Розділ 3. Тестові завдання
1. Предметом вивчення дисципліни „Економетрія” є:
а) виявлення якісного взаємозв’язку між економічними явищами та процесами
б) виявлення кількісного взаємозв’язку між економічними явищами та процесами
в) застосовування математичних методів у економіці
г) усі відповіді правильні
2. Економетрична модель:
а) функція чи система функцій, що описує кореляційно-регресійний зв’язок між економічними показниками
б) закономірності, які обумовлені одночасною дією на об’єкт багатьох факторів і які проявляються чітко лише при масових спостереженнях
в) опис економічного процесу на якісному рівні
г) усі відповіді правильні
3. Економетрична модель завжди є:
а) стохастичною
б) лінійною
в) параметричною
г) усі відповіді правильні
4. Структуру економетричної моделі визначають:
а) внутрішні параметри об’єктів
б) внутрішні параметри об’єктів та зовнішні умови
в) зовнішні умови
г) структурні зрушення
5. Екзогенні змінні:
а) визначаються як розв’язок системи рівнянь
б) є незалежними величинами
в) є залежними величинами
г) змінні структурних зрушень
6. Ендогенні змінні:
а) визначаються як розв’язок системи рівнянь
б) є незалежними величинами
в) є залежними величинами
г) змінні структурних зрушень
7. Узагальнена модель це модель:
а) дійсна для певної вибірки
б) дійсна для генеральної сукупності
в) побудована на основі узагальнених характеристик
г) побудована на основі вибіркових характеристик
8. Вибіркова модель це модель:
а) дійсна для певної вибірки
б) дійсна для генеральної сукупності
в) побудована на основі узагальнених характеристик
г) побудована на основі вибіркових характеристик
9) Проста лінійна регресійна модель:
а) встановлює лінійну залежність між регресандом і регресорами
б) встановлює лінійну залежність між двома змінними (регресандом і регресором)
в) встановлює просту лінійну залежність між регресандом і регресорами
г) немає правильної відповіді
10) Основними гіпотезами класичного регресійного аналізу є:
а) правильна специфікація моделі
б) відсутність мультиколінеарності
в) гомоскедастичність моделі
г) усі відповіді правильні
11. Кореляційне поле – це:
а) пряма, що відображає зв’язок між незалежною і залежною змінними
б) інша назва простої регресії
в) зображення реальних статистичних даних у вигляді точок у декартовій системі координат
г) кореляційний простір
12. Специфікацією моделі називається
а) аналітична форма залежності між економічними показниками
б) графічне зображення спостережень за регресандом
в) графічне зображення спостережень за регресором
г) кореляційне поле
13. Лінійна регресія:
а) функція, що характеризує лінійний зв’язок між регресандом і регресорами
б) інша назва множинної регресії
в) лінійна функція, яка завжди має нахил, що дорівнює 1
г) усі відповіді правильні
14. Наслідком неправильної специфікації моделі є:
а) BLUE-оцінки
б) оцінки параметрів з відхиленнями
в) гетероскедастичність моделі
г) мультиколінераність моделі
15. Регресійна модель вважається лінійною, якщо вона:
а) лінійна за змінними
б) лінійна за параметрами
в) лінійна за змінними і параметрами
г) лінійна за регресорами
16. Регресійні рівняння описують:
а) структурний зв’язок між показниками економічних явищ або процесів
б) функціональний зв’язок між показниками економічних явищ або процесів
в) функціонально-структурний зв’язок між показниками економічних явищ або процесів
г) структурно-функціональний зв’язок між показниками економічних явищ або процесів
17. Показник, що характеризує розкид навколо середнього значення, називається:
а) середньозважене
б) коефіцієнт регресії
в) дисперсія
г) мода
18. Інформаційною базою для побудови економетричних моделей є:
а) варіаційні ряди
б) динамічні ряди
в) варіаційно-динамічні ряди
г) усі відповіді правильні
19. Динамічним рядом називають
а) послідовність спостережень за процесом або явищем у рівновіддалені проміжки часу
б) ряд, який характеризує кількісну міру певної ознаки у всіх об’єктів сукупності
в) сукупність спостережень за різними об’єктами у рівновіддалені проміжки часу
г) ряд, з постійними характеристиками
20. Варіаційним рядом називають
а) послідовність спостережень за процесом або явищем у рівновіддалені проміжки часу
б) ряд, який характеризує кількісну міру певної ознаки у всіх об’єктів сукупності
в) сукупність спостережень за різними об’єктами у рівновіддалені проміжки часу
г) ряд, з постійними характеристиками
