) характеризуют тесноту связи между результатом и соответствующим фактором при факторов, невключенных в уравнение регрессии.
25 Коррелированность двух или несколько объясняющих переменных в уравнении регрессии называется:
а) мультиколлинеарностью;
б) автоколлинеарностью;
в) автокорреляцией;
г) гетероскедастичностью;
д) гомоскедастичностью.
26 Для обнаружения автокорреляции первого порядка используется:
а) t- тест;
б) F-статистика;
в) метод Монте-Карло;
г) метод Халдрета-Лу;
д) статистика Дарбина-Уотсона.
27 При наличии гетероскедастичности следует применять:
а) обычный МНК;
б) обобщенный МНК;
в) метод максимального правдоподобия;
г) метод Койка;
д) критерий Дарбина -Уотсона.
28 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;
г) характеризует наличие тенденции;
д) характеризует тесноту связи текущего и предыдущего уровней ряда.
29 Число периодов, на которое запаздывает воздействие фактора на текущее состояние процесса, называется :
а) инфляцией;
б)лагом;
в)процессом;
г) длиной периода;
д) стационарным процессом.
30 Критерий Дарбина-Уотсона применяется для:
а) определения автокорреляции в остатках;
б) определения наличия сезонных колебаний;
в) для оценки существенности построенной модели
г) определения гетероскедастичности;
д) для оценки качества модели.
-
№ вопроса
Код ответа
№
вопроса
Код ответа
1
А
16
В
2
Б
17
А
3
А
18
В
4
А
19
В
5
В
20
В
6
Б
21
А
7
Б
22
Б
8
А
23
Б
9
А
24
А
10
В
25
А
11
А
26
Д
12
А
27
Б
13
В
28
А
14
Д
29
Б
15
Б
30
А