Модуль 2. Множественная регрессия и корреляция Модульная единица 5.1. Параметризация и спецификация уравнения множественной регрессии

49. Какие уравнения являются множественными регрессиями?

1) у = а + вх + сх^2+ dх^3	3) (верно)
2)	4) (верно)

50. Чистый эффект дохода в модели спроса

у =  + ₁х + ₂ р + и

где p – цена,выражается как:

1)  + 1х + 2 р + и	4)  + 2 р
2)  + 1х + 2 р	5) 1х (верно)
3)  + 1х	6) 2 р

51. В уравнениях множественной регрессии коэффициенты при независимых переменных интерпретируются как

1) условные начала	3) коэффициенты полной регрессии
2) коэффициенты чистой регрессии (верно)	4) коэффициенты раздельной детерминации

52. При отборе факторов в модель каждая дополнительно включенная в модель независимая переменная

1) должна уменьшать снижать множественный коэффициент детерминации	3) должна уменьшать коэффициенты чистой регрессии
2) должна увеличивать коэффициенты чистой регрессии	4) должна увеличивать множественный коэффициент детерминации (верно)

53. Коэффициент чистой регрессии при второй независимой переменной в уравнении

интерпретируется:

1) если среднее значение увеличится на 1, то среднее значение зависимой переменной уменьшится на 2 при условии, что переменная будет фиксирована на среднем уровне (верно)	3) если среднее значение увеличится на 1, то среднее значение зависимой переменной увеличится на 2 при условии, что переменная будет фиксирована на среднем уровне
2) если значение увеличится на 1, то значение зависимой переменной уменьшится на 2	4) если среднее значение увеличится на 1, то среднее значение зависимой переменной уменьшится на 5-2=3, при условии, что переменная не изменится

54. Мультиколлинеарность это:

1) сильная корреляционная связь между объясняемыми переменными	3) сильная корреляционная связь между объясняемой и объясняющими переменными
2) сильная корреляционная связь между объясняющими переменными (верно)	4) слабая корреляционная связь между объясняемой и объясняющими переменными

55. Укажите методы устранения мультиколлинеарности:

1) изменение единиц измерения переменных	3) применение метода наименьших квадратов
2) переход к уравнениям в приведенной форме (верно)	4) переход к совмещенным уравнениям (верно)

56. Укажите формулу для расчета коэффициента эластичности для двухфакторной линейной модели:

1) (верно)	3)
2)	4)

57. Для парной линейной модели бета-коэффициент равен:

1) коэффициенту чистой регрессии	3) коэффициенту парной корреляции (верно)
2) коэффициенту эластичности	4) коэффициенту полной регрессии

58. Сумма коэффициентов эластичности в модели Коба-Дугласа

1) не имеет самостоятельного экономического смысла	3) равна произведению бэта-коэффициентов
2) показывает, на сколько процентов в среднем увеличиваются объемы производства при увеличении всех факторов на 1% (верно)	4) показывает, на сколько процентов в среднем увеличиваются объемы производства при увеличении одного из факторов на 1%

59. Мультиколлинерность в модели множественной регрессии

1) приводит к смещенности оценок коэффициентов чистой регрессии, получаемых МНК	3) приводит к большим ошибкам и, как следствие, незначимости параметров, хотя уравнение в целом может оставаться значимым (достоверным) (верно)
2) приводит к тому, что нельзя определить чистое влияние факторов, и параметры уравнения оказываются неинтерпретируемыми (верно)	4) не является серьезной проблемой

60. Если строится двухфакторная модель множественной регрессии, то минимальное число наблюдений должно быть равно:

1) 6-7	4) 500
2) 12-14 (верно)	5) 100

Модульная единица 5.2. «Множественная и частная корреляция. Предпосылки МНК»

61. Коэффициент множественной детерминации определяется по формулам:

1) (верно)	3) (верно)
2)	4)

62. Коэффициент раздельной детерминации можно определить по формулам:

1) , где - бета-коэффициент (верно)	3) (верно)
2)	4)

63. Скорректированный индекс детерминации определяется по формулам:

1)	3)
2) (верно)	4) (верно)

64. Частные коэффициенты (или индексы) корреляции

1) характеризуют тесноту связи между результатом и соответствующим фактором	3) характеризуют тесноту связи между факторами
2) характеризуют тесноту связи между результатом и соответствующим фактором при устранении влияния других факторов, включенных в уравнение регрессии (верно)	4) равны парным коэффициентам корреляции

65. Для двухфакторной модели можно рассчитать … коэффициент(а) частной корреляции

1) один	3) три (верно)
2) два	4) четыре

66. При отборе факторов методом исключения переменных исключается фактор с несущественным по t-критерию

1) частным коэффициентом корреляции (верно)	3) коэффициентом эластичности
2) коэффициентом парной корреляции	4) скорректированным индексом корреляции

67. Частый критерий Фишера определяется по формуле

1)	3)
2)	4) (верно)

68. Перечислите требования t и F-тестов к остаткам регрессии

1) остатки должны представлять собой независимые случайные величины и их среднее значение равно нулю (верно)	3) остатки должны иметь постоянную дисперсию и подчиняться закону нормального распределения (верно)
2) остатки должны представлять собой независимые фиксированные величины и их среднее значение должно быть больше нуля	4) дисперсия остатков должна быть непостоянной

69. Если математическое ожидание остатков равно нулю, то оценки параметров уравнения регрессии, полученные МНК являются:

1) смещенными	4) неэффективными
2) несмещенными (верно)	5) состоятельными
3) эффективными	6) равными

70. Если точность оценок уменьшается с увеличением объема выборки на одну единицу, то они являются:

1) смещенными	4) неэффективными
2) несмещенными	5) состоятельными
3) эффективными	6) несостоятельными (верно)

71. На каком из графиков большая дисперсия остатков соответствует большим значениям «у»?

1) (верно)	3)
2)	4)

72. Для проверки остатков на гомоскедастичность используется метод:

1) Гольдфельда-Квандта (верно)	4) косвенный метод наименьших квадратов
2) метод инструментальных переменных	5) двухшаговый метод наименьших квадратов

Модуль. 3. Модульная единица 6. Моделирование одномерных временных рядов

73. Тенденция отражает влияние

1) совокупного долговременного воздействия множества факторов на динамику изучаемого показателя (верно)	3) воздействия случайных факторов на динамику изучаемого показателя
2) воздействия определенного фактора на динамику изучаемого показателя	4) воздействия циклических колебаний на динамику изучаемого показателя

74. Циклическая компонента временного ряда может быть обусловлена влиянием:

1) множества факторов на динамику изучаемого показателя	3) случайных факторов на динамику изучаемого показателя
2) длительных циклических колебаний (верно)	4) сезонных колебаний на динамику изучаемого показателя (верно)

75. Какая из моделей временного ряда является аддитивной, если:

Т – тренд;

S – циклическая компонента;

E – случайная компонента.

1) Yt=T+S·E	3) Yt=T+S+E (верно)
2) Yt=T·S·E	4) Yt=T/S+E

76. Какие компоненты временного ряда:

Т – тренд;

S – циклическая компонента;

E – случайная компонента

– являются закономерными, неслучайными?

1) только T	3) только S
2) T и S (верно)	4) T и Е

_{77. Значения временного ряда у}t

1) являются неслучайными величинами	3) нельзя рассматривать ни в качестве случайных ни в качестве неслучайных величин
2) являются случайными величинами (верно)	4) неизвестные исследователю величины

78. Корреляционную зависимость между последовательными уровнями временного ряда называют

1) автокорреляцией (верно)	3) гетероскедастичностью
2) мультиколлинеарностью	4) мультипликатором временного ряда

79. Если ряд динамики содержит только тенденцию и случайную компоненту, то его график

1) (верно)	3)
2)	4)

80. Если при построении уравнения регрессии по данным временных рядов при высоком коэффициенте детерминации присутствует автокорреляция уровней (значений) в рядах динамики, то:

1) уравнение регрессии отражает реальные связи между переменными	3) присутствует сложная корреляция между переменными
2) присутствует ложная корреляция между переменными (верно)	4) предпосылки МНК не нарушаются

81. Автокорреляция в остатках наблюдается, если:

1) остатки содержат тенденцию (верно)	3) остатки содержат сезонность (верно)
2) остатки распределены в соответствии с законом нормального распределения	4) остатки распределены случайно

82. Возможные причины автокорреляции остатков:

1) в модель включен фактор, оказывающий существенное воздействие на результат	3) в модель не включен фактор, оказывающий существенное воздействие на результат (верно)
2) модель не учитывает влияние нескольких второстепенных факторов, совместное влияние которых не существенно	4) автокорреляция остатков может заключаться в неверной функциональной спецификации модели (верно)

83. Для выявления автокорреляции в рядах динамики используется тест

1) Гольдфельда-Квандта	3) Дарбина-Уотсона (верно)
2) F-тест	4) t-тест

84. Если в момент времени t_m (t=1,2…n) ряда динамики был серьезный экономический кризис, то выявить тенденцию развития уровня безработицы, можно путем

1) построения тренда за весь период (t=1,2…n)	3) построения линейного тренда
2) моделирования тенденции отдельно по подпериодам: от 1 до m и от m+1 до n (верно)	4) построения степенного тренда