21. Сукупність спостережень, на основі якої будується економетричні модель має бути:
а) достатньо великою
б) достатньо однорідною
в) достатньо точною
г) усі відповіді правильні
22. Джерелом похибки в економетричні моделі є:
а) вплив неврахованих в моделі факторів
б) особливість вимірювання економічних показників
в) вплив випадкових помилок
г) усі відповіді правильні
23. Оцінка параметрів класичної регресійної моделі здійснюється за методом:
а) найменших квадратів
б) Дарбіна-Уотсона
в) Ейткена
г) Неймана
24. Суть методу найменших квадратів полягає у:
а) виявленні мультиколінеарності
б) знаходженні параметрів моделі, при яких сума квадратів залишків є мінімальною
в) перевірці значимості коефіцієнтів регресії
г) перевірці моделі на гетероскедастичність
25. Однією з передумов застосування методу найменших квадратів є:
а) мультиколнеарність моделі
б) гетероскедастичність моделі
в) гомоскедастичність моделі
г) автокореляція залишків
26. Оцінка параметра є ефективною, якщо вона:
а) задовольняє закон великих чисел
б) має найменшу дисперсію
в) її математичне сподівання дорівнює значенню параметра
г) усі відповіді правильні
27. Часткові коефіцієнти регресії характеризують:
а) загальний вплив регресорів на залежну змінну
б) вплив регресора на регресанд за умови, що усі інші регресори залишаються без змін
в) значимість часткових параметрів регресії
г) наявність мультиколінеарності в моделі
28. Застосування методу найменших квадратів можливо, коли регресори:
а) містять стохастичну складову
б) не пов’язані з залишками
в) мають сталу дисперсію
г) усі відповіді правильні
29. У простій лінійній економетричні моделі коефіцієнт регресії характеризує:
а) нахил регресійної прямої
б) середню зміну значення регресанда при зміні значення регресора на одиницю
в) перетин лінії регресії з віссю ординат
г) щільність зв’язку між залежною величиною та незалежною
30. За МНК оцінки параметрів знаходять шляхом мінімізації:
а) лінійних відхилень фактичних даних від розрахункових
б) суми квадратів похибки
в) суми лінійних відхилень фактичних даних від розрахункових
г) добутку лінійних відхилень фактичних даних від розрахункових
31. Оцінки параметрів лінійної регресії, знайдені за МНК є:
а) найкращими (ефективними)
б) лінійними
в) незміщеними
г) усі відповіді правильні
32. Додатне значення коефіцієнта кореляції свідчить про:
а) зворотній зв’язок між двома показниками
б) наявність сильного зв’язку між двома показниками
в) щільність зв’язку між регресором та регресандом
г) прямий зв’язок між двома показниками
33. Від’ємне значення коефіцієнта кореляції свідчить про:
а) відсутність зв’язку між двома показниками
б) наявність сильного зв’язку між двома показниками
в) зворотній зв’язок між двома показниками
г) прямий зв’язок між двома показниками
34. Коефіцієнт кореляції характеризує:
а) щільність лінійного зв’язку між двома показниками
б) ступінь мультиколінеарності в моделі
в) гомоскедастичність моделі
г) автокореляцію
35. Коефіцієнт кореляції лежить в інтервалі:
а) [-1;1]
б) [0;1]
в) [-∞;∞]
г) [0;∞]
36. Якщо значення коефіцієнта кореляції за абсолютною величиною прямує до нуля, це свідчить про:
а) відсутність лінійного зв’язку між двома показниками
б) наявність щільного лінійного зв’язку між двома показниками
в) зворотній зв’язок між двома показниками
г) прямий зв’язок між двома показниками
37. Якщо значення коефіцієнта кореляції за абсолютною величиною прямує до одиниці, це свідчить про:
а) відсутність лінійного зв’язку між двома показниками
б) наявність щільного лінійного зв’язку між двома показниками
в) зворотній зв’язок між двома показниками
г) прямий зв’язок між двома показниками
38. Індекс множинної кореляції характеризує:
а) щільність лінійного зв’язку між системою регресорів і регресандом
б) ступінь мультиколінеарності в моделі
в) гомоскедастичність моделі
г) автокореляцію
39. Коефіцієнт детермінації лежить в інтервалі:
а) [-1;1]
б) [0;1]
в) [-∞;∞]
г) [0;∞]
40. Коефіцієнт детермінації характеризує:
а) дисперсію регресорів
б) частку дисперсії, що пояснюється регресією, у загальній дисперсії на один ступінь вільності
в) розкид навколо середнього значення
г) частку дисперсії, що пояснюється регресією, у загальній дисперсії
41. Знак коефіцієнта кореляції завжди збігається:
а) із знаком вільного члена регресії
б) із знаком коефіцієнта детермінації
в) із знаком коефіцієнта Фішера
г) із знаком коефіцієнта регресії
42.
Якщо
,
то побудована модель:
а) на 80% пояснюється впливом обраних до моделі факторів
б) на 80% пояснюється впливом не врахованих у моделі факторів
в) матиме нахил 0,8
г) матиме перетин 0,8
43. Зв'язок між коефіцієнтом кореляції та коефіцієнтом детермінації має вигляд:
а)
б)
в)
г) між ними немає зв’язку
44. Нормований коефіцієнт детермінації характеризує:
а) дисперсію регресорів
б) частку дисперсії, що пояснюється регресією, у загальній дисперсії;
в) розкид навколо середнього значення
г) частку дисперсії, що пояснюється регресією, у загальній дисперсії на один ступінь вільності
45. SST – це:
а) сума квадратів загальних відхилень
б) сума квадратів відхилень, що пояснюються регресією
в) сума квадратів похибки
г) сума квадратів, що пояснює мультиколінеарність
46. SSR – це:
а) сума квадратів загальних відхилень
б) сума квадратів відхилень, що пояснюються регресією
в) сума квадратів похибки
г) сума квадратів, що пояснює мультиколінеарність
47. SSE – це:
а) сума квадратів загальних відхилень
б) сума квадратів відхилень, що пояснюються регресією
в) сума квадратів похибки
г) сума квадратів, що пояснює мультиколінеарність
48. Яке з тверджень є правильним:
а) SSR +
SSE
SST
б) SSR – SSE = SST
в) SSR +
SSE
SST
г) SSR + SSE = SST
49. Яке з тверджень є правильним:
а)
б)
в)
г)
50. Оцінка значущості рівняння регресії в цілому проводиться за критерієм:
а) Фішера
б) Дарбіна-уотсона
в) Пірсона
г) Стьюдента
51. Критерій Фішера застосовується для:
а) перевірки значущості рівняння регресії
б) оцінки параметрів моделі
в) побудови довірчих інтервалів
г) виявлення мультиколінеарності
52. При перевірці моделі на адекватність за критерієм Фішера висувається нульова гіпотеза про:
а) статистичну значимість коефіцієнта кореляції
б) статистичну незначимість коефіцієнта кореляції
в) статистичну незначимість рівняння регресії
г) статистичну значимість рівняння регресії
53. Яке з тверджень є правильним:
а)
б)
в)
г)
54. Ефект невиправданого зростання R2 при введенні зайвих регресорів до моделі усуває:
а) коефіцієнт детермінації
б) коефіцієнт регресії
в) коефіцієнт кореляції
г) нормований коефіцієнт детермінації
55. При перевірці моделі на адекватність за критерієм Фішера нульова гіпотеза відкидається, якщо:
а)
б)
в)
г)
56. Критичне значення, знайдене за статистичними таблиця конкретного розподілу – це:
а) максимальна межа виконання висуненої нульової гіпотези
б) мінімальна межа виконання висуненої нульової гіпотези
в) ступінь виконання нульової гіпотези
г) ступінь не виконання нульової гіпотези
57. При перевірці значимості коефіцієнтів регресії за критерієм Фішера висувається нульова гіпотеза про:
а) статистичну значимість коефіцієнта кореляції
б) статистичну незначимість коефіцієнта кореляції
в) статистичну незначимість відповідного коефіцієнта регресії
г) статистичну значимість відповідного коефіцієнта регресії
58. Ступінь вільності характеризує:
а) кількість незалежних відхилень необхідних для розрахунку суми квадратів
б) щільність зв’язку між показниками
в) якість прогнозу
г) адекватність моделі реальній дійсності
59. Ступінь вільності суми квадратів відхилень, що пояснюються регресію, дорівнює:
а)
б)
в)
г)
60. Ступінь вільності суми похибки дорівнює:
а)
б)
в)
г)
61. Ступінь вільності загальної сума квадратів дорівнює:
а)
б)
в)
г)
62. Середній квадрат – це
а) дисперсія на одну ступінь вільності
б) дисперсія похибки
в) дисперсія регресії
г) рівень адекватності моделі
63. ANOVA-таблиця – це:
а) базова таблиця дисперсійного аналізу
б) таблиця альтернативних розв’язків моделі
в) таблиця оптимізації моделі
г) усі відповіді правильні
64. До ANOVA-таблиці входять:
а) ступені вільності
б) суми квадратів
в) середні квадрати
г) усі відповіді правильні
65. Fкр – це:
а) максимальна величина відношення дисперсій, яка може мати місце при випадковій їх розбіжності для заданого рівня ймовірності наявності нульової гіпотези
б) мінімальна величина відношення дисперсій, яка може мати місце при випадковій їх розбіжності для заданого рівня ймовірності наявності нульової гіпотези
в) критичний рівень гомоскедастичності моделі
г) критичний рівень гетероскедастичності моделі
66. Критерій Стьюдента застосовується для:
а) перевірки значущості коефіцієнтів регресії
б) оцінки параметрів моделі
в) побудови довірчих інтервалів
г) виявлення мультиколінеарності
67. Частковий коефіцієнт Фішера – це:
а) критерій для перевірки статистичної значимості коефіцієнтів регресії
б) критерій для перевірки статистичної значимості рівняння регресії
в) критерій для перевірки наявності мультиколінеарності в моделі
г) критерій для перевірки гомоскедастичності моделі
68. При перевірці статистичної значимості коефіцієнтів регресії за критерієм Стьюдента висувається нульова гіпотеза про:
а) статистичну значимість коефіцієнта регресії
б) статистичну незначимість коефіцієнта регресії
в) статистичну незначимість рівняння регресії
г) статистичну значимість рівняння регресії
69. При перевірці статистичної значимості коефіцієнтів регресії критерієм Стьюдента нульова гіпотеза відкидається, якщо:
а)
б)
в)
г)
70. Перевірка значущості коефіцієнтів регресії визначається за допомогою:
а) t-статистики Стьюдента
б) F-статистики Фішера
в) методу головних компонент
г)
-
критерія Пірсона
71. Зв'язок між t-статистикою Стьюдента та F-статистикою Фішера має вигляд:
а)
б)
в)
г) між ними немає зв’язку
72. Стандартна похибка – це:
а) середньоквадратичне відхилення вибіркових середніх
б) середньоарифметичне вибіркових середніх
в) середньозважене вибіркових середніх
г) вибіркова сукупність
73. Нульова гіпотеза – це:
а) припущення, яке вважається справедливим, доки не буде доведено зворотне виходячи із результатів статистичної перевірки
б) припущення про величину параметра розподілу генеральної сукупності
в) припущення про нульову оцінку регресії
г) усі відповіді правильні
74. Інтервал довіри коефіцієнтів регресії – це:
а) оцінка коефіцієнтів регресії узагальненої моделі
б) оцінка коефіцієнтів регресії вибіркової моделі
в) оцінка статистичної значимості коефіцієнтів регресії узагальненої моделі
г) оцінка статистичної значимості коефіцієнтів регресії вибіркової моделі
75. Оцінка коефіцієнтів регресії узагальненої моделі здійснюється за схемою:
а)
б)
в)
г)
76. Точковий прогноз – це:
а) побудова регресійної залежності за заданими точками
б) значення регресанда, обчислене за побудованою моделлю при заданих значеннях регресорів
в) визначення крайніх точок довірчого інтервалу для прогнозного значення регресанда
г) значення регресорів, знайдених за МНК
77. Стандартні похибки параметрів характеризують:
а) частку дисперсії регресора у дисперсії регресії
б) статистичну значущість параметрів
в) міру зв’язку регресора із регресандом
г) ступінь мультиколінеарності моделі
78. Інтервальний прогноз – це:
а) побудова регресійної залежності за заданими точками на конкретному інтервалі
б) значення регресанда, обчислене за побудованою моделлю при заданих значеннях регресорів
в) визначення крайніх точок довірчого інтервалу для прогнозного значення регресанда
г) значення регресанда, знайденого за МНК
79. Значення регресанда, обраховане на основі економетричної моделі при заданих значеннях регресорів, називається:
а) коефіцієнтом кореляції
б) точковим прогнозом
