16. Коэффициент уравнения парной регрессии показывает:
а) тесноту связи между зависимой и независимой переменными;
б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на единицу;
в) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;
г) на сколько ед. изменится зависимая переменная, если независимая переменная изменится на 1 ед.
17. Эластичность уравнения парной линейной регрессии показывает:
а) тесноту связи между зависимой и независимой переменными;
б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на единицу;
в) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;
г) на сколько ед. изменится зависимая переменная, если независимая переменная изменится на 1 ед.
18. При нарушении предпосылки МНК о нормальном законе распределения остатков
а) оценки параметров уравнения регрессии будут смещенными;
б) оценки параметров уравнения регрессии будут не эффективными;
в) возникнут проблемы при оценке точности уравнения регрессии и его коэффициентов;
г) исказится смысл коэффициентов регрессии.
19. Табличное значение F-критерия Фишера меньше расчетного F-критерия Фишера. Это значит:
а) уравнение регрессии значимо;
б) уравнение регрессии незначимо;
в) все коэффициенты уравнения регрессии равны нулю;
г) не все коэффициенты уравнения регрессии равны нулю.
20. Габличное значение t-критерия Стьюдента меньше расчетного t-критерия Стьюдента. Это значит:
а) коэффициент регрессии значительно отличается от нуля;
б) коэффициент регрессии не значительно отличается от нуля;
в) все коэффициенты уравнения регрессии равны нулю;
г) выводы сделать нельзя.
21. Дисперсионный анализ уравнения парной регрессии проверяет:
а) значимость коэффициента корреляции;
б) значимость уравнения регрессии;
в) значимость коэффициента регрессии;
г) значимость свободного члена уравнения регрессии.
.
23. Стандартизованные коэффициенты регрессии βi:
а) позволяют ранжировать факторы по силе их влияния на результат;
б) оценивают статистическую значимость факторов;
в) являются коэффициентами эластичности.
г) нет правильного ответа.
24. Несмещенность оценки означает:
а) математическое ожидание остатков равно нулю;
б) наименьшая дисперсия остатков;
в) увеличение их точности оценки с увеличением объема выборки.
г) нет правильного ответа.
25. Эффективность оценки означает:
А) математическое ожидание остатков равно нулю;
Б) наименьшая дисперсия остатков;
В) увеличение их точности оценки с увеличением объема выборки.
г) нет правильного ответа.
26. Состоятельность оценки означает:
а) математическое ожидание остатков равно нулю;
б) наименьшая дисперсия остатков;
в) увеличение их точности оценки с увеличением объема выборки.
г) нет правильного ответа.
27. Для оценки значимости парного линейного коэффициента корреляции при малом объёме выборки используется:
а) критерий Сьюдента;
б) F-статистика;
в) Z-распределение
г) нет правильного ответа.
28. Наиболее наглядным видом выбора уравнения парной регрессии является:
а) аналитический;
б) графический;
в) подбора.
г) нет правильного ответа.
29. Коэффициент регрессии Ь может принимать значения:
а) от-1 до 1;
б) от 0 до 1; в)<0.
г) нет правильного ответа.
30. Объясненная (факторная) сумма квадратов отклонений в линейной парной модели имеет число степеней свободы, равное: Б
a) n - 1;
б) 1;
в) п - 2.
г) нет правильного ответа.
31. Остаточная сумма квадратов равна нулю:
а) когда правильно подобрана регрессионная модель;
б) когда между признаками существует точная функциональная связь;
в) никогда.
32. Параметр Ь (коэффициент регрессии) в степенной модели является:
а) коэффициентом детерминации;
б) коэффициентом эластичности;
в) коэффициентом корреляции.
г) нет правильного ответа.
33. Классический метод к оцениванию параметров регрессии основан на:
а) методе наименьших квадратов;
б) методе максимального правдоподобия;
в) шаговом регрессионном анализе.
г) нет правильного ответа.
2
34. Суть коэффициента детерминации Гху состоит в следующем:
а) оценивает качество модели из относительных отклонений по каждому наблюдению;
б) характеризует долю дисперсии результативного признака у, объясняемую регрессией, в общей дисперсии результативного признака;
в) характеризует долю дисперсии у, вызванную влиянием не учтенных в модели факторов.
г) нет правильного ответа.
35. Рассчитывать параметры парной линейной регрессии можно, если у нас есть:
а) не менее 5 наблюдений;
б) не менее 7 наблюдений;
в) не менее 10 наблюдений.
г) нет правильного ответа.
36. Суть метода наименьших квадратов состоит в:
а) минимизации суммы остаточных величин;
б) минимизации дисперсии результативного признака;
в) минимизации суммы квадратов остаточных величин.
г) нет правильного ответа.
37. Множественный
коэффициент корреляции
Определите,
какой
процент дисперсии зависимой
переменной у
объясняется
влиянием факторов
а) 90%; б)81%;
в) 19%.
г) нет правильного ответа.
38. Для построения модели линейной множественной регрессии вида
необходимое
количество наблюдений должно быть
не
менее: а) а)2;
6)7;
в) 14.
г) нет правильного ответа.
39. Уравнение множественной регрессии имеет вид у = 20 + 0,7х1, + 0,5х2. Какой из факторов (х1 или х2) оказывает большее влияние на результативный признак?
г) вывод сделать невозможно.
40. Уравнение множественной регрессии имеет вид у - 20 + 0,5.x1, + 0,5х2. Какой из факторов (х1 или х2) оказывает большее влияние на результативный признак?
а) х1 <x2
б) х1 >x2
г) вывод сделать невозможно.
41. Уравнение множественной регрессии в натуральном виде имеет вид:
. Сила влияния
какого фактора выше на
результативный
признак?
г) нет правильного ответа.
42.
Уравнение
множественной регрессии в стандартизованном
виде имеет вид:
. Сила влияния какого фактора выше на результативный
признак?
г) нет правильного ответа
43. Какое уравнение регрессии нельзя свести к линейному виду:
г) нет правильного ответа
44.
Общая
сумма квадратов отклонений определяется
по формуле: А
45. В парной линейной корреляции наблюдается следующая зависимость:
