C) определитель матрицы парных коэффициентов между факторами

Тест

Глава 1.

1. Процесс эконометрического моделирования происходит в течение:

a) 2-х этапов;

b) 4-х этапов;

C) 3-х этапов.

2. При моделировании экономических процессов используются данные:

a) пространственные данные и временные ряды;

b) абстрактные данные и временные ряды;

c) пространственные данные и функциональные ряды.

3. Три основных класса моделей анализа и прогноза:

a) временные ряды, регрессионные модели с 2-мя уравнениями, системы одновременных уравнений;

b) временные ряды, регрессионные модели с 1-м уравнением, системы одновременных уравнений;

c) временные ряды, регрессионные модели с 1-м уравнением, системы однородных уравнений.

4. Виды признаков:

a) векторные и результативные;

b) факторные и нерезультативные;

C) факторные и результативные.

Глава 2.

1. Вид уравнения линейной регрессии:

a) у=а+вх+ε;

b) ;

c) .

2. Для оценки параметров регрессии используют:

a) метод наименьших квадратов;

b) метод наибольших квадратов;

c) метод средних квадратов.

3. Тесноту связи изучаемых явлений оценивает:

a) нелинейный коэффициент парной корреляции и индекс корреляции;

b) линейный коэффициент парной корреляции и индекс корреляции;

c) линейный коэффициент парной регрессии и индекс регрессии.

4. Средняя ошибка аппроксимации – это:

a) максимальное отклонение расчетных значений от фактических;

b) минимальное отклонение расчетных значений от фактических;

C) среднее отклонение расчетных значений от фактических.

5. Средний коэффициент эластичности показывает, на сколько процентов в среднем по совокупности изменится результат от своей средней величины при изменении фактора на:

a) 3%;

b) 0,5%;

c) 1%.

6. F- тест используется для:

a) оценки качества уравнения регрессии;

b) получения прогнозных значений;

c) получения уравнения регрессии.

7. t- критерий Стьюдента и доверительные интервалы используются для оценки:

a) вероятностной значимости коэффициентов регрессии и корреляции;

b) статистической значимости коэффициентов регрессии и корреляции;

c) для определения значений коэффициентов регрессии и корреляции.

Глава 3.

1. Множественная регрессия – это:

a) уравнение связи с несколькими переменными;

b) уравнение связи с одной переменной;

c) число.

2. Мультиколлинеарность – это:

a) не тесная линейная связность;

b) тесная линейная связность;

c) тесная нелинейная связность.

3. Для оценки мультиколлинеарности факторов используется:

a) коэффициент детерминации;

b) коэффициент корреляции;

c) определитель матрицы парных коэффициентов между факторами.

4. Чем ближе к нулю определитель матрицы межфакторной корреляции, тем:

a) ненадежнее результаты множественной регрессии;

b) надежнее результаты множественной регрессии;

c) более неопределенные результаты множественной регрессии.

5. Если для каждого значения фактора остатки имеют одинаковую дисперсию, то имеет место:

a) гетерокседастичность;

b) гомокседастичность;

c) мультиколлинеарность.

Глава 4.

1. ПФ называется статической, если ее параметры и характеристика f:

a) зависят от времени;