в) коефіцієнтом регресії
г) параметром моделі
80. Визначення інтервалу довіри для прогнозного значення регресанда називається:
а) оцінкою прогнозу на заданому інтервалі довіри
б) інтервальною оцінкою довіри
в) точковим прогнозом
г) інтервальним прогнозом
81. Середня помилка прогнозу характеризує:
а) відносну точність прогнозу
б) незміщеність прогнозу
в) середнє значення помилки
г) ступінь зміщення прогнозу
82. Середня помилка прогнозу розраховується за формулою:
а)
б)
в)
г)
83. Критерієм якості прогнозу є:
а) середня абсолютна помилка
б) абсолютна середня процентна помилка
в) середня процентна помилка
г) усі відповіді правильні
84. Абсолютна середня процентна помилка прогнозу характеризує:
а) відносну точність прогнозу
б) незміщеність прогнозу
в) середнє значення помилки
г) ступінь зміщення прогнозу
85. Абсолютна середня процентна помилка прогнозу розраховується за формулою:
а)
б)
в)
г)
86. Середня процентна помилка прогнозу характеризує:
а) відносну точність прогнозу
б) незміщеність прогнозу
в) середнє значення помилки
г) ступінь зміщення прогнозу
87. Середня процентна помилка прогнозу розраховується за формулою:
а)
б)
в)
Г)
88. Середня абсолютна помилка прогнозу характеризує:
а) відносну точність прогнозу
б) незміщеність прогнозу
в) середнє значення помилки
г) ступінь зміщення прогнозу
89. Середня абсолютна помилка прогнозу розраховується за формулою:
А)
Б)
В)
Г)
90. Дисперсія помилки прогнозу характеризує:
а) ступінь розкиду помилки навколо середнього значення
б) статистичну значимість помилки
в) рівень адекватності помилки
г) середнє значення помилки
91. Довірчі інтервали коефіцієнтів регресії визначаються за допомогою:
а) F-відношення Фішера
б) t-статистики Стьюдента
в) χ2-статистики Пірсона
г) DW-статистики Дарбіна-Уотсона
92. Мультиколінеарність означає, що:
а) дисперсія залишків стала для кожного спостереження
б) існує лінійна залежність між двома або більше регресорами
в) дисперсія залишків змінюється для кожного спостереження
г) існує взаємозв’язок послідовних елементів часового чи просторового ряду даних
93. Явище, коли два або більше регресорів мають високий ступінь кореляції, називається:
а) гетероскедастичність
б) мультиколінеарність
в) гомоскедастичність
г) автокореляція
94. При функціональній формі мультиколінеарності в моделі
а) присутній хоча б один регресор, пов'язаний функціональною залежністю з будь-яким іншим або зі всіма регресорами моделі
б) усі регресори пов’язані між собою функціонально
в) регресори пов’язані функціонально з регресандом
г) присутній хоча б один регресор, пов'язаний функціональною залежністю з регресандом
95. При стохастичній формі мультиколінеарності в моделі
а) між регресорами існує тісний зв'язок, який, проте не досягає рівня функціонального
б) між регресорами не існує зв’язку
в) присутній хоча б один регресор, пов'язаний з регресандом
г) регресори пов’язані з регресандом
96. Практичними наслідками мультиколінеарності є:
а) велика дисперсія оцінок параметрів, обчислених за МНК
б) оцінки параметрів регресорів можуть бути незначущими через наявність їх взаємозв’язку з іншими регресорами, а не тому, що вони не впливають на регресант
в) регресійна модель стає нестійкою
г) усі відповіді правильні
97. Характерними ознаками мультиколінеарності є:
а) невелика зміна вихідних даних призводить до істотної зміни оцінок коефіцієнтів регресії
б) оцінки параметрів мають великі стандартні похибки, малу статистичну значимість, водночас як модель в цілому є статистично значимою
в) оцінки коефіцієнтів регресії мають неправильні з позиції економічної теорії знаки або невиправдано великі значення
г) усі відповіді правильні
98. За допомогою кореляційної матриці можна виявити:
а) гомоскедастичність
б) гетероскедастичність
в) автокореляцію
г) мультиколінеарність
99. В моделі присутня мультиколінеарність, якщо визначник кореляційної матриці прямує до:
а) 0
б) +∞
в) 1
г) -∞
100. В моделі відсутня мультиколінеарність, якщо визначник кореляційної матриці прямує до:
а) 0
б) +∞
в) 1
г) -∞
101. Кореляційна матриця містить
а) коефіцієнти парної кореляції
б) кореляційні залишки
в) корельовані регресори
г) корельовані похибки
102. Кореляційна матриця
а) симетрична
б) квадратна
в) має ліву одиничну діагональ
г) усі відповіді правильні
103. Наявність мультиколінеарності виявляється за допомогою:
а) кореляційної матриці
б) F-тесту
в) методу Фаррара-Глобера
г) усі відповіді правильні
104. При перевірці моделі на мультиколінеарність за F-тестом нульовою гіпотезою приймається:
а)
б)
в)
г)
105. Величина дисперсійно-інфляційного фактора VIF характеризує
а) рівень мультиколінераності
б) рівень гомоскедастичності
в) рівень гетероскедастичності
г) рівень автокореляції
106. Методом усунення мультиколінеарності є:
а) виключення з моделі одного з двох сильнокорельованих регресорів
б) зміна специфікації моделі
в) гребенева регресія
г) усі відповіді правильні
107. Коли визначник кореляційної матриці прямує до 1, це свідчить про:
а) наявність мультиколінеарності
б) повну мультиколінеарність
в) відсутність мультиколінеарності
г) автокореляцію
108. Коли визначник кореляційної матриці прямує до 0, це свідчить про:
а) наявність мультиколінеарності
б) гомоскедастичність
в) відсутність мультиколінеарності
г) автокореляцію
109. Метод Фаррара-Глобера призначений для виявлення
а) мультиколінеарності
б) гетероскедастичності
в) автокореляції
г) корельованості залишків
110. При застосуванні методу Фаррара-Глобера виявлення мультиколінеарності усього масиву регресорів проводиться за:
а) - критерієм Пірсона
б) частковим F*-критерієм Фішера
в)
-критерієм
г) t-критерієм Стьюдента
111. При застосуванні методу Фаррара-Глобера виявлення мультиколінеарних регресорів проводиться за:
а) частковим -критерієм
б) частковим F*k -критерієм Фішера
в) частковим t*k -критерієм Стьюдента
г) частковим - критерієм Пірсона
112. Метод головних компонент призначений для
а) оцінки параметрів моделі, якщо до неї входять мультиколінеарні змінні
б) оцінки параметрів гетероскедастичої моделі
в) оцінки рівня гетероскедастичності
г) оцінки рівня мульиколінеарності
113. Ідея методу головних компонент полягає в тому, щоб
а) перетворити множину регресорів на нову множину попарно некорельованих змінних
б) усунути гетероскедастичність шляхом введення головних компонент
в) нормалізувати систему мультиколінеарних регресорів
г) нормалізувати кореляційну матрицю
114. Знаходження головних компонентів-векторів проводиться шляхом
а) ранжування характеристичних чисел кореляційної матриці та обрахунку для них власних векторів
б) нормалізації системи мультиколінеарних регресорів
в) нормалізації кореляційної матриці
г) ранжування гетероскедастичних похибок
115. Явище, коли дисперсія залишків стала для кожного спостереження або групи спостережень, називається:
а) гетероскедастичність
б) мультиколінеарність
в) гомоскедастичність
г) автокореляція
116. Явище, коли дисперсія залишків змінюється для кожного спостереження або групи спостережень, називається:
а) гетероскедастичність
б) мультиколінеарність
в) гомоскедастичність
г) автокореляція
117. Оцінки параметрів регресії, розраховані за МНК, не є ефективними, коли модель
а) мультиколінеарна
б) гомоскедастична
в) гетероскедастична
г) автокорельована
118. Оцінки параметрів регресії, розраховані за МНК, не є незміщеними, коли модель
а) мультиколінеарна
б) гомоскедастична
в) гетероскедастична
г) автокорельована
119. Про наявність або відсутність гетероскедастичності свідчить аналіз
а) кореляційного поля
б) кореляційної матриці
в) ANOVA-таблиці
г) статистичних характеристик моделі
120. Гомоскедастичність залишків означає, що
а) дисперсія залишків для кожного спостереження є сталою
б) дисперсія залишків для кожного спостереження змінюється
в) дисперсія залишків для кожного спостереження дорівнює 0
г) дисперсія залишків для кожного спостереження дорівнює 1
121. Гетероскедастичність залишків означає, що
а) дисперсія залишків для кожного спостереження є сталою
б) дисперсія залишків для кожного спостереження змінюється
в) дисперсія залишків для кожного спостереження дорівнює 0
г) дисперсія залишків для кожного спостереження дорівнює 1
122. Гетероскедастичність призводить до того, що коефіцієнти регресії, розраховані за МНК, не є
а) незміщеними
б) лінійними
в) ефективними
г) сталими
123. Гетероскедастичність виявляється за допомогою:
а) -критерію
б) методу Дарбіна-Уотсона
в) методу Ейткена
г) методу Фаррара-Глобера
124. Параметри економетричної моделі, якій притаманна гетероскедастичність, оцінюються за:
а) методом Дарбіна-Уотсона
б) методом Фаррара-Глобера
в) методом головних компонент
г) узагальненим методом найменших квадратів
125. -критерій – критерій перевірки
а) наявності мультиколінеарності
б) гетероскедастичності моделі
в) наявності автокореляції
г) статистичної значимості коефіцієнтів регресії
126. Методом виявлення гетероскедастичності є:
а) -критерій
б) тест Уайта
в) тест Гольдфельда-Квандта
г) усі відповіді правильні
127. Суть тесту Уайта полягає в тому, що
а) гетероскедастичність відображається у залишках звичайної регресії вихідної моделі
б) гетероскедастичність відображається у кореляційній матриці
в) гетероскедастичність відображається у кореляційному полі
г) гетероскедастичність відображається у нормалізованій системі залишків
128. Тест Уайта – тест перевірки
а) наявності мультиколінеарності
б) гетероскедастичності моделі
в) наявності автокореляції
г) статистичної значимості коефіцієнтів регресії
129. Тест Гольдфельда-Квандта – тест перевірки
а) наявності мультиколінеарності
б) гетероскедастичності моделі
в) наявності автокореляції
г) статистичної значимості коефіцієнтів регресії
130. Тест Гольдфельда-Квандта застосовується, коли є припущення про
а) пряму залежність дисперсії залишків від величини деякого регресора
б) мультиколінеарність деякого регресора
в) автокорельованість деякого регресора
г) взаємозалежність дисперсії деяких регресорів
131. Тест Глейзера – тест перевірки
а) наявності мультиколінеарності
б) гетероскедастичності моделі
в) наявності автокореляції
г) статистичної значимості коефіцієнтів регресії
132. Іншою назвою узагальненого методу найменших квадратів є:
а) метод Ейткена
б) метод Дарбіна-Уотсона
в) метод Пірсона
г) метод Фаррара-Глобера
133. Метод Ейткена
А) дозволяє отримати ефективні оцінки параметрів гетероскедастичної моделі
б) застосовується до трансформованої вихідної гетероскедастичної моделі
в) для визначення оцінок параметрів застосовує класичний метод найменших квадратів
г) усі відповіді правильні
134. Для практичного використання методу Ейткена на структуру матриці S накладається умова:
а)
б)
в)
г) усі відповіді правильні
Критерії оцінки тестової перевірки знань
Оцінка |
Питома вага правильних відповідей у тестовому завданні |
“відмінно” |
понад 90% |
“добре” |
76-90% |
“задовільно” |
60-75% |
“незадовільно” |
менше 60% |